Section 2 : Etude de corrélation
2.1. Définition
En probabilité et en statistique, le coefficient de
corrélation permet d'étudier l'intensité de la liaison
entre deux ou plusieurs variables. Le test de corrélation est
fondamentalement basé sur la stabilité du coefficient
â de cette régression linaire :
Yt= + Xt + t
Avec Xt et Yt représentent les
marchés de deux pays.
Ce coefficient de corrélation est calculé de
cette manière :
 = 
2.2. La corrélation : preuve de contagion
La contagion peut être définie comme
étant une augmentation significative dans le coefficient de
corrélation entre les marchés. Cette mesure a pour objet de
tester l'existence d'une augmentation significativement importante des
co-mouvements des rendements des actifs financiers entre une période de
stabilité financière et celle de crise.
2.3. Application et résultats
L'application de la corrélation entre les indices en
période normale et celle de crise nous permet de dresser les deux
tableaux suivants :
Tableau de corrélation : Période de
stabilité
|
LOG(DOW)
|
LOG(FTSE)
|
LOG(CAC)
|
LOG(MDAX)
|
LOG(NIKK)
|
|
LOG(DOW)
|
1
|
0.74
|
0.36
|
0.40
|
0.21
|
|
LOG(FTSE)
|
|
1
|
0.037
|
-0.04
|
-0.25
|
|
LOG(CAC)
|
|
|
1
|
0.91
|
0.85
|
|
LOG(MDAX)
|
|
|
|
1
|
0.94
|
|
LOG(NIKK)
|
|
|
|
|
1
|
Tableau de corrélation : Période de
crise de subprime
|
LOG(DOW)
|
LOG(FTSE)
|
LOG(CAC)
|
LOG(NIKK)
|
LOG(MDAX)
|
|
LOG(DOW)
|
1
|
0.94
|
0.92
|
-0.27
|
0.82
|
|
LOG(FTSE)
|
|
1
|
0.95
|
-0.03
|
0.77
|
|
LOG(CAC)
|
|
|
1
|
-0.11
|
0.77
|
|
LOG(NIKK)
|
|
|
|
1
|
-0.01
|
|
LOG(MDAX)
|
|
|
|
|
1
|
D'après ces deux tableaux, nous montrons l'augmentation
significative du coefficient de corrélation entre les marchés
boursiers : américain, français et allemand sauf le marché
anglais suite à la chute de Dow Jones (crash du marché
américain). Nous interprétons cette augmentation comme
étant une preuve de contagion.
| 
