Voir le document

Hiver 2004
Faculté des Sciences de l’Administration
Département de Finance et Assurance
Sujet de l’essai : « L’étude de l’impact du taux de change
sur le rendement boursier des titres: le cas de Taiwan et de
la Corée du Sud »
Directeur de recherche: Jean-Claude Cosset
Lecteur : Klaus Peter Fischer
Travail réalisé par: Aymen Karoui1
©Aymen Karoui, 2004.
1
Adresse email: [email protected]
Remerciements :
Je voudrai remercier mon directeur de recherche Monsieur Jean-Claude Cosset pour
la qualité de son encadrement et pour tous les efforts qu’il a consentis. Je voudrai aussi,
remercier le lecteur Monsieur Klaus Peter Fischer pour l’attention qu’il a portée pour
l’évaluation de ce travail. Ses avis pertinents m’ont permis d’enrichir ce travail. Je tiens
par ailleurs, à exprimer mes remerciements à tous les membres du département de
Finance de la Faculté des Sciences de l’Administration de l’Université Laval.
2
Table des matières :
A.
Partie théorique : ..................................................... 6
I.
Introduction :............................................................................................... 6
II.
Revue de la littérature : ............................................................................... 9
III.
Le Système de change et le marché boursier ............................................ 12
1- Taiwan : ....................................................................................................... 12
1.1
Le marché des titres à Taiwan: ......................................................... 13
1.2
Le système de change à Taiwan: ...................................................... 13
2- La Corée du sud:.......................................................................................... 14
2.1.
Le marché des titres en Corée du sud : ............................................. 14
2.2.
Le système de change en Corée Du Sud :......................................... 15
3- Caractéristiques financières et économétriques des marchés étudiés :........ 17
4- Conclusion :................................................................................................. 21
IV.
Aspects théoriques de la question :........................................................... 21
1- Du point de vue de la firme : ....................................................................... 21
2- Du point de vue de l’investisseur étranger : ................................................ 22
B.
I.
Partie empirique : .................................................. 25
Présentation de l’échantillon :................................................................... 25
1- Taiwan : ....................................................................................................... 26
2- La Corée du sud :......................................................................................... 27
II.
Modèle de Jorion (1991) :......................................................................... 28
1- Présentation du modèle :.............................................................................. 28
1.1
L’hétéroscedasticité : ........................................................................ 29
1.2
L’auto corrélation des erreurs : ......................................................... 30
1.3
Correction de l’ hétérocscedastcicité et de l’auto -corrélation : ....... 30
1.4
Problème de tendance et d’intégration :............................................ 31
1.5
Problème de co-intégration :............................................................. 31
1.6
Le sens de la relation : ...................................................................... 32
1.7
Test de stabilité : ............................................................................... 33
3
2- Résultats : .................................................................................................... 33
III.
2.1
Taiwan : ............................................................................................ 33
ƒ
Estimation des paramètres de l’équation (1.1) :................................ 33
ƒ
L’hétéroscedasticité : ........................................................................ 34
ƒ
L’auto corrélation des erreurs : ......................................................... 36
ƒ
Correction de l’ hétéroscedasticité et de l’auto -corrélation : ........... 37
ƒ
Problème de tendance et d’intégration :............................................ 37
ƒ
Problème de co-intégration :............................................................. 41
ƒ
Le sens de la relation : ...................................................................... 41
ƒ
Test de stabilité : ............................................................................... 43
2.2
La Corée du Sud : ............................................................................. 44
ƒ
Estimation des paramètres de l’équation (1.1) :................................ 44
ƒ
L’hétéroscedasticité : ........................................................................ 45
ƒ
L’auto corrélation des erreurs : ......................................................... 47
ƒ
Correction de l’ hétérocscedastcicité et de l’auto -corrélation : ....... 47
ƒ
Problème de tendance et d’intégration :............................................ 48
ƒ
Problème de co-intégration :............................................................. 51
ƒ
Le sens de la relation : ...................................................................... 52
ƒ
Test de stabilité : ............................................................................... 54
Extension du modèle de Jorion (1991) avec prime de marché : ............... 55
1- Présentation du modèle :.............................................................................. 55
2- Résultats : .................................................................................................... 56
2.1
Taiwan : ............................................................................................ 56
2.2
La Corée du Sud : ............................................................................. 57
3- Conclusion :................................................................................................. 57
IV.
Extension du modèle de Jorion (1991) avec effet retardé : ...................... 58
1- Présentation du modèle :.............................................................................. 58
2- Résultats : .................................................................................................... 59
2.1
Taiwan : ............................................................................................ 59
2.2
La Corée du Sud : ............................................................................. 61
3- Conclusion :................................................................................................. 63
4
V.
Modèle de Koutmos et Martin (2003) avec volatilité conditionnelle:...... 64
1- Présentation du modèle :.............................................................................. 64
2- Résultats : .................................................................................................... 65
VI.
2.1
Taiwan : ............................................................................................ 65
2.2
La Corée du Sud : ............................................................................. 67
Modèle d’asymétrie Koutmos et Martin (2003) : ..................................... 70
1- Présentation du modèle :.............................................................................. 70
2- Résultats : .................................................................................................... 72
C.
2.1
Taiwan : ............................................................................................ 72
2.2
La Corée du Sud : ............................................................................. 73
Conclusion :............................................................ 76
Références:........................................................................................................... 77
Annexe : ............................................................................................................... 81
5
A. Partie théorique :
I. Introduction :
L’évolution des taux de change a-t-elle une influence sur la valeur de la firme?
C’est à cette question que l’on tentera de donner des éléments de réponse tout au long de
notre essai. Dans quel contexte et sous quelles hypothèses le risque de change et le prix
du titre peuvent ils être corrélés. La valeur de la firme est-elle affectée par le risque de
taux de change? A considérer que la valeur de la firme est mesurée par le prix de son
action sur le marché boursier, est-ce que le risque de change est incorporé dans le prix du
titre? Ou encore existe-t-il une prime de risque de change? S’il n’y a pas de relation
directe entre ces deux variables, quelle pourrait être alors la ou les variables cachées qui
feraient le lien entre la variation des taux de change et la variation du prix de l’actif.
La relation entre risque de change et rendement du titre a été largement abordée
dans la littérature financière ces dix
dernières années. Diverses
réponses ont été
apportées à cette question. Plusieurs études ont été menées sur les marchés américains et
ceux des pays développés.
Pour plusieurs raisons, nous nous proposons dans cet essai de porter notre attention
sur deux pays émergents à savoir Taiwan et la Corée Du Sud. A notre connaissance,
aucune étude n’a encore été menée sur l’impact des taux de change sur les rendements
boursiers sur ces deux pays. Ensuite, ces deux pays sont dans le peloton de tête des pays
émergents en terme de développement économique : ces deux pays présentent des
marchés de valeurs mobilières et des marchés de change comparables à certains pays
développés. Ces caractéristiques sont de nature à augmenter la significativité de nos
résultats. Nous exposerons ces caractéristiques en détail dans une partie ultérieure.
Le risque de change pour une société exportatrice va nécessairement affecter ses
revenus si ces derniers sont perçus en devise étrangère. Si cette devise étrangère se
déprécie par rapport à la devise locale, les revenus réels en termes de monnaie locale vont
donc diminuer pour l’entreprise. Ces mauvais résultats (hors de la volonté de la firme)
vont se traduire nécessairement sur le cours de l’action. Le prix de l’action réagit à cette
mauvaise nouvelle indépendamment de son origine.
6
Les sociétés non exportatrices subissent elles aussi à leur tour et indirectement le
risque de change. Si les taux de change sont favorables à la concurrence étrangère, cette
dernière pourrait avoir un gain de compétitivité. Et ceci, se traduirait par une baisse des
performances commerciales des entreprises domestiques. Ce qui peut engendrer une
baisse de leur cours boursier.
Les résultats au niveau de la significativité de la relation risque de change et
rendements peuvent être interprétés de plusieurs manières. Si la significativité du modèle
est faible, ceci ne veut pas nécessairement dire qu’il n’y pas de relation entre le risque de
change et le rendement boursier. Divers problèmes peuvent en être à l’origine : problème
de méthode, de choix de l’échantillon, choix de la période ou encore de la taille de
marché. Un effet de diversification peut aussi masquer l’exposition au risque de change.
Pour une multinationale qui opère sur plusieurs marchés et dans des devises différentes,
les baisses de certains revenus dans une ou plusieurs devises peuvent être balancés par la
hausse des revenus libellés dans d’autres devises. Il est dés lors difficile de mesurer
l’impact de la variation des taux de change dans une seule devise étrangère (par rapport à
la devise locale) pour le cours du titre. Isoler le changement dans un seul taux de change
peut être difficile à mettre en oeuvre.
Le choix de la monnaie à étudier peut être un facteur déterminant pour avoir des
résultats significatifs. Une monnaie fortement volatile donnera de meilleurs résultats. En
effet, une monnaie volatile accroît la prise en considération des investisseurs des
changements importants de sa valeur. Ces changements seront donc mieux introduits au
niveau des prix des actions. Il n’y aurait pas de diminution d’effets. Alors que pour une
monnaie faiblement volatile les investisseurs ne tiendront pas compte du risque de
change. Il parait donc plus intéressant d’étudier des monnaies assez volatiles pour bien
pouvoir mettre en évidence la relation entre risque de change et cours du titre.
Les investisseurs sont-ils toujours informés de l’évolution des taux de change et de
l’impact que celui-ci risque d’avoir sur le résultat des entreprises? Dans la majorité des
cas les investisseurs ne sont pas bien informés. Et même s’ils le sont, il y a toujours un
retard entre le moment où ils incorporent cette information dans les prix des actions et le
moment où les variations des taux de change se sont produites. Les investisseurs et même
les dirigeants n’arrivent pas à apprécier avec certitude l’impact des taux de change sur
7
l’entreprise. Il faut attendre la fin de l’exercice pour que les opérations et les positions de
la firme soient bien définies. Il est donc impossible de savoir avec exactitude chaque jour
l’impact de l’évolution des taux de change sur les revenus de la firme. Il y a donc aussi
encore un retard au niveau de la prise de décision et de l’incorporation de l’information.
D’autre part, les activités de couverture viennent aussi à diminuer l’impact des variations
des taux de change. Les firmes ne subissent généralement qu’en partie les variations de
taux de change, il y a donc un effet d’amortissement assez appréciable.
Un autre point sur lequel on s’attardera est le sens de la relation entre le taux de
change et le rendement boursier. A priori, pour une entreprise qui exporte, l’appréciation
de la devise étrangère va lui permettre d’augmenter ses revenus. La valeur de l’entreprise
et donc son cours boursier va augmenter. De même, si la devise étrangère s’apprécie les
produits exportés vont être moins chers à l’export et vont donc pouvoir concurrencer
encore plus les produits du pays étranger. Une amélioration au niveau du volume des
ventes est souvent observée. Ceci conduit logiquement les investisseurs à croire que
l’événement de l’appréciation de la devise étrangère est un bon événement pour
l’entreprise. Toute chose étant égale par ailleurs, ils continueront donc à investir dans
cette entreprise. Au cours de notre essai, on étudiera donc le signe de cette relation.
Une autre question pourrait tout aussi retenir notre attention : y a-t-il une asymétrie
dans la réponse des titres sur le marché? Les variations de taux de change de même
amplitude mais de signe différents ont-elles le même impact sur le cours boursier? En
fait, tout porte à croire que la réaction des marchés suite à de bonnes ou de mauvaises
nouvelles n’est pas identique. Plusieurs auteurs se sont penchés sur la question, l’on peut
notament citer le travail de Cosset et Doutriaux (1985). Ces derniers ont mis en évidence
l’existence d’une asymétrie dans la réaction du marché de change face à de mauvaises ou
de bonnes nouvelles politiques.
Autre point auquel il faut faire attention dans les pays émergents, est l’existence ou
pas, d’une parité fixe de leurs monnaies avec les principales devises étrangères. Car dans
ce cas le risque de change se trouve de facto éliminé.
Une autre interrogation à considérer dans notre essai est née d’une constatation sur
la politique de change des pays émergents. Ces dernières années beaucoup de pays
émergents laissent leurs monnaies volontairement sous-évaluées. Ceci a pour but
8
principal de doper les exportations de ces pays. Si les entreprises anticipent que la banque
centrale s’arrangera pour maintenir les taux de change dans une certaine limite, le modèle
est biaisé. C’est à dire que les évolutions de taux de change du moins a moyen terme
auront beaucoup moins d’impact sur la valeur des titres. Alors qu’à très court terme l’on
peut supposer qu’il y ait des impacts importants sur le marché boursier mais avec un
retour à la moyenne assez rapide du à l’intervention des banque centrales.
Enfin, dans notre problématique sur la relation entre les taux de change et les cours
boursiers on laisse la porte ouverte à d’autres facteurs qui pourraient avoir une influence
plus ou moins grande. L’on pense notamment aux facteurs macroéconomiques ou
régionaux.
II. Revue de la littérature :
La question de l’impact du taux de change sur le cours boursier a été largement
abordée dans la littérature financière. La rémunération du taux de change est-elle assez
significative? Ou encore est-ce que les investisseurs sont en mesure d’évaluer et de
chiffrer la variation du rendement des titres due à la variation des taux de change.
Plusieurs auteurs se sont penchés sur la question et plusieurs modèles ont été présentés
pour spécifier la relation entre le taux de change et le cours boursier. Des études ont été
menées sur plusieurs marchés et pays surtout au niveau des pays développés et
notamment les Etats-Unis.
Deux grandes familles de modèles se sont illustrées pour mettre en évidence cette
relation. Les modèles dits inconditionnels et les modèles conditionnels :
Pour les modèles inconditionnels, on peut citer les travaux de Jorion (1990) et
(1991), DI Iorio et Faff (2002) ou encore Chen, Naylor et Lu (2004). Ces modèles sont
des études empiriques bâties sur des régressions. Elle supposent que la relation entre les
taux de change et la valeur de la firme est indépendante du temps. Et qu’en l’occurrence
l’impact du taux de change sur le cours bousier est toujours de même amplitude.
Pour les modèles conditionnels, on peut citer les travaux de Korajizyk et Viallet
(1992), Ferson et Harvey (1994) ou encore Choi et al (1998). Les modèles présentés par
Dumas et Solnik (1995), De Santis et Gerard (1998) ont utilisé le modèle des actifs
9
financiers dans un contexte international (ICAPM). Ces modèles incorporent toujours
dans leur prédiction de l’année en question l’information obtenue à l’année d’avant. Ces
modèles tiennent donc compte du temps et la relation entre le taux de change et le cours
du titre dépend aussi de la l’année ou de la période considérée.
En accord avec ces modèles, Doukas et al. (1999) affirment que la rémunération du
risque de change varie dans le temps en basant leur étude sur le marché nippon. Ils ont
trouvé que le risque de change est rémunéré par les titres des compagnies multinationales
et les firmes fortement exportatrices.
Faisant une étude incorporant les deux modèles à savoir conditionnel et
inconditionnel, Choi et al. (1998) affirment eux aussi que le risque de change est
rémunéré par le marché. Ils ont mené une étude sur le marché japonais et ont étudié
l’impact du taux de change entre le Dollar américain et le Yen japonais sur les entreprises
japonaises. Ils ont trouvé que les modèles conditionnels étaient plus adaptés pour l’étude
de l’impact des taux de change multilatéraux. Alors que pour les taux de change
bilatéraux les résultats sont sensiblement les mêmes.
En utilisant un modèle multifactoriel inconditionnel, Jorion (1990) a mené une
étude sur le marché boursier américain. Il a mis en évidence que la relation entre le taux
de change et le rendement des titres varie d’une industrie à une autre. Mais, il n’a pas
trouvé de résultats significatifs prouvant que le risque de change est rémunéré par le
marché. Sa principale limite est qu’il suppose l’efficience des marchés et que l’impact
des taux de change est immédiatement transmis sur le cours boursier. Alors que ce
phénomène s’il existe, prend un peu de temps suivant les caractéristiques du marché
boursier dans lequel se trouve la firme cotée.
On peut aussi classer les études suivant leurs résultats. Dans le premier groupe on
classera les auteurs qui ont pu trouver une relation assez significative entre le taux de
change et les variations des cours. Dans le deuxième groupe, on classera les auteurs qui
n’ont pas réussi à trouver une relation significative ou du moins ceux qui ont trouvé une
très faible relation entre le taux de change et les variations des cours.
Pour ceux qui ont trouvé des résultats significatifs l’on peut citer Choi et Prasad
(1995), Booth et Rotenberg (1990) ou encore Frenberg (1994).
10
Pour ceux qui n’ont pas trouvé de résultats significatifs ou des résultats faiblement
significatifs l’on cite notamment Jorion (1990), Amihud (1994), Gao (2000), ou encore
Doidge et al (2000).
Une des raisons pouvant expliquer que ces auteurs n’ont pu trouver de résultats
significatifs est leur utilisation de modèles linéaires pour illustrer la relation entre les taux
de change et les rendements boursiers. D’autres ont utilisé avec plus de succès au niveau
des résultats des modèles non linéaires. Pour les modèles non linéaires, on a tenté de
trouver des fonctions plus complexes pour mettre en évidence cette relation. L’on peut
citer dans ce cadre les travaux de Stultz (2002), Kanas (1996 a) et (1996 b) ou encore
Giddy et Dufey (1995).
