Marché fin marocain

1 979 vues

Publié le

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
1 979
Sur SlideShare
0
Issues des intégrations
0
Intégrations
2
Actions
Partages
0
Téléchargements
87
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Marché fin marocain

  1. 1. L’efficience des marchés financiers des pays émergents : l’exemple de la bourse de Casablanca Khalid BAKIR∗ Université d’Orléans Laboratoire d’Economie d’Orléans Faculté de Droit, d’Economie et de Gestion E-Mail : bakir.khalid@caramail.comRésumé : Les marchés financiers des pays émergents d’Asie, d’Amérique Latine et d’Europede l’Est ont suscité une littérature importante, destinée à comprendre leurs fonctionnements,leurs organisations et leurs perspectives futures. Toutefois, peu d’études ont été consacrées aumarché financier marocain. C’est la raison pour laquelle ce travail a pour objectif principald’analyser l’efficience informationnelle de la bourse de Casablanca. Nous avons montré quele marché boursier marocain n’a pas encore atteint le stade de maturité des pays développés.En effet, bien que les autorités publiques aient entrepris d’importantes réformes delibéralisation financière, cela n’a pas entraîné une amélioration significative de l’efficience dece marché.∗ Je tiens à remercier tout particulièrement le Professeur Georges Gallais-Hamonno pour ses lectures attentivesainsi que pour ses conseils. Toutes erreurs ou omissions restantes me sont pleinement imputables.
  2. 2. 1 - Introduction A l’instar de nombreux pays en développement, le Maroc cherche à accéder auxmarchés financiers globalisés et à intégrer une dynamique de croissance qui caractérise lesdragons asiatiques et les pays d’Amérique Latine. Pour ce faire, dès 1983, il adopte un pland’ajustement structurel qui vise le rétablissement des équilibres macro-économiquesnotamment le déficit budgétaire, ainsi que le développement d’une économie de marchélibérale et compétitive. De ce fait, quatre séries de moyens sont mises en œuvre : la baisse desdépenses publiques, la libéralisation de l’économie (les programmes de privatisations, laréforme du système bancaire et financier), la libéralisation du commerce extérieur (lasuppression des interdictions d’importation, la réduction des droits de douanes) et l’incitationà l’investissement national et étranger. Le lancement des programmes de libéralisation, notamment les opérations deprivatisations, nécessite la mise en place préalable d’un ensemble de réformes dans le sens dela modernisation et de la dynamisation du marché boursier marocain. Les réformes sontinitiées par les textes de la loi de 1993 et complétées en 1997. Ces derniers modifientprofondément les rôles et les modalités d’intervention des différents acteurs du marchéfinancier et mettent en place un certain nombre de principes fondamentaux :- La création de la Société de la Bourse des Valeurs de Casablanca (SBVC), comme sociétéprivée gestionnaire de la bourse de Casablanca ;- La création du Conseil Déontologique des Valeurs Mobilières (CDVM) en tant qu’autoritéde contrôle des transactions et de protection des épargnants ;- L’institution des sociétés de bourse dotées du monopole des transactions sur les valeursmobilières au Maroc ;- L’institution de l’Association Professionnelle des Sociétés de Bourse (APSB) pour veiller aurespect par ses membres (les sociétés de bourse) de la réglementation en vigueur ;- La création des Organismes de Placement Collectif des Valeurs Mobilières (OPCVM) pourorienter l’épargne vers le marché boursier ;- L’institution de l’Association des Sociétés de Gestion et Fonds d’Investissements Marocains(AFSIM) pour améliorer et développer les services liés aux produits et aux placements del’épargne qu’offrent les OPCVM.- L’institution du dépositaire central (MAROCLEAR) pour améliorer les procédures dedénouement des transactions ; Ces réformes ont pour objectif de dynamiser le marché des valeurs mobilières et defaire passer le Maroc d’une économie d’endettement à une économie de marché plus saine etplus viable. Nous pouvons conclure que c’est un pari réussi puisque le Maroc est considéré,depuis le milieu des années 90, par la communauté financière internationale1, comme étantun pays émergent. En comparant les modes de cotation sur le plan international, on constate qu’il existedeux grands types d’organisation de marché : les marchés dirigés par les ordres et les marchésdirigés par les prix. Dans le système dirigé par les ordres, ce sont les ordres introduits sur lemarché par les participants qui déterminent les cours auxquels les actifs doivent êtreéchangés. L’organisation des échanges résulte donc de la confrontation générale des ordres1 Le 3 novembre 1996, la Société Financière Internationale (SFI) intègre le Maroc dans sa liste des paysémergents. 2
  3. 3. des clients par l’intermédiaire des sociétés de bourse. Dans le système dirigé par les prix, lemarché est dit « décentralisé » puisque chaque teneur de marché « market-maker » proposeses propres conditions de prix d’achat et de vente. Ce sont donc les prix proposés par lesteneurs de marché qui suscitent l’introduction des ordres de la clientèle et entraînent leséchanges de titres. La bourse de Casablanca a adopté le système d’un marché dirigé par les ordres. Pourcomprendre son fonctionnement, nous analysons brièvement sa structure, son système decotation, son degré d’automatisation, ses procédures d’échanges. La modernisation de la Société de Bourse des Valeurs de Casablanca a entraîné ledémarrage de son système de cotation électronique en mars 1997. Le passage de la cotation àla criée à la cotation électronique a eu lieu entre le 4 mars 1997 et le 15 juin 1998.Aujourd’hui toutes les valeurs mobilières cotées à la bourse de Casablanca sont négociées surle système de cotation électronique à partir des stations de négociation mises à la dispositiondes sociétés de bourse par l’autorité de marché. La bourse de Casablanca est caractérisée par l’existence d’une fragmentation de sonmarché boursier : le marché central et le marché de blocs. Le premier est conçu pour laconfrontation des ordres d’achat et de vente pour les valeurs mobilières admises à la coteofficielle. Le second est caractérisé par la négociation directe des valeurs mobilières inscritesà la cote de la bourse mais qui portent sur des volumes d’échanges importants. Les actions admises à la cote officielle de la bourse de Casablanca sont déterminées enfonction de leur liquidité. La détermination du cours des valeurs les moins liquides se fait parle mécanisme du fixing, alors que celle des valeurs les plus liquides par une cotation encontinu. Le mécanisme du fixing permet, au cours d’une séance de bourse, de déterminer uncours quotidien des titres cotés en respectant, au mieux, l’équilibre de l’offre et la demande.Inversement, les valeurs qui connaissent un traitement en continu peuvent avoir plusieurscours durant une séance boursière. Le Maroc est, aujourd’hui, doté d’une bourse de valeurs fonctionnant selon desstandards reconnus par la communauté financière internationale. Cependant, les règles defonctionnement et d’organisation ne sont pas les seuls facteurs déterminants dans l’attraitd’investissements locaux et étrangers. La recherche, l’analyse et l’exploitation del’information disponible remplissent aussi un rôle primordial dans la décision de placementdes investisseurs. Ces derniers s’intéressent à la pertinence de l’information publique révéléesur le marché, à l’information privée qu’ils détiennent, à l’anticipation des informationsprivées détenues par les autres agents économiques et à la détermination du degré de rapiditéavec lequel le marché intègre dans le cours des titres chaque catégorie d’information. Dans un marché financier efficient, l’ensemble des informations disponibles sur lemarché est instantanément reflété dans le cours des actifs financiers concernés. Aucun actifn’est alors sous-évalué ou sur-évalué, et la recherche d’informations devient inutile puisquel’ensemble de l’information est déjà contenu dans le cours des titres concernés. L’objectif dece travail est d’étudier l’efficience informationnelle de la bourse de Casablanca.2 - La base de données 3
