UNIVERSITE PARIS XII – ECOLE SUPERIEURE DES AFFAIRES (E.S.A) INSTITUT DE RECHERCHE EN GESTION Thèse pour l’obtention du Doctorat ès Sciences de Gestion Présentée et soutenue publiquement le 12 juillet 2005 L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS Ehui Evariste Simon ATRON Directeur de Recherche : M. Pascal GRANDIN, Professeur des Universités JURY : Rapporteurs : M. Jean-Pierre RAMAN, Professeur à l’IAE de l’Université Lille 1 M. Constantin MELLIOS, Professeur à l’Université de Cergy-Pontoise Suffragants : Mme Nathalie MOURGUES, Professeur à l’ESA de l’Université Paris 12 M. Jean-François GAJEWSKI, Professeur à l’ESA de l’Université Paris 12 Nouvelle adresse : Bâtiment Institut de Gestion Place de la Porte des Champs 4 Route de Choisy Courrier : 61 Avenue du Général de Gaulle 94010 Créteil Cedex France Tél. : 33 (0) 1 41 78 47 67 Fax : 33 (0) 1 41 78 47 74 Équipe d’accueil n° 2354 L’impact de l’annonce de bénéfices sur le marché financier français. 1 A la famille Assa TANO et filles, A mes parents et amis, L’impact de l’annonce de bénéfices sur le marché financier français. L’impact de l’annonce de bénéfices sur le marché financier français 2 « L’adversité peut abattre une personne, et donner à d’autres l’envie de se battre. » (Victor Goertzel) L’impact de l’annonce de bénéfices sur le marché financier français. Remerciements 3 Remerciements Ce travail n’aurait pu voir le jour sans le soutien, les conseils et les encouragements de certaines personnes auxquelles je tiens à exprimer toute ma reconnaissance et gratitude. En premier lieu, je tiens à remercier vivement le Pr. Pascal GRANDIN de m’avoir proposé d’effectuer une thèse sous sa direction. Outre la confiance qu’il m’a accordée, il m’a permis de découvrir la finance. J’ai particulièrement apprécié son enthousiasme pour mon travail et nos nombreuses discussions. Les rigueurs scientifique et littéraire qu’il a témoignées dans ses remarques m’ont aidé à clarifier et à simplifier certaines parties bien « obscures » de ma thèse. Je remercie, le Pr. Jean-Pierre RAMAN et le Pr. Constantin MELLIOS d’avoir accepté d’être rapporteurs de ma thèse. J’ai apprécié leurs jugements et constatations pertinents ainsi que leur démarche intellectuelle dont ils font preuves face à un problème de recherche. Je remercie Mme le Pr. Nathalie MOURGUES et le Pr. Jean-François GAJEWSKI pour l’honneur qu’ils me font en acceptant de participer au jury de ma thèse. Je remercie tous les membres de l’équipe de l’Institut de Recherche de Gestion (IRG) et de L’Ecole Supérieure des Affaires de l’Université Paris 12 (Personnel administratif, doctorants et enseignantschercheurs) pour l’accueil et le cadre de travail qu’ils m’ont offert. Je remercie spécialement Mme le Pr. Suzanne PONTIER, le Pr. Amine ABDELMAJID, Mr. Roger N’DJIKI, Mme Gabrielle STRAGAND, Mlle Shérazade GATFAOUI, Mlle Huong Thanh DING, Mr. Eric DUCROS, Mme Florence LABEGORRE, Mr. Benoît JAMET, Mr. Tiéfing DIAWARA, Mr. Honoré SIE, Mr Roger TOE, Mlle Caroline POQUET, Mlle Imen SASSI, Mme Nada BRAHMI, Mr Mecheri MECHERI, Mr Sabri BOUBAKER, Mlle Yosra MELLOULI, Mlle Faten LAKHAL… Je remercie la gérante de la société AB.QVO AD.QVEM, Mme Mouna HAMMAD pour la lecture minitieuse de la thèse. Je remercie également Messieurs Ali SIDARATA et Yao Bernard N’GUESSAN pour la relecture de la thèse. Je tiens également à remercier la société Thomsom Financial pour m’avoir permis d’accéder aux bases de données IBES et Datastream International, particulièrement à Mme Sandrine Baragnon et Mme Pamela Grant respectivement pour les bases de données Datastream et IBES International. Je tiens aussi à remercier M Labegorre de m’avoir fourni un programme pour extraire les données des sociétés françaises de la base de données I/B/E/S. Tous mes sincères remerciements à mon ami Selmi FARHAT et Mme BARRAULT pour toute son aide. Enfin, tous remerciements à ma famille et mes proches pour tous les encouragements et la confiance qu’ils m’ont témoignés. L’impact de l’annonce de bénéfices sur le marché financier français. Résumé 4 RESUME Ce travail est dans la lignée des études sur le contenu informationnel des annonces de bénéfices mis en évidence par Ball et Brown (1968) et Beaver (1968). Ces travaux suggèrent un contenu informatif des annonces de bénéfices : les sociétés qui ont des bénéfices décevants voient leurs cours baisser anormalement et inversement pour les sociétés qui publient les meilleurs bénéfices. Cependant, il n’y a pas un consensus sur les explications des rentabilités anormales suite aux annonces des bénéfices. Cette recherche empirique examine le comportement des investisseurs et des prévisions des analystes lors de la publication des résultats sous les hypothèses de la finance comportementale et sous celles de l’orthodoxie financière sur le marché financier français sur la période 1988 – 1999. Les résultats montrent que les investisseurs réagissent favorablement à l’annonce de bonne nouvelle et défavorablement à l’annonce de mauvaise nouvelle sur les bénéfices sur le marché financier français. Les cours s’ajustent progressivement aux annonces de bénéfices, ce qui est cohérent avec l’efficience des marchés et les investisseurs ne sous-réagissent pas comme dans les études de Bernard et Thomas (1989, 1990) et Barberis, Shleifer et Vishny (1998) sur le marché américain. Cependant, les prévisions des analystes financiers sont sujets à des biais de prévisions lors de la publication des bénéfices annuels sur le marché financier français: biais d’optimisme, sous-réaction et sur-réaction. Les prévisions des analystes seraient gouvernées par trois heuristiques lors de la publication des bénéfices : les heuristiques de disponibilité, de représentativité et d’ancrage-ajustement. Mots-clés: Marchés financiers, anomalies, sous-réaction, sur-réaction, finance comportementale, rentabilités anormales, hypothèse d’efficience des marchés, inefficience, heuristiques, analystes, surprise de bénéfice, annonces de bénéfices, prévisions des analystes. ABSTRACT This study is in the line of the post-earnings announcements drift documented by Ball and Brown (1968) and Beaver (1968). This phenomenon suggests an informative content of the earnings announcements: the firms which have disappointing benefit saw their results dropping abnormally and conversely for the firms which publish the unhoped results. However, there is not a consensus on the post-earnings announcements drift explanations in the financial literature. This empirical study examine the investors’ behavior and the analysts’ forecasts at the time of the earnings’ announcements under behavioral assumptions opposed to financial orthodox on the French stock market over the period 1988 - 1999. The results show that the investors react favorably to the good news and unfavorably to the bad news on the French financial market. The prices are gradually adjusted with the earnings announcements, which is coherent with the markets’ efficiency and the investors don’t under-react as in the studies of Bernard and Thomas (1989, 1990) and Barberis, Shleifer and Vishny (1998) on the american stock market. However, the analysts’ forecasts are subject to the forecasts’ bias: optimism’s bias, underreaction and overreaction. The analysts’ forecasts would be influenced by three heuristic: leniency, representativeness and anchoring-adjustment. Keywords: Financial markets, anomalies, underreaction, overreaction, behavioural finance, abnormal returns, efficient market hpothesis, inefficiency, heuristics, analysts’, Earnings’ surprise, PostEarnings Announcements Drift, analysts’ forecasts. L’impact de l’annonce de bénéfices sur le marché financier français. Sommaire 5 SOMMAIRE L’impact de l’annonce de bénéfices sur le marché financier français. Sommaire 6 L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS ________________________________________________ 1 SOMMAIRE ____________________________________________________________ 5 INTRODUCTION GENERALE ____________________________________________ 7 PREMIERE PARTIE : THEORIE et REVUE DE LITTERATURE _____________ 14 CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE REVUE DE LA LITTERATURE ________________________________________________________ 15 CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES DE BENEFICES: UNE REVUE DE LA LITTERATURE _____________________________________ 75 SECONDE PARTIE – PARTIE EMPIRIQUE : LA METHODOLOGIE GENERALE DE LA RECHERCHE ET LES ETUDES EMPIRIQUES _____________________ 125 CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA RECHERCHE ____ 126 CHAPITRE 4 – LE COMPORTEMENT DES COURS BOURSIERS SUITE AUX ANNONCES DE BENEFICES ___________________________________________ 166 CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE BARBERIS, SHLEIFER ET VISHNY (1998) AUX ANNONCES DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS________________________________________________ 187 CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES LORS DE L’ANNONCE DES BENEFICES _________________________________________ 226 CONCLUSION GENERALE ____________________________________________ 265 BIBLIOGRAPHIE _____________________________________________________ 270 ANNEXES ____________________________________________________________ 307 PLAN DETAILLE _____________________________________________________ 352 TABLE DES GRAPHIQUES ET TABLEAUX ______________________________ 361 L’impact de l’annonce de bénéfices sur le marché financier français. Introduction générale 7 INTRODUCTION GENERALE L’impact de l’annonce de bénéfices sur le marché financier français. Introduction générale 8 Les marchés financiers ont subi un bouleversement au milieu des années quatre-vingt-dix. Entre le jour du premier appel public à l’épargne de la société Netscape Communications Corporation, le 9 août 1995, et celui du plongeon du National Association of Security Dealers Automated Quotation (NASDAQ) dans la première quinzaine d’avril 2000, plusieurs sociétés publiques appartenant à la nouvelle économie s’épanouirent dans un cycle de surenchères. Le marché fut inondé de toute une génération d’investisseurs pour qui le bénéfice par action devint le principal indicateur de performance financière. La particularité de la fièvre des Nouvelles technologies de l’Information et de la Communication (NTIC), est que l'Internet a révolutionné la pratique de l'investissement boursier avec toute l'information qu'on peut y retrouver avec la présence des courtiers en ligne. Depuis lors, bien qu’il y ait eu une correction de la bourse, l’intérêt qu’accordent les investisseurs aux bénéfices réalisés, aux prévisions de bénéfices des analystes, et surtout à l’écart qui pourrait exister entre les deux, ne se sont jamais démentis. L’écart potentiel entre les bénéfices réalisés et les prévisions de bénéfices des analystes d’une période donnée porte le nom de surprise de bénéfices. Dans son Global Fund Manager Survey de novembre 1999, la prestigieuse banque Merrill Lynch souligne que la surprise de bénéfices était le critère de sélection des titres le plus utilisé par les investisseurs institutionnels. Dans le numéro du Bulletin financier d’octobre 2002 de l’ING Belgique, les stratégistes du groupe bancaire fondent le choix des titres tant au niveau sectoriel qu’au niveau géographique, sur le niveau attendu des bénéfices. Les déboires récents des sociétés Enron, WordCom, Lucent Technologies, Universal Vivendi sont dus à des manipulations des résultats. Cette obsession de créer des surprises de résultats les a manifestement conduites à enjoliver leurs comptes pour ne pas désespérer les marchés. L’intérêt du contenu informationnel des surprises de bénéfices n’est pas nouveau. Les premiers à s’intéresser à l’impact des bénéfices sur les cours boursiers furent Ball et Brown (1968) et Beaver (1968). Ces auteurs ont mis en évidence un contenu informationnel des annonces de bénéfices ou surprises de bénéfices: les sociétés qui eurent des bénéfices décevants ont vu leurs cours baisser anormalement dans les mois qui suivirent l’annonce publique et inversement pour les sociétés qui publièrent des bénéfices inespérés (positivement). Il s’en est suivi une kyrielle L’impact de l’annonce de bénéfices sur le marché financier français. Introduction générale 9 d’études sur le sujet dont la grande majorité a constaté un contenu informationnel des surprises de bénéfices. Les études les plus citées sont celles de Foster, Olsen et Shevlin (1984), De Bondt et Thaler (1987), Bernard et Thomas (1989, 1990), Jegadeesh et Titman (1993) et Chan, Lakonishok et Jegadeesh (1996). Une des explications relève de la théorie comportementale. Le marché boursier sous-réagirait (sur-réagirait) à court (long) terme aux annonces de bénéfices qu’il corrige péniblement. Cette correction persistante liée soit à une sous-réaction soit à une sur-réaction des investisseurs serait donc associée à une inefficience du marché financier. Dès lors, la théorie de l’efficience est remise en cause en sa capacité d’expliquer les anomalies et crises boursières, problèmes dont les conséquences intéressent l’ensemble de la finance et l’économie. Et une idée novatrice donne lieu à une nouvelle approche de la finance : la finance comportementale. Elle émerge parce qu’il y a une remise en cause du bel édifice fondé sur la rationalité des agents, clé de voûte de la théorie financière. La finance comportementale s’appuie sur deux phénomènes opposés et observés sur les marchés boursiers : les phénomènes de surréaction et sous-réaction. Les paradigmes de la finance comportementale, encore incomplets et en construction, stipulent qu’il est nécessaire de réfléchir à d’autres modèles comportementaux humains, comme ceux étudiés dans les sciences sociales (psychologie, anthropologie,…). La finance comportementale a tout d’abord identifié dans la littérature consacrée à la psychologie un ensemble de phénomènes pouvant potentiellement affecter le comportement des acteurs des marchés financiers. En d’autres termes, elle cherche à comprendre les mécanismes qui régissent les marchés financiers. Elle essaie également de proposer des modélisations prenant explicitement en compte la psychologie du marché. Pour la finance comportementale, il est possible de tirer profit de l’inefficience des marchés financiers suite à l’annonce des bénéfices, en achetant par exemple, des actions immédiatement après l’annonce des surprises de bénéfices positives et en les revendant une fois les ajustements terminés. Quoiqu’il en soit, il n’est pas possible de réaliser des rentabilités anormales indéfiniment et sur de longues périodes suite à la publication des bénéfices. Il pourrait exister une efficience limitée du marché, mais elle ne saurait permettre à tous les investisseurs sans exception de battre le marché ou L’impact de l’annonce de bénéfices sur le marché financier français. Introduction générale 10 à des investisseurs de s’enrichir indûment sur une longue période. Nécessairement, les investisseurs prendraient rapidement acte de ces rentabilités inhabituelles et un processus d’arbitrage viendrait régulariser la situation. La théorie financière traditionnelle suppose quant à elle une perfection des marchés. Les entreprises peuvent prendre des décisions d’investissement - production et les investisseurs peuvent choisir parmi les titres, sachant que les prix des titres « reflètent » en moyenne correctement à chaque instant toutes les informations disponibles. Autrement dit, les marchés financiers anticipent rationnellement les événements susceptibles d’affecter les cours boursiers ne se laissent pas abuser par des opérations de maquillage sans aucun effet réel sur les bénéfices des firmes. Le marché est donc efficient au sens de Fama (1970, 1991, 1998). Le prix d’équilibre ne devrait varier que si de nouvelles informations conduisent les investisseurs à modifier leurs anticipations. Les fluctuations de cours qu’on observerait, seraient le fruit de chocs exogènes temporaires concernant les fondamentaux non anticipés. L’efficience du marché survit au challenge issu de la littérature relative aux anomalies liées aux rentabilités sur le court et long terme, puisqu’on recenserait à peu près autant de phénomènes de sur- que de sous-réactions. Les anomalies liées aux rentabilités de long terme seraient sensibles à la méthodologie employée pour les estimer. Le questionnement des marchés sur la fluctuation des prix des actions suite à l’annonce des résultats, donne lieu à des débats sur le comportement des agents entre les tenants de la théorie de l’efficience des marchés et ceux de la finance comportementale. Au-delà du débat, cette étude s’interroge sur les comportements réels des investisseurs et analystes. Cette recherche va donc dans le sens des préoccupations actuelles de la littérature financière. D’une part, les résultats suggérant l’inefficience des marchés financiers ont remodelé la nature des questions adressées dans la littérature sur les bénéfices. D’autre part, les acteurs n’ont pas les mêmes missions et les mêmes motivations, et la connaissance du comportement réel du marché à l’annonce des bénéfices s’avère nécessaire. L’entreprise vient sur le marché pour trouver des capitaux à un coût raisonnable, l’investisseur vient y chercher une L’impact de l’annonce de bénéfices sur le marché financier français. Introduction générale 11 plus-value, l’intermédiaire perçoit une commission, les autorités réglementaires produisent du droit et le font appliquer pour le compte de la puissance publique, les experts financiers, rémunérés par les autres protagonistes fournissent une garantie extérieure. Quant aux analystes, ils sont non seulement des intermédiaires financiers, mais ils sont également des experts financiers. Ils sont en position de connaître les informations privées et publiques continuellement. Ils anticipent la valeur des bénéfices et révisent leurs anticipations au fur et mesure qu’ils sont en possession de nouvelles informations. Cet intérêt pour l’étude des comportements des agents lors de la publication des résultats permet également de comprendre le fossé en finance qui sépare parfois la théorie des pratiques. Cette étude peut fournir quelques pistes pour combler cet écart, du moins partiellement. Cette recherche est également motivée par le fait que la prise en compte des agents doit permettre d’obtenir des prescriptions plus efficaces tout en maintenant le paradigme général de la théorie financière. L’intérêt d’une telle étude est donc d’améliorer, d’amender les théories financières existantes et d’identifier le comportement aussi bien chez les investisseurs que chez les analystes lors de la publication des résultats. Ce travail est un essai d’analyse et d’explication des réactions du marché suite à l’annonce des résultats annuels. Les comportements des investisseurs et des analystes lors de la publication des résultats sont testés sous les hypothèses de l’approche comportementale de la finance et sous celles de l’efficience des marchés. Cette recherche est aussi une extension des études de Ball et Brown (1968) et Beaver (1968) sur le contenu informationnel des résultats des firmes. Le terrain d’étude est le marché financier français. La première partie composée de deux chapitres, donne un état des lieux de la finance comportementale et passe en revue les recherches antérieures sur la réaction des marchés lors de la divulgation des résultats. Le premier chapitre présente d’abord le concept de rationalité et les diverses critiques à son égard. Il expose ensuite, les phénomènes de sur-réaction et sous- L’impact de l’annonce de bénéfices sur le marché financier français. Introduction générale 12 réaction sur les marchés financiers. Le chapitre aborde également les modèles comportementaux qui tentent de réconcilier les phénomènes de sur-réaction et sousréaction en se fondant sur les biais cognitifs. Enfin, il expose les critiques de Fama (1998) à l’encontre des modèles comportemantaux. Le deuxième chapitre passe en revue les recherches sur les réactions du marché aux annonces de bénéfices. Après avoir défini le phénomène de base et les études clés, les explications données à l’anomalie de l’annonce des bénéfices sur les places financières sont présentées. Ces explications sont liées aux approches de la finance orthodoxe et celles de la finance comportementale. Enfin, le chapitre 2 met en relief les limites de l’hypothèse d’inefficience des marchés financiers. La seconde partie partie composée de quatre chapitres, présente la méthodologie générale de recherche et les études empiriques. Le chapitre 3 présente les bases de données utilisées, les données et les choix méthodologiques retenus pour le calcul des performances anormales. Il expose enfin, les méthodes statistiques utilisées pour le traitement et la validation des hypothèses posées. Le chapitre 4 explore l’évolution des cours boursiers aux annonces des bénéfices. Il s’appuie sur les approches de Bernard et Thomas (1989), Fama et French (1992, 1993) et Chan et al. (1996) pour l’examen du comportement des cours boursiers à la publication des résultats. Précisément, cette partie analyse la persistance ou non des rentabilités anormales suivant les surprises de bénéfices sur le marché financier français. Le chapitre 5 présente les tests empiriques des modèles comportementaux récents dont celui de Barberis, Shleifer et Vishny (1998). Les investisseurs sousréagissent-ils à l’annonce isolée d’une bonne ou mauvaise nouvelle ? Les investisseurs L’impact de l’annonce de bénéfices sur le marché financier français. Introduction générale 13 sur-réagissent-ils à une chaîne de nouvelles, bonnes ou mauvaises allant dans la même direction ? Les phénomènes de sous-réaction et sur-réaction sont-ils conciliables ? Le chapitre 6 est consacré à l’étude des prévisions des analystes lors de la publication des résultats. Les bénéfices prévisionnels tiennent une place majeure dans le calcul des surprises de bénéfices. Il convient donc, d’analyser et de tester les hypothèses de sous-réaction et sur-réaction des analystes sur le marché financier français lors de la divulgation des résultats. Ce dernier chapitre examine donc les ancres psychologiques c’est-à-dire les bénéfices prévisionnels et les bénéfices réels passés pour les futures prévisions de bénéfices des analystes. L’impact de l’annonce de bénéfices sur le marché financier français. Première partie 14 PREMIERE PARTIE : THEORIE ET REVUE DE LITTERATURE L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE REVUE DE LA LITTERATURE L’impact de l’annonce de bénéfices sur le marché financier français. 15 Chapitre 1 - La finance comportementale : une revue de la littérature 16 1 INTRODUCTION L’hypothèse d’efficience des marchés a été la proposition centrale en finance depuis quarante ans. Cependant, depuis sa conception, notamment depuis les quinze dernières années, les fondations théoriques comme les supports empiriques de l’hypothèse d’efficience des marchés ont été contestées par un nombre grandissant de travaux. Les principales forces grâce auxquelles les marchés sont supposés atteindre l’efficience, comme l’arbitrage, ont tendance à être beaucoup plus faibles et limitées que ne le supposaient les théoriciens. C’est donc dans le contexte de l’après krach boursier de 1987 que s’est produite, essentiellement au sein du monde universitaire, la remise en cause du versant informationnel de l’hypothèse d’efficience des marchés et l’avènement d’un nouveau courant : « la finance comportementale ». Cette approche a été initiée par De Bondt et Thaler (1985). Ainsi, et afin de mieux comprendre le fonctionnement des marchés financiers suite à la publication des résultats, le présent chapitre passe en revue les principales références de ce nouveau courant de recherche. Il présente d’abord, dans ce chapitre, les concepts de rationalité et psychologie cognitive. Le chapitre aborde ensuite, les limites de l’arbitrage et les bruiteurs ou « noise traders ». Par la suite, nous présentons les phénomènes de la sur-réaction et sous-réaction aux informations. Nous exposons enfin, les modèles comportementaux récents qui réconcilient les phénomènes de sous- et/ou sur-réaction des investisseurs et des prix, aux informations spécifiques des titres. 2 RATIONALITE ET PSYCHOLOGIE COGNITIVE L’hypothèse de rationalité des agents est un concept clé aussi bien en finance qu’en économie. Elle est à la base de l’élaboration d’un grand nombre de modèles. Cependant, cette hypothèse est remise en cause depuis déjà une quarantaine d’années par certains économistes et plus récemment, par certains financiers. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 17 La finance comportementale se caractérise par une remise en question des hypothèses de rationalité des investisseurs et par l’intégration explicite de l’existence d’agents dont le comportement n’est pas conforme au concept de rationalité traditionnel. Plutôt que de supposer des agents rationnels, elle a pris le parti d’étudier le comportement réel des investisseurs, en adoptant d’autres critères que ceux utilisés dans une approche normative. Savoir tirer des conclusions correctes, prendre des décisions optimales, être « logique », être raisonnable sont des qualités d’autant plus appréciées qu’elles sont souvent difficiles à atteindre. Elles présupposent que nous sommes en mesure de faire la distinction entre le vrai et le faux, entre une certitude et une incertitude. Depuis des années, la psychologie sociale et cognitive tente de répertorier et d’expliquer les écarts entre la manière dont nous devrions tirer des conclusions à partir des informations disponibles, pour assurer au mieux leur validité ou leur infaillibilité, et la mise en pratique de ces informations. Les études sur les biais et les erreurs, dans le traitement de l’information, nous renseignent sur les éventuels défauts dans notre conception de la réalité et, en ce sens, elles nous renseignent sur notre rationalité limitée ou d’un point de vue catégorielle sur notre irrationalité. Nous traitons donc les fondements psychologiques de la finance comportementale, tout en introduisant brièvement le concept de rationalité sous ses différents aspects philosophiques, sociologiques, psychologiques et économiques. Et enfin nous aborderons les biais et erreurs de jugements. 2.1 Le concept de la rationalité : une définition 2.1.1 Une définition générale Les économistes, étudiant l’homme dans son environnement économique, ont très vite senti le besoin de cerner le comportement des individus pour pouvoir élaborer leurs théories. Pour simuler le comportement des individus, les économistes ont modélisé sur L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 18 une base normative dont le but était la recherche d’équilibres, ils ont introduit le concept de rationalité. L’efficience suppose la rationalité des agents tant dans leur comportement que dans leurs anticipations à l’image de l’homo oeconomicus. La rationalité est donc nécessaire à l’efficience. Selon Allais (1953), « un homme est réputé rationnel lorsqu’il poursuit des fins cohérentes entre elles et qu’il emploie des moyens appropriés aux fins poursuivies » (p.518). Sur un plan plus général, le « rationnel » désigne ce qui appartient à la raison ou ce qui relève de la raison et l’«irrationnel» désigne ce qui n’est pas conforme à la raison ou au domaine de la raison. Allant dans ce sens, les psychologues Drozda-Senkowska et al. (1995) définissent un homme rationnel comme un homme raisonnable : « Quand nous pensons à l’homme rationnel, nous pensons à un homme sain d’esprit (à un homme à l’abri de la folie) et à un homme doué de la raison (au sens de la faculté à raisonner et à juger). Ainsi, nous nous référons à la raison pour l’opposer à la folie et pour parler de la capacité à inférer » (page 13). L’on se demande quels sont les arguments auxquels il faut se conformer pour prétendre être rationnel, et quelle connaissance ou quelle inférence peut-on qualifier de rationnelle ? On attribue habituellement trois significations à la rationalité qui est un concept plutôt philosophique que psychologique. Ces trois significations, même si elles sont distinctes, restent très liées entre elles. 1 Rationnel signifie justifié (démontré), infaillible au sens de : fondé sur une raison incontestable. 2 Rationnel signifie aussi critique (mettant les choses en doute) au sens de : qui ne se laisse pas emprisonner par les évidences apparentes. 3 Rationnel est compris aussi comme efficace au sens de : qui garantit le meilleur rendement. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 19 Les deux premières significations reflètent mieux les définitions auxquelles s’intéressent les psychologues sociaux et la dernière signification est adoptée par les économistes et les financiers. 2.1.2 Les différentes formes de rationalité Cette section s’inspire de la classification de la rationalité in Moschetto (1997). 2.1.2.1 La rationalité instrumentale ou classique En accord avec le principe de la rationalité au sens de Allais (1953), les agents sont supposés être caractérisés par des préférences ou des objectifs qu’ils cherchent à atteindre tout en respectant des contraintes limitant les choix possibles. L’homo oeconomicus est la personnification de l’hypothèse de comportement élaborée par les néoclassiques et prise comme unité élémentaire de décision. L’homo oeconomicus est doté de trois caractéristiques essentielles : - c’est un être intéressé, son unique mobile d’action est l’intérêt personnel. - il est rationnel, puisque toutes ses décisions sont logiques et adaptées à leur but, - il est universel et atemporel, son comportement ne dépendant pas de données géographiques, historiques, sociales,…, relatives à son comportement. Il reste indifférent au milieu en tant que type idéal de la rationalité. Les modèles macroéconomiques et financiers font ainsi l’hypothèse que les choix de tous les individus peuvent être résumés comme ceux d’un individu représentatif. Ce dernier maximise son utilité, son choix coïncidant avec l’agrégation des décisions. Par la suite, les économistes ont considéré un sujet cherchant à maximiser son utilité sous contrainte dans un univers où l’information est illimitée et gratuite. Le modèle permettant d’appréhender un tel type de rationalité limitée, appelée rationalité instrumentale, repose sur la théorie de l’utilité espérée provenant de la résolution du paradoxe de Saint- L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 20 Petersbourg posé par Bernouilli en 1738. Les agents sont alors caractérisés, dans un contexte d’incertitude, par deux types de jugements : - les jugements de préférence qui consistent à évaluer une action et ses conséquences, - les jugements de croyance qui consistent à prévoir une action et ses conséquences. La pensée économique s’est principalement intéressée à la deuxième catégorie de jugements dits de croyance. Ainsi, dans les modèles traditionnels, tels que celui de l’équilibre général en situation d’incertitude, les agents se comportent selon le principe de maximisation de l’utilité espérée. En accord avec ce principe, les jugements de préférence sont représentés par des utilités et les jugements de croyance par des probabilités. Il s’ensuit que les croyances sont de nature probabiliste alors que les préférences ne dépendent pas des croyances. Dès lors, les poids accordés aux jugements de croyance dans la théorie de l’utilité espérée sont faibles puisque les probabilités sont soit données, soit induites à partir des préférences. Le comportement des individus est donc uniquement fonction des préférences. Ces diverses remarques sont regroupées sous le nom générique d’axiome d’indépendance : les préférences sont définies sur un espace de distribution de probabilité et les croyances correspondent aux probabilités qui sont données de manière exogène à l’individu (Von Neumann et Morgenstern, 1947). Dans ce cas, la relation de préférence doit répondre à trois critères : - ordre : l’agent est capable de classer toutes les actions envisagées, il y a donc complétude et transitivité, - indépendance : il y a indépendance entre préférences et probabilités. - Continuité : le jugement est continu en situation d’incertitude. Si ces trois axiomes sont vérifiés, il existe implicitement une distribution de probabilité individuelle, subjective et unique sur l’ensemble des événements. Il en découle une fonction d’utilité dont l’individu doit maximiser l’espérance pour obtenir une solution rationnelle. Cette rationalité instrumentale est conçue comme une adéquation des moyens aux fins poursuivies. Les contraintes auxquelles l’agent est soumis sont de type externe, telles que L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 21 le revenu ou l’état de la technologie. Ainsi, tout comme l’information, les capacités cognitives de l’individu sont illimitées. Pour cette raison, une telle conception de la rationalité a fait l’objet de vives critiques (Allais, 1953). Face à ces constats, se sont développées d’autres conceptions de la rationalité basées sur un « affaiblissement » de la rationalité classique. 2.1.2.2 La rationalité cognitive La rationalité instrumentale est basée sur une efficacité en termes d’actions. Elle caractérise l’adéquation des moyens aux fins poursuivies. Or, si l’on retient uniquement ce principe, on occulte la relation liant de façon conditionnelle l’action à la perception par l’individu de son environnement actuel et futur. Walliser (1982) introduit la notion de rationalité cognitive afin de tenir compte d’une correspondance entre les informations détenues par les agents et les représentations qui sont des croyances individuelles qui diffèrent selon les agents. La rationalité cognitive met donc l’accent sur le fait qu’il peut y avoir une différence entre environnement réel et environnement perçu, et traduit ainsi l’adéquation des anticipations sur l’environnement aux informations détenues. 2.1.2.3 La rationalité limitée ou procédurale Comme le souligne Arrow (1987), « (…) la rationalité n’est pas une propriété de l’individu isolé, même si elle est généralement présentée ainsi. En fait, elle tire non seulement sa force, mais sa signification même du contexte social dans lequel elle est ancrée » (p. 22-23). Simon (1987) rappelle que les choix sont dits « rationnels » lorsque les agents économiques font des choix parmi un échantillon donné d’alternatives auxquelles sont associées (subjectivement) des probabilités de distribution de revenus de telle sorte que la valeur d’une fonction d’utilité donnée soit maximisée (Savage, 1954). Si une au moins de ces hypothèses est relâchée, la rationalité est dite « limitée ». Autrement dit, si la L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 22 connaissance sur l’avenir est (radicalement) imparfaite, alors la rationalité des agents ne peut être que « limitée » puisqu’ils ne peuvent décider en toute connaissance de cause. La confusion qui a longtemps entouré le concept de rationalité limitée inventé par Simon (1955) a conduit l’auteur à proposer une distinction entre rationalité substantielle et rationalité « procédurale ». La rationalité substantielle est celle qui respecte les trois contraintes citées plus haut. Elle amène les agents à faire individuellement des choix qui les conduisent collectivement à réaliser un optimum social. La rationalité procédurale, à l’inverse, ne garantit pas le résultat. Elle postule simplement que les agents vont mettre en œuvre des stratégies pour parvenir à des situations leur paraissant préférables. Le décideur veut atteindre des buts et tente d’utiliser au mieux les moyens dont il dispose pour les atteindre mais ni la réalisation de ces buts, ni la concrétisation d’une optimalité sociale ne sont garanties. Le choix du modèle de rationalité est un choix méthodologique fondamental. La rationalité substantielle constitue un choix de positionnement dans le cadre normatif néoclassique alors que l’hypothèse de rationalité limitée ouvre un champ plus vaste qui n’exclut pas, cependant, un raccordement au cadre néo-classique. Dans le cadre de la rationalité instrumentale, les contraintes auxquelles un agent est soumis sont de type externe, celles-ci seront internes dans une situation de rationalité limitée. On peut désigner comme théories de la rationalité limitée celles qui incorporent des contraintes sur la capacité de l’acteur à traiter l’information. Du fait de ses capacités bornées, l’agent ne cherche pas à maximiser sa satisfaction, mais à atteindre un seuil de satisfaction qu’il juge suffisant. Le principe de satisfaction indique que l’action qui est choisie n’est pas la meilleure relativement aux conditions objectives et subjectives de la décision, mais est la plus satisfaisante. 2.2 Croyances et préférences Dès la conception de l’hypothèse de rationalité, un certain nombre de critiques ont vu le jour. Les psychologues n’ont pas été les seuls à s’adonner à cet exercice, les L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 23 économistes s’y sont également intéressés. Une multitude d’études a été menée dans le but de démontrer la non rationalité systématique des individus. Elles démontrent que les comportements des individus vont à l’encontre d’un ou plusieurs axiomes de la théorie traditionnelle de l’utilité attendue énoncée par Von Neumann et Morgestern (1947). Un bon nombre d’études en psychologie sociale portent sur les processus de formation et de modification des croyances des gens sur eux – mêmes et sur le monde qui les entoure. Les jugements humains ne sont plus envisagés comme la résultante d’un traitement rationnel et impartial de l’information dans l’approche des inférences. Au contraire, on considère que les attributions et les prédictions font l’objet de biais et d’erreurs systématiques1. Les biais dans le jugement humain, décrits dans la littérature psychologique, sont considérés comme des biais cognitifs. Les biais cognitifs sont dus aux capacités limitées des individus à prendre en compte et à traiter toutes les informations potentiellement disponibles (Drozda-Senkowska et al., 1995). Ils impliquent des erreurs systématiques, si bien que les jugements s’écartent systématiquement des normes acceptées. La suite de cette section expose ses biais de jugement : effet de cadrage, effet de réflexion, mauvaise conception du joueur, « self-control », conversion mentale, excès de confiance, manque de rapport historique, pensée magique, modèles descriptifs (théorie des perspectives, théorie des heuristiques, …). 2.2.1 L’effet de cadrage On ne peut parler d’effet de cadrage sans y associer les noms de Tversky et Kahneman. Selon eux, un problème de prise de décision est défini par les actes ou les options parmi lesquels on doit choisir les issues possibles et les conséquences de ces actes, ainsi que les contingences qui relient les issues aux actes. Ils utilisent le terme de cadre de décision pour se référer aux conceptions à propos des actes, des issues et des contingences associées, avec un choix particulier du preneur de décision. Le cadre que le preneur de décision adopte est contrôlé en partie par la formulation du problème et en 1 Pour la revue de la question sur le jugement dans l’incertitude, voir Slovic, Firshoff et Lichtenstein (1977). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 24 partie par les normes, les habitudes et les caractéristiques personnelles du preneur de décision. Le comportement rationnel décrit par les théories normatives implique que la préférence entre deux options ne doit pas changer si l’on modifie la formulation. Tversky et Kahneman (1973, 1974, 1979, 1982) ont montré des renversements systématiques de la préférence. Au cours de leurs nombreuses expériences, ils ont mis en évidence les phénomènes suivants : - Les choix impliquant des gains amènent souvent à éviter le risque, c’est-à-dire à adopter la solution certaine. - Les choix impliquant des pertes amènent souvent à prendre des risques, c’est-àdire à choisir la solution probabiliste. 2.2.2 L’effet de réflexion Selon Tversky et kahneman, les préférences sous un aspect négatif sont le reflet en miroir des préférences sous un aspect positif. L’effet de réflexion engendre plusieurs implications : 1. L’effet de réflexion implique que l’aversion pour le risque dans le domaine positif est accompagnée par la recherche de risque dans le domaine négatif. 2. Les issues obtenues avec certitude sont sur-estimées par rapport aux issues incertaines. Dans le domaine positif, l’effet de certitude contribue à une préférence de l’aversion envers le risque pour un gain certain sur un gain important qui n’est que probable. Dans le domaine négatif, le même effet conduit à la préférence de la prise de risque pour une perte qui n’est que probable sur une petite perte qui est incertaine. Le même principe psychologique, la sur-estimation de la certitude, favorise l’aversion envers le risque dans le domaine des gains et la recherche de risque dans le domaine des pertes. L’effet de réflexion élimine l’aversion pour l’incertitude ou la variabilité comme explication de l’effet certitude. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 25 2.2.3 La « mauvaise » conception du joueur Les individus considèrent fréquemment que la chance est un processus autorégulateur dans lequel une déviation dans une direction cache inévitablement une déviation dans la direction opposée pour restaurer l’équilibre. Pour illustrer ce concept, Plous (1993) pose la question suivante : « Supposez qu’une pièce non truquée est lancée trois fois, et qu’à chaque fois la pièce est tombée en présentant le côté face. Si vous deviez parier sur le prochain lancement, quel côté choisiriez-vous ? ». La pièce étant non truquée, il y a autant de chance que le résultat du lancement soit pile ou face. Et pourtant, certaines personnes croient, à tort, que pile est plus probable vu les trois faces survenues successivement aux lancements précédents. Ce type de comportement est fréquemment rencontré chez les analystes techniques en finance qui observent des « retours de tendance » alors que les rentabilités des actifs sont supposées être distribuées aléatoirement (processus markoviens). 2.2.4 Le « self-control » Le concept de «self-control» suggère l’existence d’un contrôleur et d’un contrôlé. Pour bien saisir le problème, l’on peut imaginer l’individu comme une organisation avec un planificateur (le « planner ») et une série d’exécuteurs (les « doers »). Les conflits qui émergent sont dus au fait que les préférences des exécuteurs en action sont toujours myopes, comparées à celles du planificateur. Etant donné ses préférences à long terme, le planificateur adopte des règles lui permettant de gouverner le comportement des exécuteurs (Thaler, 1994). Concrètement, cela se traduit par l’adoption par l’individu d’un comportement qu’il n’aurait pas adopté spontanément, car la raison prend temporairement le dessus sur ses instincts. Shefrin et Odean (1998) suggèrent le fait que les investisseurs surmontent, au mois de décembre, leur aversion naturelle à réaliser des pertes comme un exemple de « selfcontrol ». En effet, la répugnance à réaliser des pertes est contraire à la stratégie optimale L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 26 de « tax loss selling ». Pour des raisons de taxation, les investisseurs devraient remettre à plus tard les bénéfices taxables en gardant en portefeuille leurs investissements perdants. Shefrin et Statman suggèrent que la décision de vendre ses investissements perdants en décembre est une mesure de « self-control ». La fin de l’année est la date limite pour la réalisation des pertes. Donc, chaque année, les investisseurs reportent la réalisation des pertes, jusqu’au mois de décembre, où ils s’imposent de les réaliser pour des raisons fiscales. 2.2.5 La comptabilité mentale Les individus ont tendance à classifier leur environnement et les données extérieures. Ce type de pratique amène les individus à accorder différents labels aux différentes valeurs selon leur origine ou/et leur utilisation… (Thaler, 1994). En économie, ce comportement viole principalement l’hypothèse de fongibilité de l’argent. Par exemple, l’individu non rationnel fera une différence entre un billet de 20 euros et un billet d’entrée à une pièce de théâtre valant 20 euros. Cette différenciation peut amener un individu rationnellement limité, voulant assister à une certaine représentation théâtrale, à acheter un billet d’entrée même s’il remarque qu’il vient de perdre un billet de banque de 20 euros, tandis que s’il vient de perdre un billet d’entrée qu’il avait précédemment acheté, il ne le remplacera pas. Les effets en finance de la comptabilité mentale sont nombreux. Ils aident à expliquer pourquoi un investisseur ressent des difficultés à ajuster son point de référence pour un actif. De ce fait, l’achat d’un nouvel actif constitue l’ouverture d’un nouveau « compte mental ». D’après Thaler et Johnson (dans Shefrin et Statman, 1985), l’effet de disposition et surtout l’aversion aux pertes sont une conséquence de la difficulté qu’éprouvent les investisseurs à fermer un tel compte sur une perte. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 27 2.2.6 L’excès de confiance L’hypothèse des attentes rationnelles implique que les agents économiques prennent leurs décisions comme s’ils connaissaient la distribution de probabilité correcte de l’événement incertain sous-jacent (Kahneman et Riepe, 1998). Or, la littérature empirique sur les jugements dans un univers incertain donne de nombreuses preuves que les individus ont tendance à exhiber une confiance excessive dans leurs jugements. Ils sont trop optimistes, ils surestiment leurs chances de réussite, leurs jugements, leurs croyances et leurs connaissances, de sorte que leur confiance dépasse, souvent de loin, leur taux de réussite. Plusieurs recherches ont relevé un biais systématique dans les intervalles de confiance subjectifs. Ce phénomène, connu sous le nom d’excès de confiance est robuste, et largement observé, même dans les cas où le décideur a intérêt à se comporter de manière calibrée (Kahneman et Riepe, 1998). Lichtenstein, Fischhoff et Phillipps (1982) affirment que les individus sont sujets à l’excès de confiance surtout quand ils sont confrontés à des problèmes de connaissances générales, de difficulté moyenne ou élevée, et que l’excès de confiance diminue avec la réduction du degré de difficulté de la tâche. Le comportement d’excès de confiance a une influence sur les volumes de transaction. La taille du volume des transactions dans les marchés financiers a longtemps été une énigme. Le taux de rotation annuel des transactions est très élevé et l’on ne peut pas l’expliquer en termes d’un cycle normal de volumes d’échange de titres entre les investisseurs (Shiller, 1998 et Odean, 1998). Le théorème de la non spéculation stipule que les agents qui n’ont pas de raison de négocier en l’absence d’information, ne négocient pas. Or, beaucoup d’agents pensent avoir des raisons spéculatives à négocier fréquemment, ceci découle apparemment de leur tendance à avoir des idées qu’ils estiment meilleures que celles des autres. C’est comme si tous les agents se croyaient plus que moyennement doués. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 28 2.2.7 L’absence de prise en compte de l’histoire C’est une forme particulière d’excès de confiance. C’est celle de croire que le passé est non pertinent, qu’il ne nous renseigne aucunement sur le futur, et que la seule façon de juger le futur consiste à mesurer les facteurs observables à l’heure actuelle et en leur accordant des poids intuitifs (Shiller, 1998). L’unique moment où les individus pourraient considérer le passé comme ayant quelque pertinence, ce serait quand ils voient les circonstances actuelles comme représentatives de périodes passées bien marquées dans la mémoire, ce qui est en concordance avec l’heuristique de représentativité que nous verrons lorsque nous aborderons la théorie des heuristiques. L’implication financière la plus importante de cette tendance est le manque de diversification. Le fait que les investisseurs ne tirent pas les leçons des événements historiques sur les incertitudes économiques et financières est, d’après Shiller., une possible explication de la non diversification de leurs portefeuilles. 2.2.8 La pensée magique La perception d’un lien (inexistant) entre un comportement et un résultat particulier peut amener l’individu à répéter ce comportement dans l’espoir que le résultat se répètera également. Lorsqu’un comportement est généré de cette manière-ci, les psychologues et les anthropologues parlent de pensée magique (Shiller, 1998). La pensée magique exprime les limites de l’esprit humain dans le processus de la connaissance. Elle constitue une forme de raisonnement non corrélationnel auquel on fait référence quand, sur le plan conceptuel (ou sémantique), les choses et les événements vont de pair ou s’excluent mutuellement (Shweder dans Drozda-Senkowska et al., 1995). Normalement, cette pensée relève d’une confusion entre des hypothèses portant sur le monde et des hypothèses portant sur le langage. Il existe une multitude d’exemples de comportements générés par une pensée magique dans la vie économique. Une décision d’investissement ou de gestion par une L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 29 entreprise précédant une hausse des ventes ou des bénéfices pourrait être répétée. Quand cette nouvelle décision est prise dans une période de bénéfices croissants, l’idée que la décision était à la base de cette augmentation des bénéfices sera encore renforcée. La plupart des agents ont développé des théories propres, et comme ils agissent tous conformément à ces théories, il est concevable que les prix se comportent effectivement comme prévu dans ces théories, et renforcent de cette façon encore la croyance que l’on y attache. L’effet de disposition, la tendance à garder les investissements perdants et à vendre les investissements gagnants, pourrait se rapporter à la pensée quasi-magique, si les agents croient jusqu’à un certain point qu’en gardant les investissements perdants ils peuvent révoquer le fait qu’ils ont déjà perdu. La demande publique pour des actifs à un moment où ils sont apparemment surévalués peut également être influencée par la pensée magique ou quasi-magique (Shiller, 1998, 2000). 2.2.9 Les modèles descriptifs 2.2.9.1 La Théorie des perspectives (« Prospect theory ») Les théories concernant la prise de décision en situation d’incertitude sont principalement basées sur le concept d’utilité espéré. Pourtant, la théorie d’utilité est critiquée sur plusieurs fronts. La critique, probablement la plus connue, est celle d’Allais (1953) et concerne la non-linéarité des préférences. D’après Allais (1953), si la probabilité de recevoir w passe de 0.99 à 1, cela a plus d’impact sur les individus que si cette même probabilité passe de 0.1 à 0.11. Or ceci est en contradiction avec la théorie d’utilité qui prédit une hausse égale de 0.01U(w) (U étant la fonction d’utilité). Kahneman et Tversky (1979) apportent une preuve expérimentale pour illustrer les exemples d’Allais. Quand ils demandent à leurs sujets de choisir entre une loterie offrant 25% de chance de gagner 3 000 $ et une loterie offrant 20% de chance de gagner 4000 $, 65% des sujets choisissent la dernière. Alors que lorsqu’ils demandent aux sujets de L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 30 choisir entre une loterie offrant 100% de chance de gagner 3000 $ et une loterie offrant 80% de chance de gagner 4000 $, 80% des sujets choisissent la première. La théorie d’utilité énonce que les individus ne devraient pas choisir différemment entre ces deux cas, dans la mesure où le second choix est le même à l’exception du fait que toutes les probabilités sont multipliées par une même constante. La préférence accordée au premier choix dans la loterie (100% de chance de gagner 3000 $) illustre ce qui est appelé «l’effet certain», à savoir une préférence pour les gains certains, et qui peut être expliquée par la théorie des perspectives. Une perspective ou « prospect » (x1,p1 ;… ; xn,pn) est un contrat qui produit un résultat xi avec une probabilité pi où p1 + p2 +…+ pn = 1. Kahneman et Tversky (1979) ont également montré que les individus devant choisir parmi différentes perspectives ne tiennent pas compte de ce qui est commun à toutes les perspectives considérées. Ils ont appelé ce phénomène l’effet isolement. Un troisième élément dans le processus de prise de décision découvert par Kahneman et Tversky (1979) est l’effet miroir ou effet «réflexion». Cet effet implique que les choix parmi des perspectives positives sont le reflet des choix parmi des perspectives négatives. Toutefois, plusieurs études ont contesté l’effet miroir, notamment celle de Hershey et Schoemaker (1980), ainsi que celle de Martinez-Vasquez, Harwood et Larkins (1992). Il y a eu peu de tentatives afin de remplacer ou de modifier le paradigme d’utilité et ainsi éliminer les paradoxes tels que ceux présentés ci-dessus. En 1979, Kahneman et Tversky ont introduit une théorie alternative de choix en situation d’incertitude appelée « théorie des perspectives » ou « prospect theory ». La théorie des perspectives propose une alternative sous forme de modèle mathématique à la théorie d’utilité. La théorie des perspectives comme la théorie d’utilité énonce que les individus maximisent une somme pondérée d’utilités, cependant les pondérations ne sont pas les mêmes dans le sens où les « utilités » et les probabilités sont déterminées par ce que Kahneman et Tversky appellent «fonction de valeur» plutôt que fonction d’utilité. Cette théorie est positive et similaire dans son approche à celle suggérée par Friedman et Savage (1948). En fait, cette théorie L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 31 est déterminée par le comportement des investisseurs, basé sur des expériences en laboratoire. Les principales conclusions de la théorie des perspectives sont les suivantes : - La plupart des sujets violent la théorie d’utilité, exactement comme l’a montré Allais (1953), à savoir qu’ils réagissent différemment à des changements similaires de probabilité. - Les sujets accordent généralement plus d’importance aux changements de richesses qu’à la richesse totale, ce qui contredit une nouvelle fois le paradigme d’utilité. - La fonction de valeur (graphique 1.1) est une fonction en «S », c’est-à-dire concave dans le domaine des gains (aversion au risque) et convexe dans celui des pertes, illustrant un comportement de recherche de risque. Cette fonction de valeur a également la particularité d’avoir une pente plus raide dans le domaine des pertes que dans celui des gains reflétant une certaine aversion pour la perte. Cette fonction est définie par les déviations du point de référence. - La pondération de décision assignée à la probabilité, Ð(p), est généralement plus faible que la probabilité correspondante p, excepté dans l’intervalle des très faibles probabilités (voir graphique 1.2). Graphique 1.1 - Une fonction de valeur hypothétique Source : Kahneman et Tversky. 1979. « Prospect theory : An analysis Of Decision Under Risk. » Econometrica 47 (2): 279. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 32 Graphique 1.2 - Une hypothétique fonction de pondération Source : Kahneman et Tversky. 1979. « Prospect theory : An analysis Of Decision Under Risk. » Econometrica 47 (2): 283. Kahneman et Tversky (1979) distinguent deux phases dans leur processus de choix: 1. Une phase d’édition qui consiste en l’analyse des perspectives proposées. Cette phase se décompose en 4 opérations: - Le codage: établissement du point de référence par le décideur - La combinaison: consistant en l’agrégation des probabilités associées aux résultats identiques - La ségrégation: impliquant la séparation des éléments risqués de la perspective des éléments sans risque - La suppression: consistant en la suppression de tous les éléments communs aux différentes perspectives considérées. 2. Une phase d’évaluation des perspectives et de choix de celle qui a la valeur la plus grande: L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 33 Soit (x, p ; y, q) une perspective simple2, on a alors (1): D( p ).v( x) + D(q ).v( y ) si ( x, p; y, q) est une perspective régulière V ( x, p; y, q ) = v( y ) + D( p ).[v( x) − v( y )] sinon (1) La théorie de Tversky et Kahneman n’est, bien entendue, pas la seule théorie descriptive, il y a aussi, à titre d’exemples, les théories du regret et de dissonance cognitive. 2.2.9.2 La théorie du regret Toute décision est prise grâce à des comparaisons vis-à-vis d’un point de référence. La plupart du temps, ce point de référence est le statut quo. Mais, il arrive que les preneurs de décision comparent la qualité de leurs décisions à ce qui se serait passé s’ils avaient opté pour un choix différent [Loomes et Sudgen (1982)]. Ainsi, ils ont également une aversion pour le risque en faisant intervenir le regret. Le regret est un sentiment émotionnel associé à la constatation, ex post, qu’une autre décision dans le passé aurait engendré de meilleurs résultats au moment présent (Shefrin et Statman, 1985). Dans ce cas, les individus ne prennent pas en compte toute l’information pertinente et se conduisent de manière irrationnelle. 2.2.9.3 La dissonance cognitive La théorie de la dissonance cognitive s’intéresse aux éléments pertinents entre eux. Ce sont des éléments qui doivent être pris en considération simultanément par l’individu. Ils se trouvent nécessairement dans une relation de consonance ou de dissonance (Poitou, 1974). Il y a consonance entre deux notions lorsque l’une des notions implique, 2 Une perspective simple est de la forme (x, p; y, p) et possède au moins deux résultats non nuls. De telles perspectives produisent x avec la probabilité p, y avec la probabilité q et rien avec la probabilité 1-p-q (ou p+q+1). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 34 psychologiquement, donc subjectivement, l’autre. A l’opposé, la relation de dissonance se définit ainsi : si l’inverse de A découle de B, alors A est dit dissonant avec B. La dissonance peut être suscitée par une incohérence proprement dite, mais elle peut être également en rapport avec des normes culturelles, ou encore surgir d’une incompatibilité entre une expérience présente et une expérience passée (Poitou, 1974). Il existe donc une tendance à entreprendre des actions, afin de réduire la dissonance cognitive, qui ne sauraient se qualifier de totalement rationnelles : le décideur peut éviter les nouvelles informations, ou développer des raisonnements tordus pour assurer ses croyances, ses suppositions (Shiller, 1998). La théorie du regret, tout comme la théorie des perspectives, peut aider à comprendre l’effet de disposition. Elle peut également impliquer que les investisseurs évitent de vendre les actions dont le cours a baissé pour ne pas devoir réaliser leurs erreurs, et ne pas sentir du regret. Ils vendent les actions dont le cours a monté pour ne pas devoir regretter de ne pas l’avoir fait dans le cas où, peu après, le cours baisserait (Shiller, 1998). 2.2.10 La théorie des heuristiques Selon Tversky et kahneman (1974), les individus recourent à des règles d’inférence statistique, comme le suggérait Kelley (1967). En effet, selon kelley (1967), lorsque nous cherchons à comprendre comment un individu fonctionne, nous raisonnons comme des scientifiques. Comme eux, nous nous intéressons aux causes et plus particulièrement aux causes du comportement. C’est la théorie de la covariation de Kelley. Pour Tversky et Kahneman (1974), les individus obéissent plus volontiers à des règles intuitives beaucoup plus rudimentaires. Ces auteurs qualifient d’heuristiques ces « raccourcis mentaux » qui permettent d’effectuer des généralités, de porter des jugements abstraits sur des individus ou sur des catégories sociales à partir d’un échantillon limité d’informations (par exemple quelques comportements effectués par cet individu ou les caractéristiques de certains membres de cette catégorie sociale). Les L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 35 heuristiques sont particulièrement utiles lorsque l’individu est confronté à une charge cognitive intense qui ne lui permet pas de prendre en compte l’ensemble de l’information qui lui est offerte. Malheureusement, ces heuristiques fort simple ont un prix : elles le sont parfois trop et ignorent des facteurs importants qui devraient être pris en compte pour effectuer un jugement optimal. L’individu est donc soumis à un ensemble de biais. Contrairement à l’être rationnel, ou au scientifique naïf, il se trompe. En effet, les heuristiques ayant pour fonction de réduire l’incertitude et de simplifier le problème auquel les agents sont confrontés, elles conduisent à une sur-estimation ou sousestimation de la probabilité de survenance d’un événement. Tversky et Kahneman citent quatre heuristiques. 2.2.10.1 L’heuristique d’accessibilité ou de disponibilité Imaginez que l’on vous demande si l’homéopathie fonctionne généralement ? Ou que l’on vous demande s’il arrive souvent que les étudiants de psychologie soient victimes de troubles psychiques ? Une façon de répondre à ce type de questions consiste à retrouver des cas d’étudiants en psychologie et à examiner si, oui ou non, ils sont dérangés, ou des cas d’individus proches qui ont fait appel à l’homéopathie pour soigner des problèmes de santé. En d’autres termes, les jugements se fondent sur des exemples accessibles ou disponibles en mémoire. L’heuristique d’accessibilité fournit des prédictions correctes quand l’accessibilité des exemplaires est liée à leur fréquence mais cela n’est pas toujours le cas. Ainsi si notre échantillon d’exemplaires est biaisé, l’heuristique d’accessibilité produit des résultats incorrects. Par exemple, en répondant à la question de savoir s’il est plus probable de mourir du cancer de l’estomac ou d’un homicide, les sujets de Slovic, Fischoff et Lichtenstein (1982) répondent que cette dernière cause est plus commune alors qu’en réalité, le cancer de l’estomac est 17 fois plus fréquent comme cause de décès que l’homicide. Ceci s’explique par le fait que les médias évoquent largement plus les homicides que les cancers de l’estomac. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 36 L’heuristique d’accessibilité est également non valide lorsque, bien que notre échantillon soit représentatif, nous n’accédons qu’à un sous-échantillon biaisé. 2.2.10.2 L’heuristique de représentativité L’heuristique de représentativité proposée par Kahneman et Tversky (1973) est considérée comme une idée préconçue qui guiderait les jugements naïfs. Pour Kahneman et Tversky (1973), afin d’estimer la probabilité de l’appartenance d’un objet A à une classe B, les individus observent le degré, dans les caractéristiques essentielles de représentation de A dans B. Cette approche d’évaluation de la probabilité conduit à de sérieuses erreurs, puisque la similarité ou la représentativité ne sont pas influencées par des facteurs qui affectent les jugements de la probabilité. L’heuristique de représentativité est donc, un raccourci mental économique qui amène les individus à rechercher un stéréotype de la situation rencontrée et à estimer. En fonction de ce stéréotype, la probabilité de survenance est « acceptable », mais non recevable du point de vue théorique (Drozda-Senkowska, 1995). Nos catégorisations se fondent sur le degré de représentativité d’un exemple. Si Emile se comporte selon le stéréotype que nous associons aux anarchistes, nous supposerons qu’il est anarchiste. Cette heuristique, qui concerne les jugements de probabilité, est valide lorsque les traits sont les diagnostics de la catégorie, c’est-à-dire quand ces traits permettent de distinguer un membre d’un nonmembre de la catégorie comme c’est le cas des animaux ou des objets. En supposant qu’un animal volumineux ayant une trompe et de longues oreilles est un éléphant, on court peu de risques de se tromper. Toutefois, cette heuristique peut s’avérer fallacieuse lorsque les traits sont uniquement associés à la catégorie sans la définir. C’est là la règle, plutôt que l’exception, en ce qui concerne les catégories sociales, dont les contours sont plus flous que ceux des catégories biologiques. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 37 2.2.10.3 L’heuristique de simulation Des heuristiques peuvent également être employées lorsque l’on doit deviner comment un scénario va se produire. Selon l’heuristique de simulation, l’aisance avec laquelle on parvient à formuler une issue pour ce scénario est utilisée pour prévoir ce qui va réellement se produire. L’heuristique de simulation est également utilisée dans le raisonnement « contrefactuel », c’est-à-dire la simulation d’événements qui auraient pu se dérouler mais qui ne se sont pas produits. L’heuristique de simulation peut donc être utilisée pour attribuer des états psychologiques. Face à des événements inhabituels, on a tendance à proposer des simulations de ce qui se serait passé si tout s’était déroulé « normalement ». Le contraste entre la situation « anormale » et la situation « normale » accentue l’intensité émotionnelle associée à l’événement anormal. En revanche, il est toujours plus difficile d’imaginer des événements « anormaux » si tout s’est passé normalement. 2.2.10.4 L’heuristique d’ancrage-ajustement Dans beaucoup de situations, nous effectuons des estimations en partant d’une valeur initiale qui est ajustée pour produire la réponse finale. La valeur initiale, ou point de départ, peut être suggéré par la formulation du problème ou bien elle peut résulter d’un calcul. Ce processus peut provoquer l’erreur puisque « … l’ajustement est par définition insuffisant… (et que)… les différents points du départ conduisent à différentes estimations… qui s’écartent des valeurs initiales… » (Tversky et Kahneman (1974), p 1128). Différents points de départ donnent des estimations, qui sont donc biaisées en fonction de la valeur initiale. D’après Tversky et Kahneman (1974), l’hypothèse initiale sert d’ancrage, faisant que la recherche de la finalité estimée s’ajuste au point de départ. Tversky et Kahneman (1974) nomment ce phénomène l’heuristique d’ancrageajustement. Cette heuristique peut aboutir à une sur-estimation de la probabilité L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 38 d’apparition conjointe d’événements et à une sous-estimation de la probabilité d’apparition d’événements à cause de l’ajustement insuffisant aux nouvelles données. Les phénomènes d’ancrage-ajustement sont plus liés au besoin de structure qu’à la crainte d’invalidité. La proportion de choix conformes à l’ancrage est la plus élevée quand le besoin de structure est fort et la moins élevée quand la crainte d’invalidité est forte. Le tableau 1.1 récapitule les différentes heuristiques. Tableau 1.1 - Récapitulation des heuristiques d’inférence Nom de l’heuristique Type de jugement Description succincte Exemple d’application Représentativité Jugements de probabilité La représentativité est un Décider que Georges (A) doit jugement du degré auquel A être ingénieur parce qu’il agit est pertinent par rapport à B ; conformément au stéréotype une estimation élevée des ingénieurs (B). suggère que A provient de B. Accessibilité ou disponibilité Jugements de fréquence ou L’accessibilité est de probabilité Estimer le taux de divorces l’estimation de fréquence ou en se basant sur la rapidité de probabilité d’un avec laquelle on peut citer événement ou de la présence des cas d’amis divorcés. d’une caractéristique, en se basant sur la facilité ou la rapidité avec laquelle une association ou un exemple vient à l’esprit Simulation Attentes, attributions La simulation est la facilité Etre fâché d’un événement causales, impressions, avec laquelle un scénario frustrant sur base de la expériences émotionnelles. hypothétique peut être facilité avec laquelle on peut élaboré. imaginer que les choses se soient produites autrement. Ancrage et Ajustement Estimer la position d’un objet L’ancrage sur une dimension et l’ajustement Juger la productivité d’un sont les processus consistant individu sur la base de son à estimer en commençant par propre une valeur l’ajuster initiale ensuite nouvelle valeur. L’impact de l’annonce de bénéfices sur le marché financier français. et à à productivité. une niveau de Chapitre 1 - La finance comportementale : une revue de la littérature 3 ARBITRAGISTES, LIMITES 39 D’ARBITRAGE ET « NOISE TRADERS » La finance comportementale est basée sur deux hypothèses complémentaires, qui se démarquent de manière significative des hypothèses qui sont à la base de l’hypothèse d’efficience des marchés. La première est que certains investisseurs ne sont pas pleinement rationnels et que leur demande d’actifs financiers à risque est affectée par leurs croyances ou leurs émotions, lesquelles ne sont évidemment pas pleinement justifiées par les fondamentaux économiques. Dans le jargon financier, ces investisseurs sont appelés métaphoriquement des « noise traders », parce que leurs anticipations sont biaisées par des considérations qui ont un effet similaire à celui des «bruits parasites» dans un phénomène de communication radio-électrique. La seconde hypothèse de base est que l’arbitrage, activité à laquelle va se livrer la seconde catégorie d’investisseurs, qui sont, eux, pleinement rationnels, est une activité non dénuée de risque et dont l’efficacité est par conséquent limitée. Avant d’expliciter ces hypothèses et leurs implications, il y a lieu de préciser ce qu’est la technique financière d’arbitrage, ainsi que la nature de ses liens avec l’hypothèse d’efficience des marchés. L’efficience du marché n’est pas totale, mais la théorie peut néanmoins trouver un champ d’application si les imperfections du marché ne sont pas trop prononcées. C’est précisément le rôle des arbitragistes de ramener les prix temporairement déviants vers leur niveau correct, tel qu’il découle des fondamentaux. Considérons l’exemple de Aktas (2004) pour illustrer le procédé. « Si un titre donné a un substitut parfait, c’est-à-dire un autre titre de même niveau de risque systématique, les deux titres doivent, à l’équilibre du marché, avoir le même prix. Si ce n’était pas le cas, il y aurait en effet une possibilité de réaliser un profit sans risque en réalisant deux opérations simultanées qui consistent l’une à vendre l’actif le plus cher, l’autre à acheter l’actif le moins cher. Si tous les investisseurs rationnels procèdent de la sorte, l’excès d’offre sur le premier titre fera baisser son prix, tandis que l’excès de demande provoquera la hausse du prix du second. Sur un marché efficient, les actions L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 40 conjuguées des «arbitragistes» ramèneront la stricte égalité des deux prix, et ce d’autant plus rapidement que le marché est plus efficient. ». Ainsi, sur un marché parfait (totalement efficient), ce qui implique que tous les investisseurs appartiennent à la seconde catégorie, tous les titres de même risque systématique auront à tout moment le même rendement, c’est-à-dire le même prix relatif. Une définition alternative d’un marché parfait est donc un marché sur lequel il n’existe aucune opportunité d’arbitrage [Aktas (2004)]. Les marchés concrets ne sont à l’évidence pas des marchés parfaits. En effet, un élémentaire réalisme commande de considérer qu’il existe des bruiteurs. Toutefois, s’il se produit un volume suffisant d’opérations d’arbitrage, les «bruits parasites» peuvent être neutralisés, et la « vérité des prix » peut donc être rétablie. Si, par contre, on se trouve dans une phase de «bulle spéculative», il n’existe pas de titre ni même de portefeuille de substitution pour une classe entière d’actifs. Il n’y a dans ce cas pas de substitut parfait disponible et l’arbitrage n’est plus une activité sans risque. Le risque est même multidimensionnel, notamment en raison du fait que le moment où la bulle va éclater est largement imprévisible. Selon Aktas (2004), si l’on suppose un gérant de fonds de placement qui, au printemps de 1986, aurait acquis la conviction que le marché des actions était lourdement surévalué et aurait adopté la stratégie théoriquement adéquate en pareil cas, qui est de vendre à découvert sur le marché à terme les titres surévalués. En effet, la vente à découvert consiste à vendre de manière ferme et définitive, au prix du jour, mais avec une date de livraison différée (en général, d’un mois) des titres qu’on ne possède pas encore. Si l’anticipation de baisse se réalise avant l’échéance convenue, il suffit d’acheter à ce moment les titres à un prix inférieur au prix convenu que devra payer la contrepartie au moment de la livraison ; on réalise ainsi un gain égal à la différence des deux prix, sous déduction des frais de transaction. Ces derniers constituent une deuxième source de risque : si la baisse n’est pas assez prononcée, la différence nette sera négative. Si la baisse ne s’est pas produite à l’échéance du contrat, il est possible de reporter l’opération pour une période (mensuelle) supplémentaire, moyennant nouveaux frais de transaction. Si le gérant avait persisté dans cette stratégie jusqu’à ce que la bulle éclate, il L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 41 aurait dû effectuer une quinzaine de reports ce qui lui fait rapporter à chaque évaluation trimestrielle des rendements négatifs, tandis que ses collègues qui accompagnaient le mouvement gagnaient de l’argent. Le scénario le plus probable, pour ne pas dire certain, est qu’il aurait été licencié avant la fin de 1986. Soumis à cette troisième source de risque, que d’aucuns ont appelé «risque concurrentiel», les gestionnaires d’organismes de placement collectif en valeurs mobilières (OPCVM) n’ont guère d’autre choix comportemental que celui du mimétisme. Sont ainsi caractérisés, les trois principaux risques susceptibles d’affecter en réalité les opérations d’arbitrage. D’après Aktas (2004), certains auteurs tels que Summers (1986) vont loin, en avançant de manière plausible que les «arbitragistes» peuvent ne pas être à même de déterminer avec précision la valeur fondamentale, et se trouver par conséquent incapables, dans de multiples circonstances, d’interpréter correctement les signaux- prix du marché, c’est-à-dire de déterminer si un changement de prix observé provient d’une mésestimation de la valeur du titre ou est au contraire un ajustement rationnel à une modification des fondamentaux de celui-ci. De nombreuses études statistiques montrent en effet que nombre de changements de prix ne sont ni un ajustement aux fondamentaux macro-économiques, ni une réaction à une information nouvelle relative à l’émetteur du titre, et que ces phénomènes sont beaucoup trop fréquents pour être tous attribuables à des délits d’initié. Cette mise en doute de la capacité des marchés d’actions à refléter les valeurs fondamentales constitue une contestation beaucoup plus radicale de l’hypothèse d’efficience des marchés, en ce qu’elle se répercute sur les capacités cognitives de l’ensemble des investisseurs et sape donc dans son fondement l’hypothèse d’anticipations rationnelles. La position de repli de la majorité des tenants de la finance comportementale a été non pas de nier purement et simplement ces «imperfections», mais d’en proposer une interprétation mitigée. Certes, il existe des « noise traders », des investisseurs qui réagissent à des conseils intéressés des analystes ou encore appliquent des modèles populaires sans aucun fondement économique. Mais il existe par ailleurs des investisseurs raisonnablement rationnels, qui à la fois ont une idée assez précise de la nature des L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 42 fondamentaux et de l’impact sur les prix des changements que ceux-ci subissent, mais aussi des réactions pas toujours adéquates à la survenance d’informations nouvelles. Pour De Bondt et Thaler (1985, 1987), les marchés d’actions ont une tendance marquée à la sur-réaction: la grande majorité des investisseurs réagit de manière trop optimiste aux bonnes nouvelles, et de manière trop pessimiste aux mauvaises, la correction s’opérant plus ou moins rapidement selon le degré d’efficience du marché. Le problème ainsi posé, constitue une forme faible de l’hypothèse d’efficience. On pourrait objecter que les investisseurs non sophistiqués prennent des décisions qui peuvent être considérées comme des phénomènes purement aléatoires, dont les effets vont se neutraliser les uns les autres. La résultante de toutes les décisions prises simultanément par les « noise traders » pourrait donc fort bien ne pas être une déstabilisation du système de prix. Les défenseurs inconditionnels de la forme forte de l’hypothèse d’efficience ont prétendu que cette situation est de très loin la plus vraisemblable. Les tenants de la finance comportementale ont trouvé à cette thèse des contre-arguments forts dans des travaux de psychologie expérimentale, prolongés par des travaux d’économie expérimentale. Le trait commun à tous les contre-arguments invoqués par les behavioristes est que les sujets des expériences de psychologie en laboratoire ont une tendance marquée à commettre les mêmes erreurs. L’apprentissage progressif des éléments d’une situation, et les succès qu’en conséquence ils enregistrent en proportion croissante tendent à provoquer chez la majorité d’entre eux un excès de confiance. Ils ont également tendance à extrapoler, c’est-à-dire à considérer de manière assez mécanique que les évolutions futures reproduiront à l’identique celles du passé. Enfin, et pour se limiter aux exemples les plus démonstratifs, la majorité d’entre eux surpondère dans ses raisonnements les informations récentes par rapport aux informations plus anciennes, même si celles-ci ont manifestement un caractère plus fondamental. Toutes ces considérations rendent fort vraisemblable l’affirmation, très difficile, sinon impossible à vérifier directement, qu’il y a à tout moment un contingent suffisamment nourri de « noise traders » pour perturber significativement le système de prix, et cela en dépit du fait que la rotation au sein de ce contingent soit vraisemblablement assez rapide. En effet, certains opérateurs disparaissent définitivement L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 43 parce que ruinés ; d’autres se retirent temporairement après une «mauvaise série», puis, se rappelant les séries parfois longues de réussites successives qu’ils ont connues autrefois, ils reviennent au jeu – tout comme les habitués des casinos – pour « se refaire », en se promettant bien de s’arrêter à temps cette fois … Sans parler, bien entendu, du flot continu de nouvelles recrues, dont le dernier avatar est le « day trading », nouveau sport en chambre qui, comme son nom l’indique, consiste à tenter de réaliser des plus-values en l’espace d’une seule journée. Le caractère perturbateur du « noise trading » apparaît plus clairement encore lorsqu’on prend en considération ce qu’on pourrait appeler l’effet pervers de l’hypothèse d’efficience des marchés. En effet, dans la mesure où le marché est efficient, il est impossible de le battre, c’est-à-dire de réaliser un rendement supérieur à celui que commande, à l’équilibre du marché, le bêta du portefeuille. Ceci constitue un argument très convaincant en faveur de la stratégie dite de gestion passive, qui consiste à former un portefeuille qui soit un substitut aussi proche que possible du portefeuille de marché, portefeuille de référence qui contiendrait effectivement tous les titres traités sur le marché en proportion de leur capitalisation boursière. Plus grande sera la proportion des investisseurs qui adoptent ce type de stratégie, plus grand sera l’effet perturbateur des décisions des « noise traders ». Cet effet perturbateur sera aussi d’autant plus grand que les risques qui affectent les opérations d’arbitrage seront plus élevés et dissuaderont par conséquent davantage de candidats «arbitragistes». Si les deux catégories d’investisseurs actifs, « noise traders » et «arbitragistes», sont en faible nombre, il ne suffira pas à ces derniers de consacrer du temps et de l’argent à prédire les initiatives des premiers. Il leur faudra aussi, pour rentabiliser leurs initiatives, adopter à leur égard une attitude proactive et créer des quantités additionnelles des types de titres dont ceux-ci sont friands. Comme leur aversion à l’égard du risque les amènera à limiter les moyens qu’ils consacreront à leur activité d’arbitrage, ils devront renoncer à diversifier de manière optimale leur portefeuille d’arbitrage et pratiquer la stratégie active dite de « stock picking », c’est-àdire se concentrer sur un nombre restreint de titres. Cette façon de procéder non seulement accroît encore le risque qu’ils courent mais rend leur comportement difficile à discerner de celui des « noise traders » eux-mêmes ! La tendance à extrapoler, dont on a L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 44 dit plus haut qu’elle est un trait commun à de nombreux investisseurs, les amène à adopter des stratégies de « positive feedback », c’est-à-dire à acheter quand les prix montent et à vendre quand les prix baissent. Quand une proportion relativement élevée des investisseurs adopte ce type de comportement, l’attitude la plus judicieuse pour les « arbitrageurs » consiste non pas à les contrer, mais « prendre le train en marche » et à profiter de leurs capacités supérieures de timing – c’est-à-dire d’anticipation des renversements de tendance boursière – pour le quitter à proximité du pic, tandis que la masse des autres investisseurs continuent à acheter et ne revendront qu’au moment où ils en viendront à considérer le mouvement de baisse comme irréversible. De nombreux spécialistes considèrent que cette attitude spéculative contribue lourdement à l’amorçage des bulles. 4 LES PHENOMENES DE SUR-REACTION ET DE SOUS-REACTION Les paradigmes de la finance comportementale reposent sur deux phénomènes opposés, mais liés au comportement des individus. Le premier phénomène est la surréaction des investisseurs à l’information (De Bondt et Thaler, 1985). Mai (1992) attire l’attention sur le phénomène de sur-réaction sur le marché français. Le second phénomène est la sous-réaction des investisseurs à l’information (Bernard et Thomas, 1989). Une étude de Jegadeesh et Titman (1993) met en évidence l’effet « momentum » ou élan ou continuité relative de la rentabilité des titres, lié étroitement au phénomène de sousréaction. Le modèle à trois facteurs de Fama et French (1993) suppose que les agents sont rationnels et que les rentabilités des stratégies de sur-réaction et « momentum » sont attribuables à une exposition aux facteurs de risque. Comme ce modèle ne parvient pas à expliquer complètement la persistance de la rentabilité des stratégies de « momentum », plusieurs modèles théoriques comportementaux s’appuient essentiellement sur l’hypothèse que les agents sont sujets à des biais cognitifs dans l’interprétation de l’information. Les modèles comportementaux récents (Barberis, Shleifer et Vishny, 1998 ; Daniel, Hirsleifer et Subrahmanyam, 1999 et Hong et Stein, 1999) essaient de L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 45 réconcilier les phénomènes de sous-réaction et sur-réaction en mettant l’accent sur la formation ainsi que les révisions imparfaites des anticipations suite à l’arrivée de nouvelles informations. Par la suite, cette section définit les phénomènes de sur-réaction et sous-réaction, présente les modèles comportementaux et expose la critique de Fama (1998) aux phénomènes de sur-réaction et sous-réaction. 4.1 Le phénomène de sur-réaction L'efficience des marchés et la prévisibilité des rentabilités boursières constituent deux thèmes importants de la littérature financière. L'un des phénomènes le plus curieux, constaté dans la recherche financière concerne le phénomène de sur-réaction, selon lequel les titres ayant eu les plus faibles performances (perdants) sur une période passée ont des performances supérieures (gagnants) sur les périodes subséquentes et vice versa (De Bondt et Thaler, 1985). L'idée de sur-réaction n'est pas nouvelle. On la trouve déjà dans Keynes (1936)3 et Williams (1938)4. Sa constatation empirique repose sur les travaux de Fama et French (1988) concernant les "autocorrélations multi-périodiques" des rentabilités. La courbe en forme de U des autocorrélations des indices indique une dépendance des rentabilités, négative à moyen et long terme, et très légèrement positive à court terme: le minimum est atteint entre 3 et 4 ans. Ceci prédit que les rentabilités négatives deviendront positives (et inversement) au bout de trois ans, et cela de façon significative car le coefficient de détermination ajusté R²a croît en fonction du nombre de décalages et passe par un maximum au bout de 36 mois. Les stratégies d'arbitrage de "sur-réaction" et de "contradiction" sont fondées sur la dépendance négative des rentabilités. La stratégie de sur-réaction, basée sur les 3 "... day-to-day fluctuations in the profits of existing investments, which are obviously of an ephemeral and nonsignificant character, tend to have altogether excessive, and even an absurd, influence on the market". (The General Theory of Employment, p.153-154). 4 "price have been based too much on current earning power, too little on long-run dividend paying power" (Theory of Investment Value, p. 19). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 46 autocorrélations multipériodiques, consiste à acheter les titres, en nombre fixe ou par fractiles (quintiles ou déciles), ayant les plus médiocres performances passées (perdants), mesurées par les rentabilités cumulées et à vendre (éventuellement à découvert) ceux ayant généré les meilleures performances (gagnants), puis inverser ces positions après une certaine période de détention, proche de la durée optimale de formation des portefeuilles. Grâce à la dépendance négative des rentabilités cumulées, les portefeuilles perdants deviennent gagnants et inversement: la rentabilité du portefeuille d'arbitrage définie comme la différence de rentabilité des portefeuilles perdants et gagnants est par conséquent positive. La stratégie de "contradiction", est fondée sur l'autocorrélation statistique instantanée classique. Elle consiste à investir sur tous les titres avec une pondération proportionnelle à leur performance passée. Les principales études de sur-réaction portent sur le marché américain. Les études de sur-réaction sur les marchés européens sont celles d'Alonso et Rubio (1990) en Espagne, Vermaelen et Vestringe (1986) en Belgique et Mai (1992) en France. Le phénomène de sur-réaction a d'abord été examiné à long terme, sur une période de 3 à 5 ans par De Bondt et Thaler (1985, 1987), Chan (1988), Zarowin (1990) et Lakonishok, Shleifer et Vishny (1994). Toutefois, l’on doit à De Bondt et Thaler (1985) la mise en évidence du phénomène de la sur-réaction sur les marchés financiers. Des études examinent également le phénomène à court terme, au niveau du mois, de la semaine, voire du jour. On parle alors de renversement de prix ou de stratégie contradictoire : Lo et McKinlay (1990), Lehmann (1990), Atkins et Dyl (1990), Zarowin (1990). Des recherches expérimentales en psychologie (Kahneman et Tversky, 1973, 1974, 1982,…) ont montré, en violation de la règle de Bayes, que les individus ont tendance à sur-réagir aux événements imprévus et dramatiques. Les premiers résultats empiriques de sur-réaction de De Bondt et Thaler (1985, 1987) sur le comportement des investisseurs boursiers ne sont pas incompatibles avec cette hypothèse. En formant des portefeuilles à partir des performances passées sur 3 et 5 ans respectivement, les auteurs concluent à une L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 47 forte inefficience du marché: la rentabilité du portefeuille d'arbitrage (perdant-gagnant) est positive et significative sur la période subséquente. Les résultats de De Bondt et Thaler sont présentés dans le tableau 1.2. Tableau 1.2 – Rentabilités cumulées anormales (CAR) des portefeuilles perdants (PP), gagnants (PG) et d’arbitrage (PA) pour trois durées de formations différentes (source : De Bondt et Thaler, 1985) ANNEES NOMBRES CAR PG CAR PP DE TITRES CAR PA CAR PA CAR PA CAR PA CAR PA (1 MOIS) (12 MOIS) (18 MOIS) (24 MOIS) (36 MOIS) 5 ans 50 1,463 -1,194 0,070 (3,13) 0,156 (2,04) 0,256 (3,17) 0,196 (2,15) 0,230 (2,07) 3 ans 35 1,375 -1,044 0,105 (3,29) 0,054 (0,77) 0,167 (1,51) 0,181 (1,71) 0,246 (2,20) 2 ans 35 1,130 -0,857 0,062 (2,91) -0,156 (0,16) 0,136 (2,02) 0,101 (1,41) Depuis, plusieurs arguments ont été avancés pour expliquer le phénomène de surréaction. De Bondt et Thaler (1987) ont observé que la rentabilité du portefeuille d'arbitrage est légèrement supérieure en janvier par rapport au reste de l'année. L’effet janvier est aussi mentionné par Ball, Kothari et Shanken (1995) dans l’interprétation du phénomène de sur-réaction. Cet effet janvier est souvent associé à l'effet taille, surtout en ce qui concerne le marché américain, ce qui est moins le cas sur le marché français. Mai (1992) trouve également des rentabilités positives et significatives des portefeuilles d'arbitrage. Chopra et al. (1992) montrent aussi que les différences de rentabilité, toute l’année à l’exception du mois de janvier, entre les perdants et les gagnants ne sont pas significativement différentes de zéro que ce soit pour les rentabilités brutes ou pour les rentabilités ajustées à la taille. Ils suggèrent que les taxes fiscales de fin d’années peuvent donner une explication partielle des rentabilités à long terme pour les perdants. Cette explication s’avère, cependant, insuffisante pour plusieurs raisons. Premièrement, la différence en janvier entre les rentabilités des perdants et gagnants persiste après la formation des portefeuilles alors que d’après cette explication, le retour à la moyenne des rentabilités devrait être valable seulement la première année après la formation des L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 48 portefeuilles (De Bondt et Thaler, 1985 et 1987). Deuxièmement, les différences de rentabilité en janvier entre les perdants à long terme et gagnants à long terme sont plus nettes durant la première année de formation des portefeuilles extrêmes. Ainsi, Chopra et al. (1992) argumentent qu’il existe un effet de sur-réaction sur le marché américain. Cependant, il n’existe pas d’explication convaincante de la persistance du retour à la moyenne des rentabilités en janvier durant la période test. Selon l’hypothèse de la surréaction, le retour à la moyenne des cours est une correction des erreurs des cours. Ainsi, pourquoi les erreurs de cours ont-elles lieu seulement en janvier sur une période de trois à cinq ans ? Cette question concerne aussi les autres explications de l’effet gagnant-perdant à long terme. Pourquoi les différences des rentabilités d’équilibre entre les perdants et les gagnants sont-elles économiquement significatives seulement en janvier ? En d’autres termes, pourquoi les perdants sont-ils risqués seulement en janvier ? La rentabilité du reste de l'année, bien qu'inférieure, reste significative; ce qui laisse à penser que l'effet janvier n'est pas la seule explication. D'autre part, Mai (1992) montre, par des statistiques ordonnées que le classement des portefeuilles selon leurs performances passées coïncide fortement et significativement avec celui effectué par la capitalisation boursière. Le même phénomène est également observé sur le marché américain, en particulier par Zarowin (1990). La différence de risque systématique entre les portefeuilles « perdants » et « gagnants », d'après certains auteurs comme Chan (1988) et Ball et Kothari (1989), explique leur différence de rentabilité. Cette observation n'est pas partagée par De Bondt et Thaler (1987). Zarowin (1990) sur le marché américain, Mai (1992) sur le marché français, en contrôlant à la fois l'effet taille, la différence de risque éventuelle entre les portefeuilles « perdants » et « gagnants » ainsi que l'effet janvier, ne peuvent rejeter les premiers résultats de De Bondt et Thaler (1985), à savoir l'existence du phénomène de sur-réaction. Une autre explication de la sur-réaction est donnée par Blume et Stambaugh (1983) et Conrad et Kaul (1993): les écarts de fourchette. Par un modèle simple, tenant compte des écarts de fourchette et appliquant les hypothèses de Roll, en particulier la distribution symétrique des prix autour du prix d'équilibre, Conrad et Kaul (1993) montrent que les rentabilités sont biaisées et surestimées. Ce biais positif ne dépend pas L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 49 de la durée de détention et est en fonction du carré de la fourchette. Or la valeur de celleci étant fortement liée à la capitalisation et au niveau des cours (voir Hamon et Jacquillat 1992); le biais différentiel reste positif dans la mesure où les portefeuilles perdants (respectivement gagnants) sont constitués de titres de faible (respectivement forte) capitalisation. La conséquence immédiate de cette remarque est une incitation à développer des stratégies basées sur la sur-réaction à long terme. En effet, le biais d'une stratégie d'achat et de vente après 12 mois de détention est 12 fois moindre que celui d'une stratégie recomposée tous les mois, sur une durée de 12 mois. Récemment, Fama et French (1992, 1993, 1996a) construisent et testent un modèle d’explication des rentabilités à trois facteurs, dans lequel la capitalisation boursière et le ratio valeur comptable sur valeur marchande du titre, sont vus comme des facteurs de risque communs à l’ensemble des titres non intégrés par le facteur bêta. Pour ces auteurs, le modèle à trois facteurs de Fama et French (1993) capture assez bien le phénomène de sur-réaction de De Bondt et Thaler (1985). A l’opposé, les chercheurs de la finance comportementale y voient une anomalie qui trouve sa source dans la sur-évaluation temporaire des titres, due en particulier à une série d’informations allant dans le même sens (par exemple, bonnes ou mauvaises nouvelles). La correction de cette sur-évaluation conduit au phénomène de sur-réaction. En effet, ayant établi que, sur leur période d’étude, les actions dont le cours avait beaucoup baissé antérieurement (perdants) tendaient à offrir de meilleures rentabilités, alors que celles dont les cours avaient beaucoup augmenté (gagnants) offraient de faibles rentabilités, De Bondt et Thaler (1987) proposent une explication comportementale. Ils suggèrent que certains investisseurs sont très optimistes sur les titres à bonne performance historique et les achètent de manière excessive. Cet optimisme des investisseurs implique une hausse des cours et ces titres deviennent surévalués. Au contraire, les investisseurs vendent les titres à performance passée médiocre de sorte qu’ils deviennent sous-évalués. Résultat, les gagnants (perdants) ont des rentabilités anormales futures faibles (élevées) dans le long terme puisque leurs cours chutent (s’élèvent) compte tenu de la sous-évaluation (sur-évaluation) à long terme. Dans le même sens, Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subramanyam L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 50 (1999) et Hong et Stein (1999) justifient le phénomène de la sur-réaction par le comportement erroné des investisseurs. Pour ces auteurs, loin d’utiliser la rationalité décrite par la théorie financière, les individus sur-réagissent à l’information du moment en négligeant les tendances de long terme. 4.2 Le phénomène de sous-réaction La plus remarquable des découvertes sur ce comportement est peut-être celle de Bernard et Thomas (1989)5. Ils ont classé les actions en fonction du degré de surprise créée lors des plus récentes annonces de résultats. Le degré de surprise était notamment mesuré par rapport aux attentes des analystes. Bernard et Thomas (1989) ont ensuite constitué deux portefeuilles, l'un entièrement composé de titres de sociétés porteuses de bonnes nouvelles et l'autre de titres de sociétés n'ayant annoncé que des mauvaises nouvelles. Dans les six mois qui suivirent, Bernard et Thomas (1989) ont suivi ces deux portefeuilles. Le portefeuille pour lequel les surprises sont plus élevées ont une rentabilité anormale supérieure à celle du portefeuille dont les surprises sont plus faibles. Pour Bernard et Thomas (1989), le cours n’intègre pas immédiatement la bonne ou la mauvaise nouvelle annoncée. Pour ces auteurs, les investisseurs ont tendance à sous-estimer, dans un premier temps, la portée d'une nouvelle information. Ils obéissent alors à la logique suivante. Une société annonce des résultats nettement supérieurs aux prévisions. Les investisseurs considèrent cela comme une bonne nouvelle et révisent certes leurs évaluations à la hausse, mais pour une raison inconnue, cette hausse reste limitée. Cette erreur n'est corrigée que progressivement. Dans les six mois qui suivent, le cours grimpe imperceptiblement vers le niveau qu'il aurait dû atteindre au moment où les résultats ont été annoncés. Un investisseur achetant le titre dès le jour de l'annonce pourrait tirer parti de cette hausse graduelle et bénéficier d'un rendement plus élevé. Ainsi, pour Bernard et Thomas (1989), les investisseurs sous-réagissent donc aux annonces de bénéfices. 5 Cette étude est détaillée dans la section 1.2 du chapitre 2 de la thèse. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 51 Un autre phénomène bien connu est l'effet d'«élan» ou « momentum » mis en évidence par Jegadeesh et Titman (1993), étroitement lié à la sous-réaction des marchés. Le « momentum » ou continuité relative dans les rentabilités des actions correspond à la tendance des actions ayant connu une bonne (mauvaise) performance dans le passé à connaître une bonne (mauvaise) performance dans le futur. Jegadeesh et Titman (1993) montrent que des stratégies d’investissement qui consistent à acheter les titres ayant connu le meilleur rendement durant les 3 à 12 derniers mois et à vendre à découvert les titres ayant connu le pire rendement durant la même période, sont rentables et génèrent un rendement de l’ordre de 1 % par mois pendant les 3 à 12 mois suivants. En d’autres termes, une stratégie « momentum », en moyenne, est tentante en achetant des titres à rentabilités élevées (gagnants) et en vendant des titres à rentabilités faibles (perdants) sur le court terme. Ce résultat, corroboré par Jegadeesh et Titman (2001) pour les États-Unis, vaut aussi pour les marchés développés tels que l’Europe (Rouwenhorst, 1998) et les marchés asiatiques à l’exception notable du Japon (Chui et al., 2000) ainsi que pour les marchés émergents (Rouwenhorst, 1999). Face à la persistance de cette anomalie, Grundy et Martin (2001) tout comme Carhart (1997) vont jusqu’à proposer d’introduire le « momentum » comme facteur complémentaire aux facteurs associés à la taille et au ratio valeur comptable sur valeur marchande des fonds propres dans l’explication des rentabilités des titres. Moskowitz et Grinblatt (1999) concluent que le « momentum » de rentabilité des secteurs d’activité explique une large part des rentabilités des stratégies de « momentum » portant sur des titres individuels. En effet, lorsqu’ils substituent les titres composant les secteurs d’activité « gagnants » et « perdants », par des titres ayant connu la même rentabilité passée, mais n’appartenant pas au même secteur d’activité, la rentabilité de ce nouveau portefeuille couvert (indépendant des secteurs d’activité) est nul. Dans le même ordre d’idées, O’Neal (2000) montre qu’une stratégie de « momentum » portant sur les rentabilités de fonds mutuels sectoriels est rentable, particulièrement pour des horizons de détention de 12 mois. Diverses explications sont proposées à l’effet « momentum ». Chan et al. (1996) et Jegadeesh et Titman (1993) ont montré que les hypothèses basées sur le risque ne L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 52 permettaient pas d’interpréter l’effet « momentum » à court terme. Cependant, des travaux récents proposent une explication de l’effet « momentum » par les facteurs risques. Par exemple, Conrad et Kaul (1998) décomposent les rentabilités anormales des titres en deux composantes : une composante résultant d’une prévisibilité en série temporelle des rendements des titres et une autre, fonction des variations en coupe transversale des rentabilités moyennes des titres constituant le portefeuille. Ils rapportent que la composante due à la variation en coupe transversale des rentabilités des titres a un déterminant significatif. Cependant, ils n’analysent pas si cette variation transversale reflète le degré de risque ou des comportements non rationnels des investisseurs. Berk, Green et Naik (1999) argumentent que la persistance du risque systématique peut expliquer l’effet « momentum » dans le cas des firmes de croissance. Le risque persiste sur une période courte aussi loin que les projections de croissance, induisant un effet « momentum ». Tels risques s’estompent lentement dès que les projets sont en fin de vie ou renouvelés. L’effet « momentum » peut donc, être temporaire quand les projets sont remplacés par différents projets risqués. D’après la simulation de Berk et al. (1999), l’effet « momentum » peut s’étendre sur cinq années. Ceci résulte de la durée de vie du projet. Cependant, les rendements de l’effet « momentum » semblent subsister sur un laps de temps court entre neuf et douze mois. Une autre explication possible de l’effet « momentum » serait l’hypothèse de trituration des données. Fama et French (1992, 1993, 1995, 1996a) montrent que si leur modèle tri-factoriel capture partiellement l’effet persistance des rentabilités observées, cet effet « momentum » demeure faible sur la période 1931-1963. Selon Fama et French, l’effet « momentum » diffère des autres anomalies et cette unicité conduit à l’existence de l’hypothèse de trituration des données. Jegadeesh et Titman (1993) montrent que l’effet « momentum » existe sur la post-période 1941, mais pas sur la période 1926-1940. Conrad et Kaul (1998) constatent également que l’effet de continuité de la rentabilité n’apparaît pas sur la période 1926-1947. Jegadeesh et Titman (1993) démontrent aussi que les rentabilités anormales positives ne sont ni dues à l’effet taille ni au risque. Selon ces auteurs, l’effet L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 53 « momentum » pourrait être dû à une sous-réaction de la firme à une information spécifique. Cette sous-réaction se manifeste par un ajustement graduel du prix du titre à l’information spécifique de la firme. Chan et al. (1996) étudient si l’effet « momentum » peut être attribué à une sous-réaction du marché en utilisant tous les titres des marchés boursiers américains NYSE, AMEX et NASDAQ de la base de données CRSP6 entre la période 1977 et 1993. Ils montrent qu’une portion substantielle de l’effet « momentum » est concentrée autour de la date d’annonce du résultat. Par ailleurs, si le marché est surpris par une bonne ou mauvaise annonce de bénéfice alors le marché continue sa surprise dans la même direction, du moins jusqu’aux deux prochaines annonces. Cet ajustement graduel aux annonces des bénéfices peut indiquer une sous-réaction du marché à l’information récente. Cependant, Chan et al. montrent que l’effet « momentum » relatif au prix (ou « price momentum ») n’est pas une simple somme d’effets « momentum » relatifs aux annonces des bénéfices (« earning momentum »). L’effet « momentum » consiste donc à se concentrer sur les déciles supérieurs et inférieurs des performances passées. Ainsi, certains préconisent de vendre les titres ou les fonds qui se sont révélés les moins performants et d’acheter les meilleurs. Plusieurs scientifiques ont testé la pertinence de cette stratégie, mais les résultats varient dès lors que les frais de transaction et les corrections pour la prise en compte des risques sont inclus dans les calculs. En tout état de cause, le fait de suivre les meilleurs fonds ne garantit pas de capter de façon certaine des excès de rentabilités sur le long terme. Ainsi, Lesmond, Schill et Zhou (2004) ont montré que le « momentum » ne fait que créer l’illusion des profits excédentaires parce qu’il requiert des transactions fréquentes. Le phénomène de sous-réaction semble être contradictoire au phénomène de surréaction. Divers modèles essaient de réconcilier ces phénomènes. 6 La base de données CRSP [Center for Research in Security Prices (University of Chicago)] comporte des données boursières d'entreprises cotées sur les marchés boursiers américains : actions (NASDAQ, AMEX, NYSE), indices boursiers, obligations et fonds de placement. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 54 4.3 Réconciliation des phénomènes de sur-réaction et sous-réaction : les modèles comportementaux de Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subramanyam (1999), Hong et Stein (1999) et De Long, Shleifer, Summers et Waldmann (1990) 4.3.1 Le modèle de Barberis, Shleifer et Vishny (1998) Une stratégie « contrariante » implique la vente des perdants et l’achat des gagnants passés à long terme (à découvert). Par contre, la stratégie de sous-réaction implique une position longue en titres « gagnants » et une position courte en titres « perdants ». Ces stratégies sont souvent utilisées sur les marchés financiers pour exploiter les phénomènes de sous-réaction et sur-réaction. Cependant, les caractéristiques des rentabilités de ces stratégies sont controversées. Barberis, Shleifer et Vishny (1998) fournissent un modèle qui réconcilie les phénomènes de sous-réaction et sur-réaction. Leur modèle repose sur deux heuristiques comportementales mises en évidence par Tversky et Kahneman (1974) et Edwards (1986). La première heuristique se nomme la représentativité. Il s’agit de la propension des individus à juger des événements comme typiques ou représentatifs de certaines catégories de phénomènes en ignorant la probabilité qu’ils appartiennent effectivement à ces catégories. Cette heuristique serait à l’origine de la sur-réaction selon Barberis, Shleifer et Vishny (1998). La seconde heuristique se nomme le conservatisme ou l’heuristique d’ancrage - ajustement. Elle est caractérisée essentiellement par la lenteur des sujets à changer leurs croyances en face de nouvelles informations. Le conservatisme serait à la base de la sous-réaction. Par conséquent, Barberis, Shleifer et Vishny (1998) considèrent un investisseur neutre au risque actualisant les revenus d’un actif au taux δ. Cet investisseur est représentatif du marché. Il n’y a sur le marché qu’un seul actif qui paye 100% de ses L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 55 revenus. Le prix d’équilibre de cet actif sera donc égal à la valeur de ses revenus actualisés par l’investisseur représentatif. Dans leur modèle, Barberis, Shleifer et Vishny (1998) supposent que les bénéfices ou revenus de l’actif suivent une marche aléatoire et l’investisseur représentatif n’en est pas conscient parce qu’il est sujet à des biais cognitifs. Par conséquent, les investisseurs perçoivent les revenus de l’actif comme générés sous un régime à retour à la moyenne des rentabilités (régime 2) soit une tendance isolée (régime 1). Sous un régime à tendance isolée, un choc positif à un résultat est plus probablement suivi par un choc négatif dans la période suivante. La sur-réaction (sous-réaction) se produit lorsque les investisseurs pensent au régime 2 (au régime 1). Les manifestations empiriques de la sous-réaction peuvent être formalisées par l’expression suivante : E(rt+1/zt = G) > E( rt+1/zt = B) (2) La sous-réaction peut donc être décrite comme le fait que la rentabilité moyenne réalisée après un choc positif (bonne nouvelle, zt = G) est supérieure à la rentabilité moyenne réalisée après un choc négatif (mauvaise nouvelle, zt = B). Cette sous-réaction existera tant que l’investisseur donne en moyenne plus de poids au modèle 1. Si c’est le cas, il pense qu’en moyenne un choc positif sera suivi d’un choc négatif la période suivante, alors qu’en réalité, il a autant de chance d’être positif ou négatif. Si la période suivante, le choc est effectivement négatif, la rentabilité entre les deux périodes est faible puisque l’investisseur l’avait prévu. Par contre, si le choc est positif, la rentabilité sera importante et positive. Le raisonnement est le même après un choc négatif, ce qui permet d’écrire la formule (2). Selon Barberis, Shleifer et Vishny, la sur-réaction peut être formalisée de la manière suivante : L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature E(rt+1/zt = G, zt-1 = G, ..., zt-j = G) > E( rt+1/zt = B, zt-1 = B, ..., zt-j = B) 56 (3) L’équation (3) traduit la surévaluation par le fait que la rentabilité moyenne réalisée après une chaîne de chocs positifs (zt = G, zt-1 = G, ..., zt-j = G) est inférieure à la rentabilité moyenne réalisée après une chaîne de chocs négatifs (zt = B, zt-1 = B, ..., zt-j = B). En effet, après avoir observé une chaîne de bonnes nouvelles, l’investisseur s’attend à ce que les chocs futurs soient positifs car il pense que le modèle 2 génère les chocs. Si le choc de la période suivante est positif, la rentabilité est faible, par contre s’il est négatif, l’investisseur est surpris et il revoit à la baisse le prix de l’action ; la rentabilité est donc fortement négative. En appliquant le même raisonnement à une chaîne de chocs négatifs, Barberis, Shleifer et Vishny (1998) montre que l’investisseur s’attend à ce que le choc suivant soit lui aussi négatif. S’il l’est, la rentabilité est négative mais de faible ampleur. Dans le cas contraire, l’investisseur est surpris et il révise le prix de l’action à la hausse ce qui amène évidemment des rentabilités importantes et positives. Le modèle formel de Barberis, Shleifer et Vishny (1998) est présenté à l’annexe 3. 4.3.2 Le modèle de Daniel, Hirshleifer et Subrahmanyam (1998) Daniel, Hirshleifer et Subrahmanyam (1998) proposent une théorie de la sur- et sous-réaction des marchés financiers basée sur deux biais psychologiques : l’excès de confiance et l’auto-attribution. L’excès de confiance est la tendance des individus à être excessivement confiant à propos de leurs propres jugements. Les individus sujets au biais d’excès de confiance surestiment souvent la probabilité de leur succès et leur degré de connaissance [Alpert et Raïfa (1982), Fischhoff, Slovic et Lichtenstein (1977)]. L’excès de confiance a été observé dans plusieurs domaines professionnels. Les psychologues (Oskamp, 1965), les physiciens (Christensen-Szlazenski et Bushyhead, 1981), les ingénieurs (Kidd, 1970), les L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 57 négociateurs (Neale et Bazerman, 1990), les entrepreneurs (Cooper, Woo et Dunkelberg, 1988), les managers (Russo et Schoemaker, 1992) et les investisseurs (Staël, 1972) montrent un biais d’ excès de confiance dans leur jugement. Sur les marchés financiers, la plupart des investisseurs échangeant des actifs essaient de choisir celui qui aura le meilleur rendement parmi les actifs similaires. Cette tâche est difficile et c’est précisément concernant ce type de tâches complexes que les individus témoignent du plus grand degré d’excès de confiance. D’après Einhorn (1980), l’excès de confiance serait plus important et présent dans tous les domaines où les tâches à accomplir sont diffuses et où les résultats sont lents à se faire connaître que pour les tâches plus mécaniques où les résultats sont immédiatement constatés. Ainsi, le degré d’excès de confiance dépendrait aussi de la situation. Donc, l’excès de confiance est à la fois un effet direct et indirect sur la façon dont les individus traitent l’information. L’effet direct, abordé par Daniel, Hirshleifer et Subrahmanyam (1998) est simplement lié au fait que les individus accordent plus d’importance à l’information qu’ils collectent eux-mêmes car ils ont tendance à surestimer sa précision. L’effet indirect relève, selon Daniel, Hirshleifer et Subrahmanyam (1998), du fait que les individus filtrent les informations et biaisent leur comportement, de sorte que cela leur permet de maintenir leur confiance. Le deuxième biais cognitif utilisé par Daniel, Hirshleifer et Subrahmanyam (1998) pour concevoir leur modèle est le biais d’auto-attribution. L’approche attributionnelle classique suggère qu’une cause peut être située soit dans l’objet du jugement, soit dans la personne effectuant le jugement (Kelley, 1967). Les jugements basés sur l’objet sont considérés comme objectifs, parce que fondés sur les caractéristiques de cet objet, alors que les attributions basées sur un rapport entre le sujet et l’objet sont typiquement subjectives, en ce sens qu’elles sont affectées autant par les caractéristiques du sujet percevant que par les divers aspects de l’objet. La validité perçue d’une évaluation est douteuse dès lors que le jugement est supposé être affecté par les caractéristiques de celui qui juge. Dans les premières réflexions de Heider sur l’attribution, une idée hante ce domaine de recherche. Celle selon laquelle les événements, les conduites, résultent ou L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 58 sont dues à des forces, à des déterminismes, émanant soit des personnes en cause, soit de l’environnement. Dans le premier cas, on parle de causalité interne ou de facteurs dispositionnels ; dans le second cas, on parle de causalité externe ou de facteurs situationnels. Ce problème de l’attribution par un individu, dans la vie quotidienne, de la cause d’un événement ou d’un comportement à des personnes ou aux situations est au centre des théories de l’attribution. Le type d’attribution effectuée par un individu aura des conséquences sur ses comportements futurs. Une hypothèse facile est qu’un individu tente de maintenir relativement une haute estime de lui-même en attribuant son succès à des causes internes et son échec à des causes externes. C’est ce qu’on appelle le biais de complaisance : la recherche des causes se trouverait souvent biaisée par la complaisance que l’individu aurait à l’égard de luimême et qui l’amène à considérer, par exemple, qu’il est mieux que les autres sur des dimensions socialement désirables ou que son rapport au travail collectif est plus important qu’il ne l’est en réalité. Dans la perception sociale, la perception de la personne occupe une place privilégiée. Les processus d’attribution jouent un rôle important dans ces activités perceptives en permettant notamment à l’individu d’expliquer son propre comportement (auto-attribution) et celui d’autrui (hétéro-attribution). Pour les théoriciens de l’autoperception, il n’y aura de différence « de nature » quand on passe de l’attribution à autrui (hétéro-attribution) à l’auto-attribution (Bem, 1965) que si l’on dispose de la même information sur soi et sur autrui ; la perception de soi est identique à la perception d’autrui. L’investisseur sous biais d’attribution de soi sur-pondère l’information confirmant leur évaluation première et sous-pondère l’information non cohérente avec celle-ci. Donc, dans leur modèle, Daniel, Hirshleifer et Subrahmanyam (1998) considèrent deux types d’investisseurs : les informés qui sont neutres au risque et les non informés, riscophobes. Ces deux investisseurs échangent des actifs risqués dotés de revenu supplémentaire, le dividende unique distribué. Par ailleurs, Daniel, Hirshleifer et Subrahmanyam (1998) supposent également deux types d’informations traités par les L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 59 investisseurs : l’information privée et l’information publique. Les investisseurs sophistiqués c’est-à-dire informés, manifestent un excès de confiance lorsqu’ils reçoivent une information privée dont ils surestiment son exactitude. Notons que cette information privée est non perçue par les agents non informés. La sur-réaction provient donc d’un excès de confiance sur la précision du signal reçu. Par la suite, la diffusion du signal public permet de corriger ou de modifier graduellement la sur-réaction initiale. Les tendances de prix qui résultent de l’arrivée d’information privée, sont en moyenne partiellement renversées à long terme, alors que les tendances de prix résultant de l’arrivée d’information publique sont corrélées positivement avec les changements de prix qui précèdent cette arrivée d’information publique. Le biais d’auto-attribution permet une évolution dynamique de l’excès de confiance. Les investisseurs informés, sujets à l’excès de confiance initialement, sont susceptibles de le devenir en fonction de leurs succès et échecs successifs sur le marché financier. Le succès traduit la confirmation du signal privé, ce qui amplifie la confiance de l’investisseur, tandis qu’un échec se traduit par l’infirmation du signal privé, ce qui rend l’investisseur moins confiant. Ainsi, la révélation de l’information publique au marché peut en moyenne augmenter la confiance des investisseurs informés et l’amplitude des sur-réactions. Une autocorrélation positive est alors observée à court terme et la sur-réaction est corrigée à plus long terme. L’effet « momentum » et le phénomène de sous-réaction sont donc liés puisqu’engendrés par le même biais d’auto-attribution selon Daniel, Hirshleifer et Subrahmanyam (1998). Donc, Daniel, Hirshleifer et Subrahmanyam (1998) justifient le phénomène de sous-réaction à court terme et de sur-réaction à long terme par les effets d’excès de confiance et de satisfaction personnelle des investisseurs. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 60 4.3.3 Le modèle de De Long, Shleifer, Summers et Waldmann (1990) On estime que les spéculateurs rationnels ont un effet stabilisateur sur le prix des actifs. Ils les ramènent à leurs niveaux fondamentaux et réduisent en grande partie l’action négative des agents déstabilisateurs que sont les bruiteurs ou « noise-traders » et les intervenants mal informés. L’article de De Long, Shleifer, Summers et Waldmann (1990) remet en cause ce résultat, en étudiant le cas d’un marché où il existe des « positive feedback investors ». Les « positive feed-back investors » sont les intervenants qui achètent dès que les prix montent et vendent dès que les prix baissent. Le spéculateur rationnel, qui reçoit une bonne nouvelle, va anticiper la réaction des « positive feed-back investors ». Il achète plus, en leur présence, qu’il ne l’aurait fait normalement, en leur absence. Le prix de l’actif est donc attiré au-dessus de sa valeur fondamentale par l’agent rationnel, et le phénomène est ensuite amplifié par les « positive feed-back investors ». Pour De Long, Shleifer, Summers et Waldmann (1990), les intervenants rationnels qui intègrent la présence des « positive feed-back investors » dans leur stratégie sont très nombreux. Pour ces auteurs, cela tient au fait que les « positive feed-back investors », eux-mêmes, sont très nombreux. Les agents qui pratiquent l’assurance de portefeuille ou qui passent des ordres de vente (d’achat) limites à la baisse (à la hausse), sont, malgré eux, et par définition, des « positive feed-back investors ». Le modèle de De Long, Shleifer, Summers et Waldmann (1990) est un modèle à générations imbriquées mettant en avant les phénomènes de modes ou de manies dans les croyances des investisseurs. Il va dans le même sens que celui de Daniel, Hirshleifer et Subrahmanyam (1999) mais il ne fait pas référence aux biais psychologiques des investisseurs. De Long, Shleifer, Summers et Waldmann (1990) considèrent deux groupes d’investisseurs : les investisseurs « sophistiqués » qui ont des anticipations rationnelles et les investisseurs naïfs ou « noise traders » ou « positive feed-back investors » qui sont irrationnels. Ces derniers agissent sur la foi de sentiments ou de croyances qui ne sont pas justifiés par l’information disponible. Ils sélectionnent leur portefeuille sur la base de L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 61 croyances incorrectes. Les investisseurs sophistiqués vont chercher à exploiter les mauvaises perceptions des « noise traders ». Plus précisément, les investisseurs sophistiqués vont acheter quand les « noise traders » font baisser les prix et vont vendre dans le cas opposé. Les hypothèses essentielles du modèle7 sont : - l’absence d’incertitude sur la valeur fondamentale, celle-ci est fixée à l’unité, - les « noise traders » ou « positive feed-back investors » se fondent sur des croyances erronées pour effectuer leurs anticipations, - les croyances des « noise traders » sont totalement imprévisibles. Le résultat fondamental est que les « noise traders » vont réaliser des profits supérieurs à ceux des investisseurs sophistiqués, mettant en avant l’irrationalité des marchés financiers. De plus, l’imprévisibilité des opinions des noise traders crée un risque, ce qui limite les possibilités d’arbitrage des investisseurs rationnels. Enfin, De Long, Shleifer, Summers et Waldmann (1990) montrent que la présence de « noise traders » peut expliquer la volatilité excessive des prix par rapport aux fondamentaux des titres. Ce résultat de De Long, Shleifer, Summers et Waldmann (1990) confirme les conclusions du modèle de Shiller (1984) sur les volatilités excessives. En effet, Shiller (1984) montre que la volatilité excessive des prix relativement aux dividendes implique que le prix observé sur le marché n’est pas déterminé par les dividendes mais par des phénomènes de manie affectant la demande des investisseurs ordinaires. En d’autres termes, Shiller (1984) démontre à partir des tests de volatilité8 que la réaction excessive des prix aux dividendes reflète des phénomènes de modes. L’un des résultats fondamentaux du modèle de De Long, Shleifer, Summers et Waldmann (1990) est que la présence d’agents rationnels, pleinement informés, ne suffit pas à éliminer les investisseurs non rationnels. Il s’ensuit que les cours des titres peuvent 7 Voir l’annexe 2 pour une formulation mathématique succincte du modèle de De Long, Shleifer, Summers et Waldmann (1990). 8 Voir les tests de Shiller (1981) , West (1988). Pour une synthèse de ces tests, voir Mignon (1998). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature s’écarter des valeurs fondamentales. 62 Ils varient sous l’effet des changements que connaissent les croyances des investisseurs mal informés. Ainsi, les investisseurs engendrent une sur-réaction initiale aux informations émanant des caractéristiques du titre, puis une continuité de la sur-réaction sur un laps de temps, d’où une sous-réaction sur le court terme et une sur-réaction finale caractérisée par l’effet de revirement des rentabilités. Leur modèle montre aussi que les investisseurs rationnels c’est-à-dire les investisseurs sophistiqués ont un rôle déstabilisateur du cours du titre de leur valeur fondamentale quand ils anticipent le comportement des investisseurs naïfs. 4.3.4 Le modèle de Hong et Stein (1999) L’objectif de Hong et Stein (1999) est semblable à celui de Barberis, Shleifer et Vishny (1998) et Daniel, Hirshleifer et Subrahmanyam (1998), à savoir, la réconciliation des phénomènes de sous- et sur-réaction des prix (et des investisseurs). Ils adoptent, cependant, une approche différente. Plutôt que de considérer des investisseurs sujets à des biais cognitifs, ils considèrent des investisseurs hétérogènes qui s’interagissent. Ils supposent deux types d’investisseurs : les « newswatchers » (désormais noté N) et les « momentum traders » (désormais noté MT), rationnellement limités. Les « N » basent leurs signaux sur les fondamentaux des titres (observés). Les prévisions sont limitées puisqu’ils ne font aucune condition aux prix courants et historiques des titres. Quant aux « MT », ils basent leurs prévisions sur les changements récents des prix des titres. Ils sont limités par le fait qu’ils font des prévisions, seulement, en fonction des cours historiques récents. En plus de ces contraintes sur les capacités de prévision des deux groupes d’investisseurs, Hong et Stein (1999) supposent que les informations sont graduellement incorporées dans les cours des titres. Pour ces auteurs, les activités de négociation des « N » produisent un ajustement lent des prix à l’information récente qui causent un phénomène de sous-réaction. Cette sous-réaction n’est en aucun cas une sur-réaction. Ce résultat provient pour les auteurs du fait que les « N » ne font aucune hypothèse sur les L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 63 cours historiques, ils ne peuvent donc extraire aucune information à partir des prix des titres. Quant aux « MT », ils sont considérés comme des investisseurs neutres au risque donc quasi-rationnels. Cette intuition est incomplète, selon les auteurs, si les « MT » effectuent des stratégies d’investissement classiques basées sur les changements de prix. Supposons qu’un « MT » base sa stratégie d’investissement sur le changement de prix observé précédemment. Ces investisseurs essaient à cet instant précis de profiter du phénomène de la sous-réaction orchestré par les « N ». Cette exploitation de la sous-réaction par les « MT » implique une sur-réaction dans les instants qui suivent. L’utilisation de cette stratégie, fonction du changement des prix historiques récents, contraint les « MT » à ne faire aucune hypothèse sur l’information publique. Bien que Hong et Stein (1999) ont considéré deux types d’investisseurs, leur théorie réconcilie les phénomènes de la sous- et sur-réaction des prix (et des investisseurs). Ils ont modélisé un premier groupe d’investisseurs (« N ») qui ont tendance à sous-réagir à l’information privée récente. L’entrée d’un deuxième groupe d’investisseurs plus informés (« MT ») engendre une sur-réaction des prix par l’exploitation d’une sousréaction précédente du marché par des arbitrages classiques fonctions des cours historiques récents observés. Ce groupe d’investisseurs élimine partiellement la sousréaction du marché et crée une sur-réaction inévitable qui est en fait selon les auteurs un effet « momentum » excessif. Donc, l’interaction entre ces deux groupes d’investisseurs hétérogènes est la base de la théorie de Hong et Stein (1999) réconciliant les phénomènes de sous-réaction et sur-réaction observés sur les marchés financiers. De même, l’hypothèse clé des auteurs est la diffusion graduelle de l’information sur les marchés. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 64 4.3.5 Une étude comparative des modèles de Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subrahmanyam (1998), Hong et Stein (1999) et De Long, Shleifer, Summers et Waldmann (1990) Des modèles comportementaux récents [De Long, Shleifer, Summers et Waldmann (1990), Daniel, Hirshleifer et Subrahmanyam (1998), Barberis, Shleifer et Vishny (1998) et Hong et Stein (1999)] réconcilient les phénomènes de sur-réaction et de sous-réaction. Chaque modèle s’adapte à la corrélation sérielle positive à court terme et négative à long terme des cours en supposant des hypothèses différentes sur la nature des biais comportementaux et/ou de l’hétérogénéité des investisseurs. Barberis, Shleifer et Vishny (1998) justifient la sous-réaction initiale et la surréaction ultérieure par les biais d’ancrage et de l’heuristique de représentativité de l’investisseur. Pour ces auteurs, les investisseurs sujets à l’heuristique de représentativité accordent plus d’importance aux informations récentes qu’aux informations structurelles. L’heuristique de représentativité expliquerait la sur-réaction des cours boursiers aux nouvelles. De même, d’après Barberis, Shleifer et Vishny (1998), le mécanisme d’ancrage expliquerait la sous-réaction des cours boursiers aux nouvelles récentes du fait que les investisseurs ne révisent pas suffisamment leur jugement. L’effet d’ancrage se manifeste dans les estimations numériques lorsque l’individu a déjà effectué une première estimation et n’arrive pas à l’ajuster aux nouvelles données (Tversky et Kahneman, 1974). Donc, le phénomène d’ancrage peut aboutir à une surestimation de la probabilité d’apparition disjointe d’événements et à une sous-estimation de la probabilité d’apparition conjointe d’événements. Le modèle de Daniel, Hirshleifer et Subrahmanyam (1998) diffère du modèle de Barberis, Shleifer et Vishny (1998) sur la base des fondements psychologiques. Dans ce modèle, le marché inclut les investisseurs informés et non informés. Les investisseurs non informés ne sont pas sujets à des biais psychologiques. Cependant, les cours des titres sont déterminés par les investisseurs informés qui sont sujets à des biais psychologiques, L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 65 précisément les biais d’excès de confiance et d’auto-attribution. Cet excès de confiance conduit les investisseurs à sur-estimer la précision de leur signal privé. La sur-réaction varie temporellement avec le biais d’attribution personnelle des investisseurs. D’où une sur-réaction initiale qui n’est autre qu’une sous-réaction sur le court terme, puis une surréaction à long terme des investisseurs. Le modèle de De Long, Shleifer, Summers et Waldmann (1990) va dans le même sens que celui de Daniel, Hirshleifer et Subrahmanyam (1998) mais il ne fait pas référence aux biais psychologique des investisseurs. De Long, Shleifer, Summers et Waldmann (1990) considèrent deux groupes d’investisseurs : les investisseurs « sophistiqués » qui ont des anticipations rationnelles et les investisseurs naïfs ou « noise traders » qui sont irrationnels. Ces derniers agissent sur la foi de sentiments ou de croyances qui ne sont pas justifiés par l’information disponible. Ils sélectionnent leur portefeuille sur la base de croyances incorrectes. Ainsi, ils engendrent une sur-réaction initiale aux informations émanant des caractéristiques du titre puis une continuité de la sur-réaction sur un laps de temps d’où une sous-réaction sur le court terme et une surréaction finale caractérisée par le phénomène de retour à la moyenne des rentabilités. Leur modèle montre aussi que les investisseurs rationnels et sophistiqués ont un rôle déstabilisateur du cours du titre de leur valeur fondamentale quand ils anticipent le comportement des investisseurs naïfs. Finalement, Hong et Stein (1999) soulignent l’hétérogénéité des investisseurs qui observent l’information privée sous des angles différents à des périodes distinctes. Ils supposent deux hypothèses principales. Premièrement, l’information publique spécifique est distribuée graduellement. Deuxièmement, les investisseurs n’anticipent pas rationnellement l’information disponible. En effet, ils considèrent deux types d’investisseurs selon leur rationalité limitée : les « newswatchers » et les « momentum traders ». Les « newswatchers » sont des investisseurs informés. Les « momentum traders », les moins informés, ont un caractère de suiveur des « newswatchers ». Ils créent donc une sur-réaction initiale puis une sur-réaction finale à long terme. Ainsi, pour Hong et Stein (1999), les phénomènes de sur-réaction s’expliqueraient par l’incorporation L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 66 graduelle de l’information dans les cours boursiers dus aux hétérogénéités des investisseurs rationnellement limités. De même, leur modèle implique que l’effet de continuité des rentabilités sur le court terme ou l’effet « momentum » est plus évident pour les titres à couverture faible. Hong, Lim et Stein (2000) analysent la couverture de l’information par le nombre des analystes financiers suivant un titre donné et la taille du titre comme des « proxies » de l’information diffusée. Leurs résultats sont conformes à leurs hypothèses à savoir que les titres à faible couverture ou à taille faible ont une vitesse d’incorporation de l’information plus importante que celle des titres à couverture importante et à taille élevée. Cette évidence empirique corrobore l’attitude mentale des investisseurs sur les pertes qui sont plus ressenties que les gains en valeur absolue égale par les investisseurs (Kahneman et Tversky, 1979). 4.4 Les critiques de Fama (1998) Les premiers tests d’efficience des marchés financiers ont observé les rentabilités à court terme, sur une période allant d’un jour à un mois. Les chercheurs empiriques ont plus récemment estimé les rentabilités à plus long terme (3 à 5 ans) à la suite de l’annonce de certains événements des sociétés. Les études d’événements sur le court terme sont plus acceptées, mais quant aux études d’événements sur le long terme, leurs résultats ne font pas de consensus à cause des difficultés méthodologiques. Fama (1998) examine les différentes études sur le long terme, précisément, les études de retour à la moyenne. De ce fait, Fama (1998) considère les deux modèles comportementaux récemment proposés par Barberis, Shleifer et Vishny (1998) et Daniel, Hirshleifer et Subrahmanyam (1998). Il s’intéresse aux résultats des deux modèles comportementaux, la manière dont ils expliquent les phénomènes de sur-réaction à long terme et de sous-réaction à court terme sous les hypothèses de biais de jugement des investisseurs. Fama (1998) montre que le modèle de Barberis, Shleifer et Vishny (1998) décrit mieux les événements qu’il est censé mettre en évidence, mais sa prévision d'inversion des rentabilités sur le long terme ne capture pas la totalité des résultats à long terme observés dans la littérature financière. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 67 Ainsi, pour Fama (1998), dans l'ensemble, les explications du retour à la moyenne des rentabilités sur le long terme semblent plus conformes à un phénomène hasardeux. Par exemple, le modèle de Barberis, Shleifer et Vishny (1998) ne capture pas les événements à long terme sur les introductions en bourse et les augmentations de capital [Loughran et Ritter (1995) ; Mitchell et Stafford (2000)], les fusions du point de vue de la société acquéreuse [Asquith (1983) et Agrawal et al. (1992)], les dividendes versés et les suppressions de dividendes (Michaely et al., 1995) et les rachats d’actions (Ikenberry et al., 1996). Daniel, Hirshleifer et Subrahmanyam (1998) font une prévision spéciale au sujet de ce qu'ils appellent des événements sélectifs. Ce sont des événements qui se produisent pour tirer profit des sous-évaluations ou sur-évaluations des titres d’une société (par exemple, les annonces des dirigeants concernant un rachat d’actions ou une émission d’actions nouvelles ou les annonces de revenus des sociétés). Ce signal public produit une réaction immédiate des prix qui absorbe une partie de la sous-évaluation (ou sur-évaluation). Mais dans le modèle de Daniel, Hirshleifer et Subrahmanyam (1998), la réponse des prix à la période d'annonce est incomplète parce que les investisseurs informés sur-pondèrent leur croyance antérieure sur la valeur du titre. Le biais de conservatisme du modèle de Barberis, Shleifer et Vishny (1998) produirait un résultat semblable. Eventuellement, cette évaluation erronée est entièrement incorporée comme une information publique complémentaire qui confirme l'information implicite suite à l'annonce de l’événement. La prévision générale des événements sélectifs est ainsi à l’origine du phénomène « momentum ». Par la suite, Fama (1998) se demande si les prévisions de Daniel, Hirshleifer et Subrahmanyam (1998) valent pour toutes les décisions financières? Le tableau 1.3 présente les signes des rentabilités anormales selon l’annonce des principaux événements à long terme effectués à partir des tests événementiels. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 68 Tableau 1.3 – Signes des rentabilités anormales pour diverses études d’événements à long terme suivant l’annonce de l’événement [Source : Fama (1998)] Evénements Rentabilités Rentabilités Rentabilités anormales ex- anormales à anormales ex-post à ante à long terme l’annonce long terme Introduction en Bourse (IPO) [Loughran et Ritter (1995)] Non connu + - Augmentations de capital (SEO) [Loughran et Ritter (1995)] + - - Fusions (sociétés acquéreuses) [Asquith (1983), Agrawal, Jaffe et + 0 - Distributions de dividendes [Michaely, Thaler et Womack (1995)] + + + Suppressions de dividendes [Michaely, Thaler et Womack (1995)] - - - Annonces de bénéfices [Ball et Brown (1968), Bernard et Thomas (1990)] Non connu + + Nouvelle admission en Bourse [Dharan et Ikenberry (1995)] + + - Rachats d’actions [Ikenberry, Lakonishok et Vermaelen (1995), Mitchell et 0 + + « Proxy fights » [Ikenberry et Lakonishok (1993)] - + - (ou 0) Divisions d’actions [Dharan et Ikenberry (1995), Ikenberry, Rankine et + + + + + + (ou 0) Mandelker (1992)] 9 Stafford (1997) ] Stice (1996)] Filialisations [Miles et Rosenfeld (1983), Cusatis, Miles et Woolridge (1993)] Excepté les annonces de bénéfices, tous ces événements semblent sélectifs. Comme prévu par Daniel, Hirshleifer et Subrahmanyam (1998), les performances selon les événements comme les émissions nouvelles d’actions, les distributions et les omissions de dividende, les rachats d’actions, les distributions d’actions gratuites et les filialisations devraient avoir le même signe. Cependant, les rentabilités anormales suivant l'annonce des émissions nouvelles d’actions et des « proxy fights » ont des signes opposés, et les rentabilités anormales négatives ex-post suite à une fusion-acquisition ne sont pas précédées de rentabilités anormales négatives à l’annonce d’une fusion-acquisition. Le plus embarrassant pour la prévision de Daniel, Hirshleifer et Subrahmanyam (1998) est que les rentabilités anormales ex-post d’une introduction sont précédées par des rentabilités anormales positives pendant quelques mois suivant cet événement (Ritter, 1991). 9 Voir Mitchell et Stafford (2000) L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 69 Pour Fama (1998), les irrégularités constatées c’est-à-dire les rentabilités aberrantes sont le plus souvent de faible ampleur et les résultats statistiques ne vont tous dans le même sens. Il conclut que les résultats exhibant une sur-réaction à certaines informations sont en nombre comparable à ceux qui mettent en évidence une sous-réaction. Les modèles comportementaux évoqués modélisent intelligemment soit la sur-réaction, soit la sous-réaction mais pas les deux en même temps, alors qu’il y a autant de sur-réactions que de sous-réactions observées. De plus, Fama (1998) souligne qu’en regardant de plus près les études précitées, leurs résultats sont sensibles à la méthodologie utilisée. Les méthodologies utilisées dans ces études diffèrent selon la perspective temporelle choisie (temps événementiel ou temps calendaire), la mesure de performance anormale retenue (rentabilités anormales moyennes cumulées ou rentabilités anormales moyennes « buyand-hold »), le type de référence retenu (firmes de contrôle, portefeuilles de contrôle, modèle d’évaluation à facteurs), et enfin, le mode de pondération (rentabilités équipondérées ou pondérées selon la valeur marchande). Le modèle de marché n’aurait donc pas de modèle alternatif pour toutes les saisons. Le modèle de marché offre une réponse simple à ces contradictions dans la mesure où s’il y a autant de sur que de sousréactions observées, ce ne serait que le fruit du hasard. Le graphique 1.3 et les tableaux 1.4 et 1.5 présentent les définitions schématiques des hypothèses d’efficience des marchés, de la sous-réaction et de la sur-réaction, et les principales études sur la psychologie des marchés. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : une revue de la littérature 70 Graphique 1.3 - Définitions schématiques des hypothèses d’efficience des marchés, de la sous et sur-réaction Graphique 1a. Hypothèses d’efficience des marchés financiers Cours Information diffusée Graphique 1b. Hypothèse de la sous-réaction simple (Le cours du titre s’ajuste graduellement aux signaux récents) Cours Foster, Olsen et Shevlin (1984) Bernard et Thomas (1989, 1990) Jegadeesh et Titman (1993, 2001) Chan, Lakonishok et Jegadeesh (1996) Graphique 1c. Hypothèse de la sur-réaction (Le cours du titre réagit excessivement aux signaux récents) Cours Daniel, Hirshleifer et Subrahmanyam (1999) DeLong, Shleifer, Summers et Waldmann (1991) Hong et Stein (1999) Barberis, Shleifer et Vishny (1998) Source: Lee Charles M.C.and Swaminathan B. (2000), “Do stock prices overreact to earnings?”, working paper, Cornell University, http://parkercenter.johnson.cornell.edu. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : un état des lieux 71 Tableau 1.4 - Principaux résultats sur la psychologie des marchés et la rationalité des investisseurs ETUDES, ECHANTILLON AUTEURS (Marchés financiers, Période d’étude, De Bondt et NYSE (1926 – 1982) METHODOLOGIE FACTEURS PRINCIPAUX RESULTATS Nombre de sociétés…) Les portefeuilles sont formés sur la base des taux de - gagnant – perdant à long terme Au cours des périodes de trois ans subséquentes aux périodes de formation, dite Thaler rentabilité en excès cumulés de 3 à 5 ans. Le premier périodes de tests, les perdants sur-performent l’indice en moyenne de 19,6%, tandis que (1985) portefeuille est constitué des 35 actions les plus les gagnants sous-performent l’indice de 5% en moyenne : la surréaction des cours performantes (gagnants) et le second est constitué des boursiers à long terme. 35 actions les moins performantes (perdants) au cours de la période de formation. Mai (1992) RM (1977 – 1990) Approche similaire à celle de De Bondt et Thaler - gagnant – perdant à long terme La stratégie de sur-réaction, basée sur les portefeuilles de titres ayant eu des rentabilités Marché français (1985). - effet janvier cumulées extrêmes est plus probante, en France, que la stratégie contradictoire prenant - taille en compte tous les titres et utilisant l’autocorrélation statistique classique. La durée - risque optimale de sur-réaction est de 4 ans, proche du minimun de 38 mois. La surréaction apparaît comme étant essentiellement une conséquence de la différence de taille et de risque. L’effet janvier, quant à lui, est un facteur important de la surréaction. Bernard et NYSE et AMEX (1974 – 1986), 2649 Les portefeuilles sont formés sur la base des SUE - effet annonce des bénéfices Thomas entreprises dérivés des annonces trimestrielles des bénéfices. - taille (1989) bénéfices Lakonishok, AMEX et NYSE (Avril 1963 à Avril Les portefeuilles sont formés chaque cinq ans suivant - taille Les différences de rentabilité observée entre les valeurs d’actifs et les valeurs de Shleifer 1990). l’un des critères retenus (capitalisation boursière, ratio - book-to-market croissance, sont le résultat d’erreur d’extrapolation du taux de croissance du chiffre Marché américain book-to-market, cours sur flux de trésorerie, taux de - cours sur flux de trésorerie d’affaires et en particulier des bénéfices des entreprises : comportement irrationnel des croissance et de bénéfice…). - taux de croissance du chiffre investisseurs. - Régression transversale d’affaire - Rentabilité anormale - et 84792 annonces de Les annonces des bénéfices permettent de générer des rentabilités anormales. Cette étude jette à nouveau un doute sur l’efficience au sens semi-fort dans la mesure où il - Rentabilité anormale. ressort que les prix ne reflètent pas pleinement l’information publique disponible. - Etude événementielle et Vishny (1994) taux de croissance des bénéfices passés à long terme. La Porta NYSE et AMEX (1982 – 1991) (1996) - Les portefeuilles sont constitués suivant l’un des - book-to-market critères retenus (capitalisation boursière, ratio book-to- - taille market, taux de croissance des bénéfices prévisionnels - émanant des analystes financiers (consensus IBES)). bénéfices taux Les différences de rentabilité observée entre les valeurs d’actifs et les valeurs de croissance, sont le résultat d’erreur de prévision du taux de croissance à long terme des de croissance des prévisionnels des bénéfices des entreprises de la part des analystes financiers. analystes financiers Dechow et - Les portefeuilles sont constitués suivant l’un des - book-to-market Sloan NYSE et AMEX (1967 - 1991) critères retenus (capitalisation boursière, ratio book-to- - taille (1996) market, taux de croissance des bénéfices historiques - sur six mois). bénéfices passés sur six mois L’impact de l’annonce de bénéfices sur le marché financier français. taux Les valeurs de croissance ont des taux de croissance des bénéfices passés plus élevés que les valeurs d’actifs mais, la performance future des valeurs d’actifs est plus rapide de croissance des que celle des valeurs de croissance. Chapitre 1 - La finance comportementale : un état des lieux 72 ETUDES, ECHANTILLON AUTEURS (Marchés financiers, Période d’étude, METHODOLOGIE FACTEURS La NYSE, AMEX et NASDAQ (1971 – - Les portefeuilles sont constitués suivant l’un des 1992) critères retenus (ratio book-to-market, capitalisation - PRINCIPAUX RESULTATS Nombre de sociétés…) Porta, Lakonishok, Shleifer et - Les différences de rentabilité annuelles observée entre les valeurs d’actifs et les - book-to-market taux croissance des valeurs de croissance, sont le résultat d’erreur de prévision du taux de croissance à long prévisionnels et terme des bénéfices des entreprises : une surréaction aux annonces des bénéfices de la de boursière, ratio cours sur flux de trésorerie, taux de bénéfices Vishny croissance des bénéfices historiques et taux de passés part du marché. Elles expliquent approximativement 25 à 30% sur un horizon de 1 à 3 (1997) croissance historique du chiffre d’affaires ). - taille ans et de 15 à 20% sur un horizon de 4 à 5 ans des différences de rentabilité ex-post - Etude d’événement. - risque observée entre les valeurs d’actifs et les valeurs de croissance. - rentabilité anormale. - cours sur flux de trésorerie - Les portefeuilles sont constitués suivant l’un des - effet momentum Jegadeesh et NYSE, AMEX (1965 – 1989) Titman (JT) (1993) Sur un horizon de 3 à 12 mois, les gagnants continuent à avoir des rentabilités critères retenus (rentabilités historiques des titres sur 3, supérieures à celles des perdants : c’est l’effet momentum. 6, 9, 12 mois… et tenus sur des périodes plus ou moins Par exemple, la stratégie momentum basée les rentabilités des 6 mois passés génère une longues) mensuellement. rentabilité anormale de 1% par mois avec une statistique t de 3.07 donc un rejet de - Rentabilité anormale l’hypothèse d’efficience des marchés (R.A moins de 0.11%)par JT. La stratégie - Régression transversale momentum consiste à acheter des titres gagnants et à vendre des titres perdants sur une période de 3 à 12 mois. Jegadeesh NYSE, AMEX et NASDAQ (1990 - Les portefeuilles sont constitués suivant sur le critère - effet momentum et validation et 1998) des rentabilités historiques des titres sur 6 mois (mois des modèles comportementaux à un problème de données et de la période d’étude (La statistique t obtenue est de Titman (JT) (2000) –5 à 0)… et tenus des périodes plus ou moins longues : de Hong et Stein (1999), de 1 à 6 mois et de 13 à 60 mois) mensuellement. barberis, Shleifer et Vishny - Rentabilité anormale (1998) et Daniel, Hirshleifer et Subrahmanyam (1998). - Existence de l’effet momentum sur la période post 1990 donc celui n’est pas dû l’ordre de 4.96 comparée à celle de 3.07 rapportée par JT (1993)). - Les modèles comportementaux valident l’effet momentum mise en évidence par JT (1993) mais avec une certaine retenue. - L’hypothèse de Conrad et Kaul (1998) qui stipule que l’effet momentum est dû aux variations transversales des rentabilités attendues plutôt qu’aux variations temporelles des rentabilités. Chan, NYSE, AMEX et NASDAQ (1977 - - Les portefeuilles sont constitués suivant l’un des Jegadeesh 1993) critères retenus (ratio book-to-market, capitalisation - momentum des cours rentabilités entre les gagnants et les perdants que les explications courantes que sont les et boursière, ratio cours sur flux de trésorerie et - ratio book-to-market écarts de risque systématique, la taille et le ratio valeur comptable sur valeur de marché Lakonishok différentes mesures des informations émanant des - taille des capitaux propres. Ils relient le succès de la stratégie momentum à la sous-réaction (1995) bénéfices - risque suite à l’annonce des bénéfices. dont le SUE « standard earnings » ou surprise de bénéfice). - Etude d’événement, rentabilité anormale. L’impact de l’annonce de bénéfices sur le marché financier français. unexpected - momentum des bénéfices - Le phénomène momentum est complexe et explique mieux les différences de Chapitre 1 - La finance comportementale : un état des lieux 73 Tableau 1.5 - Principales études réconciliant les phénomènes de la sous-réaction à court terme et de la sur-réaction à long terme. Etudes, Auteurs Barberis, Shleifer Principaux énoncés. et Vishny (BSV) (1998) BSV réconcilient la sous-réaction à court terme et la sur-réaction à long terme des cours boursiers dans un modèle comportemental où l’investisseur est sous les biais du conservatisme et de la représentativité heuristique. Le mécanisme du conservatisme révèle que les agents sont réticents à changer leur croyance, ce qui les conduit à sous-réagir à l’information récente. Un investisseur sous biais de la représentativité heuristique a tendance à trouver des lois dans les séries aléatoires, ce qui conduit à une sur-réaction aux informations récentes. Daniel, Hirshleifer Subrahmanyam (1998) et DHS réconcilie les phénomènes de la sous-réaction et de la sur-réaction dans un modèle en se basant sur les biais cognitifs que sont le biais de la « Overconfidence » et de l’auto-attribution. Le biais de la « Overconfidence » induit les investisseurs en erreur sur la prévision des volatilités des titres qui les conduit à une sur-réaction des cours boursiers et le biais de l’auto-attribution conduit à une sousréaction des cours boursiers. Hong et Stein (1999) HS réconcilient la sous-réaction à court terme et la sur-réaction à long terme dans un modèle en ne faisant pas directement appel aux biais comportementaux mais en mettant l’accent sur l’hétérogénéité d’interprétation de l’information privée par deux types d’investisseurs due à sa diffusion graduelle dans l’incorporation des cours boursiers. Leur modèle considère deux types d’agents c’est à dire les agents informés ou « newswatchers » basant leur prévision sur les signaux des valeurs fondamentales futures ce qui les conduit à une sur-réaction aux informations privées et les autres agents c’est à dire les « momentums traders » qui basent leur transaction sur les historiques des cours passés, ce qui les conduits à une sur-réaction des cours boursiers en exploitant la sous-réaction des cours boursiers par les « newswatchers ». L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 1 - La finance comportementale : un état des lieux 74 5 CONCLUSION L’apport de la finance comportementale à une meilleure connaissance du fonctionnement réel des marchés financiers est indéniable. Toutefois, lorsqu’il s’agit d’élaborer une construction théorique, les tenants de la finance comportementale considèrent qu’à tout moment une fraction significative des investisseurs en Bourse sont des individus suffisamment rationnels pour qu’à tout le moins la forme faible de l’hypothèse d’efficience des marchés rende adéquatement compte de leur comportement. Pour élaborer leurs modèles, ils considèrent que la théorie standard d’évaluation demeure pour le système de prix un attracteur significatif, même si les actions de ces investisseurs ne suffisent pas à amener le marché à un état de pleine efficience. On observe un phénomène similaire en ce qui concerne les études économétriques, qui apparaissent comme un mixage de modèles purement comportementaux et du modèle fondé sur la forme semi-forte de l’hypothèse d’efficience des marchés. Dans la littérature la plus récente, plusieurs contributions d’un grand intérêt se sont efforcées de théoriser cette approche mixte de l’évaluation des actions. Elles consistent pour l’essentiel à justifier l’attribution aux variables de comportement (excès de confiance; tendance à extrapoler, …) de substituts mesurables, en l’occurrence un certain nombre de variables économiques ou financières qui peuvent leur être associées. Parmi les études qui ont bouleversé la théorie de l’efficience des marchés financiers et contribué à l’avènement de la finance comportementale, figure en bonne place celles de Bernard et Thomas (1989, 1990) sur les réactions aux annonces de bénéfices. Le chapitre suivant passe en revue la littérature sur l’impact des annonces de résultats sur les marchés boursiers. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 - La réaction du marché aux annonces de bénéfices : une revue de la littérature 75 CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES DE BENEFICES: UNE REVUE DE LA LITTERATURE . L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 76 1 INTRODUCTION L'efficience informationnelle des marchés financiers s'analyse selon trois niveaux définis par Fama (1970, 1991) : l'efficience au sens faible, l'efficience au sens semi-fort et l'efficience au sens fort. Le contenu informatif auquel ces trois formes se réfèrent permet de différencier ces trois types d'efficience. Dans la forme faible de l’efficience, l’ensemble de l’information disponible comprend uniquement l’historique de la série des prix et des rentabilités. La forme semi-forte de l’efficience renvoie à un ensemble d’information comprenant toute l’information publique (annonces de bénéfices,…). La dernière forme de l’efficience, la forme forte, est la plus restrictive puisque l’ensemble d’information comprend , en plus de l’information publique, toute l’information privée. L'annonce d’un événement signale aux investisseurs l’information dont disposent les dirigeants. Les investisseurs interprètent ces signaux et réagissent en conséquence. Les études événementielles présentées dans la littérature financière et comptable analysent ces réactions. Les études d’événements sont des outils pour tester la forme semi-forte de l’efficience des marchés financiers. En effet, l'efficience au sens semi-fort postule que l'ensemble des informations disponibles concernant un actif financier est intégré dans le prix de ce titre à l'instant même où ces informations sont rendues publiques. Il n'existe donc aucun décalage temporel entre le moment où l'information est dévoilée et le moment où celle-ci est intégrée dans les cours boursiers. La vérification de la forme semi-forte réside dans la mesure de la vitesse d'ajustement des cours boursiers à une nouvelle information. Les études d’événements mesurent également la vitesse de réaction des événements. C’est ainsi que plusieurs auteurs se sont intéressés aux contenus informationnels des annonces de bénéfices des entreprises. La majorité des études ont signalé un contenu informationnel de la publication des résultats des sociétés. Néanmoins, les facteurs explicatifs du contenu informationnel ne font pas l’objet d’un consensus. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 77 L’objectif de ce chapitre est de présenter les recherches sur l’impact de la divulgation des résultats des firmes sur les cours boursiers, sur les investisseurs et sur les analystes financiers. La section 2 présente les fondements de la recherche financière sur la publication des résultats, les études pionnières de Beaver (1968) et Ball et Brown (1968), et les études de Bernard et Thomas (1989, 1990). La section 3 passe en revue les différentes explications données aux réactions du marché aux annonces de bénéfices. 2 LA RENTABILITE DES TITRES LORS DE L’ANNONCE DES BENEFICES 2.1 Les développements qui ont facilité la recherche des réactions aux annonces de bénéfices Jusqu'au milieu des années soixante, la théorie des marchés financiers était généralement normative. Les théoriciens de la finance et des sciences économiques ont avancé leur politique de recommandations financières sur la base d'un ensemble présumé d'objectifs financiers. Hendriksen (1965, p. 2) définit "la théorie la plus appropriée" en tant qu'une théorie qui "soutient le développement des procédures et des techniques qui accomplissent mieux les objectifs de la finance". Ainsi, le développement de la théorie financière a dépendu des objectifs assumés par un chercheur. L'évaluation de la théorie a été fondée sur la logique et le raisonnement déductif. Il y avait peu d'études empiriques. Puisque les théories étaient logiquement conformes, la base pour sélectionner une politique parmi d’autres était réduite au choix d’objectifs alternatifs. Cependant, puisque les chercheurs étaient en désaccord sur les objectifs de la finance, il n'y avait aucun consensus sur l'ensemble optimal des pratiques comptables et financières. Ceci a mené un scepticisme au sujet de l'utilité du résultat comptable à donner une information utile ou une évaluation précise de la santé financière d’une entreprise. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 78 Tandis que les théoriciens et les praticiens de la finance et de la comptabilité étaient désorientés quant à l’utilité du résultat à refléter la santé financière d'une entreprise, aucune étude scientifique sur la question n'a existé. Fournir une évidence empirique pour s'assurer du contenu informatif ou non des résultats des entreprises a été la motivation principale de Ball et Brown (1968) et Beaver (1968). Il y a deux développements concourants principaux dans la finance qui ont forgé la recherche sur l’impact de l’annonce de bénéfices sur les cours boursiers10. - l'émergence de l’hypothèse d’efficience des marchés et le modèle d'équilibre des marchés financiers (MEDAF) et - les études événementielles, en particulier celle de Fama, Fisher, Jensen et Roll (1969). 2.1.1 L’émergence de l’hypothèse de l’efficience des marchés financiers et le modèle d'équilibre des marchés financiers (MEDAF) Historiquement, les travaux de Bachelier (1900) ont permis d’observer que les rentabilités boursières mesurées sur de longues périodes étaient statistiquement indépendantes dans le temps. Samuelson (1965) a ensuite poursuivi en associant ces variations de prix à un flux d’informations parvenant au marché de manière aléatoire et conclut que cette indépendance des rentabilités boursières était en accord avec la notion d’efficience informationnelle des marchés. De son côté, Muth (1961) formule explicitement l’hypothèse de rationalité des anticipations des agents économiques. Les études qui ont suivi cette voie ont littéralement révolutionné la vision portée par les économistes et les gestionnaires sur le comportement des individus. Ainsi, une prévision dite adaptative est obtenue comme combinaison convexe de la prévision précédente et de la dernière observation 10 Cette section omet la théorie positive de la comptabilité qui a aussi favorisé l’étude des réactions du marché aux annonces de bénéfices. Ce thème va au delà du cadre de notre travail même si la plupart des recherches en finance depuis Ball et Brown (1968) et Beaver (1968) sont positives, et que la théorie financière n'est plus normative. De plus, certains auteurs tels que Sterling (1990), Chambers (1993) et Jeanjean (1999) soulignent qu’il n’est pas toujours aisé de faire la distinction entre positif et normatif. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 79 de la variable concernée. Par contre, une anticipation est dite rationnelle si elle incorpore de manière optimale l’ensemble des informations disponibles. Dans ce contexte, l’optimum de prévision correspond à la minimisation de l’erreur quadratique de prévision. Ce faisant, les anticipations rationnelles coïncident avec les espérances conditionnelles, qui d’une part, contrairement aux anticipations auto-régressives, ne jouissent plus d’une forme explicite, et d’autre part, dépendent du modèle, supposé connu, qui guide la dynamique du système étudié. Les premières conséquences de l’hypothèse d’anticipations rationnelles ont trouvé leur champ d’application en macroéconomie avec les travaux de l’Ecole de Chicago relatifs à la l’inefficacité des politiques et le développement de la résolution mathématique générale des équations à espérances conditionnelles. Fama est à l’origine de la première définition générale du concept d’efficience informationnelle et des contributions principales apportées à l'amélioration conceptuelle et aux tests empiriques de l'hypothèse efficience des marchés financiers. Fama (1965, p.4) note : "Sur un marché efficient, la concurrence que se livre un grand nombre d’opérateurs intelligents crée une situation dans laquelle, à chaque moment, les prix des différentes valeurs reflètent les effets de l’information basée, d’une part, sur les événements qui se sont déjà produits et, d’autre part sur des événements que le marché s’attend à voir se produire dans le futur. En d’autres termes, le prix pratiqué sur un marché efficient est, à tout moment, une bonne estimation de sa valeur intrinsèque." Ceci étant, un marché est efficient si les prix intègrent à tout moment toute l’information disponible. Cette définition renvoie nettement au concept d’anticipations rationnelles. En effet, la terminologie des « prix qui intègrent toute l’information » correspond de façon plus précise au fait que l’anticipation des prix, qui elle-même préside à la formation de l’équilibre, est réalisée de façon optimale en tenant compte de l’ensemble de l’information disponible. La possibilité que l’information pertinente soit utilisée, mais d’une manière inadéquate, c’est-à-dire sous-optimale, n’est pas envisagée. Le débat sur l’efficience informationnelle des marchés, largement ouvert par les travaux pionniers de Fama, s’est cependant orienté vers la pertinence du contenu de l’ensemble des informations. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 80 Fama (1965, 1970) met en exergue la difficulté d’élaborer un test unique en matière d’efficience informationnelle et conclut à la nécessité de diviser en trois ensembles l’ensemble des informations pour élaborer des tests spécifiques. Comme premier sous-ensemble, les séries historiques de prix sont considérées dans la formation des prévisions des prix futurs. Il s’agit de la forme faible de l’efficience, ou encore selon Fama (1991), les tests de prévisibilité des rentabilités. Portant sur le deuxième sous-ensemble d’informations, les tests de la forme semi-forte de l’efficience, ou études d’événements, s’intéressent aux informations publiques, des moins élaborées comme l’annonce des résultats des entreprises, jusqu’aux plus subtiles comme les modifications de système comptable, les opérations de fusions-acquisitions, etc. Enfin, relative au troisième et dernier sous-ensemble d’informations, la forme forte de l’efficience ou encore l’analyse de l’information privilégiée, envisage l’influence des opérations menées par des initiés sur la dynamique des prix. Ball et Brown (1968, p. 160) affirment que l'efficience des marchés financiers fournit une « justification pour choisir le comportement des prix des valeurs mobilières comme un test opérationnel d'utilité » de l’information financière. Beaver (1968) offre un argument semblable. La réflexion théorique de l’efficience des marchés financiers s’est axée sur les travaux de Markowitz (1952) qui a proposé une solution à la détermination de la combinaison de titres qui procure à un investisseur le couple risque-rentabilité qui lui convient le mieux c’est-à-dire la diversification optimale des portefeuilles de titres financiers. Le modèle de Markowitz est, comme tout modèle, une représentation simplifiée d’une réalité complexe. L’élément-clé de ce modèle est la description du profil comportemental de l’investisseur. Cette description consiste exclusivement en une mesure de son degré d’aversion vis-à-vis du risque, aversion qui est elle-même une propriété commune de tous les investisseurs. Ceux-ci sont donc supposés ne se distinguer les uns des autres que par l’intensité de cette aversion. Le risque est quant à lui supposé être un phénomène unidimensionnel, mesuré par la caractéristique de L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 81 dispersion (variance) de la distribution de probabilité de la rentabilité. Le modèle est un modèle normatif, c’est-à-dire un outil de prise de décision qui indique à chaque investisseur la solution optimale de son problème, à savoir : la combinaison de titres (le portefeuille) présentant le rapport rendement – risque qui correspond le mieux à son degré d’aversion vis-à-vis du risque. L’idée centrale est ici que tout «risquophobe» rationnel exigera, pour «monter un échelon supplémentaire sur l’échelle du risque», un accroissement de la rentabilité financière plus que proportionnel à l’accroissement du risque auquel il consent, et d’autant plus élevé que son aversion à l’égard du risque est grande. On touche ici à une notion essentielle en « finance de marché » qui est celle de la « prime de risque » : tout taux financier est défini comme étant la somme d’un taux de base qui est le rendement d’un actif financier dénué de risque (un titre de créance à court terme sur l’État, par exemple) et d’une prime de risque, fonction croissante du risque consenti. Sur la base du modèle de Markowitz, considéré comme une représentation simplifiée, certes, mais fondamentalement pertinente du comportement de l’investisseur, la recherche théorique s’est orientée vers l’élaboration d’un modèle permettant de déterminer le résultat de la composition de toutes les décisions individuelles prises. Ce modèle est en conformité avec le modèle normatif. Compte tenu des informations nouvelles qui leur parviennent, les investisseurs vont déterminer périodiquement leur nouveau portefeuille optimal et donc recomposer le portefeuille existant en plaçant des ordres d’achat et de vente. Un « prix d’équilibre » s’établit sur le marché parce que le niveau auquel il se fixe est celui pour lequel le nombre de titres vendus est égal au nombre de titres achetés. Ce prix d’équilibre est donc bien la résultante des décisions individuelles d’achat et de vente de titres exprimées par les investisseurs. Il faut encore rendre compte du fait que, pour un même titre, il y a toujours des opérateurs des deux côtés du marché (l’offre et la demande). Même si les investisseurs sont unanimes sur le risque systématique, et donc sur la rentabilité attendue d’un titre individuel, celui-ci peut s’avérer un composant de portefeuille désirable pour certains investisseurs et indésirable pour d’autres, compte tenu du degré d’aversion au risque L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 82 des uns et des autres. Il convient enfin de préciser tant soit peu les caractéristiques de cette situation d’équilibre. On peut démontrer formellement que, lorsque le marché est en équilibre, c’est-à-dire lorsque les quantités achetées et vendues sont égales pour chacun des titres qui sont traités sur celui-ci, la prime de risque de chaque titre possède une caractéristique particulièrement intéressante. En effet, elle est proportionnelle au niveau de son risque systématique, c’est-à-dire de la portion de son risque qui ne peut être éliminée par une diversification optimale à la Markowitz. Etant donné que certains éléments de nature macro-économique (la conjoncture générale, les décisions de politique économique et budgétaire des autorités publiques, les décisions de politique monétaire de la banque centrale,…) affectent dans le même sens – positif ou négatif – les «fondamentaux» de tous les émetteurs de titres, il est compréhensible que ces facteurs de risque communs à tous les titres, et qui induisent donc un effet de «covariation», ne puissent être éliminés par la diversification. Seuls peuvent l’être les facteurs de risque spécifique à chaque émetteur ou du moins à chaque catégorie d’émetteurs (secteur d’activité économique, par exemple). Le coefficient « bêta », propre à chaque titre, mesure ce risque systématique, et détermine donc la hauteur de la prime de risque de chacun des titres cotés. Il est en même temps une mesure de la « volatilité » ou la variabilité – de la rentabilité: un titre «défensif» («bêta» inférieur à un) répercute de manière atténuée les fluctuations du marché, tandis qu’un titre «agressif» («bêta» supérieur à un) les répercute de manière amplifiée. Ainsi, la stratégie de gestion spéculative de portefeuille appelée « market timing » consiste, pour un investisseur qui est – ou se croit – capable d’anticiper les renversements de tendance du marché, à alourdir au delà de l’optimum son portefeuille en valeurs agressives lorsqu’il anticipe un renversement de tendance à la hausse et en valeurs défensives lorsqu’il anticipe au contraire un renversement de tendance à la baisse. Le modèle théorique de base pour l’évaluation des titres est donc une structure linéaire très simple parce qu’unifactorielle, c’est-à-dire basée sur un déterminant (facteur) unique, à savoir, le degré de risque systématique, mesuré par le coefficient bêta. Il peut être formulé ainsi: le rendement attendu d’un titre est égal au taux financier sans risque majoré d’une prime de risque qui est elle-même le produit de la L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 83 prime de risque moyenne du marché par le coefficient de risque systématique du titre considéré. La prime de risque d’un titre est donc proportionnelle à – autrement dit: est fonction linéaire de – son risque systématique, c’est-à-dire non diversifiable. Ce modèle, partie intégrante de la théorie financière, est appelé le Capital Asset Pricing Model (CAPM) ou Modèle d’évaluation des actifs financiers (MEDAF)11. La modélisation d’ensemble du système financier est ainsi bouclée par la mise en composition des décisions individuelles, et la double condition d’efficience est réalisée. La rationalité de tous les individus, qui est postulée par l’hypothèse d’anticipations rationnelles, induit l’efficience informationnelle (les évaluations individuelles reflètent sans biais les « fondamentaux » économiques). L’organisation adéquate du système de transactions – dont l’archétype est la criée conduite par un commissaire-priseur, et la modalité contemporaine la «criée électronique» – entraîne l’efficience opérationnelle, c’est-à-dire le fait que les prix effectivement pratiqués reflètent sans biais les anticipations rationnelles des investisseurs. Cette affirmation n’est toutefois rigoureusement vraie que pour un marché parfait, c’est-à-dire totalement efficient. Ce cas-limite est, bien sûr, purement théorique. La perfection n’étant jamais atteinte, l’efficience est en pratique une question de degré. Pour que les résultats de la mise en oeuvre de modèles théoriques fondés sur une hypothèse d’efficience totale du marché financier aient un sens et une portée pratique, il faut que les marchés concrets présentent un haut degré d’efficience attesté par les études empiriques. Quelle que soit la forme d’efficience envisagée, des tests réalisés sur différents marchés boursiers internationaux ont cependant mis en évidence certaines anomalies ou poches d’inefficience. Les résultats des premiers tests d’efficience réalisés sur le marché américain au cours des années soixante et des premières années de la décennie suivante se sont révélés massivement favorables à l’hypothèse d’efficience des marchés financiers. Les résultats obtenus par la suite se sont avérés beaucoup plus 11 Voir Sharpe (1964) et Lintner (1965) pour une justification formelle et une démonstration rigoureuse du MEDAF, déduit du modèle de moyenne – variance de Markowitz (1952). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 84 contrastés. Il est difficile de donner à ce tournant une explication claire et surtout univoque. Certains ont avancé, non sans pertinence, que la cause en était le plus haut degré de sophistication des techniques statistiques mises en oeuvre dans les tests économétriques. Sans rejeter cette explication, d’autres ont avancé comme explications, avec – a priori – autant de pertinence, les profonds changements structurels survenus au cours de la décennie soixante dix dans l’économie (entrée en crise du régime de croissance fordiste, flottement généralisé des devises, …). Certains auteurs tels que Shiller (2000) souligne le mode de fonctionnement du marché financier. Il avance la montée en puissance des investisseurs institutionnels et la mise en question des structures conglomérales des groupes industriels, accusées de réaliser une diversification inefficiente au détriment de celle que peuvent réaliser les individus dans leurs choix de portefeuille. D’autres encore ont argué, arguments statistiques à l’appui, que nombre des études de « première génération » avaient été réalisées sur des échantillons de trop petite taille et sur des périodes d’observation trop courtes pour être véritablement significatives d’une part. D’autre part, les travaux sont souvent effectués sur des compositions d’échantillon et des périodes d’observation favorables à l’hypothèse testée [voir par exemple, Fama (1998) et Kothari (2001)]. Toujours est-il que les études subséquentes ont fait apparaître des «anomalies», c’est-à-dire des différences significatives et persistantes entre les rentabilités observées et les rentabilités théoriques calculées sur la base du modèle d’évaluation (MEDAF). En effet, au regard de la théorie, tous les titres de même bêta doivent présenter la même prime de risque. Ce n’est pas ici le lieu de faire la nomenclature de toutes les « anomalies » dont la présence, plus ou moins stable et plus ou moins prononcée, a été détectée depuis un quart de siècle sur la plupart des marchés boursiers, même ceux qui étaient réputés les plus efficients. Un peu partout, on observe de manière persistante, pour un même bêta, une différence marquée – et positive – entre les rentabilités des sociétés cotées de taille relativement petite (dites small caps, faibles capitalisations) et les sociétés de plus grande dimension. Une plus haute prime de risque pour les premières signifie qu’elles présentent, en plus de leur risque systématique mesuré par le bêta, au moins un facteur L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 85 de risque supplémentaire non encore identifié provoquant ce que les économistes appellent une segmentation du marché des titres. Parmi les multiples explications proposées pour ce phénomène, une plus convaincante, quoiqu’objet de controverse, est que les « small caps » présentent un risque de liquidité: vu que les transactions journalières sur ces titres sont de faible volume, tout ordre d’achat ou de vente d’un bloc de titres d’une certaine importance risque de provoquer une variation importante du prix, voire de s’avérer inexécutable. Cette caractéristique rend évidemment ces titres indésirables pour la grande majorité des fonds de placement et des autres investisseurs institutionnels (compagnies d’assurance, fonds de pension, …). Seule une minorité de fonds, très spéculatifs, consentiront à les détenir. La présence persistante de multiples anomalies, dont la prise en compte, en sus du facteur de risque systématique, accroît de manière significative la puissance explicative des modèles économétriques. Celle-ci constitue à l’évidence un défi majeur pour les chercheurs en finance. Fama et French (1992) effectuent une étude où ils prennent en compte le facteur de marché mesuré par le « bêta », le facteur taille et le ratio valeur comptable des fonds propres sur la valeur de capitalisation boursière ou ratio « book-to-market ». Ils obtiennent une inaptitude du facteur «bêta» à expliquer les rentabilités des titres et montrent également la capacité importante d’explication des rentabilités espérées par le ratio « book-to-market ». Fama et French publient peu de temps après un article intitulé « The CAPM is wanted, dead or alive » (Fama et French, 1996b). Fama et French (1992, 1993, 1995, 1996) soulignent l’importance de trois facteurs dans l’explication des actions des entreprises. Ces facteurs sont la prime de marché (rendement excédentaire du marché), la prime de taille (différence entre les rendements d’actions de faible et de forte capitalisation ; SMB, « small minus big ») et la prime reliée au ratio valeur comptable sur valeur marchande des fonds propres (différence dans les rendements de portefeuilles d’actions d’entreprises dont le ratio « book-to-market » est élevé et faible ; HML, « high minus low »). Ces trois facteurs sont alors intégrés dans un modèle à trois facteurs (« Three Factor Pricing Model », TFPM) de type ATP à facteurs pré-spécifiés. Les deux derniers facteurs mesureraient « deux facteurs de risque ou variables d’état contre lesquelles les investisseurs L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 86 voudraient se protéger » (Fama et French, 1996). La prime de taille (« market equity » ou capitalisation boursière) serait liée au degré de liquidité des entreprises ou à la qualité/quantité d’information disponible. La prime liée au ratio « book-to-market » serait liée à un facteur de détresse relative (Chan et Chen, 1991). Les actions dites de valeur (“value stocks”), celles qui ont un ratio « book-to-market » élevé ont en moyenne des rentabilités plus élevées que les actions dites de croissance (« growth stocks » ou « glamour stocks »), c’est-à-dire les actions caractérisées par un ratio « book-to-market » faible. Fama et french (1997) trouvent les mêmes résultats dans sept marchés internationaux et seize marchés émergents. Il semble donc possible d’exploiter ces anomalies de marché, voire de les combiner, pour construire des stratégies de placement qui permettent de générer des rentabilités anormales. La plupart des anomalies de marché ou des caractéristiques des entreprises comme le ratio bénéfice/prix (Basu, 1983), le niveau d’endettement (Bhandari, 1988), le ratio flux monétaire ou croissance passée des ventes (Lakonishok, Shleifer et Vishny, 1994) et les rentabilités passées des 36 derniers mois et plus [De Bondt et Thaler (1985, 1987), Zarowin (1990), Chan (1986, 1988), Ball et Kothari (1989), Maï (1992)] disparaissent lorsque l’on mesure les rentabilités anormales à l’aide du modèle à trois facteurs de Fama et French (1993). A l’exception de la performance passée à court terme des actions (« momentum ») [Jegadeesh et Titman (1993), Asness (1994), Jegadeesh, Lakonishok et Titman (1995)], le modèle capture la plupart des anomalies de marché (Fama et French, 1996a). Toutefois, Fama et French (1996b) soulignent que la faible capture de leur modèle tri-factoriel de l’anomalie « momentum » pourrait être due au biais de trituration de données. Si Fama et French (1992, 1993, 1996a, 1996b, 1997) annoncent la mort du MEDAF et soutiennent que ces résultats sont cohérents avec un modèle rationnel d’évaluation des titres, d’autres avancent au contraire que ceci est dû à une valorisation irrationnelle [sur-réaction pour Lakonishok, Shleifer et Vishny (1994), voire de l’irrationalité pour Daniel et Titman (1997)], à des problèmes de données : biais de survie dans Compustat (Kothari, Shanken et Sloan, 1995), trituration des données ou « data snooping ou data mining » [Black (1993) et Lo et McKinlay (1990)], données extrêmes (Knez, 1997) ou période d’étude jugée très courte pour annoncer la disqualification ou la mort du bêta (Chan et Lakonishok, L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 87 1993)). Enfin, certains demeurent sceptiques quant aux potentiels d’une stratégie d’investissement basée sur les actions de valeurs et les actions de croissance (Loughran, 1997). Malgré de nombreuses controverses, le MEDAF et ses extensions sont à ce jour les seuls modèles théoriques robustes pour l’évaluation des titres risqués. En effet, les modèles construits récemment sont multifactoriels. A la prime de risque de base du modèle fondamental commandée par le risque systématique et mesurée par le coefficient bêta), viennent s’ajouter diverses primes de risque commandées par des facteurs de sous-évaluation ou de sur-évaluation. Finalement, tous les modèles actuels se basent sur le MEDAF, une attitude prudente de compromis compréhensible. Le tableau 2.1 présente les principales études sur les anomalies en coupe transversale observées sur les marchés financiers. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 88 Tableau 2.1 - Principales études sur les anomalies (en coupe transversale) ETUDES, ECHANTILLON AUTEURS (Marchés METHODOLOGIE FACTEURS PRINCIPAUX RESULTATS - Les portefeuilles aux PER les plus élevés présentent une prime en moyenne de 5,65% alors que celle des portefeuilles aux PER financiers, Période d’étude, Nombre de sociétés…) Basu (1977) NYSE (1956-1971) - Application de la mesure de Jensen à 5 portefeuilles - PER Plus de 700 sociétés équipondérés, constitués par les quintiles de la - Risque mesuré les plus faibles est de 12,6% en moyenne, les primes croissant quasi-proportionnellement à la décroissance du PER : effet PER. Etats-Unis distribution des PER et « rebalancés » annuellement au le - Les bêtas moyens décroissent de 1,11 pour les portefeuilles aux PER les plus élevés à 0,98 pour les portefeuilles aux PER les début de chaque mois d’avril. Bêta plus faibles, tandis que la mesure Jp passe de -3,3%. coefficient - Rentabilité anormale Banz (1981) NYSE (1926-1975 ) - Constitution de 25 portefeuilles, constitués par les - Taille mesuré La rentabilité des valeurs de petite capitalisation apparaît significativement plus forte que celle des valeurs de forte capitalisation : Etats-Unis quintiles de la distribution des capitalisations boursières par la effet taille. puis chaque quintile est constitué en 5 portefeuilles sur la capitalisation base des bêtas et « rebalancés » mensuellement. boursière - Régression transversale l’action - Rentabilité anormale - Risque mesuré le de coefficient Bêta Reinganum NYSE – AMEX (1963- - Les déciles de portefeuilles sont constitués sur la base des - Taille (1981) 1977) capitalisations boursières et sur la base des PER. - PER Etats-Unis - Rentabilité anormale - Risque Jaffee, Keim et NYSE – AMEX (1956- - Les déciles de portefeuilles sont constitués sur la base des - Taille Westerfield 1986) capitalisations boursières et sur la base des PER et - PER - L’essentiel de la rentabilité en excès constatée pour les petites capitalisations est concentrée au mois de janvier ; en revanche (1989) Etats-Unis « rebalancés » mensuellement en distinguant le mois de - Risque l’excès de rentabilité constaté pour les titres de faible PER est réparti sur toute l’année. janvier au reste des autres mois. - Janvier - Rentabilités anormales importantes quelle que soit la taille des firmes, pour des sociétés ayant eu des résultats négatifs dans un - Taille - un effet bénéfices négatifs Jacquilllat Derbel Base de données AFFI – - - Les portefeuilles sont constitués sur la base des et SBF (1980 –1989) France (1991) - Existence à la fois un effet taille et un effet PER. passé récent. - Rentabilité anormale Hamon, L’effet PER disparaît lorsque des précautions suffisantes sont prises pour contrôler la taille capitalisations boursières et sur la base des PER et - PER L’essentiel de la rentabilité enregistrée par les titres à EPR (inverse de PER) négatif, l’est dans le mois de janvier suivant la rebalancés annuellement . - Risque formation des portefeuilles et cet effet EPR négatif apparaît ainsi comme une manifestation de l’effet janvier. - Rentabilité anormale - Janvier - Toutes tailles confondues et en ignorant les exercices déficitaires, la rentabilité est positivement liée au ratio EPR. La rentabilité annuelle de portefeuille constitué fin mars est de 44% pour le tiers des titres caractérisés par une forte valeur du ratio EPR contre 24% pour le tiers des portefeuilles des titres de faible EPR. Cet effet EPR disparaît toutefois lorsque les différences de taille sont prises en considération dans une approche multivariée. Les variables EPR et capitalisation sont fortement corrélées et l’effet EPR n’apparaît être que la manifestation d’un effet taille suivant lequel une forte rentabilité est associée aux titres de faible capitalisation. Girerd-Potin RM (1977 – 1987) (1992) Marché boursier français - Les portefeuilles sont constitués sur la base des - Taille capitalisations boursières et rebalancés mensuellement . - Risque - Rentabilité anormale - Janvier L’impact de l’annonce de bénéfices sur le marché financier français. La rentabilité mensuelle des petites capitalisations sont très supérieures à celle des grosses capitalisations (2,05% contre 1,16%). Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature - Des 4 variables fondamentales considérées (PER, ratio cours sur flux de trésorerie, capitalisation critères retenus (capitalisation boursière, PER, ratio book-to- - Risque boursière, ratio book-to-market,), le ratio cours sur flux de trésorerie et le ratio book-to-market ont un market) et rebalancés annuellement fin juin. - book-to-market impact sérieux positif sur les rentabilités des titres japonais. Le facteur ratio cours sur flux de trésorerie - Rentabilité anormale - PER est plus significatif que le facteur ratio book-to-market : l’effet cash-flow sur cours est prépondérant sur - Régression transversale (méthode de Fama et MacBeth (1973)) - Levier financier tous les autres effets. TSE (Tokyo Stock - 64 portefeuilles au total sont constitués Lakonishok Exchange) (1991) 1971 à (Janvier Décembre 1988). 89 - Taille Chan, Hamao et suivant l’un ou les - Cours sur flux de trésorerie et - Les portefeuilles sont constitués par décile suivant l’un des - Taille - Le bêta a un rôle faible dans l’explication des rentabilités en coupe transversale, même quand il NASDAQ (1963 – critères retenus (capitalisation boursière, PER, ratio cours/flux de - Risque constitue l’unique variable explicative. 1990) trésorerie, ratio book-to-market, levier financier) et rebalancés - book-to-market - Il y a une corrélation négative entre le ratio book-to-market et la taille, de même, il y a une corrélation annuellement. - PER positive entre le ratio book-to-market et le taux d’endettement. - Rentabilité anormale - Levier financier Fama et French NYSE, (1992) AMEX - La taille et le ratio book-to-market explique mieux la rentabilité des titres par rapport aux variables telles le PER, le levier financier et le bêta. - Régression longitudinale [méthode de Black, Jensen et Scholes (1972), désormais (BJS, 1972)] - Le ratio book-to-market est un « proxy » pour la rentabilité en coupe transversale d’un titre : - Régression transversale (méthode de Fama et MacBeth (1973)) Fama et French NYSE, (1993) - Test d’un modèle à trois facteurs pour l’explications des - Taille - Proposition d’un modèle linéaire à trois facteurs d’explication de la rentabilité des actions : NASDAQ (1963 – AMEX et rentabilités des actions et des obligations. - Risque les facteurs capitalisation boursière et ratio VC/VM expliquent les comportements des rentabilités en 1991) - Les portefeuilles sont constitués par décile suivant l’un des - book-to-market coupe transversale des différentes catégories de titres ; l’excès de rentabilité des portefeuilles d’actions critères retenus (Levier financier, PER, capitalisation boursière et - TERM est la différence entre la par rapport au placement à taux sans risque est capturé principalement par le facteur de marché : le ratio book-to-market,) et rebalancés annuellement en juin. rentabilité des obligations d’état à long bêta. - Rentabilité anormale terme et le bond du trésor à 1 mois - Les rentabilités des portefeuilles d’obligations sont essentiellement expliquées par les deux facteurs - Régression longitudinale ( méthode de BJS (1972)) (équivalent à une prime de maturité) liés aux taux d’intérêt (TERM et DEF). - Régression transversale (méthode de Fama et MacBeth (1973)) - DEF est la différence derentabilité entre les obligations d’état et un indice d’obligations à rentabilité élevée (équivalent à une prime de signature) Fama et French NYSE, (1995) et - Les portefeuilles sont constitués par décile suivant l’un des - Taille - Les firmes avec des bénéfices faibles présentent un ratio VC/VM élevé : ce sont des valeurs d’actifs ; NASDAQ (1963 – AMEX critères retenus (Levier financier, PER, EPS, capitalisation - Risque et les firmes avec des bénéfices élevés présentent un ratio VC/VM faible : ce sont les valeurs de 1991) boursière et ratio book-to-market,) et rebalancés annuellement en - book-to-market juin. - Bénéfice par action croissance. - le ratio book-to-market traduit une certaine détresse ou vulnérabilité économique énoncé par Chen et Chan (1988, 1991). - Rentabilité anormale - Régression longitudinale ( méthode de BJS (1972)) - Régression transversale (méthode de Fama et MacBeth (1973)) Fama et French NYSE, (1996a) AMEX et - Les portefeuilles sont constitués par décile suivant l’un des - Taille - Les anomalies de rentabilité contredisant le MEDAF incluant l’effet gagnant-perdant à long terme de NASDAQ (1963 – critères retenus (Levier financier, PER, taux de croissance du - Risque De Bondt et Thaler (1985) sont souvent liés et capturés par le modèle à tri-factoriel de Fama et French 1991) chiffre d’affaires, rentabilité à long terme des prix passés, (1993), à l’exception de la persistance des rentabilités à court terme de Jegadeesh et Titman (1993). capitalisation boursière et ratio book-to-market,) et rebalancés annuellement en juin. - Rentabilité anormale - Régression longitudinale ( méthode de BJS (1972)) - Régression transversale (méthode de Fama et MacBeth (1973)) L’impact de l’annonce de bénéfices sur le marché financier français. - book-to-market Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature NYSE, AMEX et NASDAQ (1929 – Davis, Fama et 1997) 90 - Six portefeuilles de titres sont constitués sur la base de la capitalisation - Taille - La relation positive observée dans Fama et French (1992) entre le ratio book-to-market et la boursière et du ratio book-to-market. Les titres de l’échantillon sont répartis en - Risque rentabilité du titre sur la période 1963 – 1990 donc le ratio VC/VM comme un « proxy » de la French deux groupes (S pour petite, B pour grande) suivant la capitalisation boursière - (1999) et répartis de même par tiers (L pour faible (30%), M pour moyen (40%) et H market book-to- rentabilité du titre est aussi vérifiée et confirmée sur la période 1929 – 1963. (30%) pour élevé) et rebalancés annuellement en juin. - Rentabilité anormale - Régression longitudinale - Régression transversale Capaul, Rowley (Allemagne, - Les portefeuilles sont constitués par décile suivant l’un des critères retenus - Taille Grande-Bretagne, France, Suisse, Etats- (capitalisation boursière, PER, ratio cours/flux de trésorerie, ratio book-to- - Risque Unis et Japon) (1981 – 1992) market, levier financier) et rebalancés annuellement. - - Rentabilité anormale market - Régression longitudinale ( méthode de BJS (1972)) - PER Six et Sharpe bourses de valeur (1993) - Les portefeuilles à ratio book-to-market élevé ont des rentabilités supérieures aux portefeuilles à faible ratio book-to-market. book-to- - Régression transversale (méthode de Fama et MacBeth (1973)) Fama - Les portefeuilles sont constitués par décile suivant l’un des critères retenus - Taille (capitalisation boursière, PER, ratio cours/flux de trésorerie, ratio book-to- - Risque supérieure de 7,68% avec une statistique t de 3,45 aux portefeuilles de titres à faible ratio book-to- Hong- market, levier financier) et rebalancés annuellement. - market. Italie, - Rentabilité anormale market Belgique ] (1974 – 1994) - Régression longitudinale ( méthode de BJS (1972)) - PER - Base de données CRSP pour les USA et - Régression transversale (méthode de Fama et MacBeth (1973) et - Treize marchés boursiers [ USA, Japon, French Grande-Bretagne, Suisse, (1998) Allemagne, Suède, Australie, Singapour, Hollande, Kong, France, - Les portefeuilles de titres à ratio book-to-market élevés présente une rentabilité moyenne annuelle book-to- MSCI de Morgan Stanley pour les pays autres que USA. L’her et TSE 300 (1966 – 1996) Suret (1999) Marché canadien - Les portefeuilles sont constitués sur la base des capitalisations boursières et du - Taille - Les primes mensuelles reliées aux anomalies de marché que sont la taille des firmes et le ratio ratio book-to-market et rebalancés mensuellement. book-to-market sont de même ordre de grandeur que celles obtenues dans d’autres pays (0,676% et 351 entreprises - Book-to- market / valeur 0,616%). intrinsèque - Les stratégies de placement fondées sur les entreprises ayant une faible capitalisation boursière et - Risque un ratio valeur comptable/valeur marchande des fonds propres élevé permettent de générer un - rendement mensuel de 2,46%. A l’inverse, les stratégies de placement fondées sur les entreprises ayant une forte capitalisation boursière et un ratio valeur comptable/ valeur marchande des fonds propres faible permettent de générer un rendement mensuel moyen de 0,84%. - la valeur intrinsèque (V) obtenue à partir du modèle d’évaluation des fonds propres basé sur les bénéfices résiduels (Edwards-Bell-Ohlson) établit une relation formelle entre V et le ratio VC/VM. Elle établit une large part de la capitalisation boursière des entreprises canadiennes, toutefois, les valeurs obtenues sont en moyenne plus faible que les capitalisations observées. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 91 2.1.2 Les études d’événements Les tests d’études d'événements sont des tests d'efficience des marchés financiers au sens semi-fort. L’objet de ces tests est de déterminer si les prix intègrent rapidement les diverses informations publiques. La littérature moderne sur les tests d’études d'événements commence avec Fama et al. (1969) et Ball et Brown (1968), qui étudient l’impact de la distribution des actions gratuites et des annonces de bénéfices sur le comportement des rentabilités des actions12. Depuis lors, diverses études événementielles ont été conduites en finance. Il y a deux types d’études d'événements: les études d’événements sur le court terme et les études d’événements sur le long terme. Les résultats des études événementielles sur le court terme sont nettes, mais celles sur le long terme ne font pas le consensus du fait des difficultés méthodologiques de leur réalisation. Les sections qui suivent discutent les questions saillantes de chaque type d'étude. 2.1.2.1 Les études d’événements à court terme Les études d'événements sur le court terme fournissent des résultats relativement cohérents avec l'efficience des marchés boursiers, en particulier quand l'échantillon de firmes est disparate et les dates d’annonces des événements ne sont pas groupées en temps calendaire. Les rentabilités anormales intra-journalières ou journalières ou hebdomadaires des événements telles que les annonces de bénéfices, les irrégularités comptables, les fusions-acquisitions, les distributions des dividendes suggèrent une réaction rapide du marché à l’information disponible. Dans certains cas, la réaction semble incomplète et il y a une tendance qui contredit l'efficience du marché. Dans une étude d’événements à court terme, les chercheurs font face à peu de problèmes de sous-évaluation ou sur-évaluation de la rentabilité espérée (Brown et Warner, 1985). La rentabilité anormale journalière prévue est environ de 0.05% ou la plupart des cas moins de 0,01% à 0,02%. Ainsi, la sous-évaluation ou la sur-évaluation 12 Dolley (1933) a été le premier à présenter une étude d'événements (dans Kothari, 2001). Comme Fama et al. (1969), il teste les effets de distribution d’actions gratuites sur les prix. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 92 de la rentabilité serait due à un calcul erroné du facteur risque [Scholes et Williams (1977) et Dimson (1979)]. Selon Kothari (2001), cette rentabilité anormale est faible relativement à une rentabilité anormale moyenne de 0,5% ou plus, généralement rapportée dans les études événementielles. Toutefois, il existe un souci de signification de la réaction moyenne du marché boursier autour de la date d’annonce au cas où l'événement pourrait induire une augmentation de la variabilité de la rentabilité (voir par exemple, Beaver (1968) pour les rentabilités anormales autour de la date d’annonce des bénéfices). Les tests qui n’expliquent pas la variabilité accrue de la rentabilité rejettent l'hypothèse nulle d’une rentabilité anormale moyenne nulle [par exemple, Christie (1991) et Collins et Dent (1984)]. L'utilisation des modèles en coupe transversale atténue considérablement le problème potentiel résultant d'une augmentation de la variabilité de la rentabilité autour de la date d’annonce de l’événement. 2.1.2.2 Les tests d’études d’événements à long terme Les études d'événements à long terme examinent si les rentabilités anormales à long terme suite à une décision financière sont systématiquement non nulles pour un échantillon de sociétés. Ces études supposent que le marché peut sur-réagir ou sousréagir à l’information récente en raison du comportement apparemment irrationnel du marché et des frictions sur le marché. Les sources de la sous-réaction et sur-réaction sont dues aux biais de jugement humain dans le traitement de l'information. Il y a un composant systématique émotionnel des cours boursiers de sorte que leurs valeurs dévient de leurs valeurs fondamentales. Des études récentes modélisent les prix des titres sous les hypothèses de biais comportementaux des investisseurs pour expliquer l’inefficience apparente du marché [voir par exemple, Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subrahmanyam (1998) et Hong et Stein (1999)]13. Les résultats récents en finance suggèrent des rentabilités anormales vraisemblablement importantes réparties sur plusieurs années suivant des événements comme les annonces de bénéfices, les 13 Voir les sections 4.3.1, 4.3.2 et 4.3.3 du chapitre 1 pour plus de détails. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 93 introductions en bourse, les émissions d’actions nouvelles et les prévisions à long terme des analystes. Ces recherches posent un défi considérable à l'hypothèse d’efficience des marchés financiers. Cependant, avant de conclure à une inefficience des marchés financiers, il est important de souligner que les études d'événements à long terme souffrent d’au moins trois problèmes: les problèmes de mesure du risque, les problèmes de données et la formulation d’une hypothèse nulle d'inefficience des marchés14. 2.1.2.3 L’estimation erronée Les facteurs de risque et la mesure du risque du risque peut produire économiquement et statistiquement des significations importantes des rentabilités anormales apparentes parce que la période de mesure de la performance du titre est longue. Une sousestimation ou une sur-estimation du risque peut surgir parce que la sensibilité à un facteur de risque est mesurée inexactement ou parce qu'un facteur de risque approprié est omis du modèle des rentabilités espérées. Les erreurs aléatoires dans l’évaluation du risque des actions ne sont pas un problème sérieux parce que presque toutes les études examinent la performance d’un portefeuille d’arbitrage15. L’estimation incorrecte du risque est un problème si les erreurs aléatoires des titres du portefeuille considéré sont autocorrélées. Cette éventualité est possible en raison de la nature endogène des événements « économiques », c’est-à-dire que le sous-ensemble des titres éprouvant un événement économique, n'est pas conforme de manière aléatoire à l’ensemble des titres. La performance typiquement inhabituelle précède l’événement et les changements de risque sont associés à la performance passée [par exemple, French, Schwert et Stambaugh (1987), Chan (1988), Ball et Kothari (1989), Ball, Kothari et Watts (1993), et Ball, Kothari et Shanken (1995)]. 14 Pour une discussion détaillée des problèmes conceptuels et empiriques des études d’événements à long terme, voir Barber et Lyon (1997), Kothari et Warner (1997), Fama (1998), Lyon, Barber et Tsai (1999) et Loughran et Ritter (2000). 15 Les erreurs aléatoires dans l'évaluation du risque et des rentabilités anormales peuvent être ainsi un problème sérieux si le chercheur corrèle les rentabilités anormales aux variables des titres comme les données financières et les substituts des frictions du marché. L'erreur aléatoire affaiblit la corrélation et la robustesse du test (Kothari, 2001). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 94 Quant aux biais potentiels dans l’estimation de la rentabilité anormale en raison des facteurs de risque omis, la littérature financière n'est pas encore fixée sur les facteurs de risque et leurs mesures des titres évalués. Pour ces raisons potentielles, la sous-évaluation ou la sur-évaluation des rentabilités espérées des titres dans les études d’événements, surtout des études d’événements à long terme, demeure une préoccupation importante. Ainsi, la distinction entre l’inefficience du marché et un modèle d’évaluation de la rentabilité espérée des titres inadéquat est difficile dans des études d'événements à long terme. 2.1.2.4 Les problèmes de données Une variété de problèmes de données perturbe les études d'événements (à long terme) et rend difficile leur interprétation. (i) Les biais du survivant et de trituration de données peuvent affecter sérieusement les études des performances à long terme des titres, particulièrement quand les données comptables et financières (par exemple, cours des actions, ratios financiers, etc.) sont utilisées dans les tests d’efficience des marchés boursiers [voir Lo et MacKinlay (1990), Kothari, Shanken et Sloan (1995), Kothari, Sabino, et Zach (1999)]. Puisque diverses études analysent les données financières et les rentabilités pour le sousensemble suivi, les problèmes déductifs surgissent en raison du biais potentiel du survivant dans les données. Il n'est pas rare d'observer que 50% ou plus de l'échantillon initial des titres ne survit pas sur la période d’étude surtout si celle-ci est longue. (ii) Les problèmes d’inférence statistique surgissent dans les études des performances à long terme. Des rentabilités sur le long terme des titres de l’échantillon considéré tendent à s’auto-corréler même si l'événement n'est pas parfaitement groupé en temps calendaire [Bernard (1987), Brav (1999)]. Les rentabilités à long terme sont fortement biaisées, ce qui pose des problèmes en utilisant les tests statistiques qui assument la normalité [voir Barber et Lyon (1997), Kothari et Warner (1997), Brav (1999)]. En raison L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 95 des propriétés statistiques des données de rentabilités, la littérature soulève des questions si la mesure de rentabilité appropriée est la méthode « buyand-hold » ou la méthode des rentabilités cumulées sur une longue période [voir Ball (1983), Blume et Stambaugh (1983), Conrad et Kaul (1993), Fama (1998), Mitchell et Stafford (2000)]. Loughran et Ritter (2000) discutent les problèmes additionnels d'inférence qui surgissent parce que la synchronisation des événements est endogène. Par exemple, la vague constatée des introductions en bourse n’est-elle pas due à des périodes propices à une introduction parce que les émetteurs croient que le marché est sur-évalué et/ou euphorique et/ou il y a des périodes de meilleurs investissements. En conséquence, il est possible que les choix erronés de la période de la décision financière occasionnent la sous-évaluation ou la surévaluation des titres en période d’événements car les fondamentaux des titres (par exemple, les facteurs marché, taille et ratio valeur comptable sur valeur marchande du titre) ont été affectés. De ce fait, les résultats des tests d'efficience des marchés financiers sont faussés. (iii) L'asymétrie et l’aplatissement des variables financières (les rentabilités et/ou les bénéfices) couplés à leur aspect non aléatoire dans les bases de données et le biais du survivant des données peuvent produire une performance anormale apparente et une fausse association entre les variables antérieures de l'information comme les prévisions de croissance des analystes et la performance a posteriori sur le long terme (voir Kothari, Sabino et Zach, 2000). Dans les études d’événements à long terme, il n'est pas rare de rencontrer la disponibilité des données pour moins de 50% de l'échantillon initial l'un ou l'autre parce que les données financières post-événementielles sont indisponibles ou parce que les sociétés ne survivent pas après l’événement. Si ce déclin dans la dimension de l'échantillon n'est pas aléatoire, en ce qui concerne la population initiale des titres éprouvant l’événement, alors les résultats issus de l’échantillon extrait par le chercheur peuvent être incorrects (Kothari, 2001). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 2.1.2.5 96 Une théorie d'inefficience des marchés financiers et de spécification de l'hypothèse nulle En plus des problèmes potentiels de mesure du risque et de données discutés cidessus, il y a un autre défi relatif aux des conclusions définitives au sujet de l’efficience des marchés financiers. Tandis qu'une grande partie de la recherche conclut à l'inefficience des marchés, davantage de progrès reste à accomplir si les études développent une théorie qui prévoit un comportement de rentabilité particulière et fondée sur une hypothèse d’inefficience des marchés financiers comme hypothèse nulle. Les travaux devraient alors concevoir des tests robustes qui ne rejettent pas cette hypothèse nulle. Cependant, il y a toujours un besoin de théorie bien développée du comportement naïf d'investisseurs qui peut être soumise à un test empirique dans d'autres contextes ou une théorie qui serait utile en expliquant les rentabilités anormales observées. Actuellement, l’hypothèse nulle d'efficience des marchés est rejetée dès qu’on observe une rentabilité anormale positive ou négative. Une théorie de l'inefficience des marchés financiers devrait indiquer les conditions sous lesquelles la sous-réaction et la sur-réaction du marché sont prévues. Par exemple, pourquoi le marché sous-réagit ou sur-réagit-il aux annonces des résultats annuels ou trimestriels ? Certaines études suggèrent que l'inefficience serait corrigée rapidement, tandis que d'autres arguent que cette inefficience est persistante. Par exemple, Thomas (1999, p. 19) dans son analyse de la capacité du marché à traiter les informations sur la persistance du composant extérieur des bénéfices, énonce que “… L’hypothèse de la sous-évaluation expliquerait les rentabilités anormales à court terme et celle de la non identification du risque expliquerait les rentabilités anormales à court et long terme ” Si les coûts de transaction, les valeurs institutionnelles et d'autres caractéristiques relatives empêchent l'incorporation rapide de l'information dans le cours des actions, alors les études à long terme devraient tester s'il y a une relation L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 97 positive entre l’horizon sur lequel les rentabilités anormales sont évaluées, et les substituts environnementaux de l’information. Kothari (2001) suggère que si les titres à forte capitalisation boursière ont des rentabilités anormales positives sur plusieurs années, ce résultat validerait l’hypothèse de l'inefficience des marchés financiers. Un autre motif important de la demande d'une théorie de l'inefficience des marchés boursiers est de connaître les causes de l’inefficience, c’est-à-dire, les explications des écarts entre les valeurs fondamentales et marchandes des titres. Par exemple, maintes études empiriques valident le pouvoir prédictif des rentabilités à partir des fondamentaux du titre à l’aide du modèle résiduel de bénéfice (voir Lee, 1999). Cependant, le modèle résiduel de revenu ou le modèle d'escompte de dividende fournissent peu de conseils en termes de prévision des rentabilités futures en utilisant des valeurs intrinsèques estimées. Une telle prévision nécessite une théorie qui expliquerait la cause des déviations des prix des valeurs intrinsèques, donc que la théorie peut être testée empiriquement. La théorie utiliserait les biais comportementaux ou les frictions du marché des investisseurs pour prévoir les déviations des prix des valeurs mobilières de leurs valeurs intrinsèques. 2.1.2.6 L’étude de Fama, Fisher, Jensen et Roll (1969) Fama et al. (1969) ont entrepris la première étude d'événements complète dans les sciences économiques financières. Les résultats de Fama et al. (1969) ont été conformes à la thèse de l’efficience des marchés où les prix reflètent parfaitement les cash-flows futurs. La division d’action en tant que telle n’a aucun effet sur la richesse des actionnaires. Les études d'événements sont des tests joints de l’hypothèse d'efficience du marché et d’un modèle d’évaluation des rentabilités espérées utilisé en estimant des rentabilités anormales. La méthodologie de recherche de Fama et al. (1969) a permis aux chercheurs de tester la forme semi-forte de l’efficience des marchés. Dans ces tests, on adopte la méthode dite des « résidus » qui consiste à mesurer la rentabilité financière boursière anormale ou le résidus moyen en période d’information. Le calcul des résidus moyens (rentabilités anormales moyennes) rend L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 98 compte de la persistance ou non de la rentabilité anormale au-delà de ce moment. C’est cette méthode que Beaver (1968) et Ball et Brown (1968) ont utilisé pour étudier les réactions à la publication des bénéfices du marché financier. 2.2 Les études de Beaver (1968) et Ball et Brown (1968) Les études de Ball et Beaver (1968) et Beaver (1968) sont les premières études qui ont mesuré la réaction du marché financier (américain) lors de l'annonce des résultats annuels. L'objectif de ces études était de tester si l'annonce des résultats est utile à la prise de décision des investisseurs ou non. En d'autres termes, il s'agissait de vérifier si l'annonce des résultats apporte de nouvelles informations susceptibles de modifier le comportement des investisseurs ou si au contraire elle n'a aucun effet du fait que les investisseurs ont déjà connaissance du contenu informationnel des résultats bien avant leur publication. Ces auteurs réalisent une étude d’événement. Ball et Brown (1968) analysent l’impact des résultats annuels de deux cent soixante et une sociétés américaines pour une période de vingt ans sur les cours boursiers. Un modèle économétrique a été construit pour chaque entreprise afin de prévoir les résultats futurs. En particulier, Ball et Brown (1968) utilisent deux modèles d'espérance de bénéfices: un modèle simple de promenade aléatoire et un modèle de marché des résultats. Sur la base de ces prévisions, les résultats réels ont été classés en deux catégories selon qu’ils étaient supérieurs ou inférieurs aux résultats prévus. Le bénéfice surprise est l’écart potentiel entre le bénéfice réalisé d’une année donnée et le bénéfice prévu de l’année précédente. Plus formellement, le bénéfice surprise de l’année t se calcule comme suit : Bénéfice surpriset = Bénéfice réalisét − Bénéfice prévut−1 (4) L’impact des résultats sur les variations de cours a été étudié. Les rentabilités anormales moyennes cumulées ont été étudiées dans les douze mois qui précédent et les six mois qui suivent chaque annonce annuelle. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 99 Ball et Brown (1968) tirent trois résultats de leur étude. Premièrement, leur modèle de prévisions de bénéfices spécifié permet de fournir une mesure « propre » des surprises de bénéfice. Deuxièmement, ces auteurs associent les signes des rentabilités anormales mensuelles aux signes des bénéfices surprises. Ils trouvent une corrélation sensiblement positive : les sociétés qui eurent des résultats décevants ou les titres à « mauvaises nouvelles » ont vu leurs cours baisser anormalement dans les mois qui précèdent l’annonce publique et inversement pour les sociétés qui publièrent des résultats inespérés ou les titres à « bonnes nouvelles ». Troisièmement, l’ajustement du cours boursier est pratiquement inexistant après l’annonce publique des résultats. La moyenne des résidus devient à peu près nulle pour chacun des deux sous-échantillons. Ainsi, la force de l'association entre les rentabilités anormales suivant la période d'annonce des bénéfices et la surprise de bénéfices est fonction de la teneur en information des résultats et de la qualité du modèle d'espérance de résultats utilisé. Beaver (1968) évite le problème de spécification d’un modèle de prévisions de bénéfices en examinant la variabilité des rentabilités des titres et du volume d’échange autour des dates d’annonce des résultats. Précisément, Beaver (1968) relie la mesure du contenu informationnel de l’annonce préliminaire à sa capacité à agir sur les anticipations des flux futurs de l’entreprise par les investisseurs. En étudiant les effets de l’annonce publique sur les prix et les volumes de l’échange, Beaver (1968) assimile la variation des prix aux changements des croyances communes des investisseurs et le volume de transaction à la divergence informationnelle entre ces derniers. Ainsi, il montre l’existence de rentabilités et de volumes anormaux suite à la publication des résultats annuels sur les marchés américains. Les travaux de Ball et Brown (1968) et Beaver (1968) ont été les études séminales à l’évaluation empirique de l'utilité décisionnelle des données comptables. Ces études utilisent l’hypothèse d'efficience des marchés de capitaux et la méthodologie des études d'événements. Elles avaient pour objectif de mettre en évidence la réaction du marché, sous la forme de rentabilités anormales, à la publication d'informations comptables (rapports annuels ou intérimaires). Ces travaux L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 100 mettent surtout en évidence l'importante anticipation par le marché du contenu informationnel des données comptables bien avant leur divulgation dans les états financiers et établissent que le contenu informationnel pour le marché se limite au seul résultat. De même, mettant en cause l’utilité présumée des «nombres comptables» et de leur pertinence pour la prise de décision, ces résultats ont engendré un courant de recherche suggérant leur utilité contractuelle (Watts et Zimmerman, 1986) et privilégiant le rôle disciplinaire de la comptabilité. Il s’agit de la théorie positive des sciences comptables, mais cette recherche dépasse le cadre de ce travail. Ball et Brown (1968) analysent la teneur en association et en information des annonces de résultats concernant les rentabilités des titres. Ils ont également testé l’hypothèse d’efficience des marchés financiers en examinant la réaction impartiale et rapide des bonnes et des mauvaises nouvelles sur les cours boursiers. Ils trouvent une dérive post-annonce des résultats parce que l'ajustement du marché aux mauvaises nouvelles est lent. Ceci suggère soit une sous-réaction soit un ajustement progressif suivant le contenu informationnel des résultats. Par la suite, plusieurs études empiriques ont relayé l’étude de Ball et Brown (1968). Ce sont les travaux de Jones et Litzenberger (1970), Litzenberger, Joy et Jones (1971), Foster, Olsen et Shevlin (1984) et les études de Bernard et Thomas (1989, 1990) que nous passons en revue dans la section 2.3. 2.3 Les études post 1968 sur les réactions aux annonces de bénéfices: Bernard et Thomas (1989) et autres A la suite des études de Ball et Brown (1968) et Beaver (1968), d'autres études ont été réalisées et ont abouti aux même résultats. Ces études confirment que l'annonce des résultats annuels ou trimestriels ont un contenu informationnel. Parmi ces études, les plus complètes sont celles de Bernard et Thomas (1989, 1990). Au début des années 70, trois études co-écrites par Jones [Jones et Litzenberg (1970), Latané, Joy et Jones (1970), Latané, Jones et Rieke (1974)] portent sur le L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 101 contenu informationnel des surprises de bénéfices. Ils ont considéré les publications de bénéfices trimestriels. Ces études confirment les résultats de Ball et Brown (1968). Joy, Litzenberger et McEnally (1977) et Latané et Jones (1977, 1979) approfondissent les études précédentes. Les prévisions des bénéfices sont évaluées par l’extrapolation des résultats trimestriels passés. Tous ces travaux fournissent une évidence de l’impact des annonces de bénéfices sur les rentabilités des titres et ils valident l’efficience des marchés financiers. Au début de l’année 1980, Reinganum (1981) s’interroge sur l’impact de l’interaction de la taille et des surprises bénéfices sur les rentabilités des titres. Cette étude multivariée conclut à un contenu non informationnel des annonces de bénéfices sur la période d’étude c’est-à-dire sur la période du quatrième trimestre de l’année 1975 au troisième trimestre de l’année 1977. Pour Reinganum (1981), l’anomalie « surprise de bénéfice » masquerait l’effet taille. Une étude de Rendleman, Jones et Latané (1982) confirme le phénomène des surprises des résultats sur 36 trimestres, du troisième de l’année 1971 au second trimestre de l’année 1980. Leur étude, qui inclut la courte période d’étude de Reinganum (1981), suggère que la non observation de l’anomalie « surprises de bénéfices » par Reinganum (1981) est due à l’utilisation de tests statistiques non robustes. Rendleman et al. (1982) montrent que sur leur période d’étude, la différence de rentabilités cumulées sur trois mois entre les titres à meilleures surprises de bénéfices et celles des titres à piètres surprises de bénéfices est de 5.91% un mois après l’annonce des bénéfices. Ils obtiennent aussi des résultats identiques lorsqu’ils se confinent à la période d’étude de Reinganum (1981). Ils obtiennent une différence de rentabilités cumulées sur trois mois entre les titres à meilleures et piètres surprises de bénéfices de 5.57%, un mois après l’annonce des résultats. Par la suite, plusieurs études ont été effectuées sur la réaction du marché aux annonces des résultats. Nous pouvons citer les travaux de Rendleman, Jones et Latané (1984, 1985), Foster, Olsen et Shevlin (1984), Freeman et Tse (1989), Bernard et Thomas (1989, 1990). La plupart de ces études confirment les résultats pionniers de Ball et Brown (1968), mais l’étude la plus complète et la plus critique sur l’hypothèse d’efficience des marchés est celle de Bernard et Thomas (1989). Elle remet en cause L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 102 l’hypothèse de l’efficience des marchés financiers sous la forme semi-forte alors que la plupart des études avait validé ladite hypoyhèse à cette époque. Les graphiques 2.1, 2.2, 2.3 et 2.4 de l’annexe 3 illustrent les résultats de Bernard et Thomas (1989, 1990). Bernard et Thomas (1989) étudient le contenu informationnel des résultats des sociétés en tenant compte des failles méthodologiques des études précédentes telles que la limite des données. Ces auteurs analysent également le contenu informationnel des résultats des sociétés en le combinant à d’autres informations telles que la taille, le PER des firmes et les coûts de transaction. L’étude de Bernard et Thomas (1989) est fondée sur un échantillon de 84792 annonces de bénéfices trimestriels des actions cotées sur les marchés américains de la période 1974 à 1986. Une méthodologie simple permettant d’étudier l’impact des annonces de résultats sur les prix est mise au point. Toutes les actions cotées sur le NYSE et l’AMEX ont été classées selon leur surprise de bénéfices en déciles, le portefeuille du dixième décile (les surprises de bénéfices les plus élevées) au portefeuille de premier décile (les surprises de bénéfices les plus faibles). Les surprises de bénéfices sont évaluées en utilisant la méthode autorégressive de Foster, Olsen et Shevlin (1984). Cette méthode suppose que les bénéfices suivent une marche aléatoire. La différence entre les bénéfices réalisés et les bénéfices prévisionnels mesurée par rapport à l’écart-type des erreurs de prévisions historiques représente la surprise de bénéfices ou « Surprise Unexpected Earnings » (SUE). Par rapport à la définition originelle du bénéfice surprise qui exprime l’écart moyen entre le bénéfice réalisé et le bénéfice prévu, cet écart moyen est standardisé à l’écart type des erreurs de prévisions historiques. Par la suite, Bernard et Thomas (1989) évaluent les rentabilités anormales cumulées sur les périodes de 1 à 60 jours pour chaque portefeuille avant et après l’annonce des bénéfices, soit une période de 180 jours autour de la date de publication des résultats. Le graphique 2.1 de l’annexe 3 présente les résultats sur les huit derniers trimestres antérieurs au trimestre q du mois t. Les performances des titres sont évaluées par la méthode des rentabilités anormales cumulées du titre de la date de formation du portefeuille t0 (date d’annonce L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 103 des résultats) à la date de détention t du portefeuille. Par exemple, la rentabilité anormale cumulée du portefeuille i (ajustée à la taille) après t mois de détention est la somme des rentabilités anormales des titres du portefeuille (ajustées à la taille) du mois t0 de la formation au mois t de la détention du portefeuille après sa formation. Le graphique 2.1 de l’annexe 3 montre que les rentabilités anormales cumulées sont associées aux surprises des résultats de manière monotone. Les rentabilités anormales cumulées sur 60 jours augmentent de manière monotone du portefeuille 1 (P1) au portefeuille 10 (P10). La différence de performance entre les portefeuilles extrêmes (P10 – P1) est très significative suivant les surprises de résultats. Le portefeuille P10 à excellente surprise de bénéfices enregistre une rentabilité anormale cumulée moyenne excellente (positive) de 2% tandis que le portefeuille P1, le portefeuille à piètre surprise de bénéfices, enregistre une piètre rentabilité anormale cumulée (négative). Les titres ayant une forte surprise de bénéfices auraient des performances supérieures à un benchmark représentatif du marché tandis que les titres à faible surprise de bénéfice auraient des performances subséquentes inférieures à ce même benchmark. Ainsi, du portefeuille 1 au portefeuille 10, nous avons une rentabilité sur 60 jours après les annonces de résultats de 4,2% soit une croissance de 18% annuellement. Ces résultats sont fondés sur les rentabilités cumulées anormales des portefeuilles qui sont recomposées quotidiennement, mais ils sont presque identiques lorsque Bernard et Thomas (1989) utilisent la méthode « Buy-and-hold » de calcul des rentabilités anormales. Pour Bernard et Thomas (1989), la réaction du marché aux annonces de bénéfices est le reflet d’une inefficience des marchés financiers et elle est due à une sous-réaction du marché et/ou des investisseurs. 3 LES EXPLICATIONS DES REACTIONS SUITE AUX ANNONCES DE BENEFICES Fama (1970, 1991) distingue trois formes d'efficience informationnelle: l'efficience au sens faible, l'efficience au sens semi-fort et l'efficience au sens fort. La notion d'information est le cœur du concept d’efficience informationnelle. A ces trois formes d’efficience qui se distinguent au contenu informationnel, correspondent trois L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 104 types de tests empiriques. L’étude des réactions aux annonces de bénéfices est une étude d’efficience des marchés financiers au sens semi-fort via les tests d’études événementielles. La tendance ante et/ou post-annonce de bénéfices mise en évidence par Beaver (1968) et Ball et Brown (1968) est la prévisibilité des rentabilités anormales aux annonces de bénéfices. Par la suite, plusieurs auteurs se sont intéressés aux réactions lors de la publication d'information comptable et ont testé l'utilité de cette divulgation. Toutes les études mettent plus ou moins en évidence un contenu informationnel des bénéfices, mais les explications offertes diffèrent. L’étude des annonces de bénéfices (trimestrielles ou annuelles) jette un doute sur l’efficience au sens semi-fort dans la mesure où il semble ressortir que les prix ne reflètent pas pleinement la publication des résultats. Toutefois, puisque la tendance est du même signe que les surprises de bénéfices, deux explications se confrontent. Pour les tenants de la finance comportementale, le marché sous-réagit (ou sur-réagit au cas où on observerait un retour à la moyenne des rentabilités) aux annonces des bénéfices et pour les tenants de l’approche orthodoxe, le marché s’ajuste progressivement à l’annonce des résultats. Cette section analyse ces explications concurrentes. D’abord, elle passe en revue les explications traditionnelles : l’anomalie de l’annonce de bénéfices ne masque t-elle pas d’autres anomalies mises en évidence sur les marchés financiers telles que l’effet de la taille (Banz, 1981) et l’effet du ratio « book-to-market ». Enfin, la section aborde les explications liées à l’approche comportementale. 3.1 Les explications traditionnelles : l’observation des rentabilités anormales suite aux annonces de bénéfices ne masque t-elle pas d’autres anomalies ? Cette section étudie si l’ajustement lent des cours aux annonces de bénéfices est dû à des anomalies telles que les effets taille, ratio « book-to-market » et PER. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 105 3.1.1 Les réactions aux annonces de bénéfices et la sensibilité « bêta » Les résultats des tests d’études événementielles les plus préjudiciables à l'hypothèse d’efficience des marchés sont ceux de Rendleman, Jones et Latane (1987), Freeman et Tse (1989), et Bernard et Thomas (1989, 1990). Selon Bernard et Thomas (1989), les graphiques 2.1 et 2.2 de l’annexe 3 illustrent une inefficience des marchés financiers à l’annonce de bénéfices. Spécifiquement, l’incorporation de la publication des résultats dans le cours des titres est graduelle et permanente. Il pourrait s’agir d’une prime de rentabilité pour un risque supérieur (inférieur) associé à une surprise de bénéfices élevée (faible). Cette explication semble corroborer l’explication de Ball (1978). Dans le même contexte, Ball, Kothari et Watts (1988, 1990) analysent cette logique financière qui prédirait de manière temporaire une élévation (diminution) du risque des titres à surprise de bénéfices élevée (faible). Ball, Kothari et Watts (1990) montrent que les sensibilités des portefeuilles sont liées à la surprise de bénéfices. Ball, Kothari et Watts (1990) estiment que sur les neuf mois suivant l’annonce de bénéfices, la différence entre les bêtas des portefeuilles extrêmes constitués est de 0.29. De même, après avoir contrôlé le bêta, la différence de rentabilité anormale entre les portefeuilles formés est de 2.98% sur les neuf mois suivant l’annonce de bénéfices. Bernard et Thomas (1989) testent l’hypothèse de Ball, Kothari et Watts (1990) : la sensibilité des portefeuilles justifie le contenu informatif des surprises de bénéfices. Notons que l’étude de Bernard et Thomas (1989) est une réponse à la première version de l’étude de Ball, Kothari et Watts (1988), à savoir les rentabilités anormales suite à l’annonce des bénéfices ne peuvent pas être expliquées par la sensibilité du titre, le « bêta ». Les résultats de Bernard et Thomas (1989) révèlent plusieurs aspects s’opposant au facteur risque comme l’élément explicatif des rentabilités anormales observées lors de la publication des bénéfices. Premièrement, la duplication de la méthodologie de Ball, Kothari et Watts (1988) montre que les bêtas ne semblent pas expliquer les fluctuations des prix à l’annonce des résultats. La sensibilité « bêta » n’explique que 8 à 13% des rentabilités anormales à la publication des bénéfices selon Bernard et Thomas (1989). Deuxièmement, Bernard et Thomas (1989) montrent que L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 106 rien n’indique que les titres à excellente surprise de bénéfices sont plus risqués que les titres à faible surprise de bénéfices, malgré la prise en compte des remarques et critiques de Ross (1986) sur les dimensions du risque. Troisièmement, Bernard et Thomas (1989) démontrent qu’en dépit des conditions macroéconomiques, les titres à surprise positive de bénéfices surperforment les titres à surprise négative de bénéfices 46 fois sur la période 1974 à 1986. Les gains excèdent d’un facteur de 1 à 35 les pertes. Quatrièmement, les rentabilités anormales ex-post des titres à mauvaises nouvelles sont si faibles à court terme qu’elles peuvent offrir une couverture à tout actif financier exposé à un risque élevé. Le graphique 2.3 de l’annexe 3 regroupe les principaux résultats sur la réaction du marché aux annonces des bénéfices sur la période 1965 à 1986, précisément, les résultats des études de Latane, Jones et Rieke (1974), Rendleman, Jones et Latane (1982) et Bernard et Thomas (1989). Selon Bernard (1993), si l’anomalie de la surprise de bénéfices était due au facteur risque, le portefeuille d’arbitrage (achat des titres à surprise de bénéfices positive et vente de titres à surprise négative) ne générerait pas une rentabilité anormale positive chaque année de 1965 à 1989 (voir graphique 2.3 de l’annexe 3). Les résultats de Ball, Kothari et Watts (1990) et Bernard et Thomas (1989) sont dans l’ensemble contradictoires. L’étude de Bernard et Thomas (1989) semble indiquer que les résultats de Ball, Kothari et Watts (1990) ne peuvent pas expliquer clairement que le risque serait une explication acceptable de l’effet de persistance des rentabilités aux annonces de bénéfices. 3.1.2 L’anomalie « surprises de bénéfices » et l’effet « Price Earning Ratio » (PER) Selon l’effet PER, les titres ayant un PER faible auraient des performances supérieures à un indice représentatif de marché tandis que les titres à fort PER auraient des performances subséquentes inférieures à ce même indice. Cette anomalie mise en évidence dès les années soixante a obtenu ses lettres de noblesse avec Basu (1977). Bien que l’effet PER ait été largement étudié, les chercheurs ne trouvent aucun lien L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 107 entre les anomalies « surprise de résultats » et le PER. Basu (1983), Cook et Rozeff (1984), Reinganum (1981) et Jaffe, Keim et Westerfield (1989) montrent que l’effet PER masquait un effet taille. Kim (1987) montre que, bien que l’effet PER soit peutêtre en rapport avec les surprises de bénéfices, il ne justifie pas l’ajustement lent des cours aux annonces de bénéfices. Ce résultat corrobore celui de Bidwell (1979, 1981) couvrant respectivement les périodes d’études 1972 à 1976 et 1976 à 1978. De même, Wiggins (1991) montre que les effets PER et « surprises de résultats » sont présents sur la période 1977 à 1988 et sont indépendants l’un de l’autre. Bernard et Thomas (1989) stipulent qu’en dépit du contrôle du biais du survivant et de l’effet PER, les investisseurs sous-réagissent aux annonces de bénéfices. Ainsi pour ces auteurs, l’anomalie découlant des annonces de bénéfices est un phénomène plus important que l’effet PER de Basu (1977). 3.1.3 L’anomalie « surprise de bénéfices » et l’effet taille L’effet taille est le fait le plus marquant des contradictions empiriques du modèle de Sharpe-Lintner-Black. Selon l’effet taille, les firmes de petite capitalisation boursière ont une performance supérieure aux firmes de capitalisation boursière élevée (Banz, 1981). L’interaction entre les anomalies taille et « surprise des bénéfices » a été examinée dans la littérature financière. Parmi tous ces travaux, les principaux sont ceux de Foster, Olsen et Shevlin (1984), Rendleman, Jones et Latané (1987), Bernard et Thomas (1989, 1990), Mott et Coker (1993). Ces études montrent qu’en moyenne, les titres à faible taille ont des surprises de bénéfice plus élevées que celles des titres à forte taille. Le graphique 2.4 de l’annexe 3 montre ce résultat. Toutefois, Rendleman, Jones et Latané (1987) suggèrent que les anomalies taille et surprise de bénéfices sont deux phénomènes indépendants . Quant à Bernard et Thomas (1989, 1990), ils montrent que l’effet taille ne justifie pas les tendances des cours des titres à s’ajuster lentement à la publication de bénéfices. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 108 3.1.4 L’anomalie « surprise de bénéfices » et le problème des coûts de transaction Tous les marchés financiers connaissent des coûts de transaction, ne serait-ce que pour rémunérer l’ensemble des intermédiaires qui assurent la transmission des ordres, la maintenance des systèmes d’informations, qui assurent les échanges et garantissent la bonne fin des échanges. Pour Watts (1978), une gestion de portefeuille fondée sur les surprises de bénéfices doit prendre en compte les coûts de transaction. Plusieurs auteurs tels que Alexander, Goff et Peterson (1989) et Bernard et Thomas (1989) réexaminent la réaction du marché à la publication des résultats en prenant en compte les frais de transaction. Alexander, Goff et Peterson (1989) ont évalué la performance des titres en utilisant la méthode « Buy-and-hold » sur la période 1979 à 1986. Ils mettent en évidence des rentabilités anormales malgré la prise en compte des frais de transaction, surtout sur la première moitié de leur période d’étude. (i) De même, Bernard et Thomas (1989) montrent une persistance de l’ajustement des prix aux annonces de bénéfices en dépit du contrôle des frais de transaction. Suivant l’approche de Stoll (1991), Bernard et Thomas (1989) ont estimé les coûts de transaction et les ont soustraits des rentabilités anormales évaluées selon la méthode « buy-and-hold ». Malgré la méthodologie appliquée, ils ont montré que la prise en compte des coûts de transaction ne saurait être une compensation des rentabilités anormales positives observées issues des stratégies d’investissement basées sur les surprises de bénéfices. Donc, pour ces auteurs, les coûts de transaction n’expliquent pas les réactions du marché aux annonces des résultats. McDonald et Mendenhall (1994) analysent la stratégie de gestion fondée sur les surprises de bénéfices en tenant compte des ventes à découvert et des coûts de transaction. Leurs résultats montrent que les stratégies d’investissement fondées sur les surprises de bénéfices ont été profitables sur les marchés américains (l’AMEX et le NYSE) sur la période d’étude 1988 à 1992. Le meilleur profit a été enregistré sur les périodes 1991 et 1992. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 109 Bhushan (1994), en utilisant l’échantillon d’étude de Bernard et Thomas (1989, 1990), a mis en évidence une relation positive entre les surprises de bénéfices et les substituts des coûts de transaction. Sur le marché français, Gajeswki (2000) étudie l’impact des annonces de bénéfices sur l’asymétrie d’information, les volumes et les coûts de transaction. L’étude a porté sur des données horodatées. Il montre un accroissement du volume de transaction, du coût d’asymétrie d’information et l’absence de performance positive après l’annonce de bénéfice. Pour Gajewski (2000), l’annonce de bénéfices conduit à une phase de recherche du vrai prix de l’action. Cette phase de découverte correspond à une période d’imprécision de l’information publique contenue dans les cours des titres. Durant ce laps de temps, qui peut varier d’un titre à l’autre, des agents en profitent pour faire une analyse plus fine des données publiées. En raison du caractère éphémère de cet avantage informationnel, les agents informés sont alors très désireux d’échanger sur la base de leur information privée générée à partir de l’annonce de bénéfice; d’où une augmentation du volume de transaction à l’issue de l’annonce de bénéfice. Gajewski (2000) montre de même que d’un point de vue empirique, les courbes du volume de transaction en U sont beaucoup plus accentuées après l’annonce de bénéfice. L’augmentation du volume de transaction provient d’une plus grande activité des agents. Ces agents ne sont pas informés ex-ante, mais ils profitent de l’annonce de bénéfice pour être plus informés. L’augmentation du volume provenant de transactions fondées sur la détention d’informations privées entraîne de nouvelles situations d’asymétrie d’information. Les agents, qui ne peuvent pas différer leurs échanges compte tenu de leurs besoins de liquidité, sont en situation d’asymétrie d’information par rapport aux agents capables d’exploiter l’information publique. Dans ces conditions, ceux qui traitent pour des motifs de liquidité subissent alors un risque de sélection inverse. En effectuant des échanges, ils sont soumis à une augmentation des coûts de transaction implicites due à un accroissement du coût d’asymétrie d’information. Finalement, Gajewski (2000) montre que les rentabilités intra-quotidiennes mesurées après déduction des frais de transaction implicites sont significativement négatives. Les observations, faites L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 110 empiriquement au cours de son étude, confirment l’augmentation à la fois de la fourchette relative et du coût de sélection adverse. Les constatations empiriques de Gajewski (2000) expliquent le paradoxe, selon lequel les volumes de transaction sont plus importants à l’issue des annonces alors que les coûts de transaction sont plus forts. Elles permettent de relativiser l’étude empirique de Patell et Wolfson (1984) qui met en évidence une rentabilité moyenne positive sur la première demi-heure qui suit l’annonce de bénéfices. En effet, l’excès de fourchette relative constaté après l’heure d’annonce de bénéfices est 1/3 %, et le coût d’asymétrie d’information en excès après l’heure d’annonce est d’environ 0.40 %. La prise en compte des coûts de transaction implicites compense la rentabilité significativement positive observée par Patell et Wolfson (1984). 3.1.5 L’anomalie « surprises de bénéfices » et l’anomalie ratio « book-to-market » La relation (positive) entre le ratio valeur comptable sur valeur de marché ou « book-to-market » et les rentabilités a été observée sur toutes les places financières [Rosenberg, Reid et Lanstein (1985), Fama et French (1992, 1993, 1995, 1996a, 1996b, 1998), Molay (2001) et tant d’autres]. Plus précisément, le pouvoir explicatif du ratio valeur comptable sur valeur de marché est, dans la plupart des études, considéré comme plus marqué que l’effet taille. Pour Fama et French (1993, 1995), cette variable reflète la vulnérabilité d’une entreprise. Le modèle à trois facteurs de Fama et French (1993) rend assez bien compte l’effet « balancier » ou sur-réaction de De Bondt et Thaler (1985), mais l’effet persistance des rentabilités observées sur des périodes courtes, notamment à l’annonce de bénéfices, est partiellement capturé par ce modèle. Pour Fama et French (1995, 1996a), la non capture par leur modèle de la réaction aux annonces de bénéfices provient des effets d’échantillonnage et du biais de survie dans la base de données utilisée. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 111 3.2 Les explications comportementales : sous-réaction et sur-réaction 3.2.1 La réaction du marché aux annonces de bénéfices : une explication insatisfaisante de la théorie de l’efficience des marchés Pour Bernard et Thomas (1989, 1990), la théorie de l’efficience des marchés ne fournit pas une explication suffisante et satisfaisante de la réaction du marché aux annonces de bénéfices. Pour cet auteur, il y a une remise en doute de l’hypothèse d’efficience des marchés boursiers au sens semi-fort. Ces études rejoignent les études de Rendleman, Jones et Lakonishok (1987), Freeman et Tse (1989) et Wiggins (1991), et les travaux récents de Chan et al. (1996), Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subrahmanyam (1999) et Hong et Stein (1999). En d’autres termes, les prix des actions ne reflètent pas les implications des résultats courants pour les futurs bénéfices. L'hypothèse essentielle testée par Bernard et Thomas (1989, 1990) et Wiggins (1991) est que les prix n’incorporent pas les changements courants des bénéfices trimestriels sur les signaux futurs des résultats (relativement au trimestre comparable de l'année antérieure). Spécifiquement, les cours semblent refléter, au moins partiellement, une espérance naïve des bénéfices. Elle est basée sur une marche aléatoire saisonnière où les résultats prévus sont simplement les résultats correspondant à ceux du trimestre de l’année précédente. Les erreurs de prévision de bénéfices basées sur un modèle naïf sont corrélées temporellement (Freeman et Tse, 1989). En revanche, sur un marché qui incorpore tous les résultats disponibles, les erreurs de prévision ne devraient pas être autocorrélées. Cette hypothèse est fréquemment assimilée à l’hypothèse de marche aléatoire des cours boursiers. Pour appréhender cette hypothèse, différents tests sont disponibles tels que les tests de marche aléatoire des cours, d’autocorrélation des rentabilités ou encore de prévisibilité des résultats. Pour un investisseur qui compte sur une marche aléatoire saisonnière de prévision de bénéfices, les erreurs de prévision seraient autocorrélées depuis au moins l’année 1946, début de la période d’étude de l’effet de l’annonce des résultats sur le L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 112 marché américain [voir les périodes d’étude de Watts (1975), Foster (1977), Bernard et Thomas (1989, 1990)]. L'évidence indique que le modèle d'autocorrélation entre les différences saisonnières est le plus fort pour les trimestres adjacents, mais demeure positif sur les trois premiers retards. Ainsi, un changement du résultat au trimestre t (relativement au trimestre comparable de l'année antérieure) tend à être suivi par des changements progressifs faibles de même signe aux trimestres t+1, t+2 et t+3. En second lieu, il y a une autocorrélation négative entre les trimestres t et trimestre t+4 ; seulement la portion demeurée du changement initial représente un choc permanent. Pour offrir une description plus spécifique du comportement des résultats en série chronologique, le tableau 2.2 présente les statistiques des échantillons étudiés par Foster (1977), Hopwood et McKeown (1986) et Bernard et Thomas (1989). L’autocorrélation des résultats entre les trimestres t et t+4 est négative pour chaque échantillon considéré. Tableau 2.2 – Comportement des séries temporelles de bénéfices in Bernard (1993) Panel A : Autocorrélation des différences saisonnières des bénéfices trimestriels, 1946–1974 [Foster (1977), basée sur 69 entreprises] Retard (Lag) 1 2 3 4 5 6 7 8 Moyenne 0.45 0.24 0.13 -0.12 0.01 0.02 -0.02 -0.03 Panel B : Autocorrélation des différences saisonnières des bénéfices trimestriels, 1962–1978 [Hopwood et McKeown (1986), basée sur 267 entreprises] Retard (Lag) 1 2 3 4 5 6 7 8 Moyenne (1962-1978) 0.45 0.21 0.02 -0.19 -0.07 -0.02 -0.02 -0.03 Moyenne (1962-1970II) 0.36 0.17 0.05 -0.18 -0.07 -0.05 -0.07 -0.07 Moyenne (1970III-1978) 0.42 0.17 -0.03 -0.22 -0.11 -0.05 -0.06 -0.06 Panel C : Autocorrélation des différences saisonnières des bénéfices trimestriels, 1974–1986 [Bernard et Thomas (1989), basée sur 2626 entreprises] Retard (Lag) 1 2 3 4 5 6 7 8 Moyenne 0.34 0.19 0.06 -0.24 -0.08 -0.07 -0.07 -0.06 25ème percentile 0.14 0.05 -0.10 -0.46 -0.26 -0.24 -0.24 -0.25 Médiane 0.36 0.18 0.06 -0.29 -0.09 -0.08 -0.06 -0.06 0.57 0.35 0.21 -0.07 0.08 0.08 0.09 0.11 75 ème percentile L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 113 Sous l’hypothèse que les cours des actions ne reflètent pas un processus de résultat à marche au hasard, les rentabilités anormales dépendraient des erreurs prévues qui sont autocorrélées et donc prévisibles. Les autocorrélations imiteraient le même modèle que celui observé dans le tableau 2.2. Par exemple, si les résultats de l’année antérieure ont été annoncés en hausse au trimestre t, le marché serait surpris lors d’une nouvelle augmentation sur les trimestres t+1, t+2 et t+3. L'importance de cette surprise diminuerait sur les 3 trimestres, juste comme les autocorrélations correspondantes diminuaient. L'hypothèse prévoit également que le marché serait surpris qu'une partie du résultat du trimestre t en augmentation tend à s’inverser au quatrième trimestre, c’est-à-dire au trimestre t+4. Ainsi, le marché réagirait négativement en moyenne aux annonces des résultats au trimestre t+4. Les prévisions des réactions du marché aux annonces des résultats des trimestres t+1 à t+4 sont uniquement basées sur l'information du résultat disponible du trimestre t. De même, la prévision concernant le trimestre t+1 est plus aisément caractérisée en terme d'inversion d'une sur-réaction antérieure. Les résultats de Bernard et Thomas (1989, 1990) et Wiggins (1991) sont conformes aux prévisions ci-dessus. Dans l’étude de Bernard et Thomas (1990), une position longue (courte) de titres à excellentes (piètres) nouvelles au trimestre t produit une rentabilité anormale positive autour de la date d’annonce de bénéfices de 1,32% (1,32%), puis décline à 0,70% (0,04%). Les bonnes nouvelles (mauvaises nouvelles) sont définies dans l’étude de Bernard et Thomas (1990) en terme de surprises de bénéfices positives (négatives). La même position rapporte une rentabilité anormale de -0,66% autour de la date d’annonce des résultats au quatrième trimestre. Le graphique 2.4 de l’annexe 3 présente le comportement des titres à bonnes et à mauvaises nouvelles sur les quatre trimestres suivant l’annonce des résultats - et – du modèle arbitré. Les résultats ne suivent pas une marche aléatoire saisonnière. Les rentabilités évaluées sur des intervalles de longue période montrent le même résultat, mais la concentration des rentabilités anormales autour de la date d’annonce suggère des corrections perpétuelles des cours des titres. La stratégie d’investissement suggérée par ce qui précède implique une position longue en titres à bonnes nouvelles et une position courte en titres à mauvaises L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 114 nouvelles sur les trois trimestres suivant l’annonce de bénéfices, puis une inversion des positions au quatrième trimestre. Les rentabilités anormales indiquées sont approximativement 11,5%, 10% et 5% pour les petites, moyennes et grandes sociétés sur les quatre trimestres suivant l’annonce de bénéfices en combinant les stratégies d’investissement précédentes. Bernard et Thomas (1990) décrivent une autre stratégie d’investissement basée sur la formation de portefeuille à investissement nul avant et autour de la date d’annonce de bénéfices. Cette stratégie implique des positions de 15 jours avant la date d'annonce du résultat et une détention de celles-ci jusqu’à la date d'annonce du bénéfice. De longues positions (courtes) sont maintenues dans les titres à surprise de bénéfices élevée (faible) dans les trois derniers quarts, ou les titres à surprise de bénéfices faible (élevée) sur le dernier trimestre passé. La rentabilité anormale indiquée est 4,2% au cours de la période de détention moyenne de 15 jours. 3.2.2 La sous-réaction des investisseurs Selon Bernard et Thomas (1989, 1990), leurs résultats impliquent une sousréaction du marché aux annonces de bénéfices. D'abord, leurs résultats montrent que l’effet persistance des rentabilités anormales aux annonces de bénéfices n’est pas dû à des erreurs méthodologiques. Deuxièmement, les rentabilités anormales suite à la publication de bénéfices ne s’expliquent pas par le facteur de risque. Une explication fondée sur le risque arguerait que les titres à bonnes (mauvaises) nouvelles seraient des titres très (faiblement) risqués. Ball, Kothari et Watts (1990) concluent qu’il est peu probable que les hypothèses fondées sur le risque expliquent même une petite portion des rentabilités anormales observées par Bernard et Thomas (1990) sur les 3 à 5 jours autour de la date d’annonce des résultats. Ball (1992) suggère également que la tendance prolongée des rentabilités aux annonces de bénéfices ne peut pas être expliquée par le facteur risque. Troisièmement, les anomalies du marché telles que les effets PER, taille et l’énigme « Value Line» de Mendenhall (1991) n’expliquent pas l’anomalie de la surprise de bénéfices. Enfin, les résultats montrent également qu’il est difficile d’attribuer cette anomalie aux coûts de transaction. Tout simplement, la théorie traditionnelle financière n’explique pas de manière convaincante le phénomène L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 115 de la surprise de résultats mis en évidence par Beaver (1968) et Ball et Brown (1968). Ainsi, pour Bernard et Thomas (1989, 1990) et Bernard (1993) il n’y a aucun doute : les investisseurs sous-réagissent aux annonces de bénéfices. Les bénéfices inattendus sont partiellement intégrés dans les prix et ceci leur confère un pouvoir prédictif en matière de rentabilités futures. Chan, Jegadeesh et Lakonishok (1996) relient la sous-réaction des investisseurs aux annonces de bénéfices à l’effet « momentum » sur le court terme mis en évidence par Jegadeesh et Titman (1993). Pour ces auteurs, les titres dont les surprises de bénéfices ont été bonnes au cours de l’exercice écoulé, continueront leur lancée au cours de l’exercice suivant, et ceux dont les surprises de bénéfices sont médiocres ne redresseront pas la situation l’année suivante. Toutefois, Lesmond, Schill et Zhou (2004) ont récemment montré que le « momentum » ne fait que créer l’illusion de profits excédentaires parce qu’il requiert des transactions fréquentes et les coûts associés sont particulièrement élevés. Selon Barberis, Shleifer et Vishny (1998), le mécanisme d’ancrage expliquerait la sous-réaction des investisseurs aux annonces de bénéfices. Les investisseurs sujets à l’heuristique d’ancrage ne révisent pas suffisamment leur croyance afin de l’ajuster à l’information récente, en l’occurrence, les annonces de résultats. En effet, l’effet d’ancrage se manifeste dans les estimations numériques lorsque l’individu a déjà fait une première estimation et n’arrive pas à l’ajuster aux nouvelles données (Kahneman et Tversky, 1974). Daniel, Hirshleifer et Subrahmanyam (1999), expliquent la persistance des rentabilités observées suite aux annonces de bénéfices sur des périodes, par l’excès de confiance et le biais d’attribution. Pour ces auteurs, l’excès de confiance a, à la fois, un effet direct et un effet indirect sur la façon dont les individus traitent l’information. L’effet direct est simplement lié au fait que les individus accordent plus d’importance à l’information qu’ils collectent eux-mêmes car ils ont tendance à surestimer sa précision. L’effet indirect de l’excès de confiance relève, quant à lui, du fait que les L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 116 individus filtrent l’information et biaisent leur comportement de sorte que cela leur permet de maintenir leur confiance. D’où le biais d’attribution souligné par Daniel, Hirshleifer et Subrahmanyam (1999). Ils montrent que les investisseurs estiment la valeur d’un titre avec leur propre évaluation sous la combinaison des deux biais suscités. Donc, les investisseurs sur-pondèrent l’annonce de bénéfices qui confirme leur première évaluation et sous-pondèrent l’annonce de bénéfices qui infirme celle-ci. Par conséquent, leurs estimations ne font qu’augmenter avec le temps, ce qui produit la sous-réaction aux annonces de bénéfices sur le court terme comme une sorte de surréaction différée dans le temps ou à retardement. 3.2.3 La sur-réaction des investisseurs Tandis que la majeure partie des résultats discutés jusqu'ici suggère une sousréaction aux annonces de bénéfices, des études évoquent une sur-réaction aux annonces de bénéfices. Une partie de telles études a été motivée par un désir d'identifier la source du retour à la moyenne des cours des actions sur le long terme, mis en évidence par De Bondt et Thaler (1985). L’idée d’un retour à la moyenne des prix est également soulignée par Fama et French (1988) et Poterba et Summers (1988). Fama et French (1988) et Poterba et Summers (1988) confirment le phénomène de retour à la moyenne des prix, en montrant que les autocorrélations exhibent effectivement une courbe en forme de U, témoignant ainsi la présence de deux composantes - marche aléatoire et composante « mean reverting » - dans le prix. Toutefois, alors que Poterba et Summers (1988) interprètent la présence d’autocorrélations négatives comme une source d’inefficience, Fama et French (1988) estiment que ce phénomène peut être dû au fait que les rentabilités espérées ne sont pas constantes au cours du temps. De Bondt et Thaler (1985) expliquent quant à eux le phénomène de retour à la moyenne par la sur-réaction des individus aux mouvements de prix récents. Si cette explication de la sur-réaction semble adéquate à l’explication des fluctuations des prix à la publication des résultats, elle soulève une question intéressante. Les déviations ont-elles pu être conduites par une sur-réaction antérieure L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 117 des résultats ? Si tel est le cas, pourquoi, en l’occurrence, les résultats ne s’inverseraient-ils pas ultérieurement? La première étude sur une possibilité de sur-réaction des cours boursiers aux annonces des bénéfices est de De Bondt et Thaler (1987) et la deuxième est celle de Ou et Penman (1989a). Bien que ces auteurs aient supposé une possible justification des réactions aux annonces de bénéfices par une sur-réaction, ils ont adopté des interprétations différentes. D'abord, dans quelle mesure les faits sont-ils conformes à la sur-réaction contre l'explication alternative? En second lieu, comment peuvent-ils être réconciliés avec les résultats précédemment décrits suggérant la sous-réaction aux annonces de bénéfices? Les résultats clés de De Bondt et Thaler (1987) et d’Ou et Penman (1989a, 1989b) sont présentés dans le tableau 2.3. Tableau 2.3 – Résultats des études de De Bondt et Thaler (1987) et Ou et Penman (1989b) in Bernard (1993) Changement médian du Bénéfice par Action Rentabilités ajustées à la sensibilité du marché Porte- Critère de Période feuilles constitution des formation portefeuilles de Période dernière du test année portefeuille de 1 ère année de la Période la période test période test de Période test formation du portefeuille Tableau 2.3.A : Source De Bondt et Thaler (1987) (période test sur 4 années de 1970-1973 à 1980-1983) Perdants CAR passée sur 5 -49% sur 3 année 27% sur 4 -12% ans faible année Gagnant CAR passée sur 5 20% sur 3 année -5% sur 4 8% s ans élevée année 6% -81% sur 4 ans 25% sur 4 ans -3% 128% sur 4 -12% sur 4 ans ans Tableau 2.3.B : Source Ou et Penman (1989b) (période test sur 4 années de 1973-1974 à 1983-1983) Haut Pr. Forte Probabilité -168% sur 1 an Non de croissance des reporté bénéfices (sur 2 ans) Faible Faible Probabilité 66% sur 1 an Non Pr. de croissance des reporté bénéfices (sur 2 ans) -168% -81% -42% sur 1 an 6% sur 2 ans 66% -11% 37% sur 1 an -22% sur 2 ans La variable Pr est une estimation de la probabilité de croissance des bénéfices annuels de l’exercice suivant, fondée sur une fonction de variables financières identifiées dans le bilan comptable et évaluées sur données historiques. La méthodologie suppose que les données financières sont disponibles au moins sur trois mois pour calculer la variable Pr à la fin de l’exercice fiscal. La période test débute au premier jour du quatrième mois suivant la fin de l’année fiscale. La variable CAR est la rentabilité cumulée ajustée au facteur de marché, évaluée sur 4 années. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 118 Les diverses controverses et les doutes jetés sur les premiers travaux de De Bondt et Thaler (1985) ont amené ces derniers à approfondir leur hypothèse de la surréaction. Les rentabilités cumulées sur quatre années des portefeuilles gagnants et perdants sont ajustées à un indice représentatif du marché. L'hypothèse de sur-réaction prévoit une inversion partielle de ces rentabilités sur la période test. Les résultats de De Bondt et Thaler (1987) sont consignés dans le tableau 2.3.A. Les perdants historiques surperforment les gagnants historiques de 37% sur la période test (Tableau 2.3.A). Les conclusions principales de l’étude de De Bondt et Thaler (1987) sont les suivantes : - l’effet de sur-réaction ou effet gagnant-perdant ne peut être attribué aux changements de risque mesurés par bêtas. Ce résultat est conforme aux travaux de Schwert (1990). - L’effet gagnant-perdant n’est pas dû à un effet taille. Toutefois, en évacuant l’effet de la sur-réaction il subsiste des taux de rentabilité en excès pour les petites capitalisations. - Une explication possible du phénomène de la sur-réaction serait une perception incorrecte des bénéfices futurs, dans des situations extrêmes caractérisées par de fortes baisses récentes en bourse. Un lien est trouvé entre l’appartenance à une classe de performance boursière donnée et un renversement de tendance dans des bénéfices ultérieurs. Les résultats montrent que les bénéfices ne suivent pas strictement une promenade aléatoire ,mais ils s’inversent. Les résultats de De Bondt et Thaler (1987) sont conformes à ceux de Bernard et Thomas (1989, 1990) où il y a une autocorrélation négative au quatrième trimestre après l’annonce des bénéfices des titres. Ces différents résultats ont été mis en doute par Zarowin (1989, 1990), Klein (1990) et Abarbanell et Bernard (1992). Zarowin (1989) réfute le fait que la performance supérieure des titres qui ont eu de mauvais bénéfices soit due à une quelconque sur-réaction d’investisseurs qui seraient L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 119 myopes. L’effet de la sur-réaction ne serait qu’un effet taille (Zarowin, 1990). Pour cet auteur, s’il est vrai que les sociétés ayant eu des bénéfices médiocres surperforment celles qui ont eu de bons bénéfices, cette différence de performance a tendance à disparaître lorsque les portefeuilles sont contrôlés par le facteur taille. En effet, Zarowin (1989, 1990) montre qu’il y a peu de différence de performance subséquente entre les sociétés de même taille ayant eu de médiocres et de bons bénéfices. Klein (1990) examine également l’hypothèse selon laquelle les investisseurs surréagissent aux annonces des bénéfices. Les résultats sont plutôt conformes à une hypothèse de sous-réaction qu’à une hypothèse de sur-réaction. Klein (1990) constate que les analystes financiers montrent un excès d’optimisme et de pessimisme sur les perspectives de bénéfices futurs des titres perdants et gagnants au sens de De Bondt et Thaler (1985, 1987). Les travaux de Klein (1990) sont en contradiction avec ceux de De Bondt et Thaler (1990) qui montrent que les analystes financiers font preuve d’un excès d’optimisme sur les portefeuilles perdants et gagnants, mais ils sont conformes à une hypothèse de sur-réaction. Abarbanell et Bernard (1992) répliquent l’étude de De Bondt et Thaler (1990). Ils concluent que la source des rentabilités anormales aux annonces des bénéfices n’est pas due à une sur-réaction du marché mais à une sous-réaction des analystes. Ou et Penman (1989a, 1989b) estiment une mesure qu’ils nomment Pr à partir des données historiques des états financiers pour prédire les bénéfices et les rentabilités des titres. La mesure Pr. représente également la probabilité d’augmentation des résultats annuels futurs. En utilisant les valeurs Pr estimées des titres, ils forment des portefeuilles et évaluent leurs rentabilités. Les résultats de Ou et Penman (1989) sont consignés dans le tableau 2.3.B. Les sociétés à faibles (forts) résultats récents ont des Pr. élevées (faibles) et des résultats ultérieurs croissants (décroissants). Les sociétés à faible Pr sous-performent les sociétés à forts Pr. avant la formation des portefeuilles et après la formation des portefeuilles, le modèle est inversé juste comme les résultats de De Bondt et Thaler (1987). Dans ce sens, les titres L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 120 à faibles (forts) Pr correspondent aux gagnants (perdants) de De Bondt et Thaler (1987). L’on note une similitude entre les résultats de Ou et Penman (1989a et b) et ceux de De Bondt et Thaler (1987). Néanmoins, les résultats de Ou et Penman ne sont pas concentrés au mois de janvier. Le défi le plus sérieux aux travaux de Ou et Penman est ceux de Holthausen et Larker (1992). Ils reprennent les travaux de Ou et Penman. Ils montrent que la stratégie de Ou et Penman a été moins profitable l’année 1983, dernière année de test de Ou et Penman. Quand Holthausen et Larker (1992) raffinent la stratégie de Ou et Penman légèrement, ils ne trouvent aucune explication pour leur résultat. 3.2.4 La réconciliation des phénomènes de sur-réaction et de sous-réaction des investisseurs Les travaux de De Bondt et Thaler (1987) et Ou et Penman (1989a) montrent une sur-réaction des investisseurs à l’annonce de bénéfices, tandis que ceux de Bernard et Thomas (1989, 1990) montrent une sous-réaction du marché aux annonces de bénéfices. Les deux ensembles de résultats sont potentiellement réconciliables. Les phénomènes de sous-réactions et sur-réactions aux annonces des résultats se produiraientent simultanément, mais sur des périodes différentes. Spécifiquement, les cours des actions pourraient sous-réagir aux annonces des résultats, alors que des surréactions se produiraient seulement dans des conditions trop complexes, pour être capturées de façon simple sur les changements antérieurs des résultats de la période. Cette possibilité pourrait expliquer le phénomène de sous-réaction aux annonces de bénéfices par Bernard et Thomas (1989) fondée sur les surprises de bénéfice et celui de sur-réaction par De Bondt et Thaler (1987) fondée sur les rentabilités historiques. Tel fait est également conforme à la première possibilité de sous-réaction, et, la deuxième possibilité a pu être distinguée dès le début seulement, en identifiant un certain raccordement entre toutes les sur-réactions existantes et les annonces antérieures de bénéfices. Par exemple, il pourrait y avoir des conditions dans lesquelles les cours des actions ne reflètent que des tendances courantes de résultats susceptibles L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 121 d'être inversées (Ou et Penman, 1989a et 1989b). En d’autres termes, la sur-réaction aux annonces de bénéfices est transitoire. Une autre possibilité est que la réponse du marché à la publication des résultats est une simple caractérisation de sous-réaction et/ou sur-réaction. Comme le décrit Bernard et Thomas (1990), si les prix reflètent des espérances naïves de résultats (promenade aléatoire saisonnière) alors les rentabilités anormales suite aux annonces de bénéfices iraient dans la même direction que les nouvelles de résultats. L’observation des rentabilités anormales suite aux annonces de bénéfices apparaîtrait comme un accomplissement d'une première sous-réaction. Ensuite, comme les prix reflètent une tendance moins extrême que les résultats annoncés, il se produirait une inversion de certaines rentabilités anormales. De ce fait, cette correction des prix des titres est plutôt une sur-réaction aux annonces de bénéfices. Un tel modèle semblerait être justifié par Bernard et Thomas (1989, 1990). Des modèles comportementaux récents [voir Barberis, Shleifer et Vishny (1998) et Daniel, Hirshleifer et Subrahmanyam (1999)] attestent cette théorie. Le modèle de Barberis, Shleifer et Vishny (1998) suggère que les structures des informations passées déterminent la réalisation de la sous-réaction et/ou sur-réaction aux annonces de bénéfices. Quand une chaîne de bonnes ou de mauvaises nouvelles de résultats arrive, les investisseurs sujets à l’heuristique de représentativité, surréagissent à cette chaîne d’information. Quand une série d’annonces de résultat ne suit pas une tendance, les investisseurs sujets à l’heuristique d’ancrage – ajustement sousréagissent à cette information. Puisque ces deux structures d’information sont distinctes, la sous-réaction aux annonces de bénéfices ne contredit pas la sur-réaction aux annonces de bénéfices. Le modèle de Barberis, Shleifer et Vishny (1998) réconcilient l’hypothèse de la sur-réaction aux annonces de bénéfices de De Bondt et Thaler (1987) et celle de la sous-réaction aux annonces de bénéfices de Bernard et Thomas (1989). Dans le modèle de Daniel, Hirshleifer et Subrahmanyam (1999), la continuité de la sur-réaction résulte du biais de l’autosatisfaction des investisseurs. Les investisseurs L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 122 mettent à jour leur croyance en relation aux réalisations de leur anticipation de résultat. S’ils reçoivent un signal confirmant leur confiance ou leur prévision, ils révisent à la hausse leur confiance pour les prochaines anticipations. Dans ce cas, leur décision est influencée par les biais d’excès de confiance et d’auto-attribution. Au contraire, si leur prévision de résultat n’est pas confirmée, ils attribuent leur anticipation à un bruit extérieur et ils l’ignorent. Ainsi, il y a une sur-réaction initiale sur le court terme juste comme une sous-réaction aux annonces de résultats puis une sur-réaction finale aux annonces de résultats sur le long terme. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature 123 Le tableau 2.4 présente les conclusions des principales études consacrées à l’annonce des bénéfices. Tableau 2.4 - Explications données aux réactions du marché aux annonces de bénéfices Hypothèses explicatives des réactions du marché aux annonces de bénéfices Approches Rationnelles Méthodologiques - Foster, Olsen et Shevlin (1984) - Mendenhall (1991) : énigme « value Line » - Fama et French (1996) : biais de survivance Facteurs de risque - Foster, Olsen et Shevlin (1984) - Ball, Kothari et Watts (1993) - Ball et Bastov (1996) - Mendenhall (2003) : risque d’arbitrage Autres : - Kothari, Lewellen et Warner (2003) : les chocs des taux d’escompte expliquent une fraction de l’ajustement progressif des cours boursiers aux annonces de bénéfices. - Hirshleifer, Myers, Myers et Teoh (2003) montrent que l’ajustement progressif des cours boursiers aux annonces de bénéfices n’est pas expliqué par les transactions des investisseurs individuels Approches Sur-réaction Comportementales (comportements psychologiques des agents Sous-réaction - De Bondt et Thaler (1985, 1987) - Bernard et Thomas (1989, 1990) - De Bondt et Thaler (1990) - Ali, Klein et Rosenfeld (1992) - Ou et Penman (1989a, 1989b) - Abarbanell et Bernard (1992) - Chan, Jegadeesh et Lakonishok (1996) - Liu, Strong et Xu (2003) économiques et financiers) Sous- et sur-réaction - Barberis, Shleifer et Vishny (1998) - Daniel, Hirshleifer et Subramahnyam (1999) - Hong et Stein (1999) Critique de Fama (1998) Les phénomènes de la sous-réaction et sur-réaction sont des phénomènes hasardeux (Il y a autant de sous-réactions que de sur-réactions observées). Le modèle des marchés efficients n’a pas de modèle alternatif « pour toutes les saisons ». L’impact de l’annonce de bénéfices sur le marché financier français. Conclusion première partie 124 CONCLUSION DE LA PREMIERE PARTIE La revue de littérature a montré que l’existence d’une tendance prolongée des réactions du marché aux annonces de bénéfices est admise sur les marchés financiers. L’étude du contenu informationnel des annonces de bénéfices a été mise en évidence par Ball et Brown (1968) et Beaver (1968). Leurs travaux ont été motivés par les émergences de l’hypothèse d’efficience des marchés financiers, du MEDAF et des études d’événements. L'anomalie d’« annonce de bénéfices » pose un sérieux défi à l'hypothèse d’efficience des marchés financiers. Elle a survécu à une batterie de tests de Bernard et Thomas (1989, 1990) sur le marché américain et beaucoup d'autres tentatives sont loin de l'expliquer. La survie de l'anomalie quarante ans après sa mise en évidence par Ball et Brown (1968) et Beaver (1968) laisse penser à une explication comportementale du marché. Dès lors, l’irruption de la question des comportements des agents dans la finance a donné lieu à la finance comportementale. Néanmoins, la revue de littérature a montré également que les cours s’ajustent lentement aux informations contenues dans les annonces de bénéfices. Les sections qui suivent présentent la partie empirique, précisément, la méthodologie de recherche et les études empiriques de la thèse sur les réactions du marché aux annonces des bénéfices. L’impact de l’annonce de bénéfices sur le marché financier français. Deuxième partie : Partie empirique 125 SECONDE PARTIE – PARTIE EMPIRIQUE : LA METHODOLOGIE GENERALE DE LA RECHERCHE ET LES ETUDES EMPIRIQUES L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 126 CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA RECHERCHE L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 127 1 INTRODUCTION Le présent chapitre présente d'abord, les bases de données et la période d’étude16. Il définit ensuite, les mesures des surprises de bénéfice puis, présente les différents choix méthodologiques de calcul des performances anormales et ceux retenus pour les études empiriques. Enfin, les méthodes statistiques utilisées sont exposées. 2 LES BASES DE DONNEES UTILISEES, PERIODE D’ETUDE ET SELECTION DES TITRES Notre étude empirique utilise les bases de données Datastream International pour les données financières et comptables et I/B/E/S pour les prévisions des bénéfices des analystes financiers. 2.1 La base de données Datastream International 2.1.1 Description de la base de données Datastream International La base de données Datastream International rassemble des données chronologiques concernant les indicateurs économiques et les instruments financiers cotés sur plus de soixante marchés internationaux. A la différence d’autres bases de données financières (Reuters, Bloomberg, Telerate, …) qui proposent des données en temps réel, l’intérêt de la base de données Datastream International réside dans la mise à dispositions des séries chronologiques qui peuvent atteindre plus de trente années pour certains instruments. 