|
Les ratings financiers et l'inflation( Télécharger le fichier original )par Igor Topic Université libre de Bruxelles - Licence en sciences économiques 2004 |
VII. Aspects statistiques de l'approche D/VNous avons expliqué que les chiffres issus du compte de résultat ont un effet significatif positif sur le return anormal. Nous savons également que les bénéfices, profits et autres chiffres du compte de résultats ont un effet sur V (=valeur de l'entreprise), de même que le ratio Ebitda/paiements des intérêts. Les exemples qui suivent sont basés sur un échantillon de sociétés belges, celles-ci utilisent un model de type logit/probit afin d'analyser les effets de l'information issus de différents postes au sein de l'entreprise31(*). Les variables expliquées représentent des variables binaires. La première d'entre elles correspond aux entreprises ayant constaté une innovation. La seconde représente les entreprises ayant présenté une part dans le chiffre d'affaires, dû à de nouveau produits, de plus de 10% sur l'année 2000. Parlons des avantages et des désavantages de cette régression. L'élément le plus convaincant est la présence d'un coefficient équivalant à zéro pour l'emploi. Ce coefficient permet plusieurs interprétations. La première, décisionnelle, se penche sur une analyse en terme de déclencheur. En d'autres termes, le nombre d'employé ne serait pas un déclencheur afin d'avoir une probabilité supérieur de connaître un pourcentage du chiffre d'affaire, de nouveau produits, de plus de 10%. Une autre interprétation plus économique consiste à considérer, que l'effet du nombre d'employé a été redistribué dans la régression et donc que l'analyse peut se porter sur des aspects qualitatifs du modèle. De même, cela permet de se concentrer sur les moyens de vaincre ou amplifier les effets de la constante selon que celle-ci déclenche des effets négatifs ou positifs. La première régression fait référence au moyen nécessaire pour constater une innovation entre 1997 et 2000. Voici ces résultats : Illustration 15 : Régression : Nouveau produit
Les critères d'optimisation utilisés afin de réaliser cette régression sont l'R² de McFadden ainsi que la significativité générale du modèle représenté par la probabilité (LR Stat). 1° Caractéristiques de cette analyse Nous insistons sur le fait que les variables présentes dans cette régression sont des variables portant sur l'information disponible des différentes unités de l'entreprise. Les six premières variables correspondent aux caractéristiques « d'arrière plan ». Ce sont des variables qui sont jugées pertinentes dans n'importe quelle situation présentant une analyse de l'innovation. Ensuite, ce que j'appelle le deuxième bloc, est composé des informations issues de sources verticales et horizontales à l'entreprise. Le troisième bloc représente l'information interne de l'entreprise, essentiellement celles découlant des départements marketing et comptable. L'avant-dernier bloc est constitué des informations issues de sources externes à l'entreprise comme ce que sont les informations des consultants et l'informations sur les technologies existantes. Le dernier bloc reprenant les informations les plus ouvertes que sont l'emploi et l'information des universités. 2° Résultats On retrouve les variables les plus significatives dans les blocs 1, 3, 5 ; ce qui n'est pas surprenant. L'emploi est une variable significative et son coefficient estimé est proche de zéro que ce soit pour les chiffres de 1997 ou 2000. Ce résultat nous permet de supposer que celui-ci est correctement distribué aussi bien en 1997 et 2000. De même, il ne serait pas un déclencheur pour une probabilité plus importante d'apparition de nouveau produit pour la majorité des entreprises de l'échantillon. La deuxième variable que j'ai sélectionnée est PCIP332(*) qui représente une activité moyenne de surveillance des technologies. L'interprétation est qu'une activité moyenne de surveillance est préférable à une basse ou intense. Ce résultat n'est pas étonnant si on considère la complémentarité que nécessitent certaines innovations afin que le marché puisse croître de manière convenable. Dans le même ordre d'idée, nous pouvons noter que les informations découlant d'une surveillance intense du marché ont un effet significatif. Un budget préparé intensément, est aussi un atout pour vaincre la constante de cette régression. Il semblerait également qu'une planification budgétaire basse procure des avantages dans l'apparition de nouveaux produits. La première conclusion, dans le cadre du rating, serait qu'il faudrait coupler des activités intenses aussi bien budgétaires que marketing. Néanmoins, le nombre d'employés en soi n'aurait pas d'impact sur l'apparition de nouveaux produits, néanmoins si nous considérons que l'emploi a été redistribué dans la régression, nous pouvons supposer que les coefficients représentent des indices de qualité des différentes variables binaires présentes dans la régression. Dans le même temps, il se pourrait très bien que les variables en soi représentent différents caractères. En d'autres termes, les valeurs intenses données à ces variables par les entreprises peuvent illustrer des niveaux d'informations importantes en quantités ou en qualités. Ceci est évidemment à mettre en relation avec le Sarbannes-Oxley Act 2002 qui suggérait les différents problèmes de traitement de l'information, surtout la capacité des agences à recueillir une grande partie de l'information disponible. A ce moment, des synergies sont possibles entre les entreprises présentant des formats hautement qualitatifs de représentation des données et les analystes des agences de rating. 3° Conclusion Il existe différentes manières de vaincre la constante afin d'augmenter l'output d'innovation. La première consiste à annoncer un niveau moyen de recherche des technologies disponibles ce qui contribue en soi à une augmentation du niveau d'output d'innovation, notamment car les recherches en cours peuvent être réexploitées si des complémentarités sont apparentes avec d'autres produits. Cela est confirmé par un coefficient estimé significatif positif ayant le plus grand effet pour la recherche et développement de base de laquelle découlent les produits nouveaux. Ensuite, les déclencheurs les plus importants sont des surveillances du marché intenses de même qu'un planning budgétaire du même ordre. Les ratings devraient être secoués de différentes manières par ce modèle, premièrement les types d'informations qu'ils soient qualitatifs ou quantitatifs devraient avoir un impact différent sur les ratings, notamment en ce qui concerne le temps mis par l'entreprise à sortir de la « watch list ». Pour argumenter, nous pouvons considérer que lorsque les informations sont abondantes mais diverses et éparpillées sans un objectif en soi, il est difficile à l'agence de connaître les aspects de long terme que reflète l'information disponible. Pour en finir avec ce modèle, nous pouvons considérer que celui-ci, d'après l'explication que je fournis sur la variable de connaissance des technologies existantes, serait en faveur du modèle de Krugman. Régression 2 La deuxième régression est une régression très équilibrée dans le sens où le R² obtenu est proche de 0.5 avec une constante dans la régression. Illustration 16 : Régression : Portefeuille Nouveau produit
Je m'attarde sur cette régression car une interprétation a déjà été réalisée dans le cadre d'un séminaire. Je fournis une nouvelle version ci-dessous. Cette dernière touche à des aspects technologiques et financiers. 1° Caractéristiques La principale caractéristique de ce modèle est le nombre important de variables que celui-ci comporte. Néanmoins, le R² obtenu est proche de l'équilibre dans le cadre du modèle logit réalisé. Ce modèle regroupe également les variables d'informations du premier mais nous y avons rajouté des variables de contrôle qui s'avéraient être des variables de contrôle au sens large. En rajoutant ces variables nous revenons à des aspects plus « normale » notamment en ce qui concerne le signe des coefficients. 2° Interprétation Compte tenu des caractéristiques du modèle logit dont l'interprétation des coefficients se base sur une approche relative, lorsque je parlerai de probabilité, il faudra le comprendre comme déclencheur. Revenons à cette régression, la taille et le secteur des services sont significatifs à 10%. Les secteurs représentés par les variables TECHNUM3DUM1 et TECHNUM3DUM3 sont, respectivement, les secteurs de haute et mi-haute technologie et les services. