MASTER ECONOMIE MONETAIRE ET FINANCIERE
PROJET SAS
Evaluation l’efficacité du marché boursier vietnamien
Professeur : Char...
1
Résumé
Ce projet vise à étudier l’efficience informationnelle du marché boursier vietnamien depuis sa création
en 2000 j...
2
quotidiennes (cf. Annexe1). Cet indice, calculé par la « State Securities Commission » est la moyenne
pondérée par le no...
3
Tableau 1: Les statistiques descriptives
Population Echantillon 1 Echantillon 2
Moyenne 0.00053184 0.00085162 0.00035252...
4
b. Le « Runs test »
Le « Runs test » est utilisé pour tester l’aléatoire d’une série dont le critère critique (Test valu...
5
Autocorrelations
Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error
13 0.00001062 0.03652 |...
6
est prévisible à partir des rendements historiques est confirmé. Par ailleurs, les paramètres du modèles,
sauf l’interce...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
1
ANNEXE 1: DESCRIPTION DE LA BASE DE DON...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
2
ANNEXE 2 : EVOLUTION DE L’INDICE VNINDE...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
3
ANNEXE 3 : STATISTIQUES DESCRIPTIVES DE...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
4
ANNEXE 4: STATISTIQUES DESCRIPTIVES DE ...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
5
ANNEXE 5 : STATISTIQUES DESCRIPTIVES DE...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
6
ANNEXE 6 : GRAPHIQUES DE LA DISTRIBUTIO...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
7
ANNEXE 7 : CORRELOGRAM - POPULATION
Aut...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
8
Partial Autocorrelations
Lag Correlatio...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
9
ANNEXE 8 : CORRELOGRAM – ECHANTILLON 1
...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
10
Partial Autocorrelations
Lag Correlati...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
11
ANNEXE 9 : CORRELOGRAM – ECHANTILLON 2...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
12
Partial Autocorrelations
Lag Correlati...
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
13
ANNEXE 10 : REGRESSION LINEAIRE
The RE...
Prochain SlideShare
Chargement dans…5
×

Projet SAS_Evaluation l'efficacite du marche boursier au vietnam

834 vues

Publié le

Publié dans : Économie & finance
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
834
Sur SlideShare
0
Issues des intégrations
0
Intégrations
3
Actions
Partages
0
Téléchargements
13
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Projet SAS_Evaluation l'efficacite du marche boursier au vietnam

  1. 1. MASTER ECONOMIE MONETAIRE ET FINANCIERE PROJET SAS Evaluation l’efficacité du marché boursier vietnamien Professeur : Charlotte de Lorgeril Etudiant : Thu-Phuong Do
  2. 2. 1 Résumé Ce projet vise à étudier l’efficience informationnelle du marché boursier vietnamien depuis sa création en 2000 jusqu’à maintenant. Les statistiques et les tests économétriques réalisés sur les rendements en logarithme tous suggèrent que le rendement passé a certain impact sur celui au courant. Autrement dit, le marché boursier vietnamien n’est pas efficace, même sous forme faible. Donnée : l’indice de prix VNIndex au 28 juillet 2000 au 29 mars 2013. 1- Introduction La théorie de l’efficience des marchés financiers (HEM théorie) est beaucoup traitée depuis les années soixante. Eugene Fama se débat dans sa thèse que dans un marché actif, y compris les investisseurs informés et rationnels, le prix d’actif reflète correctement toutes les informations disponibles. En d’autres termes, l’enjeu HEM suggère que les investisseurs ne peuvent pas surperformer le marché. Dans ce projet, je n’aborde que l’efficience informationnelle du marché. Il existe de différentes formes de l’efficience informationnelle. Dans le marché efficient de type faible, les cours des titres reflètent tout ce qu’on peut déduire de leur historique. Dans le marché de forme semi-forte, on prétend que les cours réagissent instantanément aux informations publiques, quelles que soit au niveau macro comme les indicateurs économiques et financiers ou au niveau micro comme les résultats de l’entreprise. Enfin, le marché atteint la forme forte quand toutes les informations privées sont également reflétées dans le cours du titre. Comme les autres pays en voie de développement, le Vietnam cherche à accéder au marché financier mondial par la création de la bourse à Hochiminh Ville (HoSE) en 2000, et puis celle à Hanoi (HNX) en 2005. D’ores et déjà, très peu études dans ce domaine ont été consacrées au marché boursier du Vietnam. Deux études significatives1 dans ce thème tous concluent que le marché boursier vietnamien n’atteint pas la forme faible. Toutefois, les deux travaux utilisent la base de données avant 2008 – date de déclenchement de la crise financière mondiale. L’objectif de ce travail est d’étudier l’efficience informationnelle de la bourse vietnamienne en prenant en compte le contexte actuelle de la crise. 2- Méthodologies Les tests d’efficience informationnelle sont réalisés sur les rendements de l’indice boursier représentatif du marché vietnamien VNIndex du 28 juillet 2000 au 29 mars 20132 s’agissant de 2993 observations 1 Trung-Thanh LE (2009), « Améliorer les mécanismes de surveillance de transactions des valeurs mobilières sur le marché boursier vienamnien », Travail de recherche scientifique du Ministère Anh-Tuan DANG (2010), « Développement du marché des capitaux au Vietnam », Thèse de doctorat ESEN Hanoi 2 Source : http://www.cophieu68.com/
  3. 3. 2 quotidiennes (cf. Annexe1). Cet indice, calculé par la « State Securities Commission » est la moyenne pondérée par le nombre de transactions de toutes les valeurs cotées en HoSE. Les rendements ont calculés selon la formule : Rndt = ln (Indice t/Indice t-1) Afin d’approfondir l’étude, la population est divisée en deux échantillons grâce à l’événement de l’inauguration de la bourse à Hanoi le 13 juillet 2005. Cet événement marque l’évolution importante du marché financier au Vietnam. Dans un premier temps, j’effectuerai les statistiques descriptives et l’observation graphique des séries de rendements pour retirer le jugement initial. Dans le deuxième temps, je ferai les tests économétriques pour confirmer le jugement. Le modèle économétrique pour tester cette forme se base sur la théorie de marche au hasard3 . Le rendement de l’indice boursier pour le marché de forme l’efficience faible satisfait deux critères : (1) la normalité de la distribution de rendements, (2) l’aléatoire avec dérive de la série (ou non-stationnarité). L’aléatoire est réalisé par le « Runs test » ou Wald–Wolfowitz test4 . La stationnarité de la série est faite en utilisant le test de racine unitaire par la méthode proposée par Dicky-Fuller5 et le corrélogramme. 3- Statistiques descriptives Crée après la crise économique asiatique en 1997, la bourse vietnamienne n’est pas influencée par les impacts négatifs à cause des flux de capitaux. Le graphique (cf. Annexe 2) nous montre que l’indice VNIndex fluctue largement, notamment pendant la période 2006 – 2009. L’année 2007 marque une évolution remarquable du marché boursier vietnamien suite à la bonne conjoncture macroéconomique. L’indice atteignait le niveau record de 1170 points le 12 mars 2007. Et pourtant, certains investisseurs craignent que cette forte augmentation soit l’effet d’une bulle spéculative. En fait, au milieu de la crise financière mondiale, l’indice VNIndex chute fortement à l’ordre 235 points le 24 février 2009, soit environ 80% pendant deux ans. A partir de l’année 2010 jusqu’à présent, l’indice fluctue autour du niveau 500 points. A cause de cette forte volatilité, on doute de l’efficience du marché. 3 La théorie de marche au hazard (ou « Random Walk Theory ») dit que dans un marché efficient, l’évolution des prix sont indépendante des prix passés. Il est totalement impossible de prévoir les prix futurs car ils sont aléatoires. 4 Dans le cadre de « Runs test », la nulle hypothèse est que la série étudiée est aléatoire. Le nombre de « runs » est une variable aléatoire dont la distribution est conditionnelle sachant le nombre de valeurs positives et de valeurs négatives. 5 Le test de non stationnarité largement utilisé est le test de racine unitaire proposé par Dickey et Fuller en 1979. L’hypothèse nulle est la présence de racine unitaire, soit la non-stationnarité de type stochastique.
  4. 4. 3 Tableau 1: Les statistiques descriptives Population Echantillon 1 Echantillon 2 Moyenne 0.00053184 0.00085162 0.00035252 Médian 0.000000 0.000000 0.000356 Mode 0.000000 0.000000 0.000000 Skew -0.1894436 -0.5270584 -0.0392263 Kurtosis6 2.26890342 6.63142128 0.53418339 Source : Récapitulatif des résultats obtenus par la procédure « proc means » dans le programme SAS Selon les résultats présentés dans le tableau 1, on voit que les trois séries sont des séries centrées réduites fluctuant autour la valeur moyenne de zéro. Une série suivant la distribution normale a le kurtosis de l’ordre 3 (ou l’excess kurtosis de l’ordre zéro) et le coefficient d’asymétrie nul. Dans ce cas, le skew négatif signifie qu’il y a plus de valeurs négatives que valeurs positives, c’est-à-dire, plus de probabilité de perte que de gain. Quant au kurtosis, il existe l’hétérogénéité parmi les trois séries, mais toutes les trois ne suivent pas parfaitement la loi normale. Or, on constate également que le coefficient d’asymétrie et l’excess kurtosis pour l’échantillon 2 s’approche du niveau d’une distribution normale. Ces statistiques impliquent que les rendements de l’échantillon 2 repatinent plus uniformément que les deux autres (cf. Annexe 5). En effet, la représentation graphique confirme mon observation (cf. Figure 3, Annexe 6). 4- Tests économétriques a. Test de racine unitaire La stationnarité d’une série est confirmée selon le test de racine unitaire, notamment le test Dickey- Fuller avec l’hypothèse nulle et l’hypothèse alternative comme suit : H0 : La série a une racine unitaire H1 : La série n’a aucune racine unitaire D’après la théorie de marche au hasard, le marché de forme faible suit la marche aléatoire avec dérive. Autrement dit, la série de rendements a une racine unitaire. Effectuant le test Dickey-Fuller de l’ordre de 4 retards pour trois séries, on obtient la P-value de 0,0000631338, 0,0000645404, 0,00006357217 respectivement. Sachant que la P-value est inférieure au niveau de confiance α = 1%, on refuse la nulle hypothèse. Les séries sont stationnaires, donc les rendements sont prévisibles. Cela implique que le marché boursier n’atteint pas la forme faible selon la théorie EMH. 6 Il s’agit de l’excess kurtotis 7 Résultats obtenus par le macro %dftest inclut dans le logiciel SAS
  5. 5. 4 b. Le « Runs test » Le « Runs test » est utilisé pour tester l’aléatoire d’une série dont le critère critique (Test value) est soit la moyenne, le médian soit le mode. Etant donné que les trois séries ont ces trois valeurs nulles sauf la moyenne (presque nulle), je choisis la seule valeur critique nulle pour utiliser dans le test. L’hypothèse nulle est que la série étudiée est aléatoire. Tableau 2: Les résultats de « Runs test » sur 3 séries Population Echantillon 1 Echantillon 2 Test value 0 0 0 Cases >= Test value (n) 1487 513 974 Cases < Test value (m) 1453 527 926 Nombre de « runs » 1124 338 786 Z -12.7959 -11.3509 -7.54971 Source : Récapitulatif des résultats obtenus par le macro %run_test écrit dans le programme SAS Dans tous les trois tests, on voit que la valeur absolue de Z est supérieure de 1,96 au niveau de confiance α = 5%. On refuse l’hypothèse nulle, ainsi la série de rendements de l’indice VNIndex n’est pas aléatoire quelle que soit la période concernée. Ce résultat conforme à celui que l’on a obtenu dans l’étape précédent. c. Le corrélogramme Une autre façon de voir la stationnarité et l’aléatoire d’une série est via le corrélogramme avec les fonctions de l’autocorrélation (acf) et de la corrélation partielle (pacf). Prendre la série de l’ensemble de la population, on voit le corrélogramme comme suit : Tableau 3: Le corrélogramme à 24 retards - Population Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error 0 0.00029084 1.00000 | |********************| 0 1 0.00009198 0.31625 | .|****** | 0.018282 2 0.00001468 0.05048 | .|* | 0.020027 3 5.34225E-6 0.01837 | .|. | 0.020069 4 0.00003021 0.10388 | .|** | 0.020075 5 0.00003528 0.12131 | .|** | 0.020254 6 0.00002706 0.09303 | .|** | 0.020495 7 0.00001482 0.05097 | .|* | 0.020636 8 8.86406E-6 0.03048 | .|* | 0.020678 9 9.55367E-6 0.03285 | .|* | 0.020693 10 0.00001229 0.04224 | .|* | 0.020710 11 0.00001671 0.05747 | .|* | 0.020739 12 7.12069E-6 0.02448 | .|. | 0.020792
  6. 6. 5 Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error 13 0.00001062 0.03652 | .|* | 0.020802 14 0.00002052 0.07056 | .|* | 0.020823 15 0.00001905 0.06549 | .|* | 0.020903 16 0.00001217 0.04184 | .|* | 0.020972 17 8.96367E-6 0.03082 | .|* | 0.020999 18 0.00001083 0.03724 | .|* | 0.021015 19 0.00001281 0.04404 | .|* | 0.021037 20 0.00001387 0.04770 | .|* | 0.021067 21 0.00001540 0.05295 | .|* | 0.021103 22 0.00001503 0.05169 | .|* | 0.021148 23 6.29988E-6 0.02166 | .|. | 0.021190 24 4.22022E-6 0.01451 | .|. | 0.021197 Selon Fama (1965), « un coefficient d’autocorrélation d’une série de prix sera nul si les variations sont aléatoires, positif si une hausse supérieure à la moyenne pendant la période t est suivie par une hausse supérieure à la moyenne pendant la période t+1, et négatif si la fluctuation de prix pendant la période t-1 tend à compenser une hausse ou une baisse pendant la période t »8 . On note d’abord que les coefficients de corrélation sont tous différents de zéro. Le coefficient est le plus significatif au premier retard (0.31625). A partir de deuxième retard, les coefficients sont faibles. Or, ce résultat signifie certain impact du rendement passé à celui actuel. En effet, la fonction de l’autocorrélation au premier retard est encore significative. Ensuite, sachant que l’acf diminue rapidement, il semble que la série soit stationnaire. Idem pour l’échantillon 1 et l’échantillon 2, on reçoit le même résultat. A priori, on voit que le rendement au jour t dépende largement à celui au jour t-1 et au jour t-5 (soit une semaine avant). Afin d’enrichir l’étude, j’effectue la régression linéaire dont la variable rndt(t) sera la variable endogène, la variable rndt(t-1) et rndt(t-5) seront les variables exogènes. d. Régression linéaire de rendements de l’indice VNIndex La formule complète de cette régression est comme suit : Rndt(t) = β0 + β1*Rndt(t-1) + β2*Rndt(t-5) + ɛt Si le rendement actuel ne dépende pas de ceux au jour t-1 et t-5, les coefficients associés à ces deux variables β1, β2 seront nuls. En appliquant la procédure proc reg, on obtient un modèle avec le R-carré de 10,75%. Le F-test indique que ce modèle est globalement significatif. Le fait que le rendement actuel 8 CHIKHI Mohamed (2004), Etude économétrique de l’efficience informationnelle face aux anomalies sur les marchés boursiers, Université de l’Ouargla, page 4
