Modélisation STAR des séries boursières
Transcription
Modélisation STAR des séries boursières
Modélisation STAR des séries boursières : Résultats de la littérature Fredj JAWADI, Groupe Sup de CO Amiens-Picardie+, chercheur associé à EconomiX (Université de Paris 10-Nanterre)¶, [email protected]) Résumé Le débat d’actualité concerne l’apport des techniques de modélisation non-linéaire en matière d’estimation et de prévision des séries boursières. Dans cet article, nous proposons une synthèse de la revue de la littérature empirique consacrée à la modélisation non-linéaire des séries boursières. Nous nous focalisons sur une classe particulière des processus non-linéaires : les modèles à changement de régime de type STAR (Smooth Transition Autoregressive Models). Nous montrons la supériorité de ces processus par rapport aux modèles linéaires pour reproduire l’asymétrie et les changements de régime caractérisant les dynamiques des séries boursières et prévoir leurs évolutions futures. Nous centrons l’analyse sur la modélisation des séries de rentabilités boursières et l’étude de la dynamique d’ajustement des cours boursiers par rapport aux fondamentaux. Nous confrontons l’idée d’ajustement non-linéaire des cours à l’hypothèse de bulles et nous mettons en évidence les points acquis et les points en suspens. Mots-Clés : Asymétrie, ajustement des cours boursiers, bulles, modélisation non-linéaire des rentabilités boursières, modèles STAR. + ESC Amiens School of Management, Espace de la Cathédrale, 18 place Saint Michel, 80000 Amiens cedex, Tel : +33 (0)3 22 82 24 41. ¶ Je tiens à remercier très vivement Georges Prat pour sa lecture attentive de cet article ainsi que pour ses remarques. 1 I. Introduction L’étude de la dynamique des séries boursières et l’examen de leurs évolutions futures par les modèles économétriques actuels constituent un thème central qui intéresse un nombre considérable de chercheurs (théoriciens et praticiens). Ce thème a fait l’objet d’un nombre important de travaux empiriques (Mignon (1998), Franses et Van Dijk (2000), Sarantis (2001), Dufrénot et Mignon (2002b), Manzan (2003), Koubaa (2004), Jawadi (2006), Jawadi et Koubaa (2006)…etc). Ces études ont utilisé plusieurs techniques de modélisation en vue de reproduire les principales caractéristiques inhérentes aux dynamiques boursières. Parmi ces techniques, les modèles non-linéaires et notamment les processus à changement de régime s’avèrent les plus appropriés pour tester l’efficience (Fama (1970)), modéliser les rentabilités boursières et reproduire la dynamique d’ajustement des cours boursiers par rapport aux fondamentaux. Une analyse critique et une synthèse des principales études empiriques de la littérature ayant utilisé les modèles à changement de régime de type STAR sont entreprises au sein de cet article. Ce travail est à notre connaissance le premier réalisé dans ce domaine1. Il sera présenté en deux étapes de recherche. Nous nous focalisons, dans un premier temps, sur l'étude de la dynamique des rentabilités boursières par les modèles STAR. Dans un second temps, nous nous interrogeons les études centrées sur la nature de la relation entre les cours boursiers et les fondamentaux. Cette question nous amène, d'une part, à confronter la notion d'ajustement asymétrique à l'hypothèse de bulles spéculatives et d'autre part, à centrer l'analyse sur les résultats de quelques essais d'estimation de la dynamique des déviations des cours boursiers par rapport à l'équilibre. Le plan retenu dans cet article s'articule ainsi autour de six sections. La deuxième section sera consacrée à une brève analyse des résultats d'estimation des séries de rentabilités boursières par les modèles STAR. Afin d'explorer la relation entre les cours boursiers et les fondamentaux, la troisième section abordera les principales études qui ont mobilisé des techniques économétriques diverses pour étudier la nature de cette relation. La quatrième section présentera les principales études qui ont expliqué les déviations des cours en retenant l'hypothèse de bulles spéculatives. Elle tentera de comparer la méthodologie des bulles à celle des modèles d'ajustement non-linéaire et de montrer leur pertinence. La cinquième section se focalisera sur les essais d'estimation de la dynamique non-linéaire des déviations des cours boursiers par rapport à leurs valeurs fondamentales. Elle signalera les points acquis et les points en suspens. Enfin, la section 6 conclura. II. Modélisation STAR des séries de rentabilités boursières Nous rappelons, dans un premier temps, brièvement les modèles STAR et ses principales propriétés. Nous centrons l’analyse, dans un second temps, sur les principaux résultats relatifs à l’application des modèles STAR aux séries de rentabilités boursières. 2.1 Modèles STAR Les processus STAR ont été introduits par Teräsvirta et Anderson (1992) et Teräsvirta (1994). Ils constituent une généralisation des modèles à seuil à transition brutale (modèles TAR) de Chan et Tong (1986). Les modèles STAR définissent deux régimes extérieurs entre lesquels la transition est supposée être lisse, et un continuum d'états intermédiaires entre ces régimes. Les modèles à transition lisse sont plus appropriés que les modèles linéaires standards parce qu’ils ne restreindrent pas les dynamiques de ses régimes à être symétriques. En outre, ils peuvent reproduire les mouvements asymétriques et irréguliers caractérisant les données boursières. Formellement, un modèle STAR peut être défini comme suit : ( y t= α0+ α1y (β Où : 0 + β1y t −1 t −1 ) + L + α p y t−p + + L + β p y t−p ) ( ) × F s t , γ, c + ε t (1) ε t → N(0, σ 2 ), γ désigne la vitesse de transition γ > 0, s t est la var iable de transition et c est le paramètre du seuil. Teräsvirta (1994) a retenu deux types de fonction de transition : la fonction logistique et la fonction exponentielle définissant respectivement le modèle LSTAR (Logistic STAR) et le modèle ESTAR (Exponential STAR). La fonction logistique étant donnée par : 1 A l'exception d'une brève synthèse des applications des modèles de cointégration à seuil introduite par Dufrénot et Mignon (2002a). 2 F (s t , γ , c ) = (1 + exp{− γ (s t − c )}) −1 , γ > 0 (2) Tandis que, la fonction exponentielle est définie comme suit : { F(s t , γ, c ) = 1 − exp − γ (s t − c ) 2 } , γ >0 (3) Les étapes de spécification, d’estimation et de validation des processus STAR ont été décrites par Teräsvirta (1994) alors que leurs développements récents ont été présentés par Van Dijk, Teräsvirta et Franses (2002). Ces modèles sont très utilisés pour modéliser les séries économiques et financières. Par exemple, la représentation ESTAR a été mobilisée par Michael et al. (1997), Peel et Taylor (2000), Sarantis (2001) et Jawadi (2006)) pour reproduire l'asymétrie inhérente aux fluctuations des séries financières (i.e. cours boursiers et taux de change). Les auteurs ont montré que le modèle ESTAR capture le changement de régime et l’asymétrie inhérents aux données financières et qu’il permet d’exprimer la vitesse de l’ajustement des cours en fonction de l'ampleur de sa déviation par rapport à l’équilibre. 2.2 Estimation STAR des séries de rentabilités boursières L’asymétrie présente dans les séries de rentabilités boursières ne peut être reproduite par les modèles linéaires standards. Les modèles STAR sont plus appropriés pour la reproduire, puisqu'ils permettent de décrire des dynamiques asymétriques et de définir des régimes différents. Afin de mettre en évidence la pertinence des modèles STAR, nous avons récapitulé dans le tableau 1, figurant aux annexes, les principaux résultats relevant de l’application des processus STAR aux séries boursières. Ce tableau met en évidence la multitude de travaux ayant retenu la méthodologie des modèles STAR pour modéliser les séries de rentabilités boursières. Ces études ont justifié la non-linéarité inhérente aux séries boursières essentiellement par la diversité de croyances des investisseurs (Brock et LeBaron (1996), Arthur, Holland, LeBaron, Palmer et Taylor (1997) et Brock et Hommes (1998)), l'effet de comportements de troupeau (Lux (1995)) et la présence de coûts de transaction (Sarantis (2001), Jawadi et Koubaa (2002), Manzan (2003)). En particulier, Franses et Van Dijk (2000) ont estimé la série de rentabilités boursières absolues d'un indice japonais en utilisant un modèle LSTAR (2,4). Leur étude a été faite sur des données hebdomadaires couvrant la période de 1988 à 1993. Les auteurs ont retenu cette spécification bien que l'estimation de la vitesse de transition étant élevée (γ = 500) laissant penser que la transition entre les régimes est plutôt brutale. Les résultats des tests de mauvaise spécification d'Eitrheim et Teräsvirta (1996) ont montré que les résidus estimés du modèle disposent de bonnes propriétés statistiques2. Jawadi (2001) a appliqué les modèles STAR aux séries de rentabilités américaines et françaises. Son application a concerné deux indices boursiers (CAC40 et S&P500) et deux fréquences (journalière et mensuelle). Elle a porté sur la période 1988-2000 pour l'indice américain et sur la période 1988-1997 pour l'indice français. L'auteur a estimé un modèle ESTAR (1,1) pour le S&P mensuel, un processus LSTAR (3,3) pour le S&P quotidien, un modèle ESTAR (4,3) pour le CAC40 mensuel et un modèle ESTAR (3,3) pour le CAC40 quotidien. Les résultats d'estimation de ces modèles ont montré que les processus STAR ont fourni des résultats plus pertinents que ceux du modèle linéaire notamment pour les données mensuelles3. Par la suite, l'auteur a introduit la volatilité comme variable explicative et a estimé un modèle multivarié STR (Smooth Transition Regression). En conséquence, les résultats d'estimation se sont nettement améliorés. Sarantis (2001) a appliqué les modèles STAR aux séries mensuelles de rentabilités boursières annualisées des pays du G7 (Allemagne : DAX100, Canada : Toronto 300 Composite, Etats-Unis : S&P500, France : DS Market, Grande Bretagne : FTSE All Share, Italie : Milan Bourse et Japon : 2 Pour une application des techniques des modèles markoviens, on peut voir Girardin et Liu (2002) qui ont étudié la dynamique du marché boursier chinois sur la période 1995-2002 (données hebdomadaires, mensuelles et trimestrielles). Les auteurs ont identifié trois régimes : un régime haussier, un régime baissier et un régime de spéculation. On peut également consulter Bialkowski (2004) qui a fait recours aux modèles markoviens pour modéliser les rentabilités boursières du DAX, CAC40 et FTSE100 mais aussi celles de certains indices de l'Europe Centrale (BUX, PX50 et WIG). 3 Ce résultat peut être attribué à l'effet ARCH caractérisant probablement les données boursières journalières. 3 Tokyo New Stock Exchange. L'application du test de linéarité (test LM3)4 a mené au rejet de l'hypothèse de linéarité au seuil de 5% pour la plupart des séries étudiées. La linéarité n'étant rejetée qu'au seuil de 10% dans le cas du Canada. L'alternative des processus STAR s'est ainsi avérée plus appropriée pour appréhender la non-linéarité inhérente à la dynamique des séries de rentabilités boursières des pays du G7 et caractériser les cycles asymétriques de leurs dynamiques. Sarantis (2001) a retenu la spécification ESTAR pour les séries de rentabilités boursières américaines et françaises, alors que les autres séries ont été modélisées par un modèle LSTAR5. Au regard de ces résultats, la plupart des paramètres autorégressifs du modèle non-linéaire estimé sont statistiquement significatifs. La vitesse de transition estimée γ est statistiquement différente de zéro au seuil de 5% dans le cas de la France, le Canada, la Grande Bretagne, l'Italie et le Japon et au seuil de 10% pour l'Allemagne et les Etats-Unis. Sa valeur est relativement faible indiquant que la transition entre les régimes est lisse. Le rapport des variances résiduelles est inférieur à 1, indiquant la supériorité du modèle STAR par rapport au modèle autorégressif. Les résultats des tests de mauvaise spécification ont montré l'absence d'autocorrélation résiduelle, de non-linéarité omise et d'effet ARCH dans les résidus d'estimation des modèles STAR. Sarantis (2001) a étudié également le comportement dynamique des modèles non-linéaires estimés en calculant ses racines à partir du polynôme suivant : ( ) k λk − ∑ β1 j + θ1 j F λk − j = 0 j=1 Où : β1 j et θ1 j désignent respective ment les paramètres AR estimés dans le 1er et le 2 ème régime , F définit la fonction de transition . (4) L'auteur a montré l'existence de racines imaginaires pour la plupart des séries étudiées (sauf pour le Japon), indiquant ainsi que les marchés boursiers sont caractérisés par des mouvements asymétriques cycliques durant les phases de hausse et de baisse. Il a montré que les taux de croissance des indices boursiers passent rapidement vers le haut ou vers le bas, tandis que les régimes extérieurs paraissent stables, suggérant ainsi que les cours perdurent longtemps dans ces régimes. Sarantis (2001) a ainsi mis en évidence la présence de cycles de courte durée (4 mois) dans le régime central et de cycles de longue durée (9 mois) dans les régimes extérieurs. Par exemple, le régime central pour la France est dominé par des racines explosives. Pour le Canada, la période moyenne dans le régime bas est de 5 mois, alors que celle du régime haut est de 5 ans. Par ailleurs, en vue de détecter les récessions les plus profondes des marchés boursiers associées au premier choc pétrolier, au krach boursier d'octobre 1987 et à la crise asiatique de 1997, Sarantis a calculé la probabilité estimée de transition (1-F). Plus globalement, les calculs de l’auteur ont permis d'identifier ces principales crises. Néanmoins, ces résultats sont ambigus dans le cas de la Grande-Bretagne, puisque les probabilités de transition n'ont pas permis d'identifier des périodes de contraction de durées suffisantes. Dans cette même perspective, l'application de Jawadi et Koubaa (2002) a porté aussi sur les rentabilités boursières (journalières) des pays du G7 (Allemagne : DAX100, Canada : TSX, Etats-Unis : Dow Jones, France : CAC40, Grande Bretagne : FTSE100, Italie : BCI et Japon : NIKKEI225). Les auteurs ont appliqué des tests de linéarité standards et des tests de linéarité robustes à l'hétéroscédasticité. Les premiers tests (LM1, LM2, LM3, LMe 3 et LM4) ont montré que les séries de rentabilités boursières du DAX100, TSX, Dow Jones, CAC40 et BCI peuvent être décrites par un modèle STAR. La linéarité n'a pas été rejetée dans le cas de la Grande Bretagne et du Japon. Néanmoins, les séries se sont avérées hétéroscédastiques selon le test ARCH. A cette fin, les auteurs ont, ensuite, appliqué des tests de linéarité robustes à l'hétéroscédasticité. Ainsi, les résultats des tests de linéarité ont été modifiés et la linéarité a été rejetée uniquement pour les séries de rentabilités 4 Voir Van Dijk, Teräsvirta et Franses (2002) pour une présentation détaillée des tests de linéarité contre les modèles STAR (i.e. LM1, LM2, LM3, LMe 3 et LM4). 