3.3.3. Relation entre excès de confiance et
volatilité conditionnelle des rendements du marché :
3.3.3.1. Asymétrie de la dynamique de la variance
conditionnelle :
Le phénomène d'asymétrie de
réponse de la variance conditionnelle aux chocs affectant la moyenne
conditionnelle (appelé aussi effet d'endettement) est définit par
la relation selon laquelle un choc négatif sur le rendement fait
augmenter la volatilité plus que ne le fait un choc
positif20.
Deux explications peuvent être attribuées à
ce phénomène :
· la première fait référence au levier
financier définit par le ratio emprunts/ capitaux propres.
· La deuxième explication est le concept de «
volatility feedback ».
Les processus GARCH (Generalized AutoRegressive Conditional
Heteroskedasticity) sont des processus stochastiques qui permettent de
modéliser les séries chronologiques dont la variance
instantanée dépend du passé. Cependant, les modèles
GARCH standards
20 Voir Schwert (1990) et Nelson (1991) pour plus de
détail sur le phénomène d'asymétrie de la variance
conditionnelle.
L'énigme de volatilité excessive des cours
boursiers : Explication par la finance comportementale à
travers
l'excès de confiance et le comportement grégaire.
«
Validation empirique sur la BVMT »
ne permettent pas la détection d'asymétrie des
perturbations sur la variance conditionnelle, pour ce faire on à eu
recours au modèle EGARCH (GARCH Exponentiel) proposé par Nelson
(1991) et qui permet de détecter un tel effet.
3.3.3.2. Spécification du modèle
asymétrique :
La procédure du test de la relation entre la confiance
excessive et la volatilité conditionnelle consiste à
déterminer l'effet de la composante du volume de transaction due aux
échanges des investisseurs sur-confiants sur la volatilité
conditionnelle des rendements du marché.
Nous nous proposons d'estimer le modèle
asymétrique proposé par Nelson (1991) et appliqué par
Chuang et Lee (2006) : EGARCH (1,1) suivant :
Rt = ìt + çt
çt / (Vt, çt_i, çt_2 , ... ... . . , Rt_i ,
Rt_2, ... ... .. ) ~ GED(0, ht)
ln ht = ù + fi
(|it-i|+t-ikit-i)
+ f2 ln ht_i + f3ECt + f4NECt (2.12)
Iih
Avec :
· Rt : Le rendement du marché à la date t,
· ìt : La moyenne conditionnelle de Rt à la
date t sur l'ensemble
d'informations passées,
· çt : Les résidus issus de l'équation
de la moyenne conditionnelle à la date (t),
· ht : La volatilité conditionnelle à la date
t,
· k : Le paramètre mesurant l'effet
d'asymétrie dans le processus EGARCH,
· ECt : La partie du volume de transaction motivée
par la sur confiance des investisseurs à la date t,
· NECt : La composante du volume de transaction
motivée par des facteurs
autres que l'excès de confiance à la date t,
L'énigme de volatilité excessive des cours
boursiers : Explication par la finance comportementale à
travers
l'excès de confiance et le comportement grégaire.
«
Validation empirique sur la BVMT »
· f1 : Le paramètre mesurant la volatilité
de la période précédente déterminée
par le résidu carré retardé ( å~~~
~ ),
· f : Le paramètre mesurant la relation de
récurrence entre la variance conditionnelle à la date (t)
à celle de la date précédente,
· f3 : Le paramètre mesurant l'effet de
l'excès de confiance sur la variance conditionnelle,
· f4 : Le paramètre captant l'effet des facteurs
autres que l'excès de confiance sur la variance conditionnelle.
La valeur positive (négative) du paramètre f3
implique que la volatilité conditionnelle augmente (diminue) de
manière synchrone avec le volume de transaction lié à la
confiance excessive des investisseurs. Ainsi, si le biais d'excès de
confiance permet d'expliquer la volatilité excessive conditionnelle des
rendements du marché, alors on
s'attend à ce que f3 > f4 > 0 avec f3 est
statistiquement significatif.