  4. 4. La collecte, le traitement et la préparation des données pour les tests empiriques ontété effectués, en grande partie, à partir des données fournies par la société de la bourse desvaleurs de Casablanca « SBVC ». La constitution de notre base de données a été une tâchetrès difficile à réaliser et cela pour plusieurs raisons. Parmi celles-ci, nous citons : l’étroitessede la place de Casablanca, la faible fréquence des cotations sur certains titres et le manqued’une banque de données comme celle de l’AFFI-SBF en France. Le nombre de titres cotés au 31 décembre 2000 est de 53 valeurs. Toutefois, notreéchantillon est composé uniquement de 28 valeurs2 pour lesquelles nous disposons dedonnées quotidiennes sur une période de 5 ans allant de janvier 1996 à décembre 2000. Cettepériode d’étude représente environ 36 000 données en prenant en compte les donnéesconcernant l’indice général de la bourse de Casablanca. Nous disposons également des datesde paiements et des montants de dividendes pour chaque valeur ainsi que des informationsconcernant les augmentations de capital. Les titres qui composent notre échantillon assure une représentativité significative etde l’ensemble des valeurs marocaines cotées à la bourse de Casablanca. Le tableau ci-dessous(tableau 1) présente l’ensemble de ces titres ainsi que les secteurs auxquels ils appartiennent. Tableau 1 : Titres composants notre échantillon Titres Abréviations SecteursAcred ACR FinancementAuto-Hall ATH CommerceBanque Commerciale du Maroc BCM BanqueBanque Marocaine du Commerce Extérieur BCE BanqueBanque Marocaine du Commerce et de l’Industrie BCI BanqueBanque Nationale pour le Développement Economique BDE BanqueBranoma BNM Agro-alimentaireBrasseries du Maroc SBM BrasserieCarnaud CRN Emballage / ImpressionCrédit du Maroc CDM BanqueCentrale Laitière CLT BrasserieCrédit Immobilier et Hôtelier CIH Banque / CréditCiment du Maroc CMA Construction / MatériauxCior CIO Construction / MatériauxCosumar CSR Industrie sucrièreCompagnie de Transport au Maroc CTM TransportDiac Equipement DIE Financement / CréditDiac Salaf DIS Crédits à la consommationCrédit Eqdom EQD Société FinancièreGeneral Tire Maroc GTM Industrie pneumatiqueLesieur LES Agro-alimentaireLongometal LGT CommerceONA ONA Société de portefeuilleSamir SAM Pétrole et MinesSociété Nationale d’Investissement SNI Société d’investissementSofac Crédit SOF Financement / CréditSonasid SID Industrie MétallurgiqueWafabank WFB Banque2 Les données manquantes de notre série sont remplacées par la méthode du prédécesseur c’est à dire par lesderniers cours cotés disponibles. Par ailleurs, les titres qui connaissent un grand nombre de données manquantesont été supprimés de notre échantillon. 4
  5. 5. Les rentabilités des titres sont calculées de la manière suivante :  S i ,t + Di ,t  Ri ,t = ln  S    i ,t −1 avec :Ri ,t : la rentabilité du titre i à la période t ;S i ,t :le cours du titre i à la période t ;S i ,t −1 : le cours du titre i à la période t-1 ;Di ,t :le dividende du titre i encaissé pendant la période t.Quant à la rentabilité de l’indice, elle est mesurée comme suit :  I  Rm ,t = ln t  I   t −1 avec :I t : la valeur de l’indice à la période t ;I t −1 : la valeur de l’indice à la période t-1. Graphique 1 : Evolution et rentabilités journalières de l’indice général de la bourse de Casablanca 1000 0,05 900 0,04 800 0,03 échelle de lindice en niveau 700 rentabilité de lindice 0,02 600 0,01 500 0 400 -0,01 300 200 -0,02 100 -0,03 0 -0,04 02/01/96 20/03/96 07/06/96 28/08/96 12/11/96 28/01/97 15/04/97 03/07/97 22/09/97 08/12/97 23/02/98 14/05/98 31/07/98 16/10/98 04/01/99 24/03/99 08/06/99 25/08/1999 08/11/1999 25/01/2000 10/04/2000 27/06/2000 12/09/2000 27/11/2000 cours R = ln(cours t / cours t-1) 5
  6. 6. L’évolution de l’indice général de la bourse de Casablanca a connu une évolution endeux phases principales. La première est celle de la hausse régulière allant de 1993 (date de laréforme boursière de 1993) jusqu’au milieu de l’année 1998 (date de la fin des principalesréformes concernant le marché financier marocain). La deuxième phase est caractérisée parune dépression boursière résultante de l’épuisement du potentiel qu’offre la réforme de 1993complétée par celle de 1997.3 - L’étude des caractéristiques de la distribution des rentabilités La présence d’une série de taux de rentabilité qui suit une loi normale nous permet deconclure que la répartition de ces taux de rentabilité autour de la moyenne est symétrique etne dépend que de l’écart type. Dans un tel cas, les deux tiers des observations sont à un écarttype autour de la moyenne, et plus de 95 % des taux de rentabilité sont compris entre 2 écartstypes par rapport à la moyenne. L’étude de la normalité des rentabilités est vérifiée à partir detests qui sont basés sur les coefficients de symétrie (appelé Skewness) noté Sk etd’aplatissement (appelé Kurtosis) noté Ku. Pour avoir des distributions de taux de rentabilitésqui suivent des lois normales, il faut que la distribution soit symétrique c’est à dire laskewness nulle, et que le coefficient de kurtosis égale à 3. Le coefficient de symétrie se mesure par le rapport du moment centré d’ordre 3 aucube de l’écart type. Le coefficient de kurtosis se mesure par le rapport entre le momentcentré d’ordre 4 et le carré du moment centré d’ordre 2. 1 (Ri,t − Ri )3 1 (Ri,t − Ri )4 N N N∑ N∑ Ski = t =1 3 Kui = t =1 2 1 N (Ri,t − Ri )  2 1  2 2  N ∑(Ri,t − Ri )  N ∑ N   t =1   t =1 avec :N : le nombre d’observations NRi = 1 ∑ Ri,t : la moyenne arithmétique des rentabilités du titre i. N t =1 L’acceptation de l’hypothèse de normalité des taux de rentabilités des titres cotés surla place de Casablanca consiste à vérifier si la skewness et la kurtosis sont prochesrespectivement de 0 et 3. Plusieurs tests peuvent vérifier cela, le plus connu dans la littératurefinancière étant celui de Bera-Jarque. Il s’intéresse aux indicateurs de la mesure de la formede la distribution c’est à dire à la skewness et la kurtosis. Il est basé sur le fait que lesdistributions asymptotiques de ces coefficients suivent une loi normale centrée réduite : ~ Sk = N Sk → N(0,1) 6 ~ Ku = N (Ku −3) →N(0,1) 24 6