5 Les résultats de Sarantis (2001) sont présentés dans le tableau 2 des annexes. 4 boursières du TSX, Dow Jones et BCI. Elle n'est néanmoins rejetée au seuil de 5% que dans le cas des Etats-Unis. De ce fait, les auteurs ont retenu les résultats des tests de linéarité robustes à l'hétéroscédasticité et ont caractérisé uniquement la série de rentabilités boursières du Dow Jones par une dynamique non-linéaire de type STAR. En particulier, celle-ci a été appréhendée par un modèle ESTAR (3,3). Les résultats de la modélisation ESTAR (3,3) de la série de rentabilités boursières de l'indice américain (Dow Jones) sur la période 1988-2002 sont reportés dans les annexes (tableau 3). Les résultats d'estimation obtenus ont montré que tous les paramètres AR sont statistiquement significatifs sauf celui associé au retard d'ordre 3 dans le second régime. Les paramètres de la fonction exponentielle sont statistiquement différents de zéro. La valeur de la vitesse de transition standardisée est faible γ = 0.047), indiquant que la transition entre les régimes est lisse. La valeur estimée du seuil est une valeur significative puisqu'elle appartient à l'échelle de la série. Elle correspond à la date du 05/05/1993 et montre que 1408 observations se situent au-dessous du seuil, alors que 2937 observations sont au-dessus du seuil. Par ailleurs, l'application des tests de mauvaise spécification d'Eitrheim et Teräsvirta (1996) a conclu en faveur de la constance des paramètres estimés, d'absence d'atocorrélation résiduelle au seuil de 5% et d'absence de non-linéarités omises au seuil de 10%. Bien que les deux premiers tests ont validé la spécification ESTAR, les résultats des tests de non-linéarités omises laissent penser qu'un modèle ESTAR à deux régimes peut ne pas absorber totalement la nonlinéarité présente dans la série de rentabilités boursières américaines. Afin d'étendre cette étude, Koubaa (2004) a plus récemment cherché à explorer la dynamique non-linéaire des séries de rentabilités boursières étudiées en permettant à la variance d'être variable dans le temps. Elle a retenu une spécification non-linéaire de type STAR-STGARCH de Lundbergh et Teräsvirta (1998), dont l'avantage est de permettre d'étudier simultanément la présence de nonlinéarités dans la moyenne et dans la variance des séries étudiées. Elle a mené l’étude sur les séries de rentabilités boursières du Dow Jones, CAC40, DAX100, BCI et TSX, mais en vertu des tests de linéarité de la variance, l'auteur a appliqué les modèles STAR-STGARCH, STAR-GJR-GARCH (STAR-Glosten-Jagannaathan-Runkle-GARCH) et STAR-QGARCH (STAR-Quadratic-GARCH) uniquement aux séries de rentabilités boursières françaises et américaines. L'analyse des résultats d'estimation de ces modèles a montré la supériorité des processus STAR-GJR-GARCH (1,1) à reproduire les fluctuations asymétriques caractérisant la dynamique de rentabilités et de volatilité des indices boursiers américains et français. En conclusion, nous retenons de cette brève revue de littérature l'intérêt accordé aux modèles à transition lisse de type STAR pour reproduire la dynamique des séries boursières. Les modèles STAR sont donc plus appropriés que les modèles linéaires standards pour décrire la dynamique de ces séries et tenir compte de leur asymétrie. Dans le même ordre d'idées, d'autres recherches empiriques relatives à l'étude de la dynamique d'ajustement des cours boursiers se sont intéressées à l'exploration de la relation entre les cours et les fondamentaux. Elles ont mobilisé diverses techniques économétriques pour appréhender l'évolution du cours. La section suivante présente une synthèse des travaux mettant l'accent sur l'originalité du recours aux processus d'ajustement non-linéaire. III. Une brève synthèse des analyses empiriques de l'évolution des cours boursiers par rapport aux fondamentaux L'étude de l'évolution des cours boursiers par rapport aux fondamentaux est l'un des sujets les plus abordés dans la littérature. Elle a fait l'objet d'un nombre considérable de travaux qui se sont focalisés sur la modélisation de la dynamique d'ajustement des cours vers les fondamentaux et le test de l'hypothèse d'efficience. Ces travaux ont mobilisé des techniques économétriques distinctes, allant du plus simple au plus sophistiqué et du linéaire au non-linéaire. LeRoy et Porter (1981) et Shiller (1981) ont utilisé le modèle d'actualisation pour estimer la valeur fondamentale des actions et caractériser l'évolution du cours boursier par rapport à cette valeur. Ces travaux se sont intéressés à l'étude de l'excès de volatilité des cours et ils ont montré le caractère lisse de la valeur fondamentale estimée. Shiller (1981) a confirmé ce résultat pour les deux indices boursiers américains : S&P500 et Dow Jones. Il a montré que l'inégalité σ(Pt) < σ(P*t) est violée et que le cours s'avère plus volatile que sa valeur d'équilibre6. 6 P*t désigne le prix rationnel expost de Shiller. 5 L'idée sous-jacente à ces études est de tester l'hypothèse d'égalité du cours boursier à sa valeur fondamentale. Or, le cours et les dividendes sont souvent non stationnaires. Afin de tenir compte de cette non stationnarité, certaines recherches (i.e. Campbell et Shiller (1987)) ont profité des développements d'Engle et Granger (1987) en matière de cointégration linéaire pour élaborer un cadre susceptible de reproduire la dynamique d'ajustement du cours boursier par rapport à sa valeur fondamentale. En conséquence, les Modèles à Correction d’Erreur (MCE) linéaires ont été retenus pour reproduire la dynamique des déviations des cours boursiers et la force de rappel de ce modèle a été assimilée à la vitesse d'ajustement du cours à sa valeur d'équilibre. Par ailleurs, d'autres techniques ont été utilisées pour explorer la nature de l’ajustement des cours par rapport aux fondamentaux. Par exemple, Lutkepohl et Reimers (1992) ont fait recours à une méthodologie des fonctions de réponse pour étudier la relation entre le cours et les fondamentaux. Néanmoins, il s’est avéré que cette méthode souffre d'un problème d'identification de ces fonctions. Lee (1995) a utilisé la méthodologie de Blanchard et Quah (1989) basée sur les modèles VAR et a expliqué les déviations du cours par des chocs temporaires sur les dividendes. Plus récemment, Pesaran et Shin (1996) ont introduit une méthodologie alternative pour analyser l'ajustement des cours boursiers. Cette méthodologie est basée sur l'approche de profils de persistance (The persistence profiles approach), dont l'avantage par rapport à celle des fonctions de réponse est qu'elle fournit des estimations uniques des profils. De plus, elle permet d'utiliser le cadre de la cointégration linéaire. En effet, au lieu de travailler sur les variables en différence première (variables stationnaires) comme le préconisent Campbell et Shiller (1987) et Lee (1995), la méthodologie de Pesaran et Shin (1996) permet de travailler directement sur le « spread » pour analyser la relation entre le cours et les dividendes. Cuthbertson et al.(1997) ont, quant à eux, testé l'hypothèse d'efficience du marché boursier britannique sur la période 1918-1993 en utilisant la méthodologie VAR de Campbell et Shiller (1989) et l'ont rejeté. Saltoglu (1998) a appliqué l'approche de Pesaran et Shin (1996) aux données annuelles de l'indice boursier américain S&P500 sur la période 1871-1987. L'auteur a montré l'existence d'une vitesse d'ajustement lente pouvant être expliquée par la présence de coûts de transaction et concluant au caractère inefficient du marché. Allen et Yang (2001) ont utilisé la décomposition de variance de Sim-Bernanke pour étudier la dynamique des déviations de l'indice boursier britannique par rapport aux fondamentaux sur la période 1986-2000. Les auteurs ont montré que 35% des prévisions de la variance du cours ne sont pas expliquées par les fondamentaux. Une explication possible de cette diversité des résultats tient aux difficultés associées à l'estimation de la valeur fondamentale. En effet, pour expliquer l'écart du cours à sa valeur d'équilibre, il s'avère parfois difficile de distinguer la contribution des déterminants fondamentaux aux cours, de celle des autres phénomènes ou variables non-fondamentales (i.e. exubérance irrationnelle (Shiller (2000a)), « booms » structurels (Phelps et Zoega (2001)), noise traders (Kirman (1993) et Shleifer (2000)), ajustement asymétrique (Saltoglu (1998), Enders et Siklos (2001), Bohl (2003), Bohl et Siklos (2003) et Manzan (2003))7. La valeur fondamentale des actions a été estimée en utilisant des techniques de modélisation différentes. Cependant, tous les résultats de ces essais demeurent conditionnés par les hypothèses faites sur les variables anticipées (i.e. dividendes ou Cash Flows) et aucune formulation empirique ne prédomine jusqu'à présent. En conséquence, les déviations des cours ont été interprétées différemment et plusieurs arguments ont été avancés pour justifier l'écart du cours à sa valeur fondamentale. Par exemple, Prat (1984) a retenu sept catégories de facteurs pour expliquer les déviations du cours. La première catégorie de facteurs tient à l'agrégation des données individuelles qui risque de créer un biais entre le cours et sa valeur d'équilibre. La deuxième catégorie est rattachée à l'existence d'un délai d'ajustement entre le cours et sa valeur fondamentale. La troisième est due à l'omission de facteurs qui sont difficiles à appréhender et qui peuvent ralentir l'ajustement des cours (i.e. la mort de 7 Shiller (2000a) affirme à ce sujet que : « ...Nul ne sait si ces niveaux de prix ont une logique ou s'ils ne sont que la conséquence d'un trait de caractère humain que l'on nommerait exubérance irrationnelle. Nul ne sait si les forts niveaux de valorisation du marché ne font que refléter un optimisme injustifié, qui contaminerait notre façon de penser et affecterait nombre des décisions que nous prendrions dans nos vies respectives. Nul ne sait comment interpréter toute correction du marché soudaine, se demander si la psychologie du marché va ou non se retourner », (p.35). 6 Kennedy pour les Etats-Unis). La quatrième classe de facteurs découle de l'effet des facteurs de rigidité sur les cours des actions (i.e. existence de coûts d'information, influence du marché primaire et du marché à terme, intervention de l'Etat). La cinquième est liée à l'existence de facteurs « exogènes » relevant des influences internationales (i.e. variation du prix du pétrole, augmentation des interdépendances des bourses, existence des contagions psychologiques entre les bourses qui peuvent affecter l'arbitrage entre les différents titres, mais aussi les différentes bourses. La sixième explication est associée au développement d'autres marchés d'actifs concurrentiels aux marchés boursiers (i.e. marchés obligataires), pouvant générer des phénomènes d'arbitrage et provoquer des délais d'ajustement entre le cours et sa valeur d'équilibre. Enfin, la dernière explication de Prat (1984) a introduit les effets « feedback » de la bourse sur l'économie, qui peut concevoir des écarts persistants entre le cours et sa valeur psychologique. Quant à Shiller (2000a), il a retenu douze facteurs pour expliquer l'essor considérable des bourses après les années 90 et justifier l'absence d'ancrage par les fondamentaux : l'hétérogénéité de la psychologie des spéculateurs, l'exubérance irrationnelle, le Baby Boom, la révolution en terme de télécommunication, de médias et de technologie, ...etc8. Par conséquent, la dynamique de l'écart du cours à sa valeur d'équilibre a été interprétée différemment. Certaines études ont supposé que le cours passe la plupart du temps au voisinage de sa valeur fondamentale et qu'il ne peut pas s'éloigner de celle-ci. Ainsi, même si l'écart du cours par rapport à l'équilibre n'est pas nul, le cours a toujours tendance à retourner rapidement à l'équilibre. Le processus d'ajustement ainsi considéré est donc symétrique, linéaire et à vitesse constante (i.e. Black, Fraser et Groenewold (2003)). Néanmoins, la récente vague de prospérité des marchés boursiers a adressé de sérieuses critiques à ce type d'analyses. Les niveaux élevés atteints par les cours boursiers dans les années 90 ont montré, d'un côté, que ces pics boursiers sont loin de refléter l'état des fondamentaux économiques, puisque les indicateurs économiques étaient loin d'égaler ces performances boursières. D'un autre côté, ils ont suggéré que les cours peuvent vraisemblablement s'écarter de leurs fondamentaux, perdurer longtemps loin de leur niveau d'équilibre et suivre un processus d'ajustement non-linéaire avec retour à l'équilibre (Manzan (2003), Boswijk, Hommes et Manzan (2005) et Jawadi (2006)). En vue d'expliquer la persistance des déviations des cours par rapport à l'équilibre et l'éventuel caractère non-linéaire inhérent à sa dynamique d'ajustement vers sa valeur fondamentale, Manzan (2003), Boswijk, Hommes et Manzan (2005) et Jawadi (2006) ont avancé deux justifications principales relevant les coûts de transaction et l'hétérogénéité des anticipations des intervenants sur le marché. Ils ont suggéré que ces effets peuvent échapper aux techniques de modélisation linéaire, qui s'avèrent inappropriées pour reproduire le comportement de cours boursiers en leur présence. En effet, la présence de coûts de transaction risque de dissuader l’arbitrage, limiter les transaction et créer une bande d’inaction à l’intérieur de laquelle le cours peut se déconnecter de sa valeur fondamentale et avoir une dynamique d’ajustement discontinue, tandis que l’hétérogénéité des anticipations des investisseurs peut induire des effets d’inertie et une lenteur dans leurs réactions et dans le prix lorsqu’il tente de rejoindre sa valeur d’équilibre9. Pour essayer de reproduire la dynamique d’ajustement des cours boursiers en présence des frictions du marché (i.e. coûts de transaction), Manzan (2003), Boswijk et al.