  7. 7. 6 est prévisible à partir des rendements historiques est confirmé. Par ailleurs, les paramètres du modèles, sauf l’intercepte β0 sont tous significatifs selon le t-test (cf. Annexe 10). On pourrait affirmer de nouveau que la variation du cours sur le marché boursier vietnamien fluctue dépendamment de celles dans le passé. 5- Conclusion Après avoir réalisé des tests économétriques, on peut déduire que premièrement les trois séries sont stationnaires, autrement dit, elles ne suivent pas la marche au hasard. Deuxièmement, elles ne sont pas aléatoires. C’est-à-dire, il paraît possible de déduire le cours courant d’actif sur le marché grâce à son historique. Etant donné qu’il va à l’encontre de la théorie de l’efficience du marché, on peut conclure que le marché boursier vietnamien n’atteint pas de forme faible. Donc, il ne s’avère pas nécessaire de réaliser les tests pour tester l’efficience de forme semi-faible et de forme forte faible. Or, tient en compte que la deuxième période (du 13 juillet 2005 au 29 mars 2013), on voit que la distribution de rendements de cette série s’approche à la loi normale et que le coefficient Z pour le « Runs test » est beaucoup faible que les deux autres séries. Cette période comprend l’époque de la crise actuelle, mais elle se comporte mieux que la première période. Malgré que la conclusion finale reste inchangée pour la deuxième période, il semble que le marché boursier vietnamien s’approche de plus en plus à la l’efficience informationnelle de forme faible pour cette période. Références 1. BAKIR Khalid, L’efficience des marchés financiers des pays émergents : l’exemple de la bourse de Casablanca, Mémoire de fin d’études, Université d’Orléans 2. CHIKHI Mohamed (2004), Etude économétrique de l’efficience informationnelle face aux anomalies sur les marchés boursiers, Université de l’Ouargla 3. DANG Anh-Tuan (2010), Développement du marché des capitaux au Vietnam, Thèse de doctorat ESEN Hanoi 4. LE Trung-Thanh (2009), Améliorer les mécanismes de surveillance de transactions des valeurs mobilières sur le marché boursier vietnamien, Travail de recherche scientifique du Ministère 5. Database : http://www.cophieu68.com/
  8. 8. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 1 ANNEXE 1: DESCRIPTION DE LA BASE DE DONNEE The CONTENTS Procedure Data Set Name PROJET.VNINDEX Observations 2993 Member Type DATA Variables 3 Engine V9 Indexes 0 Created Friday, April 20, 2012 02:58:24 PM Observation Length 24 Last Modified Friday, April 20, 2012 02:58:24 PM Deleted Observations 0 Protection Compressed NO Data Set Type Sorted NO Label Data Representation WINDOWS_32 Encoding wlatin1 Western (Windows) Engine/Host Dependent Information Data Set Page Size 4096 Number of Data Set Pages 19 First Data Page 1 Max Obs per Page 168 Obs in First Data Page 114 Number of Data Set Repairs 0 Filename D:PhuongMaster 201SASProjetvnindex.sas7bdat Release Created 9.0201M0 Host Created W32_VSPRO Alphabetic List of Variables and Attributes # Variable Type Len Format 1 date Num 8 DDMMYY10. 3 rndt Num 8 2 vnindex Num 8
  9. 9. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 2 ANNEXE 2 : EVOLUTION DE L’INDICE VNINDEX 2000 – 2013Q1
  10. 10. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 3 ANNEXE 3 : STATISTIQUES DESCRIPTIVES DE LA POPULATION Variable : rndt Moments N 2992 Sum Weights 2992 Mean 0.00053184 Sum Observations 1.59127394 Std Deviation 0.01705682 Variance 0.00029094 Skewness -0.1894436 Kurtosis 2.26890342 Uncorrected SS 0.87103368 Corrected SS 0.87018737 Coeff Variation 3207.11712 Std Error Mean 0.00031183 Basic Statistical Measures Location Variability Mean 0.000532 Std Deviation 0.01706 Median 0.000000 Variance 0.0002909 Mode 0.000000 Range 0.15397 Interquartile Range 0.01618 