  7. 7. Le test joint de Bera-Jarque construit à partir de ces deux variables normales et indépendantessuit une distribution de Chi-deux à deux degrés de liberté. Il est définit par : BJ = N (Sk ) + N (Ku −3) 2 2 6 24Si la statistique de Bera-jarque est inférieure à la valeur théorique du Chi-deux, l’hypothèse denormalité est acceptée, sinon elle est rejetée. Le tableau ci-dessous résume les statistiques concernant l’indice général de la boursede Casablanca sur la période allant de 1994 à 2000. Tableau 2: Moments statistiques des rentabilités quotidiennes de l’indice IGB Périodes Moyenne Ecart-type Skewness Kurtosis Bera- Normalité jarque à 5% 1994-1995 0.00056 0.0035 -0.6804 25.2098 10232 rejet 1996 0.00109 0.00282 1.73193 7.08555 295.26 rejet 1997 0.00161 0.00493 -0.10225* 5.84104 83.5 rejet 1998 0.00074 0.00404 0.13147* 3.83418 35.2 rejet 1999 -0.00014 0.00501 -0.41299 11.2017 705 rejet 2000 -0.00066 0.00628 1.99589 14.1516 1455.54 rejet 1996-2000 0.00053 0.00482 0.64762 11.8209 4026.6 rejet * : indique que le coefficient de skewness est significativement égal à 0 au seuil de 5 % Au regard des valeurs des paramètres de forme et de leur significativité, la distributiondes rentabilités quotidiennes de l’indice général de la place de Casablanca s’éloigne de ladistribution normale. En effet, l’hypothèse de symétrie est globalement rejetée sauf pourl’année 1997 et 1998 et la valeur de kurtosis est significativement supérieure à 3 quel que soitla période retenue. Le test de Bera-Jarque rejette pour l’ensemble des périodes considéréesl’hypothèse de normalité des distributions des rentabilités de l’indice (la valeur théorique duChi-deux à 5 % est égale à 5.99). Cette déviation par rapport à la normalité signale donc laprésence d’un sommet plus pointu. Par ailleurs, nous constatons que l’essentiel du caractère leptokurtique de notre série sesitue entre 1994 et 1995 (Ku = 25.21) c’est à dire la période qui suit la grande réforme dumarché boursier marocain. Quant à la période 1997-1998, elle est caractérisée par descoefficients de kurtosis qui sont proche de 3 (non significative) et des coefficients de symétriequi sont significativement nuls. Bien que les résultats de 1997 et 1998 laissent à penser que lemarché devient de plus en plus mature, ils ne permettent pas de valider l’hypothèse denormalité ni en 1997 ni en 1998 puisque la statistique de Bera-jarque est respectivement de83.5 et 35.2. La statistique de BJ étant très sensible à la présence des valeurs extrêmes, le test deChi-deux, considéré comme plus robuste, permet d’affiner les conclusions concernant lanormalité des rentabilités. Ce test permet de faire la comparaison de la distribution empiriqued’une variable aléatoire dans un échantillon par rapport à la distribution théorique supposéeêtre celle de la loi normale. Les résultats trouvés vont dans le même sens que ceux de BJ c’està dire le rejet de la normalité de la distribution des rentabilités de l’indice. A titre d’exemple,le χ 2 calculé pour l’indice IGB sur la période allant du 01/01/1996 au 29/12/2000 est de 7
  8. 8. 972.56, alors que pour accepter l’hypothèse de normalité, il faut qu’il soit inférieur au χ 2théorique (37.65 avec 5% de risque et 44.31 avec 1% de risque). Graphique 2: Distribution des rentabilités journalières de l’indice IGB 450 400 350 nombre dobservations 300 250 200 150 100 50 0 25 75 25 75 25 75 25 5 5 5 5 5 5 5 ,2 ,7 ,2 ,7 ,2 ,7 ,2 0, 0, 1, 1, 2, 2, 3, -3 -2 -2 -1 -1 -0 -0 écart type par rapport à la moyenne (0) Série observée série théorique Graphiquement, il est clair que la distribution des rentabilités de l’indice général de labourse de Casablanca s’éloigne de la loi normale. Ainsi, nous pouvons constater la très forteconcentration de la distribution des rentabilités dans les deux classes modales situées autourde la moyenne soit entre 0 et ± 0.25 fois l’écart type. Cette forme leptokurtique est lacaractéristique non pas que de l’indice général « IGB »mais aussi de l’ensemble des titrescotés sur la place de Casablanca. Le tableau ci-dessous nous donne les résultats de l’analyse de normalité (lescoefficients de skewness et de kurtosis) des rentabilités journalières des titres marocains sur lapériode allant du 01 janvier 1996 au 29 décembre 2000. Les conclusions sont semblables àcelles obtenues pour l’indice « IGB » c’est à dire la non-normalité de l’ensemble des titrescotés sur la place de Casablanca. En effet, le caractère leptokurtique est significatif pourl’ensemble des titres puisque le coefficient de kurtosis atteint des valeurs largementsupérieures à 3 (kurtosis allant de 7.18 pour le titre BMCI à 898 pour le titre Auto Hall).Quant au coefficient de symétrie, il est significativement nul pour trois titres seulement quisont : BMCE, BMCI, et LESIEUR. Par ailleurs, le test de BJ et le test de χ 2 rejettentconstamment l’hypothèse de normalité et cela quel que soit le titre considéré. 8
  9. 9. Tableau 3: Moments statistiques des rentabilités quotidiennes des titres marocainsTitres Moyenne Ecart type Skewness KurtosisACRED 0.0005 0.01825 2.03028 69AUTO-HALL -0.00115 0.04965 -27.7747 897BCM 0.00058 0.00933 0.73932 11.48BMCE 0.00043 0.01168 -0.00004* 21.69BMCI 0.00088 0.01451 -0.03032* 7.18BNDE 0.00038 0.02500 17.085 477.22BRANOMA 0.00021 0.01554 0.31547 21.7BRASSERIE 0.00054 0.01517 1.01066 16.07CARNAUD 0.00068 0.01239 6.39999 126.99CDM 0.00014 0.01357 0.53178 11.33CENTRALE L. 0.00078 0.01408 0.18220 17.31CIH -0.00048 0.02134 -0.31456 15.84CIMAR 0.00051 0.01472 -0.22875 19.29CIOR 0.00082 0.01308 0.55938 11.44COSUMAR -0.00038 0.01663 -0.25320 11.33CTM 0.00007 0.01411 0.35220 10.17DIAC EQUIPEMENT 0.00053 0.02134 6.80752 168.83DIAC SALAF 0.00077 0.02412 7.83378 164.60EQDOM 0.00042 0.01780 0.01779 8.52G. TIRE -0.00132 0.01803 -0.28692 12.11LESIEUR 0.00033 0.01504 -0.06046* 12.69LONGOMETAL -0.00117 0.02392 -0.71173 16.28ONA 0.00107 0.00990 0.47811 9.31SAMIR 0.00037 0.01372 4.65768 75.60SNI 0.00073 0.01062 0.30702 10.56SOFAC CREDIT 0.00038 0.04739 -0.10034 467.47SONASID 0.00055 0.01456 0.83379 9.96WAFABANK 0.00070 0.01244 0.54315 7.92* : indique que le coefficient de skewness est significativement égal à 0 au seuil de 5 %.4 - La stationnarité des rentabilités Pour qu’une variable aléatoire soit prévisible, il faut qu’elle soit stationnaire. Dansnotre cas, la stationnarité des séries de rentabilités des titres marocains est étudiée en utilisantle test de racine unitaire proposé par Dickey-Fuller (DF) et le test de Dickey-Fuller augmenté(ADF). Les 4 régressions suivantes sont testées : ∆Ri ,t = α + φRi ,t −1 + ε i ,t (DF sans trend) ∆Ri ,t = α + δ t + φRi ,t −1 + ε i ,t (DF avec trend) 9
  10. 10. 4 ∆Ri ,t = α + φRi ,t −1 + ∑ λ j ∆Ri ,t − j + ε i ,t (ADF sans trend) j =1 4 ∆Ri ,t = α + δ t + φRi ,t −1 + ∑ λ j ∆Ri ,t − j + ε i ,t (ADF avec trend) j =1avec : ∆Ri ,t = Ri ,t − Ri ,t −1Les résultats de ces tests de DF et ADF sont reportés dans les deux tableaux suivants : Tableau 4 : Tests DF de stationnarité des rentabilités journalières des actions marocaines (1996-2000) Sans trend Avec trendTITRES φ T-Stat φ T-StatACRED -1.034 -36.25 -1.037 -36.42AUTO-HALL -0.994 -34.84 -0.995 -34.91BCM -0.880 -31.12 -0.886 -31.41BMCE -0.888 -31.42 -0.897 -31.84BMCI -0.963 -33.89 -0.970 -34.22BNDE -1.007 -35.39 -1.006 -35.38BRANOMA -0.958 -33.59 -0.965 -33.98BRASSERIE -0.904 -32.15 -0.913 -32.39CARNAUD -0.942 -33.08 -0.949 -33.45CDM -1.079 -38.05 -1.080 -38.13CIH -1.027 -36.36 -1.031 -36.59CENTRALE L. -0.996 -34.99 -1.017 -36.08CTM -0.922 -32.47 -0.924 -32.54CIOR -0.884 -31.16 -0.888 -31.40CIMAR -0.977 -34.22 -0.981 -34.43COSUMAR -0.949 -33.29 -0.950 -33.32DIAC EQUIPEMENT -0.978 -34.27 -0.983 -34.57DIAC SALAF -0.945 -33.19 -0.958 -33.89EQDOM -0.935 -32.92 -0.954 -33.93G. TIRE -1.013 -35.60 -1.016 -35.81LESIEUR -1.013 -35.60 -1.018 -35.86LONGOMETAL -0.913 -32.20 -0.915 -32.30ONA -0.787 -28.31 -0.794 -28.66SAMIR -0.962 -33.14 -0.963 -33.20SNI -0.813 -29.09 -0.818 -29.37SOFAC CREDIT -1.461 -57.81 -1.461 -57.83SONASID -0.938 -31.38 -0.944 -31.66WAFABANK -0.902 -31.88 -0.911 -32.32INDICE (IGB) -0.588 -22.72 -0.607 -23.61 10
  11. 11. Tableau 5 : Tests ADF de stationnarité des rentabilités journalières des titres marocains (1996-2000) Sans trend Avec trendTITRES φ T-Stat φ T-StatACRED -1.029 -36.16 -1.046 -36.85AUTO-HALL -1.001 -35.09 -1.008 -35.35BCM -0.924 -33.05 -0.945 -33.87BMCE -0.983 -34.98 -1.023 -36.60BMCI -0.805 -28.58 -0.827 -29.43BNDE -1.080 -38.07 -1.081 -38.08BRANOMA -0.859 -30.24 -0.890 -31.39BRASSERIE -0.671 -23.94 -0.697 -24.92CARNAUD -0.813 -28.66 -0.840 -29.68CDM -1.050 -37.11 -1.057 -37.39CIH -0.945 -33.67 -0.959 -34.23CENTRALE L. -0.874 -30.82 -0.960 -34.18CTM -0.862 -30.45 -0.866 -30.62CIOR -0.725 -25.75 -0.739 -26.32CIMAR -0.860 -30.22 -0.876 -30.81COSUMAR -1.019 -35.82 -1.023 -35.97DIAC EQUIPEMENT -0.961 -33.68 -0.988 -34.71DIAC SALAF -0.915 -32.19 -0.977 -34.59EQDOM -0.726 -25.85 -0.788 -28.21G. TIRE -1.101 -38.83 -1.123 -39.68LESIEUR -0.994 -34.96 -1.018 -35.91LONGOMETAL -0.898 -31.75 -0.905 -32.05ONA -0.844 -30.48 -0.875 -31.70SAMIR -1.004 -34.63 -1.032 -35.61SNI -0.989 -35.70 -1.019 -36.89SOFAC CREDIT -1.919 -78.84 -1.922 -78.94SONASID -0.976 -32.69 -1.003 -33.70WAFABANK -0.872 -30.85 -0.908 -32.26INDICE (IGB) -0.465 -18.09 -0.503 -19.65 Dans ces régressions, l’hypothèse nulle : φ = 0 (processus non stationnaire) est testécontre l’hypothèse alternative : φ < 0 (processus stationnaire). Si la statistique du coefficientφ est inférieure à la valeur critique (ou supérieure en valeur absolue), nous rejettonsl’hypothèse d’existence d’une racine unitaire (la série sera donc stationnaire). Si la statistiqueest supérieure à la valeur critique (ou inférieur en valeur absolue) puisqu’elle est toujoursnégative), le coefficient φ est significativement non différent de zéro au seuil de risque choisiet par conséquent l’hypothèse de racine unitaire est acceptée. Dans notre travail, le coefficientφ est significativement négatif et différent de zéro pour l’ensemble des valeurs (pour des 11
  12. 12. seuils de risque de 1 % et 5 %). Les séries de rentabilités observées sur le marché marocainsont donc stables et stationnaires et par conséquent prévisibles.5 - La dépendance des rentabilités La prévisibilité des rentabilités des titres et de l’indice peut être examinée en estimantles coefficients de corrélation. Ces derniers mesurent la relation qui existe entre la valeur prisepar une variable aléatoire à la période t et la valeur prise par cette même variable k périodesauparavant. Formellement : N −k N −k ∑ 1 (Ri,t − Ri)(Ri,t − k − Ri) ρi(k)= t =1 N N∑ 1 (Ri,t − Ri) t =1avec : NRi = 1 ∑ Ri,t N t =1 Le tableau ci-dessous permet d’analyser les autocorrélations des rentabilitésquotidiennes de l’indice général de la bourse de Casablanca. Pour chaque ordre k(k = 1,…20), nous calculons le coefficient d’autocorrélation ainsi que la statistique de Studentcorrespondante. Tableau 6 : Autocorrélations des rentabilités quotidiennes de l’IGB (1996-2000) Retards ρ (k ) T-Stat 1 0.412 8.376 2 0.222 6.736 3 0.155 4.536 4 0.121 3.495 5 0.137 3.929 6 0.078 2.191 7 0.047* 1.322 8 0.057* 1.605 9 0.105 2.945 10 0.110 3.057 11 0.102 2.811 12 0.074 2.034 13 0.083 2.267 14 0.117 3.194 15 0.085 2.311 16 0.081 2.187 17 0.041* 1.087 18 0.049* 1.303 19 0.054* 1.434 20 0.103 2.745 * : indique que le coefficient de corrélation est significativement nul au seuil de 5% 12
  13. 13. Si le marché est efficient au sens faible, nous devrons obtenir des coefficientsd’autocorrélations non significativement différents de zéro. Cette constatation n’est pasvalidée sur le marché marocain puisque l’autocorrélation d’ordre 1 est supérieure à 40 % pourl’indice « IGB ». Cela signifie que les rentabilités quotidiennes sont prévisibles en utilisantuniquement les rentabilités quotidiennes du jour précédent t-1. En revanche, à partir de l’ordre7, on constate quelques coefficients significativement nuls. Ce résultat montre, par exemple,qu’on ne peut pas prévoir les rentabilités de la période t par les rentabilités de la période t-7.Ce dernier résultat ne signifie pas que le marché est imprévisible lorsqu’on prend enconsidération les rentabilités de plusieurs jours auparavant pour prévoir celles d’aujourd’hui.D’ailleurs, les coefficients d’autocorrélation mesurées à partir de données hebdomadairesdonnent des résultats significativement différent de zéro confirmant ainsi l’hypothèse de ladépendance des rentabilités. Par ailleurs, nous constatons que ces coefficients de corrélation sérielles sontconstamment positifs et cela quel que soit l’ordre d’autocorrélation. Cela signifie qu’unehausse des rentabilités succède la plupart du temps à une hausse, et inversement. Pourcompléter notre étude concernant la dépendance des rentabilités des valeurs marocaines, nouscalculons, pour un décalage d’ordre 1, les autocorrélations pour les titres individuels.Tableau 7: Coefficients d’autocorrélation d’ordre 1 et le t-stat correspondant des rentabilités des titres marocains TITRES ρ (1) T-Stat TITRES ρ (1) T-StatACRED -0.034* -0.679 CIMAR 0.023* 0.472AUTO-HALL 0.006* 0.125 COSUMAR 0.051* 1.035BCM 0.120 2.434 DIAC EQUIPEMENT 0.022* 0.447BMCE 0.112 2.261 DIAC SALAF 0.055* 1.122BMCI 0.037* 0.743 EQDOM 0.065* 1.323BNDE -0.007* -0.135 G. TIRE -0.013* -0.254BRANOMA 0.042* 0.850 LESIEUR -0.013* -0.259BRASSERIE 0.096* 1.949 LONGOMETAL 0.087* 1.762CARNAUD 0.058* 1.184 ONA 0.213 4.330CDM -0.078* -1.589 SAMIR 0.038* 0.767CIH -0.027* -0.549 SNI 0.187 3.798CENTRALE L. 0.004* 0.071 SOFAC CREDIT -0.461 -9.324CTM 0.078* 1.581 SONASID 0.061* 1.247CIOR 0.116 2.352 WAFABANK 0.098 1.987* : indique que le coefficient d’autocorrélation est significativement égal à zéro au seuil de 5% Nous constatons que 21 titres sur 28 sont caractérisés par des coefficientsd’autocorrélation d’ordre 1 significativement nuls. Ce résultat laisse à penser que la plupartdes titres marocains sont caractérisés par des variations aléatoires. Néanmoins, on ne peut pasconclure rapidement à l’indépendance des rentabilités des valeurs cotées sur la place deCasablanca. Plusieurs raisons peuvent être à l’origine de cette indépendance des rentabilités.Nous pouvons citer principalement les problèmes d’asynchronisme et de la faible fréquencede transaction. 13