Prasad et Rajan (1998) ont examiné l’influence des taux de change et des taux
d’intérêt sur la valeur de l’action dans quatre pays que sont l’Allemagne, le Japon, la
Grande-Bretagne et les Etats-Unis. Et ils ont trouvé que le risque de change était
rémunéré sur le marché américain, japonais et britannique. Alors que le taux d’intérêt
n’avait aucune influence sur le cours des titres.
Une autre étude a été menée par Bodnar et Gentry (1993) sur le marché japonais,
canadien et américain. Ils ont trouvé que l’impact des taux de change sur la valeur de la
firme était plus important au Canada et au Japon qu’il ne l’est aux Etats-Unis.
Une autre approche a aussi été adoptée pour trouver l’existence ou pas de
l’influence du taux de change dans l’évaluation des actifs financiers. L’on sait de façon
générale que le risque idiosyncratique est diversifiable. Il peut donc être éliminé par une
diversification adéquate du portefeuille. Il n’est donc pas rémunéré par le marché. Alors
que le risque systématique est lui non diversifiable. Et par conséquent, il est rémunéré par
le marché. Donc concernant le risque de change, pour qu’il soit rémunéré il faut qu’il
tienne son origine du risque systématique. Bien que cette question ait été abordée sous
cette optique par Solnik (1974 b), Adler et Dumas (1984), aucun de ce ses auteurs n’est
arrivé à démontrer que le risque de change est un risque systématique et que ce risque
était forcément rémunéré par le marché. Ces auteurs ont utilisé dans le démarches les
modèles de CAPM dans un contexte international et ont utilisé les déviations constatées
au niveau de la parité du pouvoir d’achat.
11
Enfin, un autre groupe d’études a tenté d’expliquer la relation entre le taux de
change et la valeur de la firme en recourant à une troisième variable qui est le volume des
transactions commerciales. Les auteurs de ces études avancent que la volatilité des taux
de change va affecter les cash flows car le volume du commerce à l’étranger de la firme
va être modifié. Plusieurs études se sont penchées sur la relation entre le commerce avec
l’étranger et les variations des taux de change. L’on peut notamment citer Lastrapes et
Koray (1990), Franke (1991) ou Pozo (1992). D’après ces auteurs, si le volume de
l’activité commerciale de la firme est affecté sa valeur boursière sera forcément affectée.
III. Le Système de change et le marché boursier
1- Taiwan :
Nous nous proposons d’exposer dans cette partie quelques éléments permettant de
comprendre les marchés boursiers et celui du change. Notre but étant d’étudier l’impact
des taux de change sur les valeurs de titres, il est important de connaître la politique de
change adopté dans ces deux pays. De cette mise en lumière de la politique de change, on
pourra délimiter la période d’étude de notre échantillon.
L’économie taiwanaise est une économie très ouverte et très intégrée dans le
commerce mondial. Ce résultat est le fruit d’un long cheminement qui s’est fait sur
plusieurs décennies. Nous donnons, ci-après, un bref aperçu des principaux faits
marquants de l’évolution du marché boursier et celui du change.
Au début des années quatre-vingts, la banque centrale taiwanaise a adopté un
ensemble de mesures visant à réformer le secteur financier et l’économie en général.
C’est ainsi qu’un ensemble de décisions ont été prises pour libérer le secteur bancaire de
la rigidité des taux d’intérêt. Une libéralisation des taux d’intérêt a permis une plus
grande concurrence entre les institutions financières. Un dynamisme a alors été constaté.
Mais, malgré l’émergence de plusieurs banques privées, les banques d’Etat ont gardé une
place prépondérante dans le paysage bancaire.2
2
Sources : site internet de la banque centrale de Taiwan http://www.cbc.gov.tw
12
Au milieu des années quatre-vingts, un des principaux problèmes auxquels les
banques étaient confrontées est le manque de liquidité en devises étrangères. En effet, les
banques hésitaient à détenir de larges quantités de devises de peur de subir des pertes
dues au taux de change. La banque centrale jouait alors, à cette époque, le rôle de
principal pourvoyeur du pays en devises étrangères.
1.1
Le marché des titres à Taiwan:
Le marché des valeurs mobilières taiwanais (Taiwan Stock Exchange) a vu le jour
en 1962. La relative stabilité des trente dernières années et les excédents commerciaux
enregistrés ces vingt dernières années ont contribué à attirer un large nombre de firmes
privées. Cette arrivée importante d’entreprises étrangères a permis une meilleure
structuration du marché et une augmentation du nombre de firmes cotées en bourse. Le
pays n’a donc pas eu recours à d’importants emprunts étrangers en devise étrangère pour
financer les compagnies locales. Pis encore, les excédents commerciaux ont généré un
excès de liquidité en devises qui a relativement déstabilisé le marché local. En 1996, on
recensait 362 compagnies listées. Mais, le volume des titres disponibles au public reste
relativement modeste comparé aux grandes places financières asiatiques à savoir
Hongkong et Tokyo. Avec l’ouverture du marché boursier aux investisseurs étrangers, le
marché est devenu beaucoup plus profond.3
1.2
Le système de change à Taiwan:
Le système de change taiwanais a alterné entre parité fixe et accrochage à un panier
de devises. En 1963, un taux de change unique était entré en vigueur. En 1979, le marché
de change a été établi et un système de taux de change flottant a été adopté. Quand le
système était alors à ses débuts, l’économie taiwanaise était confrontée à de larges
variations de taux de change. La politique de taux de change a alors été repensée. Cette
nouvelle politique vise essentiellement à maintenir les taux de change dans un intervalle
donné par rapport au dollar U.S. Mais, avec les excédents commerciaux et
3
Source: Site Internet de la bourse des valeurs mobilière de Taiwan http://www.tse.com.tw
13
l’augmentation des avoirs en devises les mesures d’encadrement des mouvements de
capitaux ont été assouplies. Vu que le dollar taiwanais s’appréciait, la banque centrale
taiwanaise procédait souvent à des achats importants de dollars pour contenir
l’appréciation du dollar taiwanais.
Au début de 1997, les prémices de la crise financière commençaient à être palpables
sur l’ensemble des pays d’Asie. Cette crise sera lourde de conséquences pour tous les
pays de l’Asie du Sud-Est. Paradoxalement, Taiwan fut parmi les rares sinon le seul pays
émergent de la région à échapper à la contagion. Plusieurs raisons peuvent expliquer ce
résultat. D’abord il faut savoir que Taiwan possède des fondamentaux économiques
solides : balance commerciale excédentaire pour toute la décennie des années 90, elle a
toujours emprunté d’une façon raisonnable à l’étranger contrairement aux autres pays de
la région. Le niveau de l’épargne dans ce pays se situe à un niveau relativement élevé. Et
la dette publique était toujours contenue dans des proportions acceptables. La banque
centrale a toujours disposé de réserves de change importantes.
L’autre raison qui a fait que Taiwan a été épargnée par cette crise, est que la plus
grande partie des investissements étaient des investissements productifs et non pas des
investissements en portefeuille. De ce fait le phénomène de bulle n’existait et ceci
constitue sans nul doute une grande différence entre ce pays et les autres.
2- La Corée du sud:
2.1.
Le marché des titres en Corée du sud :
Le marché sud Coréen de valeurs mobilières a été crée en 1956. Il comptait alors 12
compagnies listées. Au début, le marché était presque une annexe des activités de l’Etat
et le volume des transactions était très réduit.
Au début des années 80, le marché boursier a connu une croissance rapide grâce
aux décisions prises par le gouvernement. Le développement du marché boursier est un
support solide pour le financement et le développement de l’économie en général.
La méthode des transactions régulières a été introduite en 1969 et les transactions
en continu ont été adoptées en 1975. L’automatisation du marché fut elle adoptée en 1983
facilitant ainsi la transmission des ordres d’achats et de ventes sur les titres. Et un
système entièrement géré par ordinateur a été mis en place en 1997.
14
Depuis les années 80, le marché boursier Sud coréen a été graduellement ouvert aux
investisseurs étrangers. Des institutions de placements et des fonds d’investissement ont
par ailleurs été créées permettant ainsi aux investisseurs étrangers d’accéder d’une
manière indirecte au marché boursier local. En 1991, les firmes étrangères pouvaient être
cotées sur la bourse coréenne. En 1992, un autre pas a été franchi en permettant aux
investisseurs étrangers, sous certaines conditions, d’opérer directement sur le marché
boursier local. Ces restrictions relatives aux parts détenues par les investisseurs étrangers
ont été peu à peu levées et même complètement éliminées à partir de 1998.4
La bourse sud coréenne a donné une priorité pour le développement des produits
dérivés et des indices boursiers. Après la crise de 1997, les autorités ont engagé un
ensemble de réformes visant à améliorer l’infrastructure du marché à accélérer la
déréglementation, à augmenter la protection des investisseurs et enfin à améliorer
l’efficience du marché en général.
2.2.
Le système de change en Corée Du Sud :
Le système de change en Corée du sud est un instrument important de la politique
économique. Pour un pays qui a depuis longtemps parié sur un volume des exportations
important, le taux de change est élément clé de l’évolution de son tissu industriel et de
son économie en général. En 1964, la valeur du won (la monnaie de la Corée du sud) a
été accrochée au dollar américain. Les interventions de la banque centrale étaient alors
relativement pas nombreuses. La banque centrale coréenne intervenait toujours pour
rétablir (ou maintenir) la parité entre le dollar américain et le Won. De 1970 à 1979, le
Won a subi trois dévaluations. Ces opérations ont été faites dans le but de soutenir les
exportations du pays.
Ce système de parité fixe a été abandonné en 1980 et un système de taux de change
flottant a été adopté. Au cours de la même année, il a été décidé de libéraliser les taux
d’intérêt. Le won coréen est alors rattaché à un panier de devises de cinq pays (les
principales devises mondiales de l’époque). Dés lors, la valeur de la monnaie coréenne
est affectée par les variations des principales devises mondiales et essentiellement le
4
Sources : Site internet de la bourse des valeurs mobilières de Séoul de la Corée Du Sud.
http://www.kse.or.kr
15
dollar américain et le yen japonais. Mais, ce système de change flottant était en réalité
étroitement contrôlé. Et en pratique, on peut dire que rien n’a vraiment changé par
rapport à la situation de parité fixe. Jusque là, la politique de change de la Corée du sud
était très prudente et les changements opérés sur la valeur du Won étaient faits de façon
graduelle.
Au début des années 80, le dollar américain était à des niveaux élevés et malgré
cela le won ne s’est déprécié que de 6.8% et il s’est apprécié par rapport au mark
allemand et au yen japonais. A partir de 1985, le dollar américain a commencé à se
déprécier (et donc le won à s’apprécier). Mais les taux de change étaient toujours
contenus dans des limites très favorables pour l’économie coréenne. Et donc, on ne
pouvait parler de libre flottaison du won mais plutôt de système imparfait de flottaison
(dirty float).5
Au début des années 90, la libéralisation financière s’est accentuée. En 1991, la
libéralisation des taux d’intérêt a été adoptée. Les taux de change sont devenus libres et
obéissent ainsi aux lois du marché. Mais pour autant, la banque centrale coréenne n’a pas
renoncé à ses vieux réflexes. Elle est toujours prête à effectuer des opérations d’open
market pour éviter une appréciation trop importante du Won. Mais tout de même, les
interventions de la banque centrale étaient beaucoup moins nombreuses que lors de la
décennie précédente. Des mesures visant à attirer les investisseurs étrangers ont aussi été
adoptées. Ceci a fortement contribué au dynamisme du marché des valeurs mobilières
coréen (Korean Stock Exchange).
Mais cette libéralisation n’a pas eu que de bons effets. La déréglementation
observée sur le marché financier a permis aux banques de prêter et d’emprunter sans
aucun contrôle. En effet, les conglomérats sud coréens (les chaebols) ont pendant
longtemps profité de crédits à des conditions favorables. Ils ont contribué en très grande
partie à l’endettement du pays. Un autre élément à signaler, est le manque
d’indépendance de la banque centrale coréenne. Celle-ci était toujours sous la pression
soit du gouvernement ou des conglomérats. Ceci avait pour résultat un manque de
transparence dans la gestion. Et les décisions prises par la banque centrale coréenne
5
Sources : site internet de la banque centrale de la Corée Du Sud http://www.bok.or.kr
16
n’étaient pas toujours pour servir l’intérêt de toute l’économie mais seulement les intérêts
d’une partie.
En 1996, dans le but d’adhérer à l’OCDE (l’organisation de coopération et de
développement économique), la Corée du sud a accepté de libéraliser et de lever tous les
contrôles sur les institutions financières. Les investisseurs étrangers pouvaient alors
acheter et vendre autant de titres qu’ils veulent. Les opérations de spéculation sur cette
monnaie se sont multipliées et augmentaient à chaque fois d’ampleur. Quand les autres
monnaies asiatiques commençaient à se déprécier, le Won à son tour s’est déprécié. Mais
cette dépréciation a été aggravée par les opérations de spéculation.
En 1997, la Corée est elle aussi prise dans la tourmente de la crise financière qui a
déjà touché une bonne partie des pays asiatiques. La Corée du sud a beaucoup emprunté,
et les banques ont prêté des sommes considérables sans faire attention à la capacité de
remboursement de ses clients. Un effet domino s’est alors installé et la crise s’est
généralisé à tout le pays. Le pays devait faire face à une dette à court terme énorme6.
3- Caractéristiques financières et économétriques des marchés
étudiés :
Comme nous l’avons mentionné dans la section précédente, la libéralisation des
marchés financiers et boursiers des pays du sud-est asiatique et notamment Taiwan et la
Corée du sud date des années 90. Un historique relativement court pour ces marchés
financiers et qui a été caractérisé principalement par la crise financière de 1997.
Le premier point à souligner sur ces marchés est le nombre de titres cotés. La
profondeur des marchés boursiers s’est améliorée. Le nombre de titres cotés, ainsi que le
nombre de transactions quotidiennes ne cessent d’augmenter. Et ces deux bourses
commencent à atteindre un rang important dans la région du Sud-est asiatique et dans le
monde en terme de capitalisation boursière7. Leur poids est croissant.
6
Le ratio dette à court terme/PNB est passé de 33.4% en 1982 à 56.8% en 1996.
7
Voire graphique
17
600
500
400
300
200
100
0
Chine
Hong-kong
Taiwan
Corée du Sud
Malaisie
M
al
ai
si
S
e
in
ga
po
ur
Ta
ih
la
nd
In
od
on
és
ie
P
hi
lip
pi
ne
s
C
hi
ne
H
on
gko
ng
Ta
C
iw
or
ée an
du
S
ud
en milliers USD
Capitalisation boursière
Singapour
Taihland
Inodonésie
Philippines
Pays
D’un point de vue financier, ceci peut se traduire par un gain d’efficience et une
meilleure réaction des marchés aux événements significatifs qui peuvent l’affecter. Dans
notre cas, l’étude de l’impact des taux sera a priori plus significative au fur et à mesure
que le marché est efficient : c’est à dire liquide et varié. Même si la condition d’efficience
reste un idéal (théorique) à atteindre, on peut espérer que mener une étude sur un marché
émergent, mais assez bien structuré, peut donner des résultats significatifs qui reflètent le
comportement des investisseurs.
Nombre de firmes cotées sur
la bourse Coréenne
Nombre de firmes cotées
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
800
780
760
740
720
700
680
660
640
620
Crise de 1997: effet de bulle:
on atteint le max. de firmes
18
Nombre de titres sur la bourse de Taiwan
1000
900
800
700
600
500
400
300
200
100
0
nombre de titres
1996
1997
1998
1999
2000
2001
Crise asiatique
de 1997
400000
350000
300000
250000
200000
150000
Total Market
Capitalzation
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
100000
50000
0
1992
Capitalisation
boursière(milliers Wons)
Capitalisation totale du marché sud coréen
Années
Capitalisation boursière sur la bourse de Taiwan
Pas de chute
en 1997
en milliards de TWD
16000
14000
12000
10000
8000
Capitalisation boursière
6000
4000
2000
0
1996 1997 1998 1999 2000 2001
19
Autre point à signaler est la segmentation8 dont souffrent en général les pays
émergents. La cause principale de la segmentation est le manque d’offre et de demande
sur le marché. Les ratios de la demande sur les titres offerts sont inférieurs à ceux
constatés dans les pays développés et dans les bourses les plus dynamiques de part le
monde. Mais sur ce point aussi, nous croyons qu’au fur et à mesure que l’on avance dans
le temps, ce phénomène est en train de s’estomper n’en témoigne l’évolution du nombre
de transactions sur les marchés boursiers coréens et taiwanais9 .