Tableau 2.11 : effet de l'excès de confiance sur la
volatilité conditionnelle des rendements
mensuels du marché (Période : 01 Janvier
2005- 31Décembre 2008)
Modèle : ARMA(1,0)-EGARCH(1,1)
|
Variables
|
Coefficients
|
Std.Error
|
Z- Statistic
|
Prob.
|
w
|
-2,275020***
|
0,176279
|
-12,90577
|
0,0000
|
f
|
-0,148661**
|
0,058743
|
-2,530695
|
0,0114
|
k
|
-0,129758**
|
0,052386
|
-2,476936
|
0,0133
|
f
|
-0,162290***
|
0,024673
|
-6,577727
|
0,0000
|
f3
|
-70,82283***
|
3,801153
|
-18,63193
|
0,0000
|
f4
|
0,494269**
|
0,196618
|
2,513855
|
0,0119
|
F-Statistic
|
40,35850***
|
|
0,000000
|
Log vraissemblance : ML-ARCH(Marquardt)= 28,79597
|
Distribution des résidus : GED
|
|
***, **,* : niveaux de significativité respectivement de
1%, 5% et 10%
L'énigme de volatilité excessive des cours
boursiers : Explication par la finance comportementale à
travers
l'excès de confiance et le comportement grégaire.
«
Validation empirique sur la BVMT »
Les résultats reportés au niveau du tableau
ci-dessus indique que le biais d'excès de confiance n'as pas d'effet sur
la volatilité des rendements mensuelles sur la BVMT. En
effet, la valeur négative du coefficient f3
témoigne que la volatilité conditionnelle diminue de
manière synchrone avec le volume de transactions lié à la
confiance excessive des investisseurs tunisiens. De plus, la
significativité et la positivité du coefficient f4 au seuil
de 5% ( f4 = 0,494269) renforce l'absence d'un tel effet.
L'effet asymétrique du modèle E GARCH(1,1) est mis
en évidence par le coefficient (k). Les bonnes nouvelles ont un impact
de ( f1) alors que les mauvaises nouvelles ont un
impact de (f1+k), ainsi, étant donné que le
coefficient (k) est significativement négatif (k=- 0,129758), alors
l'hypothèse d'asymétrie selon laquelle l'effet d'un choc
négatif sur les rendements fait augmenter la volatilité plus que
ne le fait un choc positif est rejetée.
Nos résultats semblent être en contradiction avec
ceux de Harris et Raviv (1993), Kandel et Pearson (1995), et Chuang et Lee
(2006) qui ont affirmé l'existence d'une relation positive entre le
volume de transactions et la volatilité conditionnelle.
L'énigme de volatilité excessive des cours
boursiers : Explication par la finance comportementale à
travers
l'excès de confiance et le comportement grégaire.
«
Validation empirique sur la BVMT »
Conclusion
Ce chapitre s'est attaché à une tentative
d'explication de l'énigme de volatilité excessive des cours
boursiers mensuels sur la BVMT à travers l'excès de confiance des
investisseurs tunisiens.
La première section de ce chapitre à mis l'accent
sur le phénomène d'excès de confiance sur les
marchés financiers à travers ses définitions, ses
caractéristiques, ses différentes formes, ses diagnostics et ses
remèdes.
La seconde section à dévoilé une revue de
la littérature concernant l'effet de l'excès de confiance sur la
volatilité des cours boursiers : la majorité des études
évoquées ont affirmé que la présence des
investisseurs sur-confiants s'accompagne d'une volatilité excessive des
cours boursiers sous forme de volume de transactions, ce dernier étant
considéré comme l'indicateur de l'excès de confiance.
Quant à la troisième section, nous avons
tenté de mener une validation empirique du l'effet constaté
théoriquement dans la section précédente sur le
marché boursier tunisien. Dans ce cadre nous avons testé dans un
premier temps, l'existence de l'excès de confiance moyennant
l'étude avancée par Chuang et Lee (2006) qui consiste à
tester l'existence
d'une relation positive entre volume de transactions et
rendements du marché en ayant recours au test de causalité au
sens de Granger (1969). Nos résultats obtenus attestent que les
investisseurs tunisiens exhibent une confiance excessive dans leurs
comportements (causalité unidirectionnelle au sens de Granger du
rendement passé vers le volume de transactions). Dans un second temps et
après avoir décomposé le volume de transaction et
déterminer le processus ARMA à retenir, nous avons testé
l'effet de la composante du volume de transaction lié à
l'excès de confiance sur la volatilité des rendements boursiers
au travers le processus ARMA(1,0)-EGARCH(1,1), les principales résultats
auxquels nous
avons aboutit témoigne l'absence d'un tel effet du fait
que le coefficient ( f3) est négatif et
le coefficient (f4) est positif ce qui est en contradiction avec
les retrouvailles de Chuang et Lee (2006).
L'énigme de volatilité excessive des cours
boursiers : Explication par la finance comportementale à
travers
l'excès de confiance et le comportement grégaire.
«
Validation empirique sur la BVMT »
| 