  14. 14. Nous complétons notre étude par deux tests supplémentaires : le premier est un testparamétrique «test du Portemanteau » et le deuxième est un test non paramétrique «test desruns ». Le premier consiste à mesurer l’autocorrélation des K premiers ordres en vérifiant lanullité de l’autocorrélation globale, représentée dans notre cas par les 20 premierscoefficients. La corrélation nulle nous permet de conclure que les rentabilités sontindépendantes et cela dès qu’elles sont distribuées selon une loi normale, ce qui n’est pas lecas avec les rentabilités journaliers de nos titres. D’ailleurs, c’est la raison pour laquelle, Nousutilisons un deuxième test appelé test des « runs » qui s’applique indépendamment de laforme de la distribution étudiée.L’autocorrélation des K premiers ordres La statistique de portemanteau mesure l’autocorrélation des K premiers ordres et ellese calcule de la manière suivante : K Q(K)= N ∑[ρ(k)] 2 ˆ k =1avec :N : le nombre d’observationsρ (k ) : le coefficient d’autocorrélation d’ordre k ˆ En pratique si Q(k) < χ 12−α (K) on accepte l’hypothèse d’indépendance des rentabilités(c’est à dire la marche aléatoire) et cela pour un risque de α %. Dans le cas contraire, onrefuse l’hypothèse de marche au hasard et par conséquent l’hypothèse de dépendance desrentabilités est acceptée. Nous avons calculé la statistique de portemanteau pour K égal à 5, 10, 15 et 20 dechacun des 28 titres retenus dans notre échantillon ainsi que pour l’indice « IGB » et celatoujours sur la même période c’est à dire celle allant du 02 janvier 1996 au 29 décembre 2000. Les statistiques de Portemanteau Q(K) permettent de rejeter l’hypothèsed’indépendance des rentabilités quotidiennes pour la plupart des valeurs. Ce rejet s’affirme aufur et à mesure de l’augmentation de la valeur de K prise en considération. Ainsi, pour unK=15 ou K=20, 23 valeurs sur 28 rejettent l’hypothèse de la marche aléatoire alors que pourun K=5 et K=10, le rejet de l’hypothèse d’indépendance est significative respectivement quesur 16 et 18 valeurs. L’hypothèse d’indépendance est rejetée aussi pour les rentabilités dumarché calculées sur la base de l’indice général de la bourse de Casablanca et cela quel quesoit la valeur de K. Ces résultats confirment donc l’existence de corrélations sérielles dans lesséries de rentabilités des titres marocains. 14
  15. 15. Tableau 8 : Résultats du test portemanteau (Q) pour K=5, 10, 15, 20 Q TITRES K=5 K=10 K=15 K=20 ACRED 7.66 10.37 19.23 20.99 AUTO-HALL 0.33 0.46 0.63 3.39 BCM 50.01* 58.07* 65.47* 71.06* BMCE 32.70* 36.95* 39.28* 44.06* BMCI 26.46* 31.21* 39.94* 50.74* BNDE 5.64 7.90 9.04 9.62 BRANOMA 10.24 24.61* 28.91* 45.80* BRASSERIE 50.26* 53.39* 55.86* 56.99* CARNAUD 14.16* 39.40* 43.74* 48.68* CDM 12.85* 15.70 29.05* 43.03* CIH 15.99* 21.80* 32.20* 37* CENTRALE L. 11.81* 23.23* 39.21* 56.37* CTM 15.85* 37.61* 54.56* 58.61* CIOR 44.22* 59.54* 68.92* 75.70* CIMAR 6.40 9.45 29.18* 33.75* COSUMAR 8.629 11.11 14.80 18.68 DIAC EQUIPEMENT 1.004 2.69 4.48 21 DIAC SALAF 6.71 10.50 48.55* 54.81* EQDOM 37.14* 45.79* 54.32* 56.47* G. TIRE 6.69 53.63* 62.65* 65.31* LESIEUR 3.27 15.97 28.71* 37.34* LONGOMETAL 18.56* 31.81* 50.99* 56.56* ONA 67.67* 72.26* 88.14* 90.19* SAMIR 5.57 29.89* 36.10* 53.69* SNI 66.64* 68.33* 75.41* 76.71* SOFAC CREDIT 263.41* 263.78* 265.21* 265.54* SONASID 9.31 22.81* 34.65* 37.68* WAFABANK 13.98* 16.16 35.66* 38.71* INDICE 342.84* 385.77* 440.05* 469.90* * :indique que la statistique est significative au seuil de 5 % Les tests d’autocorrélation constituent les principaux tests d’efficience faible desmarchés financiers. Ainsi des coefficients d’autocorrélation nuls équivaut à l’indépendancedes rentabilités à condition que les variables soient normales. Toutefois, les résultats des testsde normalité montrent que la distribution des rentabilités des titres cotés sur le marchémarocain dévie fortement de celle d’une loi normale. C’est la raison pour laquelle, nouscomplétons notre étude par un test non paramétrique : le test des « runs » appelé test deséquences. 15
  16. 16. Le test des runs Le test non paramétrique des séquences homogènes ( test des runs ) mesure le degré dedépendance existant à travers des séries historiques de cours ou de rentabilités, et celaindépendamment de leur distribution. Il s’intéresse uniquement aux suites de signes (+/-) desvariations (positives/négatives) des cours ou des rentabilités des actifs. Un run positif est une séquence de fluctuations des cours positifs précédée par unefluctuation nulle ou négative et inversement pour un run négatif. Le test statistique est basésur l’appréciation de manière probabiliste de la différence éventuelle entre le nombre de runsespérés dans un contexte aléatoire et le nombre de runs effectivement observés pourl’échantillon sélectionné. Dans le cas où les changements de cours des actifs seraient positivement corrélés, ondevrait observer de longs runs (des séries longues de signes positifs ou de signes négatifs),alors que si les changements de cours des actifs sont négativement corrélés, on devrait avoirdes runs courts c’est à dire des changements répétés de signes. Si les changements sontindépendants, aucun des deux cas ne devrait être observé. Si dans une série de changements de cours ou de rentabilités, les signes de ces dernierssont distribués de manière aléatoire, le nombre total de runs suit une distribution normale donton peut facilement calculer l’espérance µ et l’écart type σ . Formellement : 3 N ( N + 1) − ∑ ni2 µ= i =1 N 1  3 2 3 2  3 2 ∑ ni  ∑ ni + N ( N + 1)  − 2 N ∑ ni3 − N 3  σ =  i =1  i =1  i =1   N ( N − 1) 2     avec :ni : le nombre de rentabilités pour chaque signe (positifs, nuls, et négatifs).N : le nombre d’observations.L’hypothèse nulle de marche au hasard est : H0 : P1=P2avec :P1 : est la probabilité qu’un signe positif succède à un signe négatif ou inversement.P2 : est la probabilité qu’un signe positif succède à un signe positif ou un signe négatif à unsigne négatif.L’hypothèse alternative est H1 : P1>P2 (autocorrélation négative), P1<P2 (autocorrélationpositive).L’appréciation probabiliste de l’écart entre le nombre espéré et le nombre de runs observé estdéterminée par la statistique suivante : 16
  17. 17. X −µ Z= σavec :X : le nombre de runs observé. Le rejet ou l’acceptation du comportement aléatoire des fluctuations des cours, et parconséquent de l’efficience du marché, repose sur la valeur de Z. Si P(Z)>0.05 (dans le casd’un niveau de confiance de 5 %), on ne peut rejeter l’hypothèse d’indépendance. Nous présentons dans le tableau ci dessous les résultats obtenus par le test des runspour chacun des titres de notre échantillon ainsi que pour l’indice général. Nous avons ainsicalculé le nombre de runs observé, le nombre de runs espéré, l’écart type des runs et laZ-statistique. Tableau 9: Résultats du test des runs (Z) TITRES Nombre de runs Nombre de runs Evart-type des Z-statistic observé (X) espéré ( µ ) runs ACRED 220 252 5.56 -5.77 AUTO-HALL 348 382 8.32 -4.10 BCM 653 808.82 16.35 -9.53 BMCE 694 808.38 16.46 -6.95 BMCI 721 803.75 16.29 -5.08 BNDE 648 769.74 15.77 -7.72 BRANOMA 362 417.85 9.07 -6.15 BRASSERIE 639 713.54 14.82 -5.03 CARNAUD 107 126.04 2.69 -7.09 CDM 610 692.36 14.45 -5.7 CIH 726 805 16.32 -4.85 CENTRALE L. 435 456.23 9.88 -2.15 CTM 670 781.65 15.95 -6.99 CIOR 725 826 16.57 -6.10 CIMAR 588 703.75 14.64 -7.90 COSUMAR 513 622.64 13.19 -8.31 DIAC EQUIPEMENT 171 188.70 4.19 -4.22 DIAC SALAF 451 538 11.52 -7.55 EQDOM 730 824 16.55 -5.68 G. TIRE 713 722.91 15 -0.66* LESIEUR 502 549.83 11.76 -4.07 LONGOMETAL 505 599 12.77 -7.43 ONA 669 821.22 16.52 -9.22 SAMIR 667 783 16.16 -7.19 SNI 692 816.28 16.49 -7.54 SOFAC CREDIT 472 520 11.26 -4.28 SONASID 665 727.17 15.61 -3.98 WAFABANK 716 822.49 16.54 -6.44 INDICE (IGB) 449 626.37 17.41 -10.19 * :indique que la statistique est significative au seuil de 5 % Les valeurs de Z sont pour l’ensemble des titres négatives puisque le nombre de runsthéorique est toujours supérieur au nombre de runs calculé. Ce résultat correspond àl’existence de dépendances positives dans les séries de rentabilités. Par ailleurs, la seulestatistique significative au seuil de 5 % est celle du titre G.Tire. Pour les autres valeurs, nous 17