250000
200000
vo lu m e d e s
t ra n s a c t io n s s u r le
KSE
150000
100000
50000
02
20
00
20
19
98
96
19
19
19
94
0
92
Nombre de transactions
V o lu m e d e s tr a n s a c tio n s s u r le K S E
Années
L’intégration des marchés émergents est aussi à souligner. Nous ne rentrerons pas
dans les détails de ce concept, mais nous retiendrons l’impact de ce phénomène sur notre
étude. En effet, il a été constaté ces dernières années, que les marchés émergents sont de
en plus en plus intégrés entre eux. D’autre part leur corrélation avec les marchés des pays
développés et notamment les États-Unis ne cesse de se confirmer. Cette tendance se
renforce à mesure que s’accroît le poids des pays émergents dans l’économie mondiale.
Une intégration lourde de conséquences en périodes de crises. La contagion entre les pays
est d’autant plus accentuée (et inévitable) que les économies de ces pays sont intégrées.
8
La segmentation: deux titres présentant les mêmes caractéristiques en terme de risque ont des
rendements différents sur deux marchés.
9
Voire graphiques
20
Cela a été le cas lors de la crise financière de 1997, la crise s’est propagée d’un pays
à un autre presque sans rencontrer de coupe feu (même si pour diverses raisons certains
pays ont été épargnés notamment Taiwan et la Chine). Lors de cette période les taux de
change ont été très volatiles.
Les limites économétriques du modèle sont aussi un élément à considérer. Dans
notre étude, on suppose un grand nombre d’hypothèse sur les conditions économétriques
des rendements des titres (normalité, précision dans la mesure de variation, fiabilité des
sources,…). Nous reviendrons sur ce point en exposant notre modèle empirique.
4- Conclusion :
Pendant des décennies, les deux pays ont suivi à peu prés les mêmes politiques
économiques. Mais, Taiwan a été beaucoup plus prudente sur le niveau de son
endettement et sur la nature des investissements étrangers opérés sur son sol. En effet, si
Taiwan a su attirer des investissements directs étrangers, la majorité des investissements
en direction de la Corée étaient des investissements en portefeuille10. Ces deux
principales divergences expliquent pourquoi est-ce que la crise asiatique a frappé
beaucoup plus la Corée du sud.
IV. Aspects théoriques de la question :
Nous nous proposons dans cette partie de décortiquer théoriquement la relation
entre les taux de change et les rendements de titres. Avant de la vérifier empiriquement, il
est intéressant de donner des explications théoriques à cette relation.
1- Du point de vue de la firme :
Pour une firme exportatrice, la dépréciation de la monnaie locale par rapport à la
devise étrangère va faire augmenter ses recettes. En effet, des recettes reçues en devises
vont être échangées à un taux plus avantageux. Cette bonne nouvelle ou cet événement
est de nature à encourager les investisseurs pour acheter ou du moins conserver le titre de
la firme. C’est donc un signe positif. La cotation du taux de change étant indirecte c’est à
10
En 1996, le ratio des investissements en portefeuille sur l’investissement direct étranger était de
6.2 à 1 en Corée du sud alors qu’il n’était que de 1.7 à 1 pour Taiwan.
21
dire égal au prix en monnaie étrangère d’une unité de devise locale, si ce taux s’améliore
alors le cours de l’action devrait augmenter. Vu de cet angle, la relation est à priori
négative: si le rendement de la monnaie locale est négatif (Rx est négatif: il y a une
dépréciation de la monnaie locale) alors il y a une augmentation de la valeur du titre.
Mais, si la firme importe des matières premières de ce même pays étranger ou
d’autres pays, et que les devises étrangères s’appréciaient, le gain enregistré lors des
ventes peut être annulé par les importations. Il faut donc voir la position nette en monnaie
locale de la firme. Il est dés lors difficile de dire si l’augmentation d’une devise étrangère
ou une autre aura un impact sur toutes les firmes de la même manière. Ceci dépendra de
la localisation géographique des partenaires (clients et fournisseurs) de la firme. Des
gains sur une devise peuvent être annulées par des pertes sur d’autres devises.
Cette dernière décennie a été marquée par la multiplication des instruments de
gestion de risque de change. Les contrats à terme, les options, les forwards et divers
arrangements sont de plus en plus adoptées par les firmes. Ceci a eu comme conséquence
la diminution de
l’incertitude sur les revenus de la firme. Moins d’incertitude est
synonyme de moins de spéculation. Le risque de change peut être annulé. Aussi, la
présence des ADRs11 a permis aux investisseurs étrangers américains d’investir dans les
pays émergents sans subir les risques de change. Les taux de change ont donc, à priori,
moins d’impact sur le cours du titre que les décennies précédentes. Est ce que le taux de
change est vraiment un indice sans réelle importance pour les investisseurs?
2- Du point de vue de l’investisseur étranger :
Nous nous proposons ici d’exposer le comportement de l’investisseur étranger dans
les bourses des pays émergents. Car contrairement aux investisseurs locaux, l’investisseur
étranger subit le risque de change. Nous allons alors tenter de cerner l’impact de son
comportement sur la valeur des titres côtés.
Même si la participation des étrangers sur le marché boursier taiwanais et coréen
n’est pas majoritaire, elle est néanmoins de plus en plus importante. Les actions sont
libellées en monnaie locale. La variation des taux de change pour un investisseur étranger
11
ADR : American Depositary Receipt
22
peut donc – en terme de monnaie locale - soit faire augmenter le rendement du titre, soit
le faire baisser.
Soit la relation suivante qui donne le rendement obtenu (dans la devise étrangère)
par un investisseur étranger :
1 + RG = (1 + Rx )(1 + Rt )
Ou encore :
RG ≈ R x + Rt
Avec :
RG: rendement du titre en monnaie étrangère
Rt : rendement du titre en monnaie locale
Rx: rendement des taux de change en cote indirecte R
x
=
S
− S
t+1
S
t
. En fait
t
c’est la variation (en pourcentage) de la devise locale par rapport à la devise étrangère.
St : nombre d’unités de la devise étrangère pour une unité de devise locale à la date
t.
Alors dans notre cas et avec une cotation indirecte, le aux R
x
=
S
t +1
S
− S
t
.Ceci
t
nous donne le rendement de la devise locale. Si la devise locale s’est appréciée alors Rx
est positif. Si la devise locale s’est dépréciée alors Rx est négatif.
Pour ceux qui ont déjà investi : dans le cas d’une dépréciation de la devise locale
par rapport à la monnaie étrangère ( R
x
est alors négatif), il y aura une perte de
rendement du titre finalement obtenue en monnaie étrangère. Les investisseurs étrangers,
de peur que la monnaie locale ne continue de se déprécier, vont alors se tourner vers
d’autres places financières plus intéressantes pour leurs placements. Il y a alors une
augmentation de l’offre du titre sur le marché. Le prix du titre va alors à son tour baisser.
Le rendement titre (en terme local) va baisser. Cette hypothèse, laisse penser que la
relation entre rendement du taux de change et rendement du titre, du moins sur ce critère,
positive (les deux variables évoluent dans le même sens).
23
Pour ceux qui n’ont pas encore investi : si la monnaie se déprécie avant qu’on ait
déjà investi ça peut représenter de nouvelles possibilités d’investissement pour d’autres
qui trouveront les titres bon marché. Les investisseurs étrangers, anticipant que la
monnaie locale va se ressaisir et va s’apprécier, vont donc se ruer sur ces titres et les
rendements des titres vont augmenter. De ce point de vue, la relation parait alors négative
entre rendement des titres et rendement de change.
Il y a donc deux forces antagonistes sur le marché qui prennent place. Mais, ces
deux forces ont des anticipations opposées. Les uns pariant sur une dépréciation de la
monnaie locale, les autres sur une appréciation.
Ceci nous pousse à penser que ces réactions prennent du temps pour se réaliser sur
le marché. Et que donc, un modèle de régression linéaire, mais retardé serait plus
approprié. Nous reviendrons sur les critères du choix du modèle empirique plus en détails
ultérieurement.
A mesure que s’intensifie la libéralisation du marché financier et que les
mouvements de capitaux deviennent plus libres, cette relation sera mieux validée (la
transmission sera intégrale).
De même, la baisse des devises des pays étrangers et surtout les pays voisins va
avoir un impact important sur le marché coréen ou taiwanais. La dépendance entre les
marchés étant très forte, Huang et Yang (2003), le risque de voir les investisseurs passer
d’un marché à un autre est important.
24
B. Partie empirique :
I. Présentation de l’échantillon :
Notre base de données est constituée des prix des indices boursiers sectoriels, des
taux de change et des taux de placement à 90 jours pour deux pays à savoir Taiwan et la
Corée du Sud. Toutes les données sont à une fréquence journalière.
Tous les rendements pris dans nos calculs sont calculés suivant la formule du taux
continu. Ils sont calculés suivant la formule suivante : R it = ln(
Pt
)
Pt −1
Avec Pt : prix du titre à la fin de la journée t.
Avec Pt −1 : prix du titre è la fin de la journée t-1.
De même que pour les taux de change, les rendements sont calculés suivant la
St
formule suivante : R xt = ln( S )
t −1
Avec St la cotation indirecte de la monnaie locale par rapport au dollar américain à
la fin de la journée t (prix de clôture) : c’est à dire le prix en dollars de la devise locale. Si
ce prix augmente, c’est que la devise locale s’est appréciée et que les investisseurs
détenant des actifs libellés dans cette monnaie réalisent automatiquement un gain lors de
leurs conversions. On obtient de cette formule le rendement direct de la monnaie locale
d’une façon journalière. Ce rendement correspond au pourcentage d’appréciation ou de
dépréciation de la monnaie locale par rapport à la devise étrangère au cours d’une
journée.
Pour les taux sans risque, on a pris les taux de placement à 90 jours pour les deux
pays à savoir la Corée du Sud et Taiwan. Ces données ont aussi été tirées de Datastream.
La période de l’étude s’étale de 30/06/1995 jusqu’au 08/04/2003. Ce choix est
motivé par le fait que la libéralisation économique de la Corée du Sud et de Taiwan a eu
lieu au début des années 90. Comme on l’a mentionné précédemment, durant les
décennies 70et 80 les taux de change de ces pays étaient fixes (essentiellement par un
25
système de parité avec le Dollars américain. Il faut donc étudier l’impact des taux de
change quand ils sont soumis aux lois de l’offre et de la demande
Nous avons choisi ces deux pays, car à notre connaissance, il n’y pas encore eu
d’études de ce types sur ces pays. D’autres part ces pays, qui ont une économie
développée et des marchés de valeurs mobilières assez prospères, offrent sans nul doute
de bonnes conditions à notre étude.
Pour chaque pays, on a choisi de travailler sur des indices boursiers sectoriels
plutôt que de travailler sur des titres individuels. Une large littérature empirique a en effet
privilégié le choix de regroupement par portefeuille à l’étude de titres d’une façon
individuelle. Nous pensons que cette méthode nous donnera des résultats plus
significatifs. Les différents indices sectoriels nous permettent aussi d’avoir un échantillon
diversifié.
1- Taiwan :
Le nombre d’observations dans notre échantillon est de 2264 observations. Notre
période d’étude s’étale du 30/06/1995 jusqu’au 08/04/2003. La source de nos données
est Datastream. On a choisi dix indices boursiers sur lesquels on va mener notre étude.
Ces indices représentent différents secteurs.
Les indices des secteurs considérés pour notre étude sont : 12
Mch = Taiwan SE 100 price index
Var1 = Taiwan SE Banking & Insurance
Var2 = Taiwan SE Cement
Var3 = Taiwan SE Cement & Ceramics
Var4 = Taiwan Se Chemicals
Var5 = Taiwan SE Composite
12
Par souci d’allègement de l’écriture on a préféré remplacer les noms des indices boursiers par Var
i , mais nous donnerons le nom de l’indice à chaque fois que cela s’impose.
26
Var6 = Taiwan SE Construction
Var7 = Taiwan SE Electric and machinery
Var8 = Taiwan SE Electrical Machines
Var9 = Taiwan SE Electronics
Var10 = Taiwan SE Food
2-La Corée du sud :
Le nombre d’observations dans notre échantillon est de 2633 observations. Notre
période d’étude s’étale du 31/01/1994 jusqu’au 08/04/2003. La source de nos données
est Datastream.
Les indices des secteurs considérés pour notre étude sont: 13
Mch = Korea SE Composit (KOSPI)
Var1 = Korea SE Construction
Var2 = Korea SE Fab, Met, Mch
Var3 = Korea SE Fab, Met, Prd
Var4 = Korea SE Financial services
Var5 = Korea SE Fisheries
Var6 = Korea SE Ground Tran
Var7 = Korea SE Insurance
Var8 = Korea SE Investment and Banking
Var9 = Korea SE Iron and steel
Var10 = Korea SE Iron, steel and metal
13
Pareil que pour Taiwan , on a choisi de remplacer les noms des indices par Var i.
27
II. Modèle de Jorion (1991) :
1- Présentation du modèle :
Le premier modèle utilisé pour illustrer la relation entre le rendement du taux de
change et le rendement des secteurs boursiers est le modèle multifactoriel présenté par
Jorion (1991) 14 :
Rit = β i 0 + β i1emt + β i 2 Rxt + eit
Avec comme équation complémentaire :
R mt = α i 0 + α i1 R xt + e mt
(1.1)
(1.2)
La première équation (1.1) est une relation entre le rendement du secteur i et le
rendement du marché et le rendement du taux de change.
Avec : Rit : Rendement boursier de l’indice du secteur i.
R xt : Rendement de la monnaie locale exprimée en devise étrangère (en
dollar américain)
Rmt : Rendement boursier de l’indice de marché.
emt : Résidu de l’indice de marché
Afin de contourner le problème de multicolinéarité existant au niveau de l’équation
(1.1), nous avons opté pour une orthogonalisation des variables explicatives R xt et Rmt .
L’objectif étant d’obtenir au niveau de l’équation (1.1) des variables explicatives non
corrélées.
14
Jorion, P., « The pricing of exchange rate risk in the Stock market », The journal of financial and
quantitative analysis, Vol 26 N0 3(Sep 1991) 363-376
28
Au niveau de l’équation (1.2), nous avons réalisé une régression de l’indice de
marché sur le rendement du taux de change. Le résidu de cette équation est la partie du
rendement de taux de change qui n’est pas expliquée par le taux de change et qui est donc
indépendante de ce dernier.
Nous considérons (par hypothèse) que toutes nos données suivent une loi normale15.
Nous pouvons alors analyser les résultats des tests de significativité globale et
individuelle de notre modèle.
Beaucoup de phénomènes économétriques ont leur importance pour bien interpréter
l’équation (1.1). Nous allons exposer ces phénomènes et mettre en relief leur impact sur
le plan financier.
1.1
L’hétéroscedasticité :
Le problème de l’hétéroscedasticité est fréquemment rencontré dans les régressions
des séries financières. L’hétéroscedasticité est le fait de trouver des résidus corrélés avec
la variable explicative. Dans notre cas, il s’agit de la possibilité de trouver une corrélation
entre les résidus
eit et les variables explicatives e mt et R xt de l’équation (1.1). Si
l’hétéroscedasticité ne rend pas notre estimation biaisée, elle peut néanmoins nous induire
en erreur pour l’estimation des variances des coefficients associés aux variables
explicatives du modèle. Avec l’hétéroscedastcicté, l’estimateur calculé avec la méthode
des moindres carrés ordinaires n’est pas B.L.U.E.
Sans rentrer dans les détails de ce phénomène nous retiendrons le fait qu’après
avoir testé notre équation (1.1), il nous faut mener un test d’hétéroscedasticité pour savoir
si nos tests de significativité (de Student et de Fischer) sont valables ou non.
Nous opérons alors un test de White: hétéroscédasticité de forme inconnue sur
l’équation suivante :
15
Voir les tests de normalité et la distribution statistique des différentes variables en annexe,en
réalité nos variables ne suivent pas une loi normale.
29
2
eit2 = ρ0i + ρ1i emt + ρ2i Rxt + ρ3emt
+ ρ 4 Rxt2 + ρ5emt Rxt + ν t
1.2
L’auto corrélation des erreurs :
Ce test nous permet de savoir les résidus trouvés au niveau de l’équation (1.1) sont
corrélés ou non. L’utilisation des moindres carrés ordinaires est sujette à cette condition.
Nous allons donc tester l’auto corrélation d’ordre 1 :
eit = ρ i 0 + ρ i1eit −1 + vt
avec Ho :
H1 :
ρi1 = 0
il n’y pas d’auto corrélation des erreurs.
ρi1 ≠ 0
il y a auto corrélation des erreurs.
Le test de LM (Lagrange Multiplier) est utilisé pour la détection de l’auto
corrélation.
Dans le cas de présence d’auto corrélation des erreurs, les estimateurs trouvés sont
non biaisés et restent valables. Néanmoins, ils ne sont plus B.LU.E car leurs variances
ne sont plus minimales. Donc les tests de significativité basés sur les variances ne seront
pas valides, même en présence d’un échantillon de très grande taille.
1.3
Correction de l’ hétérocscedastcicité et de l’auto corrélation :
Si on constate les phénomènes d’hétéroscedasticite et d’auto corrélation des erreurs,
il faut les corriger à l’aide du test de Newey-West. Ce test permet une réesitimation des
variances des coefficients de notre modèle en tenant compte de la présence
d’hétéroscedatsicté et d’auto corrélation des erreurs.