Tests for Location: Mu0=0 Test Statistic p Value Student's t t 1.705556 Pr > |t| 0.0882 Sign M 17.5 Pr >= |M| 0.5306 Signed Rank S 105558.5 Pr >= |S| 0.0217 Quantiles (Definition 5) Quantile Estimate 100% Max 0.07740689 99% 0.04481279 95% 0.02856595 90% 0.01902231 75% Q3 0.00899181 50% Median 0.00000000 25% Q1 -0.00719093 10% -0.01775589 5% -0.02873219 1% -0.04665440 0% Min -0.07656180 Extreme Observations Lowest Highest Value Obs Value Obs -0.0765618 144 0.0643072 134 -0.0713627 169 0.0653095 135 -0.0709337 138 0.0662494 167 -0.0704225 164 0.0666596 181 -0.0679606 158 0.0774069 1457 Missing Values Missing Value Count Percent Of All Obs Missing Obs . 1 0.03 100.00
  11. 11. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 4 ANNEXE 4: STATISTIQUES DESCRIPTIVES DE L’ECHANTILLON 1 Variable : rndt Moments N 1075 Sum Weights 1075 Mean 0.00085162 Sum Observations 0.91549041 Std Deviation 0.01608142 Variance 0.00025861 Skewness -0.5270584 Kurtosis 6.63142128 Uncorrected SS 0.27852899 Corrected SS 0.27774934 Coeff Variation 1888.33501 Std Error Mean 0.00049048 Basic Statistical Measures Location Variability Mean 0.000852 Std Deviation 0.01608 Median 0.000000 Variance 0.0002586 Mode 0.000000 Range 0.14322 Interquartile Range 0.01053 Tests for Location: Mu0=0 Test Statistic p Value Student's t t 1.736302 Pr > |t| 0.0828 Sign M -6.5 Pr >= |M| 0.7097 Signed Rank S 19718.5 Pr >= |S| 0.0415 Quantiles (Definition 5) Quantile Estimate 100% Max 0.06665961 99% 0.05940871 95% 0.01931856 90% 0.01785762 75% Q3 0.00622732 50% Median 0.00000000 25% Q1 -0.00430664 10% -0.01276953 5% -0.01821086 1% -0.06595797 0% Min -0.07656180 Extreme Observations Lowest Highest Value Obs Value Obs -0.0765618 144 0.0638944 133 -0.0713627 169 0.0643072 134 -0.0709337 138 0.0653095 135 -0.0704225 164 0.0662494 167 -0.0679606 158 0.0666596 181 Missing Values Missing Value Count Percent Of All Obs Missing Obs . 1 0.09 100.00
  12. 12. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 5 ANNEXE 5 : STATISTIQUES DESCRIPTIVES DE L’ECHANTILLON 2 Variable : rndt Moments N 1917 Sum Weights 1917 Mean 0.00035252 Sum Observations 0.67578353 Std Deviation 0.0175817 Variance 0.00030912 Skewness -0.0392263 Kurtosis 0.53418339 Uncorrected SS 0.59250469 Corrected SS 0.59226646 Coeff Variation 4987.41292 Std Error Mean 0.00040156 Basic Statistical Measures Location Variability Mean 0.000353 Std Deviation 0.01758 Median 0.000356 Variance 0.0003091 Mode 0.000000 Range 0.12703 Interquartile Range 0.02007 Tests for Location: Mu0=0 Test Statistic p Value Student's t t 0.877881 Pr > |t| 0.3801 Sign M 24 Pr >= |M| 0.2809 Signed Rank S 28062 Pr >= |S| 0.2408 Quantiles (Definition 5) Quantile Estimate 100% Max 0.077406888 99% 0.042982883 95% 0.031467254 90% 0.022144395 75% Q3 0.010321889 50% Median 0.000355999 25% Q1 -0.009748666 10% -0.021255385 5% -0.031152003 1% -0.044543873 0% Min -0.049626459 Extreme Observations Lowest Highest Value Obs Value Obs -0.0496265 200 0.0463798 656 -0.0481571 669 0.0465295 964 -0.0480130 1767 0.0467045 269 -0.0479852 201 0.0474257 55 -0.0478979 802 0.0774069 381
  13. 13. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 6 ANNEXE 6 : GRAPHIQUES DE LA DISTRIBUTION DE RENDEMENTS DE L’INDICE Figure 1 : La distribution de rendements de l’indice VNIndex Figure 2 : La distribution de rendements de l’indice VNIndex du 28 Juillet 2000 au 13 Juillet 2005 Figure 3 : La distribution de rendements de l’indice VNIndex du 14 Juillet 2005 au 29 mars 2013