  18. 18. obtenons des coefficients non significatifs ce qui nous permet de rejeter l’hypothèsed’indépendance des rentabilités pour 27 titres sur 28 ainsi que pour l’indice général.6 - Anomalies boursières sur le marché marocain des actions Depuis la fin des années 70, les travaux empiriques se sont multipliés pour détecterl’existence d’anomalies ou de saisonnalités dans les rentabilités des actifs boursiers. Cestravaux ont été réalisés principalement sur les marchés financiers des pays développés.Toutefois, cette dernière décennie, nous avons constaté l’apparition de plusieurs travauxconcernant les pays émergents. Ces études ont, bien sûr, remis en cause l’hypothèsed’efficience informationnelle des marchés financiers. En effet, dans le cas d’existenced’anomalies, les prix des titres ne reflètent pas correctement l’ensemble de l’informationdisponible.L’effet taille Pour identifier l’effet taille, les valeurs de notre échantillon vont être classées parniveau de capitalisation boursière. Et pour chaque date, 3 portefeuilles sont construit. Lepremier est formé des titres de forte capitalisation, le deuxième de capitalisation moyenne, etle troisième portefeuille des titres de faible capitalisation boursière. L’analyse de l’effet tailleest étudiée en examinant les rentabilités quotidiennes des trois portefeuilles de capitalisation. Le tableau ci-dessous reprend les caractéristiques des rentabilités quotidiennes destrois classes de capitalisation. Le nombre de données correspond au nombre total desrentabilités quotidiennes empilées par portefeuille sur toute la période d’étude. Quant aupourcentage des rentabilités négatives (respectivement positives et nulles), il correspond aurapport du nombre de rentabilités négatives (respectivement le nombre de rentabilitéspositives et nulles) par le nombre total des rentabilités. Parmi les autres statistiques étudiées,on trouve la performance moyenne annuelle (rentabilité moyenne annuelle) de chaqueportefeuille, ainsi que la volatilité annuelle (mesurée par l’écart type multiplié par 252 ). Ladernière statistique analysée est le risque systématique. Ce dernier est obtenu par la régressiondes moindres carrés ordinaires des rentabilités quotidiennes des titres empilés sur celles del’indice général de la bourse de Casablanca. Tableau 10 : Statistiques par classe de capitalisation sur le marché marocain (2/01/96 au 29/12/00) Portefeuille 1 2 3 Nombre de données 12 338 11 014 11 106 Rentabilités nulles 37.15 % 58.85 % 73.66 % Rentabilités négatives 30.30 % 21.13 % 13.05 % Rentabilités positives 32.55 % 20.02 % 13.29 % Rentabilité moyenne annuelle 16.78 % 6.53 % -3.31 % Volatilité annuelle 19.87 % 27.26 % 45.52 % Le risque systématique (Bêta) 0.716 0.551 0.446 Le pourcentage des rentabilités nulles est un indicateur de liquidité du marché. A titredexemple, le portefeuille 3 composé de titres de faible capitalisation boursière connaît unpourcentage très élevé de rentabilités nulles (73.66 %). En fait, les cours varient très peu 18
  19. 19. d’une séance à l’autre en raison du faible volume des transactions. Ce phénomène est unecaractéristique des marchés boursiers émergent les moins avancés. En ce qui concerne les rentabilités positives, elles sont croissantes par rapport à lacapitalisation boursière. Plus la capitalisation du portefeuille est importante, plus lepourcentage des rentabilités positives est élevé. Ce résultat ne signifie pas qu’en détenant destitres à forte capitalisation boursière, nous réaliserons automatiquement plus de rentabilitéspositives que si nous détenions des titres à faible capitalisation. D’ailleurs, le pourcentage desrentabilités négatives est plus élevé pour le portefeuille de forte capitalisation boursière(portefeuille1) que pour le portefeuille de faible capitalisation (portefeuille 3). La volatilité annuelle du portefeuille à forte capitalisation boursière est moins élevéeque celle du portefeuille à capitalisation moyenne et faible. Par ailleurs, les petitescapitalisations ont un risque systématique (bêta) inférieur à celui des fortes capitalisations. Leportefeuille 1 a une sensibilité de 0.7165 contre 0.5509 pour le portefeuille 2 et 0.4463 pour leportefeuille 3.L’effet mois de l’année Plusieurs travaux réalisés sur les marchés boursiers des pays développés ont montrél’existence d’un effet mois de l’année notamment au mois de janvier. Ils ont montré que lesrentabilités boursières sont, en moyenne, plus élevées au mois de janvier que durant les autresmois de l’année. En ce qui concerne les marchés boursiers des pays émergents, l’effet mois de l’annéen’a pas toujours été décelé. Et quand il existe, il n’est pas spécifique au mois de janvier. Ainsi,notre travail sur le marché marocain se focalisera sur l’ensemble des mois de l’année et nonpas seulement sur le mois de janvier.L’effet du mois de l’année est étudié par l’équation de la régression suivante : 12 Rimt =α1 +∑α k Dk,t +ε i,t , k =2avec :Rimt : la rentabilité mensuelle du titre i ,Dk ,t : une variable dichotomique qui prend la valeur de 1 si la date est le mois k et 0 sinon.k = 2 pour le mois de février, 3 pour mars, etc.α 1 : mesure la rentabilité moyenne du mois de janvier.α k : représente l’excédent de rentabilité du mois k relativement au mois de janvier. La rentabilité moyenne du mois k est la somme de α 1 et α k . Ainsi, les statistiques quien découlent pour les coefficients α k refléteront la significativité de la différence des mois kpar rapport au mois de janvier. Si la rentabilité espérée est identique pour chaque mois del’année, on obtiendra des coefficients α 2 ......α 12 nuls. Le rejet de cette hypothèse suppose quela rentabilité moyenne d’un des mois de l’année est significativement différente de celle dumois de janvier. 19