30
1.4
Problème de tendance et d’intégration :
Notre problème premier est de savoir si les variables étudiées ici sont stationnaires
ou pas. Si elles suivent une tendance, il serait très difficile d’étudier leurs évolutions et
encore moins d’en tirer des conclusions. On dit qu’une variable présente une tendance si
sur la période choisie de l’étude elle suit une allure ascendante ou descendante sans un
retour à la valeur moyenne. Si les variables par exemple du rendement de change ou de
l’indice du secteur ne cessent de croître d’une année à une autre on aura un processus
explosif.
En traçant les graphiques des évolutions des variables en question nous pouvons
déjà avoir une idée sur ce phénomène. Nous appuierons ceci par un test d’intégration et
de racine unitaire.
¾ Le test de Dickey Fuller de racine unitaire
1.5
Problème de co-intégration :
Définition :
Deux variables sont co-intégrées I(1) Y1t et Y2t s’il existe un vecteur a tel que :
[y1t y2t ]
a1 
  = ut
a 2
Où ut est I(0) (stationnaire).
Au-delà de cette définition économétrique, la cointégration signifie que deux
variables avec des résultats de régressions significatifs peuvent n’avoir aucun lien entre
eux. Ce test nous évite d’interpréter des résultats qui sont en apparence corrects.
Si
R it et R xt sont des variables intégrées indépendantes, la régression :
R it = β i 0 + β i 2 R xt + e it
31
peut générer une statistique F qui rejette H
aucun lien entre
0
: β
i2
= 0 et pourtant, il n’existe
R it et R xt .
En définitif, ce test de co-intégration peut nous dire si véritablement la variable taux
de change explique le rendement de l’indice boursier d’un secteur ou pas. Est-ce qu’il y
réellement une interaction entre ces deux variables. Ou, au contraire, est-ce chaque
variable évolue d’une façon indépendante et que le hasard des valeurs statistiques prises
donnent des résultats globalement significatifs pour notre modèle.
¾ Test de cointégration de Dickey Fuller (ADF : Augmented Dickey Fuller)
Ce test est opéré dans le but de savoir s’il y a une tendance commune pour la
variable rendement de change d’un coté et les variables des rendements boursiers des
différents indices sectoriels. En effet, si ces variables suivaient une tendance commune,
ceci empêcherait l’étude de la relation entre elles. Si par exemple, les variables de change
et de rendement boursiers sont conditionnés par les mêmes facteurs, ils peuvent alors
avoir une même évolution, mais ceci ne nous permet pas de dire que ces deux variables
interagissent entre elles. Dans ce cas là, il faudra ajouter d’autres variables explicatives à
notre modèle au niveau de l’équation (1.1) pour capter cet effet.
1.6
Le sens de la relation :
Dans notre modèle de l’équation (1.1) on a supposé que c’est le taux de change qui
influence le rendement boursier des indices sectoriels. La variable explicative est le
rendement de change et la variable expliquée est le rendement de l’indice sectoriel. Mais
est-ce que le contraire serait aussi vrai : est-ce que les rendements des indices sectoriels
en variant, pour des raison diverses, n’influencent-ils pas le taux de change?.
Au niveau de la partie théorique, nous avons déjà présenté le raisonnement
théorique permettant d’expliquer ce phénomène. Nous nous proposons ici d’opérer un
test économétrique pour répondre à notre interrogation :
¾ Test de causalité de Granger.
32
1.7
Test de stabilité :
Pour savoir si les coefficients trouvés lors de notre régression de l’équation (1.1)
sont stables durant notre période d’étude, on effectue un test d’homogénéité de Chow.
Par ce test on peut savoir si la nature de la relation entre le rendement boursier des
secteurs et le rendement des taux de change est la même durant notre période considérée.
¾ Test de Chow
2- Résultats :
2.1
Taiwan :
ƒ Estimation des paramètres de l’équation (1.1) :
Rit = β i 0 + β i1emt + β i 2 Rxt + eit
Nous reportons dans le tableau ci-après, les caractéristiques de l’estimation du
paramètre β
i2
Variables
Coefficient Std, Error
t-Statistic
Prob,
var1**
0,591513
0,074285
7,962774
var2**
0,506897
0,102993
4,921665
var3**
0,475545
0,090212
5,271433
var4**
0,418166
0,08255
5,06563
var5**
0,599884
0,034442
17,41702
var6**
0,591667
0,109288
5,413808
var7**
0,353089
0,06812
5,183298
var8**
0,7804
0,062656
12,45525
var9**
0,832601
0,074116
11,23373
var10**
0,454364
0,080677
5,631857
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient β
i2
0
0
0
0
0
0
0
0
0
0
R^2 adjusted
0,619173
0,403627
0,441995
0,484115
0,896331
0,346359
0,570654
0,768692
0,713875
0,447378
est significatif pour les différents secteurs
étudiés. Puisque pour un intervalle de confiance de 1%, on a des p-value associées à ce
paramètre inférieures à 1%. On peut donc dire que les variations des taux de change ont
un impact significatif sur les prix des actifs boursiers.
33
On remarque aussi que le signe du coefficient β
i2
est positif et ceci pour tous les
secteurs. Ceci laisse penser à l’existence d’une relation positive entre le rendement de
change et le rendement boursier. Si la devise locale s’apprécie, elle réalise donc un
rendement positif alors on devrait s’attendre à ce que durant cette même période les
indices sectoriels se soient appréciés aussi.
Ce qui est important à souligner est que pour tous les secteurs le coefficient β
i2
est positif et significatif, ceci laisse penser que le taux de change affecte de la même
manière les titres cotés en bourse (mais pas avec la même amplitude). Le fait d’appartenir
à un secteur qui serait à priori favorisé par une dépréciation ou une appréciation de la
devise locale ne constitue pas un critère.
ƒ L’hétéroscedasticité :
Nous reportons ici le résultat du test de White suivant l’équation suivante :
2
eit2 = ρ 0 i + ρ1i emt + ρ 2 i R xt + ρ 3emt
+ ρ 4 R xt2 + ρ 5emt R xt + ν t
34
Hétéroscedasticité: Test de White
statistique std dev
var1
F-statistic
137,9077
Obs*R-squared
529,525
CHGE
-0,001821
0,002543
CHGE^2
-0,136265
0,123518
var2
F-statistic
35,00283
Obs*R-squared
162,8464
CHGE
-0,002629
0,003941
CHGE^2
-0,142914
0,191445
var3
F-statistic
46,44854
Obs*R-squared
211,1261
CHGE
-0,002212
0,003156
CHGE^2
-0,123535
0,153301
var4
F-statistic
43,95199
Obs*R-squared
200,7856
CHGE
-0,001449
0,00228
CHGE^2
-0,112402
0,110756
var5
F-statistic
230,9454
Obs*R-squared
CHGE
CHGE^2
var6
F-statistic
Obs*R-squared
CHGE
CHGE^2
var7
F-statistic
Obs*R-squared
CHGE
CHGE^2
var8
F-statistic
Obs*R-squared
CHGE
CHGE^2
var9
F-statistic
Obs*R-squared
CHGE
CHGE^2
var10
F-statistic
Obs*R-squared
CHGE
CHGE^2
765,8169
-0,001701
-0,179996
45,35913
206,6266
-0,005347
-0,457793
77,87085
332,9306
-0,001206
-0,068919
171,7798
623,7214
-0,000576
0,032759
126,365
494,9013
0,000991
0,204213
59,49533
263,52
-0,003502
-0,211433
t-stat
prob
significatif ou pas
-0,716163
-1,103206
0 oui
0
0,474 non
0,2701 non
-0,666942
-0,7465
0 oui
0
0,5049 non
0,4554 non
-0,701051
-0,805836
0 oui
0
0,4833 non
0,4204 non
-0,635405
-1,014863
0 oui
0
0,5252 non
0,3103 non
0 oui
0,001394 -1,220389
0,067699 -2,658765
0
0,2224 non
0,0079 oui
0,004173 -1,281302
0,202698 -2,258493
0 oui
0
0,2002 non
0,024 oui
0,001813 -0,665092
0,088071 -0,78254
0 oui
0
0,5061 non
0,434 non
0,002136 -0,269716
0,103748 0,315758
0 oui
0
0,7874 non
0,7522 non
0,00266
0,129223
0,372331
1,580312
0 oui
0
0,7097 non
0,1142 non
0,002206 -1,58728
0,107179 -1,972714
0 oui
0
0,1126 non
0,0487 oui
35
On remarque d’après le tableau ci haut que l’hétéroscedasticité est observée d’une
façon significative au niveau de notre régression de l’équation (1.1) et ceci pour tous les
secteurs.
ƒ L’auto corrélation des erreurs :
Autocorrelation des erreurs:
Breusch-Godfrey Serial Correlation LM Test:
statitisque
var1
F-statistic
Obs*R-squared
var2
F-statistic
Obs*R-squared
var3
F-statistic
Obs*R-squared
var4
F-statistic
Obs*R-squared
var5
F-statistic
Obs*R-squared
var6
F-statistic
Obs*R-squared
var7
F-statistic
Obs*R-squared
var8
F-statistic
Obs*R-squared
var9
F-statistic
Obs*R-squared
var10
F-statistic
Obs*R-squared
p-value
significatif ou
pas à 5 %
4,208736
4,208347
0,040331 oui
0,040226
8,523372
8,506361
0,003541 oui
0,003539
5,672017
5,667828
0,01732 oui
0,017279
3,24152
3,242608
0,071927 non
0,071746
53,47879
52,33404
0 oui
0
14,26355
14,19912
0,000163 oui
0,000164
0,390829
0,391454
0,531927 non
0,531536
1,00253
1,00386
0,316806 non
0,316378
0,026125
0,026171
0,87161 non
0,871483
9,233945
9,212629
0,002403 oui
0,002404
36
On remarque la présence d’auto corrélation des erreurs pour les variables Var1,
Var2, var3, Var5, Var6 et Var10.Ceci constitue donc une limite pour l’utilisation de la
méthode des moindres carrés classiques.
ƒ Correction de l’ hétéroscedasticité et de l’auto -corrélation :
Comme nous avons observé les phénomènes d’hétéroscedasticité et d’auto
corrélation, nous opérons une réestimation du modèle grâce à la procédure de NeweyWest. Nous donnons ci après les résultats de l’estimation du modèle avec la procédure de
Newey-West (robuste pour l’auto corrélation et l’hétéroscedasticité).
Rit = β i 0 + β i1emt + β i 2 Rxt + eit
Nous reportons dans le tableau ci-après, les caractéristiques de l’estimation du
paramètre β
i2
Variables
Coefficient Std, Error
t-Statistic
Prob
var1**
0,591513
0,09466
6,248801
var2**
0,506897
0,120888
4,193111
var3**
0,475545
0,101143
4,701699
var4**
0,418166
0,090471
4,622099
var5**
0,599884
0,038182
15,71118
var6**
0,591667
0,10619
5,571757
var7**
0,353089
0,072577
4,864997
var8**
0,7804
0,101908
7,657899
var9**
0,832601
0,127409
6,534851
var10**
0,454364
0,061011
7,447269
**: siginficatifs à 1 %
* : significatifs à 5 %
0
0
0
0
0
0
0
0
0
0
R^2 adjusted
0,619173
0,403627
0,441995
0,484115
0,896331
0,346359
0,570654
0,768692
0,713875
0,447378
Nous remarquons que les résultats pour la significativité des paramètres sont très
proches de ceux trouvés par la méthode des moindres carrés classiques. Pour tous les
secteurs, les β
i2
sont significatifs pour un seuil de confiance de 1%.
ƒ Problème de tendance et d’intégration :
37
Nous donnons ci après les résultats du test de racine unitaire :
test de racine unitaire:(stationnarité)
chge
ADF Test Statistic
-19,8853
var1
ADF Test Statistic
-20,92181
var2
ADF Test Statistic
-21,01801
var3
ADF Test Statistic
-20,79875
var4
ADF Test Statistic
-20,7965
var5
ADF Test Statistic
-21,55689
var6
ADF Test Statistic
-19,51105
var7
ADF Test Statistic
-21,37361
var8
ADF Test Statistic
-21,07627
var9
ADF Test Statistic
-21,11132
var10
ADF Test Statistic
-20,70259
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
1% Critical Value*
-3,4363 oui stationnaire
Toutes les valeurs de la statistique ADF calculées sont supérieures à la valeur
critique. Toutes les séries financières sont alors stationnaires.
Ceci est d’ailleurs corroboré ci-après par les graphiques qui montrent une allure
horizontale. Nous donnons ci après le graphique l’évolution des rendements du taux de
change et des différents indices durant notre période d’étude.
38
.3
.16
.12
.2
.08
.1
.04
.00
.0
-.04
-.1
-.08
-.2
-.12
500
1000
1500
2000
2500
500
CHGE
1000
1500
2000
1500
2000
1500
2000
VAR1
.12
.12
.08
.08
.04
.04
.00
.00
-.04
-.04
-.08
-.08
-.12
-.12
500
1000
1500
500
2000
VAR3
VAR2
.12
.12
.08
.08
.04
.04
.00
.00
-.04
-.04
-.08
-.08
-.12
500
1000
1500
VAR4
1000
2000
-.12
500
1000
VAR5
39
.12
.12
.08
.08
.04
.04
.00
.00
-.04
-.04
-.08
-.08
-.12
500
1000
1500
2000
-.12
500
VAR6
1000
1500
2000
1500
2000
VAR7
.08
.12
.04
.08
.04
.00
.00
-.04
-.04
-.08
-.08
-.12
-.12
-.16
500
1000
1500
2000
VAR8
-.16
500
1000
VAR9
.12
.08
.04
.00
-.04
-.08
-.12
500
1000
1500
2000
VAR10
40
ƒ Problème de co-intégration :
Unrestricted Cointegration Rank Test
Hypothesized
No, of CE(s)
None **
At most 1 **
At most 2 **
At most 3 **
At most 4 **
At most 5 **
At most 6 **
At most 7 **
At most 8 **
At most 9 **
At most 10 **
Trace
Eigenvalue
0,241742
0,199563
0,191044
0,177074
0,166094
0,162882
0,16001
0,158082
0,145821
0,139508
0,135068
Statistic
4660,845
4036,261
3533,857
3055,349
2615,484
2205,535
1804,263
1410,721
1022,353
666,6162
327,5
5 Percent 1 Percent
Critical
Critical
Value
Value
277,71
233,13
192,89
156
124,24
94,15
68,52
47,21
29,68
15,41
3,76
293,44
247,18
204,95
168,36
133,57
103,18
76,07
54,46
35,65
20,04
6,65
*(**) denotes rejection of the hypothesis at the 5%(1%) level
Trace test indicates 11 cointegrating equation(s) at both 5% and 1% levels
Les résultats du test de cointégration de Johansen, montrent que la variable de
change est cointégrée avec tous les indices sectoriels. Ceci présente incontestablement,
une limite importante au niveau du pouvoir explicatif de notre modèle. Car comme on l’a
expliqué précédemment si deux variables sont cointégrées, il faut chercher d’autres
variables qui pourraient jouer le rôle de trait d’union en quelque sorte. En pratique, on
doit ajouter plus de variables explicatives au niveau de l’équation (1.1).
ƒ Le sens de la relation :
41
test de causality:
Null Hypothesis:
Obs
F-Statistic
Probability
VAR1 does not Granger Cause CHGE
CHGE does not Granger Cause VAR1
2257
2,33775
0,10394
0,03966 x cause y
0,99137 rien
VAR2 does not Granger Cause CHGE
CHGE does not Granger Cause VAR2
2257
2,45288
0,39661
0,03165 x cause y
0,85142 rien
VAR3 does not Granger Cause CHGE
CHGE does not Granger Cause VAR3
2257
2,96593
0,55869
0,01129 x cause y
0,73177 rien
VAR4 does not Granger Cause CHGE
CHGE does not Granger Cause VAR4
2257
2,37152
1,45326
0,03713 x cause y
0,20205 rien
VAR5 does not Granger Cause CHGE
CHGE does not Granger Cause VAR5
2257
3,56652
1,21458
3,24E-03 x cause y
0,29959 rien
VAR6 does not Granger Cause CHGE
CHGE does not Granger Cause VAR6
2257
1,86309
1,45108
0,09759 rien
0,2028 rien
VAR7 does not Granger Cause CHGE
CHGE does not Granger Cause VAR7
2257
1,83826
0,71257
0,10215 rien
0,61396 rien
VAR8 does not Granger Cause CHGE
CHGE does not Granger Cause VAR8
2257
5,67281
1,97525
3,30E-05 x cause y
0,07927 rien
VAR9 does not Granger Cause CHGE
CHGE does not Granger Cause VAR9
2257
5,76285
2,04594
2,70E-05 x cause y
0,06941 rien
VAR10 does not Granger Cause CHGE
CHGE does not Granger Cause VAR10
2257
1,45747
0,88219
0,20061 rien
0,49207 rien
La question à la quelle on essaie de répondre à travers ce test est: est-ce que le
rendement de change influence le rendement boursier de l’indice ou est-ce le contraire?
Ou est-ce qu’il y une interaction dans les deux sens?
Pour les variables Var1, Var2, Var3, Var4, Var5, Var8 et Var9: c’est le rendement
du cours de l’indice boursier qui influence le rendement du taux de change. Le contraire
pour ces variables n’est pas vrai.