16 Je tiens à remercier l’Université Paris Dauphine pour m’avoir permis d’accéder à la base de données Datastream International. Je remercie la société Thomsom Financial, en particulier à Pamela Grant, Academic Program Administrator à Thomson Financial, pour m’avoir permis d’obtenir la base de données I/B/E/S. Je tiens aussi à remercier M. et Mme Labegorre de m’avoir fourni un programme pour extraire les données des sociétés françaises de la base de données I/B/E/S. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 128 La base de données actions concerne plus de 50 000 titres sur soixante quatre marchés développés et émergents. Un historique de vingt-cinq années de données financières est disponible pour la plupart des marchés développés. En parallèle, des informations comptables de principales sociétés cotées sont accessibles dans un module synthétisant les états financiers annuels. La couverture des données financières pour la France commence à 1973. Depuis 1989, le nombre de titres cotés à la bourse de Paris dont les données financières et comptables sont disponibles s’est sensiblement accru. Les données comptables pour la France couvrent 85 % de la capitalisation boursière de la place de Paris depuis 1983 et exclut de fait les plus petites capitalisations. 2.1.2 Les données financières et comptables de la base de données Datastream International Diverses données financières et comptables sont disponibles pour les titres ou les indices dans la base de données Datastream International dont la capitalisation boursière (MV), le ratio book-to-market value ou valeur comptable /valeur de marché (BTMV), le Price Earning ratio (PER), le ratio cash-Flow sur flux de trésorerie par action (CF/P), les cours journaliers et mensuels des titres actions (C) , les cours des indices CAC 40 et SBF 250 et les taux monétaires (Rf) de la place financière de Paris (TAM). Les cours sont ajustés aux émissions de titre Pour assurer la cohérence des données financières sur longue période, les cours sont ajustés pour tenir compte des opérations intervenant dans le capital des sociétés concernées. Quand une société émet des actions avec bons de souscriptions ou des actions gratuites, un facteur d’ajustement est appliqué à l’historique de cours, aux dividendes et bénéfices par actions et d’autres variables jusqu’au jour de la date effective d’émission. Les données passées et actuelles sont ainsi rendues comparables. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 129 Quand une société effectue simultanément plusieurs opérations sur le capital, les émissions sont traitées de façon indépendante et chronologique. Dans ce cas, le facteur d’ajustement appliqué aux données historiques est le produit des facteurs de chaque émission. Dans le cas d’une émission d’actions de type différent ou d’actions d’une autre société ou dans le cas d’une émission d’actions du même type, le facteur d’ajustement correspond à : F = PE / P C (5) Où PC et PE sont respectivement les cours du titre la veille de l’émission et cours théorique après l’émission. En plus des émissions d’actions avec des bons de souscription et d’actions gratuites, les données théoriques peuvent être ajustées à la suite d’une redistribution de capital ou de paiement de dividendes exceptionnels. La capitalisation boursière correspond au cours de l’action multiplié par le nombre d’actions ordinaires émises : MVt = Ct * Nt (6) La quantité émise est actualisée lorsque de nouvelles tranches de titres sont émises ou à l’issue d’une opération sur capital. Pour les sociétés qui comptent plus d’une classe de fonds propres, la capitalisation boursière est exprimée en fonction de chaque émission. Le ratio valeur comptable/valeur de marché (VC/VM) correspond à l’inverse du ratio market value to book value, disponible dans la base de données Datastream International. Le ratio (VC/VM) correspond donc à la valeur comptable des actifs corporels nets divisée par la capitalisation boursière : L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche VC/VM = ANvc/VM 130 (7) Le ratio cours/bénéfices ou price earnings ratio (PER), très utilisé par les praticiens, correspond au cours de l’action divisé par le bénéfice par action défini comme le montant du bénéfice à la dernière clôture fiscale divisé par le nombre de titres. Différentes informations telles que les consensus des analystes financiers au sujet des bénéfices et de leur prévision y sont intégrées. Pour ces dernières informations, nous avons eu recours à la base de données I/B/E/S Internationale. 2.2 La base de données I/B/E/S Internationale La base I/B/E/S contient aujourd'hui des informations sur 21 000 entreprises, réparties dans plus de 70 pays dans le monde. En plus des résultats prévisionnels courants, on trouve dans l'I/B/E/S une base de données historique qui remonte jusqu'à 1976 pour les entreprises américaines et jusqu'à 1987 pour les entreprises internationales dont les entreprises cotées sur le marché financier français. En effet, chaque société est identifiée de façon unique dans la base, ce qui permet de suivre l’historique de la société. De même, chaque maison de courtage et chaque analyste sont codifiés, autorisant une identification de l’analyste indépendante de son environnement de travail. IBES propose une base de données consensuelle et une base de données détaillée. Celles-ci se composent de plusieurs fichiers comme il est montré dans les schémas 3.1 et 3.2. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 131 Graphique 3.1 - Présentation de la structure de la base de données I/B/E/S detail SIG Codes Exclusions File Actuals File Identifier File Stopped ests File Exchange Rates Files Detail Estimates File Adjustments File Estimate Currencies Broker/Analyst Translations Graphique 3.2 - Présentation de la structure de la base de données I/B/E/S consensuelle SIG Codes Background Data Identifier File Adjustments File Summary Estimates Estimate Currencies Nous utilisons la base de données détaillée. Le « detail estimates file » est un fichier contenant le détail des prévisions et il est au cœur de la base de données détaillée. Il regroupe 11 variables : le code société (I/B/E/S ticker), - le code de la maison de courtage (broker code), - le code de l’analyste (analyst code), - la monnaie (currency flag) qui indique dans quelle monnaie est suivie la société, L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche - 132 la dilution (primary/dilued flag), qui indique si une prévision a été reçue sur une base primaire ou non, - l’indicateur de la période de prévision (forecast period indicator), qui indique si la prévision est trimestrielle (Q) ou semestrielle (S) ou annuelle (A), - la prévision (value), - la période de prévision (forecast period end date), - la date de prévision (estimate date), - la date de confirmation de la prévision (review date), - la variable prédite (measure), par exemple EPS s’il s’agit du bénéfice par action (BPA) qui est estimé. Le fichier « Detail File » contient le détail des prévisions, soit 517 122 observations. Toutes les données du fichier sont ajustées. Les bénéfices sont totalement dilués. Il est possible de revenir aux données initiales. Pour la dilution comme pour les divisions de nominal, il suffit d’utiliser les facteurs d’ajustement contenus dans les fichiers « adjustments file » et « identifier file ». Les autres fichiers illustrant le schéma viennent également compléter le fichier central. Nos fichiers I/B/E/S datent de l’année 2000, précisément, la période de janvier 1987 à juin 2000. En plus des trois fichiers précédemment mentionnés, les autres fichiers de la structure de la base données I/B/E/S detail sont les suivants : - « stopped estimate file » présente la date à laquelle l’estimation a été enlevée de la base de données, - « actual file » indique la valeur réalisée du bénéfice par action. Cette donnée est compilée sous la même forme que la prévision. Il s’agit d’un résultat opérationnel « operating earnings » en opposition au résultat net ou « net income ». Ce fichier contenant les réalisations comporte 16 296 observations. - S/I/G Codes fournit les codes et secteurs d’activité des firmes de la base de données I/B/E/S. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche - 133 Les fichiers « Exchange rate File » et « Report Currency File » fournissent les taux de conversion des devises dont l’Euro pour les sociétés européennes faisant partie de la Communauté Economique Européenne (CEE). I/B/E/S uniformise ces données et contrôle sa cohérence. Dans le cadre du marché français et également sur d’autres marchés internationaux, I/B/E/S collecte gratuitement ces informations auprès des analystes. Ces derniers envoient leurs prévisions et révisions en échange d’un accès gratuit à la base de données. Obtenir de l’information sur les sociétés n’est pas le seul but des analystes. Participer aux grandes bases de données est également un argument commercial comme l’a souligné Gauquié (1999). Les analystes utilisent, également, les réunions privées avec les dirigeants pour affiner leurs prévisions (Gauquié, 1999). La base de données I/B/E/S est une base de donnée développée, offrant de nombreux axes de recherche, notamment le comportement des investisseurs (et des cours) suite aux publications des résultats. Le détail analyste par analyste nous permet d’étendre l’étude spécifique de l’effet surprise de bénéfice sur le marché français. 2.3 Période d’étude et sélection des titres Les études empiriques utilisent les bases de données DATASTREAM International et I/B/E/S. L’échantillon concerne tous les titres cotés sur le marché boursier français. La période d’étude a été choisie en fonction de la période de disponibilité des bénéfices prévisionnels provenant de la base de données I/B/E/S des sociétés françaises. La période d’étude choisie s’étend de janvier de 1988 à décembre 1999. Nous excluons l’année 1987 à cause du krach boursier d’octobre 1987. D’un point de vue général, les titres ont été sélectionnés suivant la disponibilité des données financières et comptables des bases de données DATASTREAM International et I/B/E/S. Dans un premier temps, nous partons d’un fichier de quatre L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 134 cent douze sociétés cotées sur le marché boursier française, le fichier « FFRA »17. Ce fichier « FFRA » est un fichier établi préalablement à partir de la base de données DATASTREAM International, indépendamment des différents compartiments de la bourse de Paris (Règlement Mensuel, Premier Marché, Second Marché, Nouveau Marché et le Marché Libre)18. Ces sociétés concernent aussi bien des sociétés industrielles que des sociétés financières. Nous effectuons un second tri de notre échantillon suivant les données disponibles dans I/B/E/S. L’échantillon sélectionné consiste à retenir toutes les sociétés du fichier « FFRA » de la base de données DATASTREAM International ayant des bénéfices prévisionnels. Ces titres de sociétés disposent de toutes les données nécessaires à la réalisation de nos différentes études empiriques. Ces données sont les ratios « book-to-market » ou ratios valeur comptable sur valeur marchande de la firme, les capitalisations boursières du titre, les cours ou prix du titre, les dividendes de la firme, les bénéfices par action du titre, les prévisions individuelles, le nombre d’analystes qui suivent un titre donné. Nous obtenons ainsi un fichier de 300 sociétés financières et non financières. Par la suite, nous adoptons la méthodologie de Levis et Liokadis (1999). Ainsi, un troisième choix est fait selon le nombre d’analystes suivant une entreprise. Nous nous intéressons aux firmes suivies par un minimum de deux analystes financiers. Nous enregistrons un total de 253 firmes. Un quatrième tri est effectué en excluant les sociétés financières. Nous aboutissons à un fichier de 226 entreprises. Enfin, nous sélectionnons les titres aux ratios « book-to-market » positifs. Ces critères de sélection nous permettent de disposer d’un échantillon final d’environ 226 sociétés non financières cotées à la bourse de Paris avec un nombre approximatif de 2200 annonces annuelles de bénéfices19. 17 Voir la liste de toutes les sociétés du fichier « FFRA » en annexe.4.1. Dans un souci d’harmonisation avec les autres grandes places boursières, la Bourse de Paris a supprimé le marché à règlement mensuel le 25 septembre 2000. Il a été remplacé par un système de règlement différé (SRD). 19 Voir l’annexe 4.2 pour la liste finale des sociétés sélectionnées pour notre travail. 18 L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 3 MESURES DES SURPRISES 135 DE BENEFICES ET DES REVISIONS DE BENEFICES 3.1 Définitions des mesures de surprise de bénéfices Dans la littérature financière, les surprises de bénéfices sont évaluées soit par des modèles de séries temporelles soit par les prévisions des analystes financiers. Nous ne nous intéressons qu’aux dernières possibilités d’estimations des surprises de bénéfice. La recherche en finance utilise fréquemment les prévisions des analystes comme anticipations des investisseurs. Ces prévisions peuvent se présenter sous plusieurs formes : - soit en tant que consensus, - soit en tant que prévisions individuelles. Les auteurs utilisent en général le consensus fourni par les bases de données mais pour notre étude empirique, nous utilisons les prévisions de bénéfices individuelles que nous agrégeons suivant la date d’annonce du bénéfice. En effet, elle répond plus à notre étude sur le comportement des investisseurs suivant la publication des bénéfices. Désormais, la variable PREV désignera les prévisions individuelles moyennes des analystes financiers à la période t du titre i. Les bénéfices annoncés pris en compte sont annuels20. Pour étudier l’impact de l’annonce de bénéfices sur le marché financier français, nous appliquons la méthodologie de Chan, Lakonishok et Jegadeesh (1996) et Levis et Kariokis (1999). Elle repose sur des comparaisons systématiques d’une prévision et d’une réalisation ou de prévisions de bénéfices sur diverses périodes. Toutes ces comparaisons constituent des erreurs d’estimations de bénéfices. Chan, Lakonishok et Jegadeesh (1996) ont utilisé ces mesures de surprise de bénéfices pour 20 Les bénéfices courants sont en majorité annuels sur notre période d’étude, c’est-à-dire la période de janvier 1988 à décembre 1999. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 136 étudier l’effet « earning momentum » où ils montrent que l’effet « momentum » est important autour de la date d’annonce du bénéfice. Les erreurs d’estimations des bénéfices ou surprises de bénéfices sont non seulement de précieux indicateurs permettant de juger la qualité des estimations fournies par les analystes financiers, mais elles sont aussi révélatrices des anticipations des investisseurs. Elles nous permettent de voir si les investisseurs réagissent correctement ou sous-réagissent ou sur-réagissent aux annonces des bénéfices. 3.2 Les mesures de surprises de bénéfices Les erreurs de prévision de bénéfices sont les évaluations classiques des surprises de bénéfices. Elles permettent de savoir si les investisseurs ont tendance à sous-estimer ou sur-estimer les annonces de bénéfices selon que l’erreur moyenne constatée pour chaque période est négative ou positive. La première mesure d’erreur relative de prévision de bénéfices utilisée (SUE1) est définie par la formule ci-dessous : SUE1 = (BPA – PREV) / P (8) Où BPA est le bénéfice par action annoncé du titre i de l’année t. La variable PREV est le bénéfice prévisionnel agrégé correspondant au bénéfice annoncé. De même, P est le cours correspondant au bénéfice réalisé. La variable SUE1 tire sa nomination d’erreur relative de prévision de bénéfices à cause de l’erreur moyenne de prévision du bénéfice (BPA – PREV) dans la formulation (8). Cette erreur moyenne a été standardisée par le cours du titre. Cette mesure donne une information supplémentaire en indiquant la proportion du prix du titre que représente la différence entre la réalisation et la prévision de bénéfices. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 137 La seconde mesure analysée dans notre étude consiste à standardiser les erreurs de prévision par la valeur absolue du bénéfice réalisé : SUE2 = (BPA – PREV) / |BPA| (9) Cette mesure donne une information supplémentaire en indiquant la proportion du bénéfice réalisé courant (BPA) que représente la différence entre la réalisation et la prévision de bénéfice. La troisième mesure analysée dans notre étude consiste à standardiser les erreurs de prévision par la valeur absolue du bénéfice prévisionnel individuel : SUE3 = (BPA – PREV) / | PREV| (10) Cette mesure donne une information supplémentaire en indiquant la proportion du bénéfice prévisionnel (PREV) que représente la différence entre la réalisation et la prévision de bénéfice. La quatrième et dernière mesure analysée dans notre étude consiste à standardiser les erreurs de prévision par l’écart-type des estimations consensuelles (σPREV) : SUE4 = (BPA – PREV) / |σPREV| (11) Elle donne également une information supplémentaire en indiquant la proportion de l’écart-type des estimations que représente la différence entre la réalisation et la prévision. Les tableaux 3.1 et 3.2 fournissent respectivement les statistiques descriptives [nombre d’observations (N), médiane (Me), moyenne (M), écart type (s), les tests de Kolmogorov-Smirnov (Z) et Student (t), les valeurs minimales (Min) et maximales (Max) et les centiles] et les corrélations non paramétriques des rangs de Kendall (ou L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 138 Tau de Kendall) et Spearman (ou Rho de Spearman) des séries de surprises de bénéfice SUEi (i = 1, 2, 3 et 4). Tableau 3.1 – Statistiques descriptives des variables SUEi Centiles Variables N Me M s SUE1 1954 -0,53 -0,9 2,3 SUE2 1971 -0,72 -3,83 SUE3 1932 -0,89 SUE4 1947 -5,89 Z t Min Max 25ème 50ème 75ème 11,28*** -17,36*** -24,7 13,52 -0,87 -0,53 -0,32 11,57 13,09*** -15,71*** -237,22 120,81 -7,19 -0,72 -0,5 -0,71 0,85 16,86*** -13,49*** -1,00 15,16 -0,94 -0,89 -0,86 -10,56 25,11 16,19*** -6,95*** -943,32 16,17 -11,59 -5,89 -2,93 Note : Le test z de Kolmogorov-Smirnov à un échantillon indique la distribution gaussienne des variables SUEi. Le test t de Student indique la nullité de la moyenne des variables SUEi. Les symboles ***, ** et * indiquent les significations des statistiques respectivement aux seuils 1%, 5% et 10%. Tableau 3.2 – Tests de corrélation de rangs de Kendall et Spearman des variables SUEi Corrélation: Tau-B de Kendall SUE1 SUE1 SUE2 SUE3 SUE4 1,00*** 0,56*** 0,58*** 0,38** SUE2 1,00*** 0,65*** 0,61*** SUE3 1,00*** 0,56*** SUE4 1,00*** Corrélation: Rho de Spearman SUE1 SUE1 SUE2 SUE3 SUE4 1,00*** 0,76*** 0,83*** 0,57*** SUE2 1,00*** 0,92*** 0,80*** SUE3 1,00*** 0,84*** SUE4 1,00*** Note : Les symboles ***, ** et * indiquent les significations des statistiques d’association ou de corrélations Tau de Kendall et Rho de Spearman respectivement aux seuils 1%, 5% et 10%. Les résultats du tableau 3.1 montrent que les variables surprises de bénéfice (SUEi) sont des distributions gaussiennes. Le test de Kolmogorov-Smirnov indique des valeurs respectives de 11,28 ; 13,09 ; 16,86 et 16,19 des SUEi (i = 1, 2, 3 et 4) significatives au seuil de 1%. Le tableau 3.1 montre également que les variables (SUEi) sont statistiquement significatives et non nulles précisément, négatives en L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 139 moyenne au seuil de 1%. En effet, les valeurs SUEi (i = 1, 2, 3 et 4) sont respectivement –0,90 ; -3,83 ; -0,71 et –10,56 en moyenne et les valeurs du test t de Student des variables SUEi (i = 1, 2, 3 et 4) sont respectivement –17,36 ; -15,71 ; 13,49 et –6,95. Ces valeurs montrent que les investisseurs (et analystes financiers) sont en moyenne optimistes sur les prévisions de bénéfice sur le marché financier français. Ces résultats corroborent ceux de Fontowicz (1999). Le tableau 3.2 présente les résultats du test de corrélation de rangs de Kendall et Spearman. Ces résultats montrent que les quatre surprises de bénéfice évaluées différemment sont statistiquement corrélées au seuil de 1%. Compte tenu des valeurs très significatives des tests non paramétriques de corrélation de rangs, nous considérons comme mesure d’erreur relative de prévision de bénéfice la variable SUE1, désormais notée SUE. Cette variable SUE est préconisée par Derrien et Degeorges (2001). Les annonces des bénéfices seront considérées comme de bonnes (respectivement mauvaises) nouvelles si : SUE > 0 (respectivement SUE < 0) (12) 3.3 Les révisions de prévision de bénéfices (REVM) La variable (REVM) est définie comme la révision de prévisions de bénéfices sur M mois. D’après Chan, Jegadeesh et Lakonishok (1996), cette variable est une mesure de l’effet « earning momentum » c’est-à-dire elle donne une estimation des informations passées des bénéfices sur M mois. En quelque sorte, elle exprime l’ampleur de révision des prévisions de bénéfice des analystes sur les M mois passés avant la communication du bénéfice. De ce fait et par abus de langage, la variable (REVM) est considérée comme une mesure de surprise de bénéfice. Récemment, la variable (REV6) ou révision de prévisions de bénéfice sur six mois passés, a été utilisée L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 140 comme une estimation de l’effet « momentum » de bénéfice sur le marché financier anglais par Liu, Strong et Xu (2003). La variable (REVM) est formulée de la manière suivante : REVM = ∑[(PREVi,t-s+1 - PREVi,t-s) / Pi,t-s] pour s allant de 1 à M. (13) 4 LE CALCUL DES RENTABILITES ANORMALES Les rentabilités brutes sont calculées à partir des cours et dividendes ajustées de la base de données DATASTREAM International. Elles sont évaluées de la manière suivante : Rit = Log[Pi,t+1 + Di,t+1 / Pi,t] (14) Où Pi,t (respectivement Pi,t+1) est le cours ajusté du titre i au début de la période t (respectivement t+1) et Di,t+1 est le dividende distribué à la période t+1. Dans la démarche de calcul des rentabilités anormales, il y a plusieurs options méthodologiques. En effet, pour déterminer la rentabilité anormale moyenne d’un échantillon de sociétés, il importe de procéder préalablement à la sélection : d’une perspective temporelle, d’un benchmark, d’une mesure de performance anormale moyenne et d’un mode de pondération des rentabilités. Il n’existe cependant aucun consensus en ce qui a trait à la combinaison (perspective temporelle – benchmark – mesure – mode de pondération) la plus appropriée pour évaluer la performance anormale moyenne à long terme suite à un événement. Cette absence de consensus nous amène à fournir au lecteur une synthèse de ces choix méthodologiques afin de justifier les choix de calcul des performances anormales utilisés dans nos travaux empiriques. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 141 4.1 Le choix d’une perspective temporelle La rentabilité anormale moyenne d’un échantillon de firmes peut être calculé en temps événementiel (« event time ») ou en temps réel (« calendar time »). Pour étudier la performance anormale moyenne à long terme suite à un événement donné, il est indispensable de constituer un échantillon. Dans le cas de notre travail, l’échantillon est composé des firmes qui ont eu affaire à une annonce de bénéfice sur la période de janvier 1988 à décembre 1999. Cet intervalle de temps constitue notre période d’étude. Nous mesurons la performance anormale moyenne de notre échantillon de firmes cotées sur le marché boursier français sur des périodes de 15 à 36 mois avant et après chaque annonce de bénéfice. Ces horizons de temps de T (15 à 36) mois dépendent de l’amplitude entre deux annonces de bénéfices successives. Ainsi, nous avons des horizons de T périodes variantes. Ils dépendent aussi du temps de revirement des annonces de bénéfice. Il convient de souligner qu’effectuer une étude des performances des titres suite aux annonces de résultat sur des horizons de moyen et long terme est très délicate. En effet, l’objectif de l’étude étant de quantifier l’impact des annonces de bénéfices sur la rentabilité anormale boursière à court, moyen et long terme sous des approches de l’orthodoxie financière ou de l’hétérodoxie financière, il était important de constituer un échantillon, prédéterminer une période d’étude et fixer un horizon de temps de T périodes sur lesquels seront calculées ces performances anormales moyennes. Nous pouvons maintenant définir ce que nous entendons par étude en temps événementiel et étude en temps réel. 4.1.1 L’étude en temps événementiel Une étude en temps événementiel fait abstraction du temps réel, c’est-à-dire des dates effectives (jour, mois, année) où se sont produits les événements d’un échantillon. Ce qui importe plutôt, c’est le temps événementiel ou relatif. Ce dernier débute à la date événementielle « 0 » et se termine T périodes plus tard. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 142 Considérons une étude sur la performance anormale à long terme avec les spécificités suivantes : Taille de l’échantillon : 226 firmes Nature de l’échantillon : Firmes non financières cotées sur le marché boursier français ayant procédé à une annonce de bénéfice Période de l’étude : Janvier 1988 à décembre 1999 Horizon de l’étude : 36 mois avant et après l’annonce des bénéfices Supposons que la firme (1) de cet échantillon ait procédé à une annonce de bénéfice au cours du mois de janvier 1988. Afin de déterminer la rentabilité anormale de cette firme sur les 36 mois avant et après l’annonce du bénéfice, il est nécessaire de recenser ses rentabilités mensuelles sur la période de janvier 1985 à janvier 1991. La date « 0 » marque le mois de l’événement, c’est-à-dire le mois de janvier 1988. Les dates « -1 » et « +1 » sont attribuées respectivement aux mois de décembre 1987 et février 1988, puisqu’ils correspondent aux premiers mois précédant et suivant le mois de l’annonce. Ces attributions se poursuivent jusqu’aux dates « -36 » et « +36 » que l’on associe respectivement aux mois de janvier 1985 et janvier 1991, puisqu’ils correspondent respectivement aux trente-sixième mois écoulés avant et après le mois de l’événement. A chacune de ses 72 dates c’est-à-dire les 36 dates avant et après l’événement est évidemment jumelé la rentabilité mensuelle correspondant de la firme (1). Cette démarche permet de construire un vecteur ligne qui liste les rentabilités mensuelles de la firme (1) au cours des 36 mois précédant et suivant le mois de l’annonce du bénéfice. L’application de cette démarche aux autres sociétés de l’échantillon permet de générer un total de 226 vecteurs ligne. Ces vecteurs lignes débutent par la rentabilité mensuelle associé à la date « -36 » et se terminent par la rentabilité mensuelle recensée à la date « -36 ». Ces bornes inférieure et supérieure définissent le cadre temporel de cette étude en temps événementiel si l’on décide d’appliquer la méthode de l’étude d’événement en temps événementiel. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 143 Graphique 3.3 – Illustration du concept de temps événementiel Firme 1………................................ Rsue,1,n …………………………………………. .................................................................................................................................................. .................................................................................................................................................. Firme i………………………........ Rsue,i,n …………………………………………. .................................................................................................................................................. . . Firme 226…………………………. Rsue,226,n ….………………………………………. Où Rsue,i,n = rentabilité de la firme i au cours du nième mois suivant le mois de l’annonce du bénéfice. 4.1.2 L’étude en temps réel Comme son nom l’indique, une étude en temps réel tient compte du temps réel, c’est-à-dire des dates effectives où se sont produits chacun des événements d’un échantillon. Ainsi, le moment où l’événement survient ne porte plus la date « 0 », comme dans le cas de l’étude en temps événementiel, mais bien la date réelle où s’est produit l’événement qui se termine T périodes plus tard. Il peut commencer à T’ (T’ peut être égal à T). Ceci est le cas de notre exemple précédent, T’ périodes plus tôt si l’on décide d’étudier les performances anormales précédant l’événement en question. Cette définition du temps réel s’applique à tous les événements d’un échantillon. Ce faisant, le cadre temporel d’une étude réalisée en temps réel ne se limite pas à l’horizon de l’étude. Il se rapproche plutôt de la notion de période de l’étude que nous avons défini au tout début de cette section. Afin d’illustrer le concept de temps, reprenons notre exemple précédent. L’échantillon comprend 226 firmes qui ont réalisé une annonce de bénéfice entre le mois de janvier 1988 et le mois de décembre 1999. Pour chacune de ces firmes, nous devons recenser les rentabilités mensuelles au cours des 36 mois qui ont précédé et suivi le mois de leur émission. Pour la firme (1), qui a émis au cours du mois de janvier 1988, le segment de rentabilités mensuelles s’amorcera avec la rentabilité de janvier 1985 et se terminera avec la rentabilité du mois de janvier 1991. La firme (1) L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 144 se veut un cas extrême, puisqu’elle a annoncé un résultat durant le premier mois de la période d’étude. Le mois de janvier 1985 sera, par conséquent, la borne inférieure du cadre temporel de notre exemple d’étude en temps réel. Supposons maintenant que la firme (226) de cet échantillon ait annoncé un bénéfice au cours du mois de décembre 1999. Dans le cas de cette firme, le segment de rentabilités débutera avec la rentabilité du mois de décembre 1996 et se terminera avec la rentabilité du mois de décembre 2002. Le mois de décembre 2002 représente donc la borne supérieure du cadre temporel de notre exemple en temps réel. Donc, le cadre temporel de l’étude réalisée en temps réel est délimité par le mois de février 1985 et le mois de décembre 2002. A l’intérieur de ces bornes, nous retrouvons les segments de rentabilités mensuelles de chacune des 226 firmes de l’échantillon disposés sur le continuum temps en fonction de la date réelle de l’événement. Cette disposition des rentabilités différencie l’étude en temps réel de l’étude en temps événementiel. Le graphique 3.4 permet d’identifier les firmes qui composent le portefeuille d’annonces de résultat au cours d’un mois donné. Ce sont les rentabilités de ce portefeuille mensuel qui servent maintenant de base au calcul de la performance anormale moyenne d’un échantillon de firmes annonciatrices de résultat. Graphique 3.4 – Illustration du concept de temps réel Firme 1 Rsue,1,déc85 Firme 2 Firme 3 . . . Firme 225 Firme 226 Rsue,1,janv88 Rsue,2,janv86 Rsue,1,fév88 Rsue,3,fév86 Rsue,1,déc85 Rsue,3,mars88 Rsue,225,nov99 Rsue,226,déc99 Rsue,225,déc01 Rsue,226,janv02 Rsue,226,janv02 Où Rsue,i,n = rentabilité de la firme i au cours du nième mois suivant le mois de l’annonce du bénéfice. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 145 Nous avons tenté dans cette section de familiariser le lecteur avec les deux perspectives temporelles que l’on retrouve dans la littérature sur la performance anormale notamment, la performance anormale à long terme. La plupart des auteurs ont adopté une perspective de temps événementiel pour mesurer la performance anormale moyenne de leur échantillon de décision financière donnée. Certains de ces auteurs ont également réalisé leur étude en temps réel. Le choix d’une perspective temporelle ne peut suffire, à lui seul, au calcul de la rentabilité anormale moyenne d’un échantillon de firmes. Pour ce faire, il importe aussi de sélectionner un benchmark, une mesure de performance anormale moyenne, ainsi qu’un mode de pondération des rentabilités. La section suivante aborde la question du choix d’un benchmark. 4.2 Le choix d’un benchmark La rentabilité anormale moyenne d’un échantillon de firmes s’établit par rapport à une référence de normalité : un benchmark. A travers la panoplie de benchmarks proposés dans la littérature, 3 catégories se dessinent : la catégorie des firmes de contrôle, celle des portefeuilles de référence et celle des modèles à facteurs. L’utilisation des modèles à facteurs n’a été répertoriée que dans les études en temps réel. La présentation des diverses catégories de benchmarks fera l’objet de cette section. 4.2.1 Les firmes de contrôle Cette première catégorie de benchmarks porte l’appellation de « matching firms » dans la littérature financière anglo-saxonne. Pour définir ce que nous entendons par firme de contrôle, nous reprenons l’exemple précédent c’est-à-dire un échantillon de firmes ayant annoncé un résultat. Chacune des n firmes de cet échantillon est jumelée à une firme qui n’a pas annoncé un résultat au cours des T mois précédant et suivant le mois d’annonce du résultat. Ce premier critère de sélection L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 146 permet d’isoler le phénomène étudié. Le jumelage d’une firme annonciatrice de bénéfice à une firme non annonciatrice se fait habituellement sur la base de critères tels que la taille (capitalisation boursière du titre) et/ou le ratio valeur comptable sur valeur marchande du titre (ratio « book-to-market »). Ces firmes, sélectionnées par le jumelage, constituent l’échantillon de firmes de contrôle. Soulignons que dans le cas d’un jumelage optimal, une firme de contrôle ne sert de benchmark que pour une seule firme de l’échantillon. 4.2.2 Les portefeuilles de référence Dans cette deuxième catégorie de benchmarks, nous retrouvons les indices de marché ainsi que les portefeuilles construits sur la base d’un ou plusieurs critères, notamment celui de la taille, du ratio « book-to-market » ou de ces deux critères combinés. La formation de tels portefeuilles nécessite de diviser l’ensemble des firmes listées en bourse en sous-groupes selon le ou les critères retenus. Cette procédure est généralement répétée périodiquement afin de s’assurer que les firmes composant un sous-groupe répondent toujours au(x) critère(s) de formation de ce dernier. Il faut préciser que ces sociétés ne font pas partie de l’échantillon des firmes ayant publié un bénéfice. Chacun de ces sous-groupes forme un portefeuille de référence qui sert à mesurer la rentabilité anormale de toutes les firmes de l’échantillon qui répondent au(x) même(s) critère(s) de formation dudit portefeuille. 4.2.3 Les modèles à facteurs Cette troisième et dernière catégorie de benchmarks regroupe les modèles à facteurs, ou les modèles générateurs de rendements. Les modèles à facteurs semblent avoir été privilégiés par les auteurs qui ont choisi de réaliser leur étude en temps réel. Nous nous proposons de détailler les deux principaux modèles retenus par ces auteurs qui ont tenté de mesurer la performance anormale moyenne d’un échantillon d’annonces de bénéfice. Il s’agit du modèle à 3 facteurs de Fama et French (1993) et du modèle à 4 facteurs de Carhart (1997). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 4.2.3.1 147 La méthodologie de Fama et French (1993) Selon le modèle de Fama et French (1993) (15), la rentabilité excédentaire d’un portefeuille de titres, (Rp,t – Rf,t), serait fonction de sa sensibilité à trois facteurs de risque : le facteur de marché (RMRFt), le facteur relié à la taille (SMBt) et le facteur relié au ratio valeur comptable sur valeur marchande du titre (HMLt). Les coefficients de sensibilité à ces facteurs s’estiment par une régression en séries chronologiques. La variable dépendante de cette régression équivaut aux rentabilités excédentaires de portefeuilles mensuels de titres (Rp,t – Rf,t), alors que les variables explicatives sont des portefeuilles à investissement nul, construits de manière à mimer les facteurs de risque communs à l’ensemble des titres. Rp,t – Rf,t = αp + βp RMRFt + φpSMBt + γpHMLt + εp,t (15) Pour un mois t donné, la rentabilité excédentaire d’un portefeuille correspond à la différence entre la rentabilité excédentaire de ce portefeuille (Rp,t) et le taux sans risque estimé par la rentabilité sur les bons du trésor américains à un mois (Rf,t). Les variables explicatives SMBt et HMLt représentent des portefeuilles à investissement nul, construits de manière à mimer les facteurs de risque dans les rentabilités qui sont reliées respectivement à la taille et au ratio valeur comptable sur valeur marchande du titre. Pour bâtir ces deux variables, Fama et French (1993) se sont servis des rentabilités mensuelles de six portefeuilles (S/L, S/M, S/H, B/L, B/M, B/H) qu’ils ont formés. Au mois de juin de chaque année t, les titres de l’échantillon sont répartis en deux groupes (S pour small et B pour big) suivant que leur valeur de marché en juin t est inférieure ou supérieure à la valeur de marché médiane de l’échantillon. Indépendamment, les titres sont classés suivant leur ratio VC/VM en décembre t-1 et répartis en trois groupes par tiers (L pour « low », M pour « medium » et H pour « high »). Les six portefeuilles S/L (« Small/low »), S/M (Small/Medium), S/H L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 148 (« Small/high »), B/L (« Big/Low »), B/M (« Big/Medium ») et B/H (« Big/high ») sont constitués à l’intersection des deux répartitions précédentes. Fama et French (1993) justifient cette décomposition en six portefeuilles par l’importance du ratio valeur comptable sur valeur marchande du titre (VC/VM) dans l’explication de la rentabilité des titres par rapport à la capitalisation boursière dans leur étude de 1992. Le portefeuille S/L contient les plus petites capitalisations boursières de l’échantillon qui présentent un ratio VC/VM faible. Le portefeuille B/H comprend les titres associés à un ratio VC/VM élevé parmi les plus fortes capitalisations. Les portefeuilles sont reformés chaque année, fin juin. Les rentabilités non pondérées sont calculées mensuellement de juillet t à juin t+1. Graphique 3.5 – Structure des portefeuilles de Fama et French (1993) composés selon la capitalisation et le ratio « book-to-market » Capitalisation boursière Médiane Small/High Big/High Small/Medium Big/Medium Small/Low Big/Low 7ème décile 3ème décile Ratio VC/VM Source: Molay. (2001) La rentabilité de la variable explicative liée à la capitalisation boursière, SMB (« Small minus Big »), correspond à la différence, calculée mensuellement, entre la rentabilité moyenne des trois portefeuilles de capitalisation boursière faible (S/L, S/M, S/H) et la rentabilité moyenne des trois portefeuilles de capitalisation boursière élevée (B/L, B/M, B/H) : SMB = [(RS/L + RS/M + RS/M)/3] – [(RB/L + RB/M + RB/H)/3] L’impact de l’annonce de bénéfices sur le marché financier français. (16) Chapitre 3 – Méthodologie générale de la recherche 149 La rentabilité de la variable explicative liée au ratio VC/VM, HML (« High minus Low »), correspond à la différence entre la rentabilité moyenne des deux portefeuilles de ratio VC/VM élevé (S/H, B/H) et la rentabilité moyenne des deux portefeuilles de ratio VC/VM faible (S/L, B/L) : HML = [(RS/H + RB/H)/2] – [(RS/L + RB/L)/2] (17) Ces deux portefeuilles formés de firmes dont les ratios VC/VM sont extrêmes ont par ailleurs relativement la même taille moyenne. Outre les facteurs de risque reliés à la taille et au ratio VC/VM, Fama et French (1993) considèrent également le facteur de risque de marché dans leur modèle. La variable RMRFt est construite de façon à mimer ce facteur de risque. Pour un mois t donné cette variable s’obtient en soustrayant la rentabilité sur les bons du trésor, à un mois (rf,t) de la rentabilité d’un portefeuille de marché. Cette rentabilité du marché, peut être, soit un indice représentatif du marché soit un portefeuille de marché comprenant toutes les firmes figurant dans les six portefeuilles formés initialement pour construire les variables explicatives SMBt et HMLt. Dans le cas français, nous utilisons les indices CAC 40 et SBF 250. 4.2.3.2 La méthodologie de Carhart (1997) Selon le modèle de Carhart (1997)21 présenté à l’équation (18), la rentabilité excédentaire d’un portefeuille de titres serait fonction de sa sensibilité à 4 facteurs de risque : les 3 facteurs de Fama et French (1993) et un facteur relié à l’effet « momentum » dans les rentabilités des titres au cours des douze derniers mois (PR1YRt). Rp,t – Rf,t = αp + βp RMRFt + φpSMBt + γpHMLt + µtPR1YRt + εp,t 21 Carhart (1997) a créé son modèle à quatre facteurs pour expliquer les rentabilités des fonds mutuels. L’impact de l’annonce de bénéfices sur le marché financier français. (18) Chapitre 3 – Méthodologie générale de la recherche 150 La quatrième variable explicative représente un autre portefeuille à investissement nul qui a été construit de façon à mimer le facteur de risque relié à l’effet momentum dans les rentabilités. Pour bâtir cette variable, Carhart (1997) s’est servi des rentabilités mensuelles moyennes de deux portefeuilles (le portefeuille des firmes gagnantes et le portefeuille des firmes perdantes) qu’il a formés mensuellement22. Pour un mois t donné, PR1YRt correspond à la différence entre la rentabilité mensuelle moyenne du portefeuille des firmes gagnantes et la rentabilité mensuelle moyenne du portefeuille de firmes perdantes. Voilà qui termine la présentation des deux modèles générateurs de rentabilités qui ont été retenus à titre de benchmarks dans les études en temps réel sur la performance anormale à long terme des annonces de résultats. La présente section avait pour objectif de présenter les diverses catégories de benchmarks que l’on trouve dans la littérature sur la performance anormale moyenne à long terme. Le choix d’un benchmark demeure l’élément clé du calcul de la performance anormale moyenne d’un échantillon ou d’un portefeuille de titres actions, puisque la rentabilité normale s’établit par rapport à une norme, c’est-à-dire par rapport au benchmark. Pour notre étude empirique, nous optons pour les modèles à facteurs car ils répondent le mieux à celle-ci. Mais avant de pouvoir effectivement chiffrer la performance anormale moyenne, il importe de retenir une mesure et un mode de pondération des rendements. C’est ce que nous traitons dans la section suivante. 22 Chaque mois, les firmes listées sur les bourses du NYSE, AMEX et NASDAQ sont ordonnées selon leur « momentum » de rentabilités. Ce dernier s’obtient en calculant la rentabilité du titre sur les douze mois précédant le mois t. Précisons que la rentabilité du mois t-1 est exclue de ce calcul. Ce classement mensuel de « momentum » est ensuite divisé en 3 sous-groupes : les premiers 30 %, les 40% suivants et les derniers 30%. Les firmes appartenant au premier sous-groupe forment le portefeuille de firmes perdantes (« momentum »s bas), alors que celles figurant dans le troisième sous-groupe composent le portefeuille de firmes gagnantes (« momentum »s élevés). L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 151 4.3 Le choix d’une mesure de performance anormale moyenne La performance anormale moyenne d’un échantillon peut être déterminée, à l’aide de deux méthodes : celle des rentabilités anormales cumulées (CAR) et celle des rentabilités anormales composées (BHAR). Dans le cadre de notre recherche, nous retiendrons la première méthode pour plusieurs raisons. Tout d’abord, la méthode des rentabilités anormales composée (BHAR)23, utilisée surtout sur les marchés américains, présente une limite. Elle sur-évalue les performances anormales qui évoluent selon la période de détention des portefeuilles [Fama (1998), Mitchell et Stafford (2000)]. La seconde méthode (CAR), utilisée couramment dans les études d’évènements, semble plus pertinente. Elle tient compte de la période de détention réelle du protefeuille et donc, ne sur-évalue pas les performances. 4.3.1 Le CAR moyen La mesure que nous appelons CAR moyen est connue dans la littérature financière anglo-saxonne sous le nom de « Average Cumulative Abnormal Returns » ou de « Average Cumulative Adjusted Returns ». Cette mesure s’obtient par le cumul des rentabilités anormales périodiques moyennes sur l’horizon considéré. Dans la majorité des études sur cette mesure, les rentabilités anormales sont calculées sur une base mensuelle. 23 Le BHAR moyen fait référence à la mesure communément appelée « Average Buy-and-Hold Abnormal Return » dans la littérature anglo-saxonne. Cette mesure est utilisée pour désigner la rentabilité issue d’une stratégie d’achat et de détention d’un titre ou d’un benchmark sur un horizon donné. Tel que montré dans l’équation (1), le HPR de la firme annonciatrice i s’obtient par la composition de ses rentabilités mensuelles sur la totalité de l’horizon, en l’occurrence sur les mois 1 à T (respectivement –T à –1) suivant (respectivement précédant) l’annonce du résultat. Le HPR du benchmark se calcule de façon analogue. L’acronyme HPR provenant de l’appelation anglophone « Holding Period Return » désigne la rentabilité issue d’une stratégie d’achat et de détention d’un titre ou d’un benchmark sur un horizon donné. HPRi,T,h = ∏(1 + Ri,t) – 1 pour t allant de h+1 à T+h. HPRbenchmark,T,h = ∏(1 + Rbenchmark,t) – 1 pour t allant de h+1 à T+h. (1) La différence entre le HPRT de la firme i et celui de son benchmark donne la rentabilité « anormale » résultant d’une stratégie d’achat de la firme i suite à l’annonce de son bénéfice et de sa détention pendant T mois. L’équation (2) formalise cette définition du BHARi,T pour la firme i, annonciatrice du résultat. BHARi,T,h = HPRi,T,h – HPRbenchmark,T,h = ∏(1 + Ri,t) – ∏(1 + Rbenchmark,t) pour t allant de h+1 à T+h. (2) L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 152 Pour obtenir les rentabilités anormales mensuelles moyennes, il convient avant tout de calculer les T rentabilités anormales mensuelles de chacun des n firmes de notre échantillon. Pour un mois t donné, la rentabilité anormale d’une firme i (annonçant un résultat) correspond à la différence entre sa rentabilité mensuelle et celle d’un benchmark (norme K). Cette définition est formalisée par l’équation suivante : ARit = Rit - Kit i=1à n (19) t = mois précédent ou suivant l’annonce du résultat, t = 1 à T. Pour un mois t donné, la rentabilité anormale moyenne des n firmes de l’échantillon (ARt,moyen) est : n ARt , moyen = ∑ Wi ,t ARi ,t (20) i =1 Où wi,t est le poids de la firme i au cours du mois t ; Le CART,moyen (respectivement CAR-T,moyen) s’obtient en cumulant les T rentabilités anormales mensuelles moyennes sur l’horizon de 1 à T mois (respectivement sur l’horizon –T à –1 mois). Il est formalisé par l’équation suivante : T T n t =1 t =1 i =1 CART , moyen = ∑ ARt , moyen = ∑∑ wi ,t ARi ,t T CAR−T ,moyen = ∑ ARt ,moyen = t =1 −1 (21) n ∑ ∑w i ,t ARi ,t (22) t =−T i =1 Choisir le CAR moyen pour mesurer la performance anormale moyenne d’un échantillon de firmes implique de définir l’hypothèse de recherche comme suit : • H0 : CART moyen = 0 • H1 : CART moyen ≠ 0 L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 153 Après avoir présenté la méthode de calcul de la rentabilité anormale cumulée moyenne, nous présentons les différents modes de pondération des rentabilités. 4.3.2 Le choix d’un mode de pondération des rendements Les mesures des performances peuvent être calculées avec des rentabilités équipondérées ou des rentabilités pondérées par la capitalisation boursière de la firme. Nous rappelons maintenant les définitions des rentabilités équipondérées et des rentabilités pondérées par la valeur. 4.3.2.1 L’équipondération ou « Equally-Weighted » ou « E.W. » L’équipondération fait référence au mode de pondération qui accorde un poids identique aux firmes. Dans le cas d’une étude en temps événementiel, le nombre de firmes est égal à la taille de l’échantillon ou du portefeuille de titres. Dans le cas d’une étude en temps réel, le nombre de firmes dépend de la quantité de sociétés présentes dans le portefeuille mensuel considéré. La taille du portefeuille varie donc mensuellement. L’équation (23) définit le poids accordé à la firme i au cours du mois t. wi,t = 1/nt (23) Où - wi,t est le poids de la firme i au cours du mois t ; - nt est le nombre de firmes dans l’échantillon dans le cas d’une étude en temps événementiel ou le nombre de firmes appartenant au portefeuille mensuel i dans le cas d’une étude en temps réel. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 4.3.2.2 154 La pondération par la capitalisation boursière ou « Value-Weighted » ou « V.W. » Comme son nom l’indique, ce mode de pondération des rentabilités accorde aux firmes un poids proportionnel à leur capitalisation boursière. Encore une fois, il s’agit des firmes de l’échantillon dans le cas d’une étude en temps événementiel et des firmes qui forment un portefeuille mensuel dans le cas d’une étude en temps réel. Selon ce mode de pondération, les rentabilités des firmes de grande taille se voient allouer un poids plus important que celui des firmes de petite taille. L’équation (24) explicite la définition d’une pondération par la capitalisation boursière dans le cas d’une étude en temps réel. Le poids de la firme i appartenant au portefeuille mensuel t correspond au rapport entre la capitalisation boursière de la firme i au cours du mois t et la somme des capitalisations boursières des n firmes du portefeuille. wi ,t = mvi ,t nt ∑ mv i ,t (24) i =1 Où wi,t est le poids de la firme i dans le portefeuille formé en temps réel au mois t ; mvi,t est la capitalisation boursière de la firme i au cours du mois t ; nt est le nombre de firmes appartenant au portefeuille mensuel t dans le cas d’une étude en temps réel. L’équation (24) ne peut-être appliquée dans le cadre d’une étude en temps événementiel, puisqu’elle fait intervenir des capitalisations boursières en temps réel. Par définition, une étude événementielle fait abstraction des dates effectives où se sont produits les événements d’un échantillon. Or, cette procédure engendre des problèmes d’échelle entre les capitalisations boursières des firmes d’un échantillon. Pour éviter ce problème, deux étapes sont nécessaires à la détermination du poids à accorder à la firme i. La première étape permet de calculer, au moment de l’événement, une L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 155 proportion qui représente la capitalisation boursière relative de la firme i. Comme montré à l’équation (25), cette proportion s’obtient en divisant la capitalisation boursière de la firme i à la date de l’événement par la somme des capitalisations boursières des autres firmes de l’échantillon qui sont listées à cette date. n ed i ∑ mv rmvi ,ed i = mvi ,ed i j =1 j , ed i (25) Où rmwi,edi est la capitalisation boursière relative de la firme à la date réelle de l’événement; mvi,edi est la capitalisation boursière de la firme i à la date de l’événement ; n,edi est le nombre de firmes de l’échantillon qui sont listées au moment de la date de l’événement de la firme i. Ce nombre peut être différent du nombre total de firmes composant l’échantillon (n). L’équation (25) est appliquée aux n firmes d’un échantillon pour générer n capitalisations boursières relatives. Ces valeurs sont utilisées dans la deuxième étape du calcul du poids accordé à la firme i dans les calculs des diverses mesures de rentabilité anormale moyenne. Ainsi, le poids wi résulte du rapport entre la capitalisation boursière relative de la firme i et la somme des capitalisations boursières relatives de n firmes de l’échantillon. L’équation (26) exprime cette définition. wi ,ed i = mvi ,ed i n ∑ mv j =1 j , ed i (26) Où wi est le poids de la firme i dans l’échantillon de n firmes; rmvi,edi est la valeur marchande relative de la firme i, calculée à la date de l’événement de la firme i. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 156 Pour notre travail empirique, nous choisissons le mode de pondération équipondéré. 5 LES TESTS STATISTIQUES UTILISES Les modèles à facteurs ou générateurs de rendements résultent des équations de régression linéaires multiples en coupe transversale. De même, la composition des portefeuilles selon différents critères nécessite l’utilisation des tests statistiques paramétriques et non-paramétriques. Après avoir exposé les bases de données financières et comptables - les définitions et mesures des surprises de bénéfice – période d’étude et sélection – calcul des rentabilités brutes et anormales, cette partie présente les principaux tests statistiques non-paramétriques, les modèles de régression linéaire, utilisés dans notre travail. Dans un premier temps, nous présentons les principaux tests statistiques descriptifs et de corrélation utilisés. Ensuite, nous nous consacrons aux principaux modèles dont l’objectif est d’expliquer une variable Y à partir de variables exogènes x : les modèles de régression linéaire multiple et le modèle S.U.R. ou les régressions empilées. 5.1 Les tests statistiques descriptifs et de corrélation Dans les tests paramétriques, l’échantillon est supposé suivre une certaine distribution (la distribution normale dans la plupart des cas), définie à partir de paramètres tels que la moyenne et la variance. Il existe des tests qui ne sont pas basés sur une distribution donnée de l’échantillon. Ces tests sont appelés des tests non paramétriques. Ils sont en général moins puissants que les tests paramétriques, mais parfois ils sont les seuls à pouvoir être utilisés. Par exemple, si l’échantillon est petit et la variable ne suit pas une loi normale, on ne peut pas utiliser le test de Student. Si l’on veut tester la différence entre deux variables, on peut alors prendre le test de MannWhitney. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 157 Dans cette section, on présentera les principaux tests statistiques descriptifs et de corrélation non paramétriques utilisés dans notre étude. 5.1.1 Le test de Mann-Whitney Lorsqu’on a deux échantillons indépendants, on peut tester l’hypothèse qu’ils proviennent de la même population (même moyenne) en utilisant le test de MannWhitney. Ce test est basé sur la statistique : U = n1n2 + [n1(n1+1)/2] – R1 (27) Où n1 et n2 sont les grandeurs respectives des deux échantillons et R1 est la somme des rangs des données du premier échantillon (la somme des rangs des données du deuxième échantillon est R = [(n1 + n2) (n1 + n2+1)/2] – R1 On peut montrer que U a une valeur espérée de n1n2/2 et une variance de n1n2(n1 + n2+1)/12. Il existe des tables qui donnent les valeurs critiques pour ce test. Lorsque la grandeur des deux échantillons est supérieure à 10, on peut montrer que U suit approximativement une loi normale. 5.1.2 Le test de séquences ou « runs » Nous supposons généralement que l’échantillon est aléatoire. On peut vérifier cette hypothèse en utilisant le test des séquences ou test de « runs ». Une séquence est une série d’observations identiques. Soit R le nombre total de séquences. On peut montrer que si l’échantillon est aléatoire, la moyenne et la variance du nombre de séquences sont : E(R) = (2n1n2/n1 + n2)] + 1 Var(R) = 2n1n2 (n1 n2 - n1 - n2) / (n1 + n2)² (n1 + n2 - 1) L’impact de l’annonce de bénéfices sur le marché financier français. (28) Chapitre 3 – Méthodologie générale de la recherche 158 Où n1 est le nombre de valeurs de la première séquence et n2 celui de la deuxième séquence. Il existe des tables avec des valeurs critiques pour R. Lorsque n1 et n2 sont supérieurs à 30, on peut tester l’hypothèse d’un échantillon aléatoire en utilisant la valeur standardisée z = R-E(R)/Var(R) où R est le nombre de séquences. On peut aussi utiliser ce test en prenant les différences positives ou négatives par rapport à la médiane. 5.1.3 Le test de corrélation de Spearman Il arrive parfois que l’on ne puisse faire que des classements sur les éléments de la population. Dans ce cas, le lien entre deux variables peut être analysé en utilisant le test de corrélation des rangs, proposé par Spearman. Soit ui = rang (Xi) le rang de la ième observation de la variable X et si = rang(Yi) celui de la ième observation de la variable (i = 1,2,…,n). Le coefficient de corrélation des rangs de Spearman est : Rs = [∑(ui – ū)(si – ŝ)]/[∑(ui – ū)² ∑ (si – ŝ)²] = 1 – [6∑di²/n(n² - 1)] (29) Où di = ui – si. Il existe des tables qui donnent les valeurs critiques de rS. Lorsque la grandeur de l’échantillon est supérieure à 30, on peut utiliser la distribution normale. Sous l’hypothèse de corrélation nulle, rS suit approximativement une distribution normale avec moyenne 0 et variance 1/(n –1). Lorsqu’il y a des rangs identiques, il faut prendre la moyenne, comme dans le test de Mann-Whitney. Dans ce cas, le coefficient de corrélation des rangs est calculé en utilisant la formule suivante : rs = [∑uisi – C)]/√[∑(ui² - C)(∑ (s²i – C)] Où C = n(n + 1)² /4. Lorsqu’il y a des valeurs aberrantes dans les données, le coefficient de corrélation des rangs de Spearman donne un meilleur résultat que le coefficient de L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 159 corrélation usuel car une valeur aberrante ne cause pas une forte différence dans les rangs. 5.1.4 Le test de Kolmogorov-Smirnov Le test de Kolmogorov-Smirnov est un test non paramétrique qui peut être utilisé pour des cas de fréquences théoriques inférieures à 5. Il est basé sur les différences en valeur absolue entre les fréquences théoriques et les fréquences empiriques cumulées. La statistique Dn utilisée par le test de Kolmogorov-Smirnov est la plus grande différence en valeur absolue entre les fréquences théoriques cumulées (Fe) et les fréquences empiriques cumulées (F0) : D n = | Fe – F0 | (30) Il existe des tables qui donnent la valeur critique de Dn. Pour des échantillons supérieurs à 30, on peut calculer ces valeurs en utilisant l’expression a/√n où a = 1,63 pour un seuil de signification de 1%, a = 1,36 pour un seuil de signification de 5% et a = 1,22 pour un seuil de signification de 10% (n est le nombre total de fréquences). Le test de Kolmogorov–Smirnov est bien adapté au cas des distributions continues car il n’exige pas de classer les fréquences dans les différents groupes. Par contre, il ne peut pas être utilisé lorsque les paramètres de la distribution théorique doivent être estimés en utilisant les valeurs de l’échantillon. 5.2 Les modèles de régression 5.2.1 Le modèle linéaire standard La technique de la régression multiple permet de décrire la liaison entre une variable dépendante ou expliquée - la rentabilité dans le cas présent - et un ensemble L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 160 de variables explicatives (facteurs liés au marché, à la taille, à la détresse financière, etc.). Lorsque le nombre de variables indépendantes se réduit à une, il s’agit de régression simple, lorsqu’il y en a plusieurs, il s’agit de régression multiple. Le terme linéaire s’applique aux paramètres du modèle et non aux variables explicatives. La forme générale de la liaison linéaire supposée entre la variable dépendante étudiée et les variables indépendantes retenues peuvent être représentées de la façon suivante : Y = α + β1X1 + β2X2 + … + βnXn + ε (31) Où Y est la variable expliquée dont les valeurs sont conditionnées par celles des variables explicatives X1, X2, …, Xn et la composante aléatoire, ε (appelée encore terme d’erreur), non observable et attribuable à un ensemble de facteurs ou de variables non pris en considération dans le modèle ou que nous ne savons pas identifier. Où les α et βi sont des paramètres liés au phénomène que l’on s’efforce de mesurer. On les considère comme des variables certaines. Pour estimer les α et βi, on fera appel le plus souvent à des données d’échantillon à partir desquelles on s’efforcera d’estimer une équation de régression du type suivant : Y = a + b1X1 + b2X2 + … + bnXn (32) Que l’on espère représentative de la population toute entière. On se réfère généralement à a comme à la constante de régression et aux bi comme aux coefficients de régression de l’équation. La validité d’un ajustement linéaire par la méthode des moindres carrés suppose que certaines conditions soient préalablement satisfaites : s’il allait autrement, cela voudrait dire que les coefficients de régression bi obtenus seraient des estimateurs biaisés des vrais coefficients βi associés au phénomène étudié. Les tests de signification (test F de Fisher et test T de Student) ne seraient alors plus applicables. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 161 Il convient donc de vérifier et/ou de corriger, avant toute interprétation des résultats d’un modèle de régression multiple, les conditions au préalable de l’utilisation du modèle. L’essentiel de ces conditions préalables porte sur les caractéristiques du terme d’erreur de l’équation de référence : a) On suppose que le terme d’erreur est une variable aléatoire d’espérance mathématique nulle et de variance constante. E(εi)=0, Var(εi)= 0 pour tout i. (33) b) Il n’existe aucune corrélation entre les erreurs : Cov(εi, εj) = 0 pour tous i, j et avec i≠ j. (34) Cette exigence correspond à l’absence d’autocorrélation ou de dépendance sérielle des erreurs. Pour détecter l’éventuelle autocorrélation des erreurs, on procède généralement au calcul de la statistique de Durbin-Watson. c) Les variables explicatives X1, X2, …, Xn sont des grandeurs certaines. Elles ne présentent donc pas un caractère aléatoire. Elles sont observées sans erreur ou fixées à des valeurs arbitraires. La variance des erreurs doit être homoscédastique, c’est-à-dire constante et indépendante des Xi. Le phénomène d’hétéroscédasticité se présente quand cette condition n’est pas remplie. Parmi les tests susceptibles d’être utilisés pour mesurer le degré d’hétéroscédasticité des erreurs, on peut citer le test de H. Glejser ou encore de S.M. Goldfeld et R. E. Quandt. La correction de l’hétéroscédasticité des erreurs nécessite de déterminer une transformation des données, en fonction de la cause présumée de l’hétéroscédasticité, pour retrouver un modèle dont la variance est constante. Cette transformation, qualifiée de régression pondérée, consiste à déterminer un vecteur de pondération de chaque observation. En supposant que l’hétéroscédasticité repose sur la variable Xi, la multiplication de chaque terme du modèle linéaire général par la variable 1/xi conduit à un modèle homoscédastique. La principale difficulté réside dans la détection de la source de l’hétéroscédasticité. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 162 Une autre solution consiste à utiliser l’estimation de la matrice des variances et covariances asymptotique de White (1980) pour réduire l’impact de l’hétéroscédasticité sur les tests de significativité. Cette estimation permet de calculer un ratio de Student corrigé de l’hétéroscédasticité pour tester la significativité statistique des coefficients de régression. d) Les fluctuations aléatoires εi sont distribuées normalement. Les paramètres βi représentent le changement subi par E(Yi), espérance mathématique des Yi lorsque la variable Xi d’une unité et que les valeurs des autres variables explicatives demeurent inchangées. La constante α représente théoriquement, dans l’équation de base, le niveau moyen des Yi lorsque chaque variable explicative est nulle. L’utilité de la constante est de compenser l’éventuelle absence d’une variable explicative. Dans notre cas, cette constante permet de tester la normalité de la rentabilité moyenne Précisons également que l’estimation et le test des paramètres βi du modèle de régression sont possibles si et seulement si le nombre des observations pour chaque variable excède le nombre des paramètres à estimer. L’évaluation de la qualité de l’ajustement linéaire de l’équation de régression entre la variable dépendante Y et l’ensemble des variables explicatives est déterminée par le coefficient de détermination R2 . La proportion qui demeure inexpliquée 1-R2 est attribuable soit à l’omission de variables explicatives, soit à l’erreur expérimentale. La qualité de l’ajustement d’un modèle peut être évaluée par le coefficient d’explication ajustée R2a. Il permet de tenir compte du nombre de degrés de liberté, qui diminue à mesure qu’une nouvelle variable explicative est introduite dans le modèle. Contrairement au coefficient R2, le R2a autorise la comparaison de plusieurs équations L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 163 de régression multiple comportant la même variable dépendante, mais dont les équations diffèrent soit par le nombre d’observations n soit par le nombre de variables explicatives. Ce critère peut être d’une grande utilité dans la recherche du meilleur modèle d’explication du phénomène analysé. Dans un modèle de régression multiple comportant k variables explicatives, tester la signification de la régression dans son ensemble induit les hypothèses nulle et alternative. H0 : β1=β2=β3=...=βn= 0 (aucune contribution significative des Xi) H1 : au moins un des βi = 0 (au moins une variable apporte une contribution significative). Sous l’hypothèse H0 : β1=β2=β3=...=βn= 0, on démontre que le F de Fisher est distribué selon la loi de Fisher avec k et n-k degrés de liberté. Au seuil de signification α, ou seuil de confiance 100*(1-α)%, le test permet de rejeter H0 si F > Fα,k,n-k . Une fois que l’équation de régression est analysée dans son ensemble, il convient de préjuger la signification particulière des coefficients individuels C(j) de la régression. Les estimateurs C(j) sont des variables aléatoires qui prennent des valeurs particulières pour un ensemble particulier de données. Sous l’hypothèse de normalité des erreurs εi, la distribution d’échantillonnage du coefficient C(j) est celle d’une loi normale - de moyenne E(C(j))=βj - de variance σ²(C(j)) ; on obtient une estimation de σ²(C(j)) avec la variance empirique s²(C(j)). La réalisation des tests statistiques sur chaque paramètre βj du modèle de régression ou le calcul des intervalles de confiance sur les βj réside dans l’expression de l’écart réduit : (C(j) - βj)/ s(C(j)) (35) Les tests statistiques évaluent directement l’écart-type de chaque coefficient. Ils permettent d’obtenir la variance s²(C(j)) ainsi que les covariances entre chaque coefficient de régression cov(C(j), C(k)), j ≠ k. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 164 Le test de la contribution marginale de chaque variable explicative permet d’examiner la contribution significative dans l’explication de la variable dépendante de celle par rapport aux autres variables. Ce test permet ainsi, de juger la pertinence de chaque variable explicative. Il considère que l’écart réduit est distribué selon une loi de Student avec (n-k) degrés de liberté quand le nombre des observations n est inférieur à 30, et approximatif par une loi Normale si n > 30. Pour résoudre le problème de la taille de l’échantillon, nous opérons un échantillonnage. Tout logiciel statistique ou possédant une option statistique fournit un générateur à un nombre N quelconque de l’échantillon initial. Il s’agit de tester les hypothèses suivantes : H0 : βj = 0 avec j = 1, 2, …, k H0 : βj ≠ 0 Sous H0, l’écart réduit devient t = C(j)/s(C(j)), le t-statistique du logiciel utilisé est distribué selon la loi de Student avec (n-k) degrés de liberté. La règle de décision est la suivante : On peut rejeter H0 si t-statistique > t tabulé Si H0 est rejetée, la contribution marginale de la variable explicative Xj est significative au seuil de confiance α. Si on ne peut pas rejeter H0 : βj = 0, il ne faut pas conclure que la variable explicative X1j n’apporte aucune contribution significative. L’étude d’une autre forme de liaison peut amener une conclusion contraire. Le logiciel SPSS nous permet de déterminer l’intervalle de confiance de chaque paramètre βj. Au niveau de confiance 100*(1 - α)%, l’intervalle de confiance s’écrit : C(j) - tα/2,n-k * s(C(j)) ≤ βj≤ C(j) + tα/2,n-k * s(C(j)) (36) Si βj = 0 – H0 non rejetée – se situe dans l’intervalle, la contribution marginale de la variable explicative Xj, compte tenu des autres variables explicatives déjà incluses dans l’équation de régression, est non significative au seuil α. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 3 – Méthodologie générale de la recherche 165 5.2.2 L’estimation S.U.R d’un système d’équations Lors de l’estimation de plusieurs régressions portant sur la même période, les régressions sont supposées indépendantes. Toutefois, cette hypothèse peut être remise en cause pour plusieurs raisons : - les coefficients estimés sont identiques ; - les résidus des différentes régressions sont corrélés les uns aux autres ; - une partie des variables explicatives sont communes aux diverses équations bien que toutes les observations ne le soient pas. Pour résoudre ces difficultés, une solution consiste à utiliser l’estimation S.U.R. proposée par Zellner (1962). On parle du modèle S.U.R24. ou régressions empilées pour la donnée d’un ensemble de M régressions simultanées expliquant M variables endogènes. Les paramètres de chaque régression sont autonomes (d’où le qualitatif « unreleated ») mais les résidus entre les régressions sont corrélés (d’où le qualitatif « seemingly »). Dans tout système de régressions empilées, chaque variance résiduelle est estimée séparément. Une meilleure approximation de la loi limite est obtenue en prenant les estimations débiaisées des variances résiduelles. 6 CONCLUSION Cette section présente les bases de données financières et comptables, les variables financières et comptables, le calcul des performances anormales et les tests statistiques utilisés dans notre travail. Les différentes études empiriques sont présentées dans les chapitres suivants. 24 S.UR. signifie Seemingly Unreleated Regressions. Ces modèles ont été introduits par zellner (1962)., « An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias, Journal of American Statistic Association, 1962, 57, p. 348-368. L’impact de l’annonce de bénéfices sur le marché financier français. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices CHAPITRE 4 – LE COMPORTEMENT DES COURS BOURSIERS SUITE AUX ANNONCES DE BENEFICES L’impact de l’annonce de bénéfices sur le marché financier français. 166 Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 167 1 INTRODUCTION Plusieurs études ont mis en évidence la réaction des cours boursiers à l’annonce des résultats. La première étude à s’intéresser à l’impact des surprises de bénéfice sur les investisseurs est celle de Ball et Brown (1968). Ils constatent la supériorité des rentabilités anormales des portefeuilles composés de titres dont le bénéfice par action est sur-estimé, de celles des portefeuilles de titres dont le bénéfice par action est sousestimé. Une multitude de travaux sur le sujet est suivi dont la grande majorité constatèrent l’importance du contenu informationnel des bénéfices annoncés et de son impact sur les cours boursiers. Cependant, de nombreuses explications de l’ajustement lent cours sont avancées. Après avoir passé en revue les réactions du marché aux annonces de bénéfices dans les chapitres précédents, le présent chapitre examine empiriquement le phénomène de l’annonce de bénéfices sous les hypothèses liées aux approches de la finance comportementale et sous celles de l’orthodoxie financière. 2 HYPOTHESES, VARIABLES ET MODELES TESTES 2.1 Les hypothèses H1 : Si les annonces de bénéfices suscitent une réaction des investisseurs, celles-ci devraient se traduire par des variations de cours boursiers. En conséquence, un choc devrait être observé sur les rentabilités associées aux titres qui font l’objet d’annonce de bénéfices. L’exploration de l’ajustement des cours boursiers à l’annonce de bénéfices se fait à partir des études d’événements. Cette technique permet d’isoler les rentabilités boursières anormales qui suivent immédiatement l’annonce de bénéfices. L’impact de la publication des résultats sur les prix est mis en évidence par une étude des modifications dans un intervalle de temps spécifique à chaque titre et centré sur la date d’annonce de bénéfices. Toutes choses égales par ailleurs, l’évaluation de la réaction L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 168 du marché à l’annonce de bénéfices est fondée sur la constatation de rentabilités anormales autour de celle-ci. S’il n’y a pas de variations anormales des cours ou lesdites variations ne sont pas significatives , les rentabilités anormales moyennes d’une période donnée devraient rester proche de zéro. Le calcul des rentabilités anormales moyennes cumulées permet finalement de mettre en évidence et d’observer l’évolution des rentabilités anormales cumulées sur toute la période d’annonce de l’événement ou d’observation ou d’étude. Ainsi, afin de vérifier l’ajustement des cours boursiers à l’annonce de bénéfices, l’évolution des rentabilités observées autour des dates d’annonce de bénéfices est étudiée. Pour chaque annonce de bénéfices, deux séries de surprises de bénéfices sont considérées : les surprises de bénéfices les plus élevées et les surprises de bénéfices les plus faibles. Les rentabilités anormales sont estimées pour chacune des séries de surprises de bénéfices. Ainsi, deux portefeuilles de surprises de bénéfices sont constitués : le portefeuille de titres à faible surprise de bénéfices et celui à forte surprise de bénéfices. Ensuite, les rentabilités anormales des différentes séries sont comparées entre elles. Ces comparaisons conduisent à considérer un troisième portefeuille de titres, le portefeuille d’arbitrage issu de la différence des portefeuilles de surprises de bénéfices faible et élevée. Ces dernières considérations permettent plus ou moins d’interpréter les réactions des investisseurs à l’annonce de bénéfices. Plusieurs recherches laissent supposer un ajustement des anticipations des investisseurs de façon progressive aux annonces de bénéfices. Pour les avocats de l’efficience des marchés financiers, avec le temps, l’information devient graduellement disponible aux investisseurs qui ajustent les prix en conséquence. Cet ajustement progressif n’est donc pas contradictoire avec un marché efficient. A l’inverse, les tenants de la finance comportementale concluent à une probable inefficience des marchés financiers. Selon eux, l’ajustement graduel des prix aux annonces de bénéfices ne résulte pas d’une intégration progressive de nouvelles informations, mais plutôt d’un optimisme ou d’un pessimisme des investisseurs face aux résultats prévus. Ils le qualifient de sous-réaction (ou de sur-réaction) au cas où cet optimisme (ou ce pessimisme) est modéré (ou excessif). Pour les hétérodoxes de la finance, c’est-à-dire L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 169 les tenants de la finance comportementale, les investisseurs sont « irrationnels » et ils sont sujets à des biais cognitifs. D’où les hypothèses suivantes. H2 : Si les investisseurs ajustent progressivement leurs anticipations à la suite de l’annonce de bénéfices, alors les performances du portefeuille d’arbitrage constitué suivant la surprise de bénéfices ne sont pas significatives. En d’autres termes, la tendance prolongée des performances du portefeuille d’arbitrage, constitué suivant la surprise de bénéfices suite à l’annonce de bénéfices, n’est pas significative. H3 : Si les investisseurs sous-réagissent aux annonces de bénéfices, alors la tendance prolongée des rentabilités anormales cumulées du portefeuille d’arbitrage, constitué suivant les surprises de bénéfices est significative. 2.2 Variables et modèles testés Afin d’analyser les différentes hypothèses, plusieurs modèles et tests statistiques ont été définis25. La présente étude concerne la période de janvier 1988 à décembre 1999. Les données comptables et financières utilisées dans ce chapitre sont les cours des titres (COURS), les ratios valeur comptable sur valeur marchande de la firme (VC/VM), les bénéfices par action (BPA), les capitalisations boursières du titre (MV) et le taux moyen annuel du marché monétaire (Rf). Les indices SBF 250 et CAC 40 sont les portefeuilles de référence du marché. Les bénéfices prévisionnels, les bénéfices réalisés et le nombre d’analystes suivant un titre (N_AF) proviennent de la base de données IBES. La mesure des surprises de bénéfice est la surprise de bénéfice (SUE). Elle est définie comme suit. 25 Se référer au chapitre 3 pour un détail des modèles et des tests statistiques. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices SUE = (BPA – PREV) / P 170 (37) Les surprises de bénéfice permettent de savoir si les investisseurs ont tendance à sous-estimer ou sur-estimer ou estimer correctement les annonces de bénéfices selon l’erreur moyenne constatée pour chaque horizon. Par ailleurs, la variable SUE donne une information complémentaire en indiquant la proportion du prix du titre que représente la différence entre la réalisation et la prévision de bénéfices. La révision de prévisions de bénéfice sur 12 mois (REV12) est la variable (REV12). Elle est définie comme suit. REV12 = ∑[(PREVi,t-s+1 - PREVi,t-s) / Pi,t-s] sur s allant de 1 à 12 (38) La variable (REV12) donne une information supplémentaire en indiquant les anticipations des analystes au fur et à mesure qu’ils sont en possession de nouvelles informations. La révision de leurs prévisions lors de l’annonce des bénéfices, indique également que la publication des bénéfices a apporté de nouvelles informations, que les analystes n’ont pas pu détecter. Le calcul des rentabilités normales et anormales a été largement détaillé dans la méthodologie générale (voir le chapitre 3). Nous suivons les approches de Bernard et Thomas (1989), Chan, Jegadeesh et Lakonishok (1996) et Fama et French (1993) pour la constitution des portefeuilles. Les portefeuilles en décile suivant la variable de surprise de bénéfices sont constitués. Nous nous intéressons aux portefeuilles extrêmes, c’est-à-dire aux portefeuilles de titres à faibles et à fortes surprises de bénéfices. L’intérêt des portefeuilles extrêmes est qu’ils permettent d’évaluer des primes de rentabilités, des caractéristiques et des facteurs de risque suivant les surprises de bénéfices. Ces primes de rentabilités, des caractéristiques et des facteurs de risque sont des différentiels de L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 171 rentabilités, de caractéristiques et de facteurs de risque. Elles permettent de tester la persistance et de donner des explications au phénomène d’annonce de bénéfices sous les hypothèses de l’approche comportementale et sous celles de l’orthodoxie financière. Cette analyse constitue une analyse uni-dimensionnelle car les portefeuilles sont analysés uniquement suivant la variable surprise de bénéfices SUE. Pour chaque portefeuille constitué, les performances anormales, les surprises de bénéfices et les caractéristiques moyennes sont évaluées. Ces portefeuilles sont les portefeuilles extrêmes et les portefeuilles d’arbitrage résultant du différentiel des portefeuilles à faible et à forte surprise de bénéfices. Les modèles de régression de Fama et French (1993) sur toute la période d’étude sont associés aux analyses des rentabilités anormales, des surprises de bénéfices et des caractéristiques des titres. Ces modèles de régression permettent de faire des vérifications et des contrôles robustes des résultats. Le rendement excédentaire moyen de portefeuilles mensuels de titres (Ri,t – Rf,t) est régressé sur les variables explicatives moyennes RMRFt, SMBt et HMLt. L’hétéroscédasticité est corrigée en appliquant le test de White (1980). Modèle de Fama et French (1993) : Ri,t – Rf,t = α + βRMRFt + φSMBt + γHMLt + ε Si α = 0 (du portefeuille d’arbitrage), c’est-à-dire si le « α » n’est pas significatif alors les annonces de bénéfices ne suscitent pas une réaction des investisseurs sur le marché financier français. Si α ≠ 0 (du portefeuille d’arbitrage), c’est-à-dire si le «α » est significatif alors les annonces de bénéfices suscitent une réaction des investisseurs sur le marché financier français. Il n’y a alors que deux possibilités. Soit on accepte l’hypothèse de sur- / sousréaction soit on réfute l’hypothèse de sur- / sous-réaction. De nouveaux tests sont alors envisagés. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 172 Si les coefficients des trois facteurs de risque de Fama et French sont tous nuls (β = φ = γ = 0) statistiquement, c’est-à-dire non significatifs, alors les investisseurs sur- / sous-réagissent à l’annonce des bénéfices sur le marché financier français. Si au moins l’un des coefficients est significatif, c’est-à-dire β ≠ 0 ou φ ≠ 0 ou γ ≠ 0, alors les investisseurs ajustent de manière progressive leurs anticipations à l’annonce de bénéfices. Toutefois, le modèle tri-factoriel à facteurs pré-spécifiés de Fama et French (1993) ne permet pas de prendre en compte pleinement tous les facteurs de risque des performances des titres. 3 RESULTATS, INTERPRETATIONS ET DISCUSSIONS Cette section présente, analyse et interprète les résultats suivant la variable surprise de bénéfices SUE définie précédemment dans la section 2.2 du présent chapitre. L’étude du phénomène d’annonce de bénéfices suivant la variable surprise de bénéfices SUE, est menée en examinant les rentabilités anormales cumulées, les caractéristiques et les facteurs de risque des portefeuilles de titres constitués selon la surprise de bénéfices SUE. A cet effet, dix portefeuilles ont été formés en révisant leur composition mensuellement. Les titres sont répartis en nombre approximativement identique dans chacun des dix portefeuilles et nous nous intéressons aux portefeuilles de déciles extrêmes. Il s’agit du portefeuille contenant des actions du premier décile à plus petite surprise de bénéfices (SUE_L) et de celui du dixième décile contenant les actions à plus grande surprise de bénéfices (SUE_H). L’intérêt des portefeuilles extrêmes est qu’il permet de définir un portefeuille différentiel ou d’arbitrage (SUE_L&H) à investissement nul, construits de manière à évaluer les primes de rentabilités, les primes de surprise de bénéfices, les primes de caractéristiques et les primes des facteurs de risque. Les différentiels ainsi évalués, permettent de valider ou d’invalider les explications d’une sous-réaction et/ou d’une sur-réaction des investisseurs sur le marché financier français, sur la période 1988 à 1999 à la publication des résultats. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 173 Pour chaque portefeuille (SUE_L, SUE_H et SUE_L&H), les rentabilités anormales cumulées moyennes ex-ante et ex-post, la surprise de bénéfices SUE et les caractéristiques [le risque bêta, la taille (LnMV), le ratio « book-to-market » (LnVC/VM) et le nombre d’analystes suivant un titre (N_AF)] sont évaluées. Les caractéristiques issues de la base de données Datastream correspondent à celles du jour de l’annonce de bénéfices. Le test de Student est utilisé pour tester le caractère significatif des rentabilités anormales cumulées moyennes, des surprises de bénéfices et des caractéristiques de chaque portefeuille extrême. Quant au test non paramétrique de Mann-Whitney, il est utilisé pour la comparaison des rentabilités anormales cumulées moyennes, des surprises de bénéfices et des caractéristiques des portefeuilles extrêmes. 3.1 La variation des cours boursiers suite à l’annonce de bénéfices Cette section analyse le comportement des rentabilités aux annonces de bénéfices. Mais au préalable, le tableau 4.1 présente les caractéristiques des surprises de bénéfices des portefeuilles SUE_L, SUE_H et SUE_L&H. Tableau 4.1 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant la variable surprise de bénéfices SUE VARIABLES SUE_L N SUE Valeur & p-value 155 -2,204*** (0,00) SUE_H N Valeur & p-value 162 0,050*** (0,00) SUE_L&H Valeur & p-value -2,254*** (0,00) Notes : Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée), c’est-àdire le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage, c’est-à-dire le portefeuille issu de la différence des portefeuilles SUE_L et SUE_H. La variable SUE est la surprise de bénéfices moyenne. N désigne le nombre de titres dans chaque portefeuille donné. Le test d’homogénéité des surprises de bénéfices des portefeuilles SUE_L et SUE_H est effectué par le test z non paramétrique de Mann-Withney. Les valeurs entre les parenthèses indiquent les « p-value ». Les symboles ***, ** et * indiquent les significations des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et 10%. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 174 Les observations du tableau 4.1 indiquent une hétérogénéité des portefeuilles extrêmes (SUE_L et SUE_H) formés suivant la variable surprise de bénéfices SUE. Elles montrent une signification statistique certaine de la variable « surprise de bénéfices » SUE entre les portefeuilles à faible et à forte SUE. La différence de « surprise de bénéfices » entre les portefeuilles à faible et à forte SUE est de –2,254. Cette différence est très significative avec une « p-value » de la statistique de MannWithney du portefeuille d’arbitrage de l’ordre de 1%. De plus, le portefeuille SUE_L a une surprise de bénéfices moyenne négative tandis que celle du portefeuille SUE_H est positive. En effet, la surprise de bénéfices moyenne du portefeuille SUE_L est de – 2,204 et celle du portefeuille SUE_H est de 0,050. Après avoir montré l’hétérogéinété des portefeuilles à bonne nouvelle (SUE_H) et à mauvaise nouvelle (SUE_L), les tableaux 4.2 et 4.3 présentent les rentabilités anormales cumulées sur douze mois avant et après l’annonce de bénéfices des portefeuilles SUE_L, SUE_H et SUE_L&H estimées respectivement suivant les indices de marché SBF 250 et CAC 40. Tableau 4.2 - Rentabilités anormales cumulées moyennes ex-ante et ex-post des portefeuilles composés suivant la variable surprise de bénéfice SUE (avec l’indice de marché SBF 250) VARIABLES SUE_L SUE_H SUE_L&H N Valeurs & p-value N Valeurs & p-value Valeurs & p-value cara12 114 3,14% (0,22) 117 4,22% (0,39) -1,08% (0,52) cara9 121 1,83% (0,41) 120 5,48% (0,17) -3,65% (0,21) cara6 122 3,46% (0,23) 121 5,52% (0,16) -2,06% (0,32) cara3 125 3,58%*** (0,03) 124 5,86%** (0,06) -2,28% (0,11) cara1 127 2,16% (0,14) 126 3,28%*** (0,02) -1,12% (0,19) car(-1,+1) 129 2,12% (0,15) 118 5,63%*** (0,01) -3,51%** (0,07) carp1 138 -0,69% (0,60) 130 0,30% (0,86) -0,99% (0,81) carp3 138 -1,07% (0,57) 129 0,93% (0,70) -2,00% (0,17) carp6 133 1,41% (0,48) 127 3,81% (0,24) -2,40% (0,26) carp9 127 2,02% (0,12) 121 5,42%*** (0,03) -4,40%** (0,05) carp12 127 2,32%* (0,10) 119 7,13%*** (0,02) -4,81%*** (0,04) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 175 Tableau 4.3 - Rentabilités anormales cumulées ex-ante et ex-post moyennes des portefeuilles composés suivant la variable surprise de bénéfice SUE (avec l’indice CAC 40) VARIABLES SUE_L N SUE_H Valeurs & p-value N 117 Valeurs & p-value 7,48%** (0,05) SUE_L&H Valeurs & p-value cara12 106 1,87% (0,54) -5,61%** (0,06) cara9 112 1,78% (0,49) 120 6,46%*** (0,02) -4,68%** (0,07) cara6 113 -0,27% (0,90) 121 5,92%** (0,05) -6,19%** (0,05) cara3 116 3,22%* (0,08) 124 5,05%*** (0,00) -1,83%** (0,07) cara1 118 2,42% (0,13) 126 4,03%** (0,05) -1,61% (0,32) car(-1,+1) 120 1,85% (0,13) 121 3,39%** (0,07) -1,54% (0,29) carp1 129 -1,10% (0,42) 129 1,83% (0,28) -2,93% (0,11) carp3 129 -0,83% (0,66) 128 2,71% (0,28) -3,54%* (0,09) carp6 125 0,54% (0,81) 125 4,29%** (0,06) -2,75% (0,12) carp9 119 3,83%** (0,06) 117 5,93%*** (0,00) -2,10% (0,16) carp12 119 3,51% (0,27) 119 6,02%*** (0,00) -2,51% (0,14) Notes pour les tableaux 4.2 et 4.3 : Le portefeuille SUE_L (respectivement SUE_H) est composé des titres à SUE faible (respectivement élevée) ), c’est-à-dire le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il est le portefeuille d’arbitrage, c’est-à-dire le portefeuille issu du différentiel des portefeuilles SUE_L et SUE_H. Les variables carak (carpk) sur k mois [k = 1, 3, 6, 9 et 12] représentent les rentabilités anormales cumulées ex-ante (ex-post) évaluées suivant le modèle de Fama et French (1993). Quant à la variable car(-1,+1), elle correspond à la rentabilité anormale autour de la date d’annonce du bénéfice (1 mois avant et 1 mois après l’annonce de bénéfices). N désigne le nombre de titres dans chaque portefeuille donné. Le test d’homogénéité rentabilités anormales cumulées ex-ante et ex-post des portefeuilles SUE_L et SUE_H est effectué par le test z non paramétrique de Mann-Withney. Les valeurs entre les parenthèses indiquent les p-value. Les symboles ***, ** et * indiquent les significations des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et 10%. Les résultats du tableau 4.2 montrent une différence négative des rentabilités anormales cumulées moyennes entre le portefeuille d’action à surprise de bénéfices faible et celui à surprise de bénéfices élevée. Ces résultats indiquent que les titres à surprise de bénéfice positive sur-performent les titres à surprise de bénéfice faible. Toutefois, les différences de rentabilités anormales ne sont pas toutes statistiquement significatives. Les différences de rentabilités anormales cumulées ex-ante (respectivement ex-post) sur 1 mois, 3 mois et 6 mois à l’annonce des bénéfices entre les titres à faible et à forte surprise de bénéfices ne sont pas significatives. Elles sont de l’ordre de -1,12% , -2,28% et -2,06% (respectivement –0,99% , -2,00% et -2,40%) avec des « p-value » de la statistique de Man-Withney de 0,19 ; 0,11 et 0,32 (respectivement 0,81 ; 0,26 et 0,26). Cependant, la rentabilité anormale moyenne cumulée autour de la date d’annonce de bénéfices est significative, lorsque l’indice SBF 250 est utilisé comme l’indice référentiel du marché français. Cette dernière L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 176 rentabilité est non significative lorsque l’indice CAC 40 est le portefeuille représentatif du marché. De même, les performances du portefeuille d’arbitrage ne sont significatives que sur les périodes pré et post-annonces 9 mois et 12 mois. Ces résultats suggèrent que les annonces de bénéfices suscitent une réaction des investisseurs sur le marché financier français. Toutefois, cette réaction ne saurait remettre en cause l’efficience du marché boursier français, du moins au sens semi-fort, puisqu’il existe des rentabilités anormales suite à l’annonce de bénéfices non significatives. Cette analyse est conforme à celle de Beaver (1968), Ball et Brown (1968), Rendleman, Jones et Latané (1982) et Kothari, Lewellen et Warner (2003) sur le marché américain, et à celle de Levasseur, L’Her et Suret (2002) sur le marché français. Pour ces derniers, par la force des choses, il est impossible de connaître toutes les informations pertinentes au moment des prévisions et anticipations. Avec le temps, l’information devient progressivement disponible aux investisseurs qui ajustent les prix en conséquence. Cette réaction ne saurait être en aucun cas contradictoire avec la théorie d’efficience des marchés financiers (Fama, 1998). Cependant, l’observation des rentabilités anormales moyennes cumulées du portefeuille à surprise de bénéfices élevée (SUE_H), précisément le portefeuille à surprise de bénéfices positive, sème un doute (voir respectivement les tableaux 4.2 et 4.3 pour les rentabilités anormales moyennes cumulées et le tableau 4.1 pour le signe des surprises de bénéfices). En effet, pour les titres à surprise de bénéfices positive, les rentabilités anormales moyennes cumulées sont significatives dans l’ensemble avant et après l’annonce de bénéfices. Elles ont tendance à progresser à la période pré-annonce puis à se stabiliser dans les premiers mois de l’annonce des résultats, avant de répartir à la hausse. Ces constatations laissent supposer que les investisseurs ajustent leurs anticipations de façon progressive au moins jusqu’au jour d’annonce des bénéfices, mais cette frénésie d’ajustement des prix n’est pas définitive aux alentours de la date d’annonce. Ces résultats laissent croire que le marché sous-réagit à l’information positive et qu’il tarde à s’ajuster complètement. Cette correction persistante aux bonnes nouvelles est soulignée par Foster, Olsen et Shvelin (1984), Bernard et Thomas (1989, 1990) et Chan, Lakonishok et Jegadeesh (1996) sur le marché américain, et par L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 177 Liu, Strong et Xu (2003) sur le marché anglais. Toutefois, les observations des rentabilités anormales cumulées du portefeuille à surprise de bénéfices faible, précisément, négative (SUE_L) contrastent avec celles des rentabilités anormales cumulées du portefeuille à surprise de bénéfices positive (SUE_H). Ces résultats jettent un doute sur la conclusion précédente d’une correction persistante liée à une sous-réaction des investisseurs, et, donc associée à une inefficience des marchés financiers. Pourquoi les investisseurs seraient-ils « irrationnels » à l’information positive et rationnels ou rationnellement limités à l’information négative ? En effet, les rentabilités anormales moyennes cumulées des titres à surprise négative ne sont pas significativement différentes de zéro dans l’ensemble, hormis les rentabilités anormales moyennes cumulées sur 3 mois avant l’annonce du bénéfice. L’impact des surprises négatives sur l’évolution des cours boursiers serait donc négligeable, ce qui est compatible à la théorie d’efficience des marchés financiers. Pour les tenants de la finance comportementale, le comportement des investisseurs à l’annonce des mauvaises nouvelles résulterait de leur refus d’ajuster les prix à ces mauvaises nouvelles annoncées dans l’espoir qu’elles soient fausses. Pour eux, ce comportement des investisseurs est le résultat d’un excès de confiance ou d’un mécanisme d’ancrage envers leurs croyances [voir Daniel, Hirshleifer et Subrahmanyam (1998) et Barberis, Shleifer et Vishny (1998)]. Mais, force est de constater contrairement aux surprises de bénéfices positives, une quasi-absence de réaction aux surprises de bénéfices négatives de la part des investisseurs. De tels résultats rendent perplexes la supposée « irrationalité » des investisseurs à l’annonce de bénéfices par les tenants de la finance comportementale. Les résultats sont similaires aux résultats précédents lorsque l’indice CAC 40 est utilisé comme le portefeuille de marché. Les graphiques 4.1 et 4.2 illustrent respectivement les résultats des tableaux 4.2 et 4.3. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 178 Graphique 4.1 - Evolution des rentabilités anormales cumulées moyennes ex-ante et ex-post observées suite à l'annonce de bénéfices des portefeuilles composés selon le sens de la surprise de bénéfices (SUE) lorsque l’indice SBF 250 est le portefeuille représentatif du marché 8,00% SUE_L SUE_H SUE_L&H Rentabilités anormales cumulées 6,00% 4,00% 2,00% 0,00% -2,00% -4,00% -6,00% cara18 cara12 cara9 cara6 cara3 car0 carp3 carp6 carp9 carp12 carp18 Graphique 4.2 - Evolution des rentabilités anormales cumulées moyennes ex-ante et ex-post, observées suite à l'annonce des bénéfices, des portefeuilles composés selon le sens de la surprise de bénéfices (SUE) lorsque l’indice CAC 40 est le portefeuille représentatif du marché 10,00% SUE_L SUE_H SUE_L&H Rentabilités anormales cumulées 8,00% 6,00% 4,00% 2,00% 0,00% -2,00% -4,00% -6,00% -8,00% cara18 cara12 cara9 cara6 cara3 car0 carp3 carp6 carp9 carp12 carp18 Notes sur les graphiques 4.1 et 4.2 : Le portefeuille SUE_L (respectivement SUE_H) est composé des titres à SUE faible (respectivement élevée) c-à-d le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre SUE_L et SUE_H. Les variables carak (carpk) sur k mois [k L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 179 = 1, 6 et 12] représentent les rentabilités anormales cumulées ex-ante (ex-post) évaluées suivant le modèle de Fama et French (1993). Les graphiques 4.1 et 4.2 montrent que les investisseurs ajustent leurs anticipations suivant les informations de bénéfices disponibles. Ils ajusteraient donc les prix des titres de façon progressive avant et après l’annonce de bénéfices. Cet ajustement est net pour les titres à surprises positives. Afin de confirmer ou d’infirmer l’ajustement progressif des cours boursiers à l’annonce de bénéfices, les sections qui suivent analysent les caractéristiques des titres. 3.2 L’analyse des caractéristiques des portefeuilles 3.2.1 Les surprises et les révisions de bénéfices des analystes lors de la publication des résultats La section précédente a analysé les rentabilités anormales moyennes cumulées suite aux annonces des bénéfices. Celle-ci a mis en évidence un contenu informationnel des surprises de bénéfices sur le marché financier français. Les résultats précédents suggèrent également un ajustement graduel des cours boursiers à la publication des résultats de la part des investisseurs. Ce résultat serait cohérent avec celui d’un marché efficient. Dans cette section, les surprises et révisions de bénéfices des portefeuilles à faible et à forte surprise de bénéfices (SUE_L et SUE_H) sont analysées. Le tableau 4.4 récapitule les résultats. Tableau 4.4 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant la variable surprise de bénéfice SUE VARIABLES SUE_L N Valeur & p-value SUE_H N Valeur & p-value SUE_L&H Valeur & p-value L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 180 SUE 155 -2,204*** (0,02) 162 0,050** (0,06) -2,254*** (0,02) REV12 138 0,287*** (0,04) 133 -0,666*** (0,00) 0,954*** (0,03) Note : Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée) c-à-d le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence des portefeuilles SUE_L et SUE_H. Les variables SUE et REV12 sont respectivement la surprise et la révision de bénéfices moyenne. N désigne le nombre de titres dans chaque portefeuille donné. Le test d’homogénéité des surprises de bénéfice des portefeuilles SUE_L et SUE_H est effectué par le test z non paramétrique de Mann-Withney. Les valeurs entre les parenthèses indiquent les p-value. Les symboles ***, ** et * indiquent les significations des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et 10%. Les résultats du tableau 4.4 montrent un optimisme général des prévisions de bénéfices à l’annonce de bénéfices. La surprise de bénéfices (SUE) du portefeuille d’arbitrage SUE_L&H est de –2,254 et elle est très significative. Néanmoins, une appréciation divergente des analystes sur les portefeuilles SUE_L et SUE_H est constatée. Les analystes sont optimistes (respectivement pessimistes) sur les titres à bonne (respectivement mauvaise) nouvelle. Par ailleurs, les observations des révisions de bénéfices démontrent que les analystes révisent à la hausse leurs prévisions sur les titres à surprise de bénéfices négative et ils révisent à la baisse celles des titres à surprise de bénéfices positive. La révision de leurs prévisions lors de l’annonce de bénéfices indique donc que la publication des bénéfices a apporté de nouvelles informations que les analystes n’ont pas pu détecter. Ces faits suggèrent une prise de conscience des analystes de leurs pessimisme et optimisme exagérés respectivement sur les titres à mauvaise et à bonne nouvelles. Ces résultats montrent une cohérence du comportement des investisseurs lors de l’annonce des bénéfices avec la théorie de l’efficience des marchés. Ils ajusteraient progressivement leurs anticipations suivant l’information disponible par exemple, les prévisions de bénéfices des analystes. Par contre, il existerait peut être une composante émotionnelle des prévisions de bénéfices des analystes. Certains auteurs, par exemple De Bondt et Thaler (1990), Abarbanell et Bernard (1992), Amir et Ganzach (1998) et Abarbanell et Lehavy (2003b) ont souligné ce fait. L’étude des prévisions des analystes lors de l’annonce des résultats fait l’objet d’un examen dans le chapitre 6. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 181 La section suivante analyse quelques caractéristiques des portefeuilles de titres SUE_L et SUE_H lors de l’annonce des bénéfices. 3.2.2 Les caractéristiques des portefeuilles lors de l’annonce des bénéfices Les résultats précédents ont montré un contenu informationnel des surprises de bénéfices sur le marché financier français. Cet impact significatif des annonces de bénéfices sur les cours boursiers est apparemment un ajustement progressif des cours des actions à l’annonce de bénéfices. Cet ajustement graduel est-il dû aux comportements des investisseurs ou est-il simplement une manifestation des facteurs de risque des titres ? Si le phénomène d’ajustement progressif des prix observé suite à l’annonce de bénéfices est expliqué par le comportement biaisé des investisseurs, alors les caractéristiques du portefeuille d’arbitrage sont statistiquement non significatives, sinon il résulte d’un risque dû aux fondamentaux des titres. De ce fait, une analyse est faite sur les caractéristiques des portefeuilles extrêmes et d’arbitrage précédemment constitués suivant la variable « surprise de bénéfices » (SUE). Les caractéristiques risque bêta (BETA), taille (LnMV), ratio « book-to-market » (LnVC/VM) et nombre d’analystes suivant un titre (N_AF) moyennes sont évaluées. Le tableau 4.5 présente les caractéristiques [la taille (LnMV), le ratio « book-to-market » (LnVC/VM), le facteur risque bêta et le nombre d’analystes financiers (N_AF)] des portefeuilles extrêmes et d’arbitrage. Tableau 4.5 - Caractéristiques des portefeuilles composés suivant la variable surprise de bénéfices SUE VARIABLES SUE_L SUE_H SUE_L&H N Valeur & p-value N Valeur & p-value Valeur & p-value LnVC/VM 155 -1,596*** (0,00) 162 -2,692*** (0,00) 1,096** (0,05) LnMV 155 7,671*** (0,00) 162 8,271*** (0,00) -0,600 (0,24) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 182 N_AF 155 5,967*** (0,00) 162 9,666*** (0,00) -3,698*** (0,02) BETA 155 0,827*** (0,00) 162 0,781*** (0,00) 0,046 (0,11) Note : Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée), c-à-d le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage, c-à-d le portefeuille issu du différentiel des portefeuilles SUE_L et SUE_H. Les caractéristiques des portefeuilles Bêta, LnMV, LnVC/VM et N_AF correspondent respectivement au risque bêta, au logarithme de la capitalisation boursière (taille), au logarithme du ratio « book-to-market » et au nombre d’analystes suivant un titre. N désigne le nombre de titres dans chaque portefeuille donné. Le test d’homogénéité des caractéristiques des portefeuilles SUE_L et SUE_H est effectué par le test z non paramétrique de Mann-Withney. Les valeurs entre les parenthèses indiquent les p-value. Les symboles ***, ** et * indiquent les significations des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et 10%. Le tableau 4.5 montre une signification statistique de certaines caractéristiques des titres. Ces caractéristiques statistiquement significatives du titre sont le ratio « book-to-market » (LnVC/VM) et le nombre d’analystes suivant un titre donné (N_AF). En effet, la différence des variables LnVC/VM et N_AF entre les portefeuilles à faible SUE et à forte SUE sont respectivement de -1,096 et –3,698 et les « p-value » respectives sont de 5% et de 2%. Néanmoins, les résultats du tableau 4.5 ne font pas ressortir une signification de la sensibilité bêta. Cette constatation est cohérente avec celle de l’étude de Fama et French (1992) où ils ont montré la prédominance des facteurs de risque liés au ratio « book-to-market » et à la taille sur la sensibilité bêta. Ces résultats suggèrent que l’ajustement graduel des cours à la publication des bénéfices s’appréhende comme une manifestation des facteurs de risque des fondamentaux. Lesdits résultats démontrent que les fluctuations des cours boursiers suite aux annonces de bénéfices sur le marché financier français s’expliquent par les différences des caractéristiques de l’action et non par une sous-réaction et/ou une surréaction des investisseurs. Les titres à forte (respectivement faible) surprise de bénéfices seraient fondamentalement risqués (respectivement mois risqué), d’où les rentabilités anormalement élevées (respectivement faibles) observées. Ces résultats contredisent ceux des travaux de Bernard et Thomas (1989, 1990), Bernard (1993) et Johnson et Schwartz (2001) sur le marché américain et Liu, Strong et Xu (2003) sur le marché anglais. Effectivement, ces auteurs interprètent la variation des cours boursiers suite à l’annonce de bénéfices comme la manifestation d’une sous-réaction des investisseurs. Cependant, les résultats sont conformes aux résultats de Hirshleifer, L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 183 Myers J., Myers L. et Teoh (2003)], Kothari, Lewellen et Warner (2003) et Mendenhall (2003) sur le marché américain où les fluctuations des prix suite à l’annonce de bénéfices ne résultent pas de la sous-réaction des investisseurs. 3.3 Le contrôle robuste des résultats par le modèle de régression de Fama et French (1993) Le modèle tri-factoriel à facteurs pré-spécifiés de Fama et French (1993) est utilisé pour effectuer un contrôle robuste des résultats précédents. Le test des coefficients des facteurs de risque, permet d’expliquer l’excès de rentabilité au taux sans risque à l’annonce des bénéfices, soit comme une juste compensation pour des facteurs de risque élevés, compatible avec la théorie d’efficience, soit comme une manifestation de l’irrationalité des investisseurs. Les résultats sont présentés dans les tableaux 4.6 et 4.7. Tableau 4.6 - Les résultats du modèle de Fama et French (1993) des portefeuilles composés selon la variable surprise de bénéfices SUE (avec l’indice de marché SBF 250) COEFFICIENTS DU MODELE DE MODELE DE FAMA ET FRENCH (1993): RI,T – RF,T = α + βRMRFT + φSMBT + γHMLT + εT Coefficients SUE_L SUE_H SUE_L&H Constante 0,013*** (2,03) 0,011*** (2,72) -0,0085*** (-3,57) RMRF 0,385*** (2,83) -0,054 (-0,12) 0,231 (1,42) SMB 4,248*** (3,16) 7,550*** (2,27) -1,056 (-0,69) HML -5,043*** (-6,31) -1,943 (-0,81) 3,563*** (2,87) R² 74,90% 17,50% 35,00% R² ajusté 72,00% 10,20% 27,50% F 25,88*** 1,83* 4,66*** Note : La variable Rentabilité Ri,t – Rf,t est la variable dépendante et les variables facteur de Marché (Rm – Rf ), facteur Taille (SMB) et facteur ratio « book-to-market » ou facteur de détresse financière (HML) sont les variables explicatives. Le portefeuille représentatif du marché est l’indice SBF 250 et le taux du marché monétaire est le taux annuel monétaire (TAM). Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée) c-à-d le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre SUE_L et SUE_H. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 184 Tableau 4.7 - Les résultats du modèle de Fama et French (1993) des portefeuilles composés selon la variable surprise de bénéfices SUE (avec l’indice de marché CAC 40) COEFFICIENTS DU MODELE DE MODELE DE FAMA ET FRENCH (1993): RI,T – RF,T = α + βRMRFT + φSMBT + γHMLT + εT Coefficients SUE_L SUE_H SUE_L&H Constante 0,013*** (2,88) 0,0063*** (5,58) -0,007*** (-2,95) RMRF 0,207** (1,96) 1,126 (1,35) 0,243 (1,53) SMB 4,397*** (3,03) 7,056** (1,82) 0,552 (0,32) HML -5,432*** (-6,58) 1,418 (0,74) 2,969*** (2,28) R² 71,50% 21,50% 26,30% R² ajusté 68,20% 12,50% 17,80% F 21,69*** 2,38* 3,09** Note : La variable Rentabilité Ri,t – Rf,t est la variable dépendante et les variables facteur de Marché (Rm – Rf ), facteur Taille (SMB) et facteur ratio « book-to-market » ou facteur de détresse financière (HML) sont les variables explicatives. Le portefeuille représentatif du marché est l’indice CAC 40 et le taux du marché monétaire est le taux annuel monétaire (TAM). Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée) c-à-d le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre SUE_L et SUE_H. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Les résultats des tableaux 4.6 et 4.7 montrent que les surprises de bénéfices ont un contenu informationnel. En effet, la constante du portefeuille d’arbitrage SUE_L&H est de –0,0085 (respectivement –0,007) lorsque l’indice de marché SBF 250 (respectivement CAC 40) est utilisé comme le portefeuille représentatif du marché boursier français. Elle est statistiquement significative à l’ordre de 1% avec un t de Student de –3,57 (respectivement –2,95) lorsque l’indice de marché SBF 250 (respectivement CAC 40) est le portefeuille référentiel du marché financier français. Ce résultat valide l’hypothèse H1 et confirme les résultats précédents d’un contenu informatif des annonces de bénéfices sur les marchés financiers. Il est en accord avec les résultats des travaux sur l’impact de la publication des bénéfices sur les marchés initiés par Beaver (1968) et Ball et Brown (1968). Les coefficients des facteurs de risque, c’est-à-dire le facteur de marché (RMRFt), le facteur lié à la taille (SMBt) et le facteur lié au ratio valeur comptable sur valeur marchande du titre (HMLt) ne sont pas tous nuls. En effet, le coefficient de sensibilité au facteur du ratio valeur comptable sur valeur marchande du titre ou ratio L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 185 « book-to-market » est 3,565 avec un t de Student de 2,28 lorsque l’indice de marché SBF 250 est le portefeuille de référence du marché financier français. De même, lorsque l’indice CAC 40 est utilisé comme le portefeuille du marché français, tous les coefficients ne sont pas tous nuls statistiquement. Précisément, le coefficient du ratio valeur comptable sur valeur marchande du portefeuille d’arbitrage est 2,969 et il est significatif avec un t de Student de 2,28. Ces résultats montrent que les annonces de bénéfices suscitent une réaction des investisseurs sur le marché financier français. Toutefois, cette réaction des investisseurs n’est pas expliquée par un comportement biaisé, précisément, une sous-réaction de ceux-ci. La réaction des investisseurs aux annonces de bénéfices serait donc compatible avec la théorie de l’efficience des marchés financiers. L’observation des coefficients du portefeuille extrême SUE_L montre que le modèle de Fama et French (1993) capture l’anomalie du marché concernant les surprises de bénéfices négatives. Précisément, le rendement excédentaire d’un portefeuille de titres, (Rp,t – Rf,t), serait fonction de sa sensibilité à trois facteurs de risque : le facteur de marché (RMRFt), le facteur relié à la taille (SMBt) et le facteur relié au ratio valeur comptable sur valeur marchande du titre (HMLt). En effet, pour le portefeuille SUE_L, nous avons des coefficients tous significatifs avec un coefficient de corrélation R²-ajusté de 72,00% (respectivement 68,20%) lorsque l’indice SBF 250 (respectivement CAC 40) est utilisé comme le portefeuille de marché. Ce résultat confirme les résultats précédents sur les rentabilités anormales moyennes cumulées des titres à surprise de bénéfices négative26. Les performances du portefeuille de titres à surprise de bénéfices négative ne sont pas globalement significatives. L’impact des surprises négatives sur l’évolution des cours boursiers serait donc négligeable. Ce résultat démontre que le modèle de Fama et French (1993) serait un modèle explicatif des rentabilités des titres à surprise de bénéfices négative sur le marché financier français. Par contre, pour le portefeuille extrême SUE_H, c’est-à-dire pour les titres à surprises de bénéfices positive, les coefficients estimés montrent que le modèle de Fama et French (1993) capture partiellement certaines anomalies du marché financier, 26 Voir la section 2.1. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices 186 en l’occurrence l’anomalie de « surprise de bénéfices positive ». Ce résultat est conforme aux résultats précédents où les rentabilités anormales moyennes cumulées des titres à surprise positive sont significatives dans l’ensemble. En effet, pour le portefeuille à surprise de bénéfices positive (SUE_H), les coefficients de corrélation « R²-ajusté » sont faibles. Il est de 10,20% (respectivement 12,50%) lorsque l’indice SBF 250 (respectivement CAC 40) est le portefeuille de marché. 4 CONCLUSION Ce premier travail empirique a eu pour objectif d’explorer l’évolution des cours boursiers aux annonces de bénéfices sur le marché financier français. Les résultats ont permis de mettre en évidence un contenu informationnel de la publication des bénéfices. Cette étude basée sur la surprise de bénéfices, montre un ajustement progressif des cours boursiers aux annonces des bénéfices. Il semblerait également que les surprises de bénéfices positives et les surprises de bénéfices négatives ne suscitent pas les mêmes réactions chez les investisseurs. Dans le cas des titres à bonne nouvelle, c’est-à-dire à surprise de bénéfices positive, l’ajustement progressif des cours boursiers suivant l’annonce serait important. Par contre, dans le cas des titres à mauvaise nouvelle, c’est-à-dire à surprise de bénéfices négative, l’ajustement est faible. Les résultats sont globalement cohérents avec ceux de l’hypothèse de l’efficience des marchés, à savoir un ajustement progressif des cours boursiers à la divulagation des bénéfices financiers. Cependant, la réaction des investisseurs aux titres à bonne nouvelle laisse planer un doute sur une supposée réaction rationnelle ou rationnellement limitée des investisseurs. Dans l’étude qui suivra, les résultats des modèles comportementaux récents, précisément, ceux du modèle de Barberis, Shleifer et Vishny (1998) sont testés. Les tests des hypothèses des modèles comportementaux infirment ou confirment-ils les résultats empiriques du présent chapitre? L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 187 CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE BARBERIS, SHLEIFER ET VISHNY (1998) AUX ANNONCES DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 188 1 INTRODUCTION Nous avons examiné, dans le chapitre précédent, l’impact de l’annonce des bénéfices sur les cours boursiers sur le marché financier français en combinant les méthodologies de Bernard et Thomas (1989, 1990), Fama et French (1992, 1993, 1995, 1996a) et Jegadeesh, Titman et Lakonishok (1996). Ce travail a montré que la publication des résultats suscite une réaction des investisseurs sur les prix des titres, mais cette réaction observée sur le marché boursier français résulterait d’une différence de risque des portefeuilles extrêmes constitués selon le sens des surprises de bénéfices. Toutefois, compte tenu de l’ambiguïté de la réaction des investisseurs aux bonnes nouvelles, nous proposons dans ce chapitre, une méthodologie qui permet de distinguer et de tester de manière explicite les phénomènes de sous- et sur-réaction des investisseurs, à l’annonce des résultats antérieurs et récents, afin de valider ou d’invalider nos résultats empiriques précédents. La finance comportementale propose deux phénomènes opposés mais liés au comportement de l’investisseur : le premier phénomène est celui de la sur-réaction des investisseurs à l’information [De Bondt et thaler (1985, 1987)] et le second est la sous-réaction des investisseurs à l’information (Bernard et Thomas, 1989). Ces auteurs montrent que le cours n’intègre pas immédiatement la bonne ou la mauvaise nouvelle annoncée mesurée par le degré de surprise des résultats créé lors des plus récentes annonces des résultats, par rapport aux attentes des analystes : soit il s’ajuste à cette information récente résultant de la sous-réaction des investisseurs [Bernard et Thomas (1990), Jegadeesh et Titman (1993, 2001), Chan, Jegadeesh et Titman (1996)], soit il s’inverse dû à une sur-réaction des investisseurs [De Bondt et Thaler (1987)]. Des modèles comportementaux récents [Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subrahmanyam (1998) et Hong et Stein (1999)] réconcilient les hypothèses de la sous- et sur-réaction des investisseurs. Ces modèles diffèrent dans leurs hypothèses du comportement des investisseurs mais tous prédisent une sousréaction à l’information publique récente et une sur-réaction aux informations historiques. Les prétentions et implications fondamentales de comportement demeurent en grande partie non testées empiriquement. D’une part, Fama (1998) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 189 constate la difficulté à concilier les résultats des études empiriques et des modèles comportementaux théoriques. Il note l’absence des facteurs explicatifs des phénomènes de la sous-réaction et sur-réaction (Fama, 1998). D’autre part, les études de Jegadeesh et Titman (2001), Lee et Swaminathan (2000, 2001) valident les résultats des modèles comportementaux. Il serait intéressant de tester ces modèles comportementaux sur le marché financier français, afin de confirmer ou d’infirmer nos résultats précédents, à savoir, la non explication de l’effet d’annonce de bénéfice par la sous- et sur-réaction des investisseurs. Ainsi, nous nous proposons d’étudier le comportement des rentabilités du titre à court terme et long terme, sur le marché français, en utilisant les méthodes calendaires de Fama et French (1993) et Carhart (1997) suite à l’annonce récente et aux annonces antérieures des résultats. Nous étudions quelques implications testables des modèles comportementaux. Précisément, nous nous concentrons sur le modèle de Barberis, Shleifer et Vishny (1998). Le chapitre est organisé de la manière suivante : Nous présentons la théorie et nos hypothèses de recherche. Ensuite, nous abordons la méthodologie spécifique de recherche retenue pour notre travail. Puis, nous discutons les résultats principaux. Enfin, nous analysons la robustesse de nos résultats par les méthodes de régression. Finalement, nous tirons nos conclusions. 2 THEORIE ET HYPOTHESES DE RECHERCHE L’étude de Barberis, Shleifer et Vishny (1998) [désormais BSV (1998)] apporte des éléments d’explication sur les phénomènes de la sur-réaction [De Bondt et Thaler (1985, 1987)] et sous-réaction (Bernard et Thomas, 1989 ; Jegadeesh et Titman (1993) et Chan et al. (1996)]. Les auteurs proposent un modèle mathématique reposant sur deux heuristiques comportementales mises en évidence entre autres par Tversky et Kahneman (1974) et Edwards (1986). La première heuristique est l’heuristique de représentativité. Elle se manifeste par la propension des individus à juger des L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 190 événements comme typiques ou représentatifs de certaines catégories de phénomènes en ignorant la probabilité qu’ils appartiennent effectivement à ces catégories. Cette heuristique serait à l’origine de la sur-réaction. La seconde heuristique s’appelle le conservatisme ou l’heuristique d’ajustement-ancrage. Elle est caractérisée par la lenteur des sujets à changer leurs croyances face à de nouvelles informations. Le conservatisme serait à la base de la sous-réaction. Outre le fait que les auteurs donnent des fondements psychologiques à la surréaction et à la sous-réaction, l’intérêt de l’article de BSV (1998) est aussi de montrer comment cohabitent les deux phénomènes sur un même marché. Ce paradoxe est le principal point faible de l’argumentation contre l’efficience de marché. Il permet à Fama (1998) de rejeter les critiques faites à la théorie des marchés efficients. Fama (1998) affirme que la finance comportementale et les recherches sur les anomalies ne proposent pas une alternative concrète, c’est-à-dire une théorie générale permettant de comprendre quand le marché est censé sur ou sous-réagir à l’information, notamment, à l’annonce des résultats. Cette impossibilité pour la critique de l’efficience d’établir les conditions de la sous-réaction ou sur-réaction permet à Fama (1998) de rejeter les attaques contre l’efficience du marché. BSV (1998) sont parmi les premiers à proposer une théorie qui réconcilie la sur-réaction et la sous-réaction (à la publication des résultats) en proposant des conditions d’existence des deux phénomènes sur un même marché. Pour BSV (1998), la sous-réaction à la bonne nouvelle se traduit par une plus lente incorporation de la nouvelle dans le prix par rapport à la vitesse d’intégration dans le cours d’une mauvaise nouvelle, parce que l’investisseur est sujet au biais d’ancrage. Il y aura donc à court terme une différence positive entre la valeur fondamentale et la valeur de marché. Pour un investisseur, cela se traduira par le fait d’avoir une rentabilité moyenne en valeur absolue plus élevée sur les périodes suivant l’annonce d’une mauvaise nouvelle. En effet, si le marché sous-réagit, il y aura une correction dans le futur qui amènera une corrélation entre les rentabilités successives jusqu’à ce que le cours retrouve son niveau d’équilibre. On obtiendra donc des rentabilités, en valeur absolue, plus importantes sur la durée de correction que lors de L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 191 l’annonce d’une mauvaise nouvelle, puisque dans ce cas le cours est ajusté plus rapidement. Selon BSV (1998), il est possible de donner une expression formelle de la sousréaction qui correspond à sa manifestation empirique. Si l’on appelle zt le type d’information reçue par le marché à la période t, celle-ci peut être de deux types : zt = B si la nouvelle est mauvaise, zt = G si la nouvelle est bonne alors la formulation de la sous-réaction selon BSV (1998) sera : E(rt+1/zt = G) > E(rt+1/zt = B) (39) Ce phénomène contredit évidemment la théorie de l’efficience car cette dernière suppose que le jour de l’annonce, l’information est déjà intégrée dans le prix puisqu’elle est disponible. Après l’annonce, il ne devrait pas y avoir de corrélations entre les cours successifs. Or, la sous-réaction suggère le contraire. La sous-réaction peut donc être décrite comme le fait que la rentabilité moyenne réalisée après un choc positif (bonne nouvelle, zt = G) est supérieure à la rentabilité moyenne réalisée après un choc négatif (mauvaise nouvelle, zt = B) selon BSV (1998). En d’autres termes, cette sous-réaction existera tant que l’investisseur donne en moyenne plus de poids au modèle 1. Rappelons que le modèle ou régime 1 correspond à l’heuristique de conservatisme dans le modèle de BSV (1998). Un investisseur utilisant ce modèle réagira peu à une nouvelle positive concernant les bénéfices car il pense que la période suivante le choc sera négatif alors qu’en fait, il a autant de chance d’être négatif que positif. Si la période suivante, le choc est effectivement négatif, la rentabilité entre les deux périodes est faible puisque l’investisseur l’avait prévu. Par contre, si le choc est positif, la rentabilité sera importante et positive. Le raisonnement est le même après un choc négatif, ce qui permet d’écrire la formule (39). L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 192 t t+1 +y E(rt+1/yt = +y) = 4% Modèle 1 +y E(rt+1/yt = -y) = 0,5% -y Où y représente le choc sur le résultat. Si le choc en t est positif, un choc positif en t+1 amènera une rentabilité réalisée moyenne de 4%. Au contraire, si le choc en t était négatif, la rentabilité réalisée moyenne ne serait que de 0,5% car notre investisseur s’y attendait. La relation (39) est bien vérifiée. Reprenons le même schéma en remplaçant le choc positif en t+1 par un choc négatif. t t+1 +y E(rt+1/yt = +y) = -0,5% -y Modèle 1 -y E(rt+1/yt = -y) = -4% Dans ce cas, le raisonnement est le même : si en t, le choc était positif et qu’il est négatif en t+1, la rentabilité est négative mais faible car notre investisseur avait prévu cette situation. Par contre si en t le choc était négatif et qu’il est encore négatif en t+1, la rentabilité va être négative et importante puisque notre investisseur est pris par surprise. D’où l’hypothèse de la sous-réaction au sens BSV (1998) suivante : L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 193 H1 : Si les investisseurs sujets au biais de conservatisme sous-réagissent à l’annonce des résultats alors les titres pour lesquels la surprise de bénéfices est positive (bonne nouvelle zt = G) ont des rentabilités qui excèdent celles des titres pour lesquels la surprise de bénéfices est négative (mauvaise nouvelle zt = B). Et l’hypothèse alternative est la suivante : H0 : Si les investisseurs sont rationnels [ou le marché est efficient au sens de Fama (1991)] alors l’annonce des résultats sera instantanément incorporée dans le cours du titre. En d’autres termes, la différence de rentabilité entre les titres à bonne nouvelle et les titres à mauvaise nouvelle sera statistiquement non significative. Nous abordons la sur-réaction selon la définition de BSV (1998). BSV (1998) considèrent la sur-réaction comme un phénomène à plus long terme que la sous-réaction, dans la mesure où elle se manifeste après une chaîne plus ou moins longue de bonnes (mauvaises) nouvelles, et non pas après une seule nouvelle. Par exemple après une suite de bonnes nouvelles, la valeur de marché deviendra largement supérieure à sa valeur fondamentale. L’investisseur très optimiste anticipe que les nouvelles des périodes futures seront aussi bonnes, font augmenter la valeur de marché de l’action qui devient largement supérieure à sa valeur intrinsèque. BSV (1998) décrivent les manifestations empiriques de ce phénomène en termes d’espérances de rentabilité. En reprenant les notations introduites pour la sous-réaction, nous rappelons la formulation de la sur-réaction selon BSV (1998): E(rt+1/zt = G, zt-1 = G, …, zt-j = G) < E(rt+1/zt = B, zt-1 = B,…, zt-j = B) (40) L’espérance de rentabilité suivant une chaîne de bonnes nouvelles est donc inférieure à l’espérance de rentabilité suivant une chaîne de mauvaises nouvelles. En effet, en anticipant que les nouvelles suivant une chaîne de bonnes nouvelles seront aussi bonnes, l’investisseur sous biais de représentativité a fait grimper le cours de L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 194 l’action de manière exagérée : elle se retrouve donc largement surévaluée. Dès qu’une mauvaise nouvelle viendra perturber ses croyances, il révisera à la baisse ses anticipations d’où un retour vers la valeur fondamentale. Inversement et par le même phénomène, une entreprise ayant enregistré des mauvaises nouvelles successives est sous-évaluée, une bonne nouvelle entraînera une révision à la hausse. Dans ce cas, nous nous trouvons dans le régime 2 du modèle informel de BSV (1998). Il correspond à la représentativité. En utilisant ce régime 2, l’investisseur va surévaluer l’action car après avoir observé une suite de chocs positifs sur les revenus, il pensera que cela continuera, alors qu’en fait cette suite est le fruit du hasard et a une probabilité très faible de se reproduire. D’où l’hypothèse de la sur-réaction selon BSV (1998) suivante : H2 : Si les investisseurs sur-réagissent aux annonces des bénéfices alors les firmes avec des chaînes de mauvaises nouvelles passées auront ultérieurement des rentabilités plus élevées que les firmes avec des chaînes de bonnes nouvelles passées. Et l’hypothèse alternative est la suivante : H’0 : Si les investisseurs sont rationnels et le marché est efficient, alors la différence de rentabilité entre les firmes avec des chaînes de mauvaises nouvelles passées, et les firmes avec des chaînes de bonnes nouvelles passées sera statistiquement nulle. Pour valider leur modèle, BSV (1998) font une simulation. Ils vont vérifier que le modèle produit bien les manifestations empiriques de la sur-réaction et sousréaction. Ces auteurs vont donc constituer pour 2000 entreprises un prix d’équilibre correspondant à une réalisation de revenu sur les cinq dernières années. Ils obtiennent cinq cours d’équilibre pour chaque entreprise. Il leur est donc possible de calculer les rentabilités des 2000 titres sur une période de quatre ans. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 195 Pour répliquer aux manifestations empiriques de la sur et sous-réaction dans leur modèle final c’est-à-dire Pt = Nt/δ + yt(p1 – p2qt)27, BSV (1998) vont constituer deux portefeuilles au début de chacune des quatre dernières années. Ils choisissent un niveau initial de revenu N1 et grâce à une marche aléatoire, ils simulent 2000 séquences indépendantes de revenus commençant toutes par N1. Ils ne peuvent commencer le calcul la première année car il leur faut des données passées pour utiliser la formule des prix donnée par leur modèle. Au début de la troisième année, après avoir observé N2, ils constituent un portefeuille d’entreprises ayant subi un choc positif la deuxième année et un portefeuille d’entreprises ayant subi un choc négatif sur la même période. Au début de la quatrième année, après avoir observé N3, ils constituent un portefeuille d’entreprises n’ayant eu que des chocs positifs sur les deux années précédentes et un portefeuille n’ayant eu que des chocs négatifs sur la même période. Ils procèdent ainsi de suite en constituant deux portefeuilles, l’un regroupant les firmes avec une suite de chocs positifs sur les périodes précédentes et l’autre regroupant les firmes avec une suite de chocs négatifs sur les périodes précédentes. Ils obtiennent donc huit portefeuilles dont quatre regroupent des entreprises enregistrant des chocs négatifs sur toutes les périodes précédentes et quatre avec des chocs positifs sur ces mêmes périodes. Pour chaque portefeuille, BSV (1998) calculent une rentabilité moyenne entre l’année précédant la constitution et la fin de l’année de constitution. Une fois les rentabilités moyennes calculées pour chaque paire de portefeuille d’une année, les auteurs calculent les différences de rentabilité moyenne entre le portefeuille à chocs positifs et le portefeuille à chocs négatifs : Rn + - Rn - (41) Où Rn+ est la rentabilité moyenne des entreprises à chocs positifs sur n années et Rnest la rentabilité moyenne du portefeuille à chocs négatifs sur n années. 27 Voir l’annexe 3. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 196 On constate que cette différence, selon la valeur de n, peut représenter les formules définissant la sous-réaction et la sur-réaction selon BSV (1998). Le nombre n est le nombre d’années passées de chocs positifs et négatifs par lequel l’on conditionne les espérances des expressions de la sur-réaction et sous-réaction. Si n = 1, la différence de performance exprimée par l’expression (41) est équivalente à la formule (42) : E(rt+1/zt = G) – E(rt+1/zt = B) (42) Les espérances sont conditionnées par rapport au choc de l’année précédente ce qui est bien le cas de Rn+ - Rn- lorsque n = 1. L’équation (42) n’est autre que l’équation (39) déterminée sans le signe. Rappelons que l’équation (39) dit que la rentabilité moyenne après un choc positif (bonne nouvelle) est supérieure à la rentabilité moyenne suivant un choc négatif. Si le modèle génère de la sous-réaction, l’expression (39) doit être vérifiée et par conséquent, la simulation devrait donner : Rn+ - Rn- > 0. Au fur et à mesure que n augmente, l’expression Rn+ - Rn- se rapproche de l’équation (43) qui n’est autre que l’équation (40) dont le signe est indéterminé : E(rt+1/zt = G, zt-1 = G,…,zt-j = G) – E(rt+1/zt = B, zt-1 = B,…,zt-j = B) (43) Si le modèle génère également de la sur-réaction, on devrait observer une décroissance de l’expression Rn+ - Rn- puisque quand n augmente, elle tend vers (43) et que la sur-réaction implique que (43) soit négative. Par conséquent, on devrait constater un glissement de la sous-réaction vers la sur-réaction selon BSV (1998). D’où l’hypothèse suivante de réconciliation des phénomènes de sous-réaction et sur-réaction aux annonces de bénéfices selon BSV (1998): L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 197 H3 : Si les phénomènes de sous-réaction et de sur-réaction aux annonces de bénéfices sont compatibles, alors il y a une décroissance de la différence entre la rentabilité annuelle du portefeuille haussier, c’est-à-dire le portefeuille de titres ayant obtenu des bénéfices successifs à la hausse sur les n années, et celle du portefeuille baissier, c’est-à-dire le portefeuille de titres ayant obtenu des bénéfices successifs à la baisse sur les n années. Et l’hypothèse alternative est la suivante : H’’0 : Si les investisseurs sont rationnels, voire rationnellement limités, ce qui est cohérent avec un marché efficient alors la différence de performance entre les titres à bonnes nouvelles et les titres à mauvaises nouvelles sera statistiquement nulle. 3 LA METHODOLOGIE SPECIFIQUE DE RECHERCHE La méthodologie de recherche est similaire aux méthodologies de recherche précédentes, mais certaines précisions sont à apporter. Le portefeuille de référence du marché est l’indice CAC40. Les travaux précédents ont montré que l’utilisation des indices CAC 40 et SBF 250 fournissent les mêmes résultats. De ce fait, notre choix se porte sur l’indice CAC 40 à cause de la disponibilité des valeurs de celui-ci en 1988, vu que la période d’étude est de janvier 1988 à décembre 1999. La surprise des résultats (SUE) est adaptée de Derrien et Degeorges (2001) de la manière suivante : SUE = (EPS réalisé – EPS prévisionnel agrégé des analystes financiers) / Cours (44) Une valeur de SUE positive [G] (respectivement négative [B]) traduit une bonne (respectivement mauvaise) nouvelle, mais elle traduit un pessimisme (respectivement L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 198 optimisme) des analystes. Plus précisément, nous nous intéressons aux portefeuilles à bonnes (respectivement mauvaises) nouvelles extrêmes, c’est-à-dire les portefeuilles à SUE positives (respectivement négatives) comprises entre 0,010 et 12 (respectivement –10 et –0,020). En effet, L’étude du phénomène d’annonce de bénéfices suivant la variable surprise de bénéfice SUE sous les hypothèses de sous-réaction et sousréaction, est menée en examinant les rentabilités anormales moyennes cumulées. A cet effet, deux portefeuilles sont constitués préalablement selon la variable SUE : un portefeuille à SUE positive et un portefeuille à SUE négative. Une deuxième classification des portefeuilles de titres à bonnes et mauvaises nouvelles est effectuée en éliminant les surprises de bénéfices à valeurs aberrantes (très élevées ou très faibles par rapport à la variance calculée des surprises de bénéfices) et nulles. L’intérêt de la classification de tels portefeuilles est qu’il permet de définir des portefeuilles comportant suffisamment des titres de tout type de nouvelles antérieures et récentes. En effet, les prévisions de bénéfices des analystes sont en majorité surestimées et le portefeuille de titres à bonnes nouvelles se trouvent en nombre inférieur à celui du portefeuille de titres à mauvaises nouvelles. Les performances des titres sont évaluées par les rentabilités anormales cumulées (CAR). Celles-ci sont estimées par les modèles à facteurs de Fama et French (1993) et Carhart (1997). La composition des portefeuilles titres sera décrite dans chaque partie de la présentation des résultats. 4 RESULTATS ET INTERPRETATIONS Afin d’analyser le comportement des investisseurs suite aux annonces des bénéfices, plusieurs tests sont définis. Précisément, nous examinons les rentabilités anormales cumulées moyennes selon les annonces de résultats récentes et antérieures. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 199 4.1 Les investisseurs sous-réagissent-ils à l’annonce récente ou antérieure des résultats ? La sous-réaction est traduite comme une incorporation lente de la nouvelle dans le cours du titre [Bernard et Thomas (1989, 1990), Jegadeesh et Titman (1993), Chan, Jegadeesh et Lakonishok (1996)]. Il y aura donc à court terme une différence positive entre la valeur intrinsèque et la valeur de marché de l’action. Pour BSV (1998), la sous-réaction des investisseurs à l’annonce du bénéfice s’interprètera par le fait que la rentabilité moyenne réalisée après un choc positif (bonne nouvelle, [G]) est supérieure à la rentabilité moyenne réalisée après un choc négatif (mauvaise nouvelle, [B]). Ces impacts seuls sont considérés par BSV(1998) comme des annonces de bénéfices « isolées ». Ainsi, pour étudier l’hypothèse de la sous-réaction des investisseurs à l’annonce des bénéfices au sens de BSV (1998), divers portefeuilles sont composés sur la base du signe des surprises de résultat à l’annonce des résultats. Ces différents portefeuilles tiennent compte des états antérieurs et récents des publications des bénéfices afin de mieux tester l’hypothèse de la sous-réaction selon BSV (1998). Les rentabilités anormales cumulées sont estimées pour chacune des séries de surprise de bénéfices, et ensuite des rentabilités anormales cumulées à court terme des différentes séries sont comparées entre elles. Il s’agit des rentabilités anormales cumulées autour de la date d’annonce du bénéfice [CAR(-1,+1)], des rentabilités anormales cumulées sur six mois [CARP6] et sur douze mois [CARP12]. L’évaluation des rentabilités anormales cumulées ([CARP6] et [CARP12]) a été décalée d’un jour de la date d’annonce de bénéfice en vue de réduire les biais de microstructure souligné par Conrad et Kaul (1993). Les rentabilités cumulées anormales ([CARP6] et [CARP12]) sont calculées selon les modèles à facteurs de Fama et French (1993) et Carhart (1997) sauf celles cumulées autour de la date d’annonce du bénéfice [CAR(-1,+1)], déterminées par le modèle de marché. Les tests statistiques, le T de Student et le Z de Mann-Whitney (M.W.) sont utilisés pour la comparaison des rentabilités anormales cumulées à court terme des portefeuilles à mauvaise nouvelle et à bonne nouvelle. Ces tests nous permettent de valider ou d’invalider les hypothèses H1 et H0. Les tableaux 5.1 à 5.4 présentent les rentabilités anormales cumulées et les tests statistiques de L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 200 comparaison des rentabilités anormales cumulées des portefeuilles de titres à l’annonce des bénéfices. Tableau 5.1 - Rentabilités anormales cumulées autour de la date d’annonce des bénéfices en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats. SUE TYPE D'ANNONCE / CAR(-1,+1) SUE_B SUE_G DIFF. SUE_G-B Tous titres -0,19 0,33 0,52 (0,60) aB 0,06 0,20 0,14 (1,05) aBB -0,06 0,39 0,45 (1,29) aBBB -0,38 0,30 0,68 (0,91) aGB 0,17 0,37 0,20 (1,12) aBG -1,50 0,64 2,14 (1,34) aG -1,60 0,02 1,62 (1,32) aGG 0,34 -3,30 -3,64* (-1,59) aGGG -1,50 0,42 1,92 (1,20) Note : Les rentabilités anormales cumulées autour de la date d’annonce du bénéfice [CAR(-1,+1)] ont été évaluées par le modèle de marché. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou T respectivement aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%. aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises surprises de bénéfices antérieures à l’annonce de bénéfices. aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de bénéfice antérieures à l’annonce de bénéfices. aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de bénéfices antérieures à l’annonce de bénéfices. Tableau 5.2 - Rentabilités anormales cumulées sur 6 mois après l’annonce des résultats (CARP6) en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats TYPE D’ANNONCE / TITRES CARP6 Tous les Titres NOMBRE SUE_B SUE_G DIFF.G-B B G F&F CARH F&F CARH F&F CARH 1594 151 -0,07 0,05 2,68 4,89 2,75 (0,95) 4,84 (1,20) aB 558 34 -1,15 -0,53 2,1 3,99 3,25 (0,82) 4,52 (1,16) aBB 515 32 -0,84 -0,02 2,24 4,09 3,08 (0,76) 4,11 (1,02) aBBB 445 29 0,77 1,95 1,28 3,13 0,51 (0,90) 1,20 (0,96) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) aBG 12 5 -0,53 201 2,77 -2,39 0,93 -1,86 (-0,10) -1,84 (0,11) aG 32 23 -2,69 -0,49 1,43 4,98 4,12 (0,54) 5,47 (0,76) aGG 6 13 14,93 19,29 1,96 5,81 -12,97 (-0,58) -13,48 (-0,59) aGGG 1 5 nv nv nv nv nv nv aGB 26 12 13,56 -3,45 3,51 -9,72 -10,05 (-0,49) -6,27 (-0,26) Note : Les rentabilités cumulées anormales ex-post sur six mois sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou T respectivement aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%. aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises surprises de bénéfices antérieures à l’annonce de bénéfices. aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de bénéfices antérieures à l’annonce de bénéfices. aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de bénéfices antérieures à l’annonce de bénéfices. Tableau 5.3 - Rentabilités anormales cumulées sur 12 mois après l’annonce des résultats (CARP12) en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats. TYPE D’ANNONCE / TITRES CARP12 NOMBRE (N) SUE_B SUE_G DIFF.G-B B G F&F CARH F&F CARH F&F CARH Tous les Titres 1594 151 7,57 8,53 12,56 16,74 4,99 (1,49) 8,21* (1,69) aB 558 34 6,75 8,4 9,61 11,84 2,86 (0,49) 3,44 (0,57) aBB 515 32 7,8 10,01 8,02 10,03 0,22 (0,40) 0,02 (0,83) aBBB 445 29 10,41 12,94 5,47 7,33 -4,94 (-0,79) -5,61 (-0,90) aBG 12 5 0,42 7,08 57,37 64,34 aG 32 23 8,87 11,98 9,02 18,54 0,15 (0,47) 6,56 (1,08) 57,05** (2,02) 57,26** (2,18) aGG 6 13 50,89 56,94 6,89 17,68 71,28 -39,26 (-1,28) aGGG 1 5 nv nv 60,4 70,29 nv nv aGB 26 12 1,16 4,55 -4,59 -1,41 -5,75 (-0,33) -5,96 (-0,14) Note : Les rentabilités cumulées anormales ex-post sur douze mois (CARP12) sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou T respectivement aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%. aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises surprises de bénéfices antérieures à l’annonce de bénéfices. aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de bénéfices antérieures à l’annonce de bénéfices. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 202 aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de bénéfices antérieures à l’annonces de bénéfices. Tableau 5.4 - Différences (sans tests statistiques) des rentabilités anormales cumulées en valeur absolue sur 12 et 6 mois après l’annonce des résultats en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats. TYPE D’ANNONCE / TITRES SUE_B SUE_G F&F CARH F&F CARH 7,64 8,48 9,88 11,85 aB 7,90 8,93 7,51 7,85 aBB 8,64 10,03 5,78 5,94 aBBB 9,64 10,99 4,19 4,20 aBG 0,95 4,31 59,76 63,41 aG 11,56 12,47 7,59 13,56 aGG 35,96 37,65 4,93 11,87 aGGG nv nv 58,71 59,77 aGB -12,40 8,00 -8,10 8,31 DIFF. CARP6 & CARP12 Tous les Titres Note : Les rentabilités cumulées anormales sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou T respectivement aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%. aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises surprises de bénéfices antérieures à l’annonce de bénéfics. aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de bénéfices antérieures à l’annonce de bénéfices. aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de bénéfices antérieures à l’annonce de bénéfices. Les tableaux 5.1 à 5.4 montrent que la différence de rentabilités anormales entre les deux portefeuilles (G et B) constitués sur le critère des surprises de bénéfices n’est pas statistiquement significative. Selon le tableau 5.1, autour de la date de publication de l’information (annonce du bénéfice), on observe des variations non importantes de cours, se traduisant par des rentabilités anormales non significativement différentes de zéro quelque soit le type de portefeuilles considérés. Les observations du tableau 5.1 montrent que pour chacun L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 203 des portefeuilles envisagés, les titres à bonne nouvelle sur-performent les titres à mauvaise nouvelle autour de la date d’annonce du bénéfice numériquement. Toutefois, les résultats du test de comparaison de Mann-Whitney et Student présentés dans le tableau 5.1 indiquent que cette différence positive dans l’ensemble n’est pas statistiquement significative et ceci quelque soit l’état antérieur du portefeuille d’actions. Par exemple, pour l’échantillon global, nous avons une différence de rentabilité anormale 0,52% avec une statistique T de Student de 0,60. De même, pour les titres ayant eu une bonne (mauvaise) nouvelle antérieure avant l’annonce du récent, nous avons une différence positive de rentabilité anormale de 1,62% (respectivement 0,14%) évaluée suivant le modèle de marché avec une statistique de Mann-Whitney ou Student de 1,32 (respectivement de 1,05). Ces résultats, similaires pour les titres à une bonne et une mauvaise [aGB] (respectivement à une mauvaise et une bonne nouvelle [aBG]) antérieures à l’annonce du bénéfice, traduisent une non validation de l’hypothèse H1 de la sous-réaction du marché et/ou des investisseurs selon BSV (1998) autour de la date d’annonce du bénéfice. Au vu de nos travaux empiriques, les investisseurs ne sous-réagissent pas à l’annonce récente de la bonne ou mauvaise nouvelle. Les tableaux 5.2 et 5.3 récapitulent les résultats des rentabilités anormales cumulées sur six et douze mois suivant les types de nouvelles antérieures et récentes à l’annonce de bénéfices. Les conclusions sont similaires à ceux du tableau 5.1. Les titres à surprise de bénéfices positive sur-performent les titres à surprise de bénéfices négative. Toutefois, les tests de Student ou de Mann-Whitney indiquent que la différence positive des rentabilités anormales cumulées sur six et douze mois, entre les titres à bonne nouvelle et celles des titres à mauvaise nouvelle, n’est pas statistiquement significative. Par exemple, pour tout l’échantillon, nous avons une différence positive de rentabilité anormale cumulée de 2,75% estimée selon le modèle à trois facteurs de Fama et French (1993) avec une statistique T de Student de 0,95 non statistiquement significative. Par ailleurs, pour les titres ayant eu une bonne nouvelle antérieure (respectivement une mauvaise nouvelle), nous avons une différence de rentabilité anormale cumulée de 4,12% (respectivement 3,25%) évaluée suivant le modèle à trois facteurs de Fama et French (1993) avec une statistique de Mann- L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 204 Whitney ou Student de 0,54 (respectivement 0,82). De même, nous avons une différence positive pour les titres à deux mauvaises nouvelles, trois mauvaises nouvelles et trois bonnes nouvelles avant l’annonce du bénéfice. Ces résultats sont analogues pour les rentabilités anormales cumulées évaluées selon le modèle à quatre facteurs de Carhart (1997). Ces nouveaux résultats montrent que les investisseurs ne sous-réagissent pas à l’annonce récente de bénéfices. Ils contredisent les enseignements théoriques des modèles comportementaux, en l’occurrence ceux de BSV (1998) sur la sous-réaction des investisseurs. Ils corroborent les résultats récents de Kothari, Lewellen et Warner (2003), où les rentabilités anormales mises en évidence à l’annonce du bénéfice sur le marché américain, ne sont pas expliquées par la sous-réaction des investisseurs. L’observation du tableau 5.4 fait apparaître une incorporation progressive de l’annonce de bénéfice dans le cours du titre sur le court terme. Un contrôle robuste des résultats par les modèles de régression est fait dans la section 5 de ce chapitre, afin de valider ou d’invalider l’hypothèse comportementale, ou celle de l’efficience des marchés financiers de l’ajustement progressif des nouvelles du bénéfice dans le prix du titre. Les graphiques 5.1 et 5.2 suivant illustrent quelques uns de nos résultats. Ces graphiques montrent que les différences de performances des titres à bonne nouvelle et celles des titres à mauvaise nouvelle ne sont pas nettement distinctes. Ce résultat réaffirme que les investisseurs ne sous-réagissent pas à l’annonce des bénéfices sur le marché financier français. Il est donc juste de considérer qu’en moyenne, le marché boursier français réagit correctement à l’information. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 205 Graphique 5.1 - Graphique comparatif des rentabilités cumulées anormales moyennes des titres à surprise de bénéfices positive (G) et négatives (B) antérieure à une mauvaise nouvelle l'annonce des résultats Rentabilités anormales cumulées 15,00% 10,00% 5,00% 0,00% -5,00% -10,00% aB_1 -15,00% cara12 cara9 cara6 aB_0 cara3 ARBITRAGE carp6 carp9 carp12 Note : Le portefeuille aB_0 (respectivement aB_1) est composé des titres à surprise de bénéfices négative ou « mauvaise nouvelle » (respectivement positive ou « bonne nouvellle ») à une mauvaise nouvelle antérieure à l’annonce de bénéfices. Quant au portefeuille ARBITRAGE, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre aB_0 et aB_1. Les variables Carak (Carpk) sur k mois [k = 1, 3, 6, 9 et 12] représentent les rentabilités anormales cumulées ex-ante (ex-post) évaluées suivant les modèles de Fama et French (1993). Graphique 5.2 - Graphique comparatif des rentabilités anormales cumulées des titres à surprise de bénéfices positive (G) et négative (B) antérieure à une bonne nouvelle l'annonce des résultats 20,00% Rentabilités anormales cumulées 15,00% 10,00% 5,00% 0,00% -5,00% -10,00% cara12 aG_0 cara9 cara6 cara3 aG_1 car0 Arbitrage carp6 carp9 carp12 Note : Le portefeuille aG_0 (respectivement aG_1) est composé des titres à surprise de bénéfices négative ou « mauvaise nouvelle » (respectivement positive ou « bonne nouvellle ») à une bonne nouvelle antérieure à l’annonce de bénéfices. Quant au portefeuille ARBITRAGE, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre aG_0 et aG_1. Les variables Carak (Carpk) sur k mois [k = 1, 3, 6, 9 et 12] représentent les rentabilités anormales cumulées ex-ante (ex-post) évaluées suivant les modèles de Fama et French (1993). L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 206 4.2 Les investisseurs sur-réagissent-ils à une chaîne de résultats (bonnes ou mauvaises) allant dans la même direction? Dans la section précédente, nous avons testé l’hypothèse de la sous-réaction au sens de BSV (1998). Les résultats ont montré que les investisseurs ne sous-réagissent pas à l’annonce du bénéfice sur le marché financier français. Nous analysons maintenant le phénomène de la sur-réaction des investisseurs à l’annonce des résultats suivant les enseignements de BSV (1998). D’après BSV (1998), la sur-réaction est décrite par le fait que l’espérance de rentabilités suivant une chaîne de bonnes nouvelles est inférieure à l’espérance de rentabilités suivant une chaîne de mauvaises nouvelles. Ce résultat théorique de BSV (1998) s’inspire des travaux empiriques de De Bondt et Thaler (1985, 1987) sur la surréaction où les perdants par le passé (long terme) connaîtraient ultérieurement à l’annonce des résultats des performances supérieures à la moyenne et vice versa pour les gagnants passés (long terme). En effet, pour BSV (1998), les investisseurs croient que les firmes avec des chaînes de mauvaises nouvelles passées supposées sousévaluées, vont être plus performantes dans le futur que les firmes à une chaîne de bonnes nouvelles passées supposées sur-évaluées, compte tenu du phénomène de retour à la moyenne des rentabilités mis en évidence par De Bondt et Thaler (1985). Afin de tester cette hypothèse de sur-réaction, des portefeuilles sont constitués suivant une chaîne de bonnes et mauvaises nouvelles. Les rentabilités cumulées en excès au taux sans risque ex-post, sont estimées pour chacune des séries de surprise de bénéfices, et ensuite des rentabilités anormales cumulées des différentes séries sont comparées entre elles. Il s’agit des rentabilités anormales cumulées sur trois mois [CARP3], six mois [CARP6], neuf mois [CARP9] et douze mois [CARP12]. Les tests statistiques non paramétriques Z de Mann-Whitney (M.W.) sont utilisés pour la comparaison des rentabilités anormales cumulées à court terme des portefeuilles à une chaîne de mauvaises nouvelles et bonnes nouvelles. Ces tests nous permettent de vérifier nos hypothèses H2 et H’0, à savoir, si les investisseurs sur-réagissent aux annonces des bénéfices, alors les firmes avec des chaînes de mauvaises nouvelles L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 207 passées seront plus performantes ultérieurement que les firmes avec des chaînes de bonnes nouvelles passées. Les tableaux 5.5 et 5.6 présentent les rentabilités anormales cumulées et les tests statistiques de comparaison des rentabilités anormales cumulées des portefeuilles à une chaîne de bonnes et mauvaises nouvelles. Tableau 5.5 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois (CARP6), 9 mois (CARP9), 12 mois (CARP12) en % des titres à 2 annonces antérieures positive (aGG) et négative (aBB) aBB [X] NOMBRE PERFORMANCES F&F CARH aGG [Y] DIFF. [Y] - [X] CARP3 aBB 515 aGG 32 CARP6 515 32 CARP9 515 32 1,53% 2,79% -5,16% 2,88% -6,69% (-0,72) 515 32 F&F CARH F&F CARH -0,21% 0,27% 4,73% 7,20% 4,94% (0,89) 6,93%* (1,67) -0,84% -0,02% 1,96% 5,81% 2,80% (0,40) 5,83% (0,84) 0,09% (0,01) CARP12 7,80% 10,01% 6,89% 17,68% -0,91% (-0,05) 7,67% (0,65) Note : Les rentabilités cumulées anormales sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à une chaîne de SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z respectivement aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%. aBB et aGG désignent respectivement les titres à deux mauvaises et deux bonnes surprises de bénéfices antérieures à l’annonce de bénéfices. Tableau 5.6 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois (CARP6), 9 mois (CARP9), 12 mois (CARP12) en % des titres à 3 annonces antérieures positive (aGGG) et négative (aBBB) aBBB [X] NOMBRE aGGG [Y] DIFF. [Y] - [X] PERFORMANCES aBBB aGGG CARP3 445 5 1,59% 3,31% 12,66% 11,72% 11,07% (0,98) CARP6 445 5 0,77% 1,92% 10,69% 10,52% 9,92%*** (3,02) 8,60%* (1,70) CARP9 445 5 3,97% 5,68% 8,19% 10,69% 4,22% (0,23) F&F CARH F&F CARH F&F CARH 8,41% (0,74) 5,01% (0,27) CARP12 445 5 10,41% 13,13% 60,40% 70,29% 49,99%* (1,72) 57,16%** (1,82) Note : Les rentabilités cumulées anormales sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à une chaîne de SUE positive et négative. Les valeurs du test Z de Mann-Whitney sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z respectivement aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%. aBBB et aGGG désignent respectivement les titres à trois mauvaises et trois bonnes surprises de bénéfices antérieures à l’annonce de bénéfices. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 208 L’analyse des tableaux 5.5 et 5.6 ci-dessus montre que les titres aux bonnes nouvelles antérieures ont des rentabilités anormales supérieures à celles des titres aux mauvaises antérieures. Néanmoins, ce différentiel de rentabilité n’est pas statistiquement significatif. L’analyse d’une succession de nouvelles allant dans le même sens n’implique pas immédiatement un revirement des rentabilités. En effet, nous avons une différence de rentabilité anormale cumulée positive calculée selon le modèle de Fama et French (1993) de 4,93% (respectivement 11,07%) sur trois mois avec une statistique Z de Mann-Whitney de 0,89 (respectivement 0,98) entre les titres à une chaîne de deux (respectivement trois) bonnes et mauvaises nouvelles passées. Ces résultats sont semblables pour les différences de rentabilités anormales cumulées sur trois mois estimées suivant le modèle de Carhart (1997) pour les titres à une chaîne de deux et trois bonnes et mauvaises nouvelles passées. Nous observons également des résultats similaires pour les rentabilités en excès au taux sans risque sur 6, 9 et 12 mois évaluées par les modèles à facteurs de Fama et French (1993) et Carhart (1997) (voir tableaux 5.5 et 5.6). L’hypothèse H2 n’est pas validée, à savoir, il n’y a pas un retour à la moyenne des rentabilités suite à une chaîne de nouvelles bonnes ou mauvaises allant dans la même direction. Toutefois, nous remarquons que c’est la bonne nouvelle récente qui détermine le signe de la différence de rentabilités anormales cumulées des titres même si cette différence ne s’avère pas significative dans l’ensemble. Ces résultats viennent confirmer les précédents : les investisseurs se comportent de manière normale et les enseignements théoriques du modèle de BSV (1998) ne sont pas vérifiables sur le marché financier français. 4.3 La réconciliation des phénomènes de la sous-réaction et surréaction Dans les études précédentes de ce chapitre, nous avons testé les hypothèses de la sous-réaction et sur-réaction au sens de BSV (1998). Nos observations ont récusé les hypothèses de la sous-réaction et sur-réaction. La présente étude teste la réconciliation des phénomènes de sous-réaction et sur-réaction selon BSV (1998). L’idée principale est la constatation d’une sous- L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 209 réaction due à un ajustement graduel significatif des cours sur le court terme, puis une sur-réaction due à un retour à la moyenne des rentabilités sur le long terme, suite à l’annonce des bénéfices. Pour tester cette hypothèse, la simulation de BSV (1998) est dupliquée. Les titres sont constitués suivant les surprises de bénéfices sur la période d’étude de 1988 à 1999. Nous nous focalisons sur les quatre dernières années. Nous obtenons donc au maximum quatre résultats annuels annoncés. Il est alors possible d’estimer les rentabilités anormales sur une période de trois années. Deux portefeuilles sont constitués au début de chacune des quatre dernières années. Au début de la quatrième année, deux portefeuilles de firmes n’ayant subi que des chocs de même nature sur les années 1, 2 et 3 sont formés: l’un avec des chocs positifs et l’autre avec des chocs négatifs. Au début de la troisième année, nous constituons deux portefeuilles de firmes n’ayant eu que des chocs positifs et négatifs sur les années 1 et 2. Au début de la deuxième année, nous composons deux portefeuilles n’ayant eu que des chocs positifs et négatifs sur l’année 1. Enfin, au début de la première année, nous constituons deux portefeuilles n’ayant eu que des chocs positifs et négatifs à l’année 0. Ainsi, huit portefeuilles sont obtenus dont quatre regroupent des titres enregistrant des chocs négatifs sur les périodes précédentes et récentes, et quatre avec des chocs positifs sur les mêmes périodes. Pour chaque portefeuille, des rentabilités anormales cumulées sont calculées entre l’année précédant la constitution et la fin de l’année de constitution. Une fois les rentabilités anormales moyennes évaluées pour chaque paire de portefeuille d’une année, les différences de rentabilités moyennes entre le portefeuille à chocs positifs et celles du portefeuilles à chocs négatifs sont estimées: CARPkn+ - CARPkn- (45) où CARPkn+ est la rentabilité anormale cumulée moyenne ex-post sur k mois des sociétés à n chocs positifs et CARPkn- est la rentabilité anormale cumulée moyenne ex-post sur k mois des sociétés à n chocs négatifs. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 210 Si le modèle génère de la sous-réaction alors nous devrions statistiquement avoir CARPkn+ - CARPkn- > 0 (46) Si le modèle génère aussi de la sur-réaction alors nous devrions statistiquement avoir CARPkn+ - CARPkn- < 0 (47) BSV (1998) font l’hypothèse d’une sous-réaction à court terme puis une surréaction à long terme. Donc, si les phénomènes de la sous-réaction et de la sur-réaction (aux résultats) sont réconciliés, alors on devrait noter une décroissance statistiquement significative de la différence de performances entre les titres à surprises positives et celles des titres à surprises négatives au fur et mesure que n croît (H3). Les tests statistiques paramétriques T de Student et non paramétriques Z de Mann-Whitney (M.W.) sont utilisés pour la comparaison des rentabilités anormales cumulées moyennes ex-post des firmes à chocs positifs et négatifs. Ces tests nous permettent de vérifier nos hypothèses H3 et H’’0. Les résultats sont présentés dans les tableaux 5.7, 5.8, 5.9 et 5.10. Tableau 5.7 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3) en % des titres à surprise de bénéfices positive et négative CARP3N- NOMBRE ANNEES\PERFORMANCES CARP3n- CARP3n+ 151 CARP3N+ F&F CARH F&F CARH CARP3N+ - CARP3NF&F CARH 0 1594 0,15% 0,05% -0,92% 0,33% -1,07% (-0,43) 0,28% (0,11) 1 558 23 -0,19% 0,22% -0,19% 2,26% 0,00% (0,00) 2,04% (0,57) 2 515 13 -0,21% 0,27% 4,73% 7,20% 4,94% (0,89) 6,93%* (1,67) 3 445 5 1,59% 3,31% 12,66% 11,72% 11,07% (0,98) 8,41% (0,74) Tableau 5.8 - Rentabilités anormales cumulées ex-post sur 6 mois (CARP6) en % des titres à surprise de bénéfices positive et négative NOMBRE CHOCS\PERFORMANCES CARP6n0 1594 1 558 CARP6n+ 151 23 CARP6N- CARP6N+ F&F CARH F&F CARH CARP6N+ - CARP6NF&F CARH -0,07% -0,05% 2,68% 4,89% 2,75% (0,93) 4,94%* (1,69) -1,15% -0,53% 1,43% 4,98% 2,58% (0,55) 5,51% (1,18) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 211 2 515 13 -0,84% -0,02% 1,96% 5,81% 3 445 5 0,77% 1,92% 10,69% 10,52% 9,92%*** (3,02) 8,60%* (1,70) 2,80% (0,40) 5,83% (0,84) Tableau 5.9 - Rentabilités anormales cumulées ex-post sur 9 mois (CARP9) en % des titres à surprise de bénéfices positive et négative. CARP9N- NOMBRE ANNEES\PERFORMANCES CARP9n- CARP9n+ 151 CARP9N+ F&F CARH F&F CARH CARP9N+ - CARP9NF&F CARH 1,98% (0,52) 6,07%* (1,69) 0 1594 1 558 23 0,82% 1,64% -0,43% 6,54% -1,25% (-0,21) 2 515 13 1,53% 2,79% -5,16% 2,88% -6,69% (-0,72) 0,09% (0,01) 3 445 5 3,97% 5,68% 8,19% 10,69% 5,01% (0,27) 3,11% 3,03% 5,09% 9,10% 4,22% (0,23) 4,90% (0,80) Tableau 5.10 - Rentabilités anormales cumulées ex-post sur 12 mois (CARP12) en % des titres à surprise de bénéfices positive et négative CARP12N- NOMBRE ANNEES\PERFORMANCES CARP12n- CARP12n+ 1594 151 0 CARP12N+ F&F CARH F&F CARH CARP12N+ - CARP12NF&F CARH 7,57% 8,53% 12,56% 16,74% 4,99%* (1,69) 8,21%* (1,79) 1 558 23 6,69% 8,40% 8,27% 18,54% 1,58% (0,22) 10,14% (1,23) 2 515 13 7,80% 10,01% 6,89% 17,68% -0,91% (-0,05) 7,67% (0,65) 3 445 5 10,41% 13,13% 60,40% 70,29% 49,99%* (1,72) 57,16%** (1,82) Notes sur les tableaux 5.6 à 5.10 : Les variables CARP3n+ (respectivement CARP3n-) indiquent respectivement les rentabilités anormales cumulées moyennes ex-post sur 3 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfices (n = 0, 1, 2 et 3). Les variables CARP6n+ (respectivement CARP6n-) indiquent respectivement les rentabilités anormales cumulées moyennes ex-post sur 6 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfices (n = 0, 1, 2 et 3). Les variables CARP9n+ (respectivement CARP9n-) indiquent respectivement les rentabilités anormales cumulées moyennes ex-post sur 9 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfices (n = 0, 1, 2 et 3). Les variables CARP12n+ (respectivement CARP12n-) indiquent respectivement les rentabilités anormales cumulées moyennes ex-post sur 12 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfice (n = 0, 1, 2 et 3). Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z resp. aux seuils 1% à 4,99%, 5% à 9,99% et 10% à 14,99%. L’analyse des tableaux 5.7 à 5.10 ci-dessus montrent que les hypothèses du modèle de BSV (1998) concernant les phénomènes de sous-réaction et sur-réaction ne sont pas vérifiées empiriquement. En effet, une décroissance statistiquement significative des performances des titres à chocs positifs sur celles des titres à chocs L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 212 négatifs n’est pas constatée. Nous observons que les portefeuilles d’actions à chocs positifs sur-performent les portefeuilles d’actions à chocs négatifs dans l’ensemble même si cette sur-performance n’est pas statistiquement significative. Par exemple, les différences de rentabilités anormales cumulées moyennes ex-post sur six mois entre les titres à chocs positifs et négatifs évaluées selon le modèle de Fama et French (1993) sont : CARP60+ - CARP60- = 2,75% CARP61+ - CARP61- = 2,58% CARP62+ - CARP62- = 2,80% CARP63+ - CARP63- = 9,92% On devrait remarquer un glissement de la sous-réaction vers la sur-réaction, ce qui n’est pas le cas empiriquement. Donc, l’hypothèse H3 d’une réconciliation du phénomène de la sous-réaction et de la sur-réaction au sens de BSV (1998) n’est pas validée sur le marché financier français.. 5 LE CONTROLE DES RESULTATS PAR LES METHODES DE REGRESSION Dans les sections précédentes, nous avons testé les hypothèses de sous-réaction, sur-réaction et combinaison des phénomènes de sous-réaction et sur-réaction par comparaison des rentabilités anormales cumulées ex-post suite aux annonces des bénéfices. Les résultats montrent que le marché financier ne sous-réagit, ni ne surréagit à l’annonce des bénéfices. Les stratégies de sous-réaction (respectivement sur-réaction) exploitent la dépendance positive (respectivement négative) des rentabilités. D’après Fama et French (1988), on observe une autocorrélation positive (respectivement négative) à court (respectivement moyen et long) terme sur le marché américain. De Bondt et Thaler (1985) ont mis en évidence un retour à la moyenne des rentabilités ou un effet gagnant-perdant sur le long terme. De même, Jegadeesh et Titman (1993) ont souligné un effet de persistance des rentabilités sur une période de trois à six mois. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 213 Dans cette section, un contrôle robuste des résultats précédents est effectué par les modèles de régression 1 ; 1’ ; 2 et 2’. Ces modèles permettent de tester les phénomènes de persistance et/ou de retour à la moyenne des rentabilités. Les tests de la sous-réaction et/ou sur-réaction sont vérifiés par les modèles de régression 1 ; 1’ ; 2 et 2’. De même, des tests complémentaires sont réalisés afin de tester les effets « bonne nouvelle » et « mauvaise nouvelle ». En effet, nous remplaçons la variable SUE par la variable « SUE’ » dans les modèles de régression 1 et 2 pour générer les modèles 1’ et 2’ où « SUE_TRON » est la variable tronquée de SUE obtenue par la multiplication de la variable SUE à la variable muette D qui vaut 1 dans l’hypothèse d’un portefeuille à bonne nouvelle et 0 sinon. Ainsi, nous avons les modèles de régression suivant : • Modèle 1 : CARP12 = α + βRMRFt0 + φSMBt0 + γHMLt0 + µPR1YRt0 + ϕSUEt0 + χ CAR(-1,+1) +ε (48) • Modèle 1’: CARP12 = α’ + β’RMRFt0 + φ’SMBt0 + γ’HMLt0 + µ’PR1YRt0 + ϕ’SUE_TRONt0 + χ’CAR(1,+1) + ε’ (48’) • Modèle 2 : CARP12 = α + βRMRFt0 + φSMBt0 + γHMLt0 + µPR1YRt0 + ϕ SUEt0 + χCARP6 + ε (49) • Modèle 2’: CARP12 = α’ + β’RMRFt0 + φ’SMBt0 + γ’HMLt0 + µ’PR1YRt0 + ϕ’SUE_TRONt0 + χ’CARP6 + ε (49’) Où • t0 est la date d’annonce du résultat. • CARP12 correspond à la rentabilité cumulée anormale ex-post sur douze mois. • CARP6 se refère à la rentabilité cumulée anormale ex-post sur six mois. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 214 • CAR(-1,+1) se rapporte à la rentabilité anormale cumulée entre un jour précédent et un jour suivant l’annonce de bénéfices. • RMRF représente la rentabilité du marché • SMB se refère au facteur relié à la taille • HML est le facteur joint au ratio « book-to-market » • PR1YR répond au facteur attaché au « momentum » • SUE correspond à la surprise du portefeuille • RMRF est relatif au facteur de marché • Les coefficients α et α’, β et β’, φ et φ’ , γ et γ’, µ et µ’, ϕ et ϕ’ , – et - χ.et χ’ sont respectivement les constantes et les coefficients liés au facteur de marché, à la taille, au ratio « book-to-market », au « momentum », à la surprise de bénéfices et aux rentabilités anormales cumulées. Si (α = 0) ou (α’ = 0) c’est-à-dire si le « α » ou « α’» n’est pas significatif alors les annonces de bénéfices ne suscitent pas une réaction des investisseurs sur le marché financier français. Si (α ≠ 0) ou (α ≠ 0) c’est-à-dire si le «α » ou « α’» est significatif alors les annonces de bénéfices suscitent une réaction des investisseurs sur le marché financier français. Cela signifie donc que, même en contrôlant pour les facteurs de risque, il reste une rentabilité anormale non prise en compte par les facteurs de risque pré-spécifiés. Il n’y a alors que deux possibilités. Soit on accepte l’hypothèse de sur- / sous-réaction, soit on réfute l’hypothèse de sur- / sous-réaction. Si les coefficients des trois facteurs de risque de Fama et French sont tous nuls (β = φ = γ = µ = 0) ou (β’ = φ’ = γ’= µ’ = 0) statistiquement, c’est-à-dire non significatifs, alors les investisseurs sur- / sous-réagissent à l’annonce de bénéfices sur le marché financier français. - Les investisseurs sous-réagissent à l’annonce de bénéfices dans le cas d’une persistance des rentabilités. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) - 215 Les investisseurs sur-réagissent aux annonces de bénéfices dans le cas d’un retour à la moyenne des rentabilités. Sinon si l’un au moins des coefficients est significatif c’est-à-dire (β ≠ 0 ou φ ≠ 0 ou γ ≠ 0 ou µ ≠ 0) ou (β’ ≠ 0 ou φ’ ≠ 0 ou γ’ ≠ 0 ou µ’ ≠ 0) alors les investisseurs ne sous- et/ou sur-réagissent pas aux annonces de bénéfices. Le non effet « bonne nouvelle » ou « mauvaise nouvelle » est validé par des valeurs quasiment identiques significativement des coefficients α et α’; β et β’; χ et χ’ ; φ et φ’ ; µ et µ’, γ et γ’ – et - ϕ et ϕ’ . L’effet « bonne nouvelle » ou « mauvaise nouvelle » est validé par des valeurs quasiment différentes ϕ et ϕ’ de manière significative. Les tableaux 6.13 à 6.14 présentent les résultats des régressions des modèles 1, 1’, 2 et 2’ pour l’ensemble de l’échantillon. Tableau 5.11 - Résultats des modèles 1 et 1’ pour l’ensemble de l’échantillon VARIABLE DEPENDANTE CARP12 Variables explicatives COEFFICIENTS ESTIMES Ech_TT_Titres_SUE F&F Constante (α) CARH Ech_TT_Titres_SUE_Tronquée F&F 8,29e-02*** (4,60) 9,23e-02*** (5,12) 7,88e-02*** (4,66) CARH 8,28e-02*** (4,87) RMRF -0,70*** (-2,68) -0,37 (-1,41) -0,71*** (-2,70) -0,38 (-1,44) SMB 2,28*** (4,24) 2,55*** (4,64) 2,27*** (4,22) 2,52*** (4,59) HML 0,24 (0,45) 0,61 (1,13) 0,24 (0,45) 0,61 (1,12) PR1YR -0,52 (-1,15) -7,50e-02 (-0,16) -0,51 (-1,14) -5,22e-02 (-0,11) SUE 2,87e-03 (0,64) 5,70e-03 (1,24) -1,67e-03 (-0,08) 9,84e-03 (0,45) CAR(-1,+1) -2,82e-02 (-0,32) -4,55e-02 (-0,58) -2,52e-02 (-0,29) -4,78e-02 (-0,56) R² 3,9% 3,7% 3,8% 3,5% F 4,42*** 4,37*** 4,38*** 4,14*** N 1577 1585 1577 1585 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date d’annonce du bénéfice (un jour avant et après l’annonce de bénéfices) [CARP(-1,+1)] sont les variables explicatives. Les L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 216 valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.12 - Résultats des modèles 2 et 2’ pour l’ensemble de l’échantillon VARIABLE DEPENDANTE COEFFICIENTS ESTIMES CARP12 Variables explicatives Ech_TT_Titres_SUE Ech_TT_Titres_SUE_Tronquée F&F CARH F&F CARH Constante (α) -1,80e-02* (-1,55) -1,00e-02 (-0,91) -2,07e-02** (-1,95) -1,42e-02 (-1,38) RMRF 0,71*** (4,04) 0,62*** (3,70) 0,72*** (4,06) 0,62*** (3,70) SMB 0,68*** (2,08) 0,88*** (2,81) 0,67*** (2,05) 0,86*** (2,76) HML 1,23*** (3,47) 1,02*** (3,02) 1,23*** (3,47) 1,02*** (3,01) PR1YR -0,22 (-0,76) -0,16 (-0,58) -0,21 (-0,72) -0,15 (-0,53) SUE 1,05e-03 (0,34) 2,06e-03 (0,68) 8,10e-03 (0,69) 9,71e-03 (0,86) CARP6 0,18*** (3,35) 0,28*** (5,55) 0,18*** (3,36) 0,28*** (5,57) R² 7,1% 9,0% 7,1% 9,1% F 9,58*** 13,07*** 9,84*** 13,12*** N 1577 1585 1577 1585 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Les résultats des tableaux 5.11 et 5.12 n’indiquent pas un effet de continuité et/ou de revirement des rentabilités sur une période de six à douze mois suivant l’annonce de bénéfices sur le marché financier français. En fait, les chiffres du tableau 5.11 laisseraient croire à un effet de revirement sur une période plus ou moins de douze mois, puisqu’on observe des constantes non nulles significatives au seuil de 1%, et des valeurs négatives des coefficients liés à la variable CAR(-1,+1), se rapportant à la rentabilité anormale cumulée entre un moisprécédent et un mois suivant l’annonce du bénéfices. Toutefois, les coefficients liés à la variable CAR(-1,+1) ne sont pas significatifs. Par exemple, nous obtenons un (α) d’environ 0,083 avec une statistique très significative t de Student de 4,60, et une valeur approximative de –0,03 du coefficient de la rentabilité anormale CAR(-1,+1), avec une statistique t de Student L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 217 insignifiante de –0,32, pour les rentabilités anormales évaluées à l’aide du modèle de Fama et French (1993) (voir tableau 5.11). De même, les résultats du tableau 5.12 pourraient aller dans le sens d’une validation du phénomène de persistance des rentabilités sur six mois pour l’ensemble de l’échantillon, mais leur observation ne permet pas cette affirmation. En effet, nous avons une constante (α) de –0,01 avec une statistique t de Student de –0,91 non significative au seuil de 10% pour les rentabilités anormales cumulées évaluées avec le modèle de Carhart (1997) (voir tableau 5.12). Ensuite, nous constatons que certains facteurs de risque expliquent les rentabilités anormales. Par exemple, nous avons une valeur du coefficient de la taille de 2,28 (respectivement 2,55), statistiquement significative au seuil de 1%, pour les rentabilités anormales évaluées par le modèle de Fama et French (1993) (respectivement Carhart (1997)) [voir tableau 5.11]. De même, nous avons pour le tableau 5.12, des valeurs statistiquement significatives au seuil de 1% des coefficients liés aux facteurs de marché, de la taille et du ratio « book-to-market » respectives de 0,71 ; 0,68 et 1,23, pour les rentabilités anormales calculées selon le modèle de Fama et French (1993). Les résultats sont analogues pour les rentabilités estimées par le modèle de Carhart (1997). Enfin, les hypothèses de « bonne nouvelle » et/ou « mauvaise nouvelle » ne sont pas validées pour l’échantillon global. Les tableaux 5.11 et 5.12 donnent des résultats quasi-égaux des modèles 1 et 1’ – et – 2 et 2’ quelque que soit le type d’avaluation des rentabilités anormales utilisées. Nous avons des résultats similaires pour les rentabilités anormales cumulées selon le modèle de Carhart (1997). De plus, les coefficients à la variable nouvelle ou surprise de bénéfices (SUE) ne sont pas statistiquement significatifs. Les tableaux 5.11 et 5.12 nous donnent des valeurs respectivement non significatives de 0,0028 et 0,0010 si le modèle de Fama et French (1993) est utilisé pour les rentabilités en excès du taux sans risque. Pour confirmer nos résultats, il est possible de considérer les portefeuilles suivant la typologie des annonces de bénéfices antérieures et récentes. Nous considérons les portefeuilles de titres à une bonne et mauvaise nouvelle récente, une mauvaise et bonne nouvelle antérieure - et - à deux mauvaises et bonnes nouvelles antérieures à l’annonce de bénéfices. Les tableaux 5.13 à 6.26 présentent les résultats. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 218 Tableau 5.13 - Résultats du modèle 1 pour les titres à bonne (resp. mauvaise) nouvelle récente VARIABLE DEPENDANTE COEFFICIENTS ESTIMES CARP12 Variables explicatives Ech_B Ech_G F&F CARH F&F CARH Constante (α) 8,40e-02*** (3,93) 9,32e-02*** (5,04) 0,12 (1,31) 0,14 (1,42) RMRF -0,83*** (-3,13) -0,46** (-1,75) 0,53 (0,41) 0,59 (0,47) SMB 2,37*** (4,38) 2,68*** (4,98) 8,15e-02 (0,03) -0,89 (-0,29) HML 0,27 (0,52) 0,74 (1,39) -1,04 (-0,33) -2,16 (-0,67) PR1YR -0,73 (-1,60) -0,33 (-0,73) 1,59 (0,77) 2,41 (1,15) SUE 2,54e-03 (0,56) 4,54e-03 (0,99) -2,50e-02 (-63,) -2,61e-02 (-0,61) CAR(-1,+1) -2,68e-02 (-0,29) -2,15e-04 (-0,00) 0,15 (0,45) 0,47 (1,41) R² 4,9% 4,5% 3,5% 8,7% F 5,22*** 5,02*** 0,28 0,77 N 613 644 53 56 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.14 - Résultats du modèle 1’ pour les titres à bonne (resp. mauvaise) nouvelle récente VARIABLE DEPENDANTE COEFFICIENTS ESTIMES CARP12 Variables explicatives Ech_B F&F Constante (α) Ech_G CARH 7,95e-02*** (4,70) 8,53e-02*** (5,12) F&F CARH 0,12 (1,31) 0,14 (1,42) RMRF -0,83*** (-3,14) -0,47** (-1,78) 0,53 (0,41) 0,59 (0,47) SMB 2,35*** (4,36) 2,66*** (4,94) 8,15e-02 (0,03) -0,89 (-0,29) HML 0,27 (0,51) 0,73 (1,39) -1,04 (-0,33) -2,16 (-0,67) PR1YR -0,72* (-1,58) -0,31 (-0,69) 1,59 (0,77) 2,41 (1,15) -2,50e-02 (-0,63) -2,61e-02 (-0,61) SUE_TRON CAR(-1,+1) -2,60e-02 (-0,42) 2,25e-03 (0,02) 0,15 (0,45) 0,47 (1,41) R² 4,9% 4,4% 3,5% 8,7% F 6,21*** 5,83*** 0,28 0,77 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) N 613 644 219 53 56 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et rentabilité anormale cumulée autour de la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.15 - Résultats du modèle 1 pour les titres à une bonne (resp. mauvaise) nouvelle antérieure VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Ech_aB Ech_aG F&F CARH F&F CARH Constante (α) 7,65e-02*** (3,93) 9,04e-02*** (4,73) 0,10 (1,41) 0,13* (1,59) RMRF -0,82*** (-3,02) -0,56*** (-2,11) -0,80 (-0,58) -0,80 (-0,51) SMB 2,11*** (3,71) 2,45*** (4,30) 3,72 (1,40) 2,04 (0,68) HML 0,17 (0,30) 0,68 (1,22) -0,74 (-0,25) -0,49 (-0,14) PR1YR -0,56 (0,42) -0,23 (-0,49) -1,01 (-0,43) -0,58 (-0,21) SUE 1,99e-03 (0,42) 4,41e-03 (0,92) 2,08e-02 (0,56) 1,25e-02 (0,30) CAR(-1,+1) -4,60e-02 (0,42) 1,70e-04 (0,00) -0,21 (-0,56) 0,27 (0,67) R² 4,3% 4,1% 6,3% 3,8% F 4,16*** 4,23*** 0,50 0,29 N 569 598 52 52 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.16 - Résultats du modèle 1’ pour les titres à une bonne (resp. mauvaise) nouvelle antérieure VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Ech_aB F&F Constante (α) RMRF Ech_aG CARH 7,77e-02*** (4,30) 8,71e-02*** (4,84) -0,84*** (-3,09) -0,58*** (-2,17) F&F CARH 9,46e-02 (1,21) 0,12 (1,45) -0,79 (-0,57) -0,79 (-0,50) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 220 SMB 2,13*** (3,77) 2,44*** (4,29) 3,76 (1,42) 2,06 (0,69) HML 0,21 (0,69) 0,71 (1,29) -0,66 (-0,22) -0,44 (-0,13) PR1YR -0,57 (-1,21) -0,23 (-0,48) -1,03 (-0,44) -0,59 (-0,22) SUE_TRON -5,98e-02** (-1,74) -4,60e-02 (-1,34) 2,48e-02 (-0,58) 1,52e-02 (0,31) CAR(-1,+1) -3,98e-02 (-0,42) 2,71e-03 (0,03) -0,20 (-0,54) 0,28 (0,48) R² 4,7% 4,3% 6,3% 3,8% F 4,66*** 4,39*** 0,50 0,29 N 569 598 52 52 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et rentabilité anormale cumulée autour de la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.17 - Résultats du modèle 1 pour les titres à deux bonnes (resp. mauvaise) nouvelles antérieures VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Ech_aBB Ech_aGG F&F CARH F&F CARH Constante (α) 8,94e-02*** (4,07) 0,10*** (4,81) 0,39** (2,18) 0,45** (2,17) RMRF -0,71*** (-2,38) -0,46* (-1,54) 5,57 (1,20) 6,75 (1,18) SMB 1,85*** (2,97) 2,18*** (3,47) -0,48 (-0,06) -4,96 (-0,53) HML -0,23 (-0,36) 0,30 (0,48) 2,01 (0,18) 0,48 (0,03) PR1YR -0,77 (-1,42) -0,35 (-0,65) 8,67 (1,14) 11,95 (1,22) SUE 1,34e-03 (0,25) 3,76e-03 (0,48) -6,08e-02 (-0,45) -6,19e-02 (-0,38) CAR(-1,+1) -8,80e-02 (-0,85) -1,97e-02 (-0,20) -1,84** (-1,93) -1,50 (-1,35) R² 3,3% 2,9% 36,6 % 27,2 % F 2,65 2,46*** 0,67 0,43 N 476 503 14 14 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 221 Tableau 5.18 - Résultats du modèle 1’ pour les titres à deux bonnes (resp. mauvaise) nouvelles antérieures VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Ech_aBB Ech_aGG F&F CARH F&F CARH Constante (α) 9,29*** (4,57) 0,10*** (5,11) 0,44* (1,83) 0,54* (1,84) RMRF -0,73 (-2,44) -0,47* (-1,59) 5,83 (1,18) 7,74 (1,23) SMB 1,88*** (3,04) 2,16*** (3,46) -0,73 (-0,09) -5,23 (-0,57) HML -0,17* (-0,27) 0,35 (0,56) 2,31 (0,21) 1,87 (0,14) PR1YR -0,79 (-1,46) -0,34 (-,64) 9,17 (1,12) 13,67 (1,26) SUE_TRON -6,33e-02** (-1,80) -5,18e-02 (-1,47) -8,63e-02 (-0,47) -0,11 (-0,52) CAR(-1,+1) -8,05e-02 (-0,78) -1,64e-02 (-0,16) -1,93* (-1,83) -1,70 (-1,39) R² 3,90% 3,2% 36,8 % 28,4 % F 3,20** 2,75*** 0,67 0,46 N 477 503 14 14 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et rentabilité anormale cumulée autour de la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.19 - Résultats du modèle 2 pour les titres à bonne (resp. mauvaise) nouvelle récente VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Ech_B Ech_G F&F CARH F&F CARH Constante (α) -1,88e-02 (-1,49) -1,11e-02 (-0,94) -2,59e-02 (-0,58) -5,01e-03 (-0,09) RMRF 0,70*** (3,82) 0,63*** (3,65) 1,12* (1,55) 0,86 (1,28) SMB 0,58** (1,70) 0,82*** (2,56) 0,94 (0,67) 0,21 (0,14) HML 1,15*** (3,18) 0,98*** (2,84) 1,94 (1,17) 1,19 (0,71) PR1YR -0,31 (-0,99) -0,29 (-0,98) 0,62 (0,57) 1,27 (1,19) SUE 7,81e-05 (0,02) 7,60e-04 (0,24) 6,19e-03 (0,37) 3,73e-03 (0,21) CARP6 0,15*** (2,61) 0,23*** (4,33) 0,33** (1,98) 0,58*** (3,40) R² 6,50% 8,00% 15,80% 23,40% F 8,02*** 10,60*** 1,56 2,69*** N 704 736 57 60 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 222 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.20 - Résultats du modèle 2’ pour les titres à bonne (resp. mauvaise) nouvelle récente VARIABLE DEPENDANTE COEFFICIENTS ESTIMES CARP12 Variables explicatives Ech_B Ech_G F&F CARH F&F CARH Constante (α) -1,89e-02* (-1,68) -1,23e-02 (-1,17) -2,59e-02 (-0,58) -5,01e-03 (-0,09) RMRF 0,70*** (3,82) 0,63*** (3,65) 1,12* (1,55) 0,86 (1,28) SMB 0,58** (1,70) 0,82*** (2,56) 0,94 (0,67) 0,21 (0,14) HML 1,15*** (3,18) 0,98*** (2,85) 1,94 (1,17) 1,19 (0,71) PR1YR -0,30 (-0,99) -0,29 (-0,97) 0,62 (0,57) 1,27 (1,19) 6,19e-03 (0,37) 3,73e-03 (0,21) SUE_TRON CARP6 0,15*** (2,65) 0,23*** (4,34) 0,33** (1,98) 0,58*** (3,40) R² 6,5% 8,0% 15,8% 23,4% F 9,64*** 12,73*** 1,56 2,69*** N 704 736 57 60 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et la rentabilité anormale cumulée sur six mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.21 - Résultats du modèle 2 pour les titres à une bonne (resp. mauvaise) nouvelle antérieure VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Constante (α) Ech_aB Ech_aG F&F CARH F&F CARH -2,57e-02*** (-2,01) -1,58e-02 (-1,34) 1,46e-02 (0,21) 4,45e-02 (0,91) E RMRF 0,73*** (3,90) 0,64*** (3,68) 3,04 -02 (0,03) -0,24 (-0,26) SMB 0,49 (1,41) 0,81*** (2,46) 2,34 (1,46) 1,39 (0,85) HML 1,09*** (2,92) 1,02*** (2,90) 0,10 (0,07) 0,34 (0,18) PR1YR -0,28*** (-0,89) -0,22*** (-0,75) -0,74 (-0,52) -0,89 (-0,62) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 223 SUE 1,74e-04 (-0,05) 8,23e-04 (0,25) 6,03e-03 (0,36) 1,77e-03 (0,10) CARP6 0,13*** (2,19) 0,20*** (3,60) 0,33 (1,53) 0,62*** (2,81) R² 6,10% 7,30% 13,60% 20,20% F 6,98*** 8,81*** 1,31 2,11** N 649 680 57 57 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.22 - Résultats du modèle 2’ pour les titres à une bonne (resp. mauvaise) nouvelle antérieure VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Ech_aB Ech_aG F&F CARH F&F CARH Constante (α) -2,39e-02* (-1,67) -1,35e-02 (-1,01) 1,06e-02 (0,21) 4,22e-02 (0,82) RMRF 0,76*** (3,72) 0,67*** (3,51) 2,98e-02 (0,03) -0,24 (-0,26) SMB 0,38 (1,03) 0,71** (1,99) 2,32 (1,46) 1,38 (0,84) HML 0,89*** (2,13) 0,84*** (2,12) 0,13 (0,07) 0,35 (0,18) PR1YR -0,29 (-0,83) -0,21 (-0,62) -0,72 (-0,52) -0,88 (-0,61) SUE_TRON 6,78e-04 (0,18) 1,69e-03 (0,47) 6,93e-03 (0,36) 3,31e-03 (0,16) CARP6 0,13** (1,96) 0,21*** (3,45) 0,34* (1,55) 0,67*** (2,81) R² 5,90% 7,10% 13,60% 20,20% F 5,65*** 7,29*** 1,31 2,11** N 550 578 57 57 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et la rentabilité anormale cumulée sur six mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.23 - Résultats du modèle 2 pour les titres à deux bonne (resp. mauvaise) nouvelles antérieures VARIABLE DEPENDANTE COEFFICIENTS ESTIMES CARP12 Variables explicatives Ech_aBB F&F Ech_aGG CARH F&F L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. CARH Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 224 Constante (α) -2,20* (-1,65) -1,38e-02 (-1,07) 0,12 (0,94) 0,15 (1,11) RMRF 0,33** (1,73) 0,23 (1,28) -0,24 (-0,07) -0,57 (-0,17) SMB 0,14 (0,40) 0,35 (1,03) 3,27 (-0,59) 1,94 (0,33) HML 0,63* (1,60) 0,64* (1,66) -3,37 (-0,45) -3,84 (-0,47) PR1YR 1,00*** (3,05) 1,07*** (3,32) -1,39 (-0,38) -1,33 (-0,33) SUE 1,42 (0,41) 2,52e-03 (0,73) 7,61e-02 (0,74) 7,18e-02 (0,66) CARP6 -0,13*** (-2,13) -7,41e-02 (-1,26) -0,14 (-0,21) 0,18 (0,27) R² 2,90% 2,40% 16,20 % 15,70 % F 2,65*** 2,32*** 0,29 0,27 N 547 575 16 16 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. Tableau 5.24 - Résultats du modèle 2’ pour les titres à deux bonnes (resp. mauvaises) nouvelles antérieures VARIABLE DEPENDANTE CARP12 COEFFICIENTS ESTIMES Variables explicatives Ech_aBB Ech_aGG F&F CARH F&F CARH Constante (α) -2,52e-02** (-1,92) -1,68e-02 (-1,37) 8,28e-02 (0,51) 0,10 (0,64) RMRF 0,76*** (3,72) 0,67*** (3,52) -3,09e-02 (-0,01) -0,55 (-0,17) SMB 0,37 (1,01) 0,69** (1,95) 3,37 (0,60) 1,77 (0,30) HML 0,89*** (2,13) 0,84* (2,12) -2,61 (-0,36) -3,35 (-1,04) PR1YR -0,29 (-0,82) -0,20 (-0,60) -1,04 (-0,29) -1,16 (-0,30) SUE_TRON 2,13e-03 (-0,08) 9,44e-03 (0,39) 8,48e-02 (0,67) 9,04e-02 (0,67) CARP6 0,13** (1,96) 0,21*** (3,46) -0,11 (-0,16) 0,23 (0,73) R² 5,90% 7,10% 15,20 % 15,90 % F 5,64*** 7,28*** 0,27 0,28 N 550 578 16 16 Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix (PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et la rentabilité anormale cumulée sur six mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998) 225 Les observations des tableaux 5.13 à 5.24 confirment et renforcent les résultats précédents, à savoir, l’absence de persistance et/ou du retour à la moyenne des rentabilités suite à l’annonce des bénéfices, l’absence d’un effet « bonne nouvelle » et « mauvaise nouvelle » et une explication possible des rentabilités anormales par les facteurs de risque. 6 CONCLUSION Dans ce chapitre, nous avons étudié l’hypothèse d’une sous- et/ou sur-réaction des investisseurs à l’annonce des bénéfices sur le marché boursier français. Précisément, nous avons testé les résultats théoriques des modèles comportementaux, en l’occurrence ceux de Barberis, Shleifer et Vishny (1998). Au total, cette illustration empirique a montré que dans l’ensemble, les investisseurs ne sous-réagissent pas selon l’approche comportementale de Barberis, Shleifer et Vishny (1998), abstraction faite de la nature des résultats (bonne ou mauvaise). De même, les investisseurs ne surréagissent pas à une chaîne de bonnes ou mauvaise nouvelles. Les conclusions du modèle comportemental de Barberis, Shleifer et Vishny (1998) ne sont donc pas validées sur le marché financier français, à savoir, la sous-réaction à court terme, la sur-réaction à une chaîne de nouvelles allant dans le même sens et la réconciliation des phénomènes de sous- et sur-réaction. De plus, cette étude empirique confirme les travaux du chapitre précédent. Les rentabilités anormales cumulées suivant l’annonce des bénéfices ne sont pas expliquées par les biais cognitifs des investisseurs. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 226 CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES LORS DE L’ANNONCE DES BENEFICES L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 227 1 INTRODUCTION Les résultats précédents ont montré une persistance des rentabilités lors de l’annonce des bénéfices sur le marché financier français sur la période 1988 à 1999. Ces études démontrent que la persistance des rentabilités lors des publications des résultats ne résultent pas de la sous-réaction des investisseurs. Les investisseurs ajusteraient progressivement les cours boursiers à l’annonce des bénéfices sur le marché boursier français. Néanmoins, ces résultats ébauchent une possible explication du phénomène de persistance des rentabilités à l’annonce des bénéfices par les prévisions des analystes jugées trop élevées par rapport aux bénéfices réels. Un optimisme général des analystes est mis en évidence. Des études françaises ont également mis en évidence l’existence d’un biais d’optimisme dans les prévisions des analystes financiers [Grandin (1995) et Fontowicz (1999)]. Le questionnement sur le comportement des analystes financiers n’est donc pas nouveau et il connaît un regain d’intérêt grâce aux études récentes portant sur la finance comportementale. De Bondt et Thaler (1990) soulignent une sur-réaction des analystes financiers à l’information des résultats tandis que Abarbanell et Thomas (1992) soulignent une sous-réaction des analystes financiers à l’information des résultats. Par ailleurs, Easterwood et Nutt (1999) révèlent une sous-réaction (sur-réaction) des analystes aux bonnes (mauvaises) nouvelles. Ces résultats sont en accord avec ceux de Amir et Ganzach (1998) qui montrent que les analystes sont sujets à des biais cognitifs. Le travail des analystes financiers consiste à produire des recommandations financières et boursières. L’analyse de leurs prévisions de bénéfices peut contribuer à expliquer l’ajustement lent des cours boursiers lors des annonces de bénéfices. La recherche financière s'est habituellement concentrée sur l'étude d'une seule heuristique. Cependant, les développements récents de la théorie comportementale de décision indiquent que les prévisions sont souvent influencées par les diverses heuristiques qui fonctionnent concurremment. Le but du présent chapitre est d'étudier l'influence combinée des diverses heuristiques sur la prévision des bénéfices des analystes en s’inspirant des travaux de L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 228 Amir et Ganzach (1998). En particulier, ce travail examine l'influence de trois heuristiques: représentativité, ancrage – ajustement et disponibilité. La suite du chapitre est organisé comme suit. La section 2 est consacrée à la théorie et aux hypothèses de recherche. La section 3 aborde la méthodologie. La section 4 présente les résultats et discussions. 2 THEORIE ET HYPOTHESES DE RECHERCHE A la suite des travaux fondateurs de psychologie sociale de Kahneman et Tversky (1973, 1974, 1982), de très nombreuses études [par exemple, Kahnemann, Slovic et Tversky (1982), Lichtenstein et Fischoff (1980)] ont montré que les décideurs, loin d’appliquer la rationalité type du modèle classique d’utilité espérée de Von NeumanMorgenstern, avaient tendance de manière systématique à suivre d’autres formes de rationalité, que Kahnemann et Tversky ont dénommées « heuristiques ». Les prévisions sont ainsi déviées systématiquement des règles statistiques normatives. Ces études ont inspiré la recherche financière à étudier si de telles heuristiques biaisent les prévisions des variables financières telles que les résultats [De Bondt et Thaler (1990), Abarbanell et Bernard (1992) et Klein (1990)]. Les heuristiques de représentativité et d’ancrage–ajustement influenceraient la précision des prévisions, et l’heuristique de disponibilité conduirait à un optimisme des analystes. Selon Amir et Ganzach (1998), l’effet conjoint de l’heuristique de représentativité et de celle de la disponibilité conduirait à un optimisme et à sur-réaction des analystes financiers, tandis que l’effet conjoint de l’heuristique d’ancrage-ajustement et de celle de la disponibilité conduirait à un optimisme et à sous-réaction des analystes financiers. En effet, pour Amir et Ganzach (1998), dans la prévision de bénéfices futures, les analystes sont susceptibles d'utiliser une valeur saillante telles que les prévisions de bénéfices passées ou les résultats antérieurement annoncés qu’ils modifient sur la base de la nouvelle information. Deux types de modification de prévisions sont considérées: les révisions de bénéfices prévues et les changements de bénéfices. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices - 229 La « révision de prévision de bénéfices » est définie comme la différence entre la prévision de bénéfices courante (à l’annonce du bénéfice) et le bénéfice prévisionnel passé. - Le « changement de bénéfices » est défini comme la différence entre le résultat courant (lors de l’annonce du bénéfice) et le bénéfice passé. Dans ce cas, l'erreur prévue de bénéfices ou la surprise de bénéfices définie comme la différence entre les bénéfices réels et les bénéfices prévisionnels, dépendrait d’abord du signe de la modification de prévision de bénéfices (positive ou négative) et en second lieu, du type de modification de prévision de bénéfices considérée (révision de prévision ou changement de bénéfices). Cette dépendance est alors retrouvée par les processus psychologiques sous-jacents aux diverses modifications de prévision. Les graphiques 6.1 et 6.2 adaptés de Amir et Ganzach (1998) illustrent la théorie. L'effet conjoint des heuristiques de représentativité (sur-réaction) et de disponibilité (optimisme) [respectivement d’ancrage-ajustement (sous-réaction) et de disponibilité (optimisme)] suivant une modification de prévision est présenté par le graphique 6.1 [respectivement graphique 6.2]. Dans cette analyse, une distinction est faite entre les modifications positive et négative. Toutefois, la distinction entre les types de modification de prévision de bénéfices, c’est-à-dire la révision de prévision de bénéfices et le changement de bénéfices, n’est pas prise en compte. Graphique 6.1 : L’effet conjoint des heuristiques de disponibilité et de représentativité sur l’erreur de prévision (ou surprise de prévision) suite à des modifications négatives et positives Prévisionst-n Sur-réaction Résultats sur les titres Optimisme à modifications Prévisiont positives Optimisme Résultats sur les titres Prévisiont à modifications Sur-réaction négatives L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 230 Graphique 6.2 : L’effet conjugué des heuristiques de disponibilité et d’ancrage-ajustement sur l’erreur de prévision (ou surprise de prévision) suite à des modifications négatives et positives Optimisme Résultats sur les titres Prévisiont à modifications Sous-réaction positives Prévisionst-n Sous-réaction Résultats sur les titres Optimisme à modifications Prévisiont négatives Quand la modification est positive (voir la partie supérieure du graphique 6.1), l’effet conjoint de la disponibilité (dénotée ) et la représentativité (dénotée ) conduit à une prévision qui est au-dessus des résultats réels, causant une erreur de prévision négative élevée. Quand la modification est négative (voir la partie inférieure du graphique 6.1), la disponibilité conduit à une prévision qui est au-dessus des résultats réels, alors que la représentativité conduit à une prévision qui est au-dessous des revenus réels, causant une petite erreur de prévision (dénotée ). En conséquence, on devrait observer une asymétrie: les erreurs de prévision seraient plus négatives quand la modification de prévision est positive que quand elle est négative (voir le graphique 6.1). Si l'extrémité de la prévision est régie par l’heuristique d’ancrage-ajustement (sous-réaction, dénoté ), on devrait observer le modèle opposé des erreurs prévues (voir le graphique 6.2). D’une part, quand la modification de prévision est négative, l’effet conjugué des heuristiques de disponibilité et d’ancrage-ajustement conduit à une prévision qui est au-dessus des résultats réels. D'autre part, quand la modification est positive, la disponibilité conduit à une prévision qui est au-dessus des bénéfices réels, alors que l’ancrage-ajustement conduit à une prévision qui est au-dessous des bénéfices réels. En conséquence, on devrait observer une asymétrie: les erreurs de prévision seraient plus négatives quand les modifications de prévision sont positives que quand les modifications de prévision sont négatives (voir le graphique 6.2). L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 231 Suivant la théorie de Amir et Ganzach (1998), l’on se demande si l’on peut faire une prévision a priori au sujet des conditions dans lesquelles la représentativité et l’ancrage-ajustement régissent les prévisions de bénéfices sur le marché financier français? Amir et Ganzach (1998) suggèrent que la représentativité gouverne souvent la prévision. Quand une ancre potentielle existe, l’ancrage-ajustement devient plus probable. Une expérience entreprise par Czaczkes et Ganzach (1996) montrent ce point. Dans cette expérience, les sujets prédisent l'impact d'une série de changements de bénéfices sur des cours d'actions simulés. Après chaque prévision, les sujets reçoivent une rétroaction reflétant un rapport linéaire (r = 0,701) entre les changements de bénéfices et les changements de prix. Dans une première expérience, les sujets sont invités à prévoir le niveau de prix suivant les changements des bénéfices, alors que dans la seconde expérience, ils doivent prévoir les changements de prix suivant les mêmes changements de bénéfices. Dans les deux expériences, les sujets sont informés de l’efficience du marché c’est-à-dire les cours boursiers reflètent les bénéfices et les prix conduisent aux changements des bénéfices. Les résultats des expériences montrent que les prévisions sont moins extrêmes dans l’expérience qui concerne le niveau des cours boursiers que dans celle concernant les changements de prix. Ces résultats valident l’hypothèse selon laquelle l’utilisation de l’ancrage-ajustement est plus probable dans l’état d’un nivellement de prix que dans l’état d’un changement de prix dès lors que le prix précédent sert de point de référence aux prévisions. La présente étude examine trois hypothèses. D’abord en adoptant les approches de Amir et Ganzach (1998), les bénéfices réels passés et les bénéfices prévisionnels passés servent d’ancres aux prévisions des analystes. De plus, l’utilisation des bénéfices prévisionnels passés comme ancres semble plus significative que celle des bénéfices réels passés. En effet, selon Staw (1981), les individus ont tendance à avoir un engagement fort à une ligne de conduite dès que le choix est fait ou le jugement est exprimé ou la prévision est communiquée. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 232 Ainsi, la première hypothèse est : H1 : Il y aura une plus grande tendance à l’ancrage-ajustement (sous-réaction) en ce qui concerne les révisions prévues qu'en ce qui concerne les changements de prévision. Un cas strict de cette hypothèse est un cas dans lequel les révisions de prévision conduisent à la sous-réaction et les changements de prévision conduisent à la surréaction, d’où l’hypothèse H’1. En second lieu, la disponibilité affecte également l'ancre en la rendant plus efficace quand la prévision est négative que quand elle est positive. Ceci étant, quand l'information positive est traitée, les analystes sont disposés à partir d'un point de référence précédent à modifier franchement leur prévision d’une part. D’autre part, quand l'information négative est traitée, les analystes dévient moins du point de référence établi et font une prévision pessimiste. Ainsi, la deuxième hypothèse est : H2 : Il y aura moins de sur-réaction (ou plus de sous-réaction) pour une modification négative que pour une modification positive de prévision. Un cas strict de cette hypothèse est un cas dans lequel la modification négative conduit à la sous-réaction et la modification positive conduit à la sur-réaction, d’où l’hypothèse H’2. De Bondt et Thaler (1990) arguent que l'ampleur de la sur-réaction des analystes à l’information des résultats croît avec la longueur de l'horizon de prévision parce que la sur-réaction augmente avec l'incertitude et cette dernière est plus importante sur des horizons lointains. Une forme plus générale de cette hypothèse est que plus l'horizon de prévision est long, plus le biais de prévision est grand. Ainsi, la troisième hypothèse (H3) est que la sur-réaction, la sous-réaction et l’optimisme augmentent avec l'horizon de prévision. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 233 3 PRESENTATIONS DES VARIABLES Les variables sont définies de la manière suivante : - t correspond à la date d’annonce du bénéfice courant; - n est le mois antérieur à l’annonce du bénéfice courant à la date t; - EPSt ou (EPS0) fait référence au bénéfice par action à l’instant t. Par abus de langage, on nomme le bénéfice par action, le bénéfice réalisé ; - EPSt-1 est relatif au bénéfice par action précédent à la date d’annonce t du bénéfice courant ; - FEPSt ou (FEPS0) correspond au bénéfice prévisionnel mensuel réalisé à l’instant t; - FEPSt-1 est le bénéfice prévisionnel mensuel réalisé précédent à la date d’annonce t du bénéfice courant ; - FEPSt-n (n = 36, 24, 12, 9, 6, 3 et 1) correspond au bénéfice prévisionnel au mois n avant la date t; - EPSt-n (n = 36, 24, 12, 9, 6, 3 et 1) fait référence au bénéfice par action au mois t-n; - - SERRn est l’erreur de prévisions de bénéfices réalisé au mois n : SERRn = EPSt-n – FEPSt-n (50) FERAn = EPSt – FEPSt-n (51) Une valeur positive (négative) de FERAn est une bonne (mauvaise) nouvelle pour le marché, mais elle indique le pessimisme (l’optimisme) des analystes. - FERRn = EPSt-n – FEPSt (52) Une valeur positive (négative) de FERRn correspond à une bonne (mauvaise) nouvelle pour le marché, mais elle désigne le pessimisme (l’optimisme) des analystes. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices - 234 S_FRn est la révision de prévisions de bénéfices non standardisée au mois n avant l’annonce du bénéfice courant. S_FRn = FEPSt-n-1 – FEPSt-n (53) FRn est le cumul des révisions de prévisions non standardisées de bénéfices sur n mois: FRn = ∑(FEPSt-k-1 – FEPSt-k) = FEPSt – FEPSt-n (54) Une valeur positive (négative) de FRn correspond à une modification de prévision positive (négative). - S_FCn est le changement de bénéfices non standardisée au mois n. S_FCn = EPSt-n-1 – EPSt-n (55) FCn est le cumul des changements de bénéfices non standardisés sur n mois à l’annonce du bénéfice courant: FCn = ∑(EPSt-k-1 – EPSt-k) = EPSt – EPSt-n (56) Une valeur positive (négative) de FCn correspond comme une modification de prévision positive (négative). 4 RESULTATS ET INTERPRETATIONS 4.1 Le contenu informationnel des prévisions de bénéfices des analystes lors de l’annonce des bénéfices Pour mettre en évidence la persistance des rentabilités à l’annonce des bénéfices sur le marché financier français, deux portefeuilles de titres sont constitués suivant les signes positifs et négatifs des erreurs de prévisions de bénéfices non standardisées des analystes les plus récentes (FERA1). La variable (FERA1) correspond à l’erreur de prévisions de bénéfices du résultat annoncé à la date t de la prévision à l’instant t-1, c’est-à-dire une surprise de bénéfices. Elle est l’erreur de prévision non standardisée L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 235 associée à la modification de prévision, c’est-à-dire la révision de prévisions de bénéfices à la date 1. Pour chaque portefeuille, les rentabilités anormales cumulées exante et ex-post ajustées à la taille et au ratio « book-to-market » selon le modèle à facteur de Fama et French (1993) sont évaluées. La même méthodologie est adoptée pour établir une relation entre les rentabilités anormales cumulées ajustées à la taille et au ratio « book-to-market », et l’autre variable « erreur de prévisions de bénéfices » non standardisée FERR1. Cette dernière (FERR1) représente également une erreur de prévisions de bénéfices du résultat annoncé à la date t-1 de la prévision à l’instant t, c’est-à-dire une surprise de bénéfices. Elle est l’erreur de prévisions non standardisée associée à la modification de prévisions, le « changement de bénéfices » à la date 1. Notons que les variables FERA0 et FERR0 sont égales et elles correspondent à l’erreur de prévisions de bénéfices du résultat annoncé de la prévision à la date t, la date d’annonce du bénéfice courant. C’est l’erreur de prévision non standardisée associée à la modification de prévision à la date 0. Celle-ci a été largement analysée dans les chapitres précédents où elle avait été standardisée au cours boursier selon l’évaluation de Derrien et Degeorges (2001). Les graphiques 6.3 et 6.4 présentent les rentabilités anormales cumulées observées suivant les erreurs de prévisions de bénéfice FERA1 et FERR1 respectivement. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 236 Graphique 6.3 - Rentabilités anormales cumulées ex-ante et ex-post observées des portefeuilles composés selon le sens de la variable FERA1, pour tout l'échantillon Rentabilités anormales cumulées 100,00% 80,00% 60,00% 40,00% 20,00% 0,00% -20,00% FERA_N -40,00% FERA_P #Diff FERA_P&N -60,00% FCP1_60 FCP1_54 FCP1_48 FCP1_42 FCP1_36 FCP1_30 FCP1_24 FCP1_18 FCP1_12 FCP1_9 FCP1_6 FCP1_3 FCA1_3 FCA1_6 FCA1_9 FCA1_12 FCA1_18 FCA1_24 FCA1_30 FCA1_36 FCA1_42 FCA1_48 FCA1_54 FCA1_60 Note : Le portefeuille FERA_N (respectivement FERA_P) est composé des titres à surprise de bénéfices négative (respectivement positive). Quant au portefeuille #Diff FERA_P&N, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre FERA_N et FERA_P. Les variables FCA1_k (FCP1_k) sur k mois représentent les rentabilités anormales cumulées ex-ante (ex-post) ajustées à la taille et au ratio « book-to-market » [Fama et French (1993)]. Graphique 6.4 - Rentabilités anormales cumulées ex-ante et ex-post observées des portefeuilles composés selon le sens de la variable FERR1, pour tout l'échantillon Rentabilités anormales cumulées 80,00% 60,00% 40,00% 20,00% 0,00% -20,00% -40,00% FERR_N FERR_P FERR_N&P -60,00% FCP1_60 FCP1_54 FCP1_48 FCP1_42 FCP1_36 FCP1_30 FCP1_24 FCP1_18 FCP1_12 FCP1_9 FCP1_6 FCP1_3 FCA1_3 FCA1_6 FCA1_9 FCA1_12 FCA1_18 FCA1_24 FCA1_30 FCA1_36 FCA1_42 FCA1_48 FCA1_54 FCA1_60 Note : Le portefeuille FERR_N (respectivement FERR_P) est composé des titres à surprise de bénéfices négative (respectivement positive). Quant au portefeuille FERR_P&N, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre FERR_N et FERR_P. Les variables FCA1_k (FCP1_k) sur k mois représentent les rentabilités anormales cumulées ex-ante (ex-post) ajustées à la taille et au ratio « book-to-market » [Fama et French (1993)]. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 237 Les graphiques 6.3 et 6.4 montrent une association positive entre les rentabilités anormales cumulées et les variables « erreurs de prévisions de bénéfice » FERA1 et FERR1. Ils attestent la persistance des rentabilités anormales à l’annonce des bénéfices suivant les variables FERA1 et FERR1. Les erreurs de prévisions de bénéfice (non standardisées) des analystes financiers apparaissent avoir un contenu informationnel sur le marché financier français. Ce résultat corrobore les résultats de Fontowicz (1999) et nos résultats précédents sur le marché financier français. Afin de mieux mettre en évidence le comportement des analystes financiers, les performances des titres sont régressées sur les erreurs de prévisions de bénéfice non standardisées les plus récentes (FERA1). Le modèle de régression suivant est considéré. CARPp,t+n = an + bnFERA1 + en (57) Où • la variable FERA1 représente l’erreur de prévisions de bénéfice non standardisées la plus récente (au mois 1); • n est le mois avant l’annonce du bénéfice courant; • CARPp,t+n est la rentabilité cumulée anormale du portefeuille p composé suivant la variable FERA1 et détenue sur n mois après l’annonce du bénéfice courant; • t est la date d’annonce du résultat; • an est le terme constant de la régression (57) et; • bn est la pente de la régression (57). Les hypothèses à tester sont les suivantes : • Si les coefficients an et bn du modèle de régression (57) sont simultanement nuls alors les prévisions de bénéfices passées ne suscitent pas une réaction des analystes sur les prévisions de bénéfices futures lors de l’annonce de bénéfices. En d’autres termes, L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 238 les prévisions de bénéfices passées n’ont pas un impact sur les performances futures à l’annonce de bénéfices. • Si les coefficients an sont significativement différents de zéro alors les prévisions de bénéfices des analystes financiers ont certainement un impact sur les performances futures lors de l’annonce de bénéfices. • Si les coefficients bn des erreurs de prévisions de bénéfice non standardisées précédant l’annonce des bénéfices (FERA1) sont significativement positifs (négatifs) alors il y a une relation directe (inverse) entre les prévisions de bénéfices des analystes financiers et les performances futures. Les résultats sont résumés dans le tableau 6.1. Tableau 6.1 - Estimation des paramètres des régressions (57) des performances ex-post (CARPp,n) sur les erreurs de prévisions de bénéfice non standardisées les plus récentes (FERA1) Modèle: CARPp,t+n = an + bnFERA1 + en (pour tout l’échantillon) mois(n) an bn R² (%) R²_Adj. (%) F N 3 0,01300* (1,74) 0,00011 (1,36) 1,6 0,2 1,2 767 6 -0,01325 (-1,23) 0,00018* (1,60) 2,0 0,7 1,54 765 9 0,02571** (1,96) 0,00029*** (2,05) 3,6 2,2 2,63* 732 12 0,08921*** (5,56) 0,00048*** (2,79) 7,8 6,4 5,37*** 678 18 0,05741*** (2,72) 0,00066*** (2,96) 9,2 7,7 6,17*** 663 24 0,16839*** (6,94) 0,00086*** (3,55) 13,2 11,6 8,01*** 599 30 0,16338*** (5,62) 0,00092*** (3,03) 11,3 9,6 6,77*** 592 36 0,27530*** (7,78) 0,00121*** (3,05) 15,4 13,6 8,26*** 528 Note : La variable CARPp,n+t la rentabilité cumulée anormale du portefeuille p composé suivant la variable FERAn et détenue sur n mois, après l’annonce du bénéfice courant est la variable dépendante et la variable erreur de prévision de bénéfice sur n mois à l’annonce de bénéfice précédemment à l’annonce du bénéfice (FERAn), est la variable explicative. Le modèle de régression est une régression avec correction de l’hétéroscédasticité à MCO robuste par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. Les résultats du tableau 6.1 valident nos hypothèses, à savoir, l’existence des rentabilités anormales et l’impact probable des prévisions de bénéfice des analystes sur L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 239 les performances futures constaté sur le marché boursier français à l’annonce des bénéfices. De plus, il existe une relation directe entre les performances futures et les erreurs de prévisions de bénéfices (non standardisées). Les informations du tableau 6.1 confirment les résultats précédents. Par exemple, le coefficient an (respectivement bn) pour le mois 9 est 0,02571 significatif au seuil de 5% avec une statistique de Student t de 1,96 (respectivement 0,00029 significatif au seuil de 1% avec une statistique de Student t de 2,05). 4.2 La prévision des bénéfices à l’annonce du bénéfice courant : les bénéfices prévisionnels passés comme ancres psychologiques des analystes 4.2.1 Le positionnement du problème Les premières analyses sont concentrées sur le rapport entre les révisions (FRn).et les erreurs de prévision de bénéfice (FERAn). L’idée intuitive a été de considérer les bénéfices prévisionnels passés (FEPSt-n) comme point de référence des analystes pour prévoir les bénéfices prévisionnels futurs correspondant au bénéfice annoncé (FEPSt). Ainsi, en considérant les prévisions de bénéfice passées (FEPSt-n) pour engendrer la théorie (les graphiques 6.1 et 6.2), on obtient la relation (58) : FEPSt-n – FEPSt = -FRn = (FEPSt-n - EPSt) + (EPSt – FEPSt) = -FERAn + (EPSt - FEPSt) + (58) L’examen des bénéfices prévisionnels passés comme une ancre psychologique dans l’évaluation des bénéfices prévisionnels (futurs) des analystes s’effectue donc, à partir de la relation entre les variables FERAn et FRn. Puisque la théorie (les schémas 6.1 et 6.2) prévoit un modèle différent des erreurs prévues selon le signe positif ou négatif des révisions de prévisions de bénéfice, l'échantillon est divisé en deux groupes: un groupe « positif » pour lequel les révisions de prévision sont positives et un groupe « négatif » pour lequel les révisions de prévision sont négatives. Les L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 240 révisions de prévision pour l’ensemble de l’échantillon sont également analysées. Les mesures dépendantes sont les valeurs des erreurs de prévisions de bénéfices. Les méthodes d’analyse des portefeuilles et de régressions sont utilisées pour examiner les prévisions de bénéfices passées comme une ancre pour les analystes. 4.2.2 Les résultats de l’analyse des portefeuilles Deux portefeuilles de titres sont constitués suivant les signes positifs et négatifs des révisions de prévisions sur n mois. Pour chaque portefeuille, le nombre et le pourcentage d’erreur de prévision de bénéfice négatives sont évalués selon le sens des révisions de bénéfices prévisionnels. Les révisions de bénéfices prévisionnels nulles sont exclues de l’échantillon d’étude. Il y a un biais d’optimisme (respectivement de pessimisme) des analystes, si le pourcentage d’erreurs de prévisions de bénéfices négatives, est supérieur (respectivement inférieur) au pourcentage d’erreurs de prévisions de bénéfices positives des portefeuilles composés selon le sens de modification des bénéfices, c’està-dire les révisions de prévisions de bénéfice). Les tableaux 6.2, 6.3 et 6.4 présentent les résultats. Tableau 6.2 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn) négatives de l’échantillon total suivant les mois n. #Obs. Tout Echantillon Mois (n) #Obs. total #Obs. FERAn < 0 #Obs. FERAn > 0 % FERAn < 0 % FERAn > 0 z de M.W. 1 890 831 59 93,37% 6,63% -12,84*** 3 888 829 59 93,36% 6,64% -12,84*** 6 884 825 59 93,33% 6,67% -12,84*** 9 878 819 59 93,28% 6,72% -12,84*** 12 858 797 61 93,28% 7,11% -13,03*** 15 830 767 63 92,41% 7,59% -13,20*** 18 797 737 60 92,47% 7,53% -12,89*** 21 766 709 57 92,56% 7,44% -12,57*** 24 748 687 61 92,56% 8,16% -12,95*** 30 687 629 58 91,56% 8,44% -12,61*** 36 647 590 57 91,19% 8,81% -12,47*** L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 241 Tableau 6.3 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn) négatives du portefeuille à FRn positives (FRn > 0) suivant les mois n. #Obs. FRn > 0 Mois (n) #Obs. total #Obs. FERAn < 0 #Obs. FERAn > 0 % FERAn < 0 % FERAn > 0 z de M.W. 1 596 561 35 94,13% 5,87% -10,06*** 3 595 560 35 94,12% 5,88% -9,93*** 6 594 558 36 93,94% 6,06% -10,06*** 9 589 553 36 93,89% 6,11% -10,06*** 12 558 519 39 93,01% 6,99% -10,56*** 15 575 526 49 91,48% 8,52% -11,58*** 18 548 502 46 91,61% 8,39% -11,23*** 21 518 473 45 91,31% 8,69% -11,09*** 24 523 470 53 89,87% 10,13% -11,94*** 30 471 423 48 89,81% 10,19% -11,46*** 36 452 400 52 88,50% 11,50% -11,73*** Tableau 6.4 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn) négatives du portefeuille à FRn négative (FRn < 0) suivant les mois n. #Obs. FRn < 0 Mois (n) #Obs. total #Obs. FERAn < 0 #Obs. FERAn > 0 % FERAn < 0 % FERAn > 0 z de M.W. 1 291 268 23 92,10% 8,58% -7,95*** 3 290 266 24 91,72% 9,02% -8,11*** 6 288 265 23 92,01% 8,68% -7,95*** 9 288 265 23 92,01% 8,68% -7,95*** 12 278 257 21 92,45% 8,17% -7,61*** 15 253 239 14 94,47% 5,86% -6,28*** 18 249 235 14 94,38% 5,96% -6,28*** 21 245 234 11 95,51% 4,70% -5,84*** 24 225 217 8 96,44% 96,44% -4,80*** 30 215 206 9 95,81% 4,37% -5,07*** 36 195 190 5 97,44% 2,63% -3,99*** Notes pour les tableaux 6.2, 6.3 et 6.4 : Le test non paramétrique de Mann-Withney est utilisé pour la comparaison d’homogénéité des portefeuilles à FERAn postive et négative. La valeur du test z de Mann-Withney est indiquée et les symboles ***, ** et * indiquent la signification de la statistique z respectivement aux seuils de 0% à 4,99% ; 5% à 7,49% et 7,5% à 10%. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 242 Les résultats montrent que le pourcentage d’erreurs de prévisions de bénéfices négatives (FERAn < 0) est plus important que celui d’erreurs de prévisions de bénéfices positives (FERAn > 0). Par exemple, le tableau 6.2 indique un pourcentage d’erreurs de prévisions (FERA1) négatives de 93,15% pour l’ensemble des observations. De même, les portefeuilles considérés suivant le sens de la variable FERAn sont significativement hétérogènes à l’ordre de 1%. Les valeurs z du test non paramétrique de Mann-Withney indiquées vont de 12,47% à 13,20% en valeur absolue. Ces résultats confirment un biais d’optimisme des analystes sur le marché boursier français. Ils corroborent les études de Fontowicz (1999) sur le marché financier français, de Constantinou, Forbes et Skerratt (2003) et Forbes et Skerratt (2003) sur le marché financier anglais et de Amir et Ganzach (1998), Karamanou (2001), Easterwood et Nutt (1999) et Easterwood, Easterwood et Nutt (1999) sur le marché financier américain. Afin de mieux appréhender ce biais d’optimisme des analystes financiers et les hypothèses de sous- et sur-réaction des analystes, les portefeuilles constitués selon le sens du cumul des révisions de prévisions de bénéfices sur n mois (FRn) sont examinés. Les résultats sont présentés dans les tableaux 6.3 et 6.4. Le biais d’optimisme est également présent quel que soit le type de portefeuilles de titres considérés. Par exemple, les tableaux 6.3 (respectivement 6.4) indiquent un pourcentage d’erreurs de prévisions de bénéfices (FERA1) négatives de l’ordre de 94,13% (respectivement 92,10%) pour les observations à FRn positive (respectivement négative). De même, les portefeuilles considérés suivant le sens de la variable FERAn à l’intérieur du portefeuille à FRn positive (respectivement négative) sont significativement hétérogènes au seuil de 1%. Les valeurs z du test non paramétrique de Mann-Withney indiquées sont de l’ordre de 9,93% à 11,73% (respectivement de 3,99% à 8,11%) en valeur absolue. L’ensemble des résultats valide un biais d’optimisme chez les analystes sur le marché financier français, lorsque les bénéfices prévisionnels passés sont utilisés comme des ancres psychologiques. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 243 L’analyse de portefeuille par l’observation des pourcentages des erreurs de prévisions de bénéfices, pour l’ensemble de l’échantillon et des portefeuilles, composés selon la modification de prévisions de bénéfices, ne livrent pas toutes les réponses à nos hypothèses posées. Pour cela, les modèles de régression sont estimés. 4.2.3 L’analyse par les modèles de régression La présente partie utilise la méthode de régression linéaire. A la différence de l’analyse des portefeuilles, une analyse de régression tient compte de l'importance de l'erreur de prévision aussi bien que sa direction. Elle permet de mettre davantage en évidence les effets d’optimisme, sous- et sur-réaction des analystes financiers. Cette méthodologie de recherche consiste à régresser les erreurs de prévisions de bénéfices (FERA) sur les révisions de prévisions de bénéfice (FR). Le biais d’optimisme, de sur- et/ou sous-réaction des analystes sont testés par le modèle de régression suivant. FERAn = an + bn FRn + en (59) Où • n est le mois avant l’annonce du bénéfice courant ; • an est le terme constant de la régression (59) et; • bn est la pente de la régression (59). • FERAn est l’erreur de prévision de bénéfice relative aux révisions de prévisions de bénéfice (FRn) du mois n antérieure à la date d’annonce du bénéfices t. Les hypothèses à tester sont les suivantes : L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 244 • L’absence de biais dans la prévision des analystes (lors de l’annonce des bénéfices) implique la nullité simultanée des coefficients an et bn de l’équation (59) ; • L’optimisme de l’analyste est confirmé par une valeur négative de an ; • Le pessimisme de l’ analyste est confirmé par une valeur positive de an ; • L’hypothèse de la sous-réaction est confirmée par une valeur positive de bn et ; • L’hypothèse de la sur-réaction est confirmée par une valeur négative de bn . Les résultats sont présentés dans les tableaux 6.5 et 6.6. Tableau 6.5 - Estimation des paramètres des régressions (59) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) pour tout l’échantillon. #Observation totale Modèle: FERAn = an + bnFRn + en mois(n) an bn R² (%) F N 1 -45,243*** (-22,78) 0,267** (2,10) 1,2 11,23*** 890 2 -45,266*** (-22,76) 0,268** (2,11) 1,3 11,29*** 889 3 -45,245*** (-22,72) 0,262** (2,04) 1,2 10,68*** 888 5 -44,789*** (-22,96) 0,299*** (2,41) 1,6 14,75*** 887 6 -44,891*** (-22,95) 0,297*** (2,40) 1,6 14,58*** 884 7 -44,919*** (-22,96) 0,298*** (2,40) 1,6 14,60*** 883 9 -44,980*** (-22,84) 0,305*** (2,50) 1,7 15,43*** 878 11 -45,159*** (-22,60) 0,403*** (3,54) 3,6 31,90*** 868 12 -44,849*** (-22,53) 0,370*** (3,33) 3,5 30,61*** 858 15 --44,285*** (-21,65) 0,360*** (3,21) 4,3 37,25*** 830 18 -44,939*** (-21,40) 0,399*** (3,71) 5,6 46,87*** 797 21 -44,872*** (-21,01) 0,422*** (3,94) 6,3 51,74*** 766 24 -44,577*** (-20,69) 0,417*** (4,39) 7,9 64,06*** 748 27 -44,061*** (-20,48) 0,386*** (3,92) 7,3 57,40*** 731 30 -44,395*** (-20,14) 0,419*** (4,33) 8,8 65,91*** 687 36 -44,561*** (-19,18) 0,412*** (4,33) 9,6 68,26*** 647 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 245 Tableau 6.6 - Estimation des paramètres des régressions (59) des erreurs de prévisions de bénéfice (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) des portefeuilles à révision de prévisions de bénéfices positive (FRn > 0) et négative (FRn < 0) Modèle: FERAn = an + bnFRn + en Cas FRn > 0 Cas FRn < 0 mois(n) an bn R² (%) N an bn R² (%) N 1 -36,802*** (-15,12) -0,342** (-1,93) 1,4 596 -39,715*** (-11,51) 0,845*** (4,99) 11,2 291 2 -36,886*** (-15,13) -0,340** (-1,92) 1,4 596 -39,578*** (-11,46) 0,850*** (5,00) 11,3 291 3 -36,822*** (-15,15) -0,342** (-1,93) 1,4 598 -39,735*** (-11,51) 0,844*** (4,89) 11,0 290 5 -36,519*** (-15,62) -0,281** (-1,85) 1,1 599 -40,015*** (-11,53) 0,846*** (4,88) 11,1 288 6 -36,656*** (-15,62) -0,282** (-1,85) 1,1 596 -40,014*** (-11,53) 0,846*** (4,88) 11,1 288 7 -36,753*** (-15,59) -0,28* (-1,74) 1,0 593 -40,040*** (-11,54) 0,845*** (4,89) 11,1 288 9 -36,758*** (-15,64) -0,26* (-1,69) 0,9 590 -40,072*** (-11,51) 0,846*** (4,89) 11,1 288 11 -38,857*** (-15,48) -0,012 (-0,06) 0,2 579 -39,510*** (-11,67) 0,867*** (5,04) 13,2 288 12 -36,553*** (-13,36) -0,100 (-0,48) 0,3 580 -40,986*** (-11,28) 0,783*** (5,19) 12,9 278 15 -31,002*** (-10,07) -0,235 (-1,16) 1,2 575 -39,973*** (-9,72) 0,824*** (5,76) 18,1 255 18 -33,591*** (-10,27) -0,083 (-0,40) 0,2 548 -40,569*** (-9,64) 0,824*** (5,77) 18,2 249 21 -32,582*** (-9,57) -0,078 (-0,37) 0,2 518 -41,295*** (-9,68) 0,825*** (5,80) 18,3 248 24 -32,603*** (-9,37) -0,042 (-0,22) 0,1 523 -40,486*** (-9,65) 0,763*** (7,39) 22,2 225 30 -30,049*** (-7,96) -0,073 (-0,37) 0,3 472 -42,551*** (-9,05) 0,720*** (7,63) 20,5 215 36 -28,017*** (-7,38) -0,112 (-0,61) 0,1 452 -43,018*** (-7,82) 0,709*** (8,40) 20,3 195 Notes pour les tableaux 6.5 et 6.6 : La variable erreur de prévision de bénéfice sur n mois à l’annonce de bénéfices (FERAn) est la variable dépendante, et la variable cumul de révision de prévision de bénéfices sur n mois non standardisée (FRn) précédant l’annonce de bénéfices, est la variable explicative. Le modèle de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. Les résultats des tableaux 6.5 et 6.6 confirment le biais d’optimisme des analystes mis en évidence précédemment sur le marché financier français. Nous avons des valeurs négatives des constantes an très significatives de l’ordre de 1% suivant les mois n pour l’ensemble de l’échantillon (voir tableau 6.5). Les valeurs sont de –45,243 à –44,061 avec des statistiques t de Student de –22,95 à –19,18 pour les observations totales. De même, en considérant les portefeuilles constitués selon le sens des révisions cumulées c’est-à-dire les portefeuilles de titres à FRn positive et FRn négative, les constantes des régressions (59) sont négatives et très significatives de l’ordre de 1% (voir tableau 6.6). Les valeurs des constantes du portefeuille de titres à cumul de L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 246 révision de prévisions de bénéfices sur n mois (FRn) positif (respectivement négatif) vont de –36,802 à –28,017 (respectivement –43,018 à –39,510). Les constantes du portefeuille de titres à cumul de révision de prévisions de bénéfices sur n mois précédant l’annonce de bénéfice positif croissent avec l’horizon de prévision de bénéfice. Ce résultat valide partiellement l’hypothèse d’un biais d’optimisme des analystes croissant avec l’horizon (H3). Toutefois, pour le portefeuille d’actions à cumul de révision de prévisions de bénéfice sur n mois négatif, les constantes sont stables au cours des mois. L’analyse des coefficients bn montre une sous-réaction globale des analystes financiers. Le tableau 6.5 indique que les coefficients bn sont positifs et significatifs. Ils sont de l’ordre de 0,262 à 0,422, statistiquement significatifs au seuil de 1% dans l’ensemble et ceci quel que soit le mois n. Ce résultat valide les hypothèses H1 et H’1 : il y a une plus grande tendance à l’ancrage - ajustement (sous-réaction) en ce qui concerne les révisions prévues, qu'en ce qui concerne des changements de bénéfice et les révisions de prévision conduisent à la sous-réaction. Une analyse approfondie est effectuée en examinant les coefficients bn en coupe transversale suivant le cumul de révision de prévision de bénéfices sur n mois (FRn). Les résultats du tableau 6.6 montrent que les coefficients bn du portefeuille à FRn positive (respectivement négative) sont négatifs (respectivement positifs). Néanmoins, les coefficients bn sont non significatifs (respectivement significatifs) pour le portefeuille d’actions à cumul de révision de prévisions de bénéfices positif (négatif) sur n mois dans l’ensemble. Les valeurs des coefficients bn sont pour le portefeuille de titres à cumul de révision de prévision de bénéfices sur n mois précédant l’annonce de bénéfices (FRn) positif (respectivement négatif) de l’ordre de –0,342 à –0,012 (respectivement 0,867 à 0,709 très significatifs). Ces résultats indiquent que les analystes sous-réagissent aux titres à FRn négatifs et ils sur-réagissent faiblement aux titres à FRn positifs. Les résultats valident les hypothèses H2 et H’2 : il y a moins de sur-réaction (ou plus de sous-réaction) pour une modification négative que pour une modification positive de prévision. La modification négative conduit à la sous-réaction et la modification positive mène à la sur-réaction. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 247 La méthode de régression confirme donc les hypothèses. Elles sont conformes aux études effectuées sur d’autres marchés internationaux. Les analystes sousréagissent globalement sur le marché boursier français suite aux révisions de prévisions de bénéfices. Ces résultats corroborent ceux de Amir et Ganzach (1998) et Constantinou, Forbes et Skerratt (2003). Les analystes sous-évaluent, dans l’ensemble, leur prévision même s’ils demeurent optimistes sur les perspectives d’avenir. Est-ce un comportement de prudence ou un comportement intentionnel comme s’est interrogée Karamanou (2001). Les observations suggèrent également que les analystes sousréagissent (sur-réagissent) aux titres à faible (haute) révision de prévision de bénéfice, considérés comme des titres à mauvaise (bonne) nouvelle. Ces résultats sont cohérents avec ceux de Constantinou, Forbes et Skerratt (2003), Easterwood et Nutt (1999), Easterwood et al. (1999), Amir et Ganzach (1998), Abarbanell et Bernard (1991), Ali, Klein et Rosenfeld (1992) et Abarbanell (1991). Les prévisions des analystes sont biaisées lorsque les bénéfices prévisionnels passés servent de points de référence (Amir et ganzach, 1998). Les analystes seraient sujets à l’effet combiné des heuristiques d’ancrage - ajustement et de disponibilité lorsque les prévisions de bénéfice passées sont utilisées comme ancres psychologiques. 4.3 L’évaluation des bénéfices prévisionnels (futurs) : les bénéfices réalisés passés comme des ancres psychologiques Dans le travail précédent, les bénéfices prévisionnels ont été analysés comme ancres psychologiques des analystes. La disponibilité de cette ancre forte conduit à l'ajustement insuffisant des croyances des analystes, d’où la sous-réaction constatée. Cependant, la classification en groupes positifs et négatifs, fondée sur l'hypothèse que les analystes emploient leur prévision passée comme point de référence pour leurs prévisions, montre une asymétrie de réaction des analystes. Dans la présente étude, un examen est effectué sur les changements de bénéfice comme ancres psychologiques des analystes. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 248 4.3.1 Positionnement du problème Dans ce travail, les bénéfices réels passés (EPSt-n) sont utilisés comme un point de référence des analystes pour prévoir le bénéfice prévisionnel futur correspondant au bénéfice annoncé (FEPSt). Ainsi, la relation (65) qui engendre la théorie (les graphiques 6.1 et 6.2) est: FERRn = EPSt-n – FEPSt = (EPSt-n – EPSt) + (EPSt - FEPSt) = -FCn + (EPSt - FEPSt) (60) L’ancre psychologique des bénéfices réalisés passés dans l’évaluation des bénéfices prévisionnels s’effectue à partir de la relation entre les variables FERRn et FCn. 4.3.2 Les résultats de l’analyse des portefeuilles L’analyse par les portefeuilles consiste à constituer des portefeuilles suivant le signe de changement de bénéfice (non standardisé) (FCn), puis à reporter pour chaque portefeuille, le pourcentage d’erreurs de prévisions de bénéfices négatives et positives (FERRn). Si le pourcentage d’erreurs de prévisions négatives excède le pourcentage d’erreurs de prévisions positives, alors les analystes sont optimistes sinon ils sont pessimistes. Les tableaux 6.7, 6.8 et 6.9 présentent les résultats. Tableau 6.7 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERRn) négatives de l’échantillon total suivant les mois n. #Obs. Tout Echantillon Mois (n) #Obs. total #Obs. FERRn < 0 #Obs. FERRn > 0 % FERRn < 0 % FERRn > 0 z de M.W. 1 940 870 70 92,55% 7,45% -13,93*** 3 937 867 70 92,53% 7,47% -13,92*** 5 937 867 70 92,53% 7,47% -13,92*** 6 935 866 69 92,62% 7,38% -13,83*** L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 249 9 930 861 69 92,58% 7,42% -13,83*** 11 928 859 69 92,56% 7,44% -13,83*** 12 927 858 69 92,56% 7,44% -13,83*** 15 923 854 69 92,52% 7,48% -13,28*** 18 894 825 69 92,28% 7,72% -13,79*** 21 868 799 69 92,05% 7,95% -13,78*** 24 866 797 69 92,03% 7,97% -13,78*** 30 823 754 69 91,62% 8,38% -13,72*** 36 803 734 69 91,41% 8,59% -13,71*** Tableau 6.8 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERRn) négatives du portefeuille à changement de bénéfices positif (FCn > 0) suivant les mois n. #Obs. FCn > 0 Mois (n) #Obs. total #Obs. FERRn < 0 #Obs. FERRn > 0 % FERRn < 0 % FERRn > 0 z de M.W. 1 142 136 6 95,77% 4,23% -4,13*** 3 288 273 15 94,79% 5,21% -6,62*** 6 370 352 18 95,14% 4,86% -7,15*** 9 402 380 22 94,53% 5,47% -7,88*** 12 536 514 22 95,90% 4,10% -7,94*** 15 576 554 22 96,18% 3,82% -7,96*** 18 538 519 19 96,47% 3,53% -7,21*** 21 527 508 19 96,39% 3,61% -7,40*** 24 565 545 20 96,46% 3,54% -7,60*** 30 549 530 19 96,54% 3,46% -7,41*** 36 563 544 19 96,63% 3,37% -7,39*** Tableau 6.9 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERRn) négatives du portefeuille à changement de bénéfice négatif (FCn < 0) suivant les mois n. #Obs. FCn < 0 Mois (n) #Obs. total #Obs. FERRn < 0 #Obs. FERRn > 0 % FERRn < 0 % FERRn > 0 z de M.W. 1 100 95 5 95,00% 5,00% -3,75*** 3 214 203 11 94,86% 5,14% -5,57*** 6 311 291 20 93,57% 6,43% -7,48*** 9 339 316 23 93,22% 6,78% -5,25*** 12 284 259 25 91,20% 8,80% -8,25*** 15 270 244 26 90,37% 9,63% -8,38*** L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 250 18 292 261 31 89,38% 10,62% -9,08*** 21 281 250 31 88,97% 11,03% -9,06*** 24 247 215 32 87,04% 12,96% -9,10*** 30 236 200 36 84,75% 15,25% -9,48*** 36 209 170 39 81,34% 18,66% -9,47*** Notes sur les tableaux 6.7, 6.8 et 6.9 : Le test non paramétrique de Mann-Withney est utilisé pour la comparaison d’homogénéité des portefeuilles à FERRn postive et négative. La valeur du test z de Mann-Withney est indiquée et les symboles ***, ** et * indiquent la signification de la statistique z respectivement aux seuil de 0% à 4,99% ; 5% à 7,49% et 7,5% à 10%. Les résultats du tableau 6.7 confirment le biais d’optimisme global des analystes sur le marché financier français. Le pourcentage d’erreurs de prévisions de bénéfices (FERRn) négatives excède largement celui des erreurs de prévisions positives pour l’ensemble de l’échantillon. En effet, le pourcentage d’erreurs de FERRn négatives (positives) varient de 91,41% à 92,58% (7,38% à 8,59%). Les valeurs des statistiques non paramétriques de Mann-Whitney très significatives en valeur absolue, varient de 13,71 à 13,93. L’approfondissement de l’analyse est effectué en considérant des groupes positifs et négatifs, fondés sur l'hypothèse que les analystes utilisent les bénéfices réels passés comme un point de référence pour leurs prévisions. Les résultats des portefeuilles classés en groupes positifs et négatifs, suivant la variable de changement de bénéfices (FCn), confirment l’optimisme général des analystes sur le marché financier français (voit les tableaux 6.8 et 6.9). Toutefois, ces résultats ne font pas ressortir clairement les hypothèses d’une sous-réaction et/ou d’une sur-réaction aux changements de bénéfices négatifs et positifs. 4.3.3 Le contrôle des résultats par les méthodes de régression La méthode de régression linéaire permet de mieux mettre en évidence les effets d’optimisme, sous- et sur-réaction des analystes financiers. Comme dans les travaux précédents, les erreurs de prévisions (FERRn) sont régressées sur les changements de bénéfices (FCn). L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 251 Les biais d’optimisme, de sur- et/ou sous-réaction des analystes sont testés par le modèle de régression suivante. FERRn = an + bn FCn + en (61) Où • n est le mois avant l’d’annonce du bénéfice courant ; • an est le terme constant de la régression (61); • bn est la pente de la régression (61) ; • FERRn est l’erreur de prévision relative aux changements de bénéfices (FCn) du mois n antérieure à la date d’annonce du bénéfice t. Les hypothèses à tester par le modèle de régression sont les suivantes : • L’absence de biais dans la prévision des analystes (lors de l’annonce des bénéfices) implique la nullité simultanée des coefficients an et bn de l’équation (61) ; • L’optimisme de l’ analyste est validé par une valeur négative de an ; • Le pessimisme de l’ analyste est validé par une valeur positive de an ; • L’hypothèse de la sous-réaction est validée par une valeur positive de bn et ; • L’hypothèse de la sur-réaction est validée par une valeur négative de bn . Les résultats sont présentés dans le tableau 6.10. Tableau 6.10 - Estimation des paramètres des régressions (61) des erreurs de prévisions de bénéfices (FERRn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FCn) pour toutes les observations. Modèle: FERRn = an + bnFCn + en mois(n) an bn R² (%) R² Adj. (%) F N 1 -46,589*** (-23,05) -13,529*** (-3,51) 1,3 1,2 12,37*** 889 2 -46,941*** (-23,08) -2,685 (-1,25) 0,2 0,1 1,57 888 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 252 3 -46,974*** (-23,07) -2,099 (-1,14) 0,1 0,0 1,29 887 5 -46,893*** (-23,10) -4,300*** (-3,15) 1,1 0,9 9,97*** 886 6 -47,114*** (-23,17) -3,69*** (-2,75) 0,8 0,7 7,56*** 883 7 -47,134*** (-23,16) -3,819*** (-2,86) 0,9 0,8 8,20*** 881 9 -47,149*** (-23,06) -3,065*** (-2,61) 0,7 0,6 6,82*** 876 11 -46,858*** (-22,88) -3,636*** (-3,42) 1,2 1,1 11,69*** 866 12 -46,752*** (-22,77) -3,596*** (-3,41) 1,2 1,1 11,68*** 927 15 -46,355*** (-22,47) -3,566*** (-3,80) 1,6 1,4 14,50*** 923 18 -46,496*** (-22,17) -4,699*** (-5,55) 3,3 3,2 27,12*** 793 21 -45,634*** (-21,62) -5,813*** (-7,10) 5,5 5,4 50,52*** 764 24 -45,041*** (-21,22) -5,682*** (-7,46) 6,1 6,0 55,77*** 746 27 -44,355*** (-20,79) -5,78*** (-8,01) 7,0 6,8 64,29*** 728 30 -44,812*** (-20,56) -4,705*** (-6,43) 4,8 4,7 41,44*** 685 36 -44,829*** (-19,97) -4,069*** (-3,92) 3,2 3,1 26,81*** 645 Note : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfices (FERRn) est la variable dépendante et la variable cumul de variation de bénéfices sur n mois (FCn) suivant l’annonce de bénéfices est la variable explicative. Le modèle de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. Les résultats du tableau 6.10 confirment encore l’optimisme des analystes sur le marché boursier français. Les valeurs des constantes an sont de l’ordre de –47,134 à – 44,829 et elles sont très significatives. Les statistiques t de Student varient de –23,17 à -19,97. les coefficients bn de la variable FCn sont négatifs et significatifs. Ceci conforte l’hypothèse d’une sur-réaction des analystes aux bénéfices passés. Ces résultats valident l’hypothèse H1. Ils vont dans le sens de ceux de Amir et Ganzach (1998) et DeBondt et Thaler (1990) où les analystes sur-réagissent aux bénéfices annoncés antérieurs. Les résultats valident également l’hypothèse H3 d’un accroissement du biais d’optimisme des analystes avec l’horizon de prévisions de bénéfice. En effet, les constantes an sont d’autant plus importantes que l’horizon de prévision est lointain. Nous approfondissons les résultats précédents en considérant les portefeuilles de titres à FCn positive et négative. Les résultats des régressions sont présentés dans le tableau 6.11. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 253 Tableau 6.11 - Estimation des paramètres des régressions (61) des erreurs de prévisions de bénéfices (FERRn) sur les changements de bénéfices cumulées sur n mois (FCn) des portefeuilles à changement de bénéfices positif (FCn > 0) et négatif (FCn < 0). Modèle: FERRn = an + bnFCn + en Cas FCn > 0 Cas FCn < 0 mois(n) an bn R² (%) 1 -40,403*** (-6,64) -28,168*** (-5,13) 15,8 3 -41,219*** (-10,89) -11,118*** (-4,05) 6 -39,028*** (-11,28) 9 N an bn R² (%) N 142 -50,678*** (-7,99) 9,824 (1,42) 2 100 5,4 288 -51,737*** (-10,51) 3,560 (1,20) 0,7 214 -13,463*** (-6,44) 10,1 347 -54,333*** (-12,43) 1,647 (0,72) 0,2 311 -39,171*** (-11,70) -12,548*** (-6,46) 9,5 402 -53,336*** (-12,80) 1,267 (0,67) 0,1 339 12 -44,291*** (-14,27) -8,650*** (-5,17) 4,8 536 -47,748*** (-11,47) 1,090 (0,64) 0,1 284 15 -42,660*** (-15,24) -7,324*** (-5,49) 5,0 576 -50,218*** (-10,44) -0,370 (-0,20) 0 270 18 -39,097*** (-14,46) -9,619*** (-8,46) 11,8 537 -51,906*** (-10,79) -1,20 (-0,72) 0,2 282 21 -36,619*** (-13,87) -10,980*** (-10,53) 17,5 527 -52,223*** (-10,60) -1,778 (-1,05) 0,4 281 24 -38,947*** (-13,98) -9,194*** (-9,08) 12,8 565 -47,735*** (-10,12) -1,674 (-1,12) 0,5 247 30 -39,329*** (-14,55) -7,536*** (-7,584) 9,5 549 -50,548*** (-9,10) -3,095*** (-2,07) 1,8 236 36 -45,841*** (-15,58) -3,919*** (-3,29) 1,9 563 -43,685*** (-9,00) -3,859*** (-2,82) 3,7 188 Note : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfices (FERRn) est la variable dépendante et la variable variation de bénéfices sur n mois à l’annonce de bénéfices (FCn) est la variable explicative. Le modèle de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. Les résultats du tableau 6.11 confirment de nouveau les précédents. Les coefficients an sont négatifs et très significatifs statistiquement, ce qui met en évidence le biais d’optimisme des analystes. Les coefficients bn diffèrent suivant les portefeuilles considérés. Pour le portefeuille de titres à variation de bénéfices (FCn) positive, les coefficients bn sont négatifs et très significatifs. Par contre, pour le portefeuille de titres à variation de bénéfices (FCn) négative, les coefficients bn sont positifs et non significatifs jusqu’au mois 12, puis négatifs et significatifs après le mois 12. Ces observations suggèrent dans l’ensemble que les analystes sous-réagissent faiblement aux bénéfices annoncés antérieurs dans les mois proches de l’annonce du bénéfice courant. Encore, conforme à l’hypothèse H2, les résultats indiquent la surréaction pour des changements de prévision positifs et la sous-réaction pour des changements de prévision négatifs. L’on note, cependant, que cette dernière sousréaction est bien plus faible que la sous-réaction observée pour les révisions prévues, L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 254 une conclusion conforme à H1. Ces résultats montrent une prudence des analystes à l’approche de l’annonce du résultat vu leur sur-réaction observée dans un horizon lointain. Après avoir analysé les ancres psychologiques des analystes (les bénéfices prévisionnels et les bénéfices réalisés antérieurs), l’étude suivante s’interroge sur la prédominance de chacune des ancres dans la prévision des bénéfices. 4.4 La relation entre les erreurs de prévisions de bénéfices (FERA ou FERR), les changements de bénéfices passés (FC) et les révisions de prévisions de bénéfices (FR) à l’annonce de bénéfices 4.4.1 La relation entre les erreurs de prévisions de bénéfice (FERA), les changements de bénéfices passés (FC) et les révisions de prévisions de bénéfice (FR) à l’annonce de bénéfices Une régression des erreurs de prévision de bénéfices sur les changements des bénéfices passés, et les révisions de prévisions de bénéfices lors de l’annonce de bénéfice va déterminée l’importance de chaque ancre. D’abord, l’échantillon total est analysé, puis le travail est approfondi, en considérant des portefeuilles en coupe transversale suivant les erreurs des bénéfices prévisionnels et annoncés antérieurs, précisément, les groupes positifs et négatifs des ancres psychologiques données. Le modèle de régression est le suivant : FERAn = an + bnFRn + cnFCn + εn Où • n est le mois avant l’annonce du bénéfice courant ; • an est le terme constant de la régression (62) et; L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. (62) Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 255 • bn est la pente de la régression (62) ou le coefficient de régression lié à la variable FRn ; • cn est le coefficient de régression lié à la variable FCn. • FERAn est l’erreur de prévision relative aux révisions de prévisions de bénéfices (FRn) du mois n antérieure à la date d’annonce du bénéfice t. Les hypothèses à tester sont les suivantes : • L’absence de biais des analystes est validé par la nullité simultanée des coefficients an, bn et cn des modèles de régression (62). • L’optimisme de l’ analyste est confirmé par une valeur négative de an ; • Le pessimisme de l’ analyste est confirmé par une valeur positive de an ; • La signification statistique du coefficient bn exprime une relation entre le biais de prévisions et les révisions de bénéfice passés à l’annonce des bénéfices ; • La signification statistique du coefficient cn exprime une relation entre le biais de prévisions et les variations de bénéfices passés à l’annonce de bénéfices. Les résultats sont présentés dans le tableau 6.12. Tableau 6.12 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour toutes les observations. Modèle: FERAn = an + bnFRn + cnFCn + en Tout l'échantillon mois(n) an bn cn R² (%) N 1 -45,305*** (-22,63) 0,267*** (3,34) 0,842 (0,19) 1,3 889 3 -45,294*** (-22,62) 0,257*** (3,21) 2,838 (1,49) 1,4 887 6 -44,861*** (-22,96) 0,290*** (3,71) 1,561 (0,24) 1,8 883 9 -44,848*** (-22,77) 0,285*** (3,63) 1,964* (1,67) 2,0 876 12 -44,964*** (-22,53) 0,347*** (5,05) 1,555 (1,45) 3,7 856 15 -44,365*** (-21,89) 0,340*** (5,60) 1,616* (1,70) 4,5 825 18 -44,934*** (-21,39) 0,370*** (6,04) 1,580* (1,71) 6,0 793 24 -44,682*** (-20,74) 0,381*** (6,88) 1,670** (1,88) 8,3 746 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 256 30 -44,326*** (-19,87) 0,412*** (7,57) 0,443 (0,53) 8,9 685 36 -44,632*** (-19,24) 0,398*** (7,26) 0,553 (0,62) 9,6 645 Note : La variable erreur de prévisions de bénéfices sur n mois suivant l’annonce de bénéfices est la variable dépendante (FERAn) - et - les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n mois (FCn) suivant l’annonce de bénéfices sont les variables explicatives. Le modèle de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. Les résultats du tableau 6.12 confirment les précédents, à savoir, le biais d’optimisme des analystes et la sous-réaction des analystes, et leur accroissement avec l’horizon lorsque les bénéfices prévisionnels sont des ancres psychologiques pour les analystes. Des valeurs positives des coefficients cn sont observées, mais elles sont non significatives. Ce résultat montre une faible influence des points de référence « bénéfices réalisés passés » sur ceux des « prévisions de bénéfices passées » et que les analystes accordent plus d’importance aux bénéfices prévisionnels antérieurs qu’aux bénéfices annoncés passés même s’ils occasionnent une sous-réaction. Ce résultat concorde avec l’hypothèse de Amir et Ganzach (1998) : les bénéfices antérieurement annoncés sont des ancres psychologiques de moindre importance que celles des prévisions de bénéfices antérieures. Des analyses approfondies sont faites en examinant les portefeuilles formés suivant le cumul des révisions de prévisions de bénéfices lors de l’annonce du bénéfice (FRn). Les résultats sont présentés dans les tableaux 6.13 et 6.14. Tableau 6.13 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à révision de prévisions de bénéfices positive (FRn > 0). Modèle: FERAn = an + bnFRn + cnFCn + en FRn > 0 mois(n) an bn cn R² (%) N 1 -36,856*** (-13,76) -0,341*** (-2,88) -0,554 (-0,11) 1,4 596 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 257 3 -36,991*** (-13,83) -0,339*** (-2,86) 0,635 (0,31) 1,4 595 6 -36,749*** (-14,35) -0,279*** (-2,46) -0,803 (-0,57) 1,1 593 9 -36,881*** (-14,20) -0,259*** (-2,28) -0,102 (-0,08) 0,9 587 12 -36,537*** (-13,70) -0,119 (-1,17) 1,131 (0,89) 0,3 578 15 -31,137*** (-11,50) -0,231*** (-2,62) 0,317 (0,28) 1,2 570 18 -33,614*** (-11,87) -7,35e-02 (--0,84) -0,379 (-0,34) 0,2 544 24 -32,77*** (-11,34) -5,30e-02 (-0,65) 0,638 (0,59) 0,1 521 30 -29,731*** (-9,93) -6,47e-02 (-0,82) -0,673 (-0,76) 0,3 470 36 -27,827*** (-9,42) -0,107 (-1,46) -0,471 (-0,49) 0,1 450 Tableau 6.14 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de prévisions de bénéfice cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à révision de prévisions de bénéfices négative (FRn < 0). Modèle: FERAn = an + bnFRn + cnFCn + en FRn < 0 Mois (n) an bn cn R² (%) N 1 -39,674*** (-9,50) 0,847*** (6,02) 2,060 (0,81) 11,2 291 3 -39,958*** (-9,60) 0,810*** (5,68) 7,143* (1,64) 11,8 290 6 -38,720*** (-9,28) 0,799*** (5,65) 8,269*** (2,69) 13,3 288 9 -37,951*** (-9,08) 0,783*** (5,57) 8,246*** (3,23) 14,2 288 12 -40,106*** (-9,26) 0,763*** (6,22) 3,226** (1,71) 13,8 278 15 -39,521*** (-8,65) 0,790*** (7,03) 2,326 (1,41) 18,8 255 18 -40,020*** (-8,56) 0,762*** (6,52) 2,566* (1,65) 19,1 249 24 -39,829*** (-8,15) 0,713*** (7,16) 2,610** (1,74) 23,2 225 30 -42,544*** (-8,22) 0,719*** (6,67) 4,75e-02 (0,02) 20,5 215 36 -43,150*** (-7,26) 0,743*** (6,37) -1,083 (-0,59) 20,4 195 Notes pour les tableaux 6.13 et 6.14 : La variable erreur de prévisions de bénéfice sur n mois à l’annonce de bénéfices (FERAn) est la variable dépendante et les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n mois (FCn) suivant l’annonce de bénéfices sont les variables explicatives. Le modèle de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. L’étude des portefeuilles en coupe transversale suivant la variable FRn confirme les résultats précédents : un optimisme général des analystes, une sur-réaction des analystes aux titres à bonne nouvelle même si cette sur-réaction s’avère faible (voir L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 258 tableau 6.13), une sous-réaction des analystes aux titres à mauvaise nouvelle (voir tableau 6.14). Ces résultats valident les hypothèses H1 et H2, et ils corroborent ceux de Forbes et Skerratt (2003), Nutt et Eastwood (1999), Nutt et al. (1999) et Amir et Ganzach (1998). La sous-réaction des analystes croît avec l’horizon de prévision des bénéfices par l’analyse des coefficients de corrélation (R²). Le tableau 6.14 montre des R² variant de 11,2 à 23,2 du mois 1 à 36, à l’exception du 24ème mois, ce qui corrobore les travaux de DeBondt et Thaler (1990). Néanmoins, cette observation n’est pas vérifiée dans le cas de la sur-réaction aux révisions de prévisions de bénéfices positives (voir le tableau 6.13). Les résultats 6.15 et 6.16 ci-dessus constitués suivant la variable FCn appuient et précisent les observations antérieures. D’une part, il y a une sous-réaction globale des analystes par les valeurs positives des coefficients bn. D’autre part, il y a une asymétrie du comportement des analystes suivant les signes des modifications de bénéfices (FCn). Une modification positive (négative) engendre une sur-réaction (sousréaction) par la constatation des coefficients cn. Tableau 6.15 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à changement de bénéfices positif (FCn>0) Modèle: FERAn = an + bnFRn + cnFCn + en FCn > 0 Mois (n) an bn cn R² (%) N 1 -43,280*** (-7,14) 0,216 (0,77) -4,419 (-0,61) 0,6 137 3 -41,917*** (-12,04) 0,150 (1,06) -0,905 (-0,30) 0,4 274 6 -40,618*** (-13,12) 0,158 (1,21) -2,201 (-1,02) 0,6 347 9 -41,372*** (-13,54) 0,313*** (2,72) -2,045 (-1,00) 2,0 375 12 -42,798*** (-14,61) 0,233*** (2,54) -0,464 (-0,26) 1,3 495 15 -38,610*** (-14,57) 0,122 (1,50) -0,650 (-0,49) 0,1 510 18 -35,548*** (-13,66) 4,43e-02 (0,56) -0,575 (-0,46) 0,1 466 24 -36,168*** (-12,68) 3,27e-02 (0,66) 1,142 (0,36) 0,3 476 30 -34,713*** (-13,45) 2,71e-02 (0,37) 1,171 (1,01) 0,4 443 36 -39,956*** (-13,78) 0,193*** (2,76) 1,623 (1,22) 2,8 441 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 259 Tableau 6.16 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille à changement de bénéfices négatif (FCn < 0). Modèle: FERAn = an + bnFRn + cnFCn + en FCn < 0 mois(n) an bn cn R² (%) N 1 -52,032*** (-8,34) 0,366* (1,64) 3,883 (0,53) 2,6 98 3 -52,140*** (-11,01) 0,120 (0,66) 3,044 (1,07) 0,7 211 6 -54,854*** (-12,67) 0,384*** (2,47) 1,741 (0,75) 2,1 306 9 -53,186*** (-13,11) 0,163 (1,05) 2,026 (1,08) 0,7 333 12 -49,949*** (-11,83) 0,511*** (3,82) 2,363 (1,36) 6,0 272 15 -51,050*** (-10,64) 0,473*** (4,37) 2,133 (1,19) 8,4 257 18 -53,644*** (-10,99) 0,558*** (5,01) 1,202 (0,71) 8,8 278 24 -50,186*** (-10,49) 0,639*** (7,11) 0,757 (0,49) 19,5 234 30 -55,495*** (-9,75) 0,588*** (6,14) -1,294 (-0,85) 14,8 221 36 -49,395*** (-9,00) 0,605*** (6,73) -1,404 (-0,97) 20,1 188 Notes pour les tableaux 6.14 et 6.15 : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfices (FERAn) est la variable dépendante - et - les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n mois (FCn) suivant l’annonce de bénéfices sont les variables explicatives. Le modèle de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. 4.4.2 La relation entre les erreurs de prévisions de bénéfices (FERR), les changements de bénéfices passés (FC) et les révisions de prévisions de bénéfices (FR) à l’annonce de bénéfices Cette section étudie la prédominance ou non des ancres psychologiques « bénéfices prévisionnels passés » sur celles des bénéfices réels passés. Le cas pris en compte dans section est le cas où les bénéfices réels passés sont utilisés par les analystes pour engendrer le bénéfice prévisionnel futur correspondant au bénéfice courant. Ainsi, l’équation suivante est considérée : L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices FERRn = an + bnFRn + cnFCn + εn 260 (63) Où • n est le mois avant l’annonce du bénéfice courant ; • an est le terme constant de la régression (63); • bn est le coefficient de régression lié à la variable FRn ; • cn est le coefficient de régression lié à la variable FCn. • FERRn est l’erreur de prévision relative aux changements de bénéfices (FCn) du mois n antérieure à la date d’annonce du bénéfice t. Les hypothèses testées sont les suivantes. • L’absence de biais des analystes est confirmée par la nullité simultanée des coefficients an, bn et cn du modèle de régression (63) ; • L’optimisme de l’ analyste est validé par une valeur négative de an ; • Le pessimisme de l’ analyste est validé par une valeur positive de an ; • La signification statistique du coefficient bn exprime une relation entre le biais de prévisions et les révisions de bénéfices passés à l’annonce de bénéfices ; • La signification statistique du coefficient cn exprime une relation entre le biais de prévisions et les variations de bénéfices passés à l’annonce de bénéfices. Les tableaux 6.17, 6.18 et 6.19 présentent respectivement les résultats des régressions du modèle (63) de l’échantillon global, des portefeuilles à révision de bénéfices prévisionnels positive et négative, et des portefeuilles à changement de bénéfices positif et négatif. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 261 Tableau 6.17 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à changement de bénéfices négatif (FCn < 0) Modèle: FERRn = an + bnFRn + cnFCn + en mois(n) an bn cn R² (%) N 1 -36,856*** (-13,76) -0,341*** (-2,88) -0,554 (-0,11) 1,4 596 3 -36,991*** (-13,83) -0,339*** (-2,86) 0,635 (0,31) 1,4 595 6 -36,749*** (-14,35) -0,279*** (-2,46) -0,803 (-0,57) 1,1 593 9 -36,881*** (-14,20) -0,259*** (-2,28) -0,102 (-0,08) 0,9 587 12 -36,537*** (-13,70) -0,119 (-1,17) 1,131 (0,89) 0,3 578 15 -31,137*** (-11,50) -0,231*** (-2,62) 0,317 (0,28) 1,2 570 18 -33,614*** (-11,87) -7,35e-02 (--0,84) -0,379 (-0,34) 0,2 544 24 -32,77*** (-11,34) -5,30e-02 (-0,65) 0,638 (0,59) 0,1 521 30 -29,731*** (-9,93) -6,47e-02 (-0,82) -0,673 (-0,76) 0,3 470 36 -27,827*** (-9,42) -0,107 (-1,46) -0,471 (-0,49) 0,1 450 Tableau 6.18 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour les portefeuilles à révision de bénéfices prévisionnels positive (FRn > 0) et négative (FRn < 0). Modèle: FERRn = an + bnFRn + cnFCn + en Cas FRn > 0 mois(n) an bn cn Cas FRn < 0 R² (%) N -36,856*** -1,341*** -1,554 (1 (-13,76) (-11,33) 0,31) (-13,83) (-11,30) 0,18) (-14,35) (-11,30) 1,28) 17,8 595 18,0 593 -36,881*** -1,259*** -1,102 (9 (-14,20) (-11,10) -36,537*** -1,119*** 12 (-13,70) (-11,03) 0,88) 17,8 587 18,1 578 (-11,50) (-13,95) 0,61) -33,614*** -1,074*** -1,379 (18 (-11,87) (-12,38) 1,23) -0,201 7,629*** (-9,28) (1,42) (2,38) 1,(4) (-9,26) (-1,93) (-8,65) (-1,86) (-8,56) (-2,03) 0,4 291 1,1 290 2,4 288 3,2 288 1,7 278 1,4 255 1,7 249 6,143 -38,720*** -40,010*** -0,238*** 23,0 544 1,060 (1,41) (-9,08) R² (%) N (0,12) 1,33) -39,521*** -0,210** 26,0 570 cn (-9,60) -40,106*** -0,237** -31,137*** -1,231*** -0,683 (15 1,09) -37,951*** -0,217 (- 0,131 (0,10) (-9,50) -39,958*** -0,190 (- -36,749*** -1,279*** -1,803 (6 bn -39,674*** -0,153 (17,8 596 -36,991*** -1,339*** -0,365 (3 an 7,246*** (2,83) 2,226 (1,18) 1,326 (0,80) 1,566 (1,00) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices -32,766*** -1,088*** -0,182 (21 (-11,27) (-12,29) 0,14) -41,010*** -0,220** 23,4 516 -32,773*** -1,053*** -0,362 (24 (-11,34) (-12,95) 0,33) (-9,93) (-13,52) (-1,90) 25,7 521 (-9,42) (-15,14) 1,55) (-1,87) (0,51) (-8,14) (-2,88) 1,4 248 3,6 225 4,6 215 5,6 195 1,610 (1,07) -42,544*** -0,281*** -0,952 (29,0 470 (-8,22) (-2,60) 0,55) -43,150*** -0,257*** -2,083 (- -27,827*** -1,107*** -1,471 (36 (-8,68) 0,777 -39,829*** -0,287*** -29,731*** -1,065*** -1,673** 30 262 35,1 450 (-7,26) (-2,20) 1,14) Tableau 6.19 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfice cumulés sur n mois (FCn) pour les portefeuilles à changements de bénéfices positive (FCn > 0) et négative (FCn < 0) Modèle: FERRn = an + bnFRn + cnFCn + en Cas FCn > 0 mois(n) an bn cn Cas FCn < 0 R² (%) N -43,280*** -0,784*** -5,419 1 (-7,14) (-5,13) (-0,75) (-12,04) (-6,03) (-0,63) 6,9 137 (-13,12) (-6,46) (-1,49) 12,7 274 (-13,54) (-6,00) (-1,49) 13,2 347 (-14,61) (-8,41) (-0,85) 11,6 375 (-14,57) (-10,81) (-1,25) 13,9 495 19,9 510 (-13,66) (-12,16) (-1,27) (-13,40) (-11,98) (-0,50) 26,4 466 (-12,68) (-12,74) (0,11) 25,8 454 (-13,45) (-13,56) (0,14) 26,8 476 (-13,78) (-11,51) (0,46) (-11,01) (-4,88) (0,72) 10,9 211 (-12,67) (-3,96) (0,32) 5,1 306 (-13,11) (-5,42) (0,54) 8,3 333 (-11,83) (-3,65) (0,79) 4,8 272 (-10,64) (-4,87) (0,63) 8,6 257 (-10,98) (-3,97) (0,12) 5,6 278 (-10,81) (-3,74) 0,11) 5,5 267 (-10,49) (-4,02) 0,16) 7,1 234 9,5 221 13,6 188 -55,495*** -0,412*** -2,294 (31,7 443 -39,956*** -0,807*** 0,623 36 98 -50,186*** -0,361*** -0,243 (- -34,713*** -0,973*** 0,171 30 9,4 -54,273*** -0,434*** -0,197 (- -36,168*** -0,967*** 0,142 24 (0,40) -53,644*** -0,442*** 0,202 -35,999*** -0,912*** -0,734 21 (-2,75) -51,050*** -0,527*** 1,133 -35,548*** -0,956*** -1,575 18 (-8,34) -49,949*** -0,489*** 1,363 -38,610*** -0,878*** -1,650 15 N -53,186*** -0,837*** 1,026 -42,798*** -0,767*** -1,464 12 R² (%) -54,854*** -0,616*** 0,741 -41,372*** -0,687*** -3,045 9 cn -52,140*** -0,880*** 2,044 -40,618*** -0,842*** -3,201 6 bn -52,032*** -0,634*** 2,883 -41,917*** -0,850*** -1,905 3 an (-9,75) (-4,31) 1,52) -49,395*** -0,395*** -2,404* 24,8 441 (-9,00) (-4,39) (-1,66) Notes pour les tableaux 6.17, 6.18 et 6.19 : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfice (FERRn) est la variable dépendante - et - les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 263 mois (FCn) suivant l’annonce de bénéfices sont les variables explicatives. Le modèles de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%. Hormis les résultats précédemment exposés (un optimisme général des analystes, une sur-réaction globale des analystes aux bénéfices passés), les résultats du tableau 6.17 montrent une prédominance des ancres psychologiques « bénéfices prévisionnels passés », sur celles des bénéfices réels passés, dans le cas où les bénéfices réels passés servent de points de référence pour les analystes pour prévoir leur bénéfice. En effet, les valeurs des constantes an sont négatives et très significatives ; les valeurs des coefficients bn et cn sont négatives ; et les coefficients bn liés aux révisions de prévisions de bénéfice sur n mois sont significatives, alors que les coefficients cn liés aux révisions de prévisions de bénéfice sur n mois sont non significatives dans l’ensemble. Les tableaux 6.18 et 6.19 montrent que les informations sur les bénéfices prévisionnels antérieurs sont plus pertinentes que celles des bénéfices réels passés pour les analystes dans leurs prévisions. 5 CONCLUSION Les études sur le marché américain ont montré une sur-réaction (De Bondt et Thaler, 1990) et une sous-réaction (Abarbanell et Bernard, 1992) dans les prévisions de bénéfices des analystes. L’objectif de cette étude est d'examiner des hypothèses dérivant de la théorie comportementale de la décision au sujet des conditions qui conduisent à la sur-réaction et/ou sous-réaction des analystes lors de l’annonce des bénéfices. Ce travail est une réplique et une extension de l’étude de Amir et Ganzach (1998) sur le marché financier français. Il y a trois heuristiques qui biaiseraient les prévisions de bénéfices des analystes : la disponibilité, la représentativité et l’ancrageajustement. La disponibilité affecte le niveau de la prévision. De façon générale, elle conduit à l’optimisme des prévisions. La disponibilité conduit également à un L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices 264 optimisme excessif quand la modification de prévision est positive, et à un optimisme modéré quand la modification de prévision est négative. La représentativité et l'ancrage-ajustement influencent seulement les précisions des prévisions. La représentativité mène à la prévision excessivement extrême et l'ancrage-ajustement mène à la prévision excessivement modérée. La dominance de la représentativité ou l'ancrage-ajustement sur la prévision, dépend de la prépondérance de l'ancre utilisée comme base pour la modification de prévision des bénéfices par les analystes. Il y a deux facteurs importants qui influencent la prépondérance de l'ancre. En premier lieu, elle dépend de l’ancre utilisée par les analystes pour leur prévision de bénéfice : les prévisions de bénéfices passées et les bénéfices réels passés, et en second lieu, des signes de la modification de prévision qui correspondent aux ancres utilisées. Les prévisions de bénéfices passées sont plus explicatives que les bénéfices réels passés et la modification de prévision négative est plus explicative que la modification de prévision positive. Les résultats des analyses sont conformes à notre modèle et à celui de Amir et Ganzach (1998). Il y a une tendance à la sur-réaction (respectivement sous-réaction) dans des changements de prévision (respectivement des révisions de prévisions). Il y a également une asymétrie dans le comportement des analystes selon le signe des modifications de prévisions : une sur-réaction pour les modifications de prévision positives et une sous-réaction pour les modifications de prévision négatives. Finalement, la sur-réaction, la sous-réaction et le biais d’optimisme augmentent avec l'horizon de prévision suggérant que plus l'horizon de prévision est lointain, plus le biais de prévision est élevé. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Conclusion générale 265 CONCLUSION GENERALE L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Conclusion générale 266 Cette thèse est un essai d’explication des rentabilités des actions cotées sur le marché financier français suite à l’annonce de bénéfices. Elle s’inscrit dans le courant de la recherche de l’impact des annonces de bénéfices sur le comportement des cours boursiers, initié par Ball et Brown (1968) et Beaver (1968), et présenté en première partie de la thèse. Bernard et Thomas (1989, 1990) étudient la publication des rapports trimestriels des sociétés, précisément, les annonces trimestrielles des bénéfices. Ils rapportent que l’information contenue dans les rapports trimestriels n’est pas assimilée tout de suite par le marché. Ceci aurait tendance à supporter la conclusion que le marché n’est pas efficient dans le sens de la version semi-forte de l’hypothèse d’efficience des marchés financiers. La partie empirique de la thèse examine les réactions (du marché) aux annonces des bénéfices sur la période 1988 à 1999 de 226 sociétés non financières sur le marché boursier français. La démarche scientifique est hypothético-déductive. Cette étude analyse le comportement des investisseurs à la publication des résultats de la firme et les prévisions des analystes lors de l’annonce de bénéfices sous les hypothèses de sous- et sur-réaction, et l’hypothèse alternative d’un comportement compatible avec un marché efficient. La première étude empirique montre un contenu informationnel des surprises de bénéfices sur le marché financier français. La réaction des investisseurs aux surprises de bénéfices correspond un ajustement progressif et non une sous-réaction aux annonces des bénéfices soulignée par les tenants de la finance comportementale. Les résultats sont confirmés dans la deuxième étude empirique. Précisément, les tests des résultats du modèle comportemental de Barberis, Shleifer et Vishny (1998) montrent que les investisseurs ne sous-réagissent ni ne sur-réagissent aux bonnes nouvelles sur le marché boursier français. Les résultats théoriques du modèle comportemental de Barberis, Shleifer et Vishny (1998) ne sont donc pas validés sur le marché financier français. Toutefois, la troisième étude empirique montre que les analystes sujets aux heuristiques de disponibilité et de représentativité ont tendance à être optimistes et à sur-réagir aux bénéfices réels passés, tandis que les analystes sujets aux heuristiques L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Conclusion générale 267 de disponibilité et d’ancrage–ajustement ont tendance à être optimistes et à sous-réagir aux bénéfices prévisionnels passés. Cette dernière tendance serait dominante. Une modification de prévision positive conduirait à une sur-réaction et une modification de prévision négative conduirait à une sous-réaction. Cette étude montre également que les biais de prévisions c’est-à-dire le biais d’optimisme, la sous-réaction et la surréaction des analystes lors de l’annonce de bénéfices augmentent avec l’horizon de prévision des bénéfices. Cependant, cette étude a des limites. Ces dernières sont essentiellement méthodologiques. Par ailleurs, des voies de recherche sont envisagées. Les annonces de bénéfices des sociétés et pas trimestrielles. La considération des bénéfices trimestriels pourraient affiner les résultats. Cette étude a également considéré les bénéfices prévisionnels individuels des analystes, mais ils ont été agrégés suivant l’annonce de bénéfices de la firme, pour estimer la surprise de bénéfices. Il aurait été souhaitable de considérer les bénéfices prévisionnels individuels pour évaluer les surprises de bénéfices sans les agréger, afin d’affiner les résultats de l’étude. Par exemple, l’on pourrait approfondir les raisons susceptibles d’expliquer la tendance optimiste des analystes. Cette recherche a eu aussi des limites économétriques dans le calcul des rentabilités anormales. Les rentabilités anormales ont été évaluées dans la majorité à partir du modèle tri-factoriel de Fama et French (1993). Ces éléments pourraient limiter la portée des résultats des études. Cette recherche, sans étudier proprement le modèle Fama et French (1993), a montré que celui-ci capture partiellement l’anomalie de « surprises de bénéfices positives ». Le recours à des modèles à facteurs serait donc conditionné par les progrès d’identification et d’estimation des variables explicatives des actifs financiers. L’utilisation des variables exogènes liées aux spécificités des entreprises paraît incontournable, dès lors que l’on s’attache à définir les variables taille et ratio valeur comptable sur valeur de marché du titre. Quant aux modélisations L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Conclusion générale 268 endogènes, elles doivent rechercher des méthodes statistiques plus complexes capables d’éviter les écueils des modèles classiques et d’extraire simultanément des facteurs explicatifs des rentabilités. Des problèmes de données sont également à noter. L’utilisation des données financières et comptables biaisent les résultats des études d’événements. Ces problèmes de données sont le biais du survivant, la trituration des données, les problèmes d’inférence statistique, les biais de prévisions et la distribution anormale des données financières. Toutefois, sans remettre en cause ces biais, les bases de données DATASTREAM et IBES sont conçues de manière à les réduire. Hormis les limites économétriques susmentionnées du modèle tri-factoriel de Fama et French (1993) et des problèmes de données, il est à relever la méthode de calcul des rentabilités anormales utilisée : la méthode cumulative des rentabilités au lieu de la méthode « buy-and-hold ». Il aurait fallu utiliser ces deux méthodes afin d’effectuer une étude comparative pour lever toute ambiguïté des interprétations des résultats. Toutefois, des travaux indiquent un effet moindre de l’utilisation de la méthode cumulative des rentabilités. Compte tenu de ces limites, cette thèse ouvre des pistes de recherche et peut être approfondie de plusieurs façons. Nous avons étudié le contenu informationnel des annonces de bénéfices sur le marché financier français sous les hypothèses de l’approche comportementale et sous celles de l’approche traditionnelle de la finance. Cette étude a montré que les prévisions de bénéfices des analystes n’intègrent pas toutes les informations de bénéfices disponibles. La technique d’évaluation est du ressort des analystes financiers qui définissent une valeur de l’entreprise en faisant des prévisions sur son résultat futur. Les analystes financiers déterminent aussi des perspectives réalistes d’évolution à partir desquelles ils valorisent les sociétés cotées selon leurs méthodes. De ce fait, il serait intéressant d’étudier les modèles et les techniques d’évaluation des prévisions de L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Conclusion générale 269 bénéfices des analystes sur le marché financier français. Pour renforcer les résultats de cette étude, il serait également judicieux de différencier les prévisions des analystes affiliés et non affiliés d’une part et d’autre part, des analystes « buy side » et « sell side ». Les conclusions obtenues seraient-elles les mêmes ? Une autre voie de recherche serait la recherche sur la gestion des résultats, compte tenu de la relation entre les dirigeants et les analystes. Même si ce domaine d’étude s’apparente plus à la théorie positive de la comptabilité, il est important d’examiner l’impact des « accruals » sur les cours boursiers sur le marché financier français. Cette dernière permettrait d’étudier les composantes des résultats. Enfin, pour une meilleure discussion du comportement des investisseurs aux annonces de bénéfices et des prévisions de bénéfices des analystes lors de l’annonce des bénéfices sur le marché boursier français, il est souhaitable d’effectuer des études expérimentales et qualitatives. Les futurs travaux s’inscriront dans cette optique. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 270 BIBLIOGRAPHIE L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 271 Abarbanell J., (1991), « Do analysts’ earnings forecasts incorporate information in prior stock price changes? », Journal of Accounting & Economics, Vol. 14, N°2 (June), 147-165. Abarbanell J. and Bernard V., (1992), « Tests of analysts’ overreaction/underreaction to earnings information as an explanation for anomalous stock price behavior », Journal of Finance, 47, 1181-1207. Abarbanell J. and Bushee B. J., (1997), « Fundamental analysis, future earnings and stock prices », Journal of Accounting Research, Vol. 35, N°1, Spring. Abarbanell J. et Lehavy R., (2000a), “Differences in commercial database reported earnings: Implications for inferences in research o analyst forecast rationality, earnings management, and earnings response coefficients”, working paper, University of North Carolina. Abarbanell J. et Lehavy R., (2000b), “Biased forecasts or biased earnings? The role of earnings management in explaining apparent optimism and inefficiency in analysts’ earnings forecasts”, working paper, University of North Carolina. Abarbanell J. et Lehavy R., (2003a), « Can stock recommendations Predict earnings management and analysts’earnings forecast errors », Journal of Accounting & Economics, March. Abarbanell J. et Lehavy R., (2003b), « Biased Forecasts or Biased Earnings? The role of reported earnings in explaining apparent bias and Over/Underreaction in Analysts’ earnings forecasts », Journal of Accounting & Economics, Vol. 36, December, 105-146. Achen C. H., (1982), Interpreting and using regression, Sage University Paper. Affleck-Graves J., Davis R. et Mendenhall R., (1990), “Forecasts of earnings per share: Possible sources of analyst superiority and bias”, Contemporary Accounting Research 6, 501517. Affleck-Graves J. and Mendenhall R., (1992), « The relation between the value line enigma and post-earnings announcement drift », Journal of Financial Economics, February, 75-96. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 272 Affleck-Graves J., Jennings R. and Mendenhall R., (1995), « Evidence of Informed Trading Prior to Earnings Announcements », Working paper – University of Notre Dame. Aktas N., (2004), « La finance comportementale un état des lieux», Reflets et Perspectives, XLIII, 2004/2, 19-33. Albrecht W., Lookabill L et McKeown J., (1977), “The time series properties of annual earnings”, Journal of Accounting Research 15, 226-244. Alexander J., Goff D. and Peterson P., (1989), « Profitability of a trading strategy based on Unexpected Earnings», Financial Analysts Journal, Vol. 45, N°4 (July/August), 65-71. Alonso A. et Rubio G., 1990, "Overreaction in the Spanish Equity Market", Journal of Banking and Finance, v14(2/3), 469-482. Ali A., Klein A. and Rosenfeld J., (1992), « Analysts’ Use of information about permanent and transitory earnings components in forecasting annual EPS », The Accounting Review, Vol. 67, N°1 (January), 183-198. Allais M., (1953), « Le comportement de l’homme rationnel devant le risque, critique des postulats et axiomes de l’école américaine», Econometrica, Vol. N°21, 503-546. Alpert M. et Raiffa H., (1982), « A progress report on the training of probability assessors », in Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and Biases, Cambridge University Press, Cambridge. Alpert M. et Raiffa H., (1982), « A progress report on the training of probability assessors », in Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and Biases, Cambridge University Press, Cambridge. Amir E. et Ganzach Y. (1998), “Overreaction and underreaction in analysts forecast”, Journal of Economic Behavior and Organization 37, 333-347. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 273 Argawal A., Jaffe F. J. and Mandelker G., (1992), “ The post-merger performance of acquiring firms: A Re-examination of an anomaly ”, Journal of Finance 47, 1605-1621. Arrow K.J., (1987), « De la rationalité – de l’individu et des autres – dans un système économique », Revue Française d’Economie, Vol. 2, n°1, pp. 22-47. Arshanapalli B., Coggin T. D. and Doukas J., (1998), “ Multiplicator Asset Pricing Analysis of International Value Investment Strategies ”, Journal of portfolio management, summer. Asness C., (1997), “The interaction of value and momentum strategies Financial”, Analysis Journal 53, 29-36. Asquith P. et Mullins D., (1983), “The impact of initiating dividends on shareholders’ wealth”, Journal of Business 56, 77-96. Asquith P., (1983), “Merger bids, Uncertainly and Stockholder returns”, Journal of Financial Economics 11, 51-83. Atkins A. B. et Dyl A., 1990, "Price Reversals, Bid Ask Spread, and Market Efficiency", Journal of Financial and Quantitative Analysis, Vol 25 (4), 535-547. ATRON Simon, (2004), « Une tentative de l’explication de l’effet d’annonce de bénéfices par les biais de prévisions des analystes financiers sur le marché financier français », 17ème Journées Nationales des IAE, IAE de Lyon. ATRON Simon, (2004), « Un réexamen de l’effet d’annonce de bénéfices sur le marché financier français», 21ème Conférence Association Française Finance Internationale (AFFI), Université Cergy-Pontoise. ATRON Simon, (2003), « Les performances des titres cotés sur le marché financier français suite aux annonces de résultats: sous- et/ou sur-réaction ou phénomènes hasardeux ? applications des modèles à facteurs de Fama (1993) et Carhart (1997)», 20ème Conférence Association Française Finance Internationale (AFFI), Lyon - (dans Cahier de recherche IRG, 2003) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 274 Bachelier L., (1900), “Théorie de la spéculation”, Gauthier-Villars, Paris. Baik B., (2003), “A Re-examination of Analyst Underreaction”, Florida State University Working Paper & SSRN. Ball R., (1978), “Anomalies in relationships between securities’ yields and yield-surrogates ”, Journal of Financial Economics, Vol. 6, N°2/3 (June/September), 103-126. Ball R. et Bartov E., (1996), « How naïve is the stock market’s use of earning information », Journal of Accounting and Economics, 21, 319-337. Ball R. et Brown P., (1968), « An Empirical Evaluation of Accounting Income Numbers », Journal of Accounting Research, Autumn, 159-178. Ball R. et Kothari S. P., (1989), « Nonstationary Expected returns: implications for tests of market efficiency and serial correlation in returns », Journal of Financial Economics, November, 51-74. Ball R. et Kothari S. P., (1991), « Security returns around earnings announcements », The Accounting review. Ball R., Kothari S. et Robin A., (2000), “The effect of institutional factors on properties of accounting earnings, working paper”, Journal of Accounting & Economics 29, 1-51. Ball R., Kothari S. P. et Watts R, (1993), « Economics determinants of the relation between earnings changes and stock returns », The Accounting review. Ball R. et Watts R., (1972), “Some time series properties of accounting income”, Journal of Finance 27, 663-682. Banz R. W, (1981), « The relationship between return and market Value of Common Stocks », Journal of Financial Economics, Vol. 9, N° 4 (September), 779-794. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 275 Banz R. W. And Breen W. J., (1986), « Sample Dependant », Journal of Financial Economics, Vol. 9, N° 4 (September), 779-794. Barbee W. C., Mukherji S. and Raines G. A., (1996), « Do Sales-Price and Debt-Equity Explain Stock Returns Better than Book-to-market and Fiem Size? », Financial Analysts Journal, March/April, 56-60. Barber B.M. et Lyon J.D., (1997), « Detecting long-run abnormal stock returns : The empirical power and specification of test statistics », Journal of Financial Economics, 43, 341-372. Barber B.M. et Odean T., (2000), « Boys will be boys: Gender, overconfidence and common stocks investment », Quarterly Journal of Economics. Barberis N., Shleifer A. et Vishny R., (1998), « A model of investor sentiment », Journal of Financial Economics, 49, 307-343. Basu S., (1977), « The investment performance of common stocks in relation to their PriceEarnings Ratios: A test of the efficiency market hypothesis », Journal of Finance, Vol. 32, N° 3 (June), 663-682. Basu S., (1983), « The relationship between Earnings’ yield, Market Value and Return for NYSE Common Stocks: Further Evidence. », Journal of Financial Economics, Vol. 12, N° 1 (June), 129-156. Bathke Jr A. et Lorek K., (1984), “The relationship between time-series models and the security market’s expectation of quarterly earnings”, Accounting Review 59, 163-176. Bauman W. S., Conover C. M. and Miller R. E., (1998), “ Growth versus Value and Large – Cap versus Small – Cap in International Markets ”, Financial Analysts Journal / March-April. Bauman W. S., Conover C. M. and Miller R. E., (1999), “ Investor Overreaction in International Stock Markets ”, Journal of portfolio management, summer. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 276 Beauvois J. L. et Deschamps J. C., (1996), « Des attitudes aux attributions - Sur la construction de la réalité sociale », La Psychologie sociale, Tome II, PUG. Beauvois J. L., Joule R. V. et Monteil J. M., (1998), « 20 ans de psychologie sociale expérimentale francophone », La Psychologie sociale, Tome VI, PUG. Beauvois J.L. et Leyens J.P., (1997), « L’ère de la cognition », La Psychologie sociale, Tome III, PUG. Beauvois J.L., Dubois N. et Doise W. et Dubois N., (1999), « La construction sociale de la personne », La Psychologie sociale, Tome IV, PUG. Beauvois J.-L. et Monteil J.-M., (2001), « Des compétences pour l’application », La Psychologie sociale, Tome V, PUG. Beauvois J.-, Mugny G. et Oberlé D., (1995), Tome I. « Relations humaines, groupes et influence », La Psychologie sociale, PUG. Beaver W., (1968), “The information content of annual earnings announcements”, Journal of Accounting Research Supplement 6, 67-92. Beaver W. et Morse D., (1978), “What determines price-earnings ratios?” Financial Analysts’ Journal 34, 65-76. Bem D., (1965), « An experimental analysis of self-persuasion », Journal of Experimental Social Psychology ,1 , 199-218. Berenson A., (2003), “Number: How the Drive for Quarterly Earnings Corrupted Wall Street and corporate America”, Edition Ellipse. Berger P., Ofek E. et Swary I., (1996), “Investor valuation of the abandonment option”, Journal of Financial Economics 42, 257-287. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 277 Berk J., (1995), « A critique of size related anomalies », Review of Financial Studies ,8 , 275286. Berk J., Green and Naik, (1999), « Optimal Investment, Growth Options and Security Returns », Journal of Finance 54. Bernard Victor L., (1987), “Cross-sectional dependence and problems in inference in market-based accounting research 25”, Journal of Accounting Research, 1-48. Bernard Victor L., (1993), “Stock price reactions to earnings announcements: A summary of recent anomalous evidence and possible explanations.”, in Advances in behavioral finance / Thaler Richard H., Russel Sage Fondation, 303-340. Bernard Victor L. et Thomas Jacob K., (1989), “Evidence that stock prices do not fully reflect the implications of current earnings for future earnings”, Journal of Accounting of Accounting and Economics, 13, 305-340. Bernard Victor L. et Thomas Jacob K., (1989), “Post-earnings–announcement drift and: Delayed price response or risk premium?”, Journal of Accounting Research (Supplement), 27, 1-36. Bhushan R., (1994), « An International Efficiency Perspective on the Post-EarningsAnnouncement Drift », Journal of Accounting & Economics, Vol 18, N°1 (July) , 45-65. Biais B., Foucault T. et Hillion P., (1997), Microstructure des marchés financiers : Institutions, modèles et tests empiriques, Collection Finance, PUF, Paris. Biais B., Davidoff D. et Jacquillat B., (1997), Organisation et qualité des marchés financiers, Collection Finance, PUF, Paris. Bidwell C., (1979), “ A Test of Market Efficiency: SUE/PE.”, The Journal of portfolio management, Vol 5, N°4 (Summer), 53-58. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 278 Bidwell C., (1981), “SUE/PE Revista”, The Journal of portfolio management, Vol 7, N°2 (Winter), 85-88. Black F., (1973), “Yes, Virginia, There Is Hope: Tests of the Value Line ranking System.”, Financial Analysts Journal 29, 10-14. Black F., (1986), “Noise”, The Journal of Finance 41, 529-543. Black F., (1993), “Beta and Return”, The Journal of portfolio management. Black F., Jensen M. and Scholes M., (1972), “The capital asset pricing model: Some empirical tests,”, in Studies in the theory of Capital Markets, ed. Jensen M. C., Praeger, New York. Bloomfield R. J., Libby R. and Nelson M. W., (1998), « Over-reliance on previous periods’ earnings can cause post-earnings-announcements drift and over-reactions to extreme performance », Working paper, Cornell University – Samuel Curtis Johnson Graduate School of Management. Blume M. et Stambaugh R., (1983), “Biases in computed returns: An application to the size effect”. Journal of Financial Economics 12, 387-404. Box G. et Pierce D., (1970), Time Series Analysis Forecasting and Control, Holden Day. Bradshaw Mark. T., (2004), “How Do Analysts Use Their earnings Forecasts in Generating Stocks Recommandations?”, Accounting Review, Vol 79 N°1 (January), 25-50. Bradshaw M., Richardson S. et Sloan R., (1999), “Earnings quality and financial reporting credibility: An empirical investigation”, working paper, university of Michigan. Brav A., (2000), “Inferences in long-horizon event studies: A Bayesian approach with application to initial public offerings”, Journal of Finance 55, 1979-2016. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 279 Brooks L. et Buckmaster D., (1976), “Further evidence on the time series properties of accounting income”, Journal of Finance 31, 1359-1373. Brown L., (1993), « Earnings Forecasting Research: Its Implications for Capital Markets Research », International Journal of Forecasting, Vol 9, N°3 (November), 295-320. Brown L., (1997), « Earnings Surprise Research: Synthesis and Perspectives », Financial Analysts Journal, March/April, 13-19. Brown L., (1998), “Managerial behavior and the bias in analyst’s earnings forecasts”, working paper, Georgia State University. Brown L., Griffin P., Hagerman R. et Zmijewski M., (1987a), “Security analyst superiority relative to univariate time-series models in forecasting quarterly earnings”, Journal of Accounting & Economics 9, 61-87. Brown L., Griffin P., Hagerman R. et Zmijewski M., (1987b), “An evaluation of alternative proxies for the market’s expectation of earnings”, Journal of Accounting & Economics 9, 159193. Brown L., Han J. C. Y., Keon E. et Quin W. H., (1996), « Predicting Analysts’ Earnings Surprise », Journal of Investing, Vol 5, N°1 (Spring), 17-23. Brown L. et Roseff M., (1978), « The Superiority of Analyst forecast as measures of expectations: Evidence from earnings », Journal of Finance, 33, 31-16. Brown L. et Roseff M., (1979), “Univariate time series models of quarterly accounting earnings per share: a proposed model”, Journal of Accounting Research 17, 179-189. Burgstahler D. et Dichev I., (1997), “Earnings, adaptation, and equity value”, The Accounting Review 72, 187-215. Burgstahler D., Jiambalvo J. et Shevlin T., (1999), “Time-series properties and pricing of special items component of earnings”, Working paper, University of Washington. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 280 Byun J., (2000), « Measuring Long-run performance of common stocks following stock splits: Do Stocks underreact? », Ph.D. Dissertation, University of New York. Camerer C., (1995), “Individual decision” , in j. Hager & A. Roth ed: The handbook of experimental economics, Princeton University Press, Princeton NJ. Capstaff J., Paudyal K. et Rees W., (1997), “A comparative analysis of earnings forecasts in Europe”, Working paper, University of Glasgow, Glasgow, Scotland. Carhart M., (1997), “On persistence in mutual fund performance” , Journal of Finance, 52, 37-82. Chalmers A.F., (1988), “Qu’est ce que la science?” , La découverte, Paris. Chambers R.A., (1993), “Positve accounting and the PA cult”, Abacus, volume 29, numéro 1, 1-26. Chan K., (1988), “On the contrarian investment strategy”, Journal of Business 61, 147-163. Chan L.K., Jegadeesh et Lakonishok. J., (1995), “Evaluating the performance of value versus glamour stocks: the impact of selection bias” , Journal of Financial Economics, Vol 38, 269-296. Chan L.K., Jegadeesh et Lakonishok. J., (1996), “Momentum strategies” , Journal of Finance,51, 1681-1713. Chan L.K. et Lakonishok. J., (1993), « Are the Reports of Beta’s Death Premature ? », Journal of Portfolio Management, Summer 1993. Chan K. and N. Chen, (1988), “An unconditional asset-pricing test and the role of firm size as an instrumental variable for risk”, Journal of Finance 43, 309-325. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 281 Chan Louis K. C. et Chen N., (1991), “Structural and return characteristics of small and large firms” , Journal of Finance 46, 1467-1484. Chan L. K., Yasushi and Lakonishok J., (1991), “Fondamentals and stock returns in Japan”, Journal of Finance, 41, n°5 (december), 1739-1789. Chaney P., Hogan C. et Jeter D., (1999), “The effect of reporting restructuring charges on analysts’ forecast revisions and errors”, Journal of Accounting & Economics 27, 261-284. Chen N. et Zhang F., (1998), “Risk and Return of Value Stocks”, Journal of Business 4, vol.71. Chopra N., Lakonishok J. et Ritter Jay R., (1993), “Measuring Abnormal Performance: Do Stocks Overreact?”, in Advances in behavioral finance / Thaler Richard H., Russel Sage Fondation, 265-302. Christensen-Szlazenski W., Jay J. et Bushyhead J. B., (1981), “ Physicians’ use of probabilistic information in a real clinical setting”, Journal of Experimental Psychology: Human Perception and Performance, Vol N°7, 928-935. Chui A. C., Titman S. and Wei K. J., (2000), “Momentum, legal systems and ownership structure: An analysis of Asian stock markets”, Working paper, Hong Kong University of Science and Technology. Clement M., (1999), “Analyst forecast accuracy: Do ability, resources, and portfolio complexity matter?” Journal of Accounting & Economics 27, 285-303. Cobbaut R., (1997) , « Théorie Financière », Economica - 4ème édition, Paris. Collins D., Maydew E. et Weiss I., (1997), “Changes in the value-relevance of earnings and book values over the past forty years”, Journal of Accounting & Economics 24, 39-67. Collins D., Pincus M. et Xie H., (1999), “Equity valuation and negative earnings: The role of book value of equity”, The Accounting Review 74, 29-61. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 282 Collins W. et Hopwood W., (1980), “A multivariate analysis of annual earnings generated from quarterly forecasts of financial analysts and univariate time-series models”, Journal of Accounting Research 18, 390-406. Collins W., Hopwood W. et McKeown J., (1984), “The predictability of interim earnings over alternative quarters”, Journal of Accounting Research 22, 467-479. Conrad J. et Kaul G., (1993), “Long-term Market Overreaction or Biases in Computed Returns?”, Journal of Finance 48, 39-63. Conrad J. et Kaul G., (1998), “An anatomy of Trading Strategies”, Review of Financial Studies 11, 489-519. Constantinou C., Forbes W. et Skerratt L., (2003), “Analyst Underreaction in The Kingdom”, Financial Management, Vol N°2, Summer. Cook T. J. et Rozeff M. S., (1984), “ Size and Earnings/Price Ratio Anomalies : One Effect or Two? ”, Journal of Financial and Quantitative Analysis, December, 449-466. Cooper A., Woo C. et Dunkelberg W. C., (1988), “ Entrepreneurs’ perceived chances for success ”, Journal of Business Venturing, Vol N°3, 97-108. Copeland T. et Mayers D., (1982), “ The Value Line Egnima (1965-1978): A case Study of Performance Evaluation Issues ”, Journal of Financial Economics, Vol N°10, 289-321. Cusatis D., Miles J. A. et Woolridge Randall., (1993), “ Restructuring through spinoffs”, Review of Economic Studies 58, 529-546. Cutler P., Poterba J. et Summers L., (1991), “Speculative Dynamics”, Journal of Financial Economics 33, 293-311. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 283 Czaczkes B. et Ganzach Y., (1996), “The Natural Selection of Prediction Heuristics: Anchoring and Adjustment Versus Representativeness”, Journal of Behavioral Decision Making 9, 125-140. Daniel K., Hirshleifer D. et Subrahmanyam A., (1998), “Investor Psychology and Security Market Under – Overreaction”, Journal of Finance, 53, 1893-1885. Daniel K., Hirshleifer D. et Subrahmanyam A., (2001), “Mispricing, covariance risk and the cross-section of security returns”, Journal of Finance, 56, 921-965. Das S., Levine C. et Sivaramakrishnan K., 1998, “Earnings predictability and bias in analysts’ earnings forecasts”, Accounting Review 73, 277–294. De Bondt W., (1992), “Earnings forecasts and share price reversals”, Research Foundation of the Institute of Chartered Financial Analysts, AIMR, Charlottesville, VA. De Bondt Werner F. M. et Thaler R., (1985), “Does the stocks market overreact?” , Journal of Finance 40, 793-808. De Bondt Werner F. M. et Thaler R., (1987), “Further evidence of investor overreaction and stock market seasonality” , Journal of Finance 42, 557-581. De Bondt Werner F. M. et Thaler R., (1990), “Do the Security Analysts overreact?” , American Economic Review, May, 52-57. De Bondt Werner F. M. et Thaler R., (1995), “Financial decision-making in markets and firms: a behavioural perspective”, in R. Jarrow et al. Eds, Handbook in Organizational Research, vol. 9., Elsevier Sciences B.V., Chapter 13, 385-410. DeChow P. M., Hutton A. et Sloan R. G, (1999), “An empirical assessment of the residual income valuation model”, Journal of Accounting and Economcis 26, 1–34. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 284 DeChow P. M., Hutton A. et Sloan R. G., (2000), “The relation between analysts’ long-term earnings growth forecasts and stock price performance following equity offerings”, Contemporary Accounting Research 17, 1–32. DeChow P. M. et Sloan R. G., (1997), “Returns to contrarian investment strategies: Tests of naive expectations hypotheses”, Journal of Financial Economics 41, 3–27. DeGeorge F., Patel J. et Zeckhauser R., (1999), “Earnings manipulations to exceed thresholds”, Journal of Business 71, 1–34. Delong J. B., Shleifer A., Summers L.H. et Waldmann R.J., (1991), “Positive feedback investment strategies and destabilizing rational speculation”, Journal of Finance, 45, 379-395. Delong J. B., Shleifer A., Summers L.H. et Waldmann R.J., (1990), “Noise trader risk in financial markets”, Journal of Political Economy, 98, 703-738. Delong J. B., Shleifer A., Summers L.H. et Waldmann R.J., (1991), “The Survival of Noise Traders in Financial Markets”, Journal of Business, 64, 1-19. Dennis P., Perfect S., Snow K. and Wiles K., (1995), “The effects of rebalancing on size and book-to-market ratio portfolio returns”, Financial Analysts Journal 51 (May-June), 47-57. Derrien F. et Degeorges F., (2001), “IPO performance and earnings expectations: some french evidence”, Journée sur les introductions en bourse – IRG et Euronext, 29 Mars. Dharan B. and Ikenberry D., (1995), “The long-run negative drift of post-listing stock returns”, Journal of Finance 50, 1547-1574. Dolley J., (1933), “Characteristics and procedure of common stock split-ups”, Harvard Business Review 11, 316-326. Dreman D. M. and Berry M. A., (1995), “Analyst Forecasting Errors and Their Implications for Security Analysis”, Financial Analysts Journal. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 285 Drozda Senkowska E. et al. , (1995), “Irrationalités collectives”, Edition Delachaux et Niestlé. Dugar A. et Nathan S., (1995), “The effect of investment banking relationships on financial analysts’ earnings forecasts and investment recommendations”, Contemporary Accounting Research 12, 131–160. Easterwood John. C. and Nutt S., (1999), “Inefficiency in Analysts’ Earnings Forecasts: Systematic Misreaction or Systematic Optimism”, Journal of Finance 53, 1839-1885. Easterwood John. C., Easterwood C. et Nutt S., (1999), “New Evidence on serial correlation in analyst forecast errors”, Journal of Finance 54, N°5 (October), 1777-1797. Elliott J. et Hanna D., (1996), “Repeated accounting write-offs and the information content of earnings”, Journal of Accounting Research Supplement 34, 135-155. Elliott J., Philbrick D. et Wiedman C., (1995), “Evidence from archival data on the relation between security analysts forecast errors and prior forecast revisions”, Contemporary Accounting Research, Vol. 11, 919-1939. Einhorn H., (1980), “Overconfidence in judgement”, New Directions for Methodology of Social and Behavioral Science, 4, 1-16. Elton E. J., Gruber M. J. et Gultekin M. N., (1984), “Professional expectations: Accuracy and diagnosis of errors”, Journal of Financial and Quantitative Analysis 19, 351–363. Fama. E. F. and Fisher L, Jensen M. et Roll R., (1969), “The Adjustement of stock prices to new information”, International Economic Review , February 1969. Fama E. F., (1970), “Efficient Capital Markets: A review of theory and Empirical Work”, Journal of finance 25, N° 2 (May), 383-417. Fama E. F. et MacBeth J. D., (1973), « Risk, Return and equilibrium: empirical tests », Journal of Political Economy, 81, 601-636. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 286 Fama E. F. et French K. R., (1988), “Permanent and temporary components of stock prices”, Journal of Political Economy 96, 246–273. Fama E. F. . et French K. R, (1989), “Business conditions and expected returns on stocks and bonds”, Journal of Financial Economics 25, 23–49. Fama E. F., (1991), « Efficient capital markets II », Journal of Finance, 46, 1575-1617. Fama.E. F. and French K., (1992), “The cross-section of expected stock returns”, Journal of Finance 47, n°2 (june 1992), 427-465. Fama E. F. et French K., (1993), “Common risk factors in the returns on stocks and bonds”, Journal of Financial Economics 33, 3-56. Fama E. F. and French K., (1995), “Size and Book-to-Market factors in earnings and returns”, Journal of Finance 50, 131-155. Fama E. F. and French K., (1996a), “ Multifactor explanations of Asset Pricing Anomalies ” Journal of Finance, N°1,vol 51 (52); March. Fama E. F. and French K., (1996b), "The CAPM is wanted, Dead or Alive", Journal of Finance, December. Fama E. F. and French K., (1997), “ Value versus Growth : The International Evidence ”, Journal of Finance, Vol LIII. N°6, december. Fama Eugene F. and French Kenneth, (2000), “ Forecasting Profitability and Earnings,” Journal of Business, 73, 2, 161-175. Fama E. et Miller M., (1972), “The Theory of Finance”, Dryden Press, Hinsdale, Il. Fama E.F., (1998), “Market efficiency, long-term returns and behavorial finance”, Journal of Financial Economics 49, 1998, 283-306. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 287 Ferson W. et Schadt R., (1996), “Measuring fund strategy and performance in changing economic conditions”, Journal of Finance 51, 425-461. Fischhoff B., Slovic P. et Lichtenstein , (1977), « Knowing with certainty: The appropriateness of extreme confidence », Journal of Experimental Psychology 3, 552-564. Fontowicz. L., (1999), “Incertitude et Optimisme des Analystes Financiers, une Approche du Cas Français à Partir du Consensus IBES”, Journée de recherche : « Qualité de l’information et marchés financiers » IRG. Forbes W. P. et Skerratt L. C., (2003), “Overreaction in analysts of earnings: evidence from UK individual analysts’ forecasts.”, Working Paper of RijkUniversitiet Groningen Foster G., (1977), “Quarterly accounting data: time-series properties and predictive-ability results”, Accounting Review 52, 1-21. Foster G., Olsen C. et Shevlin T., (1984), “Earnings Releases, anomalies and the behavior of security returns”, The Accounting Review 59, 574-603. Fox John., (1997), Applied Regression Analysis, Linear Models, And Related Methods, SAGE Publications. Francis J. and Philbrick D., (1993), “Analysts’ Decisions as products of multi-task environment”, Journal of Accounting Research, Vol. 30, Autumn, 216-230. Freeman R. and Tse S., (1989), “ The Multi-period Information Content of Earnings Announcements: Rational Delayed Reaction to Earnings News ”, Journal of Accounting Research, Supplement, 49-79. French K., Schwert G. et Stambaugh R., (1987), “Expected stock returns and stock market volatility”, Journal of Financial Economics 19, 3-30. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 288 Fried D. et Givoly D., (1982), “Financial analysts’ forecasts of earnings: a better surrogate for market expectations”, Journal of Accounting & Economics 4, 85-107. Friedman M. et Savage L., (1948), “ The Utility Analysis of Choices Involving Risk ”, Journal of Political Economics, 53, 189-216. Gajewski J-F., (2000), Frictions et Asymétrie d’Information sur les Marchés d’Actions , Economica, Paris. Gillet P., (1999). L'Efficience des Marchés Financiers, Economica, Paris. Girerd-Potin Isabelle, (1992), « La dominance en France des portefeuillles d’actions à faible capitalisation boursière ou à bas PER », Finance, Vol. 13/01. Givoly D. and Lakonishok J., (1979), “The information content of financial analysts’ forecasts of earnings: some evidence on semi-strong inefficience” , Journal of Accounting and Economics, 3, 165-185. Grandin Pascal., (1995), Production d'informations privées et gestion de portefeuille, Collection Finance, PUF, Paris. Grandy K. and Malkiel B., (1996), “Reports of beta’s death are greetly exaggerated” Journal of portfolio management, 22 n°3 (spring), 36-45. Griffin P., (1977), “The time-series behavior of quarterly earnings: preliminary evidence”, Journal of Accounting Research 15, 71-83. Grinblatt M. and M. Keloharju, (2001), What makes investors trade?, Journal of Finance 56, 589–616. Grinblatt M. et Titman S., (1993), “Performance measurement without benchmarks: An examination of mutual fund returns”, Journal of Business 66, 47–68. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 289 Grinblatt M., Titman S. et Wermers R., (1995), “Momentum investment strategies, portfolio performance, and herding: A study of mutual fund behavior”, American Economic Review 85, 1088–1105. Grundy B. et Martin J. S., (2001), “Understanding the nature of the risks and the source of the rewards to momentum investing”, Review of Financial Studies 14, 29–78. Gu Z. and Wu J., (2000), “Earnings skewness and analyst forecast bias” , Carnegie Mellon University Working Paper. Guyon Xavier., (2001), Statistique et économétrie – Du modèle linéaire aux modèles non- linéaires, Collection ellipses, Paris. Hallot-Gauquié A-V., (2001), « Performance des analystes financiers et production d’informations privées : cas français », Thèse de Doctorat, Université Lille 2. Hamon J. et Jacquillat B. (sous la direction de), (1992), Le Marché Français des Actions : Etudes Empiriques 1977-1991, Collection Finance, PUF, Paris. Hamon J. et Jacquillat B. (sous la direction de), (1994), Recherche en Finance du CEREG , ECONOMICA, Paris. Hamon J. et Jacquillat B. (sous la direction de), (1994), Recherche en Finance du CEREG , ECONOMICA, Paris. Haugen R. et Baker N., (1996), « Commonality in the determinants of expected stock returns » Journal of Financial Economics 41 , 401-439. Hayn C., (1995), “The information content of losses”, Journal of Accounting & Economics 20, 125-153. Healy P. et Palepu K., (2001), “A review of the voluntary disclosure literature”, Journal of Accounting & Economics, this issue . L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 290 Hendriksen E., (1965), “Accounting Theory”, Richard D. Irwin, Inc., Homewood, IL. Henkel R. E., (1982), TESTS OF SIGNIFICANCE, SAGE UNIVERSITY PAPER. Hershey J.C., & Schoemaker P.J.H., (1980),. “Risk taking and problem context in the domain of losses: An expected-utility analysis”, Journal of Risk and Insurance, 47, 111-132. Hirschey M. and Richardson V. J., (2003), “Investor Underreaction to goodwill write-offs”, Financial Analysts Journal, Vol. 59, N°6, November/December, 75-84. Hirshleifer D., (2001), “Investor Psychology and asset pricing”, Journal of Finance, 56, 1533-1597. Hirshleifer D., Myers James N., Myers Linda A. and Teoh S. H., (2003), “Do Individual Investors Drive Post-Earnings Announcement Drift? Direct Evidence from Personal Trades.”, Ohio State University – Fisher College of Business – Working Paper. Ho Li-Chin J., Liu Chao-Shin et Ziebart D. A., (1998), “Price reversal and drift following earnings announcements.”, The Financial Review, Vol. 33, 145-160. Holthausen R., (1983), “ Abnormal Returns Following Quarterly Earnings Announcements.”, Proceedings of the Seminar on the Analysis of Security Prices, University of Chicago, May, 37-59. Hong H. et Stein J.C., (1999), “A unified theory of underreaction, momentum trading and overreaction in asset markets”, Journal of Finance, 54, 2143-2184. Hong H., Lim T. et Stein J.C., (2000), « Bad news travels slowly : Size, analyst coverage and the profitability of momentum strategies”, Journal of Finance, 55, 265-295. Huberts L. et Fuller R., (1995), “Predictability bias in the U.S. equity market”, Financial Analysts Journal 51, 12-28. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 291 Ikenberry D. et Lakonishok J., (1993), “Corporate governance through the proxy contest: Evidence and implications”, Journal of Business 66, 405-435. Ikenberry D., Lakonishok J. and Vermaelen T., (1995), “Market underreaction to open market share repurchases”, Journal of FinancialEconomics 39, 181-208. Ikenberry D., Rankine G. and Stice E. K., (1996), “What do stock splits really signal?”, Journal of Financial and Quantitative Analysis 31, 357-377. Imhoff E. Jr. et Paré P., (1982), “Analysis and comparison of earnings forecast agents”, Journal of Accounting Research 20, 429-439. Jaccard J., Turrisi and Wan C. K., (1982), INTERACTION EFFECTS IN MULTIPLE REGRESSION, SAGE UNIVERSITY PAPER. Jacquillat B. et Solnik B., (1997), Marchés financiers - Gestion de Portefeuille et des risques, Dunod - 3ème édition. Jeanjean Thomas, (1999), « La théorie positive de la comptabilité : une revue des critiques », Cahier 99 – 12 du CEREG, Université Paris – Dauphine Jeffrey P. et Schall D. L., (1997), « Book-to-market ratio as predictors of market returns », Journal of Financial Economics 49, 141-160. Jegadeesh N. et Titman S., (1993), “Returns to buying winners and selling losers: Implications for stock market efficiency” , Journal of Finance 48, 65-91. Jegadeesh N. et Titman S., (2001), “Profitability of momentum strategies: An evaluation of alternative” , Journal of Finance 51, 699-720. Jensen M., (1978), “Some anomalous evidence regarding market efficiency,” , Journal of Financial Economics 6, 95-101. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 292 Johnson T.C. et Jackson A., (2002), “Unifying Underreaction Anomalies”, Working Paper – London Business School & SSRN. Johnson W.B. et Schwartz Jr. W.C., (2001), “Evidence that Capital Markets Learn from Academic Research: Earnings Surprises and the Persistence of Post-Announcement Drift”, Working Paper – Tippie College of Business Administration, University Iowa & SSRN. Jones C.P. et Litzenberger R., (1970), “Quaterly earnings reports and intermediate stock market efficiency price trends” , Journal of finance 25, n°1 (Mar. 1970), 143-148. Joy O.M., Litzenberger R et McENally D., (1977), “The investigation adjustment of stock prices to announcements of unanticipated changes in quarterly earnings”, Journal of Accounting Research 15, n°2 (Autumn), 207-225. Kadiyala P., (2001), “It’s all Under-Reaction” , Perdue University Working Paper. Kahneman D. et Riepe M. W., (1998), “Aspects of Investor Psychology: Beliefs, preferences, and biases investment advisors should know about.” , The Journal of Portfolio Management, Summer, 52-64. Karamanou I., (2001), “Is Analyst Optimism Intentional? Additionnal Evidence on the Existence of Reporting and Selection Bias in Analyst Earnings Forecasts”, University of Cyprus Working Paper & SSRN. Kelley, H.H. (1967). “Attribution theory in social psychology”. In D. Levine (Ed.), Nebraska symposium on motivation, Lincoln : University of Nebraska Press, 15, 192-238. Keynes J. N., (1936), “The general theory of employment, Interest and money”, Hartcourt Brace, New York. Keynes J. N., (1967), “Théorie Générale de l’emploi de l’intérêt et de la monnaie”, Payot, Paris. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 293 Kidd J. B., (1970), “The utilisation of subjective probabilities in production planning”, Acta Psychologica, 34, 338-347. Kim Donald et Myung-Sun K., (2003), “A multifactor explanation of post-earningsannouncement drift”, forthcoming Journal of Financial and Quantitative Analysis. Kim J.W. et Rozhkov D., (1999), “Stock Returns around Earnings Announcements: What Matters” , Havard University Working Paper. Knez P.J. and Ready M.J., (1997), “On The Robustness of Size and Book-to-Market in Cross-Sectional Regressions” , Journal of Finance, Vol LII, N°4 – September 97. Kothari S.P., (2001), “Capital market research in accounting”, forthcoming, Journal of Accounting and Economics. Kothari S., Lys T., Smith C. & Watts R., (1988), “Auditor liability and information disclosure”, Journal of Accounting, Auditing, and Finance 3, 307-339. Kothari S.P., Lewellen J. et Warner J., (2003), “Stock Returns, Aggregate Earnings Surprises, and Behavioral Finance ”, Working Paper, http://papers.ssrn.com/abstract=380127. Kothari S.P., Sabino J. et Zach T., (1999), “Implications of data restrictions on performance measurement and tests of rational pricing”, Working paper, Massachusetts Institute of Technology. Kothari S.P., Shanken J. et Sloan R.G., (1995), “Another look at the cross-section of expected stock returns”, journal of finance 50, n°2 (March 1995), 185-224. Kothari S.P. et Warner J.B., (1997), « Measuring long-horizon security price performance”, Journal of Financial Economics, 43, 301-339. Kraft A., (1999), “Accounting-based and market-based trading rules”, working paper, University of Rochester. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 294 L’her J-F. et Suret J-M., (1999), “ Valeur Fondamentale et Sélection des titres ”, Journée de recherche – qualité de l’information et marchés financiers, IRG. Lakonishok J., Shleifer A., and Vishny R.W., (1994), “Contrarian Investment, Extrapolation, and Risk”, Journal of finance, Vol 49 - N°5, December 94. LaPorta Rafael, (1996), “Expectations and the cross-section of stock returns”, Journal of Finance, 51, 1715-1742. LaPorta R. , Lakonishok J., Shleifer A. et Vishny R.W., (1997), “Good news for value stocks: Further evidence on market efficiency”, Journal of Finance 52, 859-874. Latane H., Jones C. P. et Rieke R. D., (1974), “Quarterly earnings reports and subsequent holding period returns”, Journal of Business Research, April, 119-132 . Latane H., et Jones C. P., (1979), “Standardized Unexpected earnings – 1971 - 1977”, Journal of Finance, June, 717-724. Latane H., Jones C.P et Rieke R. D., (1974), “Quarterly earnings reports and subsequent holding period returns”, Journal of Business Research, April, 119-132. Latane H., Tuttle D. L. et Jones C. P. , (1969), “E.P. ratios versus changes in earnings in forecasting future price changes”, Financial Analysis Journal, January /February, 117-123. Lebart L., Morineau A. et Piron M., (1997), Statistique exploratoire multidimensionnelle, DUNOD 2ème édition. Lecoutre J-P. et Tassi P., (1987), Statistique Non Paramétrique et Robustesse, ECONOMICA. Lee C., (1999), “Accounting-based valuation: A commentary”, Accounting Horizons 13, 413425. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 295 Lee Charles M.C. and Swaminathan B., (2000), “Do stock prices overreact to earnings?”, working paper, Cornell University, http://parkercenter.johnson.cornell.edu. Lee M.C.and Swaminathan B., (2001), “Price Momentum and Trading Volume”, Journal of Finance, volume 55. Lehmann B. N., 1990, "Fads, Martingales, and Market Efficiency", The Quarterly Journal of Economics, 1-28. Lesmond D. A., Schill M. J. and Zhou C., (2004), “The illusory nature of momentum profits”, Journal of Financial Economics. Lev B., (1983), “Some economic determinants of the time series properties of earnings”, Journal of Accounting & Economics 5, 31-48. Levasseur M., L’Her J.C. and Suret J.M., (2002), “Anticipations hétérogènes et rendements boursiers: le cas du marché français”, Finance, Vol 23 - N°1, 51-75. Levis M. and Liodakis M., (1999), “Investors' Expectations and the Performance of Value and Growth Portfolios: The UK Evidence” , working paper, City University Business School, June 1999. Lichtenstein S., Fischhoff B. et Phillips L. (1982), « Calibration of probabilities: The state of the art to 1980», in Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and Biases, Cambridge University Press, Cambridge. Liew J. et Vassalou M., (2000), “ Can book-to-market, size and momentum be risk factors that predict economic growth?”, Journal of Financial Economics, 57, 221-245. Lim T., (1998), “Are analysts’ forecasts optimistically biased?”, working paper, Dartmouth University. Lim T., 2001, “Rationality and analysts’ forecast bias”, Journal of Finance 56, 369-385. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 296 Lin H. et McNichols M., (1998), “Underwriting relationships and analysts’ earnings forecasts and investment recommendations”, Journal of Accounting & Economics 25, 101-127. Lintner J., (1965), “The valuation of risky assets and the selection of risky investments in stock portfolios and capital budgets”, Review of Economics and Statistics 47, 13-37. Little I., (1962), “Higgledy Piggledy Growth, Institute of Statistics”, (Oxford) 24. Little I. et Rayner A., (1966), “Higgledy Piggledy Growth Again”, A. M. Kelly, New York, NY. Liu W., Strong N. C. and Xu X., (2003), “ Post-Earnings-Announcement Drift in the UK”, European Financial Management, Vol. 9, 89-116. Lo A. W. et McKinlay A. C., (1990), “Data-Snooping Biases in Tests of Financial Asset Pricing Models”, Review of Financial Studies, 50, 431-468. Lo A. W., McKinlay A. C. et Campbell J. Y., (1997), “The Econometrics Financial Markets”, Princeton University Press – New Jersey. Loomes et Sudgar J. Y., (1982), “ Regret Theory: An alternative theory of Rational Choice Under Uncertainty”, Economic Journal 92, 805-824. Loughran T., (1997), “Book-to-market across firm size, exchange, and seasonality: is there an effect ?”, Journal of Financial Studies, Vol 30, 607-618. Loughran T. et Ritter J.R., (1995), “The new issues puzzle”, Journal of Finance, 50, 23-51. Loughran T. et Ritter J., (2000), “Uniformly least powerful tests of market efficiency”, Journal of Financial Economics 55, 361–389. Lyon J. D., Barber B. M. et Tsai C.-L., (1999), “ Improved methods for tests of long-run abnormal stock returns”, Journal of Finance, 54, 165-202. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 297 Lys T. et Sohn S., (1990), “The between revisions of financial analysts’ earnings forecast and security-price changes”, Journal of Accounting and economics, n°13, 341-363. MacKinlay A. C., (1995), “Multifactor models do not explain deviations from the CAPM”, Journal of Financial Economics 38, 3–28. Mai H., (1992), “Stratégie de sur-réaction et corrélation des rentabilités sur le marché français des actions de 1977 à 1990”, Cahier de recherche du CEREG, Université Paris-Dauphine. Mai H. M., (1992), "Prévisibilité des rentabilités boursières des actions françaises (19771990)", Thèse de doctorat, Université Paris-Dauphine. Markowitz H. M., (1952), “Portofolio selection”, Journal of Finance, Mars 1952. Martinez-Vazquez J., Harwood G.B. and Larkins E.R., (1992), “Withholding Position and Income Tax Compliance: Some Experimental Evidence”; Public Finance Quarterly 20 (2): 152-174. Matsumoto D., (1998), “Management’s incentives to influence analysts’ forecasts”, working paper, Harvard Business School. McDonald B. D. et Mendenhall R., (1994), “ Implementing the Earnings Surprise Strategy.”, Proceedings of the Seminar on the Analysis of Security Prices, University of Chicago. McNichols M. et O’Brien P., (1997), “Self-selection and analysts coverage”, Journal of Accounting Research 35, 167-199. Mendenhall R., (2003), “Arbitrage risk and post-earnings-announcement drift”, Journal of Business, forthcoming. Mendenhall R. , (1991), “Evidence on the possible Underweighting of Earnings-Related Information”, Journal of Accounting Research, Vol. 29, N°1 (Spring), 170-179. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 298 Michaely R. et Womack K., 1999, “Conflict of interest and the credibility of underwriter analyst recommendations”, Review of Financial Studies 12, 573–608. Mignon V., (1998), Marchés Financiers et Modélisation des Rentabilités Boursières, ECONOMICA. Mikhail M., Walther B. R. et Willis R., (1997), “Do security analysts improve their performance with experience?”, Journal of Accounting Research 35, 131-166. Mikhail M. B., Walther B. R. et Willis R. H., (2001), “Announcement Drift”, Duke University Working Paper & SSRN. Mikhail M. B., Walther B. R. et Willis R. H., (2003), “The Effect of Experience on Security Analyst Underreaction”, Journal of Accounting and Economics, Vol. 35, April, 101-116. Miles J. et Rosenfeld J. D, (1983), “The Effect of voluntary spinoff announcements on shareholder wealth”, Journal of Finance, 38, 1597-1606. Mitchell M. L. et Stafford E., (2000), “Managerial decisions and long-term stock performance”, Journal of Business, 73, 287-320. Molay E., (2000), « Effets Taille et Ratio Book-To-Market sur le marché français : Un test du modèle de rentabilité de Fama et French (1993) » , XV journée des IAE, Biarritz. Molay E., (2001), « Modélisation empirique de la rentabilité : le modèle à trois facteurs, une alternative au modèle de marché ? », Thèse de Doctorat, IAE Aix en Provence. Mooney C. Z. and Duval R. D., (1982), BOOTSTRAPPING A Nonparametric Approach to Statistical Inference, SAGE UNIVERSITY PAPER. Moschetto B-L. , (1998), Mimétisme et Marchés Financiers, ECONOMICA. Moskowitz T. J., (1999), « An Analysis of Risk and Pricing Anomalies » , Working Papers - University of Chicago. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 299 Moskowitz T. J. et Grinblatt M., (1999), “Do industries explain momentum?”, Journal of Finance 54, 1249–1290. Mott C. E. et Coker D. P., (1993), «Earnings Surprise in the Small-Cap World», Journal of Portfolio Management, Vol. 20, N°1 (Fall), 64-75. Mourgues N., (2002), « Une Lecture Sélective des Travaux de Granovetter. Intersections et disjonctions avec des Recherches en Finance », dans La Construction Sociale de l’Entreprise : Autour des travaux de Mark GRANOVETTER dirigé par Huault Isabelle, éditions ems MANAGEMENT & SOCIETE . Mourgues N., Allard-Poesi F., Amine A., Charreire S. et Le Goff J. (Dirigé par), (2002), Questions de méthodes en Sciences de Gestion, éditions ems MANAGEMENT & SOCIETE . Muth J.F., (1961), «Rational expectations and the theory of movements», Econometrica, Vol. 9, 315-335. Neale M. and Bazerman M., (1990), Cognition and Rationality in Negociation, The Free Press, New York. Neuman von J and Morgenstern O., (1944), Theory of games and economic behavior, Princeton University Press. O’Brien P., (1988), “ Analysts’ Forecasts as earnings expectations”, Journal of Accounting and Economics, January, 53-83. Odean T., (1998), “ Volume, volatility, price and profit when all traders are above average”, Journal of Finance, 53, 1887-1934. Ohlson J., (1995), “Earnings, book values, and dividends in equity valuation”, Contemporary Accounting Research 11, 661-687. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 300 Ou J. et Penman S., (1989a), “ Financial Statement Analysis and the Prediction of Stock Returns.”, Journal of Accounting and Economics, November, 295-330. Ou J. et Penman S., (1989b), “ Accounting Measurement, Price-Earnings Ratios, and the Information Content of Security Prices.”, Journal of Accounting and Economics (supplement), 111-144. Oskamp S. , (1982), “ Overconfidence in case-study judgements ” in Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and Biases, Cambridge University Press, Cambridge. Patell J. et Wolfson M., (1984), “ The Intraday Speed of Adjustment of Stock Prices to Earnings and Dividend Announcements.”, Journal of Financial Economics, June, 223-252. Peters D. J., (1993a), “ Are Earnings Surprises Predictable?”, Journal of Investing, Vol. 2, N°2 (summer), 47-51. Peters D. J., (1993b), “ The Influence of Size on Earnings Surprises Predictability.”, Journal of Investing, Vol. 2, N°4 (Winter), 54-59. Philbrick D. et Ricks W., (1991), “Using Value Line and IBES analyst forecasts in accounting research”, Journal of Accounting Research 29, 397-417. Plous S. J., (1993), “ The Psychology of Judgement and Decision Making.”, MacGraw-Hill, Inc, New York. Poitou J-P. , (1974), “ La dissonance cognitive”, Edition Armand Colin, Paris. Poteshman A., (2001), “ Underreaction, Overreaction, and Increasing Misreaction to Information in the Option Market.”, Journal of Finance, Vol 56 N°3 (June). Pupion G. et Pupion P-C., (1998), Tests Non Paramétriques avec applications à l'économie et à la gestion, Economica - 2ème Tirage. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 301 Raedy J., (1998), “A reconciliation of stock market anomalies”, working paper, University of North Carolina. Rainelli-Le Montagner H., (2002), “Des marchés et des hommes”, dans Sciences de Gestion et Pratiques Managériales – Réseau des IAE, ECONOMICA, Paris, 440-449. Rau P.R. et Vermaelen T., (1996), “Glamour, Value and The Post-Acquisition Performance of Acquiring Firms”, Working Paper 96/76/FIN. Rendleman J., Jones C.P. et Latane A., (1982), “Empirical anomalies based on unexpected earnings and the importance of risk adjustments”, Journal of Financial Economics 10, 269287. Rendleman J., Jones C.P. et Latane A., (1987), “Further insight into the standardized unexpected earnings anomaly: size and serial correlation effects”, The Financial Review 22, 131-144. Richardson S., Teoh S. et Wysocki P., (1999), “Tracking analysts’ forecasts over the annual earnings horizon: Are analysts’ forecasts optimistic or pessimistic?” working paper, University of Michigan. Roll R., (1977), “A critique of the asset pricing theory’s tests Part I: on past and potential testability of the theory”, Journal of Financial Economics, 4, 129-176. Roll R. et Ross S. A., (1994), “On the cross-sectional relation between expected returns and betas“, Journal of Finance, vol 49 N°1. Roll R., (1981), “A possible explanation of the small firm effect”, Journal of Finance, 36 n°4 (sept.), 879-888. Rosenberg B., Reid K. and Lanstein R., (1985), “Persuasive evidence of market inefficiency”, Journal of Portfolio Management, 11 n°3 (spring), 9-17. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 302 Ross S., (1976), « The arbitrage theory of capital asset pricing », Journal of Economics Theory, 13, 341-360. Rouwenhorst K. Geert (1997), « International momentum strategies », Journal of Finance, vol 53, 267-284. Russo J. E. et Schoemaker P. J. H. (1992), « Managing overconfidence », Sloan Management Review 33, 7-17. Sadka G., (2003), “post-earnings-announcement drift and Arbitrage risk”, Journal of Business, forthcoming. Salamon G. et Stober T., (1994), “Cross-quarter differences in stock price responses to earnings announcements: Fourth-quarter and seasonality influences”, Contemporary Accounting Research 11, 297-330. Samuelson P., (1965), «Proof that properly anticipated prices fluctuate randomly», Industrial Management Revew, Vol. 6, 41-49. Savage L.J., (1954), The fondation of statistics, New York. Schwert G., (1990), “Stock returns and real activity: A century of evidence”, Journal of Finance 45, 1237-1257. Shanken J., (1990), “Intertemporal asset pricing: an empirical investigation”, Journal of Econometrics 45, 99-120. Sharpe W., (1964), “Capital asset prices: a theory of market equilibrium under conditions of risk”, Journal of Finance, sept. 1964. Shefrin H. And Statman M. , (1985), “The disposition so Sell Winners Too Early and Ride Losers Too Long?” , Journal of Finance 40, 777-790. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 303 Shiller R. , (1981), “Do Stock prices move too much to be justified by subsequent changes in dividends ?” , American Economic Review 71, 421-498. Shiller R. , (1998), “Human Behavior and the Efficiency of the Financial System ?” , NBER working paper 6375. Shiller R. , (1997), “Market Volatility” MIT Press, Cambridge, 5ème eds. Shiller R. , (2000), “Exubérance Irrationnelle” Valor Editions, Paris. Shleifer A. et Vishny R., 1997, “The limits to arbitrage”, Journal of Finance 52, 35–55. Simon H. , (1955), “ A Behavioral Model of Rational Choice”, Quarterly Journal of Economics 69, 99-118. Simon H. , (1987), “ Bounded rationality ” , in Eatwell, Milgate, Newman (eds), The New Palgrave: A Dictionnary of Economics, London, Mac Millan, 1987, Vol. N°1, p 266-267. Slovic P., Firshoff B. et Lichtenstein S., (1977), “Behavioral decision theory”, Annual Review of Psychology, 28, 1-39. Soffer L. et Lys T., 1999, “Post-earnings announcement drift and the dissemination of predictable information”, Contemporary Accounting Research 16, 305–331. Solnik B. , (1974), “An equilibrium model of the international capital market” , Journal of Economic Theory , July/August. Spiess D. K. Et Affleck-Graves J., (1995), “ Underperformance of initial public offerings”, Journal of Financial Economics, 38, 243-268. Stael Von Holstein, (1972), “Probabilistic forecasting: An experiment related to the stock market” , Organization Behavior and Human Performance 8, 139-158. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 304 Staw B. M., (1981), “The Escalation of Commitment to a Course of Action”, Academy of Management Review 6, 577-587. Sterling R., (1990), “Positive accounting theory : an assesment”, Abacus, septembre. Stevens D. and Williams A., (2000), “Inefficiency in earnings forecasts: some experimental evidence” , Syracuse University Working Paper. Stober T. L., (1992), “ Summary Financial Statement Measures and Analysts’ Forecasts of Earnings. ”, Journal of Accounting and Economics, June / September, 347-372. Stoll H., (1991), “ Measuring Equity Trading Costs. ”, Vanderbilt University Working Paper. Summers, LH , (1986), “Does the Stock Market Rationally Reflect Fundamental Values?,” The Journal of Finance, 41, no 3, 591-602. Tamura H., (2003), “ Individual-analyst characteristics and forecast error”, Financial Analysts Journal, Vol. 58, N°4, July/August. Tchemeni E., (1991), “ Les prévisions de résultats des entreprises cotées par les dirigeants et les analystes financiers : analyse et comparaison”, Thèse de Doctorat - Université de Lille. Teoh S. H., Welch I. Et Wong T.J., (1998), “Earnings management and the underperformance of seasoned equity offerings”, Journal of Financial Economics, 50, 243268. Thaler R. H., (1994), “ Quasi rational economics ”, New York, Russel Sage Foundation. Thomas J., (1999), “Discussion of Post-earnings announcement drift and the dissemination of predictable information,” Contemporary Accounting Research 16, 333-340. Trueman B., (1994), “Analysts’ forecast and herding behaviour”, Review Studies, Vol. 7, N°1, 97-124. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. of Financial Bibliographie 305 Tversky A. et Kahneman D., (1973 ), “Availability: A heuristic for judging frequency and probability.”, Cognitive psychology, 5, 207-232. Tversky A. et Kahneman D., (1974 ), “Judgement under Uncertainty: Heuristics and Biaises.”, Science, 185, 263 - 291. Tversky A. et Kahneman D., (1979 ), “Prospect theory: An analysis of decision under risk..”, Econometrica, 47, 1124-1131. Tversky A. et Kahneman D., (1982), “Judgements of and by representativeness” in Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and Biases, Cambridge University Press, Cambridge. Van Dijk R. and Hubers F., (2002), “ European price momentum and analyst behavior”, Financial Analysts Journal, Vol. 58, N°2, March/April. Vermaelen T. et Vestringe, (1986), "Do Belgians Overreact ?", Cahier de Recherche Université Catholique de Louvain, Belgique. Verrecchia R., (2001), “Essays on disclosure”, Journal of Accounting & Economics, this issue. Walliser B., (1982), « Equilibres et Anticipations », Revue Economique, Vol. 33, N°6, 1583-1594. Watts R., (1970), “The time series of accounting earnings: Appendix A to The information content of dividends,” Ph.D. Dissertation, University of Chicago. Watts R., (1975), “The time-series behavior of quarterly earnings”, Working paper (University of Newcastle). Watts R. L., (1978), “The Time Series Behavior of Quaterly Earnings Announcements.”, Journal of Financial Economics, (June / September), 127-150. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Bibliographie 306 Watts R. et Leftwich R., (1977), “The time-series of annual accounting earnings”, Journal of Accounting Research 15, 253-271. Watts R. et Zimmerman J., (1986), “Positive Accounting Theory”, Prentice Hall, Englewood Cliffs, NJ. West K. D., (1988), “Bubbles, Fads and Stock Price Volatility Tests: A Partial Evaluation.”, Journal of Finance 18, N°3, 639-660. White H., (1980), “A Heteroscedasticity-Consistent estimator with a direct test for heteroscedasticity”, Econometrica, Vol. 48, 817-838. Wiggins K., (1996), “The Earnings-Price and Standardized Unexpected Effects: One Anomaly or Two?”, Journal of Financial Research, Vol. 14 N°3 (Fall), 263-276. Williams J., (1938), “The Theory of Investment Value, Harvard University Press”, Cambridge, MA. Womack J. B., (1996), “Do brokerage analyst’ recommendations have investment value?”, Journal of Finance 51, 137-167. Zarowin P., (1989), “Does The Stock Market Overreact to Corporate Earnings Information?”, Journal of Finance, December, 1385-1400. Zellner, (1962), « An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias, Journal of American Statistic Association, 1962, 57, p. 348-368. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 307 ANNEXES L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 308 ANNEXE 1: RECAPITULATION DU NOMBRE CUMULE D’ETUDES PRINCIPALES PUBLIEES DANS DES REVUES INTERNATIONALES SUR LA PERIODE 1960 A 1999 SUR LES ANNONCES DE BENEFICES Graphique récapitulatif du nombre d'études principales cumulé publiées dans les revues internationales sur la période 1960 à 1999 45 40 Nombre cumulé d'études 35 30 25 20 15 10 5 0 Ball & Brown (1968) Latane, Jones & Joy, Litzenberger Rendleman, Rieke (1974) & McEnally Jones & Latane (1977) (1982) Foster, Olsen & Shevlin (1984) Bernard et Chan, Barberis, Shleifer Thomas (1989, Lakonishok & & Vishny (1998) 1990) Jegadeesh (1996) Source: Johnson B. & Schwartz Jr. W. (2001) Note: Les revues scientifiques concernées sont : « Accounting Review », « Contemporary Accounting Research », « Financial Analysts Journal », « Financial Review », « International Journal of Forecasting », “Journal of Accounting and Economics”, “Journal of Accounting Research”, “Journal of Business”, “Journal of Finance”, “Journal of Financial Economics”, “Journal of Financial Research”, “Journal of Investing”, “Journal of Portfolio Management”. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 309 ANNEXE 2 : LES MODELES FORMELS DE BARBERIS, SHLEIFER ET VISHNY (1998) ET DE DE LONG, SHLEIFER, SUMMERS ET WALDMANN (1990) Le modèle formel de Barberis, Shleifer et Vishny (1998) Nous exposons le modèle formel de BSV en donnant les formulations mathématiques essentielles de celui-ci. Selon BSV, pour évaluer les actions, l’investisseur doit prévoir les revenus futurs et donc les chocs futurs. Dans ce but, il devra à chaque période essayer de comprendre quel modèle génère les chocs sur les revenus. BSV supposent que les revenus des actifs suivent une marche aléatoire comme mentionné dans le modèle informel : Nt = Nt-1 + yt, (1) où yt est le choc sur les revenus à l’instant t qui prend soit la valeur +y soit la valeur –y. Les investisseurs croient la valeur yt déterminée par l’un des deux régimes mentionnés. Les régimes 1 et 2 ont la même structure et suivent un processus de Markov car les valeurs prises par yt dépendent essentiellement de yt-1. La différence entre les régimes 1 et 2 résulte de la différence des probabilités de transition des deux processus. Précisément, les matrices de transitions sont les suivantes. Modèle 1 yt+1 = y yt+1 = -y yt = y πL 1 - πL yt = - y 1 - πL πL Modèle 2 yt+1 = y yt+1 = -y yt = y πH 1 - πH yt = - y 1 - πH πH Le modèle 1 est « mean-reverting » donc πH (probabilité que le choc en t+1 soit du même signe que le choc en t sous le modèle 1) est faible (il devrait être compris entre 0 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 310 et 0,5 ; selon BSV) car la probabilité d’obtenir des chocs de signes contraires est plus forte sous ce modèle. Le modèle 2 est un modèle qui génère des tendances, donc πH est élevé (il devrait être compris entre 0,5 et 1, selon BSV (1998)) : la probabilité de voir les deux chocs se succéder est plus forte sous ce modèle. Le régime de transition est lui aussi une chaîne de Markov et sa matrice de transition est : St+1 = 1 St+1 = 2 St = 1 1 - λ1 1 - λ1 St = 2 λ2 λ2 Avec λ1: la probabilité d’être dans le régime 2 en t+1 alors que l’on était dans le régime 1 en t et λ2 : la probabilité d’être dans le régime 1 en t+1 alors que était dans le régime 2 en t. Les auteurs considèrent que les valeurs de λ1 et λ2 sont assez petites car l’investisseur pense que les changements de régime sont rares. L’investisseur représentatif du marché considéré donne plus de poids au modèle 1 donc λ1 < λ2. Après avoir observé un choc yt+1, il calcule la probabilité qt que ce choc soit ait été généré par le modèle 1 : qt = P(st = 1|yt, yt-1, qt-1). BSV considèrent que l’investisseur révise ses probabilités en appliquant la loi de Bayes. Par conséquent, Qt+1 =[((1- λ1)qt+ λ2(1-qt)) P(yt+1 = 1|st+1=1, yt)] / [((1- λ1)qt+ λ2(1-qt)) P(yt+1 = 1|st+1=1, yt) + (λ1qt+ (1-λ2)(1-qt)) P(yt+1 = 1|st+1=2, yt)] (2) En particulier, si le choc aux revenus à la période t+1, yt+1, est le même que le choc précédent en t, yt, l’investisseur met à jour qt+1 à partir de qt en utilisant Qt+1 =[((1- λ1)qt+ λ2(1-qt))πL / [((1- λ1)qt+ λ2(1-qt))πL + (λ1qt+ (1-λ2)(1-qt)) πH] (3) Les auteurs montrent que qt+1<qt dans ce cas. En d’autres termes, les investisseurs accordent plus de poids au modèle 2 si ils observent deux chocs consécutifs allant dans le même sens. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 311 Similairement, si le choc yt+1, à la période t+1 est opposé au choc précédent yt à la période t, Qt+1 =[((1- λ1)qt+ λ2(1-qt))(1-πL))] /[((1- λ1)qt+ λ2(1-qt))(1-πL) + (λ1qt+ (1-λ2)(1-qt))(1-πH)] (4) Dans ce cas, qt+1 > qt et les investisseurs accordent plus de poids à la réalisation croissante du modèle 1. Intuitivement, si le choc suivant est de signe différent, notre investisseur donnera un peu plus de poids au modèle 1 et donc qt va augmenter. Par contre, si le choc est de même signe, il donnera moins de poids au modèle 1 et donc qt va diminuer. Avec Nt le revenu de l’actif à la date t, le prix de l’actif sur le marché sera la somme actualisée des revenus tels qu’ils sont perçus par l’investisseur représentatif : Pt = Et [Nt+1/(1+δ) + Nt+2/(1+δ)2 + … + Nt+n/(1+δ)n] (5) Avec n tendant vers l’infini. BSV (1998) précisent que cette formule n’est valable que dans la mesure ou notre investisseur utilise les mauvais modèles (modèle 1 et 2) pour prévoir les résultats. En effet, s’il était rationnel, on aurait Et(Nt+j) = Nt (la valeur prévision meilleure des valeurs futures est la valeur d’audjourd’hui). Dans ce cas, on obtiendrait Pt = Nt/δ. Si l’investisseur représentatif utilise les modèles 1 et 2 et le régime de transition, BSV montrent que l’équation (5) devient : Pt = Nt /δ + yt(p1 – p2qt) (6) Où p1 et p2 sont deux constantes qui dépendent de πL, πH , λ1, λ2. L’interprétation de la formule (6) est assez simple : Le premier terme Nt/δ est l’expression du prix obtenue si l’investisseur utilise une marché au hasard pour prévoir L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 312 les revenus futurs, il s’agit donc de la valeur fondamentale de notre actif. Le second terme yt(p1 – p2qt) représente la déviation de prix par rapport à la valeur fondamentale. Dans le cas où l’investisseur sous-réagit car il donne plus de poids au modèle 1, le prix de l’actif doit être logiquement en dessous de sa valeur fondamentale. Le terme yt(p1 – p2qt) doit être négatif pour que le modèle génère une sous-réaction à l’annonce d’un choc positif yt. L’investisseur donnera plus de poids au modèle 1 quand qt (probabilité d’être dans le modèle 1 connaissant l’information passée : yt-1 et qt-1) augmente. En examinant le second terme, on voit qu’une augmentation de qt peut entraîner sous certaines conditions sur les p1 et p2 : p2qt > p1 et donc : yt(p1 – p2qt) < 0 puisque yt > 0. Le raisonnement concernant la sur-réaction est symétrique. Après une chaîne de chocs positifs qt va diminuer de telle manière que l’on obtienne à un moment : yt(p1 – p2qt) > 0 avec p2qt < p1 puisque le prix doit être au-dessus de sa valeur fondamentale après une chaîne de chocs positifs. BSV (1998) vont plus loin en montrant que le modèle génère la sur-réaction et la sous-réaction si p1 et p2 satisfassent la condition suivante : P2qbas < p1 < p2 < p2qmoyen Où qmoyen est une valeur moyenne de qt et qbas est la valeur basse de qt. Finalement, les auteurs montrent que si p1 et p2 satisfont : _kp2 < p1 < ¯ kp2 (7) avec p2 > 0, alors l’expression (7) permet d’obtenir la sur et la sous-réaction. _k et ¯ k sont des constantes qui dépendent de πL, πH , λ1, λ2. Le modèle de De Long, Shleifer, Summers et Waldmann (1990) Le modèle de De Long et al (1990) est un modèle à générations imbriquées à deux périodes. Il n’y a pas de décisions de consommation à la première période et d’offre de travail : les ressources que les agents doivent investir sont ainsi exogènes. La seule L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 313 décision consiste à choisir un portefeuille dans la première période (i.e. quand on est jeune) pour maximiser l’utilité anticipée en fin de période de richesses. Ensuite, les « vieux » vendent leurs actifs risqués aux « jeunes » et utilisent ce qu’ils reçoivent de l’actif sans risque pour acheter le bien de consommation. L’actif sans risque a une offre parfaitement élastique. L’offre de l’actif incertain/risqué u est fixe et normalisé à l’unité. Les deux actifs offrent un dividende réel connu r (le taux sans risque) et donc il n’y a pas de risque fondamental. Une unité de l’actif sans risque permet d’acheter une unité du bien de consommation, et par conséquent le prix réel de l’actif sans risque est égal à l’unité. La proportion des noise traders (NT) est µ avec (1- µ) pour les détenteurs de fonds (SM) sur le marché. Les SM perçoivent correctement la distribution des rendements sur l’actif risqué t+1. Les NT peuvent être « haussiers » ou « baissiers » et mal percevoir la distribution des vrais prix. La mauvaise perception moyenne des NT du prix anticipé est notée ρ* et en un quelconque moment du temps, la mauvaise perception réelle ρt se comporte selon la loi suivante : ρt ∼ N(ρ,σ²) (8) Chaque agent maximise une fonction d’utilité d’aversion pour le risque absolu constant à la fin de la période en déterminant la richesse w : U = exp(-2γw) (9) Si les rendements sur l’actif risqué sont distribués selon la loi normale, alors maximiser (8) est équivalent à maximiser : w - γσw² (10) où w est l’espérance de la richesse finale, γ est le coefficient absolu de l’aversion pour le risque. Ainsi, les SM choisissent le montant de l’actif risqué afin de détenir λst en maximisant : E(U) = c0 + λst[r + tPct+1 – Pt (1 + r)] - γ (λst)² tσ²pt+1 (11) Où c0 est une constante (i.e. le revenu en période zéro) et tσ²pt+1 est la variance du prix anticipée conditionnelle de la période suivante : σ²pt+1 = Et[pt+1 – EtPt+1]² L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. (12) Annexes 314 Le NT a la même fonction objectif que les SM, sauf que son rendement anticipé a un terme supplémentaire +λntρt (et naturellement λn remplace λns dans (11)). Ces fonctions objectifs sont de la même forme que ceux trouvés dans le modèle de moyenne-variance simple avec deux actifs (où un actif est l’actif sans risque). En posant ∂E(U)/ ∂λt = 0 dans (11), la fonction objectif donne alors les fonctions de demande d’actif habituelles de l’actif risqué pour les SM et les NT : λns = Ret /2γ[ tσ²pt+1] (13) λnt = Ret+1 /2γ[ tσ²pt+1] + ρt /2γ[ tσ²pt+1] (14) où Ret+1 = rt + tPt+1 – (1+r)Pt. La demande des NT dépend en partie de leur approche anormale des rendements anticipés comme reflétée dans ρt. Puisque les « vieux » vendent leurs actifs risqués aux jeunes et que l’offre fixe des actifs risqués est égale à 1, on a : (1 - µ)λns + µλnt = 1 (15) Par conséquent, en utilisant (13) et (14), l’équation du prix d’équilibre est : Pt = 1/(r+1) [r + tPt+1 – 2γ tσ²pt+1 + µρt] (16) L’équilibre dans le modèle est un état stable où la distribution inconditionnelle de Pt+1 égale celle de Pt. Par conséquent, en résolvant (16) de manière récursive on obtient : Pt = 1 + [µ(ρt - ρ*)/(1 + r)] + (µρ*/r) – [ 2γ/r] tσ²pt+1 (17) Seulement ρt est une variable dans (17) et par conséquent : tσ²pt+1 = tσ²pt+1 = µ²σ²/(1 + r)² (18) où à partir de (1), (ρt - ρ*) = N(ρ,σ²). En substituant (18) dans (17), on obtient l’équation pour le niveau du prix donnée dans le texte : Pt = 1 + [µ(ρt - ρ*)/(1 + r)] + (µρ*/r) – 2γσ²/[r(1+r)²] L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. (19) Annexes 315 ANNEXE 3 : GRAPHIQUES ET TABLEAUX DES RESULTATS DES ETUDES DE BERNARD ET THOMAS (1989, 1990) Graphique 2.1 – Rentabilités anormales cumulatives (CAR) des portefeuilles composés suivant les surprises de bénéfices (84472 annonces trimestrielles de bénéfice, 1974 – 1986) : Source Bernard (1993) in Bernard et Thomas (1989) Graphique 2.2 – Evolution des réactions des titres aux annonces de bénéfices selon la taille sur 360 jours de transaction: Source Bernard (1993) in Bernard et Thomas (1989) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 316 Graphique 2.3 – Graphique comparatif des résultats des études de Latane, Jones et Rieke (1974), Rendleman, Jones et Latane (1982) et Bernard et Thomas (1989): Source Bernard (1993) Graphique 2.4 – Evolution des rentabilités anormales cumulatives (CAR) ajustées à la taille des portefeuilles composés suivant les surprises de bénéfices: Source Bernard (1993) in Bernard et Thomas (1989) L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 317 ANNEXE 4 : LISTES DES FIRMES INITIALE ET FINALE DE NOTRE ETUDE Annexe 4.1 - Liste initiale des firmes (financières et non financières) de notre étude. NAME*** INDM** VINTNERS BDATE* TEXTILES+LEATHER LVMH GDS OTHER 01/01/73 COMPUTER BULL HARDWARE 01/01/73 FOOD + DRUG CARREFOUR RETAILERS 01/01/73 FOOD + DRUG CASINO GUICHARD-P RETAILERS VIVENDI UNIVERSAL CABLE + SATELLITE DEPT 01/01/73 GDS 01/01/73 HOTELS 01/01/73 GALERIES RETAILERS, MULTI LAFAYETTE DEPT 01/01/73 VALEO AUTO PARTS 01/01/73 ELF AQUITAINE OIL INTEGRATED 01/01/73 CIMENTS FRANCAIS MATERIALS 01/01/73 TOTAL FINA ELF SA OIL INTEGRATED 01/01/73 LAFARGE MATERIALS EIFFAGE CONSTRUCTION BUILDING 01/01/73 TEXTILES+LEATHER VEV CONSTRUCTION 01/01/73 RETAILERS, MULTI PINAULT PRINTEMPS COLAS CLUB MEDITERRANEE BUILDING 01/01/73 NON-FERROUS VALLOUREC METALS 01/01/73 FINEXTEL REAL ESTATE DEV. 01/01/73 AIRLINES + 01/01/73 OTHER 01/01/73 OTHER GROUPE GTM CONSTRUCTION 01/01/73 DEFENCE 01/01/1973 THALES (EX AIR FRANCE AIRPORTS 01/01/73 LOCINDUS REAL ESTATE DEV. 01/01/73 ACCOR HOTELS 01/01/1973 MICHELIN TYRES AND RUBBER 01/01/73 EUROPE 1 COMM. BROADCASTING 01/01/1973 DASSAULT AVIATION AEROSPACE 01/01/73 BAZAR DE L' RETAILERS, MULTI HTL.VILLE DEPT 01/01/73 SOMMER-ALLIBERT AUTO PARTS 01/01/73 LEGRAND EQUIPMENT 01/01/1973 DANONE FOOD PROCESSORS 01/01/73 THOMSON-CSF) TELECOM SAGEM EQUIPMENT 01/01/1973 ELECTRICAL ESSO OIL INTEGRATED 01/01/73 FROMAGERIES BEL FOOD PROCESSORS 01/01/73 BAIL INVESTI. REAL ESTATE DEV. 01/01/73 MOULINEX APPS+HSEWARES 01/01/73 L'OREAL PRODUCTS BOUYGUES CONSTRUCTION 01/01/73 UNIBAIL R REAL ESTATE DEV. 29/01/74 ELF GABON EXPL/PROD. 19/02/74 HSEHOLD PERSONAL TEXTILES+LEATHER DMC GDS SKIS ROSSIGNOL CR.FONC.FRANCE 'B' 01/01/73 CHEMICALS, AIR LIQUIDE COMMODITY OIL + GAS 01/01/73 HSEHOLD 01/01/73 OTHER LEISURE EQUIPMENT 01/01/73 REAL ESTATE DEV. 01/01/73 BIC APPS+HSEWARES 01/01/73 HAVAS MEDIA AGENCIES 04/09/74 PERNOD-RICARD DISTILLERS + 01/01/73 TAITTINGER DISTILLERS + 26/02/75 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 318 VINTNERS INDUSTRY HSEHOLD SEB APPS+HSEWARES 10/06/75 MED EQUIP + ESSILOR INTL. SUPPLIES METALEUROP ENG. FABRICATORS 04/01/88 TEISSEIRE-FRANCE SOFT DRINKS 04/01/88 AEROSPACE 04/01/88 TECHNOFAN 28/10/75 NON-FERROUS GEODIS RAIL, ROAD, FREIGHT 04/01/88 BOLLORE RAIL, ROAD, FREIGHT 04/01/88 CFF RECYCLING METALS 12/11/75 CR.AGR.ILE DE GAUMONT LEISURE FACILITIES 13/11/75 FRANCE HAVAS ADVERTISING MEDIA AGENCIES 14/11/75 LOUVRE (STE DU) HOTELS 21/11/75 SIMCO R REAL ESTATE DEV. 04/12/75 PEUGEOT SA AUTOMOBILE 30/09/76 DEVEAUX GDS AXA OTHER INSURANCE 27/09/77 GUYENNE & FOOD + DRUG GASCOGNE RETAILERS DIVERSIFIED CGIP INDUSTRY DAMART GOODS 02/03/88 FOOD + DRUG RALLYE RETAILERS 31/05/88 TEXTILES+LEATHER 20/11/78 31/05/88 31/05/88 ENGINEERING, NSC RETAILERS, SOFT BANKS 25/01/80 GENERAL 02/06/88 ELECTRONIC FOOD PROCESSORS 21/07/80 INGENICO SANOFI-SYNTHELABO PHARMACEUTICALS 21/07/80 TF1 (TV.FSE.1) EQUIPMENT 03/06/88 LEISURE FACILITIES 03/06/88 BONGRAIN EQUIPMENT 02/06/88 BROADCASTING 02/06/88 ELECTRONIC ELECTRICAL SCHNEIDER ELTE.SA EQUIPMENT 18/09/81 TONNA ELEC. SODEXHO ALLIANCE BUSINESS SUPPORT 15/04/83 SMOBY FAURECIA AUTO PARTS 02/01/84 MANUTAN INTL. 03/01/84 CHRISTIAN DALLOZ 03/12/84 BOISSET VINTNERS 15/07/88 ROCHETTE (LA) PACKAGING 27/07/88 CLOTHING + CHEMS.ADVANCED PLASTIC OMNIUM MATS. PRODUCTS COMPUTER CAP GEMINI SERVICES METALS SAINT GOBAIN MATERIALS THERMADOR GPE. 10/07/85 GROUPE ZANNIER FOOTWEAR 26/08/88 TIPIAK FOOD PROCESSORS 03/01/89 23/12/86 TELECOM EQUIPMENT 03/06/87 ENGINEERING, CNIM (CA) GENERAL 29/06/87 SOCIETE GENERALE BANKS 08/07/87 UNION FINC.FRANC. BANKS 17/09/87 ALTRAN TECH. BUSINESS SUPPORT 20/10/87 FOOD + DRUG RETAILERS 29/10/87 CANAL + BROADCASTING 27/11/87 SERVICES 18/04/89 CEGID SOFTWARE 18/04/89 SOGEPARC REAL ESTATE DEV. 18/04/89 RUBIS OIL INTEGRATED 18/04/89 DISTILLERS + MARIE BRIZARD MEDIA AGENCIES 04/01/88 ZODIAC LEISURE FACILITIES 04/01/88 DIVERSIFIED 04/01/88 VINTNERS 18/04/89 DIVERSIFIED INDUSTRY 18/04/89 DIVERSIFIED FIMALAC INDUSTRY VINCI (EX SGE) CONSTRUCTION DISTRIB. IND. COMPS. 04/01/88 PUBLICIS GROUPE DELACHAUX COMPUTER ATOS ORIGIN BOLLORE INVESTI. DISTRIBORG REXEL DISTRIB. IND. COMPS. 29/07/88 CLOTHING + BUILDING ALCATEL A 11/07/88 12/06/85 NON-FERROUS PECHINEY 'B' FOOTWEAR DISTILLERS + PERSONAL CLARINS DISTRIB. IND. COMPS. 06/06/88 18/04/89 OTHER 18/04/89 DIVERSIFIED FINATIS INDUSTRY L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. 18/04/89 Annexes 319 IMMOB.HOTELIERE REAL ESTATE DEV. 18/04/89 INSURANCE NONFINAXA NON-FERROUS LIFE 18/04/89 NORDON METALS 18/04/89 MONTUPET AUTO PARTS 18/04/89 CASCADES PACKAGING 18/04/89 VIRBAC PHARMACEUTICALS 18/04/89 GEVELOT ENG. FABRICATORS 18/04/89 PARIS.DE CHAUFFAGE GAS DISTRIBUTION 18/04/89 ONET 18/04/89 TOUAX 18/04/89 DYNACTION INDUSTRY 18/04/89 MUSEE GREVIN LEISURE FACILITIES 18/04/89 AGF-ASR.GL.DE FRN. OTHER INSURANCE 18/04/89 BAINS MER MONACO LEISURE FACILITIES LAUNDRIES + INDUSTRY SALVEPAR INVESTMENT COS.(6) 18/04/89 NON-FERROUS CROMETAL METALS LEBON 18/04/89 INVESTMENT COS.(6) 18/04/89 PAUL PREDAULT FOOD PROCESSORS COMMERCIAL MANITOU MARINE WENDEL REAL ESTATE DEV. OXYGENE EO. PACKAGING 18/04/89 GUERBET PHARMACEUTICALS 18/04/89 NORD-EST PACKAGING SUCRIERE PITHIVIERS FOOD PROCESSORS NATEXIS BQ POP BANKS 18/04/89 VIEL ET CIE ENTENIAL (EX CDE) BANKS 18/04/89 DUPONT STEEL 18/04/89 SOPHIA (EX SFI) REAL ESTATE DEV. 18/04/89 TELEFLEX LIONEL EUROTUNNEL UNT.FF RAIL, ROAD, FREIGHT 18/04/89 PERSONAL JACQUES BOGART PRODUCTS 18/04/89 KLEPIERRE REAL ESTATE DEV. 18/04/89 SCOR RE-INSURANCE 18/04/89 SAUPIQUET FOOD PROCESSORS 18/04/89 CHEMICALS, ROBERTET SPECIALITY 18/04/89 RUE IMPERIALE REAL ESTATE DEV. 18/04/89 SILIC REAL ESTATE DEV. 18/04/89 INSURANCE NONGENERALI FRANCE LIFE 18/04/89 BUILDING VICAT MATERIALS 18/04/89 GECINA REAL ESTATE DEV. 18/04/89 ENGINEERING, LEGRIS INDUSTRIES GENERAL 18/04/89 18/04/89 EQUIPMENT 18/04/89 GOODS 18/04/89 INVESTMENT BANKS 18/04/89 MEDIA AGENCIES 18/04/89 ELECTRONIC 18/04/89 PROPERTY AGENCIES 18/04/89 INDUSTRY SR TELEPERFORMANCE SAY CI LIMITED DATA FOOD PROCESSORS 18/04/89 RETAILERS, SOFT 18/04/89 ERIDANIA BEGHIN ICC MB ELECTRONIQUE GO SPORT 18/04/89 INDUSTRY ELECTRONIC PARIS.REESCOMPTE INVESTMENT COS.(6) 18/04/89 POCHET 18/04/89 DIVERSIFIED 18/04/89 CPR VEHICLES DIVERSIFIED 18/04/89 IMMEUBLES DE FRANCE 18/04/89 DIVERSIFIED DIVERSIFIED LUCIA CLEANERS RAIL, ROAD, FREIGHT 18/04/89 LECTRA SYS. EQUIPMENT 18/04/89 ENGINEERING, BENETEAU GENERAL 18/04/89 FOOD + DRUG MONOPRIX RETAILERS 18/04/89 PUBLISHING + LAGARDERE GROUPE PRINTING 18/04/89 RETAILERS, SOFT GROUPE ANDRE GOODS 18/04/89 PUBLISHING + FININFO PRINTING 18/04/89 NON-FERROUS ARBEL METALS 18/04/89 UNILOG SA SOFTWARE 18/04/89 CLOTHING + ROULEAU GUICHARD FOOTWEAR CASTORAMA DUBOIS RETAIL, HARDLINES LATECOERE DEFENCE 19/04/89 19/04/89 03/05/89 ELECTRONIC RADIALL EQUIPMENT 13/06/89 GROUPE GASCOGNE PACKAGING 06/07/89 HUREL DUBOIS AEROSPACE 05/09/89 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 320 SPIR COMM. BROADCASTING 12/09/89 EURO DISNEY SCA LEISURE FACILITIES 03/11/89 SYLEA EQUIPMENT NRJ BROADCASTING 08/12/89 SYSTAR LIMITED COMPUTER 12/12/89 DATA SERVICES 27/03/90 ADA PIER IMPORT EUROPE RETAIL, HARDLINES SOPRA SOFTWARE FFP FONC.FINC.PARTS. REAL ESTATE DEV. ELECTRICAL FAIVELEY CNO.CANNES HOTELS RAIL, ROAD, FREIGHT 06/07/94 GENERAL 13/09/94 NON-FERROUS 19/09/90 BUILDING 27/06/94 ENGINEERING, 19/09/90 FERMIERE 20/06/94 ERAMET METALS 04/10/94 SABETON MATERIALS 21/09/90 BOIRON PHARMACEUTICALS 04/10/94 GROUPE GUILLIN PAPER 21/09/90 M6-METROPOLE TV BROADCASTING 05/10/94 ENGINEERING, BUILDING 21/09/90 TECHNIP GENERAL 28/10/94 CHEMICALS, RENAULT AUTOMOBILE 17/11/94 PSB INDUSTRIES COMMODITY 21/09/90 PENAUILLE SODICE RETAIL, HARDLINES 21/09/90 POLYSERVICES BUSINESS SUPPORT 08/12/94 SEMICONDUCTORS 08/12/94 SAMSE MATERIALS SACI DISTRIB. IND. COMPS. 21/09/90 S (PAR) CHEMS.ADVANCED BURELLE MATS. SIPAREX MECATHERM GENERAL GROUPE DIFFUSION + BUSINESS SUPPORT CHEMS.ADVANCED MATS. ENGINEERING, 21/03/91 INVESTMENT COS.(6) 11/06/91 PLAST.VAL LOIRE STMICROELECTRONIC TOBACCO 14/12/94 24/01/95 24/06/91 SEITA 20/02/95 EQUIPMENT 23/03/95 HOTELS 29/03/95 ELECTRONIC TEXTILES+LEATHER CHRISTIAN DIOR GDS 04/12/91 APEM REMY COINTREAU BREWERS 24/12/91 GROUPE PARTOUCHE SPECIALITY 06/04/95 CHEMICALS, BUILDING LAPEYRE MATERIALS 21/05/92 PCAS AVENTIS PHARMACEUTICALS 26/01/93 CEGEDIM BUSINESS SUPPORT 12/04/95 CLOTHING + ASSYSTEM BUSINESS SUPPORT 09/06/95 FOOTWEAR 03/06/93 SABATE DIOSOS PACKAGING 27/06/95 DU PAREIL MEME HERMES INTL. TEXTILES+LEATHER CLOTHING + NAF-NAF FOOTWEAR 16/06/93 BNP PARIBAS BANKS 18/10/93 SIDEL COMMODITY 04/07/95 GENERAL USINOR STEEL 10/07/95 LDC FOOD PROCESSORS 23/11/95 JET MULTIMEDIA MEDIA AGENCIES 27/12/95 HIGH CO MEDIA AGENCIES 17/04/96 ARKOPHARMA PHARMACEUTICALS 22/04/96 HYPARLO RETAIL, HARDLINES 30/04/96 GENSET PHARMACEUTICALS 07/06/96 RETAIL, HARDLINES VILMORIN CLAUSE FARMING AND &CIE FISHING 27/10/93 08/11/93 09/11/93 PUBLISHING + PRINTING EURO.D'EXTINCTEURS BUSINESS SUPPORT 23/12/93 01/06/94 OTHER CONSTRUCTION 01/06/94 NORBERT DENTRESSANGLE GRANDVISION CHEMICALS, INFO REALITE LIVRES/PROFRANCE ALGECO 30/06/95 ENGINEERING, MAXI- INFOGRAMES ENTM. GDS RAIL, ROAD, FREIGHT 10/06/94 PHOTOGRAPHY 14/06/94 TEXTILES+LEATHER CHARGEURS GDS 24/06/96 BRICORAMA RETAIL, HARDLINES 24/06/96 PATHE MEDIA AGENCIES 24/06/96 DASSAULT SYSTEMES SOFTWARE 28/06/96 UBI SOFT ENTM. HOME 04/07/96 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 321 ENTERTAINMENT ALDETA BUILDING WALTER MATERIALS RETAIL, HARDLINES 10/07/97 DANE-ELEC MEMORY BUSINESS SUPPORT 17/07/97 26/09/96 EURO DE CASINOS 09/10/96 SYLIS 15/10//96 FRANCE TELECOM LINE 17/10/97 SAVEURS FRANCE FOOD PROCESSORS 20/10/97 SECHE ENVIRONMENTAL ENVIRONNEMENT CONTROL ELECTRONIC COFIDUR EQUIPMENT ALES GROUPE PRODUCTS 25/10//96 RETAILERS, SOFT MARC ORIAN GOODS SERVICES 15/10/97 TELECOM FIXED COMPUTER SERVICES 22/07/97 COMPUTER PERSONAL R2I SANTE LEISURE FACILITIES 30/10//96 COMPUTER 26/11/97 COMPUTER GROUPE FOCAL SERVICES PUBLISHING + 12/12/97 TITUS INTERACTIVE SERVICES 04/11//96 HOLOGRAM NATUREX FOOD PROCESSORS 04/11//96 INDUSTRIES PRINTING 19/01/98 CEREP PHARMACEUTICALS 20/02/98 BOUYGUES OFFSHORE OIL SERVICES 07/11//96 DISTILLERS + BOIZEL CHANOINE BVRP FINUCHEM INDUSTRY 27/02/98 VINTNERS 06/12//96 TRANSICIEL SOFTWARE 13/03/98 SOFTWARE 09/12//96 TRIGANO TEXTILES+LEATHER ST DUPONT FLO (GROUPE) GDS 10/12//96 BROADCASTING 10/12//96 JEAN CLAUDE DARMON DIVERSIFIED ELECTRONIC OLITEC EQUIPMENT 17/12//96 BELVEDERE PAPER 28/01/97 APPS+HSEWARES 04/02/97 ROYAL CANIN FOOD PROCESSORS 01/04/97 EXPOSITIONS BUSINESS SUPPORT 20/05/97 DURAN DUBOI MEDIA AGENCIES 23/05/97 CREATIFS HOTELS 05/05/98 RODRIGUEZ GROUP LEISURE EQUIPMENT 19/05/98 WORMS &CIE (EX- DIVERSIFIED SOMEAL) INDUSTRY 25/05/98 GFI INFORMATIQUE SOFTWARE 27/05/98 DIOSOS PACKAGING 11/06/98 SILICOMP SOFTWARE 15/06/98 BRICE DISTRIBUTORS HSEHOLD GUY DEGRENNE LEISURE EQUIPMENT 18/03/98 OTHER 18/06/98 CHEMICALS, RHODIA COMMODITY 24/06/98 BONDUELLE FOOD PROCESSORS 25/06/98 OTOR PACKAGING 25/06/98 ELECTRONIC DIGIGRAM EQUIPMENT 13/06/97 ENGINEERING, EXEL INDUSTRIES GENERAL ETAM RETAILERS, SOFT DEVELOPEMENT GOODS 26/06/97 26/06/97 ELECTRICAL ENTRELEC GROUP EQUIPMENT 27/06/97 ESKER SOFTWARE 02/07/97 Annexe 4.2 - Liste finale des firmes de notre étude avec les dates d’annonces de bénéfice. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 322 EQUIPMENT DAT_ANO_ BENEF**** Name*** IDMN* 31/12/1987 ACCOR HOTELS 11/05/1989 ACCOR HOTELS 10/05/1990 ACCOR HOTELS 19/06/1991 ACCOR HOTELS 13/05/1992 ACCOR HOTELS 01/07/1993 ACCOR HOTELS 14/04/1994 ACCOR HOTELS 05/05/1995 ACCOR 29/04/1996 13/04/1994 ALCATEL A 05/04/1995 ALCATEL A 29/03/1996 ALCATEL A 18/03/1997 ALCATEL A 19/03/1998 ALCATEL A HOTELS 29/01/1999 ALCATEL A ACCOR HOTELS 04/02/2000 ALCATEL A 07/05/1997 ACCOR HOTELS 08/04/1998 ACCOR HOTELS 05/08/1997 ALDETA 31/03/1999 ACCOR HOTELS 13/01/1999 ALDETA 22/03/2000 ACCOR 18/05/1999 ALDETA 13/12/1994 ADA 13/02/1997 ALES GROUPE 14/09/1995 ADA 14/04/1997 ALES GROUPE 09/07/1996 ADA 31/03/1998 ALES GROUPE 14/05/1997 ADA 28/04/1999 ALES GROUPE 13/04/1998 ADA 02/06/2000 ALES GROUPE 31/05/2000 AIR FRANCE 28/08/1997 ALGECO 31/12/1987 AIR LIQUIDE 14/01/1998 ALGECO 11/05/1989 AIR LIQUIDE 15/12/1998 ALGECO 15/05/1990 AIR LIQUIDE 25/01/2000 ALGECO 16/04/1991 AIR LIQUIDE 31/12/1987 ALTRAN TECH. 09/04/1992 AIR LIQUIDE 16/08/1989 ALTRAN TECH. 25/03/1993 AIR LIQUIDE 15/05/1990 ALTRAN TECH. 25/03/1994 AIR LIQUIDE 15/05/1991 ALTRAN TECH. 23/03/1995 AIR LIQUIDE 11/06/1992 ALTRAN TECH. 19/04/1996 AIR LIQUIDE 07/06/1993 ALTRAN TECH. 06/03/1997 AIR LIQUIDE 20/09/1994 ALTRAN TECH. 05/03/1998 AIR LIQUIDE 05/05/1995 ALTRAN TECH. 08/03/1999 AIR LIQUIDE 10/04/1996 ALTRAN TECH. 02/03/2000 AIR LIQUIDE 06/05/1997 ALTRAN TECH. 31/12/1987 ALCATEL A 30/04/1998 ALTRAN TECH. 25/05/1989 ALCATEL A 15/04/1999 ALTRAN TECH. 18/07/1990 ALCATEL A 19/04/2000 ALTRAN TECH. 19/06/1991 ALCATEL A 01/11/1995 APEM 09/04/1992 ALCATEL A HOTELS RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT AIRLINES + AIRPORTS CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT 11/06/1996 APEM 06/05/1993 ALCATEL A TELECOM L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT Annexes 323 18/04/1997 APEM 27/03/1998 APEM 27/04/1999 APEM 06/04/2000 APEM 27/08/1990 ARBEL 03/07/1991 ARBEL 11/06/1992 ARBEL 10/12/1993 ARBEL 21/07/1994 ARBEL 12/06/1995 ARBEL 20/10/1997 ARBEL 13/01/1999 ARBEL 12/08/1996 ARKOPHARMA 13/05/1997 ARKOPHARMA 17/02/1998 ARKOPHARMA 31/03/1999 ARKOPHARMA 23/02/2000 ARKOPHARMA 13/07/1995 ASSYSTEM 19/04/1996 ASSYSTEM 14/05/1997 ASSYSTEM 07/04/1998 ASSYSTEM 04/05/1999 ASSYSTEM 05/05/2000 ASSYSTEM 31/12/1987 ATOS ORIGIN 19/07/1989 ATOS ORIGIN 19/06/1990 ATOS ORIGIN 29/07/1991 ATOS ORIGIN 28/05/1992 ATOS ORIGIN 08/06/1993 ATOS ORIGIN 08/02/1994 ATOS ORIGIN 20/03/1995 ATOS ORIGIN 24/10/1995 ATOS ORIGIN 24/09/1996 ATOS ORIGIN 12/12/1997 ATOS ORIGIN 11/12/1998 ATOS ORIGIN ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES 02/12/1999 ATOS ORIGIN 31/12/1987 AVENTIS 29/06/1989 AVENTIS 18/04/1990 AVENTIS 15/05/1991 AVENTIS 30/04/1992 AVENTIS 04/03/1993 AVENTIS 18/02/1994 AVENTIS 09/02/1995 AVENTIS 20/02/1996 AVENTIS 07/05/1997 AVENTIS 29/01/1998 AVENTIS 29/01/1999 AVENTIS 23/03/2000 AVENTIS 13/09/1990 BAINS MER MONACO 13/11/1991 BAINS MER MONACO 05/11/1992 BAINS MER MONACO 09/11/1993 BAINS MER MONACO 07/03/1995 BAINS MER MONACO 09/01/1996 BAINS MER MONACO 20/12/1996 BAINS MER MONACO 30/10/1997 BAINS MER MONACO 15/09/1998 BAINS MER MONACO 02/12/1999 BAINS MER MONACO BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE 31/12/1987 12/06/1989 30/05/1990 16/04/1991 13/05/1992 01/07/1993 21/07/1994 12/05/1995 29/03/1996 01/04/1997 13/03/1998 COMPUTER SERVICES PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 324 24/03/2000 BAZAR DE L' HTL.VILLE BAZAR DE L' HTL.VILLE RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT 22/01/1997 BELVEDERE PAPER 12/05/1997 BELVEDERE PAPER 20/04/1998 BELVEDERE PAPER 21/10/1999 BELVEDERE PAPER 16/03/2000 BELVEDERE 31/08/1987 BENETEAU 31/08/1988 BENETEAU 05/03/1990 BENETEAU 13/03/1991 BENETEAU 11/03/1992 BENETEAU 01/02/1993 BENETEAU 08/12/1994 BENETEAU 24/01/1995 BENETEAU 14/03/1996 BENETEAU 12/05/1997 BENETEAU 05/12/1997 BENETEAU 15/09/1998 BENETEAU 25/01/2000 BENETEAU 31/12/1987 BIC 26/06/1989 BIC 15/05/1990 BIC 13/06/1991 BIC 06/05/1993 BIC 07/05/1993 BIC 24/03/1994 BIC 23/03/1995 BIC 22/03/1996 BIC 20/03/1997 BIC 12/03/1998 BIC 25/02/1999 BIC 24/03/2000 BIC 31/12/1987 BOIRON 22/06/1989 BOIRON 15/05/1990 BOIRON PAPER ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS 22/03/1999 15/05/1991 BOIRON 13/05/1992 BOIRON 06/05/1993 BOIRON 01/08/1994 BOIRON 31/03/1995 BOIRON 09/07/1996 BOIRON 13/03/1997 BOIRON 19/03/1998 BOIRON 18/03/1999 BOIRON 16/03/2000 BOIRON 31/12/1987 BOISSET 31/08/1988 BOISSET 13/02/1990 BOISSET 13/03/1991 BOISSET 12/06/1995 BOISSET 12/06/1996 BOISSET 15/05/1997 BOISSET 05/06/1998 BOISSET 12/04/1999 BOISSET 28/04/2000 BOISSET 27/12/1996 BOIZEL CHANOINE 14/05/1997 BOIZEL CHANOINE 15/04/1998 BOIZEL CHANOINE 30/03/1999 BOIZEL CHANOINE 30/03/2000 BOIZEL CHANOINE 31/12/1987 BOLLORE 16/08/1989 BOLLORE 05/06/1990 BOLLORE 30/05/1991 BOLLORE 30/04/1992 BOLLORE 27/05/1993 BOLLORE 19/04/1995 BOLLORE 10/04/1996 BOLLORE 03/04/1997 BOLLORE 13/04/1998 BOLLORE PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 325 16/04/1999 BOLLORE 05/05/2000 BOLLORE 29/04/1996 BOLLORE INVESTI. 10/10/1996 BOLLORE INVESTI. 22/03/1999 BOLLORE INVESTI. 27/04/1999 BOLLORE INVESTI. 05/05/2000 BOLLORE INVESTI. 21/10/1998 BONDUELLE 30/03/1999 BONDUELLE 29/03/2000 BONDUELLE 31/12/1987 BONGRAIN 19/07/1989 BONGRAIN 15/05/1990 BONGRAIN 13/06/1991 BONGRAIN 30/04/1992 BONGRAIN 22/04/1993 BONGRAIN 27/04/1994 BONGRAIN 14/03/1995 BONGRAIN 28/03/1996 BONGRAIN 07/03/1997 BONGRAIN 06/03/1998 BONGRAIN 08/03/1999 BONGRAIN 14/03/2000 BONGRAIN 31/12/1987 BOUYGUES 09/03/1989 BOUYGUES 30/05/1990 BOUYGUES 16/04/1991 BOUYGUES 16/03/1992 BOUYGUES 25/03/1993 BOUYGUES 20/04/1994 BOUYGUES 21/04/1995 BOUYGUES 02/05/1996 BOUYGUES 29/04/1997 BOUYGUES 08/04/1998 BOUYGUES 31/03/1999 BOUYGUES RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION 06/03/2000 OTHER CONSTRUCTION BOUYGUES 05/12/1996 BOUYGUES OFFSHORE OIL SERVICES 19/03/1997 BOUYGUES OFFSHORE OIL SERVICES 10/03/1998 BOUYGUES OFFSHORE OIL SERVICES 15/03/1999 BOUYGUES OFFSHORE OIL SERVICES 08/03/2000 BOUYGUES OFFSHORE 14/10/1998 BRICE 06/05/1999 BRICE 24/05/2000 BRICE 12/08/1996 BRICORAMA 30/04/1997 BRICORAMA 30/04/1998 BRICORAMA 16/04/1999 BRICORAMA 16/05/2000 BRICORAMA 31/12/1987 BULL 16/08/1989 BULL 11/07/1990 BULL 12/07/1991 BULL 11/06/1992 BULL 15/05/1997 BULL 04/02/1998 BULL 12/02/1999 BULL 11/02/2000 BULL 02/01/1990 BURELLE 05/06/1990 BURELLE 13/06/1991 BURELLE 04/06/1992 BURELLE 07/07/1993 BURELLE 20/12/1994 BURELLE 14/09/1995 BURELLE 12/07/1996 BURELLE 16/05/1997 BURELLE 02/04/1998 BURELLE 05/02/1999 BURELLE OIL SERVICES OTHER DISTRIBUTORS OTHER DISTRIBUTORS OTHER DISTRIBUTORS RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES COMPUTER HARDWARE COMPUTER HARDWARE COMPUTER HARDWARE COMPUTER HARDWARE COMPUTER HARDWARE COMPUTER HARDWARE COMPUTER HARDWARE COMPUTER HARDWARE COMPUTER HARDWARE CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. 13/05/1997 BVRP SOFTWARE 20/11/1997 BVRP SOFTWARE 15/09/1998 BVRP SOFTWARE L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 326 04/11/1999 BVRP SOFTWARE 31/12/1987 CANAL + BROADCASTING 11/05/1989 CANAL + BROADCASTING 10/05/1990 CANAL + BROADCASTING 15/05/1991 CANAL + BROADCASTING 30/04/1992 CANAL + BROADCASTING 01/04/1993 CANAL + BROADCASTING 13/04/1994 CANAL + BROADCASTING 14/03/1995 CANAL + BROADCASTING 22/03/1996 CANAL + BROADCASTING 20/03/1997 CANAL + BROADCASTING 09/03/1998 CANAL + BROADCASTING 18/03/1999 CANAL + BROADCASTING 08/03/2000 CANAL + 31/12/1987 CAP GEMINI 30/12/1988 CAP GEMINI 14/03/1990 CAP GEMINI 13/03/1991 CAP GEMINI 30/04/1992 CAP GEMINI 24/02/1993 CAP GEMINI 28/02/1994 CAP GEMINI 12/06/1995 CAP GEMINI 19/04/1996 CAP GEMINI 12/05/1997 CAP GEMINI 05/03/1998 CAP GEMINI 21/01/1999 CAP GEMINI 28/01/2000 CAP GEMINI 31/12/1987 CARREFOUR 01/05/1989 CARREFOUR 18/04/1990 CARREFOUR 15/05/1991 CARREFOUR 30/04/1992 CARREFOUR 07/04/1993 CARREFOUR 22/03/1994 CARREFOUR 08/03/1995 CARREFOUR 06/03/1996 CARREFOUR 26/02/1997 CARREFOUR 25/02/1998 CARREFOUR 18/02/1999 CARREFOUR BROADCASTING COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS 24/02/2000 CARREFOUR FOOD + DRUG RETAILERS 31/12/1987 CASCADES PACKAGING 14/07/1989 CASCADES PACKAGING 30/01/1991 CASCADES PACKAGING 13/06/1991 CASCADES PACKAGING 08/04/1992 CASCADES PACKAGING 01/04/1993 CASCADES PACKAGING 02/02/1995 CASCADES PACKAGING 12/06/1995 CASCADES PACKAGING 09/07/1996 CASCADES PACKAGING 15/05/1997 CASCADES PACKAGING 26/03/1998 CASCADES PACKAGING 10/03/1999 CASCADES PACKAGING 03/03/2000 CASCADES 31/12/1987 CASINO GUICHARD-P 13/06/1989 CASINO GUICHARD-P 15/05/1990 CASINO GUICHARD-P 13/06/1991 CASINO GUICHARD-P 30/04/1992 CASINO GUICHARD-P 07/04/1993 CASINO GUICHARD-P 10/03/1994 CASINO GUICHARD-P 20/03/1995 CASINO GUICHARD-P 12/03/1996 CASINO GUICHARD-P 11/03/1997 CASINO GUICHARD-P 21/01/1998 CASINO GUICHARD-P 23/02/1999 CASINO GUICHARD-P 07/03/2000 CASINO GUICHARD-P 31/12/1987 CASTORAMA DUBOIS 13/06/1989 CASTORAMA DUBOIS 05/06/1990 CASTORAMA DUBOIS 30/05/1991 CASTORAMA DUBOIS 13/05/1992 CASTORAMA DUBOIS 01/04/1993 CASTORAMA DUBOIS 05/04/1994 CASTORAMA DUBOIS 29/03/1995 CASTORAMA DUBOIS 09/04/1996 CASTORAMA DUBOIS 11/03/1997 CASTORAMA DUBOIS 13/03/1998 CASTORAMA DUBOIS PACKAGING FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES 17/03/1999 CASTORAMA DUBOIS RETAIL, L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 327 HARDLINES 13/06/1991 CGIP 13/05/1992 CGIP 01/07/1993 CGIP 26/04/1994 CGIP 05/05/1995 CGIP 26/06/1996 CGIP 14/05/1997 CGIP 03/04/1998 CGIP 01/04/1999 CGIP 29/03/2000 CGIP 24/06/1996 CHARGEURS 17/03/2000 CASTORAMA DUBOIS 09/10/1995 CEGEDIM 29/04/1996 CEGEDIM 08/04/1997 CEGEDIM 03/04/1998 CEGEDIM 09/04/1999 CEGEDIM 03/04/2000 CEGEDIM RETAIL, HARDLINES BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT 31/12/1987 CEGID SOFTWARE 16/08/1989 CEGID SOFTWARE 05/06/1990 CEGID SOFTWARE 13/06/1991 CEGID SOFTWARE 11/06/1992 CEGID SOFTWARE 27/05/1993 CEGID SOFTWARE 08/04/1997 CHARGEURS 18/11/1994 CEGID SOFTWARE 11/03/1998 CHARGEURS 12/06/1995 CEGID SOFTWARE 01/05/1996 CEGID SOFTWARE 03/03/1999 CHARGEURS 15/05/1997 CEGID SOFTWARE 02/03/2000 CHARGEURS 25/03/1998 CEGID SOFTWARE 31/12/1987 CHRISTIAN DALLOZ 26/03/1999 CEGID SOFTWARE 24/03/2000 CEGID 13/06/1989 CHRISTIAN DALLOZ 30/09/1987 CFF RECYCLING 15/08/1990 CHRISTIAN DALLOZ 16/08/1989 CFF RECYCLING 29/07/1991 CHRISTIAN DALLOZ 05/06/1990 CFF RECYCLING 11/06/1992 CHRISTIAN DALLOZ 13/06/1991 CFF RECYCLING 27/05/1993 CHRISTIAN DALLOZ 11/06/1992 CFF RECYCLING 21/07/1994 CHRISTIAN DALLOZ 27/05/1993 CFF RECYCLING 02/06/1995 CHRISTIAN DALLOZ 20/07/1994 CFF RECYCLING 09/07/1996 CHRISTIAN DALLOZ 29/06/1995 CFF RECYCLING 14/05/1997 CHRISTIAN DALLOZ 12/02/1996 CFF RECYCLING 06/03/1998 CHRISTIAN DALLOZ 13/03/1997 CFF RECYCLING 27/04/1999 CHRISTIAN DALLOZ 18/03/1998 CFF RECYCLING 06/04/2000 CHRISTIAN DALLOZ 15/12/1998 CFF RECYCLING 29/12/1989 CHRISTIAN DIOR 28/03/2000 CFF RECYCLING SOFTWARE NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS 10/12/1991 CHRISTIAN DIOR 13/07/1999 CGBI SOFTWARE 28/05/1992 CHRISTIAN DIOR 03/03/2000 CGBI 13/05/1993 CHRISTIAN DIOR 31/12/1987 CGIP 20/04/1994 CHRISTIAN DIOR 11/05/1989 CGIP 19/05/1995 CHRISTIAN DIOR 30/05/1990 CGIP SOFTWARE DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY 29/04/1996 CHRISTIAN DIOR DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 328 18/04/1997 CHRISTIAN DIOR 16/04/1998 CHRISTIAN DIOR 18/03/1999 CHRISTIAN DIOR 13/03/2000 CHRISTIAN DIOR 31/12/1987 CIMENTS FRANCAIS 13/06/1989 CIMENTS FRANCAIS 10/05/1990 CIMENTS FRANCAIS 13/06/1991 CIMENTS FRANCAIS 30/04/1992 CIMENTS FRANCAIS 22/04/1993 CIMENTS FRANCAIS 28/04/1994 CIMENTS FRANCAIS 22/03/1995 CIMENTS FRANCAIS 11/03/1996 CIMENTS FRANCAIS 03/03/1997 CIMENTS FRANCAIS 20/02/1998 CIMENTS FRANCAIS 16/02/1999 CIMENTS FRANCAIS 16/02/2000 CIMENTS FRANCAIS 31/12/1987 CLARINS 28/06/1989 CLARINS 01/05/1990 CLARINS 16/04/1991 CLARINS 20/05/1992 CLARINS 22/04/1993 CLARINS 20/04/1994 CLARINS 19/04/1995 CLARINS 22/03/1996 CLARINS 22/04/1997 CLARINS 20/04/1998 CLARINS 15/04/1999 CLARINS 07/04/2000 CLARINS 31/12/1987 CNIM (CA) 13/06/1989 CNIM (CA) 05/06/1990 CNIM (CA) 29/07/1991 CNIM (CA) 04/06/1992 CNIM (CA) TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL 16/06/1993 CNIM (CA) 02/09/1994 CNIM (CA) 12/06/1995 CNIM (CA) 12/04/1996 CNIM (CA) 23/04/1997 CNIM (CA) 03/04/1998 CNIM (CA) 11/06/1999 CNIM (CA) 02/06/2000 CNIM (CA) 13/02/1997 COFIDUR 13/05/1997 COFIDUR 15/04/1998 COFIDUR 09/04/1999 COFIDUR 02/06/2000 COFIDUR 31/12/1987 COLAS 18/07/1989 COLAS 15/08/1990 COLAS 15/05/1991 COLAS 28/05/1992 COLAS 14/07/1993 COLAS 19/04/1994 COLAS 21/04/1995 COLAS 18/04/1996 COLAS 21/04/1997 COLAS 02/02/1998 COLAS 29/03/1999 COLAS 04/02/2000 COLAS 31/12/1987 CROMETAL 13/06/1989 CROMETAL 13/06/1990 CROMETAL 13/06/1991 CROMETAL 04/06/1992 CROMETAL 07/06/1993 CROMETAL 02/09/1994 CROMETAL 12/06/1995 CROMETAL 10/10/1996 CROMETAL L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS Annexes 329 16/05/1997 CROMETAL 14/01/1999 CROMETAL 27/04/1999 CROMETAL 04/04/2000 CROMETAL 28/10/1998 CYBER PRESS PBL 29/04/1999 CYBER PRESS PBL 04/04/2000 CYBER PRESS PBL 31/12/1987 DAMART 11/05/1989 DAMART 04/06/1990 DAMART 13/06/1991 DAMART 04/06/1992 DAMART 14/04/1993 DAMART 23/08/1994 DAMART 13/02/1995 DAMART 13/11/1995 DAMART 04/12/1996 DAMART 19/09/1997 DAMART 15/09/1998 DAMART 02/12/1999 DAMART 31/12/1987 DANONE 11/05/1989 DANONE 03/05/1990 DANONE 16/04/1991 DANONE 30/04/1992 DANONE 25/03/1993 DANONE 17/03/1994 DANONE 28/03/1995 DANONE 22/03/1996 DANONE 04/02/1997 DANONE 29/01/1998 DANONE 27/01/1999 DANONE 28/01/2000 DANONE NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS 31/12/1987 DASSAULT AVIATION AEROSPACE 12/06/1989 DASSAULT AVIATION AEROSPACE 04/06/1990 DASSAULT AVIATION AEROSPACE 13/06/1991 DASSAULT AVIATION AEROSPACE 11/06/1992 DASSAULT AVIATION AEROSPACE 06/05/1993 DASSAULT AVIATION AEROSPACE 21/07/1994 DASSAULT AVIATION AEROSPACE 28/04/1995 DASSAULT AVIATION AEROSPACE 02/08/1996 DASSAULT AVIATION AEROSPACE 15/05/1997 DASSAULT AVIATION AEROSPACE 08/04/1998 DASSAULT AVIATION AEROSPACE 24/02/1999 DASSAULT AVIATION AEROSPACE 22/02/2000 DASSAULT AVIATION AEROSPACE 12/08/1996 DASSAULT SYSTEMES SOFTWARE 11/02/1997 DASSAULT SYSTEMES SOFTWARE 12/02/1998 DASSAULT SYSTEMES SOFTWARE 08/02/1999 DASSAULT SYSTEMES SOFTWARE 09/02/2000 DASSAULT SYSTEMES SOFTWARE DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS 31/12/1987 DELACHAUX 14/07/1989 DELACHAUX 11/07/1990 DELACHAUX 13/06/1991 DELACHAUX 30/06/1992 DELACHAUX 14/07/1993 DELACHAUX 18/11/1994 DELACHAUX 27/10/1995 DELACHAUX 10/10/1996 DELACHAUX 07/07/1997 DELACHAUX 05/06/1998 DELACHAUX 17/05/1999 DELACHAUX 02/06/2000 DELACHAUX 31/12/1987 DEVEAUX 13/06/1989 DEVEAUX 11/07/1990 DEVEAUX 15/05/1991 DEVEAUX 12/01/1993 DEVEAUX 14/07/1993 DEVEAUX 05/05/1994 DEVEAUX 04/04/1995 DEVEAUX 19/04/1996 DEVEAUX 25/02/1997 DEVEAUX 14/09/1998 DEVEAUX L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 330 27/04/1999 DEVEAUX 04/02/2000 DEVEAUX 11/06/1997 DIGIGRAM 26/03/1998 DIGIGRAM 24/02/1999 DIGIGRAM 03/03/2000 02/12/1999 DIGIGRAM DIOSOS SUSP - SUSP 28/02/01 DIOSOS SUSP - SUSP 28/02/01 DIOSOS SUSP - SUSP 28/02/01 31/12/1987 DISTRIBORG 13/06/1989 DISTRIBORG 13/06/1990 DISTRIBORG 13/06/1991 DISTRIBORG 08/04/1992 DISTRIBORG 27/05/1993 DISTRIBORG 18/11/1994 DISTRIBORG 14/08/1995 DISTRIBORG 09/07/1996 DISTRIBORG 26/03/1997 DISTRIBORG 06/03/1998 DISTRIBORG 04/03/1999 DISTRIBORG 18/04/2000 DISTRIBORG 31/12/1987 DMC 30/12/1988 DMC 16/05/1990 DMC 13/03/1991 DMC 13/05/1992 DMC 14/04/1993 DMC 08/03/1994 DMC 31/03/1995 DMC 14/03/1996 DMC 24/06/1998 15/12/1998 26/02/1997 DMC 26/02/1998 DMC 05/03/1999 DMC 23/02/2000 DMC TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT 02/03/2000 EIFFAGE TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION 31/12/1987 ELF AQUITAINE OIL INTEGRATED 16/08/1989 ELF AQUITAINE OIL INTEGRATED 13/03/1991 ELF AQUITAINE OIL INTEGRATED 12/07/1991 ELF AQUITAINE OIL INTEGRATED 16/03/1992 ELF AQUITAINE OIL INTEGRATED 01/11/1995 DU PAREIL MEME 09/07/1996 DU PAREIL MEME 13/05/1997 DU PAREIL MEME 30/04/1998 DU PAREIL MEME 15/03/1999 DU PAREIL MEME 27/03/2000 DU PAREIL MEME PACKAGING 31/12/1987 DYNACTION PACKAGING 14/07/1989 DYNACTION PACKAGING FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS 13/06/1990 DYNACTION 13/06/1991 DYNACTION 11/06/1992 DYNACTION 07/07/1993 DYNACTION 02/09/1994 DYNACTION 21/04/1995 DYNACTION 27/06/1996 DYNACTION 15/05/1997 DYNACTION 08/05/1998 DYNACTION 27/04/1999 DYNACTION 31/12/1987 EIFFAGE 16/08/1989 EIFFAGE 11/07/1990 EIFFAGE 19/06/1991 EIFFAGE 30/04/1992 EIFFAGE 27/05/1993 EIFFAGE 05/04/1994 EIFFAGE 29/03/1995 EIFFAGE 29/03/1996 EIFFAGE 20/03/1997 EIFFAGE 19/03/1998 EIFFAGE 09/03/1999 EIFFAGE L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 331 17/02/1993 ELF AQUITAINE OIL INTEGRATED 09/03/1994 ELF AQUITAINE OIL INTEGRATED 23/03/1995 ELF AQUITAINE OIL INTEGRATED 22/02/1996 ELF AQUITAINE OIL INTEGRATED 27/02/1997 ELF AQUITAINE OIL INTEGRATED 26/02/1998 ELF AQUITAINE OIL INTEGRATED 25/02/1999 ELF AQUITAINE OIL INTEGRATED 04/02/2000 ELF AQUITAINE 31/12/1987 13/06/1989 13/06/1990 15/05/1991 11/06/1992 27/05/1993 21/07/1994 02/05/1995 10/06/1996 03/03/1997 26/03/1998 02/03/1999 02/03/2000 17/06/1997 18/06/1998 05/02/1999 31/05/2000 21/09/1998 02/08/1999 17/05/2000 21/11/1994 05/05/1995 14/03/1996 30/04/1997 14/04/1998 08/04/1999 13/04/2000 31/12/1987 20/06/1989 OIL INTEGRATED OIL + GAS ELF GABON EXPL/PROD. OIL + GAS ELF GABON EXPL/PROD. OIL + GAS EXPL/PROD. ELF GABON OIL + GAS ELF GABON EXPL/PROD. OIL + GAS EXPL/PROD. ELF GABON OIL + GAS ELF GABON EXPL/PROD. OIL + GAS ELF GABON EXPL/PROD. OIL + GAS ELF GABON EXPL/PROD. OIL + GAS ELF GABON EXPL/PROD. OIL + GAS EXPL/PROD. ELF GABON OIL + GAS ELF GABON EXPL/PROD. OIL + GAS EXPL/PROD. ELF GABON OIL + GAS ELF GABON EXPL/PROD. ELECTRICAL ENTRELEC GROUP EQUIPMENT ELECTRICAL ENTRELEC GROUP EQUIPMENT ELECTRICAL ENTRELEC GROUP EQUIPMENT ELECTRICAL EQUIPMENT ENTRELEC GROUP TELECOM FIXED EQUANT (PAR) LINE TELECOM FIXED LINE EQUANT (PAR) TELECOM FIXED EQUANT (PAR) LINE NON-FERROUS ERAMET METALS NON-FERROUS ERAMET METALS NON-FERROUS ERAMET METALS NON-FERROUS METALS ERAMET NON-FERROUS ERAMET METALS NON-FERROUS METALS ERAMET NON-FERROUS ERAMET METALS ERIDANIA BEGHIN FOOD SAY CI LIMITED DATA PROCESSORS ERIDANIA BEGHIN FOOD SAY CI LIMITED DATA PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS ERIDANIA BEGHIN 18/07/1990 SAY CI LIMITED DATA ERIDANIA BEGHIN 13/06/1991 SAY CI LIMITED DATA ERIDANIA BEGHIN 13/05/1992 SAY CI LIMITED DATA ERIDANIA BEGHIN 01/07/1993 SAY CI LIMITED DATA ERIDANIA BEGHIN 04/04/1994 SAY CI LIMITED DATA ERIDANIA BEGHIN 07/04/1995 SAY CI LIMITED DATA ERIDANIA BEGHIN 10/04/1996 SAY CI LIMITED DATA ERIDANIA BEGHIN 04/04/1997 SAY CI LIMITED DATA ERIDANIA BEGHIN 01/04/1998 SAY CI LIMITED DATA ERIDANIA BEGHIN 18/03/1999 SAY CI LIMITED DATA ERIDANIA BEGHIN 30/03/2000 SAY CI LIMITED DATA 11/06/1997 ESKER SOFTWARE 06/04/1998 ESKER SOFTWARE 10/03/1999 ESKER SOFTWARE 22/03/2000 ESKER 31/12/1987 ESSILOR INTL. 11/05/1989 ESSILOR INTL. 04/06/1990 ESSILOR INTL. 13/06/1991 ESSILOR INTL. 06/05/1993 ESSILOR INTL. 06/05/1993 ESSILOR INTL. 25/04/1994 ESSILOR INTL. 03/04/1995 ESSILOR INTL. 08/04/1996 ESSILOR INTL. 20/03/1997 ESSILOR INTL. 12/03/1998 ESSILOR INTL. 11/03/1999 ESSILOR INTL. 28/01/2000 ESSILOR INTL. SOFTWARE MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES MED EQUIP + SUPPLIES 31/12/1987 ESSO OIL INTEGRATED 11/05/1989 ESSO OIL INTEGRATED 05/06/1990 ESSO OIL INTEGRATED 19/06/1991 ESSO OIL INTEGRATED 06/05/1993 ESSO OIL INTEGRATED 13/05/1993 ESSO OIL INTEGRATED 04/04/1994 ESSO OIL INTEGRATED 12/06/1995 ESSO OIL INTEGRATED 22/03/1996 ESSO OIL INTEGRATED 21/03/1997 ESSO OIL INTEGRATED 26/03/1998 ESSO OIL INTEGRATED L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 332 02/12/1999 FAIVELEY RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL 07/02/1990 FAURECIA AUTO PARTS 13/06/1991 FAURECIA AUTO PARTS 11/06/1992 FAURECIA AUTO PARTS 19/05/1993 FAURECIA AUTO PARTS 05/05/1994 FAURECIA AUTO PARTS 05/05/1995 FAURECIA AUTO PARTS 29/04/1996 FAURECIA AUTO PARTS 23/04/1997 FAURECIA AUTO PARTS 06/03/1998 FAURECIA AUTO PARTS 24/02/1999 FAURECIA AUTO PARTS 22/02/2000 FAURECIA 23/11/1998 FI SYSTEM BROADCASTING 22/04/1999 FI SYSTEM EUROPE 1 COMM. BROADCASTING 15/03/2000 FI SYSTEM EUROPE 1 COMM. BROADCASTING 13/03/1991 EUROPE 1 COMM. BROADCASTING 25/07/1996 FIMALAC 16/03/1992 EUROPE 1 COMM. BROADCASTING 10/04/1997 FIMALAC 19/05/1993 EUROPE 1 COMM. BROADCASTING 20/03/1998 FIMALAC 28/02/1994 EUROPE 1 COMM. BROADCASTING 12/06/1995 EUROPE 1 COMM. BROADCASTING 24/03/1999 FIMALAC 01/04/1996 EUROPE 1 COMM. BROADCASTING 05/05/2000 FIMALAC 05/02/1997 EUROPE 1 COMM. BROADCASTING 31/12/1987 FINATIS 06/03/1998 EUROPE 1 COMM. BROADCASTING 15/12/1998 EUROPE 1 COMM. BROADCASTING RAIL, ROAD, FREIGHT 13/06/1989 FINATIS 04/02/1991 FINATIS AUTO PARTS COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY 25/03/1999 ESSO OIL INTEGRATED 08/05/2000 07/04/2000 ESSO ETAM DEVELOPEMENT ETAM DEVELOPEMENT ETAM DEVELOPEMENT ETAM DEVELOPEMENT 31/07/1997 EURO DE CASINOS 15/04/1998 EURO DE CASINOS 15/12/1998 EURO DE CASINOS 22/02/2000 EURO DE CASINOS 20/01/1992 EURO DISNEY SCA 16/03/1992 EURO DISNEY SCA 16/12/1992 EURO DISNEY SCA 27/07/1994 EURO DISNEY SCA 05/05/1995 EURO DISNEY SCA 15/11/1995 EURO DISNEY SCA 13/03/1997 EURO DISNEY SCA 17/11/1997 EURO DISNEY SCA 19/11/1998 EURO DISNEY SCA 06/03/2000 EURO.D'EXTINCTEURS OIL INTEGRATED RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT 30/09/1987 EUROPE 1 COMM. 30/09/1988 10/04/1990 11/06/1997 03/04/1998 29/03/1999 05/11/1999 EURO DISNEY SCA 09/10/1995 EURO.D'EXTINCTEURS 31/05/1996 EURO.D'EXTINCTEURS 16/04/1997 EURO.D'EXTINCTEURS 31/03/1998 EURO.D'EXTINCTEURS 06/04/1999 EURO.D'EXTINCTEURS 01/07/1993 EUROTUNNEL UNT.FF 09/08/1994 EUROTUNNEL UNT.FF 02/06/1995 EUROTUNNEL UNT.FF 11/06/1996 EUROTUNNEL UNT.FF 19/05/1997 EUROTUNNEL UNT.FF 17/02/1998 EUROTUNNEL UNT.FF 16/03/1999 EUROTUNNEL UNT.FF 20/05/1998 EXEL INDUSTRIES 15/09/1998 EXEL INDUSTRIES 30/12/1999 EXEL INDUSTRIES 16/11/1994 FAIVELEY 01/02/1995 FAIVELEY 12/09/1995 FAIVELEY 25/07/1996 FAIVELEY 16/07/1997 FAIVELEY 15/09/1998 FAIVELEY L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 333 07/04/2000 FINUCHEM DIVERSIFIED INDUSTRY PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY 23/11/1998 FLO (GROUPE) HOTELS 27/04/1999 FLO (GROUPE) HOTELS 15/05/2000 FLO (GROUPE) 29/07/1991 FINATIS 31/12/1987 FININFO 14/07/1989 FININFO 05/06/1990 FININFO 29/07/1991 FININFO 29/07/1992 FININFO 27/03/1997 FININFO 16/05/1997 FININFO 07/05/1998 FININFO 13/04/1999 FININFO 03/04/2000 FININFO 25/03/1999 FINUCHEM 23/04/1999 FINUCHEM 16/04/1997 19/03/1998 18/03/1999 02/03/2000 31/12/1987 29/06/1989 05/06/1990 15/05/1991 13/05/1992 07/04/1993 04/04/1994 03/04/1995 11/06/1996 03/04/1997 08/04/1998 12/04/1999 25/04/2000 31/12/1987 14/07/1989 HOTELS TELECOM FIXED FRANCE TELECOM LINE TELECOM FIXED LINE FRANCE TELECOM TELECOM FIXED FRANCE TELECOM LINE TELECOM FIXED FRANCE TELECOM LINE FOOD FROMAGERIES BEL PROCESSORS FOOD FROMAGERIES BEL PROCESSORS FOOD PROCESSORS FROMAGERIES BEL FOOD FROMAGERIES BEL PROCESSORS FOOD PROCESSORS FROMAGERIES BEL FOOD FROMAGERIES BEL PROCESSORS FOOD FROMAGERIES BEL PROCESSORS FOOD FROMAGERIES BEL PROCESSORS FOOD FROMAGERIES BEL PROCESSORS FOOD PROCESSORS FROMAGERIES BEL FOOD FROMAGERIES BEL PROCESSORS FOOD PROCESSORS FROMAGERIES BEL FOOD FROMAGERIES BEL PROCESSORS RETAILERS, MULTI GALERIES LAFAYETTE DEPT RETAILERS, MULTI GALERIES LAFAYETTE DEPT 16/05/1990 GALERIES LAFAYETTE 13/06/1991 GALERIES LAFAYETTE 11/06/1992 GALERIES LAFAYETTE 14/07/1993 GALERIES LAFAYETTE 01/08/1994 GALERIES LAFAYETTE 12/06/1995 GALERIES LAFAYETTE 10/04/1996 GALERIES LAFAYETTE 07/04/1997 GALERIES LAFAYETTE 06/04/1998 GALERIES LAFAYETTE 01/04/1999 GALERIES LAFAYETTE 07/04/2000 GALERIES LAFAYETTE 04/04/1991 GAUMONT 13/06/1991 GAUMONT 04/06/1992 GAUMONT 01/04/1993 GAUMONT 21/07/1994 GAUMONT 05/05/1995 GAUMONT 11/06/1996 GAUMONT 13/03/1997 GAUMONT 06/03/1998 GAUMONT 24/03/1999 GAUMONT 03/03/2000 GAUMONT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES 25/03/1999 GENERALE LOCATION MEDIA AGENCIES 07/04/1999 GENERALE LOCATION MEDIA AGENCIES 03/03/2000 GENERALE LOCATION MEDIA AGENCIES COMPUTER SERVICES 25/03/1999 GENERIX COMPUTER 19/04/1999 GENERIX SERVICES COMPUTER 26/04/2000 GENERIX SERVICES ELECTRONIC 24/05/1999 GENESYS EQUIPMENT ELECTRONIC 12/04/2000 GENESYS EQUIPMENT PHARMACEUTICA LS 24/06/1996 GENSET PHARMACEUTICA 19/03/1997 GENSET LS PHARMACEUTICA LS 08/05/1998 GENSET PHARMACEUTICA 10/02/1999 GENSET LS PHARMACEUTICA 24/02/2000 GENSET LS RAIL, ROAD, 09/08/1988 GEODIS FREIGHT L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 334 15/05/1997 GEVELOT 17/04/1998 GEVELOT 28/04/1999 GEVELOT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS 30/09/1998 GFI INFORMATIQUE SOFTWARE 19/04/1996 GROUPE GASCOGNE PACKAGING GROUPE GASCOGNE PACKAGING 26/06/1989 GEODIS 15/05/1991 GEODIS 30/05/1991 GEODIS 04/06/1992 GEODIS 07/06/1993 GEODIS 01/08/1994 GEODIS 12/06/1995 GEODIS 09/07/1996 GEODIS 06/05/1997 GEODIS 17/04/1998 GEODIS 18/03/1999 GEODIS 24/03/2000 GEODIS 04/12/1995 GEVELOT 02/08/1996 GEVELOT 15/09/1998 GROUPE ANDRE 25/01/2000 GROUPE ANDRE 11/04/1995 GROUPE DIFFUSION + 27/11/1995 GROUPE DIFFUSION + 17/02/1997 GROUPE DIFFUSION + 23/09/1997 GROUPE DIFFUSION + 15/09/1998 GROUPE DIFFUSION + 02/12/1999 GROUPE DIFFUSION + 15/12/1998 GROUPE FOCAL 05/05/1999 GROUPE FOCAL 30/03/2000 GROUPE FOCAL RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES 31/12/1987 GROUPE GASCOGNE PACKAGING 13/06/1989 GROUPE GASCOGNE PACKAGING 13/06/1990 GROUPE GASCOGNE PACKAGING 13/06/1991 GROUPE GASCOGNE PACKAGING 04/06/1992 GROUPE GASCOGNE PACKAGING 22/04/1993 GROUPE GASCOGNE PACKAGING 01/08/1994 GROUPE GASCOGNE PACKAGING 02/06/1995 GROUPE GASCOGNE PACKAGING 03/03/1999 GFI INFORMATIQUE SOFTWARE 03/04/1997 23/02/2000 GFI INFORMATIQUE SOFTWARE 26/03/1998 GROUPE GASCOGNE 08/07/1994 GRANDVISION PHOTOGRAPHY 31/12/1987 GROUPE GTM 04/04/1995 GRANDVISION PHOTOGRAPHY 26/03/1996 GRANDVISION PHOTOGRAPHY 13/06/1989 GROUPE GTM 18/03/1997 GRANDVISION PHOTOGRAPHY 16/05/1990 GROUPE GTM 17/03/1998 GRANDVISION PHOTOGRAPHY 13/06/1991 GROUPE GTM 18/03/1999 GRANDVISION PHOTOGRAPHY 03/03/2000 GRANDVISION 13/05/1992 GROUPE GTM 31/08/1987 GROUPE ANDRE 07/04/1993 GROUPE GTM 31/08/1988 GROUPE ANDRE 15/03/1994 GROUPE GTM 13/02/1990 GROUPE ANDRE 12/04/1995 GROUPE GTM 13/03/1991 GROUPE ANDRE 12/04/1996 GROUPE GTM 19/02/1992 GROUPE ANDRE 01/04/1997 GROUPE GTM 17/02/1993 GROUPE ANDRE 26/03/1998 GROUPE GTM 14/02/1994 GROUPE ANDRE 25/03/1999 GROUPE GTM 10/04/1995 GROUPE ANDRE 05/05/2000 GROUPE GTM 02/01/1990 GROUPE GUILLIN PAPER 11/03/1996 GROUPE ANDRE 01/05/1990 GROUPE GUILLIN PAPER 13/03/1997 GROUPE ANDRE 13/06/1991 GROUPE GUILLIN PAPER 20/11/1997 GROUPE ANDRE PHOTOGRAPHY RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS PACKAGING OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION 04/06/1992 GROUPE GUILLIN PAPER L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 335 09/05/2000 GUERBET 15/12/1998 GUILLEMOT CORP. 02/12/1999 GUILLEMOT CORP. 06/02/1997 GUY DEGRENNE PAPER 06/05/1997 GUY DEGRENNE 31/03/1998 GUY DEGRENNE 08/04/1999 GUY DEGRENNE 26/04/2000 GUY DEGRENNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE GUYENNE & GASCOGNE PHARMACEUTICA LS LEISURE FACILITIES LEISURE FACILITIES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS 31/12/1987 HAVAS MEDIA AGENCIES 10/03/1989 HAVAS MEDIA AGENCIES 05/06/1990 HAVAS MEDIA AGENCIES 15/05/1991 HAVAS MEDIA AGENCIES 01/05/1992 HAVAS MEDIA AGENCIES 25/03/1993 HAVAS MEDIA AGENCIES 28/02/1994 HAVAS MEDIA AGENCIES 12/05/1995 HAVAS MEDIA AGENCIES 18/04/1996 HAVAS MEDIA AGENCIES 23/04/1997 HAVAS MEDIA AGENCIES 16/03/1998 HAVAS MEDIA AGENCIES 16/03/1999 HAVAS MEDIA AGENCIES 01/04/1993 GROUPE GUILLIN PAPER 18/11/1994 GROUPE GUILLIN PAPER 25/10/1995 GROUPE GUILLIN PAPER 02/08/1996 GROUPE GUILLIN PAPER 15/05/1997 GROUPE GUILLIN PAPER 26/03/1998 GROUPE GUILLIN PAPER 16/03/1999 GROUPE GUILLIN 19/05/2000 GROUPE GUILLIN PAPER 13/07/1990 GROUPE PARTOUCHE HOTELS 13/07/1995 GROUPE PARTOUCHE HOTELS 11/03/1996 GROUPE PARTOUCHE HOTELS 10/04/2000 25/02/1997 GROUPE PARTOUCHE HOTELS 31/12/1987 15/12/1998 GROUPE PARTOUCHE HOTELS 28/03/2000 GROUPE PARTOUCHE 31/12/1987 GROUPE ZANNIER 19/07/1989 GROUPE ZANNIER 11/07/1990 GROUPE ZANNIER 12/07/1991 GROUPE ZANNIER 11/06/1992 GROUPE ZANNIER 27/05/1993 GROUPE ZANNIER 02/08/1994 GROUPE ZANNIER 05/05/1995 GROUPE ZANNIER 18/06/1996 GROUPE ZANNIER 30/04/1997 GROUPE ZANNIER 27/04/1998 GROUPE ZANNIER 08/04/1999 GROUPE ZANNIER HOTELS CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS 03/04/2000 GROUPE ZANNIER 31/12/1987 GUERBET 14/07/1989 GUERBET 13/06/1990 GUERBET 15/05/1991 GUERBET 04/06/1992 GUERBET 13/05/1993 GUERBET 01/08/1994 GUERBET 12/04/1995 GUERBET 10/04/1996 GUERBET 02/04/1997 GUERBET 31/03/1998 GUERBET 23/03/1999 GUERBET 14/07/1989 05/06/1990 13/06/1991 13/05/1992 13/05/1993 14/04/1994 04/04/1995 01/04/1996 02/04/1997 30/03/1998 25/03/1999 31/12/1987 HAVAS ADVERTISING MEDIA AGENCIES 11/05/1989 HAVAS ADVERTISING MEDIA AGENCIES 05/06/1990 HAVAS ADVERTISING MEDIA AGENCIES 13/06/1991 HAVAS ADVERTISING MEDIA AGENCIES 01/05/1992 HAVAS ADVERTISING MEDIA AGENCIES 01/07/1993 HAVAS ADVERTISING MEDIA AGENCIES 21/07/1994 HAVAS ADVERTISING MEDIA AGENCIES L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 336 13/03/1995 HAVAS ADVERTISING MEDIA AGENCIES 12/12/1996 ICC 16/05/1997 ICC 27/03/1998 ICC 22/03/1999 ICC 02/06/2000 ICC 24/06/1996 INFO REALITE 13/05/1997 INFO REALITE 02/04/1998 INFO REALITE 31/03/1999 INFO REALITE 24/03/2000 INFO REALITE 31/12/1987 INGENICO 14/07/1989 INGENICO PROPERTY AGENCIES PROPERTY AGENCIES PROPERTY AGENCIES PROPERTY AGENCIES PROPERTY AGENCIES CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT 10/06/1996 HAVAS ADVERTISING MEDIA AGENCIES 14/04/1997 HAVAS ADVERTISING MEDIA AGENCIES 27/04/1998 HAVAS ADVERTISING MEDIA AGENCIES 12/02/1999 HAVAS ADVERTISING MEDIA AGENCIES 03/03/2000 HAVAS ADVERTISING MEDIA AGENCIES CLOTHING + 09/08/1993 HERMES INTL. FOOTWEAR CLOTHING + 20/07/1994 HERMES INTL. FOOTWEAR CLOTHING + 31/03/1995 HERMES INTL. FOOTWEAR CLOTHING + FOOTWEAR 13/03/1996 HERMES INTL. CLOTHING + 26/03/1997 HERMES INTL. FOOTWEAR CLOTHING + FOOTWEAR 23/03/1998 HERMES INTL. CLOTHING + 24/03/1999 HERMES INTL. FOOTWEAR CLOTHING + 22/03/2000 HERMES INTL. FOOTWEAR 24/06/1996 HIGH CO MEDIA AGENCIES 11/07/1990 INGENICO 15/05/1997 HIGH CO MEDIA AGENCIES 12/07/1991 INGENICO 06/04/1998 HIGH CO MEDIA AGENCIES 09/04/1999 HIGH CO MEDIA AGENCIES 04/06/1992 INGENICO 07/04/2000 MEDIA AGENCIES PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING 01/04/1993 INGENICO 01/08/1994 INGENICO 13/09/1995 INGENICO 09/07/1996 INGENICO 30/05/2000 HIGH CO HOLOGRAM INDUSTRIES HOLOGRAM INDUSTRIES HOLOGRAM INDUSTRIES HOLOGRAM INDUSTRIES 20/05/1997 INGENICO 08/12/1994 HUREL DUBOIS AEROSPACE 29/04/1998 INGENICO 13/09/1995 HUREL DUBOIS AEROSPACE 02/08/1996 HUREL DUBOIS AEROSPACE 07/05/1999 INGENICO 15/05/1997 HUREL DUBOIS AEROSPACE 07/04/2000 15/09/1998 HUREL DUBOIS AEROSPACE 23/02/1999 HUREL DUBOIS AEROSPACE 08/03/2000 HUREL DUBOIS 24/06/1996 HYPARLO 02/04/1997 HYPARLO 22/09/1999 07/01/1997 JET MULTIMEDIA MEDIA AGENCIES 31/03/1998 HYPARLO 08/04/1997 JET MULTIMEDIA MEDIA AGENCIES 23/03/1999 HYPARLO 08/05/1998 JET MULTIMEDIA MEDIA AGENCIES 24/03/2000 HYPARLO 04/05/1999 JET MULTIMEDIA MEDIA AGENCIES 09/05/2000 JET MULTIMEDIA 31/12/1987 ICC 31/12/1987 LAFARGE 16/08/1989 ICC 13/06/1989 LAFARGE 26/07/1990 ICC 03/05/1990 LAFARGE 29/07/1991 ICC 16/04/1991 LAFARGE MEDIA AGENCIES BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS 29/07/1992 ICC AEROSPACE RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES PROPERTY AGENCIES PROPERTY AGENCIES PROPERTY AGENCIES PROPERTY AGENCIES PROPERTY AGENCIES INGENICO JEAN CLAUDE DARMON JEAN CLAUDE DARMON JEAN CLAUDE DARMON JEAN CLAUDE DARMON 10/02/1998 17/06/1998 26/04/1999 27/12/1996 20/11/1997 15/09/1998 BROADCASTING BROADCASTING BROADCASTING BROADCASTING L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 337 30/04/1992 LAFARGE 25/03/1993 LAFARGE 11/03/1994 LAFARGE 09/03/1995 LAFARGE 12/03/1996 LAFARGE 13/03/1997 LAFARGE 12/03/1998 LAFARGE 11/03/1999 LAFARGE 24/03/2000 LAFARGE 31/12/1987 LAGARDERE GROUPE 16/08/1989 LAGARDERE GROUPE 13/06/1990 LAGARDERE GROUPE 21/10/1991 LAGARDERE GROUPE 06/07/1992 LAGARDERE GROUPE 28/07/1993 LAGARDERE GROUPE 21/07/1994 LAGARDERE GROUPE 21/04/1995 LAGARDERE GROUPE 08/04/1996 LAGARDERE GROUPE 03/04/1997 LAGARDERE GROUPE 18/03/1998 LAGARDERE GROUPE 11/03/1999 LAGARDERE GROUPE 24/03/2000 LAGARDERE GROUPE 27/05/1993 LAPEYRE 08/04/1994 LAPEYRE 29/03/1995 LAPEYRE 01/04/1996 LAPEYRE 04/02/1997 LAPEYRE 02/02/1998 LAPEYRE 25/03/1999 LAPEYRE 28/01/2000 LAPEYRE 01/12/1995 LDC 10/06/1996 LDC 12/06/1998 LDC 09/06/1999 LDC 16/06/1988 LECTRA SYS. BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING PUBLISHING + PRINTING BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS ELECTRONIC EQUIPMENT 16/08/1989 LECTRA SYS. 29/12/1989 LECTRA SYS. 30/09/1991 LECTRA SYS. 13/05/1992 LECTRA SYS. 01/04/1993 LECTRA SYS. 03/01/1995 LECTRA SYS. 14/09/1995 LECTRA SYS. 12/07/1996 LECTRA SYS. 15/05/1997 LECTRA SYS. 27/03/1998 LECTRA SYS. 25/02/1999 LECTRA SYS. 04/02/2000 LECTRA SYS. 31/12/1987 LEGRAND 11/05/1989 LEGRAND 07/06/1990 LEGRAND 16/04/1991 LEGRAND 30/04/1992 LEGRAND 25/03/1993 LEGRAND 04/01/1995 LEGRAND 09/03/1995 LEGRAND 22/03/1996 LEGRAND 27/02/1997 LEGRAND 20/02/1998 LEGRAND 17/02/1999 LEGRAND 09/02/2000 LEGRAND 31/12/1987 LEGRIS INDUSTRIES 29/06/1989 LEGRIS INDUSTRIES 07/06/1990 LEGRIS INDUSTRIES 15/05/1991 LEGRIS INDUSTRIES 04/06/1992 LEGRIS INDUSTRIES 08/07/1993 LEGRIS INDUSTRIES 05/04/1994 LEGRIS INDUSTRIES 05/04/1995 LEGRIS INDUSTRIES 29/03/1996 LEGRIS INDUSTRIES 11/04/1997 LEGRIS INDUSTRIES L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL Annexes 338 INDUSTRY 31/03/1999 LEGRIS INDUSTRIES 17/03/2000 LEGRIS INDUSTRIES 31/12/1987 L'OREAL 18/07/1989 L'OREAL 11/07/1990 L'OREAL 15/05/1991 L'OREAL 13/05/1992 L'OREAL 14/04/1993 L'OREAL 15/04/1994 L'OREAL 19/04/1995 L'OREAL 26/04/1996 L'OREAL 29/04/1997 L'OREAL 27/02/1998 L'OREAL 25/02/1999 L'OREAL 24/02/2000 L'OREAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS PERSONAL PRODUCTS 31/12/1987 LOUVRE (STE DU) HOTELS 16/08/1989 LOUVRE (STE DU) HOTELS 07/06/1990 LOUVRE (STE DU) HOTELS 13/06/1991 LOUVRE (STE DU) HOTELS 11/06/1992 LOUVRE (STE DU) HOTELS 14/07/1993 LOUVRE (STE DU) HOTELS 20/07/1994 LOUVRE (STE DU) HOTELS 02/06/1995 LOUVRE (STE DU) HOTELS 21/03/1997 LVMH 16/09/1996 LOUVRE (STE DU) HOTELS 21/03/1997 LVMH 14/05/1997 LOUVRE (STE DU) HOTELS 01/04/1998 LOUVRE (STE DU) HOTELS 17/03/1998 LVMH 31/03/1999 LOUVRE (STE DU) HOTELS 17/03/1998 LVMH 03/04/2000 LOUVRE (STE DU) 18/03/1999 LVMH 31/12/1987 LUCIA 18/03/1999 LVMH 03/08/1989 LUCIA 09/03/2000 LVMH 29/11/1990 LUCIA 14/04/1998 LEGRIS INDUSTRIES 14/09/1995 LUCIA 11/10/1996 LUCIA HOTELS DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY 30/03/1999 LUCIA DIVERSIFIED 31/07/1991 LUCIA 11/06/1992 LUCIA 31/12/1992 LUCIA 30/06/1995 LUCIA 09/03/2000 LVMH DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS 21/10/1994 M6-METROPOLE TV BROADCASTING 31/03/1995 M6-METROPOLE TV BROADCASTING 01/04/1996 M6-METROPOLE TV BROADCASTING 05/02/1997 M6-METROPOLE TV BROADCASTING 09/02/1998 M6-METROPOLE TV BROADCASTING 01/02/1999 M6-METROPOLE TV BROADCASTING 28/01/2000 M6-METROPOLE TV 31/12/1987 MANITOU BROADCASTING COMMERCIAL VEHICLES 18/05/1999 LUCIA 03/04/2000 LUCIA 31/12/1987 LVMH 31/12/1987 LVMH 19/07/1989 LVMH 19/07/1989 LVMH 15/08/1990 LVMH 15/08/1990 LVMH 15/05/1991 LVMH 15/05/1991 LVMH 30/04/1992 LVMH 30/04/1992 LVMH 06/05/1993 LVMH 06/05/1993 LVMH 21/03/1994 LVMH 21/03/1994 LVMH 23/03/1995 LVMH 23/03/1995 LVMH 25/03/1996 LVMH 25/03/1996 LVMH L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 339 13/06/1989 MANITOU 11/07/1990 MANITOU 31/07/1991 MANITOU 13/05/1992 MANITOU 06/05/1993 MANITOU 02/08/1994 MANITOU 05/07/1995 MANITOU 09/07/1996 MANITOU 08/04/1997 MANITOU 20/04/1998 MANITOU 13/04/1999 MANITOU 10/04/2000 MANITOU 30/09/1987 MANUTAN INTL. 13/06/1989 MANUTAN INTL. 05/03/1990 MANUTAN INTL. 16/04/1991 MANUTAN INTL. 26/03/1992 MANUTAN INTL. 01/04/1993 MANUTAN INTL. 14/02/1994 MANUTAN INTL. 21/04/1995 MANUTAN INTL. 02/02/1996 MANUTAN INTL. 21/01/1997 MANUTAN INTL. 21/01/1998 MANUTAN INTL. 15/12/1998 MANUTAN INTL. 04/02/2000 MANUTAN INTL. 10/12/1996 MARC ORIAN 14/08/1997 MARC ORIAN 14/09/1998 MARC ORIAN 10/08/1999 MARC ORIAN 31/12/1987 MARIE BRIZARD 16/08/1989 MARIE BRIZARD 07/06/1990 MARIE BRIZARD 13/06/1991 MARIE BRIZARD 13/05/1992 MARIE BRIZARD 01/07/1993 MARIE BRIZARD COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES COMMERCIAL VEHICLES DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS RETAILERS, SOFT GOODS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS 06/04/1994 MARIE BRIZARD 02/06/1995 MARIE BRIZARD 10/04/1996 MARIE BRIZARD 14/05/1997 MARIE BRIZARD 14/09/1998 MARIE BRIZARD 18/05/1999 MARIE BRIZARD 02/06/2000 MARIE BRIZARD 30/06/1987 MARINE WENDEL 30/06/1988 MARINE WENDEL 11/07/1990 MARINE WENDEL 15/01/1991 MARINE WENDEL 08/06/1993 MARINE WENDEL 09/06/1993 15/09/1998 MARINE WENDEL MAXILIVRES/PROFRANCE MAXILIVRES/PROFRANCE MAXILIVRES/PROFRANCE MAXILIVRES/PROFRANCE MAXILIVRES/PROFRANCE MAXILIVRES/PROFRANCE MAXILIVRES/PROFRANCE 31/12/1987 MB ELECTRONIQUE 16/08/1989 MB ELECTRONIQUE 11/07/1990 MB ELECTRONIQUE 12/07/1991 MB ELECTRONIQUE 26/10/1995 MECATHERM 09/04/1996 MECATHERM 30/04/1997 MECATHERM 06/04/1998 MECATHERM 12/02/1999 MECATHERM 11/04/2000 MECATHERM 21/10/1998 MEDIDEP 23/04/1999 MEDIDEP 30/09/1987 METALEUROP 30/09/1988 METALEUROP 19/06/1990 METALEUROP 11/01/1994 07/03/1995 13/09/1995 19/11/1996 30/10/1997 15/09/1998 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL BUSINESS SUPPORT BUSINESS SUPPORT ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS Annexes 340 27/03/2000 MONOPRIX ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS ENG. FABRICATORS TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER TYRES AND RUBBER FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS 09/04/1991 MONTUPET AUTO PARTS 13/06/1991 MONTUPET AUTO PARTS 30/09/1992 MONTUPET AUTO PARTS 07/06/1993 MONTUPET AUTO PARTS 13/03/1991 METALEUROP 16/03/1992 METALEUROP 04/02/1993 METALEUROP 01/02/1994 METALEUROP 23/12/1994 METALEUROP 19/03/1996 METALEUROP 13/03/1997 METALEUROP 13/12/1999 METALEUROP 31/12/1987 MICHELIN 29/06/1989 MICHELIN 18/07/1990 MICHELIN 15/05/1991 MICHELIN 01/05/1992 MICHELIN 14/07/1993 MICHELIN 13/04/1994 MICHELIN 12/04/1995 MICHELIN 22/03/1996 MICHELIN 18/03/1997 MICHELIN 17/03/1998 MICHELIN 16/03/1999 MICHELIN 14/03/2000 MICHELIN 15/01/1992 MONOPRIX 15/01/1992 MONOPRIX 04/06/1992 MONOPRIX 16/06/1993 MONOPRIX 22/02/1995 MONOPRIX 21/04/1995 MONOPRIX 12/04/1996 MONOPRIX 14/05/1997 MONOPRIX 27/03/1998 MONOPRIX 30/03/1999 MONOPRIX 02/08/1994 MONTUPET AUTO PARTS 19/05/1995 MONTUPET AUTO PARTS 12/07/1996 MONTUPET AUTO PARTS 04/04/1997 MONTUPET AUTO PARTS 07/04/1998 MONTUPET AUTO PARTS 12/04/1999 MONTUPET AUTO PARTS 25/04/2000 MONTUPET 31/12/1987 MOULINEX 13/06/1989 MOULINEX 16/05/1990 MOULINEX 15/05/1991 MOULINEX 30/04/1992 MOULINEX 06/05/1993 MOULINEX 20/07/1993 MOULINEX 02/08/1994 MOULINEX 12/09/1995 MOULINEX 20/06/1996 MOULINEX 20/06/1997 MOULINEX 04/06/1998 MOULINEX 10/06/1999 MOULINEX 14/11/1995 MUSEE GREVIN 10/10/1996 MUSEE GREVIN 16/05/1997 MUSEE GREVIN 26/03/1998 MUSEE GREVIN 09/08/1993 NAF-NAF 02/09/1994 NAF-NAF 02/09/1994 NAF-NAF 22/06/1995 NAF-NAF 21/06/1996 NAF-NAF 24/06/1997 NAF-NAF 03/09/1998 NAF-NAF 23/06/1999 NAF-NAF 22/01/1997 NATUREX 15/05/1997 NATUREX 02/04/1998 NATUREX 28/04/1999 NATUREX 06/04/2000 NATUREX AUTO PARTS HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 341 22/03/2000 NORBERT DENTRESSANGLE NORBERT DENTRESSANGLE NORBERT DENTRESSANGLE NORBERT DENTRESSANGLE NORBERT DENTRESSANGLE NORBERT DENTRESSANGLE NORBERT DENTRESSANGLE RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT 11/07/1990 NSC 29/07/1991 NSC 09/07/1992 NSC 29/11/1993 NSC 02/09/1994 NSC 13/09/1995 NSC 09/07/1996 NSC 14/05/1997 NSC 07/04/1998 NSC 31/12/1987 ONET 14/07/1989 ONET PACKAGING 18/07/1990 ONET NORD-EST PACKAGING 13/06/1991 ONET 21/08/1996 NORD-EST PACKAGING 14/05/1997 NORD-EST PACKAGING 13/05/1992 ONET 29/04/1998 NORD-EST PACKAGING 07/06/1993 ONET ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL LAUNDRIES + CLEANERS LAUNDRIES + CLEANERS LAUNDRIES + CLEANERS LAUNDRIES + CLEANERS LAUNDRIES + CLEANERS LAUNDRIES + CLEANERS 31/12/1987 NORD-EST PACKAGING 13/06/1989 NORD-EST PACKAGING 11/07/1990 NORD-EST PACKAGING 13/06/1991 NORD-EST PACKAGING 09/04/1992 NORD-EST PACKAGING 13/07/1993 NORD-EST PACKAGING 02/08/1994 NORD-EST 28/04/1995 OTOR PACKAGING PACKAGING DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY DIVERSIFIED INDUSTRY GAS DISTRIBUTION GAS DISTRIBUTION 08/07/1994 29/03/1995 09/07/1996 27/03/1997 26/03/1998 12/03/1999 07/05/1999 NORD-EST PACKAGING 25/03/1999 02/06/2000 NORD-EST 25/04/2000 OTOR 31/12/1987 NORDON 09/04/1992 OXYGENE EO. 13/06/1989 NORDON 15/07/1992 OXYGENE EO. 15/10/1990 NORDON 17/08/1994 OXYGENE EO. 13/06/1991 NORDON 29/10/1992 NORDON 17/01/1995 NORDON 14/09/1995 NORDON 12/07/1996 NORDON PACKAGING NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS 29/09/1989 NRJ BROADCASTING 15/05/1991 NRJ BROADCASTING 13/05/1992 NRJ 01/04/1993 28/02/1994 22/05/1991 PARIS.DE CHAUFFAGE 11/06/1992 PARIS.DE CHAUFFAGE 14/03/1997 PATHE MEDIA AGENCIES 27/02/1998 PATHE MEDIA AGENCIES 26/02/1999 PATHE 21/02/1990 PAUL PREDAULT 11/07/1990 PAUL PREDAULT BROADCASTING 13/06/1991 PAUL PREDAULT NRJ BROADCASTING 11/06/1992 PAUL PREDAULT NRJ BROADCASTING 29/03/1995 NRJ BROADCASTING 07/06/1993 PAUL PREDAULT 09/05/1996 NRJ BROADCASTING 28/04/1994 PAUL PREDAULT 24/01/1997 NRJ BROADCASTING 12/05/1995 PAUL PREDAULT 19/12/1997 NRJ BROADCASTING 15/12/1998 NRJ BROADCASTING 11/06/1996 PAUL PREDAULT 09/03/2000 NRJ 30/04/1997 PAUL PREDAULT 31/12/1987 NSC 30/04/1998 PAUL PREDAULT 14/07/1989 NSC BROADCASTING ENGINEERING, GENERAL ENGINEERING, GENERAL 04/05/1999 PAUL PREDAULT MEDIA AGENCIES FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 342 12/05/2000 PAUL PREDAULT 24/06/1996 PCAS 16/04/1997 PCAS 29/04/1998 PCAS 28/04/1999 PCAS 02/06/2000 PCAS 31/12/1987 PECHINEY 'B' 14/07/1989 PECHINEY 'B' 19/06/1990 PECHINEY 'B' 15/05/1991 PECHINEY 'B' 13/05/1992 PECHINEY 'B' 29/04/1993 PECHINEY 'B' 20/04/1994 PECHINEY 'B' 12/05/1995 PECHINEY 'B' 29/03/1996 PECHINEY 'B' 02/02/1998 PECHINEY 'B' 02/02/1999 PECHINEY 'B' 04/04/2000 19/04/2000 PECHINEY 'B' PENAUILLE POLYSERVICES PENAUILLE POLYSERVICES PENAUILLE POLYSERVICES PENAUILLE POLYSERVICES PENAUILLE POLYSERVICES PENAUILLE POLYSERVICES PENAUILLE POLYSERVICES PERFECT TECHNOLOGIES PERFECT TECHNOLOGIES PERFECT TECHNOLOGIES 18/04/1989 PERNOD-RICARD 29/12/1989 PERNOD-RICARD 11/05/1990 PERNOD-RICARD 12/07/1991 PERNOD-RICARD 14/04/1992 PERNOD-RICARD 11/02/1993 PERNOD-RICARD 04/04/1994 PERNOD-RICARD 06/02/1995 22/03/1995 19/04/1996 18/03/1997 18/03/1998 17/03/1999 16/03/2000 28/10/1998 30/04/1999 FOOD PROCESSORS CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT TELECOM FIXED LINE TELECOM FIXED LINE TELECOM FIXED LINE DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS 04/04/1995 PERNOD-RICARD 09/04/1996 PERNOD-RICARD 20/03/1997 PERNOD-RICARD 18/03/1998 PERNOD-RICARD 19/03/1999 PERNOD-RICARD 28/03/2000 PERNOD-RICARD DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS 31/12/1987 PEUGEOT SA AUTOMOBILE 19/07/1989 PEUGEOT SA AUTOMOBILE 07/06/1990 PEUGEOT SA AUTOMOBILE 15/05/1991 PEUGEOT SA AUTOMOBILE 13/05/1992 PEUGEOT SA AUTOMOBILE 06/05/1993 PEUGEOT SA AUTOMOBILE 25/03/1994 PEUGEOT SA AUTOMOBILE 21/04/1995 PEUGEOT SA AUTOMOBILE 29/04/1996 PEUGEOT SA AUTOMOBILE 17/04/1997 PEUGEOT SA AUTOMOBILE 26/03/1998 PEUGEOT SA AUTOMOBILE 03/03/1999 PEUGEOT SA AUTOMOBILE 23/02/2000 PEUGEOT SA AUTOMOBILE RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT 16/01/1989 PIER IMPORT EUROPE 14/07/1989 PIER IMPORT EUROPE 11/07/1990 PIER IMPORT EUROPE 27/12/1990 PIER IMPORT EUROPE 12/08/1991 PIER IMPORT EUROPE 12/08/1992 PIER IMPORT EUROPE 09/11/1993 PIER IMPORT EUROPE 15/03/1995 PIER IMPORT EUROPE 11/12/1995 PIER IMPORT EUROPE 25/08/1999 PIER IMPORT EUROPE 25/08/1999 PIER IMPORT EUROPE 02/12/1999 PIER IMPORT EUROPE 31/12/1987 PINAULT PRINTEMPS 29/06/1989 PINAULT PRINTEMPS 11/07/1990 PINAULT PRINTEMPS 15/05/1991 PINAULT PRINTEMPS 13/07/1993 PINAULT PRINTEMPS 06/04/1994 PINAULT PRINTEMPS 04/04/1995 PINAULT PRINTEMPS 29/03/1996 PINAULT PRINTEMPS RETAILERS, MULTI L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 343 DEPT 15/03/1999 POCHET PACKAGING 15/03/2000 POCHET PACKAGING 12/04/1996 PLASTIC OMNIUM 13/05/1997 PLASTIC OMNIUM 26/03/1998 PLASTIC OMNIUM 12/05/1999 PLASTIC OMNIUM 22/03/2000 PLASTIC OMNIUM RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT RETAILERS, MULTI DEPT CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. CHEMS.ADVANCE D MATS. 20/03/1998 PUBLICIS GROUPE MEDIA AGENCIES 31/12/1987 POCHET PACKAGING 22/03/1999 PUBLICIS GROUPE MEDIA AGENCIES 13/06/1989 POCHET PACKAGING 19/04/2000 PUBLICIS GROUPE 15/08/1990 POCHET PACKAGING 13/06/1991 POCHET PACKAGING 13/05/1997 R2I SANTE 04/06/1992 POCHET PACKAGING 09/07/1997 R2I SANTE 06/05/1993 POCHET PACKAGING 15/09/1998 R2I SANTE 02/09/1994 POCHET PACKAGING 12/05/1995 POCHET PACKAGING 30/06/1999 R2I SANTE 19/04/1996 POCHET PACKAGING 31/12/1987 RADIALL 17/03/1997 POCHET PACKAGING 11/12/1989 RADIALL 13/03/1998 POCHET PACKAGING 11/07/1990 RADIALL MEDIA AGENCIES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT 27/03/1997 PINAULT PRINTEMPS 12/02/1998 PINAULT PRINTEMPS 11/03/1999 PINAULT PRINTEMPS 08/03/2000 PINAULT PRINTEMPS 08/06/1993 PLAST.VAL LOIRE 09/06/1993 PLAST.VAL LOIRE 08/02/1994 PLAST.VAL LOIRE 05/06/1995 PLAST.VAL LOIRE 23/05/1996 PLAST.VAL LOIRE 27/04/1998 PLAST.VAL LOIRE 27/04/1998 PLAST.VAL LOIRE 15/12/1998 PLAST.VAL LOIRE 04/02/2000 PLAST.VAL LOIRE 31/12/1987 PLASTIC OMNIUM 01/11/1989 PLASTIC OMNIUM 11/07/1990 PLASTIC OMNIUM 13/06/1991 PLASTIC OMNIUM 04/06/1992 PLASTIC OMNIUM 07/07/1993 PLASTIC OMNIUM 22/08/1994 PLASTIC OMNIUM 21/04/1995 PLASTIC OMNIUM 23/11/1998 PROLOGUE SOFTWARE SOFTWARE 30/03/1999 PROLOGUE SOFTWARE SOFTWARE 06/03/2000 PROLOGUE SOFTWARE 23/11/1998 PROSODIE 12/04/1999 PROSODIE 18/04/2000 PROSODIE 02/01/1990 PSB INDUSTRIES 15/08/1990 PSB INDUSTRIES 12/07/1991 PSB INDUSTRIES 11/06/1992 PSB INDUSTRIES 13/05/1993 PSB INDUSTRIES 20/12/1994 PSB INDUSTRIES 02/10/1995 PSB INDUSTRIES 09/07/1996 PSB INDUSTRIES 13/05/1997 PSB INDUSTRIES 03/03/1998 PSB INDUSTRIES 17/03/1999 PSB INDUSTRIES 11/04/2000 PSB INDUSTRIES SOFTWARE TELECOM FIXED LINE TELECOM FIXED LINE TELECOM FIXED LINE CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY 31/12/1987 PUBLICIS GROUPE MEDIA AGENCIES 14/07/1989 PUBLICIS GROUPE MEDIA AGENCIES 07/06/1990 PUBLICIS GROUPE MEDIA AGENCIES 13/06/1991 PUBLICIS GROUPE MEDIA AGENCIES 11/06/1992 PUBLICIS GROUPE MEDIA AGENCIES 06/05/1993 PUBLICIS GROUPE MEDIA AGENCIES 13/04/1994 PUBLICIS GROUPE MEDIA AGENCIES 30/06/1995 PUBLICIS GROUPE MEDIA AGENCIES 22/05/1996 PUBLICIS GROUPE MEDIA AGENCIES 13/03/1997 PUBLICIS GROUPE MEDIA AGENCIES L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 344 30/07/1991 RADIALL 30/06/1992 RADIALL 07/07/1993 RADIALL 02/08/1994 RADIALL 13/09/1995 RADIALL 09/07/1996 RADIALL 11/04/1997 RADIALL 24/03/1998 RADIALL 04/08/1999 RADIALL 27/03/2000 RADIALL 31/03/1987 RALLYE 31/03/1988 RALLYE 13/09/1989 RALLYE 04/02/1991 RALLYE 03/05/1994 RALLYE 03/05/1994 RALLYE 03/05/1994 RALLYE 05/03/1996 RALLYE 30/04/1996 RALLYE 27/03/1997 RALLYE 29/01/1998 RALLYE 08/03/1999 RALLYE 17/03/2000 RALLYE ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS FOOD + DRUG RETAILERS 31/03/1988 REMY COINTREAU BREWERS 12/12/1989 REMY COINTREAU BREWERS 17/09/1990 REMY COINTREAU BREWERS 16/07/1991 REMY COINTREAU BREWERS 09/09/1992 REMY COINTREAU BREWERS 03/09/1993 REMY COINTREAU BREWERS 20/07/1994 REMY COINTREAU BREWERS 26/07/1995 REMY COINTREAU BREWERS 31/07/1996 REMY COINTREAU BREWERS 09/07/1997 REMY COINTREAU 29/06/1998 12/03/1998 RENAULT AUTOMOBILE 02/03/1999 RENAULT AUTOMOBILE 18/02/2000 RENAULT 31/12/1987 REXEL 22/06/1989 REXEL 13/06/1990 REXEL 15/05/1991 REXEL 02/07/1992 REXEL 07/06/1993 REXEL 08/04/1994 REXEL 29/03/1995 REXEL 29/03/1996 REXEL 27/03/1997 REXEL 11/03/1998 REXEL 19/10/1999 REXEL 07/03/2000 REXEL 11/06/1998 RHODIA 27/01/1999 RHODIA 28/01/2000 RHODIA 31/12/1987 ROBERTET 30/12/1988 ROBERTET 18/07/1990 ROBERTET 04/04/1991 ROBERTET 04/06/1992 ROBERTET 13/05/1993 ROBERTET 02/08/1994 ROBERTET 02/06/1995 ROBERTET 09/07/1996 ROBERTET 21/04/1997 ROBERTET 14/04/1998 ROBERTET BREWERS 16/04/1999 ROBERTET REMY COINTREAU BREWERS 03/03/2000 ROBERTET 30/06/1999 REMY COINTREAU BREWERS 07/11/1994 RENAULT AUTOMOBILE 15/12/1998 RODRIGUEZ GROUP 29/03/1995 RENAULT AUTOMOBILE 30/12/1999 RODRIGUEZ GROUP 22/03/1996 RENAULT AUTOMOBILE 31/12/1987 ROULEAU GUICHARD 21/03/1997 RENAULT AUTOMOBILE 16/08/1989 ROULEAU GUICHARD AUTOMOBILE DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, COMMODITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY CHEMICALS, SPECIALITY LEISURE EQUIPMENT LEISURE EQUIPMENT CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 345 07/06/1990 ROULEAU GUICHARD 13/12/1993 ROULEAU GUICHARD 13/12/1993 ROULEAU GUICHARD 13/12/1993 ROULEAU GUICHARD 02/09/1994 ROULEAU GUICHARD 04/04/1995 ROULEAU GUICHARD 29/04/1996 ROULEAU GUICHARD 23/04/1997 ROULEAU GUICHARD 08/05/1998 ROULEAU GUICHARD 07/05/1999 ROULEAU GUICHARD 27/06/2000 ROULEAU GUICHARD 19/03/1997 ROYAL CANIN 20/02/1998 ROYAL CANIN 25/02/1999 ROYAL CANIN 24/02/2000 ROYAL CANIN CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR CLOTHING + FOOTWEAR FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS 13/07/1995 RUBIS OIL INTEGRATED 10/04/1996 RUBIS OIL INTEGRATED 02/04/1997 RUBIS OIL INTEGRATED 07/04/1998 RUBIS OIL INTEGRATED 31/03/1999 RUBIS OIL INTEGRATED 13/03/2000 RUBIS OIL INTEGRATED 13/07/1995 SABATE DIOSOS PACKAGING 22/07/1996 SABATE DIOSOS PACKAGING 16/05/1997 SABATE DIOSOS PACKAGING 29/04/1998 SABATE DIOSOS PACKAGING 28/04/1999 SABATE DIOSOS PACKAGING 11/04/2000 SABATE DIOSOS 25/04/1991 SACI 13/06/1991 SACI 25/06/1992 SACI 14/07/1993 SACI 07/03/1995 SACI 14/09/1995 SACI 31/12/1987 SAGEM 29/06/1989 SAGEM 07/06/1990 SAGEM 15/05/1991 SAGEM 20/05/1992 SAGEM PACKAGING DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. DISTRIB. IND. COMPS. TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM EQUIPMENT TELECOM 26/04/1994 SAGEM EQUIPMENT TELECOM EQUIPMENT 06/04/1995 SAGEM TELECOM 08/04/1996 SAGEM EQUIPMENT TELECOM EQUIPMENT 27/03/1997 SAGEM TELECOM 19/03/1998 SAGEM EQUIPMENT TELECOM 18/03/1999 SAGEM EQUIPMENT TELECOM 14/03/2000 SAGEM EQUIPMENT BUILDING 31/12/1987 SAINT GOBAIN MATERIALS BUILDING MATERIALS 19/07/1989 SAINT GOBAIN BUILDING 16/05/1990 SAINT GOBAIN MATERIALS BUILDING MATERIALS 12/07/1991 SAINT GOBAIN BUILDING 30/04/1992 SAINT GOBAIN MATERIALS BUILDING 04/02/1993 SAINT GOBAIN MATERIALS BUILDING 10/03/1994 SAINT GOBAIN MATERIALS BUILDING 05/04/1995 SAINT GOBAIN MATERIALS BUILDING MATERIALS 27/03/1996 SAINT GOBAIN BUILDING 04/04/1997 SAINT GOBAIN MATERIALS BUILDING MATERIALS 30/01/1998 SAINT GOBAIN BUILDING 29/01/1999 SAINT GOBAIN MATERIALS BUILDING 31/01/2000 SAINT GOBAIN MATERIALS BUILDING 02/01/1990 SAMSE MATERIALS BUILDING 07/06/1990 SAMSE MATERIALS BUILDING MATERIALS 13/06/1991 SAMSE BUILDING 11/06/1992 SAMSE MATERIALS BUILDING MATERIALS 14/07/1993 SAMSE BUILDING 05/05/1994 SAMSE MATERIALS BUILDING MATERIALS 14/08/1995 SAMSE BUILDING 15/07/1996 SAMSE MATERIALS BUILDING 13/05/1997 SAMSE MATERIALS BUILDING MATERIALS 26/05/1998 SAMSE BUILDING 03/06/1999 SAMSE MATERIALS BUILDING MATERIALS 02/06/2000 SAMSE PHARMACEUTICA 31/12/1987 SANOFI-SYNTHELABO LS PHARMACEUTICA LS 09/08/1989 SANOFI-SYNTHELABO 06/05/1993 SAGEM L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 346 16/05/1990 SANOFI-SYNTHELABO 16/04/1991 SANOFI-SYNTHELABO 30/04/1992 SANOFI-SYNTHELABO 14/04/1993 SANOFI-SYNTHELABO 05/04/1994 SANOFI-SYNTHELABO 23/03/1995 SANOFI-SYNTHELABO 19/04/1996 SANOFI-SYNTHELABO 26/02/1997 SANOFI-SYNTHELABO 25/02/1998 SANOFI-SYNTHELABO 24/02/1999 SANOFI-SYNTHELABO 22/02/2000 SANOFI-SYNTHELABO 31/12/1987 SAUPIQUET 16/08/1989 SAUPIQUET 07/06/1990 SAUPIQUET 13/06/1991 SAUPIQUET 11/06/1992 SAUPIQUET 19/05/1993 SAUPIQUET 02/08/1994 SAUPIQUET 27/07/1995 SAUPIQUET 12/07/1996 SAUPIQUET 10/04/1997 SAUPIQUET 07/04/1998 SAUPIQUET 18/02/1999 SAUPIQUET 02/06/2000 SAUPIQUET 07/04/1998 SAVEURS FRANCE 22/04/1999 SAVEURS FRANCE 22/04/1999 SAVEURS FRANCE 31/12/1987 SCHNEIDER ELTE.SA 13/06/1989 SCHNEIDER ELTE.SA 07/06/1990 SCHNEIDER ELTE.SA 16/04/1991 SCHNEIDER ELTE.SA 16/03/1992 SCHNEIDER ELTE.SA 22/04/1993 SCHNEIDER ELTE.SA 18/04/1994 SCHNEIDER ELTE.SA 13/06/1995 SCHNEIDER ELTE.SA PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS FOOD PROCESSORS ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT 12/04/1996 SCHNEIDER ELTE.SA 26/03/1997 SCHNEIDER ELTE.SA 04/02/1998 SCHNEIDER ELTE.SA 26/02/1999 SCHNEIDER ELTE.SA 03/03/2000 SCHNEIDER ELTE.SA 31/12/1987 SEB 09/08/1989 SEB 07/06/1990 SEB 13/06/1991 SEB 30/04/1992 SEB 25/03/1993 SEB 08/03/1994 SEB 03/03/1995 SEB 11/03/1996 SEB 05/03/1997 SEB 04/03/1998 SEB 03/03/1999 SEB 03/03/2000 15/03/2000 SEB SECHE ENVIRONNEMENT SECHE ENVIRONNEMENT SECHE ENVIRONNEMENT SECHE ENVIRONNEMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES HSEHOLD APPS+HSEWARES ENVIRONMENTAL CONTROL ENVIRONMENTAL CONTROL ENVIRONMENTAL CONTROL ENVIRONMENTAL CONTROL 23/03/1995 SEITA TOBACCO 06/04/1995 SEITA TOBACCO 01/04/1996 SEITA TOBACCO 01/04/1997 SEITA TOBACCO 03/04/1998 SEITA TOBACCO 11/03/1999 SEITA TOBACCO 05/05/2000 SEITA 08/11/1993 SIDEL 20/07/1994 SIDEL 08/03/1995 SIDEL 22/03/1996 SIDEL 18/03/1997 SIDEL 24/03/1998 SIDEL 16/03/1999 SIDEL 18/04/2000 SIDEL TOBACCO ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL 25/11/1997 16/03/1998 16/03/1999 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 347 23/11/1998 SILICOMP SOFTWARE 22/04/1999 SILICOMP SOFTWARE 19/04/2000 SILICOMP 31/03/1987 SKIS ROSSIGNOL 31/03/1988 SKIS ROSSIGNOL 15/08/1989 SKIS ROSSIGNOL 17/09/1990 SKIS ROSSIGNOL 16/07/1991 SKIS ROSSIGNOL 30/06/1992 SKIS ROSSIGNOL 12/08/1993 SKIS ROSSIGNOL 02/08/1994 SKIS ROSSIGNOL 22/06/1995 SKIS ROSSIGNOL 25/09/1996 SKIS ROSSIGNOL 20/06/1997 SKIS ROSSIGNOL 04/06/1998 SKIS ROSSIGNOL 04/06/1999 SKIS ROSSIGNOL SOFTWARE LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE EQUIPMENT LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT 31/03/1987 SMOBY 31/03/1988 SMOBY 02/01/1990 SMOBY 08/11/1990 SMOBY 15/10/1991 SMOBY 09/09/1992 SMOBY 08/11/1993 SMOBY 01/02/1995 SMOBY 05/10/1995 SMOBY 07/08/1996 SMOBY 14/08/1997 SMOBY 15/09/1998 SMOBY 22/09/1999 SMOBY 31/08/1987 SODEXHO ALLIANCE 31/08/1988 SODEXHO ALLIANCE 06/03/1990 SODEXHO ALLIANCE 15/01/1991 SODEXHO ALLIANCE 04/03/1992 SODEXHO ALLIANCE 28/01/1993 SODEXHO ALLIANCE 01/02/1994 SODEXHO ALLIANCE 17/01/1995 SODEXHO ALLIANCE 15/01/1996 SODEXHO ALLIANCE 27/01/1997 SODEXHO ALLIANCE 17/12/1997 SODEXHO ALLIANCE 15/09/1998 SODEXHO ALLIANCE 30/12/1999 SODEXHO ALLIANCE 15/03/1995 SODICE 05/02/1996 SODICE 17/02/1997 SODICE 30/10/1997 SODICE 24/05/1999 SODICE 02/12/1999 SODICE BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT BUSINESS SUPPORT RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES RETAIL, HARDLINES 31/12/1987 SOMMER-ALLIBERT AUTO PARTS 13/06/1989 SOMMER-ALLIBERT AUTO PARTS 19/06/1990 SOMMER-ALLIBERT AUTO PARTS 15/05/1991 SOMMER-ALLIBERT AUTO PARTS 30/04/1992 SOMMER-ALLIBERT AUTO PARTS 22/04/1993 SOMMER-ALLIBERT AUTO PARTS 05/04/1994 SOMMER-ALLIBERT AUTO PARTS 31/03/1995 SOMMER-ALLIBERT AUTO PARTS 08/04/1996 SOMMER-ALLIBERT AUTO PARTS 03/04/1997 SOMMER-ALLIBERT AUTO PARTS 13/04/1998 SOMMER-ALLIBERT AUTO PARTS 06/04/1999 SOMMER-ALLIBERT AUTO PARTS 07/04/2000 SOMMER-ALLIBERT AUTO PARTS 10/04/1990 SOPRA SOFTWARE 13/06/1991 SOPRA SOFTWARE 30/06/1992 SOPRA SOFTWARE 06/05/1993 SOPRA SOFTWARE 19/04/1994 SOPRA SOFTWARE 21/04/1995 SOPRA SOFTWARE 19/04/1996 SOPRA SOFTWARE 08/04/1997 SOPRA SOFTWARE 12/03/1998 SOPRA SOFTWARE 04/03/1999 SOPRA SOFTWARE 28/03/2000 SOPRA SOFTWARE 09/07/1990 SPIR COMM. BROADCASTING 15/05/1991 SPIR COMM. BROADCASTING 13/05/1992 SPIR COMM. BROADCASTING 27/05/1993 SPIR COMM. BROADCASTING 21/07/1994 SPIR COMM. BROADCASTING 19/04/1995 SPIR COMM. BROADCASTING 11/06/1996 SPIR COMM. BROADCASTING L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 348 24/03/1997 SPIR COMM. BROADCASTING 24/03/1998 SPIR COMM. BROADCASTING 26/03/1999 SPIR COMM. BROADCASTING 30/03/2000 26/05/2000 SPIR COMM. SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE SR TELEPERFORMANCE 16/12/1996 ST DUPONT 24/06/1997 ST DUPONT 14/09/1998 ST DUPONT 23/06/1999 ST DUPONT 30/09/1998 STALLERGENES 04/03/1999 STALLERGENES 17/03/2000 STALLERGENES 24/05/1999 STEF-TFE 25/04/2000 STEF-TFE STMICROELECTRONIC S (PAR) STMICROELECTRONIC S (PAR) STMICROELECTRONIC S (PAR) STMICROELECTRONIC S (PAR) STMICROELECTRONIC S (PAR) STMICROELECTRONIC S (PAR) STMICROELECTRONIC S (PAR) 11/02/2000 TECHNIP ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT ELECTRICAL EQUIPMENT COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS DISTILLERS + VINTNERS COMPUTER SERVICES COMPUTER SERVICES ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL ENGINEERING, GENERAL 31/12/1987 TECHNOFAN AEROSPACE 19/07/1989 TECHNOFAN AEROSPACE 11/07/1990 TECHNOFAN AEROSPACE 30/03/1998 SYLEA 26/03/1999 SYLEA BROADCASTING 08/03/2000 SYLEA MEDIA AGENCIES 22/10/1997 SYLIS MEDIA AGENCIES 06/05/1998 SYLIS MEDIA AGENCIES 30/03/1999 SYLIS MEDIA AGENCIES 08/03/2000 MEDIA AGENCIES 12/08/1996 MEDIA AGENCIES 21/11/1997 MEDIA AGENCIES 08/06/1999 MEDIA AGENCIES 06/10/1999 SYLIS SYSTAR LIMITED DATA SYSTAR LIMITED DATA SYSTAR LIMITED DATA SYSTAR LIMITED DATA MEDIA AGENCIES 31/12/1987 TAITTINGER MEDIA AGENCIES TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT 16/08/1989 TAITTINGER 11/07/1990 TAITTINGER 12/07/1991 TAITTINGER 30/06/1992 TAITTINGER 14/07/1993 TAITTINGER 02/08/1994 TAITTINGER 14/09/1995 TAITTINGER 02/08/1996 TAITTINGER 04/06/1997 TAITTINGER 17/06/1998 TAITTINGER SEMICONDUCTORS 12/05/1999 TAITTINGER SEMICONDUCTORS 02/06/2000 TAITTINGER SEMICONDUCTORS 23/04/1998 TEAMLOG SEMICONDUCTORS 02/12/1999 TEAMLOG SEMICONDUCTORS 03/01/1995 TECHNIP SEMICONDUCTORS 30/06/1995 TECHNIP SEMICONDUCTORS FOOD 14/09/1998 SUCRIERE PITHIVIERS PROCESSORS FOOD 18/12/1998 SUCRIERE PITHIVIERS PROCESSORS ELECTRICAL 08/07/1994 SYLEA EQUIPMENT ELECTRICAL 19/04/1995 SYLEA EQUIPMENT ELECTRICAL EQUIPMENT 01/04/1996 SYLEA ELECTRICAL 02/04/1997 SYLEA EQUIPMENT 13/03/1996 TECHNIP 19/03/1997 TECHNIP 17/02/1998 TECHNIP 16/02/1999 TECHNIP 30/09/1992 01/10/1992 23/06/1993 02/08/1994 19/06/1995 16/09/1996 15/05/1997 14/09/1998 28/04/1999 27/02/1995 02/03/1995 06/02/1996 22/01/1997 21/01/1998 06/12/1999 20/01/2000 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 349 30/03/2000 THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) 10/12/1997 TITUS INTERACTIVE SOFT DRINKS 19/05/1998 TITUS INTERACTIVE TEISSEIRE-FRANCE SOFT DRINKS 04/05/1999 TITUS INTERACTIVE TEISSEIRE-FRANCE SOFT DRINKS 07/06/1993 TEISSEIRE-FRANCE SOFT DRINKS 31/12/1987 TONNA ELEC. 04/10/1994 TEISSEIRE-FRANCE SOFT DRINKS 19/07/1989 TONNA ELEC. 02/06/1995 TEISSEIRE-FRANCE SOFT DRINKS 11/07/1990 TONNA ELEC. 29/04/1996 TEISSEIRE-FRANCE SOFT DRINKS 16/05/1997 TEISSEIRE-FRANCE SOFT DRINKS 13/06/1991 TONNA ELEC. 13/04/1998 TEISSEIRE-FRANCE SOFT DRINKS 15/07/1992 TONNA ELEC. 08/03/1999 TEISSEIRE-FRANCE SOFT DRINKS 13/05/1993 TONNA ELEC. DEFENCE COMPUTER SERVICES COMPUTER SERVICES COMPUTER SERVICES ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT ELECTRONIC EQUIPMENT 02/06/2000 SOFT DRINKS 31/12/1987 TOTAL FINA ELF SA OIL INTEGRATED 11/05/1990 TOTAL FINA ELF SA OIL INTEGRATED 15/08/1990 TOTAL FINA ELF SA OIL INTEGRATED 15/05/1991 TOTAL FINA ELF SA OIL INTEGRATED 13/04/1998 TEISSEIRE-FRANCE TELEFLEX LIONEL DUPONT TELEFLEX LIONEL DUPONT TELEFLEX LIONEL DUPONT STEEL 13/05/1992 TOTAL FINA ELF SA OIL INTEGRATED 31/12/1987 TF1 (TV.FSE.1) BROADCASTING 17/02/1993 TOTAL FINA ELF SA OIL INTEGRATED 20/06/1989 TF1 (TV.FSE.1) BROADCASTING 16/02/1994 TOTAL FINA ELF SA OIL INTEGRATED 16/05/1990 TF1 (TV.FSE.1) BROADCASTING 07/02/1995 TOTAL FINA ELF SA OIL INTEGRATED 15/05/1991 TF1 (TV.FSE.1) BROADCASTING 20/02/1996 TOTAL FINA ELF SA OIL INTEGRATED 13/05/1992 TF1 (TV.FSE.1) BROADCASTING 29/01/1997 TOTAL FINA ELF SA OIL INTEGRATED 07/04/1993 TF1 (TV.FSE.1) BROADCASTING 28/01/1998 TOTAL FINA ELF SA OIL INTEGRATED 13/04/1994 TF1 (TV.FSE.1) BROADCASTING 27/01/1999 TOTAL FINA ELF SA OIL INTEGRATED 12/05/1995 TF1 (TV.FSE.1) BROADCASTING 28/01/2000 TOTAL FINA ELF SA 26/01/1996 TF1 (TV.FSE.1) BROADCASTING 29/01/1997 TF1 (TV.FSE.1) BROADCASTING 01/11/1995 TOUAX 28/01/1998 TF1 (TV.FSE.1) BROADCASTING 12/07/1996 TOUAX 28/01/1999 TF1 (TV.FSE.1) BROADCASTING 02/06/1998 TOUAX 28/01/2000 TF1 (TV.FSE.1) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) THALES (EX THOMSON-CSF) BROADCASTING 03/06/1998 TOUAX 16/04/1999 TOUAX 12/04/2000 TOUAX OIL INTEGRATED RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT RAIL, ROAD, FREIGHT 12/03/1998 TRANSICIEL SOFTWARE 16/03/1999 TRANSICIEL SOFTWARE 07/03/2000 TRANSICIEL 02/11/1998 TRIGANO 30/12/1999 TRIGANO 12/08/1996 UBI SOFT ENTM. 01/07/1997 UBI SOFT ENTM. 12/06/1998 UBI SOFT ENTM. SOFTWARE LEISURE EQUIPMENT LEISURE EQUIPMENT HOME ENTERTAINMENT HOME ENTERTAINMENT HOME ENTERTAINMENT 21/12/1994 TECHNOFAN AEROSPACE 13/09/1995 TECHNOFAN AEROSPACE 29/04/1996 TECHNOFAN AEROSPACE 16/05/1997 TECHNOFAN AEROSPACE 31/12/1987 TEISSEIRE-FRANCE SOFT DRINKS 16/08/1989 TEISSEIRE-FRANCE SOFT DRINKS 11/07/1990 TEISSEIRE-FRANCE 12/07/1991 04/06/1992 16/01/1995 06/05/1997 31/12/1987 18/04/1989 16/05/1990 15/05/1991 13/05/1992 14/04/1993 26/04/1994 12/05/1995 09/04/1996 06/03/1997 STEEL STEEL 04/03/1998 12/03/1999 DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE DEFENCE L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 350 22/09/1999 UBI SOFT ENTM. HOME ENTERTAINMENT 31/12/1987 UNILOG SA SOFTWARE 19/07/1989 UNILOG SA SOFTWARE 11/07/1990 UNILOG SA SOFTWARE 31/05/1991 UNILOG SA SOFTWARE 03/02/1993 UNILOG SA SOFTWARE 06/05/1993 UNILOG SA SOFTWARE 05/05/1994 UNILOG SA 12/05/1995 10/04/1996 10/03/1999 VALLOUREC 09/03/2000 VALLOUREC 31/12/1987 VEV 16/08/1989 VEV 18/12/1990 VEV SOFTWARE 13/06/1991 VEV UNILOG SA SOFTWARE 28/05/1992 VICAT UNILOG SA SOFTWARE 09/04/1997 UNILOG SA SOFTWARE 13/05/1993 VICAT 30/04/1998 UNILOG SA SOFTWARE 21/09/1993 VICAT 15/04/1999 UNILOG SA SOFTWARE 12/06/1995 VICAT 19/04/2000 UNILOG SA SOFTWARE 26/02/1996 USINOR STEEL 19/04/1996 VICAT 19/02/1997 USINOR STEEL 13/05/1997 VICAT 18/02/1998 USINOR STEEL 29/04/1998 VICAT 11/03/1999 USINOR STEEL 08/03/2000 USINOR STEEL 31/03/1999 VICAT 31/12/1987 VALEO AUTO PARTS 02/06/2000 18/04/1989 VALEO AUTO PARTS 16/05/1990 VALEO AUTO PARTS 15/05/1991 VALEO AUTO PARTS 30/04/1992 VALEO AUTO PARTS 17/02/1993 VALEO AUTO PARTS 10/03/1994 VALEO AUTO PARTS 09/03/1995 VALEO AUTO PARTS 15/10/1997 26/02/1996 VALEO AUTO PARTS 15/09/1998 26/02/1997 VALEO AUTO PARTS 12/02/1998 VALEO AUTO PARTS 08/10/1999 VICAT VILMORIN CLAUSE &CIE VILMORIN CLAUSE &CIE VILMORIN CLAUSE &CIE VILMORIN CLAUSE &CIE VILMORIN CLAUSE &CIE VILMORIN CLAUSE &CIE VILMORIN CLAUSE &CIE 25/01/1999 VALEO AUTO PARTS 31/12/1987 VINCI (EX SGE) 01/02/2000 VALEO 13/06/1989 VINCI (EX SGE) 13/06/1988 VALLOUREC 07/06/1990 VINCI (EX SGE) 12/12/1989 VALLOUREC 13/06/1991 VINCI (EX SGE) 15/05/1991 VALLOUREC 04/06/1992 VINCI (EX SGE) 12/07/1991 VALLOUREC 06/05/1993 VINCI (EX SGE) 30/06/1992 VALLOUREC 15/03/1994 VINCI (EX SGE) 21/07/1993 VALLOUREC 04/04/1995 VINCI (EX SGE) 09/05/1994 VALLOUREC 29/04/1996 VINCI (EX SGE) 04/04/1995 VALLOUREC 08/04/1997 VINCI (EX SGE) 27/03/1996 VALLOUREC 06/03/1998 VINCI (EX SGE) 19/03/1997 VALLOUREC 10/03/1999 VINCI (EX SGE) 13/03/1998 VALLOUREC AUTO PARTS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS NON-FERROUS METALS 09/03/2000 VINCI (EX SGE) 24/11/1993 01/02/1995 24/10/1995 19/11/1996 NON-FERROUS METALS NON-FERROUS METALS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS TEXTILES+LEATHE R GDS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS FARMING AND FISHING FARMING AND FISHING FARMING AND FISHING FARMING AND FISHING FARMING AND FISHING FARMING AND FISHING FARMING AND FISHING OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION OTHER CONSTRUCTION L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Annexes 351 31/12/1987 VIRBAC 19/07/1989 VIRBAC 11/07/1990 VIRBAC 30/07/1991 VIRBAC 27/01/1993 VIRBAC 13/05/1993 VIRBAC 02/08/1994 VIRBAC 12/05/1995 VIRBAC 19/04/1996 VIRBAC 14/05/1997 VIRBAC 05/05/1998 VIRBAC 12/05/1999 VIRBAC 27/04/2000 VIRBAC 31/12/1987 VIVENDI UNIVERSAL 29/06/1989 VIVENDI UNIVERSAL 11/07/1990 VIVENDI UNIVERSAL 31/05/1991 VIVENDI UNIVERSAL 13/05/1992 VIVENDI UNIVERSAL 13/07/1993 VIVENDI UNIVERSAL 28/04/1994 VIVENDI UNIVERSAL 12/06/1995 VIVENDI UNIVERSAL 23/04/1996 VIVENDI UNIVERSAL 04/04/1997 VIVENDI UNIVERSAL 10/03/1998 VIVENDI UNIVERSAL PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS PHARMACEUTICA LS CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE CABLE + SATELLITE 12/03/1999 VIVENDI UNIVERSAL 13/03/2000 VIVENDI UNIVERSAL 08/04/1997 WALTER 13/04/1998 WALTER 26/03/1999 WALTER 07/04/2000 WALTER 31/08/1988 ZODIAC 13/02/1990 ZODIAC 13/03/1991 ZODIAC 04/03/1992 ZODIAC 16/12/1992 ZODIAC 01/02/1994 ZODIAC 22/03/1995 ZODIAC 11/03/1996 ZODIAC 05/02/1997 ZODIAC 20/11/1997 ZODIAC 15/09/1998 ZODIAC 05/11/1999 ZODIAC CABLE + SATELLITE CABLE + SATELLITE BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS BUILDING MATERIALS LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES LEISURE FACILITIES ***DAT_ANO_BENEF : Nom de la firme ***Name : Nom de la firme **IDMN : Activité de la firme *BDATE : Date de début de la couverture des données financières de la firme par la base de donnéesDatastream. L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 352 PLAN DETAILLE L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 353 L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS ________________________________________________ 1 Résumé _______________________________________________________________ 4 Abstract _______________________________________________________________ 4 SOMMAIRE ____________________________________________________________ 5 INTRODUCTION GENERALE ____________________________________________ 7 PREMIERE PARTIE : THEORIE et REVUE DE LITTERATURE _____________ 14 CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE REVUE DE LA LITTERATURE ________________________________________________________ 15 1 Introduction _______________________________________________________ 16 2 Rationalité et psychologie cognitive ____________________________________ 16 Le concept de la rationalité : une définition ________________________ 17 2.1 2.1.1 Une définition générale ______________________________________ 17 2.1.2 Les différentes formes de rationalité____________________________ 19 2.1.2.1 La rationalité instrumentale ou classique _______________________ 19 2.1.2.2 La rationalité cognitive_____________________________________ 21 2.1.2.3 La rationalité limitée ou procédurale __________________________ 21 Croyances et préférences _______________________________________ 22 2.2 2.2.1 L’effet de cadrage __________________________________________ 23 2.2.2 L’effet de réflexion _________________________________________ 24 2.2.3 La « mauvaise » conception du joueur __________________________ 25 2.2.4 Le « self-control » __________________________________________ 25 2.2.5 La comptabilité mentale _____________________________________ 26 2.2.6 L’excès de confiance________________________________________ 27 2.2.7 L’absence de prise en compte de l’histoire _______________________ 28 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 354 2.2.8 La pensée magique _________________________________________ 28 2.2.9 Les modèles descriptifs ______________________________________ 29 2.2.9.1 La Théorie des perspectives (« Prospect theory ») _______________ 29 2.2.9.2 La théorie du regret _______________________________________ 33 2.2.9.3 La dissonance cognitive ____________________________________ 33 2.2.10 La théorie des heuristiques ___________________________________ 34 2.2.10.1 L’heuristique d’accessibilité ou de disponibilité ________________ 35 2.2.10.2 L’heuristique de représentativité ____________________________ 36 2.2.10.3 L’heuristique de simulation ________________________________ 37 2.2.10.4 L’heuristique d’ancrage-ajustement __________________________ 37 3 Arbitragistes, Limites d’arbitrage et « noise traders » ______________________ 39 4 Les phenomènes de sur-réaction et de sous-réaction _______________________ 44 4.1 Le phénomène de sur-réaction ___________________________________ 45 4.2 Le phénomène de sous-réaction __________________________________ 50 4.3 Réconciliation des phénomènes de sur-réaction et sous-réaction : les modèles comportementaux de Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subramanyam (1999), Hong et Stein (1999) et De Long, Shleifer, Summers et Waldmann (1990)_________________________________________ 54 4.3.1 Le modèle de Barberis, Shleifer et Vishny (1998) _________________ 54 4.3.2 Le modèle de Daniel, Hirshleifer et Subrahmanyam (1998) _________ 56 4.3.3 Le modèle de De Long, Shleifer, Summers et Waldmann (1990) _____ 60 4.3.4 Le modèle de Hong et Stein (1999) ____________________________ 62 4.3.5 Une étude comparative des modèles de Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subrahmanyam (1998), Hong et Stein (1999) et De Long, Shleifer, Summers et Waldmann (1990)____________________________ 64 4.4 5 Les critiques de Fama (1998) ____________________________________ 66 Conclusion________________________________________________________ 74 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 355 CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES DE BENEFICES: UNE REVUE DE LA LITTERATURE _____________________________________ 75 1 Introduction _______________________________________________________ 76 2 La rentabilité des titres lors de l’annonce des bénéfices _____________________ 77 2.1 Les développements qui ont facilité la recherche des réactions aux annonces de bénéfices ________________________________________________ 77 2.1.1 L’émergence de l’hypothèse de l’efficience des marchés financiers et le modèle d'équilibre des marchés financiers (MEDAF) ______________________ 78 2.1.2 Les études d’événements_____________________________________ 91 2.1.2.1 Les études d’événements à court terme ________________________ 91 2.1.2.2 Les tests d’études d’événements à long terme ___________________ 92 2.1.2.3 Les facteurs de risque et la mesure du risque____________________ 93 2.1.2.4 Les problèmes de données __________________________________ 94 2.1.2.5 Une théorie d'inefficience des marchés financiers et de spécification de l'hypothèse nulle _________________________________________________ 96 2.1.2.6 L’étude de Fama, Fisher, Jensen et Roll (1969)__________________ 97 Les études de Beaver (1968) et Ball et Brown (1968) _________________ 98 2.2 2.3 Les études post 1968 sur les réactions aux annonces de bénéfices: Bernard et Thomas (1989) et autres ___________________________________________ 100 3 LES Explications des réactions suite àux annonces de bénéfices _____________ 103 3.1 Les explications traditionnelles : l’observation des rentabilités anormales suite aux annonces de bénéfices ne masque t-elle pas d’autres anomalies ? ___ 104 3.1.1 Les réactions aux annonces de bénéfices et la sensibilité « bêta » ____ 105 3.1.2 (PER) L’anomalie « surprises de bénéfices » et l’effet « Price Earning Ratio » 106 3.1.3 L’anomalie « surprise de bénéfices » et l’effet taille ______________ 107 3.1.4 L’anomalie « surprise de bénéfices » et le problème des coûts de transaction _______________________________________________________ 108 3.1.5 L’anomalie « surprises de bénéfices » et l’anomalie ratio « book-tomarket » 110 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 356 3.2 Les explications comportementales : sous-réaction et sur-réaction ____ 111 3.2.1 La réaction du marché aux annonces de bénéfices : une explication insatisfaisante de la théorie de l’efficience des marchés____________________ 111 3.2.2 La sous-réaction des investisseurs_____________________________ 114 3.2.3 La sur-réaction des investisseurs______________________________ 116 3.2.4 La réconciliation des phénomènes de sur-réaction et de sous-réaction des investisseurs _____________________________________________________ 120 Conclusion de la première partie__________________________________________ 124 SECONDE PARTIE – PARTIE EMPIRIQUE : LA METHODOLOGIE GENERALE DE LA RECHERCHE ET LES ETUDES EMPIRIQUES _____________________ 125 CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA RECHERCHE ____ 126 1 Introduction ______________________________________________________ 127 2 Les bases de données utilisées, période d’étude et sélection des titres _________ 127 La base de données Datastream International _____________________ 127 2.1 2.1.1 Description de la base de données Datastream International ________ 127 2.1.2 Les données financières et comptables de la base de données Datastream International _____________________________________________________ 128 3 4 2.2 La base de données I/B/E/S Internationale ________________________ 130 2.3 Période d’étude et sélection des titres ____________________________ 133 mesures des surprises de bénéfices et des révisions de bénéfices_____________ 135 3.1 Définitions des mesures de surprise de bénéfices ___________________ 135 3.2 Les mesures de surprises de bénéfices____________________________ 136 3.3 Les révisions de prévision de bénéfices (REVM)____________________ 139 Le calcul des rentabilités anormales ___________________________________ 140 Le choix d’une perspective temporelle ___________________________ 141 4.1 4.1.1 L’étude en temps événementiel_______________________________ 141 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 357 4.1.2 L’étude en temps réel ______________________________________ 143 Le choix d’un benchmark______________________________________ 145 4.2 4.2.1 Les firmes de contrôle ______________________________________ 145 4.2.2 Les portefeuilles de référence ________________________________ 146 4.2.3 Les modèles à facteurs _____________________________________ 146 4.2.3.1 La méthodologie de Fama et French (1993) ___________________ 147 4.2.3.2 La méthodologie de Carhart (1997) __________________________ 149 Le choix d’une mesure de performance anormale moyenne__________ 151 4.3 4.3.1 Le CAR moyen ___________________________________________ 151 4.3.2 Le choix d’un mode de pondération des rendements ______________ 153 4.3.2.1 L’équipondération ou « Equally-Weighted » ou « E.W. »_________ 153 4.3.2.2 La pondération par la capitalisation boursière ou « Value-Weighted » ou « V.W. » 154 5 Les tests statistiques utilisés _________________________________________ 156 Les tests statistiques descriptifs et de corrélation __________________ 156 5.1 5.1.1 Le test de Mann-Whitney ___________________________________ 157 5.1.2 Le test de séquences ou « runs » ______________________________ 157 5.1.3 Le test de corrélation de Spearman ____________________________ 158 5.1.4 Le test de Kolmogorov-Smirnov______________________________ 159 Les modèles de régression______________________________________ 159 5.2 6 5.2.1 Le modèle linéaire standard _________________________________ 159 5.2.2 L’estimation S.U.R d’un système d’équations ___________________ 165 Conclusion_______________________________________________________ 165 CHAPITRE 4 – LE COMPORTEMENT DES COURS BOURSIERS SUITE AUX ANNONCES DE BENEFICES ___________________________________________ 166 1 Introduction ______________________________________________________ 167 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 2 3 358 Hypothèses, variables et modèles testés ________________________________ 167 2.1 Les hypothèses _______________________________________________ 167 2.2 Variables et modèles testés _____________________________________ 169 résultats, interprétations et discussions _________________________________ 172 3.1 La variation des cours boursiers suite à l’annonce de bénéfices_______ 173 3.2 L’analyse des caractéristiques des portefeuilles____________________ 179 3.2.1 Les surprises et les révisions de bénéfices des analystes lors de la publication des résultats ____________________________________________ 179 3.2.2 Les caractéristiques des portefeuilles lors de l’annonce des bénéfices _ 181 3.3 Le contrôle robuste des résultats par le modèle de régression de Fama et French (1993) ______________________________________________________ 183 4 Conclusion_______________________________________________________ 186 CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE BARBERIS, SHLEIFER ET VISHNY (1998) AUX ANNONCES DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS________________________________________________ 187 1 Introduction ______________________________________________________ 188 2 Théorie et hypothèses de recherche ___________________________________ 189 3 la méthodologie spécifique de recherche _______________________________ 197 4 Résultats et interprétations __________________________________________ 198 4.1 Les investisseurs sous-réagissent-ils à l’annonce récente ou antérieure des résultats ? _________________________________________________________ 199 4.2 Les investisseurs sur-réagissent-ils à une chaîne de résultats (bonnes ou mauvaises) allant dans la même direction?______________________________ 206 4.3 La réconciliation des phénomènes de la sous-réaction et sur-réaction ___ 208 5 Le contrôle des résultats par les méthodes de régression ___________________ 212 6 Conclusion_______________________________________________________ 225 CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES LORS DE L’ANNONCE DES BENEFICES _________________________________________ 226 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 359 1 Introduction ______________________________________________________ 227 2 théorie et hypothèses de recherche ____________________________________ 228 3 Présentations des variables __________________________________________ 233 4 résultats et interprétations ___________________________________________ 234 4.1 Le contenu informationnel des prévisions de bénéfices des analystes lors de l’annonce des bénéfices ___________________________________________ 234 4.2 La prévision des bénéfices à l’annonce du bénéfice courant : les bénéfices prévisionnels passés comme ancres psychologiques des analystes ___________ 239 4.2.1 Le positionnement du problème ______________________________ 239 4.2.2 Les résultats de l’analyse des portefeuilles ______________________ 240 4.2.3 L’analyse par les modèles de régression ________________________ 243 4.3 L’évaluation des bénéfices prévisionnels (futurs) : les bénéfices réalisés passés comme des ancres psychologiques _______________________________ 247 4.3.1 Positionnement du problème_________________________________ 248 4.3.2 Les résultats de l’analyse des portefeuilles ______________________ 248 4.3.3 Le contrôle des résultats par les méthodes de régression ___________ 250 4.4 La relation entre les erreurs de prévisions de bénéfices (FERA ou FERR), les changements de bénéfices passés (FC) et les révisions de prévisions de bénéfices (FR) à l’annonce de bénéfices ________________________________ 254 4.4.1 La relation entre les erreurs de prévisions de bénéfice (FERA), les changements de bénéfices passés (FC) et les révisions de prévisions de bénéfice (FR) à l’annonce de bénéfices ________________________________________ 254 4.4.2 La relation entre les erreurs de prévisions de bénéfices (FERR), les changements de bénéfices passés (FC) et les révisions de prévisions de bénéfices (FR) à l’annonce de bénéfices ________________________________________ 259 5 Conclusion_______________________________________________________ 263 CONCLUSION GENERALE ____________________________________________ 265 BIBLIOGRAPHIE _____________________________________________________ 270 ANNEXES ____________________________________________________________ 307 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Plan détaillé 360 Annexe 1: Récapitulation du nombre cumulé d’études principales publiées dans des revues internationales sur la période 1960 à 1999 SUR LES ANNONCES DE BENEFICES _________________________________________________________ 308 Annexe 2 : Les modèles formels de Barberis, Shleifer et Vishny (1998) et de De Long, Shleifer, Summers et Waldmann (1990) ____________________________________ 309 Annexe 3 : Graphiques et tableaux des résultats des études de bernard et thomas (1989, 1990) _______________________________________________________________ 315 Annexe 4 : Listes des firmes initiale et finale de notre étude ____________________ 317 Annexe 4.1 - Liste initiale des firmes (financières et non financières) de notre étude. __________________________________________________________________ 317 Annexe 4.2 - Liste finale des firmes de notre étude avec les dates d’annonces de bénéfice. __________________________________________________________ 321 PLAN DETAILLE _____________________________________________________ 352 TABLE DES GRAPHIQUES ET TABLEAUX ______________________________ 361 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Table des graphiques et tableaux TABLE DES GRAPHIQUES ET TABLEAUX L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. 361 Table des graphiques et tableaux 362 L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS ________________________________________________ 1 SOMMAIRE ____________________________________________________________ 5 INTRODUCTION GENERALE ____________________________________________ 7 PREMIERE PARTIE : THEORIE et REVUE DE LITTERATURE _____________ 14 CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE REVUE DE LA LITTERATURE ________________________________________________________ 15 Graphique 1.1 - Une fonction de valeur hypothétique __________________________ 31 Graphique 1.2 - Une hypothétique fonction de pondération ______________________ 32 Tableau 1.1 - Récapitulation des heuristiques d’inférence _______________________ 38 Tableau 1.2 – Rentabilités cumulées anormales (CAR) des portefeuilles perdants (PP), gagnants (PG) et d’arbitrage (PA) pour trois durées de formations différentes (source : De Bondt et Thaler, 1985)________________________________________________ 47 Tableau 1.3 – Signes des rentabilités anormales pour diverses études d’événements à long terme suivant l’annonce de l’événement [Source : Fama (1998)] _____________ 68 Graphique 1.3 - Définitions schématiques des hypothèses d’efficience des marchés, de la sous et sur-réaction _____________________________________________________ 70 Tableau 1.4 - Principaux résultats sur la psychologie des marchés et la rationalité des investisseurs __________________________________________________________ 71 Tableau 1.5 - Principales études réconciliant les phénomènes de la sous-réaction à court terme et de la sur-réaction à long terme. _____________________________________ 73 CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES DE BENEFICES: UNE REVUE DE LA LITTERATURE _____________________________________ 75 Tableau 2.1 - Principales études sur les anomalies (en coupe transversale) __________ 88 Tableau 2.2 – Comportement des séries temporelles de bénéfices in Bernard (1993) 112 Tableau 2.3 – Résultats des études de De Bondt et Thaler (1987) et Ou et Penman (1989b) in Bernard (1993)_______________________________________________ 117 Tableau 2.4 - Explications données aux réactions du marché aux annonces de bénéfices ____________________________________________________________________ 123 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Table des graphiques et tableaux 363 SECONDE PARTIE – PARTIE EMPIRIQUE : LA METHODOLOGIE GENERALE DE LA RECHERCHE ET LES ETUDES EMPIRIQUES _____________________ 125 CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA RECHERCHE ____ 126 Graphique 3.1 - Présentation de la structure de la base de données I/B/E/S detail____ 131 Graphique 3.2 - Présentation de la structure de la base de données I/B/E/S consensuelle ____________________________________________________________________ 131 Tableau 3.1 – Statistiques descriptives des variables SUEi ______________________ 138 Tableau 3.2 – Tests de corrélation de rangs de Kendall et Spearman des variables SUEi ____________________________________________________________________ 138 Graphique 3.3 – Illustration du concept de temps événementiel _________________ 143 Graphique 3.4 – Illustration du concept de temps réel _________________________ 144 Graphique 3.5 – Structure des portefeuilles de Fama et French (1993) composés selon la capitalisation et le ratio « book-to-market » _________________________________ 148 CHAPITRE 4 – LE COMPORTEMENT DES COURS BOURSIERS SUITE AUX ANNONCES DE BENEFICES ___________________________________________ 166 Tableau 4.1 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant la variable surprise de bénéfices SUE ______________________________________ 173 Tableau 4.2 - Rentabilités anormales cumulées moyennes ex-ante et ex-post des portefeuilles composés suivant la variable surprise de bénéfice SUE (avec l’indice de marché SBF 250)______________________________________________________ 174 Tableau 4.3 - Rentabilités anormales cumulées ex-ante et ex-post moyennes des portefeuilles composés suivant la variable surprise de bénéfice SUE (avec l’indice CAC 40) _________________________________________________________________ 175 Graphique 4.1 - Evolution des rentabilités anormales cumulées moyennes ex-ante et expost observées suite à l'annonce de bénéfices des portefeuilles composés selon le sens de la surprise de bénéfices (SUE) lorsque l’indice SBF 250 est le portefeuille représentatif du marché ___________________________________________________________ 178 Graphique 4.2 - Evolution des rentabilités anormales cumulées moyennes ex-ante et expost, observées suite à l'annonce des bénéfices, des portefeuilles composés selon le sens de la surprise de bénéfices (SUE) lorsque l’indice CAC 40 est le portefeuille représentatif du marché ___________________________________________________________ 178 Tableau 4.4 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant la variable surprise de bénéfice SUE _______________________________________ 179 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Table des graphiques et tableaux 364 Tableau 4.5 - Caractéristiques des portefeuilles composés suivant la variable surprise de bénéfices SUE ________________________________________________________ 181 Tableau 4.6 - Les résultats du modèle de Fama et French (1993) des portefeuilles composés selon la variable surprise de bénéfices SUE (avec l’indice de marché SBF 250) ____________________________________________________________________ 183 Tableau 4.7 - Les résultats du modèle de Fama et French (1993) des portefeuilles composés selon la variable surprise de bénéfices SUE (avec l’indice de marché CAC 40) ____________________________________________________________________ 184 CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE BARBERIS, SHLEIFER ET VISHNY (1998) AUX ANNONCES DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS________________________________________________ 187 Tableau 5.1 - Rentabilités anormales cumulées autour de la date d’annonce des bénéfices en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats. _______________________________________ 200 Tableau 5.2 - Rentabilités anormales cumulées sur 6 mois après l’annonce des résultats (CARP6) en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats ______________________________ 200 Tableau 5.3 - Rentabilités anormales cumulées sur 12 mois après l’annonce des résultats (CARP12) en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats.______________________________ 201 Tableau 5.4 - Différences (sans tests statistiques) des rentabilités anormales cumulées en valeur absolue sur 12 et 6 mois après l’annonce des résultats en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats._____________________________________________________________ 202 Graphique 5.1 - Graphique comparatif des rentabilités cumulées anormales moyennes des titres à surprise de bénéfices positive (G) et négatives (B) antérieure à une mauvaise nouvelle l'annonce des résultats __________________________________________ 205 Graphique 5.2 - Graphique comparatif des rentabilités anormales cumulées des titres à surprise de bénéfices positive (G) et négative (B) antérieure à une bonne nouvelle l'annonce des résultats __________________________________________________ 205 Tableau 5.5 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois (CARP6), 9 mois (CARP9), 12 mois (CARP12) en % des titres à 2 annonces antérieures positive (aGG) et négative (aBB) _________________________________________ 207 Tableau 5.6 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois (CARP6), 9 mois (CARP9), 12 mois (CARP12) en % des titres à 3 annonces antérieures positive (aGGG) et négative (aBBB) ______________________________________ 207 Tableau 5.7 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3) en % des titres à surprise de bénéfices positive et négative _____________________________ 210 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Table des graphiques et tableaux 365 Tableau 5.8 - Rentabilités anormales cumulées ex-post sur 6 mois (CARP6) en % des titres à surprise de bénéfices positive et négative _____________________________ 210 Tableau 5.9 - Rentabilités anormales cumulées ex-post sur 9 mois (CARP9) en % des titres à surprise de bénéfices positive et négative._____________________________ 211 Tableau 5.10 - Rentabilités anormales cumulées ex-post sur 12 mois (CARP12) en % des titres à surprise de bénéfices positive et négative _____________________________ 211 Tableau 5.11 - Résultats des modèles 1 et 1’ pour l’ensemble de l’échantillon ______ 215 Tableau 5.12 - Résultats des modèles 2 et 2’ pour l’ensemble de l’échantillon ______ 216 Tableau 5.13 - Résultats du modèle 1 pour les titres à bonne (resp. mauvaise) nouvelle récente ______________________________________________________________ 218 Tableau 5.14 - Résultats du modèle 1’ pour les titres à bonne (resp. mauvaise) nouvelle récente ______________________________________________________________ 218 Tableau 5.15 - Résultats du modèle 1 pour les titres à une bonne (resp. mauvaise) nouvelle antérieure ____________________________________________________ 219 Tableau 5.16 - Résultats du modèle 1’ pour les titres à une bonne (resp. mauvaise) nouvelle antérieure ____________________________________________________ 219 Tableau 5.17 - Résultats du modèle 1 pour les titres à deux bonnes (resp. mauvaise) nouvelles antérieures ___________________________________________________ 220 Tableau 5.18 - Résultats du modèle 1’ pour les titres à deux bonnes (resp. mauvaise) nouvelles antérieures ___________________________________________________ 221 Tableau 5.19 - Résultats du modèle 2 pour les titres à bonne (resp. mauvaise) nouvelle récente ______________________________________________________________ 221 Tableau 5.20 - Résultats du modèle 2’ pour les titres à bonne (resp. mauvaise) nouvelle récente ______________________________________________________________ 222 Tableau 5.21 - Résultats du modèle 2 pour les titres à une bonne (resp. mauvaise) nouvelle antérieure ____________________________________________________ 222 Tableau 5.22 - Résultats du modèle 2’ pour les titres à une bonne (resp. mauvaise) nouvelle antérieure ____________________________________________________ 223 Tableau 5.23 - Résultats du modèle 2 pour les titres à deux bonne (resp. mauvaise) nouvelles antérieures ___________________________________________________ 223 Tableau 5.24 - Résultats du modèle 2’ pour les titres à deux bonnes (resp. mauvaises) nouvelles antérieures ___________________________________________________ 224 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Table des graphiques et tableaux 366 CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES LORS DE L’ANNONCE DES BENEFICES _________________________________________ 226 Graphique 6.1 : L’effet conjoint des heuristiques de disponibilité et de représentativité sur l’erreur de prévision (ou surprise de prévision) suite à des modifications négatives et positives_____________________________________________________________ 229 Graphique 6.2 : L’effet conjugué des heuristiques de disponibilité et d’ancrageajustement sur l’erreur de prévision (ou surprise de prévision) suite à des modifications négatives et positives___________________________________________________ 230 Graphique 6.3 - Rentabilités anormales cumulées ex-ante et ex-post observées des portefeuilles composés selon le sens de la variable FERA1, pour tout l'échantillon ___ 236 Graphique 6.4 - Rentabilités anormales cumulées ex-ante et ex-post observées des portefeuilles composés selon le sens de la variable FERR1, pour tout l'échantillon ___ 236 Tableau 6.1 - Estimation des paramètres des régressions (57) des performances ex-post (CARPp,n) sur les erreurs de prévisions de bénéfice non standardisées les plus récentes (FERA1)_____________________________________________________________ 238 Tableau 6.2 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn) négatives de l’échantillon total suivant les mois n. ____________ 240 Tableau 6.3 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn) négatives du portefeuille à FRn positives (FRn > 0) suivant les mois n. ____________________________________________________________________ 241 Tableau 6.4 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn) négatives du portefeuille à FRn négative (FRn < 0) suivant les mois n. ____________________________________________________________________ 241 Tableau 6.5 - Estimation des paramètres des régressions (59) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) pour tout l’échantillon. ____________________________________________ 244 Tableau 6.6 - Estimation des paramètres des régressions (59) des erreurs de prévisions de bénéfice (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) des portefeuilles à révision de prévisions de bénéfices positive (FRn > 0) et négative (FRn < 0) ____________________________________________________________ 245 Tableau 6.7 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERRn) négatives de l’échantillon total suivant les mois n. ____________ 248 Tableau 6.8 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERRn) négatives du portefeuille à changement de bénéfices positif (FCn > 0) suivant les mois n. _______________________________________ 249 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Table des graphiques et tableaux 367 Tableau 6.9 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERRn) négatives du portefeuille à changement de bénéfice négatif (FCn < 0) suivant les mois n. ______________________________________ 249 Tableau 6.10 - Estimation des paramètres des régressions (61) des erreurs de prévisions de bénéfices (FERRn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FCn) pour toutes les observations. ________________________________________ 251 Tableau 6.11 - Estimation des paramètres des régressions (61) des erreurs de prévisions de bénéfices (FERRn) sur les changements de bénéfices cumulées sur n mois (FCn) des portefeuilles à changement de bénéfices positif (FCn > 0) et négatif (FCn < 0). _____ 253 Tableau 6.12 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour toutes les observations. _________________________________________________________ 255 Tableau 6.13 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à révision de prévisions de bénéfices positive (FRn > 0). __________________ 256 Tableau 6.14 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de prévisions de bénéfice cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à révision de prévisions de bénéfices négative (FRn < 0). __________________ 257 Tableau 6.15 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à changement de bénéfices positif (FCn>0) _____________________________ 258 Tableau 6.16 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille à changement de bénéfices négatif (FCn < 0). _________________________________ 259 Tableau 6.17 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à changement de bénéfices négatif (FCn < 0) ____________________________________________________________ 261 Tableau 6.18 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour les portefeuilles à révision de bénéfices prévisionnels positive (FRn > 0) et négative (FRn < 0). ___________________________________ 261 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. Table des graphiques et tableaux 368 Tableau 6.19 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfice cumulés sur n mois (FCn) pour les portefeuilles à changements de bénéfices positive (FCn > 0) et négative (FCn < 0) __________________________________________ 262 CONCLUSION GENERALE ____________________________________________ 265 BIBLIOGRAPHIE _____________________________________________________ 270 ANNEXES ____________________________________________________________ 307 Graphique 2.1 – Rentabilités anormales cumulatives (CAR) des portefeuilles composés suivant les surprises de bénéfices (84472 annonces trimestrielles de bénéfice, 1974 – 1986) : Source Bernard (1993) in Bernard et Thomas (1989) ___________________ 315 Graphique 2.2 – Evolution des réactions des titres aux annonces de bénéfices selon la taille sur 360 jours de transaction: Source Bernard (1993) in Bernard et Thomas (1989) ____________________________________________________________________ 315 Graphique 2.3 – Graphique comparatif des résultats des études de Latane, Jones et Rieke (1974), Rendleman, Jones et Latane (1982) et Bernard et Thomas (1989): Source Bernard (1993) _______________________________________________________ 316 Graphique 2.4 – Evolution des rentabilités anormales cumulatives (CAR) ajustées à la taille des portefeuilles composés suivant les surprises de bénéfices: Source Bernard (1993) in Bernard et Thomas (1989)_______________________________________ 316 PLAN DETAILLE _____________________________________________________ 352 TABLE DES GRAPHIQUES ET TABLEAUX ______________________________ 361 L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications. L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS RESUME Ce travail est dans la lignée des études sur le contenu informationnel des annonces de bénéfice mis en évidence par Ball et Brown (1968) et Beaver (1968). Ces travaux suggèrent un contenu informatif des annonces de bénéfices : les sociétés qui ont des bénéfices décevants voient leurs cours baisser anormalement et inversement pour les sociétés qui publient les meilleurs bénéfices. Cependant, il n’y a pas un consensus sur les explications des rentabilités anormales suite aux annonces des bénéfices. Cette recherche empirique examine le comportement des investisseurs et des prévisions des analystes lors de la publication des résultats sous les hypothèses de la finance comportementale et sous celles de l’orthodoxie financière sur le marché financier français sur la période 1988 – 1999. Les résultats montrent que les investisseurs réagissent favorablement à l’annonce de bonne nouvelle et défavorablement à l’annonce de mauvaise nouvelle sur les bénéfices sur le marché financier français. Les cours s’ajustent progressivement aux annonces de bénéfices, ce qui est cohérent avec l’efficience des marchés et les investisseurs ne sous-réagissent pas comme dans les études de Bernard et Thomas (1989, 1990) et Barberis, Shleifer et Vishny (1998) sur le marché américain. Cependant, les prévisions des analystes financiers sont sujets à des biais de prévisions lors de la publication des bénéfices annuels sur le marché financier français: biais d’optimisme, sous-réaction et sur-réaction. Les prévisions des analystes seraient gouvernées par trois heuristiques lors de la publication des bénéfices : les heuristiques de disponibilité, de représentativité et d’ancrage-ajustement. Mots-clés: Marchés financiers, anomalies, sous-réaction, sur-réaction, finance comportementale, rentabilités anormales, hypothèse d’efficience des marchés, inefficience, heuristiques, analystes, surprise de bénéfice, annonces de bénéfices, prévisions des analystes.