  20. 20. L’équation de régression ci-dessus est appliquée à l’ensemble des titres ainsi qu’àl’indice général de la bourse de Casablanca sur la période allant de janvier 1996 à décembre2000. Les résultats (cf. annexe 1) indiquent qu’il n’existe pas d’effet significatif du mois del’année comme celui observé sur de nombreux pays développés. Toutefois, l’indice général dela bourse de Casablanca connaît une hausse importante principalement au mois de mars,d’avril et d’août. En outre, des baisses de rentabilités sont observées les trois derniers mois del’année. D’ailleurs, 23 titres (respectivement 21 et 15 titres) de notre échantillon connaissentdes rentabilités négatives au mois d’octobre (respectivement au mois de novembre etdécembre) contre uniquement 6 pour le mois de janvier. Dans notre travail, nous nous sommes aussi intéressés à l’existence éventuelle d’uneffet « Ramadan ». Entre 1996 et 2000, le mois du Ramadan a eu lieu entre le mois dedécembre et le mois de mars. Les rentabilités spécifiques de ce mois pendant la période allantde janvier 1996 à décembre 2000 ne permet de détecter aucun résultat significatif.L’effet jour de la semaine De la même manière que pour l’effet mois de l’année, l’impact du jour de la semaineest étudié en analysant l’équation de la régression suivante : 5 Ri,t =α1+∑α k Dk,t +εi,t k =2où :Dk ,t =1 si t est le jour k et 0 sinonk=2 pour le mardi, k=3 pour le mercredi, etc.α 1 : mesure la rentabilité moyenne du lundiα k : représente l’excédent de rentabilité des autres jours de la semaine par rapport au lundi.La rentabilité moyenne des autres jours (autre que le lundi) de la semaine est obtenue enadditionnant les coefficients α k et α 1 . L’équation de régression ci-dessus est donc appliquée à l’ensemble à l’ensemble destitres, ainsi qu’à l’indice général de la bourse de Casablanca et cela sur la période allant dejanvier 1996 à décembre 2000. Les résultats (cf. annexe 2) de l’effet jour de semaine sur lesrentabilités n’apportent pas de conclusions significatives. Toutefois, des rentabilités élevées,par rapport aux autres jours de la semaine, sont observées le lundi notamment pour l’indicegénéral de la bourse de Casablanca. A titre d’exemple, la rentabilité quotidienne moyenne del’indice est de 0.0928 % le lundi alors qu’elle est de 0.0103 % le mardi, 0.0048 % le mercrediet 0.0639 % le jeudi. Nous constatons que le vendredi est caractérisé aussi par des rentabilitésquotidiennes élevées. D’ailleurs 21 titres de notre échantillon ont des rentabilités positives levendredi contre 12 titres le mardi par exemple. 20
  21. 21. 7 - Conclusion A l’instar de la plupart des pays en développement, le Maroc n’a pas échappé auxtransformations radicales concernant l’organisation et le fonctionnement des marchésfinanciers. Les réformes adoptées depuis 1993 ont été déterminantes dans le développementde son marché boursier mais cela n’a pas entraîné une amélioration significative del’efficience informationnelle de ce marché. Les résultats de nos travaux empiriques montrent bien que le marché boursiermarocain n’a pas encore atteint le stade de maturité. Les principaux résultats obtenus sont lessuivants :- La distribution des rentabilités quotidiennes de l’indice général de la bourse de Casablancaet des titres marocains dévie de celle de la loi normale.- Les tests de stationnarité montrent que les séries de rentabilités observées sur le marchémarocain sont stationnaires et, par conséquent, prévisibles.- L’hypothèse d’indépendance des rentabilités est rejetée pour la plupart des titres ainsi quepour l’indice général.- La volatilité annuelle du portefeuille à forte capitalisation boursière est moins élevée quecelle du portefeuille à faible capitalisation.- Le portefeuille composé de titres à forte capitalisation boursière a un risque systématiquesupérieur à celui composé de titres à faible capitalisation.- Il n’existe pas d’effet significatif du mois de l’année bien que l’indice général de la boursede Casablanca connaisse une hausse importante au mois de mars, d’avril et d’août.- Il n’existe pas d’effet significatif au mois du ramadan.- L’effet jour de la semaine n’est pas significatif bien que des rentabilités élevées soientobservées le lundi et le vendredi.- Le marché ne s’ajuste que lentement aux nouvelles informations (distribution de dividendeset modifications de capital). 21
  22. 22. Annexe 1 : Effet mois de l’année (1) Janvier « α 1 » Février « α 2 » Mars « α 3 » Avril « α 4 » Mai « α 5 » Juin « α 6 »ACRED 0.158 (0.314) -0.214 (-0.592) -0.181 (-0.323) 0.275 (0.245) 0.087 (0.105) 0.002 (0.003)AUTO-HALL -0.232 (-0.703) 0.251 (0.764) 0.371 (1.274) 0.582 (0.648) 0.114 (0.192) 0.107 (0.180)BCM 0.834 (0.687) -0.085 (-0.296) 0.055 (0.150) 0.033 (0.128) -0.139 (-0.371) 0.077 (0.290)BMCE 0.095 (0.396) 0.210 (0.522) 0.150 (0.205) 0.059 (0.175) -0.217 (-0.359) 0.050 (0.264)BMCI 0.233 (0.819) -0.078 (-0.184) 0.065 (0.124) -0.170 (-0.209) -0.291 (-0.562) -0.075 (-0.119)BNDE -0.086 (-0.189) 0.053 (0.143) 0.186 (0.824) -0.070 (-0.199) 0.041 (0.105) -0.101 (-0.207)BRANOMA -0.078 (-0.341) -0.026 (-0.185) 0.197 (0.549) 0.386 (0.944) 0.116 (0.133) -0.022 (-0.050)BRASSERIE 0.223 (0.005) -0.206 (-0.712) -0.105 (-0.199) -0.014 (-0.014) -0.183 (-0.174) 0.049 (0.106)CARNAUD 0.026 (0.447) 0.187 (0.567) -0.002 (-0.030) -0.003 (0.033) 0.432 (0.585) 0.071 (0.201)CDM 0.021 (0.081) 0.011 (0.043) 0.202 (0.438) -0.024 (-0.072) -0.239 (-0.403) 0.248 (0.848)CENTRALE L. 0.018 (0.055) 0.052 (0.177) 0.192 (0.516) 0.293 (0.811) -0.064 (-0.087) 0.031 (0.058)CIH 0.093 (0.126) -0.316 (-0.455) -0.465 (-0.845) -0.201 (0.267) -0.115 (-0.106) -0.013 (-0.014)CIMAR 0.211 (0.003) 0.094 (0.175) -0.027 (-0.069) 0.061 (0.129) -0.187 (-0.195) -0.318 (-1.319)CIOR 0.239 (0.695) -0.209 (-0.532) 0.101 (0.137) 0.013 (0.033) -0.397 (-0.509) -0.279 (-0.873)COSUMAR -0.087 (-0.219) -0.075 (-0.317) 0.142 (0.401) 0.099 (0.609) -0.233 (-0.276) 0.260 (0.409)CTM -0.004 (-0.003) 0.166 (0.441) 0.099 (0.149) 0.222 (0.330) -0.160 (-0.497) -0.046 (-0.117)DIAC EQUIP 0.089 (0.447) 0.194 (0.848) -0.144 (-0.404) 0.193 (0.359) 0.026 (0.059) 0.229 (0.204)DIAC SALAF 0.137 (0.207) -0.156 (-0.280) -0.209 (-0.377) 0.805 (0.684) 0.008 (0.071) -0.412 (-0.458)EQDOM 0.217 (0.750) -0.297 (-0.755) 0.063 (0.095) 0.241 (0.179) -0.431 (-0.457) -0.174 (1.086)G.TIRE -0.108 (-1.047) 0.045 (0.164) 0.007 (0.048) -0.075 (-0.248) 0.112 (0.602) -0.256 (-0.765)LESIEUR 0.029 (0.166) -0.017 (-0.048) 0.162 (0.649) 0.415 (0.548) -0.123 (-0.203) 0.049 (0.130)LONGOMETAL 0.097 (0.166) -0.628 (-1.301) 0.176 (0.230) -0.126 (-0.287) -0.418 (-0.457) -0.373 (-0.534)ONA 0.283 (0.829) -0.235 (-0.725) -0.142 (-0.336) -0.043 (-0.083) -0.307 (-0.492) -0.122 (-0.284)SAMIR 0.184 (0.689) -0.147 (-0.349) 0.234 (1.289) -0.035 (-0.072) 0.099 (0.247) -0.149 (-0.473)SNI 0.123 (0.572) -0.019 (-0.034) -0.025 (-0.086) 0.093 (0.201) -0.113 (-0.231) -0.025 (-0.137)SOFAC CREDIT 0.098 (0.275) -0.070 (-0.485) 0.224 (0.614) 0.048 (0.088) -0.016 (-0.033) -0.249 (-0.711)SONASID 0.192 (0.663) -0.181 (-0.353) 0.065 (0.094) -0.081 (-0.144) -0.249 (-0.353) -0.132 (-0.347)WAFABANK 0.244 (0.680) -0.226 (-0.721) -0.175 (-0.257) -0.192 (-0.355) -0.233 (-0.299) -0.116 (-0.379)INDICE 0.146 (0.682) -0.068 (-0.285) 0.017 (0.053) 0.016 (0.043) -0.172 (-0.332) -0.196 (-0.637) Les coefficients sont exprimés en pourcentage Entre parenthèse : le T-Statistique de chaque coefficient 22