Les variables Var1, Var2, Var3, Var4, Var5, Var8 et Var9 correspondent
respectivement aux indices : Taiwan SE Banking & Insurance, Taiwan SE Cement ,
Taiwan SE Cement & Ceramics, Taiwan Se Chemicals, Taiwan SE Composite, Taiwan
SE Electrical Machines, Taiwan SE Electronics.
42
Pour les variables Var6, Var7 et Var10, d’après ce test il n’est pas prouvé que ces
variables ont une influence sur le rendement de change. De même, il n’est pas non plus
prouvé que le rendement de change a une influence sur le rendement boursier des indices.
Les
variables
Var6,
Var7
et
Var10
correspondent
respectivement
aux
indices : Taiwan SE Construction, Taiwan SE Electric and machinery, Taiwan SE Food.
ƒ Test de stabilité :
Test de
stabilité:Chow
var1
F-statistic
Log likelihood ratio
var2
F-statistic
Log likelihood ratio
var3
F-statistic
Log likelihood ratio
var4
F-statistic
Log likelihood ratio
var5
F-statistic
Log likelihood ratio
var6
F-statistic
Log likelihood ratio
var7
F-statistic
Log likelihood ratio
var8
F-statistic
Log likelihood ratio
var9
F-statistic
Log likelihood ratio
var10
F-statistic
Log likelihood ratio
statistique
P-value
coef stable
ou non
8,201696
24,53711
0,00002 non stable
0,000019
1,158438
3,482025
0,324227 stable
0,323101
1,848986
5,555033
0,136185 stable
0,135384
6,628025
19,84976
0,000187 non stable
0,000182
9,349128
27,94875
0,000004 non stable
0,000004
5,340502
16,00749
0,001151 non stable
0,00113
0,872778
2,623924
0,454448 stable
0,453311
3,582095
10,74943
0,013321 non stable
0,013161
5,401024
16,18825
0,001057 non stable
0,001038
7,572366
22,66375
0,000049 non stable
0,000047
Les paramètres de l’Équation (1.1) sont-ils stables au cours du temps, en particulier
le coefficient β
i2
calculé est-il stable pour notre période d’étude?
43
Pour ceci, on a partagé notre échantillon en deux groupes:le premier groupe
contient 1100 observations (les 1100 premières: de 30/06/1995 jusqu’au 16/09/1999) et le
deuxième groupe contient 1164 observations (les dernières 1164 observations : de
17/09/1999 jusqu’à 08/04/2003). Le logiciel Eviews nous permet de calculer les
coefficients pour chaque sous période et de voir, si oui ou non, il y un changement
significatif de ce coefficient.
On remarque que pour les coefficients correspondant aux variables Var2, Var3 et
Var7 les β
i2
sont stables comme le montre le tableau ci haut. Un coefficient stable
durant la période d’échantillon signifie que la nature de la relation entre le rendement de
l’indice boursier et le rendement de change n’a pas significativement changé dans le
temps.
Les variables Var2, Var3 et Var7 correspondent respectivement aux indices :
Taiwan SE Cement , Taiwan SE Cement
& Ceramics, Taiwan SE Electric and
machinery.
Par contre, on remarque que pour les coefficients correspondant aux variables Var1,
Var4, Var5, Var6, Var8, Var9 et Var10 les β
i2
ne sont pas stables comme le montre le
tableau ci-haut. Un coefficient stable durant la période d’échantillon signifie que la nature
de la relation entre le rendement de l’indice boursier et le rendement de change a
significativement changé dans le temps.
Les variables Var1, Var4, Var5, Var6, Var8, Var9 et Var10 correspondent
respectivement aux indices : Taiwan SE Banking & Insurance Taiwan Se Chemicals,
Taiwan SE Composite, Taiwan SE Construction, Taiwan SE Electrical Machines, Taiwan
SE Electronics, Taiwan SE Food.
2.2
La Corée du Sud :
ƒ Estimation des paramètres de l’équation (1.1) :
Rit = β i 0 + β i1emt + β i 2 Rxt + eit
44
Nous reportons dans le tableau ci-après, les caractéristiques de l’estimation du
paramètre β
i2
Coefficient Std, Error t-Statistic Prob,
R^2 adjusted
Variables
Var1**
0
0,286061 0,040905
6,993348
0,456186
Var2**
0
0,191802 0,021511
8,916445
0,811378
Var3**
0
0,24929 0,043623
5,714699
0,285956
Var4**
0
0,233849 0,032096
7,28599
0,636555
Var5**
0,0111
0,130607 0,051378
2,54205
0,240425
Var6**
0
0,211443 0,044667
4,733721
0,370673
Var7**
0,0001
0,165769 0,041373
4,006692
0,470549
Var8 **
0
0,242703 0,044927
5,402167
0,219974
Var9**
0,0001
0,133509 0,033494
3,986078
0,501309
Var10**
0
0,145092 0,029997
4,836928
0,550447
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient β
i2
est significatif pour les différents secteurs
étudiés. Puisque pour un intervalle de confiance de 1%, on a des p-value associés à ce
paramètre inférieurs à 1%. On peut donc dire que les variations des taux de change ont un
impact sur les rendements des actifs boursiers.
On remarque aussi que le signe du coefficient β
i2
- et ceci pour tous les secteurs-
est positif. Ceci laisse penser à l’existence d’une relation positive entre le rendement de
change et le rendement boursier. Si la devise locale s’apprécie, elle réalise donc un
rendement positif alors on devrait s’attendre à ce que durant cette même période les
indices sectoriels se soient appréciés aussi.
Ce qui est important à souligner est que pour tous les secteurs le coefficient β
i2
est positif et significatif, ceci laisse penser que le taux de change affecte de la même
manière les titres cotés en bourse (mais pas avec la même amplitude). Le fait d’appartenir
à un secteur qui serait à priori favorisé par une dépréciation ou une appréciation de la
devise locale ne constitue pas un critère.
ƒ L’hétéroscedasticité :
Nous reportons ici le résultat du test de White suivant l’équation suivante :
45
2
eit2 = ρ 0 i + ρ 1i e mt + ρ 2 i R xt + ρ 3 e mt
+ ρ 4 R xt2 + ρ 5 e mt R xt + ν t
Hétéroscedasticité:test de W hite
statistique
std dev
var1
F-statistic
29,14584
Obs*R-squared
138,3827
CHGE
0,002847
CHGE^2
0,037619
var2
F-statistic
0,314934
Obs*R-squared
1,577323
CHGE
-0,001771
CHGE^2
-0,001886
var3
F-statistic
26,18886
Obs*R-squared
125,0099
CHGE
0,001823
CHGE^2
0,02284
var4
F-statistic
12,89097
Obs*R-squared
63,05446
CHGE
0,001071
CHGE^2
-0,007302
var5
F-statistic
1,309685
Obs*R-squared
6,547061
CHGE
-0,01105
CHGE^2
-0,012808
var6
F-statistic
0,045917
Obs*R-squared
0,230089
CHGE
-0,010335
CHGE^2
0,003125
var7
F-statistic
36,61759
Obs*R-squared
171,5459
CHGE
-0,003975
CHGE^2
0,092014
var8
F-statistic
1,303819
Obs*R-squared
6,517808
CHGE
-0,002097
CHGE^2
0,00139
var9
F-statistic
0,226432
Obs*R-squared
1,134256
CHGE
0,050476
CHGE^2
-0,101168
var10
F-statistic
25,82466
Obs*R-squared
123,3529
CHGE
-0,000698
CHGE^2
0,006719
t-stat
0,00243
0,021473
0,002784
0,024606
0,002466
0,021796
0,001546
0,013658
0,013948
0,123255
0,029231
0,258306
0,002192
0,019368
0,006717
0,059354
0,098522
0,87061
0,00119
0,010513
prob
significatif ou pas
1,171631
1,751909
0 oui
0
0,2415 non
0,0799 non
-0,635867
-0,076638
0,904244 non
0,903978
0,5249 non
0,9389 non
0,739304
1,047928
0 oui
0
0,4598 non
0,2948 non
0,69302
-0,534619
0 oui
0
0,4884 non
0,593 non
-0,792199
-0,103917
0,25682 non
0,256563
0,4283 non
0,9172 non
-0,353555
0,012097
0,99876 non
0,998755
0,7237 non
0,9903 non
-1,813528
4,750803
0 oui
0
0,0699 non
0 oui
-0,312184
0,023418
0,259302 non
0,25904
0,7549 non
0,9813 non
0,512338
-0,116204
0,951181 non
0,951027
0,6085 non
0,9075 non
-0,586819
0,639094
0 oui
0
0,5574 non
0,5228 non
46
Même chose que dans le cas de Taiwan, on remarque d’après le tableau ci haut que
l’hétéroscedasticité est observée d’une façon significative au niveau de notre régression
de l’équation (1.1) et ceci pour les secteurs Var1, Var3, Var4 ,Var7 et Var 10.
ƒ L’auto corrélation des erreurs :
Autocorrelation des erreurs:
Breusch-G odfrey Serial Correlation LM Test:
significatif
ou pas à 5
%
statitisque
p-value
var1
0,002478 oui
F-statistic
9,174616
O bs*R-squared
9,156614
0,002478
var2
0,000095 oui
F-statistic
15,28432
O bs*R-squared
15,21907
0,000096
var3
0 oui
F-statistic
54,98606
O bs*R-squared
53,94113
0
var4
0,000003 oui
F-statistic
22,02394
O bs*R-squared
21,87414
0,000003
var5
0,00002 oui
F-statistic
18,23185
O bs*R-squared
18,1338
0,000021
var6
F-statistic
2,950828
0,085951 non
O bs*R-squared
2,952004
0,085771
var7
F-statistic
1,469313
0,225563 non
O bs*R-squared
1,470727
0,225231
var8
0,000019 oui
F-statistic
18,32822
O bs*R-squared
18,22899
0,00002
var9
F-statistic
0,904552
0,341652 non
O bs*R-squared
0,905617
0,34128
var10
0,001066 oui
F-statistic
10,73372
O bs*R-squared
10,70633
0,001068
On remarque la présence d’auto corrélation des erreurs pour les variables Var1,
Var2, var3, Var4, Var5, Var8 et Var10.Ceci constitue donc une limite pour l’utilisation
de la méthode des moindres carrés.
ƒ Correction de l’ hétérocscedastcicité et de l’auto -corrélation :
47
Comme nous avons observé les phénomènes d’hétéroscedasticité et d’auto
corrélation, nous opérons une réestimation du modèle grâce à la procédure de NeweyWest. Nous donnons ci après les résultats de l’estimation du modèle avec la procédure de
Newey-West (robuste pour l’auto corrélation et l’hétéroscedasticité).
.
Rit = β i 0 + β i1emt + β i 2 Rxt + eit
Nous reportons dans le tableau ci-après, les caractéristiques de l’estimation du
paramètre β
i2
Variables
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
Var1**
0
0,286061
0,069468
4,117911
0,456186
Var2**
0
0,191802
0,024047
7,976244
0,811378
Var3**
0,0007
0,24929
0,073611
3,386574
0,285956
Var4**
0
0,233849
0,033763
6,926109
0,636555
Var5*
0,0221
0,130607
0,057024
2,290372
0,240425
Var6**
0,0003
0,211443
0,057767
3,660285
0,370673
Var7
0,165769
0,088697
1,868931
0,0617
0,470549
Var8 **
0
0,242703
0,042919
5,654855
0,219974
Var9**
0,006
0,133509
0,048595
2,747373
0,501309
Var10**
0,0008
0,145092
0,043025
3,372282
0,550447
**: siginficatifs à 1 %
* : significatifs à 5 %
En utilisant la correction de Newey-West, on remarque que le coefficient associé à
la Var7 n’est plus significatif. Pour les autres secteurs, il n’y a pas de changement
important par rapport aux résultats trouvés précédemment par la méthode des moindres
carrés ordinaires.
ƒ Problème de tendance et d’intégration :
48
Test de racine unitaire:(stationnarité)
chge
ADF Test Statistic
-34,6444 1%
var1
ADF Test Statistic
-22,15221 1%
var2
ADF Test Statistic
-24,29214 1%
var3
ADF Test Statistic
-21,92445 1%
var4
ADF Test Statistic
-23,22852 1%
var5
ADF Test Statistic
-23,65535 1%
var6
ADF Test Statistic
-21,92255 1%
var7
ADF Test Statistic
-24,30539 1%
var8
ADF Test Statistic
-22,52152 1%
var9
ADF Test Statistic
-23,44764 1%
var10
ADF Test Statistic
-24,2241 1%
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Critical Value*
-3,4359 oui stationnaire
Toutes les valeurs de la statistique ADF calculées sont supérieures à la valeur
critique. Toutes les séries financières sont alors stationnaires.
Ceci est d’ailleurs corroboré ci-après par les graphiques qui montrent une allure
horizontale. Nous donnons ci après le graphique l’évolution des rendements du taux de
change et des différents indices durant notre période d’étude.
.2
.3
.1
.2
.0
.1
-.1
.0
-.1
-.2
-.2
-.3
500
1000
1500
CHGE
2000
2500
500
1000
1500
2000
2500
VAR1
49
.2
.15
.10
.1
.05
.00
.0
-.05
-.1
-.10
-.15
-.2
-.20
-.25
-.3
500
1000
1500
2000
500
2500
1000
1500
2000
2500
VAR3
VAR2
.20
.20
.15
.15
.10
.10
.05
.05
.00
.00
-.05
-.05
-.10
-.10
-.15
-.20
-.15
500
1000
1500
2000
500
2500
1000
1500
2000
2500
VAR5
VAR4
.2
.15
.10
.1
.05
.00
.0
-.05
-.10
-.15
-.1
-.20
-.25
500
1000
1500
VAR6
2000
2500
-.2
500
1000
1500
2000
2500
VAR7
50
.15
.15
.10
.10
.05
.05
.00
.00
-.05
-.10
-.05
-.15
-.10
-.20
-.15
-.25
500
1000
1500
2000
2500
VAR8
500
1000
1500
2000
2500
VAR9
.15
.10
.05
.00
-.05
-.10
-.15
500
1000
1500
2000
2500
VAR10
ƒ Problème de co-intégration :
51
Unrestricted Cointegration Rank Test
Hypothesized
No, of CE(s)
None **
At most 1 **
At most 2 **
At most 3 **
At most 4 **
At most 5 **
At most 6 **
At most 7 **
At most 8 **
At most 9 **
At most 10 **
Trace
Eigenvalue
5 Percent 1 Percent
Critical
Value
Critical Value
Statistic
0,377476
0,374077
0,357202
0,350113
0,340685
0,337401
0,328706
0,322065
0,299089
0,288276
0,259121
11640,72
10394,17
9161,946
7999,682
6866,266
5770,728
4688,26
3640,078
2617,788
1683,154
788,7825
277,71
233,13
192,89
156
124,24
94,15
68,52
47,21
29,68
15,41
3,76
293,44
247,18
204,95
168,36
133,57
103,18
76,07
54,46
35,65
20,04
6,65
*(**) denotes rejection of the hypothesis at the 5%(1%) level
Trace test indicates 11 cointegrating equation(s) at both 5% and 1% levels
Les résultats du test de cointégration de Johansen, montrent que la variable de
change est cointégrée avec tous les indices sectoriels. Ceci présente incontestablement,
une limite importante au niveau du pouvoir explicatif de notre modèle. On trouve donc le
même problème qu’avec les données sur Taiwan. Comme on l’a expliqué précédemment
si deux variables sont cointégrées, il faut chercher d’autres variables qui pourraient jouer
le rôle de trait d’union en quelque sorte. En pratique on doit ajouter plus de variables
explicatives au niveau de l’équation (1.1).
ƒ Le sens de la relation :
52
Causality Test:
Null Hypothesis:
Obs
F-Statistic
Probability
VAR1 does not Granger Cause CHGE
CHGE does not Granger Cause VAR1
2627
9,21785
1,6231
1E-08 x cause y
0,1504 rien
VAR2 does not Granger Cause CHGE
CHGE does not Granger Cause VAR2
2627
15,313
1,97667
7,3E-15 x cause y
0,07899 rien
VAR3 does not Granger Cause CHGE
CHGE does not Granger Cause VAR3
2627
8,91904
0,66976
2,1E-08 x cause y
0,64641 rien
VAR4 does not Granger Cause CHGE
CHGE does not Granger Cause VAR4
2627
12,7637
1,01519
2,8E-12 x cause y
0,40692 rien
VAR5 does not Granger Cause CHGE
CHGE does not Granger Cause VAR5
2627
4,83834
0,73734
0,00021 x cause y
5,95E-01 rien
VAR6 does not Granger Cause CHGE
CHGE does not Granger Cause VAR6
2627
9,4021
0,51913
6,8E-09 x cause y
0,762 rien
VAR7 does not Granger Cause CHGE
CHGE does not Granger Cause VAR7
2627
6,5599
2,56106
0,0000045 x cause y
0,02552 y cause x
VAR8 does not Granger Cause CHGE
CHGE does not Granger Cause VAR8
2627
9,45214
1,04703
6,1E-09 x cause y
3,88E-01 rien
VAR9 does not Granger Cause CHGE
CHGE does not Granger Cause VAR9
2627
3,50546
1,22149
0,00368 x cause y
2,96E-01 rien
VAR10 does not Granger Cause CHGE
CHGE does not Granger Cause VAR10
2627
11,4599
2,74044
5,8E-11 x cause y
0,01782 y cause x
Pour toutes les variables on a (x cause y) : c’est le rendement du cours de l’indice
boursier qui influence le rendement du taux de change.