(2005) et Jawadi (2006) se sont inspirés des preuves tangibles observés sur le marché de changes pour estimer les mésalignements des taux de change par rapport à la PPA et au modèle monétariste (Michael, Nobay et Peel (1997), Michael, Peel et Taylor (1997), Peel et Taylor (2000), Kilian et Taylor (2001) et Taylor, Peel et Sarno (2001)). Ils ont proposé de caractériser la dynamique des déviations des cours boursiers dans le cadre des modèles à changement de régime. En particulier, les auteurs ont retenu la classe des modèles à transition lisse et ont fourni un soutien empirique solide à une relation de cointégration nonlinéaire entre le cours et les fondamentaux. Ils ont montré que le cours peut s'écarter de sa valeur fondamentale et que le processus d'ajustement gouvernant ses déviations ne peut être ni linéaire, ni à 8 Voir Shiller (2000a). Voir Jawadi et Chaouachi (2006) pour plus de détails sur les justifications économiques de la nonlinéarité inhérente aux dynamiques boursières. 9 7 vitesse constante. Au contraire, sa vitesse d'ajustement est variable et elle peut dépendre de l'ampleur de l'écart du cours à sa valeur d'équilibre10. Parallèlement à ce courant récent de recherches empiriques consacrées à l'exploration de la dynamique d'ajustement non-linéaire des cours boursiers vers les fondamentaux, d'autres travaux se sont plutôt limités à l'explication de toute déviation du cours boursier par rapport à sa valeur d'équilibre par la présence de bulles. Afin d'expliciter cette idée et d'éprouver l'intérêt du recours aux modèles d'ajustement non-linéaire, la section suivante présente les principaux résultats des travaux consacrés aux bulles. Elle vise à montrer la robustesse des modèles d'ajustement non-linéaire par rapport aux modèles de bulles. IV. Bulles spéculatives ou ajustement asymétrique? L'évolution des cours boursiers par rapport aux fondamentaux a été interprétée au moins de deux manières distinctes. D'une part, certaines recherches développées à la fin des années 80 ont essayé de justifier les éventuelles déviations des cours par la présence de bulles. Elles ont utilisé les techniques de cointégration linéaire pour formuler les premiers tests de bulles et vérifier la significativité de la déconnexion des cours par rapport aux fondamentaux. D'autre part, des travaux plus récents se sont focalisés sur l'analyse des effets de frictions du marché et des limites à l'arbitrage, pour expliquer les déviations des cours boursiers. Ils ont attribué la persistance des déviations au caractère inefficient du marché résultant des erreurs d'anticipations des fondamentaux, et à la présence de rigidités liées à l'existence de coûts de transaction hétérogènes et d'opérateurs distincts. Or, ces facteurs peuvent rendre inappropriées les techniques de modélisation linéaire et exclure la possibilité d'ajustement linéaire à vitesse constante. Le recours aux modèles à changement de régime s'est alors imposé pour permettre à l'ajustement d'être asymétrique et non-linéaire. Pour mieux développer les principaux résultats liés à ces deux approches, nous proposons, dans un premier temps, une brève revue de littérature empirique consacrée aux bulles. Nous nous focalisons, dans un second temps, sur les principaux résultats des études qui ont confronté les bulles aux modèles d'ajustement non-linéaire, pour expliquer les déviations des cours boursiers et caractériser la persistance marquant leurs dynamiques. 4.1 Une brève revue des travaux empiriques relatifs aux bulles L'étude de l'évolution des cours boursiers par rapport aux fondamentaux a suscité un nombre considérable de travaux (Campbell et Shiller (1987), West (1987), DeLong et Summers (1988), Campbell, Lo et Mackinlay (1997), Heaton et Lucas (2000), Shiller (1989, 2000b), Enders et Siklos (2001), Balke et Wohar (2001, 2002), Bohl (2003) et Bohl et Siklos (2003)). L'analyse des résultats de ces recherches a montré une certaine divergence qui émane essentiellement de la difficulté de déterminer la part des fondamentaux -inobservables sur le marché- dans les cours boursiers (Blanchard et Watson (1982), Shiller (1981) et West (1987)). Pour appréhender la part des fondamentaux, les cours ont été essentiellement exprimés en fonction des dividendes futurs anticipés et l'utilisation du modèle d'actualisation a été multipliée pour estimer la valeur fondamentale des actions. Néanmoins, l'estimation de cette valeur a nécessité la spécification du processus de formation des anticipations des dividendes futurs. A ce titre, au niveau empirique, plusieurs essais d'estimation des dividendes futurs sont enregistrés. Par exemple, Froot et Obstfeld (1991) ont généré la série des dividendes en utilisant un processus de marche aléatoire avec dérive. Morel (1997) a retenu un modèle ARMA(1,1)11 pour modéliser la série des dividendes en première différence logarithmique. Driffil et Sola (1998) ont montré que la dynamique des dividendes peut être reproduite en utilisant des modèles markoviens. Jawadi (2006) s’est inspiré de cette approche et a mobilisé la classe des modèles STAR pour proposer une estimation des séries des dividendes anticipés et fournir une nouvelle mesure de la valeur fondamentale des indices boursiers des pays du G7. La vérification empirique du modèle d'actualisation a nécessité l'utilisation des tests ADF (Diba et Grossman (1988a)) et des tests de cointégration linéaire destinés à examiner la relation entre les cours boursiers et les dividendes et tester l'existence de bulles rationnelles explosives. Dans ce 10 Nous proposons une analyse plus détaillée des principaux résultats de Manzan (2003) et Boswijk et al.(2005) et Jawadi (2006) dans la section 5 de cet article. 11 AutoRegressive Moving Average. 8 cadre, Diba et Grossman (1988b) ont montré l'absence de bulles sur le marché boursier américain. En ce qui concerne l'utilisation du modèle d'actualisation, deux principales approches ont été identifiées. La première est basée sur l'hypothèse d'un taux d'actualisation constant. Elle admet la condition de « transversalité » et suppose que le cours et les dividendes sont intégrés d’ordre 1 (I(1)). En conséquence, les tenants de cette approche ont conclu en faveur de l'existence d'une relation de cointégration linéaire entre le cours et les dividendes et ont rejeté l'hypothèse de bulles (i.e. Campbell et Shiller (1987)). La seconde approche a étendu l'hypothèse de constance du taux d'actualisation. Elle a supposé l'existence d'une différence logarithmique stationnaire entre le cours et les dividendes pour conditionner la validité du modèle d'actualisation (Campbell et Shiller (1988, 1989)). Néanmoins, les résultats des tests de Campbell et Shiller (1987) et Diba et Grossman (1988a) se sont avérés ambigus notamment pour le marché boursier américain sur la période 1871-1986. En effet, Froot et Obstfeld (1991) ont obtenu, dans leur étude menée sur des données boursières américaines (S&P500 annuel) sur la période 1900-1988, des résultats mitigés dépendant de la spécification des tests de racine unitaire utilisés. Ils ont montré l'existence d'une bulle intrinsèque rationnelle sur le marché boursier américain. Leur résultat a apporté ainsi un soutien empirique à la persistance observée dans les déviations des cours boursiers par rapport aux fondamentaux. Toutefois, le modèle de Froot et Obstfeld (1991) n'a permis de générer que des déviations exclusivement conduites par les changements dans les fondamentaux. Leur analyse a exclu par exemple la possibilité de changement de régime. Evans (1991) a montré que les tests de Diba et Grossman sont incapables d'éprouver une classe importante de bulles : « Periodically Collapsing Bubbles » ou bulles à effondrement périodique. Les simulations d'Evans (1991) ont montré que les cours peuvent ne pas avoir des dynamiques explosives en présence de ces bulles et que les tests de racines unitaires standards de Dickey et de Fuller (1979, 1981) sont incapables de détecter ces bulles qui suivent plutôt des processus nonlinéaires. Les limites des tests de cointégration standards ont poussé Bohl (2003) à proposer des techniques de détection des bulles robustes à la non-linéarité. Bohl (2003) a ainsi recommandé la mobilisation des modèles « Momentum Threshold Autoregressive », notés MTAR, d'Enders et Granger (1998) et d'Enders et Siklos (2001) pour étudier l'évolution des cours boursiers par rapport aux fondamentaux et tester l'hypothèse d'existence de bulles12. Le modèle MTAR constitue une extension de l'approche d'Engle et Granger (1987), puisque la relation de long terme est linéaire mais l'ajustement est supposé être asymétrique (équation ( 6)). Formellement, les résidus issus de la relation de cointégration linéaire sont définis par la régression suivante : Pt = βˆ 0 + βˆ1 D t + µˆ t (5) Le processus MTAR d'Enders et Siklos (2001) est défini comme suit13 : l ∑ ∆ µˆ t = I t λ1 µˆ t −1 + ( 1 − I t ) λ 2 µˆ t −1 + γ i ∆ µˆ t − i + ε t ˆ i =1 Où : I t = 1 si µ t −1 ≥ τ 0 sin on (6) Le processus MTAR peut être assimilé à une généralisation du MCE linéaire. En effet, aucune relation de cointégration n'est présente lorsque λ1 et λ2 sont positives, alors que l'ajustement est symétrique pour λ1 = λ2. En revanche, la mise en évidence d'une inégalité entre λ1 et λ2 conclut en faveur de la présence de bulles à effondrement périodiques d'Evans (1991). 12 D'autres techniques ont été également introduites pour pallier les critiques d'Evans (1991). Scacciavillani (1994) a utilisé un test basé sur une différence fractionnaire pour tester l'hypothèse d'absence de bulles. Van Norden (1996) a appliqué une régression à changement de régime. Taylor et Peel (1998) ont proposé d'utiliser un test de DF basé sur une régression de cointégration linéaire noté RALS-DF. Hall, Psaradakis et Sola (1999) ont utilisé un test DF basé sur un modèle markovien. 13 τ désigne le paramètre du seuil. 9 En pratique, Bohl (2003) a testé l'hypothèse d'existence de bulles sur l'indice boursier américain (S&P500) sur deux périodes distinctes : 1871-1995 et 1871-2001, afin d'étudier l'évolution du cours à la fin des années 90. Il a appliqué, d'abord, deux tests de racine unitaire standards (ADF et KPSS). Les résultats de ces tests ont montré l'absence de bulles au sens de Diba et Grossman (1988a) sur la période 1871-1995. L'application des tests de cointégration (test CRDW et test de Johansen) a, ensuite, confirmé l'absence de bulles sur la période 1871-1995. Enfin, l'auteur a estimé un modèle MTAR sur les séries de cours et de dividendes. Il a montré que l'ajustement du cours boursier américain est plutôt asymétrique, indiquant la présence de « Periodically Collapsing Bubbles » uniquement sur la période 1871-2001 et mettant en cause les résultats des tests de Diba et Grossman (1988a). Plus récemment, Bohl et Siklos (2003) se sont focalisés sur l'examen de la dynamique d'ajustement de long terme de l'indice boursier américain S&P500 sur la période 1871:1-2001:9. Pour expliquer les déviations du cours par rapport à sa valeur fondamentale, les auteurs ont d'abord retenu le modèle d'actualisation comme un modèle de « benchmark » des cours boursiers américains. Afin d'appréhender l'effet de la variation des fondamentaux, les auteurs ont d'abord raisonné en terme de taux d'actualisation constant. Puis, ils ont fait varier le taux d'actualisation. Sur le plan économétrique, Bohl et Siklos (2003) ont retenu l'hypothèse d'ajustement asymétrique des cours boursiers. Ils ont justifié l'asymétrie par le fait que les changements dans les dividendes ou dans les bénéfices sont plus lents que dans les cours boursiers. Les prix peuvent alors s'accélérer fortement durant les périodes de croissance, mais dès qu'ils dépassent un certain niveau ils enregistrent un retour à la moyenne et finissent par baisser. Cette recherche a montré que le cours boursier américain est gouverné aussi bien par les fondamentaux que par des variables non fondamentales. Les techniques de cointégration linéaire ont fourni des résultats mitigés, mais l'estimation du modèle MTAR sur le cours et les dividendes du S&P a permis de valider le modèle d'actualisation. En effet, le cours peut s'écarter à court terme de sa valeur fondamentale, mais il aura tendance à y retourner à long terme. Sa dynamique d'ajustement par rapport à sa valeur fondamentale est asymétrique et peut être appréhendée par une spécification de type MTAR. En résumé, ces développements témoignent de l'ambiguïté associée à la détection des bulles. Nous retenons l'échec des tests de racine unitaire standards à expliquer les déviations des cours boursiers par rapport aux fondamentaux et à détecter les bulles. La méthodologie MTAR d'Enders et Granger (1998) et Enders et Siklos (2001) nous semble appropriée pour détecter les bulles périodiques. 