  23. 23. Effet mois de l’année (2) Juillet « α 7 » Août « α 8 » Sept « α 9 » Oct « α 10 » Nov « α 11 » Déc « α 12 »ACRED -0.084 (-0.178) -0.304 (-0.589) -0.237 (-0.342) -0.226 (-0.493) -0.227(-0.452) -0.204 (-0.321)AUTO-HALL 0.154 (0.422) 0.331 (0.842) 0.246 (0.528) 0.162 (0.548) -1.391 (-0.394) 0.404 (0.985)BCM 0.071 (0.398) 0.033 (0.111) -0.036 (-0.122) -0.081 (-0.510) -0.091 (-0.667) -0.087 (-0.399)BMCE -0.240 (-0.581) -0.210 (-0.522) -0.061 (-0.229) -0.185 (-0.730) -0.163 (-0.911) -0.145 (-0.686)BMCI -0.164 (-1.081) 0.100 (0.289) -0.134 (-0.216) -0.324 (-1.296) -0.247 (-0.598) -0.403 (-1.201)BNDE 0.086 (0.246) 0.082 (0.166) 0.097 (0.162) -0.109 (-0.259) -0.005 (-0.009) 0.105 (0.593)BRANOMA 0.089 (0.283) 0.104 (0.313) 0.154 (0.631) 0.014 (0.093) 0.034 (0.105) 0.091 (0.273)BRASSERIE -0.318 (-1.198) -0.022 (-0.049) -0.090 (-0.184) -0.350 (-0.721) -0.458 (-1.076) -0.226 (-0.545)CARNAUD -0.245 (-0.261) -0.068 (0.489) -0.018 (-0.127) -0.138 (-0.570) 0.063 (0.269) 0.104 (0.489)CDM -0.033 (-0.159) 0.184 (0.606) -0.125 (-0.361) -0.164 (-0.568) -0.079 (-0.271) -0.111 (-0.348)CENTRALE L. 0.052 (0.164) 0.014 (0.329) 0.034 (0.458) -0.065 (-0.336) 0.066 (0.202) -0.071 (-0.147)CIH -0.103 (-0.207) -0.030 (-0.033) -0.036 (-0.033) -0.125 (-0.163) -0.172 (-0.259) -0.096 (-0.118)CIMAR -0.261 (-1.426) 0.158 (0.337) -0.243 (-0.772) -0.324 (-1.214) -0.312 (-1.504) -0.462 (-1.318)CIOR -0.188 (-0.616) 0.262 (0.631) -0.281 (-0.553) -0.257 (-0.717) 0.331 (-1.561) -0.301 (-0.765)COSUMAR 0.131 (0.331) 0.088 (0.169) 0.085 (0.139) -0.173 (-0.267) 0.033 (0.081) 0.165 (0.399)CTM 0.104 (0.302) 0.051 (0.225) -0.026 (-0.079) -0.126 (-0.609) -0.204 (-0.499) 0.005 (0.020)DIAC EQUIP -0.361 (-0.839) 0.262 (0.613) -0.124 ( -0.475) -0.102 (-0.519) -0.423 (-0.834) -0.089 (-0.332)DIAC SALAF -0.225 (-0.324) 0.056 (0.089) -0.248 (-0.513) -0.055 (-0.072) -0.173 (-0.225) -0.105 (-0.128)EQDOM -0.199 (-0.954) 0.046 (0.099) -0.349 (-0.620) -0.192 (-0.424) -0.648 (-1.415) -0.191 (-0.444)G.TIRE 0.079 (0.286) 0.441 (0.976) -0.283 (-0.864) -0.180 (-0.547) 0.035 (0.215) -0.209 (-0.332)LESIEUR -0.081 (-0.286) 0.059 (0.207) -0.235 (-0.492) -0.132 (-0.510) 0.084 (0.179) -0.115 (-0.477)LONGOMETAL -0.075 (-0.094) -0.233 (-0.542) -0.134 (-0.262) -0.629 (-1.169) -0.051 (-0.074) -0.126 (-0.241)ONA -0.182 (-0.685) 0.006 (0.015) -0.248 (-0.644) -0.186 (-0.514) -0.467 (–1.842) -0.239 (-0.610)SAMIR -0.249 (-1.215) 0.121 (0.419) -0.284 (-1.432) -0.203 (-0.997) -0.107 (-0.307) -0.255 (-1.888)SNI -0.026 (-0.110) 0.188 (0.392) -0.125 (-0.516) -0.195 (-1.105) -0.215 (-1.287) -0.141 (-0.510)SOFAC CREDIT -0.248 (-0.333) -0.019 (-0.056) 0.058 (0.113) -0.119 (-0.231) -0.129 (-0.272) -0.176 (-0.381)SONASID -0.116 (-0.575) 0.246 (0.503) -0.269 (–0.949) -0.371 (-1.244) -0.378 (-1.676) -0.189(-0.546)WAFABANK -0.154 (-0.609) 0.082 (0.169) -0.242 (-0416) -0.230 (-0.517) -0.401 (-1.543) -0.231 (-0.646)INDICE -0.137 (-0.867) 0.053 (0.195) -0.153 (-0.500) -0.183 (-0.889) -0.230 (–1.34) -0.167 (-0.688) Les coefficients sont exprimés en pourcentage Entre parenthèse : le T-Statistique de chaque coefficient 23
  24. 24. Annexe 2 : Effet jour de semaine Lundi « α 1 » Mardi « α 2 » Mercredi « α 3 » Jeudi « α 4 » Vendredi « α 5 »ACRED 0.0159 -0.0424 0.1120 0.0736 -0.0405AUTO-HALL -0.8917 0.8491 0.9061 1.0176 0.8421BCM -0.0112 -0.0272 0.1186 0.1226 0.1020BMCE -0.1329 0.1442 0.1554 0.1601 0.3041BMCI 0.0390 0.0341 0.0796 0.0173 0.1412BNDE -0.0091 -0.1485 0.1303 0.6241 0.0740BRANOMA 0.0496 -0.2469 -0.0721 0.0168 0.1352BRASSERIE 0.1010 -0.1075 -0.0252 -0.1774 0.0891CARNAUD 0.0272 0.0786 0.2273 0.1768 0.2522CDM 0.1011 -0.1744 -0.1920 0.0376 0.0013CENTRALE L. 0.1225 0.0289 -0.1131 -0.1523 0.0482CIH 0.0486 -0.0703 0.0398 -0.1109 -0.0491CIOR 0.1232 -0.1991 -0.0990 0.0985 0.0097CIMAR 0.0874 -0.2124 0.0364 -0.0474 0.0051COSUMAR -0.0118 -0.1088 0.0387 0.0120 -0.1490CTM -0.1433 0.1814 0.1590 0.1029 0.2542DIAC EQUIP -0.0339 -0.1319 0.2090 0.1908 0.0463DIAC SALAF 0.0753 0.0383 0.3598 -0.2055 -0.0561EQDOM -0.2173 0.2591 0.3319 0.3041 0.6252G.TIRE -0.2758 0.0818 0.2657 -0.0037 0.1250LESIEUR -0.0129 0.0856 -0.0763 0.2146 0.0896LONGOMETAL -0.0089 -0.1188 -0.0224 -0.2554 -0.1792ONA 0.0079 0.0228 0.0871 0.1404 0.1760SAMIR -0.0629 0.1212 0.0399 0.0634 0.0271SNI -0.0491 0.1858 0.0418 0.1604 0.1720SOFAC CREDIT 0.3149 -0.7315 -0.2302 -0.1539 -0.1760SONASID -0.0888 0.1271 -0.0762 0.2009 0.2292WAFABANK -0.0476 -0.0003 0.0546 0.3368 0.1852INDICE (IGB) 0.0928 -0.0825 -0.0880 -0.0289 -0.0031Note : Les coefficients sont non significativement différent de zéro au seuil de 5 %. Les coefficients sont exprimés en pourcentage. 24
  25. 25. BibliographieAbeysekera S.P. (2001) « Efficient Markets Hypothesis and the Emerging Capital Market inSri Lanka: Evidence From the Colombo Stock Exchange », Journal of Business, Finance andAccounting, 28 (1), Janvier / Mars.Abraham A. et IkenberyD.L. (1994) « The Individual Investor and the Weekend-Effect »,Journal of Financial and Quantitative Analysis, n°29, pp 263-277.Al Loughani N.E. (1999) « Recent Trends and Market Inefficiency in the Kuwait StockExchange : Evidence From the Post-Liberation Era » Workshop on Arab Stock Markets,Kuwait.Amihud Y. et Mendelson H. (1991b) « Volatility, Efficiency and Trading : Evidence Fromthe Japanese Stock Market », Journal of Finance, 46, pp1765-1789.Bekaert G. et Harvey C.R. (1997) « Emerging Equity Market Volatility », Journal ofFinancial Economics, vol 43, n° 1, Janvier, pp 29-77.Belkahia R. (1997) « Le renouveau et les perspectives du marché des actions de la bourse desvaleurs de Casablanca », Finances et Développement, Septembre.Broquet C., Capiau Huart M.C. et Legrand O. (1990) « Efficience de la bourse de Bruxelles :un nouvel examen », Analyse Financière, 4ème trimestre, pp 61-73.Chang P., Rhee G. et Soedigno S. (1995) « Price Volatility of Indonesian Stocks », Pacific-basin Finance Journal, vol 3, pp 337-355.Claessens S., Dasgupta S. et Glen J. (1995) « Return Behavior in Emerging Stock Markets »,The World Bank Economic Review, n° 1, vol 9, Janvier, pp 131-151Fama E. (1965) « The Behavior of Stock Market Prices », Journal of Business, 38, January,pp 34-105.Fama E. (1970) « Efficient Capital Markets : a Review of Theory and Empirical Work »,Journal of Finance, 25, pp 383-417.Fama E. (1991) « Efficient Capital Markets : II », Journal of Finance, December, 46, pp1575-1618.French K.R. (1980) « Stock Returns and the Weekend Effect », Journal of FinancialEconomics, 8, march, pp 55-70.Frennberg P. et Hansson B. (1993) « Testing the Random Walk Hypothesis on Swedish StockPrices : 1919-1990 », Journal of Banking and Finance 17, pp 175-191.Gillet R. (1991) « L’efficience informationnelle du marché boursier : aspects théoriques etempiriques », Thèse de doctorat U.C.L., CIACO, Louvain-la-Neuve. 25
  26. 26. Hamon J. et Jacquillat B. (1992) « Le marché français des actions, études empiriques (1977-1991) », PUF, Paris.Jaffe J. et Westerfield R. (1989) « Is There a Monthly Effect in Stock Returns ? EvidenceFrom Foreign Countries », Journal of Banking and Finance, 13, may, pp 237-244.Lee I., Petit R. et Swankoski M. (1990) « Daily Return Relationships Among Asian StockMarkets », Journal of Business Finance and Accounting, vol 17, pp 265-284.Lyons R.K. (1995) « Tests of Microstructural Hypothesis in the Foreign Exchange Market »,Journal of Financial Economics, n° 39, October November, pp 321-351.Mai H.M., Rigobert M.J. et Tchemeni E. (1998) « Prévisibilité des rentabilités sur le marchéJamaïcain des actions », Cahier de Recherche n° 9805, Université de Paris Dauphine.Mai H.M., Rigobert M.J. et Tchemeni E. (1998) « Anomalies boursières sur le marchéJamaïcain des actions », Cahier de Recherche n° 9806, Université de Paris Dauphine.Solnik B. et Bousquet L. (1990) « Day-of- the- Week Effect, on the Paris Bourse », Journalof Banking and Finance, 14, n° 2-3, pp 461-468.Thaler R.H. (1987) « Anomalies : Week-end, Holiday, Turn of the Month and IntradayEffects », Journal of Economic Perspectives, automne. 26

×