Mais, seulement pour les variables Var7 et Var10, on a que (y cause x) c'est-à-dire
que le rendement de change influence le cours boursier.
Les variables Var7 et Var10 correspondent respectivement aux indices : Korea SE
Insurance, Korea SE Iron, steel and metal.
Nous dans notre équation (1.1), on a considéré comme variables explicatives le
rendement de change et comme variable expliquée le rendement boursier : il aurait été
peut être plus judicieux d’inverser. Mais, au niveau des résultats économétriques, ça ne
change rien.
53
ƒ Test de stabilité :
Test de stabilité:Chow
var1
F-statistic
Log likelihood ratio
var2
F-statistic
Log likelihood ratio
var3
F-statistic
Log likelihood ratio
var4
F-statistic
Log likelihood ratio
var5
F-statistic
Log likelihood ratio
var6
F-statistic
Log likelihood ratio
var7
F-statistic
Log likelihood ratio
var8
F-statistic
Log likelihood ratio
var9
F-statistic
Log likelihood ratio
var10
F-statistic
Log likelihood ratio
statistique
coef stable
ou non
P-value
0,771769
2,31975
0,509705 stable
0,508748
7,398354
22,15246
0,000062 non stable
0,000061
12,95907
38,68057
0 non stable
0
0,034766
0,104708
0,991315 stable
0,991267
2,469429
7,414936
0,060204 stable
0,059785
0,244485
0,735202
0,8653 stable
0,864895
0,114155
0,3434
0,951845 stable
0,95167
2,572576
7,724193
0,052451 stable
0,052069
4,431803
13,29234
0,004098 non stable
0,004045
7,234344
21,6634
0,000078 non stable
0,000077
Les paramètres de l’Équation (1.1) sont-ils stables au cours du temps, en particulier
le coefficient β
i2
calculé est-il stable pour notre période d’étude?
Pour ceci, on a partagé notre échantillon en deux groupes: le premier groupe
contient 1300 observations (les 1300 premières: de 31/01/1994 jusqu’au 18/01/1999) et le
deuxième groupe contient 1332 observations (les dernières 1332 observations : de
19/01/1999 jusqu’à 08/04/2003). Le logiciel Eviews nous permet de calculer les
coefficients pour chaque sous période et de voir, si oui ou non, il y un changement
significatif de ce coefficient.
54
On remarque que pour les coefficients correspondant aux variables Var1, Var4,
Var5, Var6, Var7 et Var8 les β
i2
sont stables comme le montre le tableau ci-haut. Un
coefficient stable durant la période d’échantillon signifie que la nature de la relation entre
le rendement de l’indice boursier et le rendement de change n’a pas significativement
changé dans le temps.
Les variables Var1, Var4, Var5, Var6, Var7 et Var8 correspondent respectivement
aux indices : Korea SE Construction, Korea SE Financial services, Korea SE Fisheries,
Korea SE Ground Tran, Korea SE Insurance, Korea SE Investment and Banking.
Par contre, pour les variables Var2, Var3, Var9 et Var10 les β
i2
ne sont pas
stables comme le montre le tableau ci-haut. Un coefficient non stable durant la durée de
l’échantillon signifie que la nature de la relation entre le rendement de l’indice boursier et
le rendement de change a significativement changé dans le temps.
Les variables Var2, Var3, Var9 et Var10 correspondent respectivement aux indices:
Korea SE Fab Met Mch ; Korea SE Fab Met Prd ; Korea SE Iron and steel ; Korea SE
Iron steel and metal.
III. Extension du modèle de Jorion (1991) avec prime de
marché :
1- Présentation du modèle :
*
Rit = β i 0 + β i1e mt
+ β i 2 R xt + eit
Avec comme équation complémentaire :
et
*
*
R mt
= α i 0 + α i1 R xt + e mt
*
R mt
= R mt − R ft
(2.1)
(2.2)
(2.3)
Avec : Rit : Rendement boursier de l’indice du secteur i.
R xt : Rendement de la monnaie locale exprimée en devise étrangère (en
Dollars américain)
Rmt : Rendement boursier de l’indice de marché.
55
emt : Résidu de l’indice de marché
R
ft
: C’est le rendement sans risque.
L’idée principale dans ce modèle est de prendre comme variable la prime de marché
et non pas le rendement de marché. En effet, il est des fois plus judicieux de centrer par
rapport au taux sans risque.
2- Résultats :
Les résultats de ce modèle ne sont pas non plus sensiblement différents du modèle
de Jorion (1991) et ceci pour les deux pays. Les taux sans risque pris ici sont les taux de
dépôts à terme à 90 jours. Ces taux fluctuent en effet que très peu durant la période de
notre étude. On se retrouve à avoir quasiment une constante. Dés lors, les coefficients de
la régression ne changent pas.
2.1
Taiwan :
Nous exposons ici les résultats de ce modèle. Nous résumons les caractéristiques du
coefficient β
i2
relatif au rendement du taux de change. Ces estimations sont faites avec
la méthode des moindres carrés avec l’ajustement de Newey-West (robuste pour l’auto
corrélation et l’hétéroscedasticité).
Variable
Coefficient Std, Error
t-Statistic
Prob
var1**
0,591514
0,094662
6,248727
var2**
0,506898
0,120913
4,192243
var3**
0,475546
0,101165
4,700681
var4**
0,418167
0,090457
4,622807
var5**
0,599885
0,038192
15,70712
var6**
0,591668
0,106201
5,571184
var7**
0,353089
0,072575
4,865182
var8**
0,780401
0,101867
7,660955
var9**
0,832603
0,12737
6,536861
var10**
0,454365
0,061012
7,447102
**: siginficatifs à 1 %
* : significatifs à 5 %
0
0
0
0
0
0
0
0
0
0
R^2 adjusted
0,619226
0,403713
0,442081
0,484169
0,896364
0,346465
0,570699
0,768641
0,71382
0,44741
56
On remarque que le paramètre β
i2
est statistiquement significatif pour tous les
secteurs.
2.2
La Corée du Sud :
Nous exposons ici les résultats de modèle. Nous résumons les caractéristiques du
coefficient β
i2
relatif au rendement du taux de change. Ces estimations sont faites avec
la méthode des moindres carrés avec l’ajustement de Newey-West (robuste pour l’auto
corrélation et l’hétéroscedasticité).
Variables
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
var1**
0
0,286071
0,069438
4,11982
0,456302
var2**
0
0,191813
0,024065
7,970567
0,636675
var3**
0,0007
0,249297
0,07353
3,390409
0,285959
var4**
0
0,23386
0,033797
6,919618
0,811293
var5*
0,0219
0,130614
0,056966
2,292849
0,550426
var6**
0,0003
0,211452
0,057695
3,665025
0,240425
var7*
0,165779
0,088725
1,868455
0,0618
0,370798
var8**
0
0,242709
0,042853
5,663793
0,470502
var9**
0,006
0,133518
0,048574
2,748759
0,219981
var10**
0,0007
0,145101
0,042992
3,375075
0,50128
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le paramètre β
i2
est statistiquement significatif pour tous les
secteurs sauf pour la variable Var7. La Var7 correspond au secteur : Korea SE Insurance.
3- Conclusion :
Ce modèle n’apporte un meilleur résultat que celui présenté par Jorion (1991). Il
n’y a donc presque pas de différence entre les deux modèles. Les valeurs de R^2 ajustés
qui sont sensiblement les mêmes, témoignent aussi de cela.
57
IV. Extension du modèle de Jorion (1991) avec effet retardé :
1- Présentation du modèle :
Le quatrième modèle utilisé pour illustrer la relation entre le rendement du taux de
change et celui des secteurs est présenté comme suit :
Rit = β i 0 + β i1emt + β i 2 Rxt −1 + eit
(3.1)
Rit = β i 0 + β i1emt + β i 2 Rxt − 5 + eit
(3.2)
Rit = β i 0 + β i1emt + β i 2 Rxt −10 + eit
(3.3)
Avec comme équation complémentaire :
R mt = α i 0 + α i1 R xt + e mt
(3.4)
Les premières équations (3.1), (3.2) et (3.3) sont une relation entre le rendement
du secteur i et le rendement du marché et le rendement du taux de change mais suivant
différents retards dans le temps. Nous avons choisi des retards respectifs de une, cinq et
dix périodes. Ces estimations sont faites avec la méthode des moindres carrés avec
l’ajustement de Newey-West (robuste pour l’auto corrélation et l’hétéroscedasticité).
Avec : Rit : Rendement boursier de l’indice du secteur i.
R xt : Rendement de la monnaie locale exprimée en devise étrangère (en
Dollars américain)
Rmt : Rendement boursier de l’indice de marché.
emt : Résidu de l’indice de marché
58
L’idée principale de ce modèle est née d’une constatation simple. Pour les pays
émergents les marchés boursiers sont en général moins efficients que ceux des pays
développés. Il faut donc plus du temps à ces marchés pour incorporer toute l’information
disponible (les news) et les répercuter sur les prix des titres cotés.
On a choisi alors de voir l’effet de changement des taux de change sur les
rendements boursiers après 1 jours, 5jours et 10 jours. La question à la quelle on essaie de
répondre est : est-ce qu’il y a, oui ou non, un effet retardé?.
2- Résultats :
Nous reportons ici les résultats de notre modèle :
2.1
ƒ
Taiwan :
Pour le modèle retardé à 1 jour :
Rit = β i 0 + β i1emt + β i 2 Rxt −1 + eit
Nous résumons les caractéristiques du coefficient β
i2
relatif au rendement du taux
de change :
Variable
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
var1
-0,175002
0,101265
-1,728162
0,0841
0,609216
var2
-0,160168
0,097553
-1,641862
0,1008
0,397567
var3*
0,0382
-0,17375
0,083796
-2,073483
0,435775
var4
-0,008751
0,099423
-0,088015
0,9299
0,47798
var5
0,002473
0,053236
0,046462
0,9629
0,882353
var6
-0,021897
0,120153
-0,18224
0,8554
0,33781
var7
-0,080328
0,07459
-1,076923
0,2816
0,565654
var8
0,190933
0,126922
1,50433
0,1326
0,753676
var9
0,230521
0,150684
1,529826
0,1262
0,699076
var10
-0,04125
0,095082
-0,433836
0,6644
0,439374
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient est significatif que pour la variable Var3. Autrement
dit, dans ce modèle pour les neufs autres indices sectoriels, le coefficient n’est plus
59
significatif. Il parait donc improbable que ce modèle soit meilleur que le modèle initial de
Jorion 1991.
La variable Var3 correspond au secteur : Taiwan SE Cement & Ceramics.
ƒ
Pour le modèle retardé à 5 jours :
Rit = β i 0 + β i1emt + β i 2 Rxt − 5 + eit
Nous résumons les caractéristiques du coefficient β
i2
relatif au rendement du taux
de change :
Variable
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
var1
0,051998
0,083726
0,621045
0,5346
0,607859
var2
0,067611
0,082897
0,815608
0,4148
0,396954
var3
0,068538
0,060482
1,133201
0,2573
0,435016
var4
0,079357
0,098566
0,805112
0,4208
0,477402
var5
0,03144
0,024202
1,299062
0,1941
0,882273
var6
0,050876
0,11251
0,452187
0,6512
0,337813
var7
0,063188
0,070875
0,891542
0,3727
0,565579
var8
0,036509
0,062165
0,587288
0,5571
0,753246
var9
0,03554
0,090998
0,390555
0,6962
0,438821
var10
0,036108
0,072693
0,49672
0,6194
0,698623
**: siginficatifs à 1 %
* : significatifs à 5 %
Le coefficient n’est plus significatif pour aucun secteur. Après 5 jours, les
changements dans les taux de change n’ont plus aucun effet sur les rendements des
indices boursiers.
ƒ
Pour le modèle retardé à 10 jours :
Rit = β i 0 + β i1emt + β i 2 Rxt −10 + eit
Nous résumons les caractéristiques du coefficient β
i2
relatif au rendement du taux
de change :
60
Variable
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
var1
0,016456
0,075849
0,216951
0,8283
0,607766
var2
-0,16573
0,103672
-1,598607
0,11
0,397671
var3
-0,090746
0,095499
-0,950231
0,3421
0,435241
var4
-0,064833
0,071053
-0,912458
0,3616
0,477518
var5
-0,025078
0,038351
-0,653912
0,5132
0,882324
var6
-0,091992
0,101183
-0,909165
0,3634
0,338359
var7
-0,110374
0,070315
-1,569703
0,1166
0,565888
var8
-0,026673
0,059635
-0,447273
0,6547
0,753533
var9
-0,013631
0,070573
-0,193146
0,8469
0,699103
var10*
0,017
-0,156489
0,065544
-2,387528
0,439633
**: siginficatifs à 1 %
* : significatifs à 5 %
Le coefficient n’est plus significatif pour la Var10. Pour les autres secteurs, après
10 jours, les changements dans les taux de change n’ont plus aucun effet sur les
rendements des indices boursiers. La Var 10 correspond au secteur : Taiwan SE Food.
2.2
ƒ
La Corée du Sud :
Pour le modèle retardé à 1 jour :
Rit = β i 0 + β i1emt + β i 2 Rxt −1 + eit
Nous résumons les caractéristiques du coefficient β
i2
relatif au rendement du taux
de change :
Variable
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
var1**
0,0079
0,107773
0,040513
2,660187
0,447511
var2*
0,0349
0,045084
0,021359
2,110796
0,80595
var3
0,123502
0,102146
1,209076
0,2267
0,27926
var4**
0
0,100639
0,022562
4,46046
0,630777
var5
0,117472
0,060643
1,937102
0,0528
0,240537
var6
0,109795
0,057463
1,910703
0,0562
0,366627
var7**
0,0063
0,140125
0,051296
2,731725
0,469517
var8*
0,0325
0,116806
0,054611
2,138854
0,213252
var9
0,009879
0,046256
0,213576
0,8309
0,498209
var10
0,014453
0,041452
0,348661
0,7274
0,546393
**: siginficatifs à 1 %
* : significatifs à 5 %
61
On remarque que le coefficient est significatif que pour les variables Var1, Var2,
Var4, Var7 et Var8. Il parait donc, là aussi, improbable que ce modèle soit meilleur que
le modèle initial de Jorion (1991).
Les variables Var1, Var2, Var4, Var7 et Var8 correspondent respectivement aux
secteurs : Korea SE Construction, Korea SE Fab, Met, Mch, Korea SE Financial services,
Korea SE Insurance , Korea SE Insurance.
ƒ
Pour le modèle retardé à 5 jours :
Rit = β i 0 + β i1emt + β i 2 Rxt −5 + eit
Variable
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
var1
-0,089873
0,098782
-0,909813
0,363
0,446708
var2
-0,060217
0,035196
-1,710905
0,0872
0,806237
var3
-0,050008
0,089067
-0,561465
0,5745
0,277371
var4
-0,068629
0,042189
-1,626714
0,1039
0,629513
var5
-0,063065
0,062739
-1,005189
0,3149
0,241521
var6
-0,084002
0,070753
-1,187258
0,2352
0,365346
var7**
0,0269
0,126118
0,056948
2,214619
0,468586
var8
-0,089141
0,071997
-1,238129
0,2158
0,211367
var9
-0,060416
0,049988
-1,208605
0,2269
0,497792
var10
-0,058702
0,046611
-1,259401
0,208
0,545997
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient n’est plus significatif que pour la variable Var7. Il
parait donc que pour un décalage de 5 jours les variations de taux de change ont moins
d’impact sur les rendements boursiers des secteurs. Les variables Var7 correspond au
secteur : Korea SE Insurance.
ƒ
Pour le modèle retardé à 10 jours :
Rit = β i 0 + β i1emt + β i 2 Rxt −10 + eit
62
Variable
Coefficient Std, Error
t-Statistic
Prob
R^2 adjusted
var1
0,008799
0,065414
0,134508
0,893
0,445591
var2**
0,0057
0,048618
0,017566
2,767807
0,806076
var3
0,155055
0,082843
1,871664
0,0614
0,280499
var4
0,00501
0,039165
0,127921
0,8982
0,629399
var5
0,062679
0,057844
1,083571
0,2787
0,241887
var6
0,060392
0,058634
1,029972
0,3031
0,36488
var7
-0,122475
0,064866
-1,888119
0,0591
0,468691
var8**
0,0221
0,116531
0,050868
2,290861
0,212038
var9
-0,001247
0,051333
-0,024282
0,9806
0,49711
var10
0,009267
0,042357
0,218779
0,8268
0,545287
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient n’est plus significatif que pour les variables Var2, et
Var8. Il parait donc que pour un décalage de 10 jours les variations de taux de change ont
moins d’impact sur les rendements boursiers des secteurs. Les var2 et Var8
correspondent respectivement aux secteurs : Korea SE Fab, Met, Mch et Korea SE
Investment and Banking.