4.2 Bulles spéculatives ou changement de régime dans les fondamentaux ? Les tentatives de confrontation des changements de régime aux bulles sont peu nombreuses dans la littérature. Nous proposons à présent une synthèse des recherches qui se sont focalisées sur ce thème. Froot et Obstfeld (1991) ont expliqué la sur-réaction du marché par la présence de bulles. Ils ont introduit un modèle qui intègre une bulle intrinsèque pour expliquer l'évolution des cours boursiers, mais ils ont suggéré que l'idée d'une bulle rationnelle n'est pas la seule explication possible des déviations des cours. En effet, ils ont reconnu que l'absence de bulles peut aussi expliquer leurs résultats si l'on suppose l'existence de changement de régime14. Les résultats de Froot et Obstfeld (1991) ont été interprétés autrement par Ackert et Hunter (1999). Ces auteurs se sont focalisés sur les comportements des gérants de fonds et la nature de la politique de dividendes, pour expliquer l'éventuelle non-linéarité caractérisant la relation entre le cours et les dividendes. Ils ont montré que la non-linéarité peut provenir de la politique retenue par les gérants pour définir le mode de paiement des dividendes. En effet, les tendances de long terme des cours résultent des comportements observés des gérants de fonds et du mode de contrôle et de distribution des dividendes et non des bulles. D'où la mise en cause des résultats de Froot et Obstfeld (1991). Ce qui, prouve encore une fois l'ambiguïté des résultats des tests de bulles et de l'étude de la part des fondamentaux dans l'évolution des cours boursiers. Par ailleurs, d'autres études ont exploré une autre voie de recherche particulière pour caractériser l'évolution des cours boursiers. Elles se sont intéressées à la confrontation des explications 14 « Even if one is reluctant to accept the bubble interpretation, the apparent nonlinearity of the pricedividend relation requires attention », Froot et Obstfeld (1990, p.1208). 10 en termes de bulles aux processus à changement de régime pour expliquer les déviations des cours boursiers. Par exemple, Driffill et Sola (1998) ont étendu l'analyse de Froot et Obstfeld (1991) en explorant les deux explications possibles des déviations des cours boursiers : (i) bulles spéculatives et (ii) changement de régime des fondamentaux. Les résultats obtenus ont montré qu'une formulation des cours boursiers basée sur un processus à changement de régime pour les dividendes explique mieux l'évolution des cours boursiers qu'un modèle de bulles. En effet, les auteurs ont cherché à expliquer les déviations de l'indice boursier américain (S&P500) sur la période 1900-1987 en retenant les deux explications (i) et (ii). Ils ont retenu, dans une première étape, la formulation de Froot et Obstfeld (1991) de la valeur fondamentale avec un taux d'actualisation constant. Ils ont supposé que les dividendes suivent un processus de marche aléatoire avec dérive et que la condition de transversalité n'est pas vérifiée pour définir le cours comme la somme de sa valeur fondamentale et d'une bulle. Ainsi, ils n'ont pas rejeté l'hypothèse de bulles, mais ils l'ont retenu pour expliquer les déviations des cours par rapport aux fondamentaux. Dans une deuxième étape, Driffill et Sola (1998) ont retenu un processus à changement de régime markovien à deux états d'Hamilton (1994) pour représenter la dynamique des séries de dividendes. Les résultats de leur étude ont montré que les deux types de modélisation sont appropriés pour reproduire les changements de tendance de l'indice boursier américain relatifs aux faits stylisés des années 50, 60 et 70. Cependant, ces deux processus fournissent deux interprétations différentes de ces faits économiques. Le modèle de bulles interprète ces pics comme des effets de sur-réaction par rapport aux dividendes, alors que le modèle markovien les décrit comme une réponse de la valeur fondamentale à un changement de régime dans la croissance des dividendes. La comparaison des résultats des deux modèles sur la base des critères d'information a conduit les auteurs à retenir le modèle markovien. Ce choix a été justifié pour deux raisons. D'un côté, le modèle à changement de régime permet le calcul du prix fondamental à partir d'un modèle statistique pour les dividendes. D'un autre côté, l'interprétation du prix fondamental qui en résulte est plus plausible que celle introduite par le modèle des bulles. Dans le même ordre d'idées, Dufrénot et Mignon (2002b) ont étudié la nature des déviations du cours boursier de l'indice américain S&P500 sur la période 1985:1-1999:12. Les auteurs ont testé l'hypothèse de bulles contre son alternative de dépendance non-linéaire de type bilinéaire15. Pour ce faire, ils ont estimé trois modèles bilinéaires distincts et ont appliqué des tests de « mixing »16. Leurs résultats ont montré que toutes les prévisions obtenues lors de l'estimation des modèles bilinéaires sont « mixing », indiquant que toutes les déviations du cours par rapport à sa valeur fondamentale ont été capturées par la spécification bilinéaire. En conclusion, les auteurs ont suggéré que l'écart du cours par rapport aux dividendes peut disparaître, si l'on ajoute une composante non-linéaire à l'équation de la valeur fondamentale. Néanmoins, il convient de noter que l'utilisation des modèles bilinéaires ne permet de caractériser qu'une dynamique particulière d'ajustement des cours (i.e. ajustement rapide). Elle est plutôt recommandée lorsque la vitesse d'ajustement par rapport à l'équilibre est caractérisée par des changements brusques. Afin de tenir compte des changements lents dans les vitesses d'ajustement, d'autres recherches plus récentes ont fait appel à des modèles à changement de régime de type STAR. L'intérêt de l’utilisation des modèles STAR est de reproduire l'ajustement lisse et le retour lent du cours boursier vers sa valeur fondamentale. Les changements brutaux dans les vitesses d'ajustement ne sont que des cas particuliers de la dynamique d'ajustement des modèles STAR. Pour montrer l'intérêt de cette modélisation et expliciter la dynamique d'ajustement de type STAR, la section suivante sera consacrée aux principaux résultats relatifs à l'étude de la dynamique d'ajustement du cours boursier sur sa valeur fondamentale. Nous nous intéressons en particulier aux travaux qui ont spécifié la dynamique d'ajustement des cours boursiers en mobilisant les modèles STAR ou STECM (Smooth Transition Error Correction Models). V. Ajustement non-linéaire du cours boursier sur sa valeur fondamentale Les travaux consacrés à l'étude de la dynamique d'ajustement des cours boursiers par rapport à leurs valeurs fondamentales ne sont pas nombreux dans la littérature. Le tableau 4, figurant en 15 Les auteurs ont justifié le choix du modèle bilinéaire de Granger et Anderson (1978) par le fait qu'il constitue une forme réduite de plusieurs processus non-linéaires. 16 Voir Dufrénot et Mignon (2002b) pour plus de détails sur les tests de « mixing ». 11 annexes, présente les recherches associées à l'examen de la dynamique des déviations des cours boursiers ainsi que leurs principaux résultats . L'exploration de cette piste a nécessité, tout d'abord, l'estimation de la valeur fondamentale des actions qui est interprétée comme une cible de long terme. Sur un plan théorique, cette valeur fondamentale est définie comme la somme actualisée des anticipations rationnelles des « Cash Flows » futurs anticipés. Cependant sur un plan pratique, son estimation a été parfois difficile et elle a souvent posé des problèmes. Ces problèmes émanent, d'une part, du choix du taux d'actualisation (constant ou variable?) et de l'identification des déterminants de la prime de risque et, d'autre part, de la spécification de l'indicateur de mesure de ces « Cash Flows » futurs (dividendes ou bénéfices?) . En ce qui concerne la spécification de la nature de l'ajustement du cours boursier par rapport à sa valeur fondamentale, les travaux sont essentiellement répartis en deux catégories différentes. La première voie concerne ceux ayant retenu l'hypothèse d'ajustement linéaire et symétrique. La seconde voie regroupe, en revanche, les études ayant montré que l'ajustement du cours vers les fondamentaux est plutôt asymétrique et non-linéaire et que sa vitesse de convergence est différenciée selon qu’il soit très éloigné ou non de ses fondamentaux. Parmi ces études, Dufrénot et Mignon (2002b) ont étudié la dynamique d'ajustement du cours boursier de l'indice américain S&P500 par rapport à sa valeur fondamentale sur la période 1985:11999:12. Pour définir la valeur fondamentale de cet indice, Dufrénot et Mignon (2002b) ont d'abord retenu la spécification suivante : T ∑α Ft = i =0 [ ] [ ] ~ i +1 E dt +i / It + α T +1 E Ft +T +1 / It + Ft , avec α = 1(1+r) (7) Où : It désigne l'ensemble d'informations disponibles en t, α et r représentent respectivement le facteur ~ d'actualisation et le taux de rendement d'un actif sans risque et dt désigne les flux de dividendes. Ft est un terme d'erreur qui mesure les déviations du cours par rapport à sa valeur fondamentale Ft. ~ Les auteurs ont ensuite supposé que la série des déviations Ft reflète toute l'information pouvant caractériser la dynamique du cours boursier. Pour reproduire la dynamique de ces déviations, ils ont retenu la spécification bilinéaire suivante : (8) Puis, pour estimer cette régression, les auteurs ont privilégié une méthodologie économétrique en trois étapes. La première étape consiste à estimer la régression linéaire (9). Les auteurs ont utilisé l'approche de variables instrumentales afin de résoudre les éventuels problèmes d'autocorrélation entre les variables explicatives et le terme d'erreur ou le processus de mélange dit aussi « mixing process ». Les variables instrumentales ainsi retenues sont le taux d'intérêt de long terme et la production industrielle. Pt =β1 E[dt / It ]+β2 E[dt +1/ It ]+β3 E[dt +2 / It ]+ wt (9) Où : wt désigne le processus de mélange. Dans la deuxième étape, les auteurs ont retenu les résidus estimés de la relation (9) pour estimer le modèle bilinéaire. Ils ont appliqué, dans la troisième étape, des tests de mélange aux prévisions obtenues à partir des modèles bilinéaires estimés. L'application de cette procédure et des étapes d'estimation des processus bilinéaires17 a amené, d'un côté, les auteurs à retenir trois processus bilinéaires (BL(1,0,1,1), BL(4,0,4,1) et BL(4,0,1,1))18. L'application de trois tests de « mélange » : (test KPSS, test de Lo (R/S) et test de cointégration à 17 18 Voir Dufrénot et Mignon (2002b) pour plus de détails sur la méthodologie des modèles bilinéaires. Voir Dufrénot et Mignon (2002b, pp.242-246). 12 partir des calculs d'entropie) a montré, de l'autre côté, que les prévisions issues des trois modèles bilinéaires estimés sont « mélangées » ou « mixing », suggérant ainsi la disparition de l'écart entre le cours et les dividendes à la suite de l'ajout d'une composante non-linéaire à l'équation d'arbitrage usuelle (équation (7)). Dans ce même contexte, Black, Fraser et Groenewold (2003) ont cherché récemment à explorer la relation entre les indices boursiers américains et les fondamentaux. L'objet de leur étude était d'expliciter les hypothèses à la base des déviations des cours boursiers et de repérer leurs phases de sous et sur-évaluation. Leur application a concerné des données boursières (trimestrielles) américaines portant sur une période plus longue que celle de l'étude précédente, soit 1947:2-2002:2. Mais à l'inverse de la plupart des études antérieures, Black et al.(2003) se sont focalisés sur la dynamique du ratio Price-Output pour estimer cette valeur fondamentale, qu'ils ont calculé à partir des profits futurs anticipés de l'entreprise et non des dividendes. Les auteurs ont justifié ce choix par le fait que les bénéfices contiennent plus d'informations concernant les fondamentaux. A l'instar de Cheung et Ng (1998), Black et al.(2003) ont tenté de caractériser la relation entre le cours boursier et sa valeur fondamentale dans le cadre des modèles VAR. Les auteurs ont estimé un modèle contraint pour spécifier la nature de la relation entre le cours et les fondamentaux (Campbell et Ammer (1993), Campbell et Shiller (1987, 1988, 1989)). Ils ont retenu la formulation suivante pour calculer la valeur fondamentale : F t = (1 − γ )E t ∞ ∑ i= 0 ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎞ ⎟ ⎟ ⎟ 1 ⎟ Yt + i i ⎟ 1 + ρ t*+ j ⎟ ⎟ j=0 ⎠ ∏ ( ) (10) Où : ρt* désigne le taux de rendement exigé par les investisseurs, Yt est une fonction de production de type Cobb-Douglas. En pratique, pour fournir une mesure empirique de cette valeur fondamentale, une méthodologie définissant une approximation log-linéaire de l’expression (10) similaire à celle de Campbell et Shiller (1987) a été utilisée19. Les auteurs ont mobilisé, en particulier, un modèle VAR pour anticiper le taux de croissance de la production. Ils ont testé trois hypothèses différentes pour le taux d'actualisation et ont examiné chaque fois la sensibilité de la valeur fondamentale par rapport à ces hypothèses (H1 : Taux d'actualisation constant, H2 : Taux d'actualisation variable et H3 : Prime de risque variable)20. En conséquence, les auteurs ont d'abord rejeté l'hypothèse d'égalité entre le cours observé et sa valeur fondamentale sous l'hypothèse de constance du taux d'actualisation. Leur résultat a corroboré celui de Shiller (1981), dans la mesure où ils ont montré que la valeur fondamentale est moins volatile que le cours observé et que le prix est loin d'être assimilé à une anticipation rationnelle des revenus futurs à un taux d'actualisation constant. Par ailleurs, la corrélation entre le cours et sa valeur fondamentale a indiqué une valeur de 0,843 suggérant que les deux variables sont liées. La représentation de ces deux séries sur un seul graphique a permis d'identifier des longues phases de sous et sur-évaluation du cours (20 ans) par rapport aux fondamentaux. Black et al.