  14. 14. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 7 ANNEXE 7 : CORRELOGRAM - POPULATION Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error 0 0.00029084 1.00000 | |********************| 0 1 0.00009198 0.31625 | .|****** | 0.018282 2 0.00001468 0.05048 | .|* | 0.020027 3 5.34225E-6 0.01837 | .|. | 0.020069 4 0.00003021 0.10388 | .|** | 0.020075 5 0.00003528 0.12131 | .|** | 0.020254 6 0.00002706 0.09303 | .|** | 0.020495 7 0.00001482 0.05097 | .|* | 0.020636 8 8.86406E-6 0.03048 | .|* | 0.020678 9 9.55367E-6 0.03285 | .|* | 0.020693 10 0.00001229 0.04224 | .|* | 0.020710 11 0.00001671 0.05747 | .|* | 0.020739 12 7.12069E-6 0.02448 | .|. | 0.020792 13 0.00001062 0.03652 | .|* | 0.020802 14 0.00002052 0.07056 | .|* | 0.020823 15 0.00001905 0.06549 | .|* | 0.020903 16 0.00001217 0.04184 | .|* | 0.020972 17 8.96367E-6 0.03082 | .|* | 0.020999 18 0.00001083 0.03724 | .|* | 0.021015 19 0.00001281 0.04404 | .|* | 0.021037 20 0.00001387 0.04770 | .|* | 0.021067 21 0.00001540 0.05295 | .|* | 0.021103 22 0.00001503 0.05169 | .|* | 0.021148 23 6.29988E-6 0.02166 | .|. | 0.021190 24 4.22022E-6 0.01451 | .|. | 0.021197 "." marks two standard errors
  15. 15. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 8 Partial Autocorrelations Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 1 0.31625 | .|****** | 2 -0.05504 | *|. | 3 0.02110 | .|. | 4 0.10502 | .|** | 5 0.06232 | .|* | 6 0.04005 | .|* | 7 0.01386 | .|. | 8 0.00540 | .|. | 9 0.00959 | .|. | 10 0.01472 | .|. | 11 0.03038 | .|* | 12 -0.01229 | .|. | 13 0.03000 | .|* | 14 0.05001 | .|* | 15 0.01919 | .|. | 16 0.00929 | .|. | 17 0.01000 | .|. | 18 0.01341 | .|. | 19 0.01296 | .|. | 20 0.01665 | .|. | 21 0.02478 | .|. | 22 0.02039 | .|. | 23 -0.01105 | .|. | 24 -0.00122 | .|. | Autocorrelation Check for White Noise To Lag Chi-Square DF Pr > ChiSq Autocorrelations 6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093 12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024 18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037 24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015
  16. 16. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 9 ANNEXE 8 : CORRELOGRAM – ECHANTILLON 1 Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error 0 0.00029084 1.00000 | |********************| 0 1 0.00009198 0.31625 | .|****** | 0.018282 2 0.00001468 0.05048 | .|* | 0.020027 3 5.34225E-6 0.01837 | .|. | 0.020069 4 0.00003021 0.10388 | .|** | 0.020075 5 0.00003528 0.12131 | .|** | 0.020254 6 0.00002706 0.09303 | .|** | 0.020495 7 0.00001482 0.05097 | .|* | 0.020636 8 8.86406E-6 0.03048 | .|* | 0.020678 9 9.55367E-6 0.03285 | .|* | 0.020693 10 0.00001229 0.04224 | .|* | 0.020710 11 0.00001671 0.05747 | .|* | 0.020739 12 7.12069E-6 0.02448 | .|. | 0.020792 13 0.00001062 0.03652 | .|* | 0.020802 14 0.00002052 0.07056 | .|* | 0.020823 15 0.00001905 0.06549 | .|* | 0.020903 16 0.00001217 0.04184 | .|* | 0.020972 17 8.96367E-6 0.03082 | .|* | 0.020999 18 0.00001083 0.03724 | .|* | 0.021015 19 0.00001281 0.04404 | .|* | 0.021037 20 0.00001387 0.04770 | .|* | 0.021067 21 0.00001540 0.05295 | .|* | 0.021103 22 0.00001503 0.05169 | .|* | 0.021148 23 6.29988E-6 0.02166 | .|. | 0.021190 24 4.22022E-6 0.01451 | .|. | 0.021197 "." marks two standard errors