D’après ces résultats, il est très difficile de dire s’il y a une effet cyclique : c’est à
dire si les changements de taux de change ont un impact que dans 10 jours. Rien ne nous
permet de justifier cette affirmation.
3- Conclusion :
Les modèles retardés n’ont pas permis d’améliorer l’explication des rendements des
indices boursiers. Pour Taiwan, il paraît très peu probable que les changements des taux
de change aient un impact retardé. Mais pour la Corée du sud, au vu des résultats
obtenus, la réponse est beaucoup plus nuancée et on n’arrive pas à ressortir avec une
conclusion claire.
63
V. Modèle de Koutmos et Martin (2003) avec volatilité
conditionnelle:
1- Présentation du modèle :
Nous reprenons ici le modèle utilisé par Koutmos et Martin (2003) 16. Ce modèle a
été initialement utilisé par ces auteurs pour étudier l’impact de la volatilité de la devise
sur les rendements boursiers. Leur étude s’est portée sur les marchés américain,
allemand, japonais et britannique. Nous nous proposons ici de reprendre cette étude, mais
cette fois sur deux autres pays à savoir Taiwan et la Corée du sud.
Le modèle s’écrit comme suit :
Rit = β i 0 + β i1emt + β i 2 Rxt + β i 3hxt + eit
(4.1)
Avec : Rit : Rendement boursier de l’indice du secteur i.
R xt : Rendement de la monnaie locale exprimée en devise étrangère (en
Dollars américain)
Rmt : Rendement boursier de l’indice de marché.
emt : Résidu de l’indice de marché
hxt :la volatilité conditionnelle des taux de change.
Pour ce modèle, on ajouté comme variable explicative la volatilité conditionnelle.
Celle ci peut avoir une influence sur le rendement de l’indice boursier sectoriel. Plus le
taux de change varie (et plus il est volatile) et donc il aura une plus grande influence sur
le rendement des indices sectoriels.
16
Koutmos, G., Martin, A.D., « First and Second Moment Exchange Rate Exposure: Evidence from
U.S Stock Returns », The financial review 38 (2003) 455-471
64
La volatilité des taux de change peut affecter les valeurs des cash-flows en altérant
le volume du commerce international. Les firmes ont généralement tendance à éviter de
faire des transactions sur des monnaies très volatiles. Elles peuvent donc se priver d’un
gain supplémentaire sur des opérations commerciales. A priori, il y a donc une relation
négative entre la volatilité de la firme et la valeur de ses cash-flows (et donc sa valeur
boursière).
La volatilité des taux de change peut aussi affecter les cash-flows de la firme en
augmentant le volume des opérations de couverture ou en augmentant le coût de
transactions de ces mêmes opérations. Cet argument plaide aussi en faveur d’une relation
négative entre le rendement boursier de la firme et sa volatilité.
Pour le coefficient β
i3
: si le volume de commerce est réduit pour les exportations
nets à cause de la grande volatilité du taux de change alors β
i3
devrait être négatif.
La volatilité conditionnelle est déterminée par la méthode de Maximisation de
Vraisemblance avec un processus Garch (1,1) :
h xt = a 0 + a1 h xt − 1 + a 2 R xt2 + v it
(4.2)
On détermine alors les paramètres a0, a1 et a2.
Il s’agit en fait de maximiser l’expression de Log-vraisemblance suivante :
T
1
l (θ ; y t , x t ) = −
log( 2 π ) −
2
2
T
∑
t =1
1
log( h t ) −
2
T
∑
t =1
(
yt − xtβ 2
)
ht
2- Résultats :
2.1
Taiwan :
Nous avons d’abord calculé les paramètres de l’équation (4.2) avec une procédure
de maximisation de vraisemblance opérée avec le logiciel Excel. Et nous avons obtenu
les paramètres suivants :
65
a0
a1
a2
a0+a1
MLE
0,1
0,85
0,000005
0,95
3722,78
Nous avons ensuite calculé de manière récursive les volatilités conditionnelles
h xt
.Ensuite, nous avons opéré la régression de l’équation (4.1) sur chacun des
différents indices. Les estimations sont faites avec la méthode des moindres carrés avec
l’ajustement de Newey-West (robuste pour l’auto corrélation et l’hétéroscedasticité).
Pour les résultats du coefficient β
i2
relatifs au rendement de change, les résultats
ne sont pas sensiblement différents de ceux trouvés au niveau du modèle de Jorion
(1991).
Rit = β i 0 + β i1emt + β i 2 R xt + β i 3 hxt + eit
Les caractéristiques de : β
i2
Variable
Coefficient Std, Error
t-Statistic
Prob
var1**
0,593749
0,093907
6,322706
var2**
0,508687
0,119345
4,26232
var3**
0,47737
0,099668
4,789587
var4**
0,419422
0,090241
4,647815
var5**
0,599949
0,038283
15,67148
var6**
0,595172
0,103565
5,746868
var7**
0,355622
0,070579
5,038613
var8**
0,778974
0,099468
7,831427
var9**
0,830661
0,124121
6,692329
var10**
0,457714
0,061035
7,499216
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que pour tous les secteurs le coefficient β
0
0
0
0
0
0
0
0
0
0
i2
relatif au rendement de
change est significatif.
Mais ce qui est important à relever est que le coefficient relatif à la volatilité
conditionnelle β
i3
est significatif pour trois indices sectoriels comme le montre le
tableau ci-dessous :
Rit = β i 0 + β i1emt + β i 2 R xt + β i 3 hxt + eit
Les caractéristiques de : β
i3
66
Variable
Coefficient Std, Error
t-Statistic
Prob
var1
28,72166
18,64936
1,540088
0,1237
var2
23,0029
18,56693
1,238918
0,2155
var3
23,44371
14,94487
1,568679
0,1169
var4
16,12391
11,11544
1,450586
0,147
var5
0,828176
4,369719
0,189526
0,8497
var6*
0,0182
45,03364
19,0572
2,363078
0,0187
var7*
32,54387
13,83502
2,352281
var8
-18,3112
13,57859
-1,348535
0,1776
var9
-24,92511
16,23099
-1,535649
0,1248
var10**
0,0024
43,02934
14,168
3,03708
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que β
i3
est significatif pour les var6, var7 et var10.Ceci correspond
aux indices suivants : Taiwan SE Construction, Taiwan SE Electric and machinery et
Taiwan SE Food.
Ceci laisse penser que ces indices sont plus volatiles que les autres. Et, s’ils sont
plus volatiles que les autres, ceci laisse penser qu’ils seront plus sensibles d’une façon
générale à tous les facteurs pouvant les affecter. Et plus particulièrement, dans notre cas,
ils seront donc plus sensibles au risque de change.
Pour ces trois indices le signe du coefficient est positif, ce qui laisse supposer une
relation positive entre le rendement de l’indice et sa volatilité.
2.2
La Corée du Sud :
De même que précédemment, nous avons d’abord calculé les paramètres de
l’équation (4.2) avec une procédure de maximisation de vraisemblance opérée avec le
logiciel Excel. Et nous avons obtenu les paramètres suivants :
a0
a1
a2
a0+a1
MLE
0,1
0,85
0,000005
0,95
3722,78
67
Nous avons ensuite calculé de manière récursive les volatilités conditionnelles
h xt
.Ensuite, nous avons opéré la régression de l’équation (4.1) sur chacun des
différents indices. Les estimations sont faites avec la méthode des moindres carrés avec
l’ajustement de Newey-West (robuste pour l’auto corrélation et l’hétéroscedasticité).
Pour les résultats du coefficient β
i2
relatifs au rendement de change, les résultats
ne sont pas sensiblement différents de ceux trouvés au niveau Jorion (1991).
Rit = β i 0 + β i1emt + β i 2 R xt + β i 3 hxt + eit
Les caractéristiques de : β
i2
Variable
Coefficient Std, Error
t-Statistic
Prob
0
var1**
0,283768
0,066841
4,245419
0
var2**
0,192363
0,024353
7,89879
0,0005
var3**
0,246406
0,070334
3,503352
0
var4*
0,23095
0,033452
6,903858
0,0229
var5**
0,130029
0,057135
2,275837
0,0003
var6**
0,210813
0,05761
3,659308
var7*
0,165658
0,088769
1,866178
0,0621
var8**
0
0,2383
0,039584
6,020175
0,0067
var9**
0,131974
0,048664
2,711972
0,0009
var10**
0,143672
0,043083
3,334796
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que pour tous les secteurs, sauf pour la Var7, le coefficient β
i2
relatif
au rendement de change est significatif. La Var7 correspond au secteur Korea SE
Insurance.
Mais ce contrairement à ce qu’on avait trouvé dans le cas de Taiwan, le coefficient
β i 3 relatif à la volatilité conditionnelle n’est pas significatif pour aucun indice
sectoriel comme le montre le tableau ci dessous:
68
Rit = β i 0 + β i1emt + β i 2 R xt + β i 3 hxt + eit
Les caractéristiques de : β
i3
Variable
Coefficient Std, Error
t-Statistic
Prob
var1
-1,034451
1,597888
-0,647386
0,5174
var2
0,252942
0,492719
0,513361
0,6077
var3
-1,300964
2,336979
-0,556686
0,5778
var4
-1,307369
0,914554
-1,429515
0,153
var5
-0,260368
0,959778
-0,271279
0,7862
var6
-0,284402
0,721994
-0,393912
0,6937
var7
-0,049967
0,699004
-0,071483
0,943
var8
-1,986007
1,357862
-1,462598
0,1437
var9
-0,692135
0,688973
-1,00459
0,3152
var10
-0,640581
0,532464
-1,20305
0,2291
**: siginficatifs à 1 %
* : significatifs à 5 %
Pour la Corée du Sud, la volatilité de la devise n’a donc pas d’influence sur le
rendement des indices boursiers. Les investisseurs investissent en Corée du sud sans se
soucier de la fréquence des variations des taux de change du won coréen par rapport au
dollar américain.
69
VI. Modèle d’asymétrie Koutmos et Martin (2003) :
1- Présentation du modèle :
Jusque là, on s’est intéressé à l’étude de l’impact des rendements de change sur les
indices boursiers sans se soucier du sens de la variation des taux de change. Avec ce
modèle, on essaie de distinguer entre les effets des hausses et les effets des baisses des
taux de change. On essaiera donc de voir si la réaction du marché boursier face aux taux
de change est symétrique ou pas. Nous reprenons ici aussi une autre étude menée par
Koutmos et Martin(2003) 17. Leur étude s’est portée sur le marché américain. Nous nous
proposons ici de tester cette procédure sur le marché taiwanais et sud coréen.
Le modèle utilisé pour illustrer la relation entre le rendement du taux de change et
le rendement des secteurs boursiers est le modèle suivant:
Rit = β i 0 + β i1emt + D pos β i 2 Rxt+ + Dneg β i 3 Rxt− + eit
Avec comme équation complémentaire :
Avec :
R mt = α i 0 + α i1 R xt + e mt
D pos = 1
Si
R xt f 0
D pos = 0
Si
R xt ≤ 0
(5.1)
(5.2)
Et :
17
D neg = 0
Si
R xt f 0
D neg = 1
Si
R xt ≤ 0
Gregory, K., Martin, A.D., «Asymmetric exchange rate exposure: theory and evidence», Journal
of International Money and Finance 22 (2003) 365–383
70
La première équation (5.1) est une relation entre le rendement du secteur i et le
rendement du marché et le rendement du taux de change.
Avec : Rit : Rendement boursier de l’indice du secteur i.
R xt+ : Rendement positif de la monnaie locale exprimée en devise étrangère
(en dollar américain).
R xt− : Rendement négatif de la monnaie locale exprimée en devise étrangère
(en dollar américain).
Rmt : Rendement boursier de l’indice de marché.
emt : Résidu de l’indice de marché.
L’avantage de ce modèle est qu’il nous permet de savoir s’il y a une différence
entre les changements positifs ou négatifs de taux de change. C’est à dire est-ce que des
variations, positives ou négatives, du taux de change ont la même influence sur le
rendement boursier?.
Pour cela on a partagé les taux de change en une colonne
taux de change sont positifs et une colonne
R xt+ où les rendements de
R xt− où les taux de change sont négatifs .Et
ensuite on opère la régression (5.1).
Pour savoir s’il y a un effet d’asymétrie on opère le test suivant :
H 0 : β i 2 = β i3
H 1 : β i 2 ≠ β i3
Pas d ' asymétrie
asymétrie
71
2- Résultats :
2.1
Taiwan :
On reporte ici les caractéristiques du paramètre β i 2 :
Variable(chge
positif)
Coefficient Std, Error
t-Statistic
Prob
var1**
0
0,78752
0,157069
5,013836
var2**
0
0,797949
0,184505
4,324801
var3**
0
0,72909
0,1596
4,568222
var4**
0,0066
0,395011
0,145214
2,720195
var5**
0
0,668914
0,065334
10,23845
var6**
0,0004
0,685436
0,191615
3,577161
var7**
0
0,603699
0,119848
5,037193
var8**
0
0,596992
0,137475
4,342543
var9**
0,0003
0,614637
0,168498
3,647742
var10**
0
0,653924
0,129483
5,050268
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient
β i 2 est significatif pour tous les secteurs pour un
seuil de confiance de 5%.
On reporte ici les caractéristiques du paramètre β i 3 :
Variable(chge
negatif)
Coefficient Std, Error
t-Statistic
Prob
var1**
0,0008
0,460881
0,137286
3,357097
var2*
0,0182
0,312921
0,13245
2,36256
var3**
0,0057
0,306566
0,110736
2,768426
var4**
0,0003
0,433599
0,118605
3,655826
var5**
0
0,553878
0,047091
11,76179
var6**
0
0,529173
0,108035
4,898148
var7*
0,0494
0,186065
0,094641
1,966009
var8**
0
0,902635
0,168739
5,349298
var9**
0
0,977867
0,210546
4,644424
var10
0,0002
0,321364
0,085901
3,741107
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient
β i 3 est significatif pour tous les secteurs pour un
seuil de confiance de 5%.
On reporte ici les résultats des tests d’asymétrie :
72
var1
var2
var3
var4
var5
var6
var7
var8
var9
var10
P-value
F-statistic
2,023796
0,155
4,87172
0,0273
4,91539
0,0266
0,040888
0,8398
1,922376
0,1656
0,558477
0,455
6,539151
0,0106
1,45275
0,2281
1,348642
0,2455
3,636398
0,0565
symétrique ou
asymétrique
symétrique
asymétrique
asymétrique
symétrique
symétrique
symétrique
asymétrique
symétrique
symétrique
symétrique
On remarque que pour les variables Var1, Var4, Var5, Var6, Var8, Var9 et Var 10
il y a une symétrie. C’est à dire que les rendements des taux change influencent de la
même manière le rendement des différents secteurs et ceci indépendamment du sens de la
variation.
Les variables Var1, Var4, Var5, Var6, Var8, Var9 et Var 10 correspondent aux
indices suivants : Taiwan SE Banking & Insurance, Taiwan Se Chemicals, Taiwan SE
Composite, Taiwan SE Construction, Taiwan SE Electrical, Taiwan SE Electronics,
Machines Taiwan SE Food.
Pour les variables Var2, Var3 et Var7 il y a présence d’asymétrie. C’est à dire que
des variations de même amplitude des rendements de taux de change mais de sens
différents n’ont pas le même impact sur le rendement boursier des indices considérés.
Les variables Var2, Var3 et Var7 correspondent aux indices suivants :Taiwan SE
Cement, Taiwan SE Cement & Ceramics, Taiwan SE Electric and machinery..
2.2
La Corée du Sud :
On reporte ici les caractéristiques du paramètre β i 2 :
73
Variable(chge
positif)
Coefficient Std, Error
t-Statistic
Prob
var1**
0,0126
0,34437
0,137981
2,495778
var2**
0
0,192191
0,024114
7,970185
var3
0,044836
0,078185
0,573459
0,5664
var4**
0
0,262185
0,051436
5,097325
var5
0,112199
0,097882
1,146268
0,2518
var6*
0,0109
0,182447
0,071632
2,547011
var7*
0,019
0,286461
0,122093
2,346244
var8
0,068232
0,050212
1,358883
0,1743
var9
0,090063
0,066649
1,351312
0,1767
var10
0,089371
0,060476
1,477788
0,1396
**: siginficatifs à 1 %
* : significatifs à 5 %
On remarque que le coefficient
β i 2 est significatif pour les variables : var1, var2,
var4, var6 et var7.
Les variables var1, var2, var4, var6 et var7 correspondent aux indices suivants :
Korea SE Construction, Korea SE Fab, Met, Mch, Korea SE Financial services Korea SE
Ground Tran, Korea SE Insurance.
Et donc
βi2
n’est pas significatif pour les variables Var3, Var5, Var8 Var9 et
Var10 .
Les variables Var3 Var6, Var8 , Var9 et Var10 correspondent aux indices suivants :
Korea SE Fab, Met, Prd, Korea SE Fisheries , Korea SE Investment and Banking, Korea
SE Iron and steel, Korea SE Iron, steel and metal.