(2003) ont ensuite permis au taux d'intérêt sans risque d'être variable et ont comparé de nouveau le cours à sa valeur fondamentale. Ainsi, ils ont montré que la variation du taux d'intérêt sans risque n'a pas d'incidence sur l'écart du cours à sa valeur fondamentale. Enfin, les auteurs ont retenu l'hypothèse de prime de risque variable. La variabilité de la prime de risque n'a pas affecté le profil des déviations des cours boursiers par rapport aux fondamentaux. La représentation graphique des deux séries ainsi obtenue (graphique 1 ) présentée en annexes a indiqué des périodes persistantes de sous-évaluation (i.e. période : 1970-1990) et de sur-évaluation (i.e. périodes : 1950-1970 et 1990-2000)21. 19 Voir Black et al.(2003) pour plus de détails sur l'approche log-linéaire du ratio Output-Price. Pour modéliser la prime de risque, les auteurs l'ont exprimée comme le produit du coefficient d'aversion au risque et de la variance des rendements. 21 La comparaison de ces résultats à ceux de Campbell et Shiller (1997) obtenus sous l'hypothèse du taux d'actualisation variable a montré que les deux modèles identifient relativement les mêmes 20 13 En particulier, les calculs des auteurs ont montré la présence d'une phase de sur-évaluation plus remarquable à la fin de la période. Cette phase a commencé à partir de 1996 et a continué jusqu'à 2000. En effet, en mars 2002, le cours est sur-évalué par rapport à sa valeur fondamentale de l'ordre de 17%, mais cette phase demeure inférieure à celle de mars 2001 dont la sur-évaulation était de l'ordre de 34%. Pour expliquer ces déviations, les auteurs ont avancé des hypothèses diverses. A l'instar de Shiller (1984), DeLong, Shleifer, Summers et Waldman (1990) et Barberis, Shleifer et Vishny (1998), Black et al. (2003) ont attribué ces déviations à la présence de comportements irrationnels (i.e. manies, noise traders, ...etc) et aux éventuels changements de régime caractérisant les fondamentaux non capturés par la spécification VAR. En effet, cette spécification risque de contraindre la dynamique possible marquant l'évolution des bénéfices et affecter par conséquent la mesure de la valeur fondamentale. D'où leur conclusion qui recommande d’envisager l'hypothèse d'ajustement non-linéaire du cours vers sa valeur fondamentale comme une alternative possible. Afin de tester la significativité relative des explications rationnelles et irrationnelles des déviations, Black et al.(2003) se sont focalisés sur la rationalité et ses implications. Ils ont montré que les déviations sont significativement et négativement corrélées avec la production (corr( production, déviations = - 0,48), indiquant qu'une proportion significative de la courbe des déviations est associée à celle de la production et que les cours sont sensibles à la variation de la production (Shiller (1981))22. La corrélation entre les dividendes et la production est apparue plus élevée (en valeur absolue) que celle entre le cours et les déviations, suggérant ainsi que la force d'ajustement réside dans les fondamentaux plutôt que dans un « feed back positif ». En d'autres termes, les déviations entre le cours et sa valeur fondamentale sont influencées beaucoup plus par les fondamentaux que par les stratégies d'investissement des spéculateurs. Par ailleurs, l'application des tests ADF a montré la présence de racine unitaire dans la série de déviations et a conclu en faveur de l'absence de relation de cointégration linéaire entre le cours et sa valeur fondamentale et d'un mécanisme de correction d'erreur linéaire ramenant le cours vers sa valeur d'équilibre. En conclusion, Black et al.(2003) ont suggéré que les déviations des cours ne peuvent pas être conduites par des comportements irrationnels et qu'elles sont plutôt liées aux mouvements des fondamentaux et aux propriétés intrinsèques de la production. Afin de reproduire ces déviations persistantes du cours, les auteurs ont proposé d'explorer l'estimation de l'ajustement à la valeur fondamentale des actions en retenant des modèles d'ajustement non-linéaire. L'étude de la dynamique d'ajustement dans un cadre non-linéaire serait appropriée pour capturer avec précision la manière avec laquelle les écarts du cours à cette valeur d'équilibre sont corrigés. Un essai de modélisation de l'ajustement des cours boursiers par rapport aux fondamentaux dans le cadre des modèles STAR est réalisé pour la première fois par Manzan (2003). Son application a concerné l'indice boursier américain S&P500 et a porté sur deux périodes différentes : 1871-1990 et 1871-2001, afin d'identifier la part des déviations du cours associées à la notion de bulles spéculatives. Les résultats de l'étude de Manzan (2003) sur la période 1871-1990 ont montré l'existence d'un ajustement non-linéaire entre le cours et sa valeur fondamentale. Ils ont mis en évidence un retour du cours à la moyenne avec une vitesse de convergence qui augmente en fonction de la taille de ses écarts sur la période 1871-1990, alors qu'ils ont conclu en faveur de l'absence d'un phénomène de « Mean Reversion » après 1990. D'un point de vue théorique, l'auteur a attribué la persistance des déviations du cours par rapport à sa valeur fondamentale à l'accroissement des comportements de foules (Orléan (1990), Lux (1995)) et des phénomènes de « fads » irrationnels (Summers (1986)), à l'existence d'opérateurs hétérogènes (Brock et Hommes (1998), De Grauwe et Grimaldi (2003)) et à la présence de coûts de transaction qui sont difficiles à cerner par les techniques de modélisation standards (Dumas (1992), Anderson (1997)). Sur un plan empirique, l'auteur a utilisé, dans un premier temps, une version simple du modèle d'actualisation (modèle de Gordon) pour estimer la valeur fondamentale des actions (équation (11)). Il a fait varier dans le temps le taux d'actualisation et le taux de croissance de dividendes dans un second périodes de sous et sur-évaluation. La période de sous-évaluation étant moins marquée dans Campbell et Shiller (1997, p.283). 22 La corrélation entre les déviations et le cours observé étant de l'ordre de 0,335. 14 temps. Il a néanmoins montré l'échec des fondamentaux à expliquer la persistance des déviations du S&P500 par rapport à sa valeur fondamentale notamment après les années 90 et a retenu ainsi la spécification (11) pour mesurer la valeur fondamentale de l'indice boursier américain (S&P500). L'expression empirique de la valeur fondamentale ainsi retenue est donnée par la spécification suivante, tandis que la représentation graphique de cette valeur est reportée dans le graphique 2 aux annexes : Ft = m D t (11) Avec : m= 1+ ,r >g r−g Où : Dt représente le flux de dividendes, g désigne le taux de croissance constant des dividendes, r définit un taux d’actualisation constant. Selon Manzan (2003), les chocs affectant le taux d'actualisation et le taux de croissance des dividendes disparaissent rapidement, indiquant que la persistance des déviations est essentiellement due à la sur-estimation des nouvelles informations et à la sur-réaction des investisseurs suite à leurs divulgations. Afin d'expliquer ces éventuelles déviations, Manzan (2003) a proposé de les explorer dans le cadre des modèles STAR à deux régimes. Ce type de modélisation consiste à caractériser les faibles déviations, dans le premier régime, par un processus de marche aléatoire et à spécifier un processus AR, dans le second régime, notamment pour les déviations larges, indiquant un retour du cours vers sa valeur fondamentale. Cette spécification a permis à Manzan (2003) de repérer deux dynamiques distinctes pour l'indice boursier américain sur la période 1871-1990. L'auteur a montré que plus le cours est situé au voisinage de sa valeur fondamentale, plus la vitesse d'ajustement est faible. Plus les déviations s'amplifient et le cours devient fortement « mésaligné », plus la vitesse d'ajustement augmente et le cours tend à rejoindre rapidement sa valeur d'équilibre. Par ailleurs, en étendant la période d'étude, l'auteur a abouti à l'augmentation du degré de persistance des déviations et a montré l'absence de phénomène de retour à la moyenne, qu'il a attribué essentiellement au comportement du cours boursier durant les années 90 et aux niveaux sans précédents atteints par l'indice à la fin de cette décennie. Barsky et DeLong (1993) et Bansal et Lundblad (2002), ont proposé, en vue d'expliquer les déviations du cours de l'indice boursier américain, d'estimer la dynamique des dividendes respectivement par un processus ARIMA(0,1,1) et un modèle ARMA (1,1). Contrairement à ces auteurs, Manzan (2003) a rejeté la modélisation ARMA sur la base des données annuelles. En se basant sur la littérature consacrée à l'étude de l'évolution des cours boursiers, l'auteur a d'abord identifié deux composantes du prix : la première est permanente reflètant les fondamentaux et la seconde est transitoire traduisant les déviations du cours (équation (12)). Pt = F t + X t (12) Où : Ft désigne la composante permanente, Xt représente la composante transitoire. Manzan a ensuite montré l'absence de bulles sur la période 1871-1990, en mettant en évidence un processus d'ajustement non-linéaire de type STAR menant le cours vers sa valeur fondamentale et assurant le phénomène de « Mean Reversion ». Puis, il a utilisé des tests de rapport de variances pour montrer que les déviations du cours ne suivent pas un processus de marche aléatoire. Enfin, il s'est intégré dans une nouvelle approche de recherche consistant à explorer la dynamique de Xt, en utilisant un modèle à changement de régime de type STAR. Ainsi, la spécification des modèles STAR sur les deux périodes d'études ont amené l'auteur à retenir un ESTAR (3,4)23 sur la période 1871-1990, alors que les deux processus ESTAR et LSTAR ont été des substitues proches pour la deuxième période. Mais, sur la base d'une comparaison des critères d'information, l'auteur a retenu un processus ESTAR (1,10)24. 23 En ce qui concerne les tests de linéarité, l'auteur s'est limité à l'utilisation des tests LM3 et LM4 standards. 24 Gallagher et Taylor (2001) ont également retenu un modèle ESTAR pour des données trimestrielles de l'indice S&P500 sur la période 1926-1997. 15 Plus globalement, l'analyse des résultats d'estimation du modèle ESTAR sur la première période a identifié deux régimes distincts. D'une part, le régime central est caractérisé par un AR (3) et un module égal à 0,962 indiquant un degré de persistance élevé des déviations privant le cours de converger vers sa valeur fondamentale. D'autre part, le régime extérieur est caractérisé par un AR (1) stationnaire. La vitesse de transition est faible et statistiquement significative indiquant que la transition entre les régimes est lisse (γ = 0,35). La représentation de la fonction de transition estimée a indiqué qu'elle n'atteint jamais la valeur 1 et a montré clairement que la vitesse de convergence varie dans le temps et dépend de manière non-linéaire de l'ampleur des déviations du cours. En ce qui concerne la seconde période, un ajustement non-linéaire a été mis en évidence, mais les résidus d'estimation n'avaient pas les bonnes propriétés statistiques. La fonction de transition estimée est proche de l'unité, indiquant que durant les dernières années, les déviations suivent un processus de marche aléatoire et laissent croire à l'absence d'un retour à la moyenne durant cette période. Néanmoins, il convient de noter que ces résultats doivent être interprétés par prudence. En effet, ce résultat peut être associé soit à la formulation simple introduite par Manzan (2003) pour estimer la valeur fondamentale, soit au fait que l'auteur s'est arrêté en 2001. La prise en compte d'autres observations de l'indice pourrait mettre au clair un retour à la moyenne du cours. Afin d'étendre l'étude de Manzan (2003) pour inclure des observations récentes de l'indice, Boswijk, Hommes et Manzan (2005) ont plus récemment tenté d'étudier la dynamique d'ajustement du S&P500 sur la période 1871-2003. Les auteurs ont utilisé le modèle de Brock et Hommes (1997, 1998) pour développer un modèle de détermination du prix en présence d'agents rationnels hétérogènes. Ils ont supposé que ces agents ont une connaissance parfaite de la valeur fondamentale, alors que leurs croyances concernant la persistance des déviations du cours et sa vitesse de convergence vers cette valeur sont différentes. Ainsi, Boswijk, Hommes et Manzan (2005) ont fourni une explication des mouvements récents de l'indice, en distinguant deux régimes. Un premier régime chartiste qui ne s'est activé qu'occasionnellement avant 1990, alors qu'il a persisté et a créé des fortes déviations après les années 90. Un second régime fondamentaliste caractérisé par un phénomène de retour à la moyenne, qui s'est activé au début de la période et qui a joué considérablement à sa fin pour ramener le cours vers sa valeur fondamentale. En effet, à court terme, les opérateurs anticipent de nouvelles informations positives, les sur-estiment et réagissent lentement, induisant des rendements positifs et créant des corrélations sérielles (de rendements) positives pouvant éloigner le cours de sa valeur fondamentale. Cependant, leur action à long terme tend à créer des corrélations négatives et à anticiper des rendements négatifs, amenant les agents à prévoir plutôt un retour du cours vers sa valeur d'équilibre. Les auteurs ont montré que les investisseurs peuvent coordonner leurs anticipations entre le régime chartiste et le régime de « Mean Reversion » selon l'ampleur des fluctuations du cours par rapport à sa valeur fondamentale. Par exemple, à la fin des années 90, la part des investisseurs qui croient au régime chartiste a augmenté, a persisté et a duré quelques années. En conclusion, Boswijk, Hommes et Manzan (2005) ont proposé un modèle de prix d'actifs avec agents hétérogènes pouvant changer de régime selon leurs performances relatives dans le passé. Ils ont introduit l'hétérogénéité au niveau des comportements et des sentiments des investisseurs, tout en supposant une connaissance parfaite de la valeur fondamentale des actions. Les résultats de Boswijk et al.(2005) ont mis en évidence la présence de deux régimes : un régime à dominante fondamentaliste avant les années 90 et un régime à dominante chartiste après les années 90, marqué par de fortes déviations du cours par rapport aux fondamentaux. L'analyse de ces résultats a permis d'améliorer l'explication de Shiller (2000a) au sujet de l'évolution de l'indice boursier américain S&P500 en terme d' « exubérance irrationnelle ». En effet, selon les auteurs, les opérateurs ont continué à détenir les titres, bien qu'ils avaient conscience que les marchés sont sur-évalués. L'extraordinaire performance des stratégies des chartistes a poussé une bonne part des investisseurs à adopter ce type de comportements. Ainsi, au début de 1995, la présence d'agents optimistes motivés par l'augmentation de la profitabilité a renforcé l'augmentation des cours, dont une partie est associée à l'augmentation des bénéfices du secteur de l'internet. Cependant, la limite adressée à cette étude se situe au niveau de l'estimation de la valeur fondamentale sous les hypothèses de taux d'actualisation invariant et du taux de croissance de dividendes constant. La mise en évidence des deux régimes fondamentaliste et chartiste et du degré de persistance des déviations des cours boursiers demeure relative à cette mesure de référence, c’est-à- 16 dire la valeur fondamentale. Il est en outre peu probable que les intervenants sur le marché aient une parfaite connaissance de la valeur fondamentale des actions. Dans ce même contexte, Jawadi et Koubaa (2006) ont cherché à explorer la dynamique d'ajustement des indices boursiers (Dow Jones, CAC40, TSX et BCI) dans un cadre non-linéaire en en étendant les modèles de cointégration à seuil de Blake et Fomby (1997). Les auteurs ont justifié la non-linéarité de l'ajustement par la présence de coûts de transaction hétérogènes qui peuvent concevoir une augmentation des agents non informés, générer une diminution de la participation de certains investisseurs au marché, dissuader l'arbitrage, diminuer les transactions et réduire le bien être social. Pour reproduire la non-linéarité présente dans la dynamique d'ajustement des cours boursiers vers l'équilibre, cette étude a mobilisé la classe des modèles ESTECM25 (équation (13)), considérée appropriée pour expliquer la lenteur et le lissage inhérents à la dynamique d'ajustement du cours par rapport à sa valeur fondamentale. Néanmoins, l'estimation d'une valeur fondamentale sur des données quotidiennes n'étant pas possible. Les auteurs ont ainsi interprété le Dow Jones comme la cible de long terme des autres indices et l'ont intégré comme une variable explicative dans les dynamiques de ces indices de manière à ce que le terme à correction d'erreur tienne compte à la fois des changements structurels relatifs à l'endogène et au Dow Jones. (13) Cette hypothèse simplificatrice repose essentiellement sur le degré d’interdépendance entre la dynamique des marchés boursiers et celle du marché américain, souvent considérée comme une bourse de référence (i.e. interdépendance et effets de contagion entre les bourses). En effet, les marchés boursiers sont liés entre eux par l'arbitrage croisé des agents et le degré de corrélation entre leurs 25 Exponential Smooth Transition Error Correction Models. 17 fondamentaux. Il est dès lors possible que l'évolution du cours soit fonction de ses variations passées et de celles des autres indices. En pratique, Jawadi et Koubaa (2006) ont d'abord testé l'hypothèse de linéarité contre l'alternative fournie par les modèles STAR. Les auteurs ont appliqué des tests de linéarité standards, des tests de linéarité robustes à l'hétéroscédasticité et des tests de linéarité robustes aux points aberrants). Les résultats des tests standards ont rejeté la linéarité pour toutes les séries de rentabilités boursières étudiées, alors que ceux des tests robustes à l'hétéroscédasticité ont conclu en faveur de la non-linéarité uniquement pour le Dow Jones, TSX et BCI. Les auteurs ont ensuite testé l'hypothèse d'existence d'une relation de long terme entre les couples de séries (CAC40, Dow Jones), (Dax100, Dow Jones), (BCI, Dow Jones) et (TSX, Dow Jones) et ont vérifié la stationnarité des résidus zt issus de cette relation, en utilisant le test de la trace de Johansen (1988). Les résultats ainsi obtenus, présentés dans le tableau 5 aux annexes, ont montré que seules les séries CAC40 et TSX sont linéairement cointégrées avec le Dow Jones au seuil de 1% et de 5%. Dès lors, l'hypothèse d'ajustement non-linéaire des cours boursiers par rapport au Dow Jones a été uniquement testée pour le CAC40 et le TSX. L'application des tests d'ajustement linéaire aux séries de résidus associées à ces deux relations ((CAC40, Dow Jones) et (TSX, Dow Jones)) a conclu en faveur du rejet de l'hypothèse d'ajustement linéaire respectivement pour les valeurs d = 3 et d = 126. Enfin, les auteurs ont retenu une fonction de transition exponentielle et ont estimé un modèle ESTECM pour reproduire la dynamique d'ajustement du CAC40 et du TSX par rapport à celle de l'indice boursier américain. L'estimation du modèle non-linéaire a nécessité l'estimation d'un MCE linéaire, dont les estimations linéaires des paramètres du MCE linéaire ont été retenues comme des valeurs initiales pour l'estimation des paramètres du modèle ESTECM (tableau 6). L'estimation du MCE linéaire a montré que le terme d'ajustement est négatif et statistiquement significatif pour les deux couples : (CAC40, Dow Jones) et (TSX, Dow Jones). Néanmoins, la dynamique d'ajustement qui en résulte définit un mécanisme d'ajustement linéaire et symétrique et présuppose l'absence de coûts de transaction. Pour tenir compte de la présence de coûts de transaction hétérogènes caractérisant la plupart des marchés boursiers, Jawadi et Koubaa (2006) ont estimé un modèle ESTECM sur les déviations des cours boursiers du CAC40 et du TSX par rapport au Dow Jones. Les résultats d'estimation des modèles ESTECM sont reportés dans le tableau (7). L'analyse de ces résultats a mis en évidence un ajustement non-linéaire significatif entre le CAC40 et le Dow Jones et entre le TSX et le Dow Jones, dont la dynamique est générée par une fonction de transition exponentielle. En effet, la vitesse de transition est statistiquement différente de zéro dans les deux cas indiquant la significativité du changement de régime. En outre, les conditions nécessaires à la validation du mécanisme de cointégration non-linéaire sont vérifiées. En effet, le terme de rappel du premier régime ρ1 est positif pour les deux indices. Il est significatif et supérieur à l'unité pour le CAC40, indiquant que sa dynamique dans le premier régime diverge de celle du Dow Jones. En d’autres termes, le CAC40 dispose d'un comportement explosif dans le premier régime. Cependant, au delà d'un certain seuil, l'écart du CAC40 par rapport au Dow Jones tend vers un état stationnaire. Les conditions de validité du modèle ESTECM sont vérifiées pour les deux séries. En effet, la force de rappel ρ2 dans le deuxième régime est négative et significative. La somme des deux forces de rappel (ρ1 + ρ2 ) est négative confirmant le mécanisme d'ajustement non-linéaire. Le terme de rappel du MCE linéaire appartient à l'intervalle [ρ1 + ρ2 , ρ1]. Par conséquent, le modèle ESTECM s'avère approprié pour reproduire la dynamique d'ajustement caractérisant le retour du cours à l'équilibre. Sur le plan économique, cela signifie qu'un choc affectant la bourse de New York peut se répercuter sur les autres indices par le biais des canaux de transmission liés à l'information et aux arbitrages croisés des investisseurs. Cette interdépendance peut se traduire par une forte corrélation entre les indices boursiers. Les fluctuations du CAC40 (resp. TSX) peuvent par exemple dépendre, au moins à court terme, de ses variations passées et de celles du Dow Jones. L'existence d'une relation de cointégration linéaire entre le CAC40 (resp. TSX) et le Dow Jones indique que la correction des déviations du CAC40 (resp. TSX) dépend de l'évolution du Dow Jones. Par conséquent, il s'en suit que le comportement de l'indice français (resp.canadien) peut s'aligner à celui de l'indice américain. 26 d désigne le paramètre de délai définissant la variable de transition. 18 Cependant, le choix de la bourse de New York comme une cible de long terme pour remplacer la valeur fondamentale des autres indices peut paraître comme une hypothèse forte. L'estimation d'une valeur fondamentale plausible pour ces indices demeure toujours un sujet prometteur et d'importance primordiale pour explorer réellement la relation entre les cours boursiers et les fondamentaux réels au niveau international et expliquer l'ajustement des cours. Pour combler cette lacune, Jawadi (2006) a proposé une étude de la dynamique d’ajustement des cours boursiers par rapport aux fondamentaux. L’application a porté sur les indices boursiers MSCI (Morgan Stanley Capital International) des pays du G7, a concerné des données mensuelles et a été menée sur la période 1969-2005. L’auteur a mené l’étude en deux étapes. Dans une première étape, Jawadi (2006) a proposé une nouvelle estimation de la valeur fondamentale des indices MSCI. Dans une seconde étape, l’auteur a retenu la classe des modèles d’ajustement non-linéaire de type ESTECM pour reproduire la dynamique des déviations des cours boursiers par rapport à l’équilibre. En ce qui concerne l’estimation de la valeur fondamentale, l’auteur a retenu le modèle d’actualisation (14). Pour fournir une mesure empirique de la valeur fondamentale, l’auteur a retenu un certain nombre d’hypothèses : H1 : Les dividendes sont supposés être anticipés rationnellement. H2 : Le taux d’actualisation étant défini comme la somme du taux d’intérêt sans risque et d’une prime de risque. (14) L’auteur27 a retenu les rendements des bons de Trésor comme une mesure du taux d’intérêt sans risque. Il a estimé la prime de risque par une méthode de balayage de manière à minimiser la somme des carrés des écarts entre le cours et sa valeur intrinsèque (statistique Q)28. Par ailleurs, il a retenu la classe des modèles à changement de régime de type STAR pour estimer les séries de dividendes des indices MSCI. Les anticipations des dividendes présentes dans l’expression empirique de la valeur fondamentale (équation de récurrence) ont été ensuite remplacées par la partie déterministe du modèle STAR. Les résultats d’estimation obtenus ont montré que la plupart des valeurs fondamentales estimées sont lisses, non stationnaires et qu’elles ont une tendance à la hausse, corroborant ainsi les résultats de Black et al. (2003), Manzan (2003) et Boswik et al.(2005). Les cours des indices boursiers étudiés s’avèrent évoluer autour de leurs valeurs fondamentales. La représentation du cours et de sa 27 Les calculs de l’auteur ont ensuite mené à la mesure empirique suivante pour la valeur fondamentale : Cette équation de récurrence est compatible avec celle issue du modèle de Lucas (1978) pour estimer la valeur d’équilibre des actions. 28 19 valeur fondamentale sur le même graphique a montré l’existence de longues périodes de sous et surévaluation des indices. Le graphique 3 des annexes présente les résultats d’estimation de la valeur fondamentale pour le Canada et les Etats-Unis. Ainsi, Jawadi (2006) a mis en évidence l’existence d’une période de sous-évaluation commune à tous les indices des pays du G7 dans les années 70. Cette période est attribuée aux effets des deux chocs pétroliers (1973 et 1979), à l’influence de la crise des dettes (1982) et aux effets de la mise en place d’un nouveau système monétaire international. Il a montré en outre la présence d’une longue période de sur-évaluation dans les années 90 notamment pour l’Allemagne, les Etats-Unis et le Japon associée probablement au krach obligataire (1994), à la crise asiatique (1997), au développement des techniques de communication, à la diminution des frais de transaction et des coûts d’information, à l’intensification des volumes de transaction et à l’augmentation des nombres d’intervenants sur le marché. Manzan (2003) a également montré la présence d’une phase de sur-évaluation sur cette période. Afin de reproduire la dynamique d’ajustement des cours boursiers par rapport aux fondamentaux, Jawadi (2006) a retenu la classe des modèles de cointégration à seuil de type ESTECM (équation (15)). L’auteur s’est ensuite focalisé sur l’étude de la dynamique des déviations des cours boursiers par rapport aux fondamentaux. Il a testé l’hypothèse d’ajustement linéaire du cours boursier vers sa valeur fondamentale contre son alternative d’ajustement non-linéaire et a montré que les cours boursiers étudiés ont plus de chance de s’ajuster non-linéairement et lentement vers les fondamentaux. Jawadi (2006) a estimé les déviations des cours en utilisant la classe des processus ESTECM et a montré la supériorité de ces modèles par rapport aux MCE linéaires pour reproduire la dynamique d’ajustement des cours boursiers en présence de coûts de transaction hétérogènes. En effet, la présence des frais de transaction peut dissuader l’arbitrage, induire des effets d’inertie dans les cours et priver les prix de corriger leurs mésalignements de façon continue et à vitesse constante. D’où l’intérêt du recours aux modèles de cointégration à seuil de type ESTECM, qui sont appropriés pour décrire des relations de cointégration qui ne s’activent que lorsque les déviations des cours deviennent suffisamment larges pour impliquer des profits pouvant compenser les frais de transaction. 20 (15) L’auteur a validé un processus d’ajustement non-linéaire avec retour à la moyenne pour modéliser les déviations des cours boursiers. Il a montré que pour des coûts de transaction faibles les cours peuvent s’éloigner de leurs valeurs fondamentales. Mais dès que ces frais dépassent un certain seuil, les fondamentaux exercent leur effet et une force de rappel s’active pour ramener le cours vers sa valeur fondamentale. A l’instar de Michael, Nobay et Peel (1997), Michael, Peel et Taylor (1997) et Peel et Taylor (2000), Jawadi (2006) a montré qu’en présence de coûts de transaction les cours ont plus de chance de s’ajuster lentement qu’instantanément, que la vitesse d’ajustement des cours vers les fondamentaux est fonction de l’ampleur des déséquilibres des prix et qu’elle être mesurée en utilisant une fonction de transition exponentielle. Les fonctions de transition estimées pour le Canada et les Etats-Unis, présentées en annexes (graphique 5), corroborent ainsi les résultats de Manzan (2003) en ce qui concerne la lenteur associée à l’ajustement et montrent que l’ajustement est lisse plutôt que discret. Ces graphiques ont montré l’existence de vitesses d’ajustement différenciées qui augmentent avec l’ampleur du déséquilibre. De plus, ces fonctions n’atteignent jamais l’unité, ce qui signifie que la force d’ajustement n’est jamais nulle et que l’ajustement est souvent actif pour ramener le cours vers sa valeur d’équilibre. Enfin, pour mieux étudier la dynamique des mésalignements des cours boursiers, Jawadi (2006) a mobilisé deux indicateurs de Peel et Taylor (2000). Le premier indicateur a permis de dater et repérer les phases de sous et sur-évaluation des indices des pays du G7 étudiés. Tandis que, le second indicateur a fourni une mesure de la vitesse d’ajustement avec laquelle le cours rejoint sa valeur d’équilibre. Les résultats d’estimation pour le Canada et les Etats-Unis sont présentés en annexes (graphique 6 et 7). L’analyse de ces graphiques a permis d’avoir deux constatations principales. D’une part, le cours s’avère s’éloigner et perdurer pour longtemps loin de sa valeur fondamentale par le haut comme par le bas, induisant de longues phases de sous et sur-évaluation. Ces périodes étant communes pour la plupart des indices étudiées, semblent corroborer les résultats de Manzan (2003) et sont a priori 21 justifiées par les crises boursières des indices MSCI des pays du G7 et les faits stylisés mentionnés par Boucher (2004))29. D’autre part, les forces d’ajustement s’avèrent très volatiles indiquant que l’ajustement et la correction des mésalignements des cours sont souvent actifs et que les déviations des cours sont loin d’être distribuées selon une marche aléatoire. Ces forces d’ajustement sont d’autant plus élevées que les indices sont trop mésalignés et que les périodes de « décrochage » de l’indice sont amples. La mise en évidence d’un processus d’ajustement non-linéaire avec retour à la moyenne pour les indices MSCI des pays du G7 vers les fondamentaux par Jawadi (2006) est un résultat très intéressant, mais l’étude de la performance prévisionnelle des processus d’ajustement non-linéaires est sûrement une extension prometteuse pour valider la supériorité de ces processus par rapport aux modèles linéaires en matière de prévision des variations futures des cours. Enfin, pour clôturer cette revue de littérature empirique sur la dynamique d'ajustement des cours boursiers par rapport aux fondamentaux, il convient de noter que toutes ces études ont souvent utilisé des tests de cointégration standards pour tester l'hypothèse d'existence d'une relation de long terme entre le cours et les fondamentaux. Elles n'ont introduit la non-linéarité que dans l'étape d'estimation. Kapetanios, Shin et Shnell (2004) sont les premiers auteurs qui ont introduit à la littérature économétrique un test de cointégration non-linéaire défini dans le cadre d'un processus STR (Smooth Transition Regression). En se basant sur des simulations de Monte Carlo, les auteurs ont montré la supériorité de leur test par rapport aux tests de cointégration linéaire standards, notamment lorsque le terme d'erreur est stationnaire et gouverné par un processus STR. L'application de ce test sur un nombre considérable de séries de déviations des cours boursiers par rapport aux fondamentaux (Allemagne, Belgique, Canada, Denmark, France, Irelande, Italie, Japon, Pays-Bas, Grande Bretagne et Etats-Unis) et l'estimation d'un modèle STR-ECM a montré l'existence d'une relation de cointégration non-linéaire entre le cours et les dividendes30. Nous retenons donc que toutes ces études et ces contributions ont permis de prouver le caractère persistant des déviations des cours boursiers par rapport aux fondamentaux. Elles ont mis l'accent sur les limites des modèles linéaires standards à reproduire l'évolution des cours boursiers. Elles ont insisté sur la nécessité du recours aux processus non-linéaires de type STAR-ECM (i.e. STECM) pour caractériser la dynamique d'ajustement des cours boursiers en présence d'agents hétérogènes et de coûts de transaction distincts. VI. Conclusion L'objectif de cet article était de dresser un bilan de la littérature empirique ayant recours aux techniques de modélisation non-linéaire, et notamment aux modèles à seuil, pour reproduire la dynamique d'ajustement des séries boursières. Dans l'ensemble, les résultats ont montré la présence de non-linéarités dans les dynamiques boursières. Ils ont donné lieu à différentes interprétations telles que l'hypothèse de bulles et l'idée d'ajustement non-linéaire associé à la présence de coûts de transaction. Ces explications ont été regroupées au sein de deux approches différentes alternant entre la rationalité et l'irrationalité, l'efficience et l'inefficience. Nous avons analysé également les résultats des études qui ont confronté les bulles aux modèles d'ajustement. Ainsi, la plupart des études ont mis en évidence l'existence d'un ajustement nonlinéaire avec retour à la moyenne du cours vers sa valeur fondamentale et ont montré la capacité des modèles d'ajustement non-linéaire intégrés dans les modèles STAR à reproduire ce type de dynamiques. La principale caractéristique de ces modèles est de reproduire la dynamique d'ajustement asymétrique des cours en présence de frictions du marché et de spécifier une vitesse d'ajustement qui varie avec l'ampleur du déséquilibre. Néanmoins, certaines limites sont à signaler. D'une part, la plupart des travaux ont introduit la non-linéarité uniquement au niveau de l'ajustement. D'autre part, à l’exception de quelques-uns, ils ont porté uniquement sur l'indice boursier américain S&P500. En outre, bien que les données boursières sont généralement hétéroscédastiques, à l’exception de Jawadi (2006) qui a appliqué des tests d’ajustement linéaire standards et robustes à l’hétéroscédasticité et aux points aberrants, ces travaux se sont limités aux tests d'ajustement linéaire standards. 29 Voir tableau 8 aux annexes. 30 Voir Kapetanios, Shin et Shnell (2004) pour plus de détails 22 Bibliographie Ackert L.F. et Hunter W.C.(1999), “ Intrinsic Bubbles : The Case of Stock Prices : Comment”, American Economic Review, 89, pp.1372-1376. Allen D.E. et Yang W.(2001), “Do UK Stock Prices Deviate from Fundamentals?”, Working Paper, n°6027, Edith Cowan University Joodalup Campus. Anderson H.M. (1997), “ Transaction Costs and Nonlinear Adjustment Towards Equilibrium in The US Treasury Bill Markets”, Oxford Bulletin of Economics and Statistics, Vol.59, pp.465-484. Arthur W.B., Holland J.H., LeBaron B., Palmer R. et Taylor P. (1997), “Asset Pricing Under Endogeneous Expectations in An Artificial Stock Market”, In : Arthur W.B., Durlauf S.N. et Lane D.A. (Eds), The Economy as An Evolving Complex System, Vol.II, Addison-Wesley. Balke N. S et Fomby T.B. (1997), “Threshold Cointegration”, International Economic Review, Vol.38, pp.627-646. Balke N. S et Wohar M.E (2001), “Explaining Stock Prices Movements : Is There a Case for Fundamentals?”, Federal Reserve Bank of Dallas Economic and Financial Review, Third Quarter, pp.22-34. Balke N. S et Wohar M.E (2002), «Low Frequency Movements in Stock Prices : A state-Space Decomposition », Review of Economics and Statistics, 84, pp.649-667. Bansal R. et Lundblad C. (2002), «Market Efficiency, Asset Returns and the Size of the Risk Premium in Global Equity Markets, Journal of Econometrics, 109, pp.195-237. Barberis N., Shleifer A. et Vishny R.W. (1998), « A Model of Investor Sentiment », Journal of Financial Economics, 49, pp.307-343. Barsky R.B. et De Long J.B. (1993), « Why Does Stock Market Fluctuate? », Quarterly Journal of Economics, 108, mai, pp.291-311. Bialkowski J.(2004), « Modelling Returns on Stock Indices for Western and Central European Stock Exchanges : A Markov Switching Approach », South Eastern Europe Journal of Economics, n°2, pp.81-100. Black A., Fraser P. et Groenewold N. (2003), « US Stock Prices and Macroeconomic Fundamentals », International Review of Economics and Finance, N°12,pp.345-367. Blanchard O.J et Quah D. (1989), «The Dynamics of Aggregate Demand and Supply Disturbances », American Economic Review, 79, pp.655-673. Blanchard O.J et Watson M.W. (1982), Bubbles, Rational Expectations and Financial Markets In P. Wachted ed., Crisis in the Economic and Financial Structure, Heath and Co, pp.295-315. Lexington Books, MA. Bohl M.T (2003), « Collapsing Bubbles in the US Stock Market », International Review of Economics and Finance, N°12,pp.385-397. Bohl M.T and Siklos P.L (2003), « The Present Value Model of US Stock Prices Redux : A New Testing Strategy and Some Evidence, Working Paper, Wilfrid Laurier University. Boswijk H.P., Hommes C.H. et Manzan S. (2005), « Behavioral Heterogeneity in Stock Prices », Working Paper, CeNDEF, University of Amesterdam, Netherlands. Boucher C. (2004), « Identification et Comparaison des crises boursières », In Les Crises financières : Rapport de Boyer R., Dehove M. et Plihon D., La documentation Française, Paris. Brock W.A. et Hommes C.H. (1997), « A Rational Route to Randomness, Econometrica, 65, pp.10591095. Brock W.A. et Hommes C.H. (1998), « Heterogeneous Beliefs and Routes to Chaos in a Simple Asset Pricing Model », Journal of Economic Dynamics Control, 22, pp. 1235-1274. Brock W.A. et LeBaron B. (1996), « A Dynamic Structural Model for Stock Return Volatility and Trading Volume », Review of Economics and Statistics, 78, pp.94-110. Campbell J.Y et Ammer J. (1993), « What Moves the Stock and Bond Markets ? A Variance Decomposition for Long-Term Asset Returns », Journal of Finance, American Finance Association, vol. 48, 1, pp.3-37. Campbell J.Y, Lo A.L. et MacKinlay (1997), The Econometrics of Financial Markets, Princeton University Press, 612 pages. Campbell J.Y. et Shiller R.J. (1987), «Cointegration and Tests for Present Value Models», Journal of Political Economy, Vol. 95, n°5,pp.1062-1088. 23 Campbell J.Y. et Shiller R.J. (1988), « Stocks Prices, Earnings, and Expected Dividends », Journal of Finance, Vol.43, N°3, pp.661-676. Campbell J.Y. et Shiller R.J. (1989), « The Dividend-Price Ratio and Expectations of Future Dividends and Discount Factors », Review of Financial Studies, N°1, 195-227. Campbell J.Y. et Shiller R.J. (1997), « Valuation Ratios and Long-Run Stock Market Outlook », Journal of Portfolio Management, Vol.24, n°2. Chan K.S et Tong H. (1986), « On estimating Thresholds in Autoregressive Models », Journal of Time Series Analysis, Vol.7, pp.179.190. Cheung Y.W. et Ng L.K. (1998), « International Evidence On the Stock Market and Aggregate Activity », Journal of Empirical Finance, 5, pp.281-296. De Grauwe P. et Grimaldi M. (2003), « Heterogeneity of Agents, Transaction Costs and the Exchange Rate », Actes de la Conférence Internationale de l'Association d'Econométrie Appliquée (AEA), 6 et 7 mars, Marseille. De Long J.B., Shleifer A., Summers L.H.et Waldman R.J.(1990), « Noise Trader Risk in Financial Markets », Journal of Political Economy, N°98, 703-738. De Long J.B. et Summers L.H. (1988), « Are Business Cycles Symmetrical? », In Gordon R.J., The American Business Cycle, University of Chicago, pp.166-179. Diba B.T. et Grossman H.I. (1988a), « Explosive Rational Bubbles in Stock Prices? American Economic Review, 78, pp.520-530. Diba B.T. et Grossman H.I. (1988b), « The Theory of Rational Bubbles in Stock Prices », Economic Journal, 98, pp.746-754. Dickey D.A et Fuller W.A. (1979), « Distribution of the Estimators for Autoregressive Times Series with a Unit Root », Journal of the American Statistical Association, Vol.74, n°336, pp.427-431. Dickey, D. A. and W. A. Fuller (1981), « Likelihood Ratio Statistics for Autoregressive Time Series With a Unit Root, » Econometrica, 49:1057-1072. Driffill J. et Sola M.(1998), « Intrinsic Bubbles and Regime-Switching », Journal of Monetary Economics, Vol.42, pp.357-373. Dufrénot G. et Mignon V. (2002a), « La cointégration non linéaire: une note méthodologique », Economie et Prévision, Vol 4, n°155, pp. 117-137. Dufrénot G. et Mignon V. (2002b), Recent Developments in Nonlinear Cointegration With Applications to Macroeconomics and Finance, Kluwer Academic Publishers, 299 pages. Dumas B. (1992), « Dynamic Equilibrium and the Real Exchange Rate in a Spatially Separated World », Review of Financial Studies, N°5, pp.153-180. Eitrheim O. et Teräsvirta T. (1996), « Testing the Adequacy of Smooth Transition Autoregressive Models », Journal of Econometrics, Vol. 74,pp. 59-75. Enders W. et Granger C.W.J. (1998), « Unit-root Tests and Asymmetric Adjustment with an Example Using the Term Structure Of Interest Rates », Journal of Business and Economic Statistics, 16, pp.304-311. Enders W. et Siklos P. (2001), « Cointegration and Threshold Adjustment », Journal of Business and Economic Statistics, 19, pp.166-176. Engle R.F. et Granger C.W.J.(1987), « Cointegration and Error Correction: Representation, Estimation and Testing », Econometrica, Vol. 55, n°2, pp. 251-276. Evans G.(1991), «Pitfalls in Testing for Explosive Bubbles in Asset Prices », American Economic Review, September. Fama E.F. (1970), « Efficient Capital Markets : A Review of Theory and Empirical Work », Journal of Finance, Vol. 25, n°2, pp. 383-417. Franses P.H. et Van Dijk V.D. (2000), Nonlinear Time Series Models in Empirical Finance, Cambridge University Press, Cambridge. Froot K.A. et Obstfeld M.(1991), « Intrinsic Bubbles : the Case of Stock Price », American Economic Review, December, Vol.81, n\UNICODE[m]0xb05. Gallagher L.A. et Taylor M.P. (2001), « Risky Arbitrage, Limits of Arbitrage and Nonlinear Adjustment in the Dividend-Price Ratio », Economic Inquiry, 39, n°4, pp.524-539. Granger C.W.J. et Anderson A.P. (1978), An Introduction to Bilinear Time Series Models, Vandenhoeck & Ruprecht, Gottingen. 24 Hall S., Psaradakis Z. et Sola M. (1999), « Detecting Periodically Collapsing Bubbles : A MarkovSwitching Unit Root Test », Journal of Applied Econometrics, 14, pp-141-154. Hamilton J.D. (1994), Time Series Analysis , Princeton: Princeton University Press. Heaton J. and Lucas D.J.(2000), « Stock Prices and Fundamentals », NBER Macroeconomic Annual, pp.213-241. Jawadi F. (2001), Modélisation non-linéaire des rentabilités boursières, mémoire mineur de DEA, Université de Paris 10- Nanterre. Jawadi F. (2006), Ajustements non-linéaires des cours boursiers dans les pays du G7 : Essai de modélisation, Thèse de doctorat, Université de Paris 10-Nanterre. Jawadi F. et Koubaa Y. (2002), « Dynamique non-linéaire sur les marchés boursiers du G7 : Une application des modèles STAR », Journée d'Econométrie : Développements Récents de l'Econométrie appliquée à la Finance, 16 janvier , Université de Paris X-Nanterre. Jawadi F. et Chaouachi S.(2006), « Coûts de transaction et dynamique non linéaire des prix des actifs financiers : une note théorique », Euro Mediterranean Economics and Finance Review, à paraître. Jawadi F. et Koubaa Y. (2006), « Dynamique d'ajustement à seuil des rentabilités boursières des pays G7 : Application des modèles STECM, Euro Mediterranean Economics and Finance Review, Vol.1, n°2, Mars, pp.151-163. Johansen S. (1988), « Statistical Analysis of Cointegration Vectors », Journal of Economic Dynamics and Control, Vol. 12, pp.231-254. Kapetanios G., Shin Y. et Snell A. (2004), « Testing for Cointegration in Nonlinear STAR Error Correction Models », Working Paper n°497, Social Science Research Network (SSRN). Kilian L. et Taylor M.P.(2001), «Why is it so difficult to beat the Random Walk Forecast of Exchange Rates? », Tinbergen Institute Discussion Paper, TI n°31/4. Kirman A. (1993), « Anticipations, Rationality and Recruitment » Quarterly journal of Economics, 108, pp.137-156. Koubaa Y. (2004), Dynamique des marchés boursiers et modèles à seuil, Thèse de doctorat, Université de Paris 10-Nanterre. Lundbergh S. et Teräsvirta T. (1998), « Modelling Economic High-Frequency Time Series with STAR-GARCH Models », Working Paper Series in Economics and Finance, N°291, Stockholm School of Economics. Lutkepohl H. et Reimers H.E. (1992), « Impulse Response Analysis of Cointegrated Systems », Journal of Economic Dynamics and Control, 16, pp.53-78. Luukkonen R. et Saïkkonen P.(1988), « Lagrange Multiplier Tests for Testing Nonlinearity in Time Series Models », Scandinavian Journal of Statistic, Vol. 15, pp.65-68. Lux T. (1995), « Herd Behavior, Bubbles and Crashes », Economic Journal, 105, pp.881-896. Manzan S.(2003), Essays on Nonlinear Economic Dynamics, PhD Thesis, University of Amesterdam. Michael P., Nobay A. R. et Peel D. A. (1997), « Transaction costs and Nonlinear adjustment in Real Exchange Rates : An Empirical Investigation », Journal of Political Economy, N°105 , pp.862-879. Michael P., Peel D.A. et Taylor M.P. (1997), « Ajustement non linéaire vers le taux de change d'équilibre- le modèle monétaire revisité », Revue économique, Vol 48, N°3 , pp.653-659. Mignon V. (1998), Marchés financiers et modélisation des rentabilités boursières, 267 pages, Economica, Paris. Morel C. (1997), « Peut-on parler de bulle d'état sur le marché fra\UNICODE0xe7ais des actions : une étude théorique et empirique sur la période de 1990-1996 », Cahier de recherche n°9710, CEREG, Université de Paris 9-Dauphine. Orléan A. (1990), « Le rôle des influences interpersonnelles dans la détermination des cours boursiers », Revue économique, Vol.41, n°5, pp.839-868. Peel D. A. et Taylor M. P.(2000), « Nonlinear Adjustment, Long-run Equilibrium and Exchange Rate Fundamentals », Journal of International Money and Finance, 19, pp.33-53. Phelps, E.S. et G. Zoega (2001), « Structural Booms : Productivity Expectations and Asset Valuation », Economic Policy, 32. Pesaran M.H. et Shin Y. (1996), « Cointegration and Speed of Convergence to Equilibrium », Journal of Econometrics, 71, pp.117-143. 25 Prat G. (1984), Essai pour une formulation générale du cours du cours des actions, Economica, 286 pages, Paris. Saltoglu B. (1998), « Speed of Adjustment to the Long-Run Equilibrium : On Application with US Stock Price and Dividend Data », Applied Financial Economics, N°8, pp-367-375. Sarantis N. (2001), « Nonlinearities, Cyclical Behaviour and Predictability in Stock Markets : International Evidence », International Journal of Forecasting, N°17, pp.459-482. Scacciavillani F. (1994), « Long Memory Processes and Chronic Inflation », IMF Staff Papers, 41, pp.488-501. Shiller R. (1981), « Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends », The American Economic Review, Vol. 71, n°3, pp.421-436. Shiller R. (1984), « Stock Prices and Social Dynamics », Brookings Papers in Economic Activity, 2, pp.457-510. Shiller R.J.(1989), Market Volatility , MIT Press, 464 pages, Cambridge. Shiller R. (2000a), Irrational Exuberance, Princeton University Press, 296 pages. Shiller R.J.(2000b), «Measuring Bubble Expectations and Investor Confidence », Journal of Psychology and Financial Markets, n°1, pp.49-60. Shleiffer A. (2000), Introduction to Behavioural Finance, Clarendon Press. Summers L. M. (1986), « Does the Stock Market Rationally Reflect Fundamental Values ? » , The Journal of Finance, Vol. XLI, n\UNICODE[m]0xb03, pp. 591-601. Taylor, M.P. et Peel, D.A. (1998), « Periodically Collapsing Stock Price Bubbles : A Robust Tests », Economic Letters, 61, pp.211-218. Taylor, M.P., Peel, D.A. et L. Sarno (2001), « Nonlinear Mean-Reversion in Real Exchange Rates : Towards a Solution to the Purchasing Power Parity Puzzles », International Economic Review, 4, pp.1015-1041. Teräsvirta T. (1994), « Specification, Estimation and Evaluation of Smooth Transition Autoregressive Models «, Journal of the American Statistical Association, Vol.89, pp.208-218. Teräsvirta T. et Anderson H.M. (1992), « Characterizing Nonlinearities in Business Cycles using Smooth Transition Autoregressive Models », in Nonlinear Dynamics, Chaos and Econometrics, Edited by Pesaran M.H. and Potter S.M., pp.111-128. Van Dijk D., Teräsvirta T. et Franses P.H. (2002), « Smooth Transition Autoregressive Models- A Survey of Recent Developments », Econometric Reviews, 21, pp.1-47. Van Norden S. (1996), « Regime Switching as a Test for Exchange Rate Bubbles », Journal of Applied Econometrics, 11, pp.219-251. West K. (1987), « A Specification Test for Speculative Bubbles », Quarterly Journal of Economics, Vol.102, n°3, pp.553-580. West K. (1988), « Bubbles, Fads and Stock Price Volatility Tests : A Partial Evaluation », Journal of Finance, 43, pp.639-656. 26 Annexes : Tableau 1 : Modélisation STAR des séries de rentabilités boursières Séries, Période Franses et Dijk (1999) Van Indice Japonais : 1988-1993 Modèle retenu LSTAR Jawadi (2001) CAC40 & S&P500 : LSTAR, ESTAR, 1988-1997 et 1988- ESTR, & LSTR 2000 Sarantis (2001) Indices boursiers des LSTAR & ESTAR pays du G7, 19691999 Jawadi et Koubaa Indices boursiers des LSTAR & ESTAR pays du G7, 1988(2002) 2002 Koubaa (2004) CAC40, Dow Jones, STAR-GARCH DAX100, TSX et STAR-QGARCH & BCI STAR-GJR-GARCH 1988-2002 Justifications économiques -Noise Traders -Hétérogénéité des croyances - Hétérogénéité des anticipations - Comportements mimétiques -Noise Traders - Coûts de transaction - Hétérogénéité des anticipations - Coûts de transaction hétérogènes - Asymétrie d’information - Coûts de transaction hétérogènes - Asymétrie d’information Résultats et conclusions Supériorité du modèle STAR par rapport au modèle AR Pertinence des processus STR pour les données mensuelles. Validation des modèles STAR pour reproduire la persistance des cours boursiers. Choix des modèles ESTAR pour reproduire la dynamique NL des rentabilités boursières du Dow Jones. Choix du modèle STAR-GIR pour modéliser la dynamique du cours et du risque boursiers. 27 Tableau 2 : Résultats d’estimation des modèles STAR31 β0 Allemagne LSTAR (4,1) 0.1 (1.1) Canada LSTAR (6,2) 0.006 (1.9) Etats-Unis ESTAR (6,1) 0.007 (1.2) France ESTAR (4,3) 0.01 (1.0) UK LSTAR (4,4) -0.08 (2.1) Italie LSTAR (5,6) 0.009 (1.5) Japon LSTAR (2,2) 0.03 (0.56) β1 1.84 (5.4) 1.07 (21.3) 1.1 (12.2) 1.61 (10.9) 1.2 (17.0) 0.93 (15.4) 0.54 (3.4) β2 -1.0 (3.9) -0.13 (1.8) -0.22 (2.0) -1.0 (4.8) -0.18 (2.2) 0.11 (1.5) 0.36 (1.9) β3 0.21 (2.7) 0.1 (1.5) 0.24 (2.4) 0.54 (3.0) - - β4 - -0.14 (2.8) - -0.14 (2.5) -0.2 (2.4) - β5 - - - - β6 - - -0.17 (3.8) -0.07 (1.9) - - - 0.8 (1.5) -0.007 (0.7) 10-4 (0.003) 0.93 (2.5) -0.32 (1.2) -2.5 (3.2) -0.26 (1.8) -0.86 (5.2) -0.62 (1.5) 0.82 (2.1) Modèle (p,d) - -0.03 (0.54) 0.61 (3.3) θ1 -0.09 (1.07) -0.86 (2.5) θ2 0.92 (3.5) 2.2 (1.5) 0.35 (1.8) 1.1 (5.1) -0.83 (1.6) -1.9 (3.4) -0.55 (2.8) -2.4 (1.8) -0.41 (2.4) -0.4 (2.1) 1.1 (3.1) 2.1 (4.2) - θ4 -0.17 (2.9) - - -1.06 (2.7) -2.1 (3.5) - θ5 - 7.5 (3.7) - - 1.2 (2.4) - 0.69 (2.8) 2.5 (3.4) 2.27 (2.2) θ0 θ3 -8.5 (4.3) γ 3.38 (1.74) 0.22 (2.3) 2.8 (3.9) 0.87 (1.6) 1.61 (2.0) c -0.21 (8.2) 0.5 (4.7) 0.04 (1.6) -0.05 (2.4) 0.67 (2.5) σNL Auto(6) ARCH(6) NRNL 0.06 0.36 0.3 0.15 0.05 0.65 0.09 0.3 0.05 0.26 0.87 0.33 0.08 0.08 0.51 0.99 0.07 0.08 0.54 0.07 θ6 0.81 (10.1) 0.09 0.22 0.57 0.48 -0.21 (5.3) 0.06 0.06 0.12 0.65 Source : Sarantis (2001) 31 Note : σNL désigne l'écart-type du modèle linéaire. Auto(6) est la p-value du test d'autocorrélation d'ordre 6. ARCH(6) désigne la p-value du test ARCH d'ordre 6. JB(2) est la p-value du test de normalité de Jarque-Bera. NRNL est la p-value du test de non-linéarité omise. Les valeurs entre parenthèses désignent les statistiques du test de Student. 28 Tableau 3 : Résultats d’estimation du modèle ESTAR (3,3)32 Source : Jawadi et Koubaa (2002) Tableau 4 : Modélisation de la dynamique d’ajustement des cours boursiers Séries, Période Modèle retenu Résultats & conclusions Modèle bilinéaire Les prévisions du modèle BL sont Dufrénot et Mignon S&P500 : 1985 :1-1999 :12 « mixing ». (2002b) Modèle VAR Présence de déviations Black, Fraser et S&P500 : persistantes, Gorenewold (2003) 1947 :2-2002 :2 - Insuffisances des modèles VAR pour reproduire les déviations du cours. S&P500 : Modèle ESTAR Ajustement non-linéaire du cours Manzan (2003) 1871-1990 vers sa valeur fondamentale avec 1871-2000 retour à la moyenne notamment pour la période 1871-1990. CAC40, DAX30, Modèle à seuil à Mise en évidence de dynamiques Shively (2003) FTSE100, trois régimes non-linéaires dans les six séries NIKKEI225, boursières étudiées. S&P500 et TSE300 : 1970 :1-2000 :12 Modèle ESTAR Ajustement non-linéaire des cours Boswijk et al. S&P500 : 1871 :2003 et identification de deux régimes : (2005) un régime chartiste et un régime fondamentaliste. Ajustement non-linéaire et relation Jawadi et Koubaa CAC40, Dow Jones, Modèle ESTECM TSX et BCI de contégration à seuil « bivariée » (2006) 1987:12-2002:5 entre le DOW JONES, CAC40 et TSX avec retour à l’équilibre. Indices boursiers Modèles ESTAR, - Modélisation STAR des séries de Jawadi (2006) MSCI des pays du LSTAR et ESTECM dividendes anticipées, G7 : 1969-2005 - Ajustement non-linéaire des cours boursiers par rapport aux fondamentaux - Relation de cointégration à seuil entre le cours et sa valeur fondamentaux, - Détection des périodes de sous et sur-évaluation des indices boursiers et une mesure non-linéaire de la vitesse d’ajustement des cours boursiers vers les fondamentaux. 32 Les chiffres entre parenthèses sont respectivement les t de Student pour les paramètres estimés et les p-value pour les tests. (*) et (**) désignent la significativité des paramètres estimés aux seuils respectifs de 5% et de 10%. 29 Graphique 1 : Cours (Pt) et valeur fondamentale (P*t) du S&P500 à taux variable Source ( Black et al.(2003)) Graphique 2 : Cours et valeur fondamentale du S&P500 (Source : Manzan (2003)) Tableau 5 : Résultats du test de cointégration (test de Johansen) (Source : Jawadi et Koubaa (2006) 30 Tableau 6 : Résultats d’estimation du MCE linéaire33 (Source : Jawadi et Koubaa (2006)) Tableau 7 : Résultats d’estimation du modèle d’ajustement non-linéaire (ESTECM) (Source : Jawadi et Koubaa (2006)) 33 (*) et (**) désignent respectivement la significativité aux seuils de 5%, 10%. T-st désigne la statistique du test de Student. 31 Graphique 3 : Représentations graphiques du cours et de sa valeur fondamentale34 Canada Etats-Unis (Source : Jawadi (2006)) Graphique 5 : Représentations graphiques des fonctions de transition estimées Canada 34 Y et PFA désignent respectivement le cours et sa valeur fondamentale estimée en logarithme. 32 Etats-Unis Graphique 6 : Représentations graphiques des périodes de sur et sous-évaluation Canada Etats-Unis (Source : Jawadi (2006)) 33 Graphique 7 : Représentations graphiques des forces d’ajustement Canada Etats-Unis (Source : Jawadi (2006)) Tableau 8 : Crises boursières des indices MSCI des pays du G7 (12/1967 – 01/2003) 34 35