  17. 17. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 10 Partial Autocorrelations Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 1 0.31625 | .|****** | 2 -0.05504 | *|. | 3 0.02110 | .|. | 4 0.10502 | .|** | 5 0.06232 | .|* | 6 0.04005 | .|* | 7 0.01386 | .|. | 8 0.00540 | .|. | 9 0.00959 | .|. | 10 0.01472 | .|. | 11 0.03038 | .|* | 12 -0.01229 | .|. | 13 0.03000 | .|* | 14 0.05001 | .|* | 15 0.01919 | .|. | 16 0.00929 | .|. | 17 0.01000 | .|. | 18 0.01341 | .|. | 19 0.01296 | .|. | 20 0.01665 | .|. | 21 0.02478 | .|. | 22 0.02039 | .|. | 23 -0.01105 | .|. | 24 -0.00122 | .|. | Autocorrelation Check for White Noise To Lag Chi-Square DF Pr > ChiSq Autocorrelations 6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093 12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024 18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037 24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015
  18. 18. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 11 ANNEXE 9 : CORRELOGRAM – ECHANTILLON 2 Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error 0 0.00029084 1.00000 | |********************| 0 1 0.00009198 0.31625 | .|****** | 0.018282 2 0.00001468 0.05048 | .|* | 0.020027 3 5.34225E-6 0.01837 | .|. | 0.020069 4 0.00003021 0.10388 | .|** | 0.020075 5 0.00003528 0.12131 | .|** | 0.020254 6 0.00002706 0.09303 | .|** | 0.020495 7 0.00001482 0.05097 | .|* | 0.020636 8 8.86406E-6 0.03048 | .|* | 0.020678 9 9.55367E-6 0.03285 | .|* | 0.020693 10 0.00001229 0.04224 | .|* | 0.020710 11 0.00001671 0.05747 | .|* | 0.020739 12 7.12069E-6 0.02448 | .|. | 0.020792 13 0.00001062 0.03652 | .|* | 0.020802 14 0.00002052 0.07056 | .|* | 0.020823 15 0.00001905 0.06549 | .|* | 0.020903 16 0.00001217 0.04184 | .|* | 0.020972 17 8.96367E-6 0.03082 | .|* | 0.020999 18 0.00001083 0.03724 | .|* | 0.021015 19 0.00001281 0.04404 | .|* | 0.021037 20 0.00001387 0.04770 | .|* | 0.021067 21 0.00001540 0.05295 | .|* | 0.021103 22 0.00001503 0.05169 | .|* | 0.021148 23 6.29988E-6 0.02166 | .|. | 0.021190 24 4.22022E-6 0.01451 | .|. | 0.021197 "." marks two standard errors
  19. 19. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 12 Partial Autocorrelations Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 1 0.31625 | .|****** | 2 -0.05504 | *|. | 3 0.02110 | .|. | 4 0.10502 | .|** | 5 0.06232 | .|* | 6 0.04005 | .|* | 7 0.01386 | .|. | 8 0.00540 | .|. | 9 0.00959 | .|. | 10 0.01472 | .|. | 11 0.03038 | .|* | 12 -0.01229 | .|. | 13 0.03000 | .|* | 14 0.05001 | .|* | 15 0.01919 | .|. | 16 0.00929 | .|. | 17 0.01000 | .|. | 18 0.01341 | .|. | 19 0.01296 | .|. | 20 0.01665 | .|. | 21 0.02478 | .|. | 22 0.02039 | .|. | 23 -0.01105 | .|. | 24 -0.00122 | .|. | Autocorrelation Check for White Noise To Lag Chi-Square DF Pr > ChiSq Autocorrelations 6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093 12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024 18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037 24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015
  20. 20. Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO 13 ANNEXE 10 : REGRESSION LINEAIRE The REG Procedure Model: MODEL1 Dependent Variable: rndt Number of Observations Read 2993 Number of Observations Used 2987 Number of Observations with Missing Values 6 Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 2 0.09336 0.04668 179.62 <.0001 Error 2984 0.77554 0.00025990 Corrected Total 2986 0.86890 Root MSE 0.01612 R-Square 0.1075 Dependent Mean 0.00050511 Adj R-Sq 0.1069 Coeff Var 3191.63646 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Intercept 1 0.00030131 0.00029522 1.02 0.3075 rndt_1 1 0.30610 0.01739 17.61 <.0001 rndt_5 1 0.08953 0.01738 5.15 <.0001

×