On reporte ici les caractéristiques du paramètre β i 3 :
Variable(chge
négatif)
Coefficient Std, Error
t-Statistic
Prob
var1**
0,0017
0,218409
0,069553
3,140179
var2**
0
0,191351
0,042879
4,462533
var3**
0,0001
0,425505
0,105627
4,028368
var4**
0
0,209426
0,045708
4,581855
var5**
0,0039
0,146472
0,050696
2,889217
var6*
0,0159
0,236435
0,097969
2,413357
var7
0,061747
0,091736
0,673094
0,5009
var8*
0
0,393076
0,068505
5,737954
var9**
0,0038
0,170954
0,058945
2,900228
var10**
0,0001
0,193117
0,048001
4,023172
**: siginficatifs à 1 %
* : significatifs à 5 %
74
On remarque que le coefficient
β i 3 est significatif pour tous les secteurs pour un
seuil de confiance de 5% sauf pour la variable var7, c’est à dire l’indice : Korea SE
Insurance.
On reporte ici les résultats des tests d’asymétrie :
var1
var2
var3
var4
var5
var6
var7
var8
var9
var10
F-statistic
P-value
0,49071
0,4837
0,0003
0,9862
7,766821
0,0054
0,566586
0,4517
0,113704
0,736
0,171604
0,6787
4,154537
0,0415
11,20514
0,0008
1,026253
0,3111
2,396191
0,1218
symétrique
ou
asymétrique
symétrique
symétrique
asymétrique
symétrique
symétrique
symétrique
asymétrique
asymétrique
symétrique
symétrique
On remarque que pour les variables Var1, Var2, Var4, Var5, Var6, Var9 et Var 10
il y a une symétrie. C’est à dire que les rendements des taux change influencent de la
même manière le rendement des différents secteurs et ceci indépendamment du sens de la
variation.
Les variables Var1, Var2, Var4, Var5, Var6, Var9 et Var 10 correspondent aux
indices suivants : Korea SE Construction, Korea SE Fab, Met, Mch, Korea SE Financial
services, Korea SE Fisheries, Korea SE Ground Tran, Korea SE Iron and steel, Korea SE
Iron, steel and metal.
Pour les variables Var3, Var7 et Var8, il y a présence d’asymétrie. C’est à dire que
des variations de même amplitude des rendements de taux de change mais de sens
différents n’ont pas le même impact sur le rendement boursier des indices considérés.
Les variables Var3, Var7 et Var8 correspondent aux indices suivants : Korea SE
Fab, Met, Prd Korea SE Insurance, Korea SE Investment and Banking.
75
C. Conclusion :
La première partie de cet essai nous a permis de fixer le cadre théorique de notre
étude. Nous avons rappelé dans cette partie l’évolution des politiques de change de
Taiwan et de la Corée du sud. Et nous avons ensuite, mis en évidence l’interaction qui
peut exister entre les rendements des taux de change et les rendements du marché
boursier. La partie empirique de notre essai nous a permis de tester cette relation entre
taux de change et rendements des titres boursiers.
En appliquant le modèle de Jorion (1991), nous avons trouvé des résultats
significatifs pour Taiwan et la Corée du sud. Les coefficients associés aux rendements
des taux de change sont tous significatifs et de signe positif. Au vu des résultats trouvés,
la relation entre le rendement des taux de change et le rendement des indices boursiers
parait donc être positive. Quand une devise locale s’apprécie par rapport à la devise
étrangère, les titres boursiers cotés dans le pays local devraient avoir dans le même temps
un rendement positif.
Nous avons ensuite centré les rendements boursiers des indices par rapport aux taux
du marché monétaire. Et nous avons donc étudié la relation entre la prime de risque des
titres et les rendements des taux de change. Mais, les résultats de ce modèle ne sont pas
sensiblement différents du précédent modèle.
Le sens de la relation entre le taux de change et les fluctuations des titres boursiers a
aussi retenu notre attention. A l’aide du test de causalité de Granger, on a pu déterminer
qui du taux de change ou du rendement du titre avait une influence sur l’autre. La plupart
des résultats prouvent que les rendements des indices sectoriels influencent les
rendements des taux de change. Mais par contre, le contraire n’est vérifié que rarement.
Partant du principe qu’un marché non efficient met plus de temps à incorporer
l’information dans les prix des actifs, nous avons testé un modèle à décalage temporel.
Pour les deux pays, les résultats prouvent que les taux de change ont un impact le jour
même sur les rendements boursiers. L’impact des changements de taux de change
n’excède pas une journée.
Continuant à décortiquer la relation entre le rendement du taux de change et les
rendements boursiers, on a essayé de voir l’impact de la volatilité des taux de change sur
les rendements. C’est à dire, est-ce que pour des volatilités différentes, il y a un
76
changement d’attitude des investisseurs et dans quel sens. Les résultats trouvés
concernant les coefficients associés à la volatilité sont pour la plupart non significatifs.
Ceci nous mène à conclure que la volatilité d’une devise n’influence que très faiblement
le comportement des investisseurs sur le marché des titres. Et donc, que la volatilité d’une
devise n’influence que très peu le rendement boursier des titres.
Enfin, on a testé l’asymétrie de la réaction des marchés des titres face aux
fluctuations des taux de change. Est-ce des variations de même amplitude, mais de signes
différents, ont le même impact sur les rendements boursiers? Les résultats de ce test sont
mitigés. Certains secteurs présentent une symétrie dans leurs réactions, d’autres non.
Références:
Adler, M., Dumas, B., 1984. « Exposure to Currency Risk: Definition and
Measurement ». Financial Management 13, 41–50.
Amihud, Y., 1994. « Evidence on Exchange Rates and Valuation of Equity Shares».
In: Amihud, Y.,Levich, R.M. (Eds.), Exchange Rates and Corporate Performance, Irwin
Professional, New York, pp. 49–59.
Bodnar, G.M., Gentry, W.M., 1993. « Exchange Rate Exposure and Industry
Characteristics: Evidence from Canada, Japan and the USA ». Journal of International
Money and Finance, 12, 29-45.
Booth, L., Rotenberg, W., 1990. « Assessing Foreign Exchange Exposure: Theory
and Applications Using Canadian Firms ». Journal of International Financial
Management and Accounting Spring 2 (1), 1–23.
Chen, J., Naylor, M., Lu, X., 2004. « Some Insights into the Foreign Exchange
Pricing Puzzle: Evidence from a Small Open Economy ». Pacific-Basin Finance Journal
12 (2004) 41– 64.
77
Choi, J.J., Prasad, A.M., 1995. « Exchange Risk Sensitivity and its Determinants: a
Firm and Industry Analysis ». Financial Management 24, 77-88.
Choi, J., Hiraki, T., Takezawa, N., 1998. « Is Foreign Risk Priced in the Japanese
Stock Market ». Journal of Financial and Quantitative Analysis 33, pp. 361–382.
Cosset, J.C., Doutriaux, B., 1985. « Political Risk and Foreign Exchange Rates: An
Efficient-Markets Approach ». Journal of International Business Studies, Vol. 16, No.3.
De Santis, G., Gerard, B., 1998. « How Big is the Premium for Currency Risk? ».
Journal of Financial Economics 49, 375–412.
Di Iorio, A., Faff, R., 2002. « The Pricing of Foreign Exchange Risk in the
Australian Equities Market ». Pacific-Basin Finance Journal 10, 77–95.
Doidge, C., Griffin, J., Williamson, R., 2000. « An International Comparison of
Exchange Rate Exposure ». Working paper, Arizona State University.
Doukas, J., Hall, P.H, Lang, L.H.P., 1999. «The Pricing Of Currency Risk In
Japan». Journal of Banking and Finance 23(1), 1-20.
Dumas, B., Solnik, B., 1995. « The World Price of Foreign Exchange Risk ».
Journal of Finance 50 (2), 445– 480.
Ferson, W.E., Harvey, C., 1994. « Sources of Risk and Expected Returns in Global
Equity Markets ». Journal of Banking and Finance 18, 775–803.
Franke, G., 1991. « Exchange Rate Volatility and International Trading Strategy ».
Journal of International Money and Finance 10, 292-307.
78
Frennberg, P., 1994. « Stock Prices and Large Exchange Rate Adjustments: Some
Swedish Experience ». Journal of International Financial Markets, Institutions & Money
4, 127– 148.
Gao, T., 2000. « Exchange Rate Movements and the Profitability of US
Multinationals ». Journal of International Money and Finance 19, 117– 134.
Giddy, I., Dufey, G., 1995. « Uses and Abuses of Currency Options: Bank of
America ». Journal of Applied Corporate Finance 8, 49–57.
Jorion, P., 1990. « The Exchange-Rate Exposure of U.S. Multinational ». Journal of
Business, Vol 63, No 3, 331-345
Jorion, P.,1991. « The Pricing of Exchange Rate Risk in the Stock Market ». The
Journal of Financial and Quantitative Analysis, Vol 26 N0 3, 363-376.
Huang, B.N., Yang, C.W., 2003. « An Analysis of Exchange Rate Linkage Effect:
an Application of the Multivariate Correlation Analysis ». Journal of Asian Economics
14, 337-351.
Kanas, A., 1996a. « Exchange Rate Economic Exposure When Market Shares
Matters and Hedging Using currency options ». Management International Review 36(1),
67-84.
Kanas, A., 1996b. « Exchange Rate Economic Exposure, Business Exposure and
Hedging Using Currency Options ». Journal of Multinational Financial Management
6(2/3), 1-19.
Korajczyk, R.A., Viallet, C.J., 1992. « Equity Risk Premia and the Pricing of
Foreign Exchange Risk ». Journal of International Economics 33, 199–228.
79
Koutmos, G., Anna, D.M., 2003. « First and Second Moment Exchange Rate
Exposure: Evidence from U.S Stock Returns ». The Financial Review 38 (2003) 455-471
Koutmos, G., Anna, D.M., 2003. « Asymmetric Exchange Rate Exposure: Theory
and Evidence ». Journal of International Money and Finance 22 , 365–383
Lastrapes, W.D., Koray, F., 1990. « Exchange Rate Volatility and U.S Multilateral
Trade Flows ». Journal of Macroeconomics 12, 341-362
Pozo, S., 1992. « Conditional Exchange Rate Volatility and the Volume of
International Trade: Evidence from the Early 1900’s ». Review of Economics and
Statistics 74, 325-329.
Prasad, A.M., Rajan, M., 1995. « The Role Of Exchange and Interest Risk Inequity
Valuation: A Comparative Study of International Stock Returns ». Journal of Economics
and Business, 47, 457-472.
Solnik, B., 1974b. « Why not Diversify Internationally Rather than Domestically?
». Financial Analysts Journal 30, 48–54.
Stulz, R.M., 2002. « Derivatives, Risk Management, and Financial Engineering ».
Southwestern Publishing Co.
80
Annexe :
Nous donnons ci-après les distributions statistiques de nos variables étudiées.
Toutes nos variables ne suivent pas une loi normale comme en témoigne la statistique de
Jarque-Bera et aussi dans une moindre mesure l’allure des graphes.
Taiwan :
1400
Series: CHGE
Sample 1 2262
Observations 2262
1200
1000
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
800
600
400
200
Jarque-Bera
Probability
0
-0.025
0.000
-0.000112
0.000000
0.032543
-0.033855
0.003342
-1.472790
41.44563
140125.5
0.000000
0.025
81
700
Series: RES
Sample 1 2262
Observations 2262
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
0
-0.10
Jarque-Bera
Probability
-0.05
0.00
0.05
4.47E-06
-0.000249
0.134479
-0.097669
0.017429
0.200201
6.757164
1345.569
0.000000
0.10
700
Series: VAR1
Sample 1 2262
Observations 2262
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
0
-0.10
Jarque-Bera
Probability
-0.05
0.00
0.05
-1.70E-05
0.000000
0.130631
-0.094304
0.019128
0.313175
5.829543
791.5707
0.000000
0.10
700
Series: VAR2
Sample 1 2262
Observations 2262
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
-0.000123
0.000000
0.115738
-0.104602
0.021193
0.135025
5.340997
523.3886
0.000000
0.10
82
700
Series: VAR3
Sample 1 2262
Observations 2262
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
0
-0.10
Jarque-Bera
Probability
-0.05
0.00
0.05
Series: VAR4
Sample 1 2262
Observations 2262
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
Jarque-Bera
Probability
-0.05
0.00
0.05
1.16E-05
0.000000
0.100807
-0.096283
0.018263
-0.045759
4.946619
357.9334
0.000000
0.10
500
Series: VAR5
Sample 1 2262
Observations 2262
400
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
300
200
100
0
-0.10
488.5831
0.000000
0.10
700
0
-0.10
-0.000173
0.000000
0.101810
-0.098590
0.019190
0.115160
5.265140
Jarque-Bera
Probability
-0.05
0.00
6.95E-05
0.000000
0.082920
-0.098736
0.016999
-0.030196
5.233728
470.6081
0.000000
0.05
83
600
Series: VAR6
Sample 1 2262
Observations 2262
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
0
-0.10
Jarque-Bera
Probability
-0.05
0.00
0.05
500
-0.000170
-0.000207
0.107116
-0.099889
0.021481
0.229741
4.469460
223.4138
0.000000
0.10
Series: VAR7
Sample 1 2262
Observations 2262
400
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
300
200
100
Jarque-Bera
Probability
0
-0.05
0.00
2.81E-05
0.000000
0.093329
-0.079338
0.016520
-0.027142
5.495101
587.0339
0.000000
0.05
84
400
Series: VAR8
Sample 1 2262
Observations 2262
300
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
200
100
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.000356
0.000000
0.076306
-0.118583
0.020702
-0.140618
4.591198
246.0873
0.000000
0.05
600
Series: VAR9
Sample 1 2262
Observations 2262
500
400
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
300
200
100
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.000435
0.000000
0.079727
-0.134716
0.022018
-0.156561
4.615092
255.0940
0.000000
0.05
500
Series: VAR10
Sample 1 2262
Observations 2262
400
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
300
200
100
Jarque-Bera
Probability
0
-0.05
0.00
-5.99E-05
0.000000
0.079937
-0.084822
0.017246
-0.054770
4.867502
329.8338
0.000000
0.05
85
La Corée du Sud :
1400
Series: CHGE
Sample 2 2633
Observations 2632
1200
1000
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
800
600
400
200
Jarque-Bera
Probability
0
-0.1
0.0
0.1
-0.000142
0.000000
0.201211
-0.180884
0.010168
0.006621
154.9194
2531052.
0.000000
0.2
800
Series: RES
Sample 2 2633
Observations 2632
700
600
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
500
400
300
200
100
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
7.54E-06
0.000000
0.100889
-0.127048
0.020843
-0.020946
6.564461
1393.549
0.000000
0.10
700
Series: VAR1
Sample 2 2633
Observations 2632
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
Jarque-Bera
Probability
0
-0.1
0.0
0.1
-0.000778
0.000000
0.234961
-0.153005
0.028928
0.374258
8.970365
3970.541
0.000000
0.2
86
1200
Series: VAR2
Sample 2 2633
Observations 2632
1000
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
800
600
400
200
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
6386.844
0.000000
0.1
700
Series: VAR3
Sample 2 2633
Observations 2632
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
0
-0.20
0.000139
0.000000
0.126549
-0.274298
0.025831
-0.408352
10.58760
Jarque-Bera
Probability
-0.15
-0.10
-0.05
0.00
0.05
-0.000879
0.000000
0.126810
-0.197869
0.026923
-0.657668
7.069794
2006.169
0.000000
0.10
700
Series: VAR4
Sample 2 2633
Observations 2632
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
0.10
-0.000496
-0.000165
0.167979
-0.136213
0.027765
0.258193
6.270493
1202.251
0.000000
0.15
87
600
Series: VAR5
Sample 2 2633
Observations 2632
500
400
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
300
200
100
Jarque-Bera
Probability
0
-0.1
0.0
-0.000116
0.000000
0.171277
-0.161580
0.030745
-0.086222
6.404994
1274.735
0.000000
0.1
600
Series: VAR6
Sample 2 2633
Observations 2632
500
400
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
300
200
100
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
-0.000531
0.000000
0.136650
-0.204417
0.029365
-0.454214
7.206668
2031.169
0.000000
0.1
700
Series: VAR7
Sample 2 2633
Observations 2632
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.000121
0.000000
0.183071
-0.191812
0.029654
0.148959
7.104077
1856.898
0.000000
0.1
88
800
Series: VAR8
Sample 2 2633
Observations 2632
700
600
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
500
400
300
200
100
0
-0.15
Jarque-Bera
Probability
-0.10
-0.05
0.00
0.05
-0.001760
0.000000
0.133023
-0.141716
0.026530
0.126503
7.576226
2303.643
0.000000
0.10
700
Series: VAR9
Sample 2 2633
Observations 2632
600
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
100
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.000197
0.000000
0.133234
-0.204939
0.024736
0.131597
8.729009
3607.026
0.000000
0.1
800
Series: VAR10
Sample 2 2633
Observations 2632
700
600
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
500
400
300
200
100
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
0.000160
0.000000
0.128579
-0.106717
0.023332
0.207895
7.218873
1970.904
0.000000
0.10
89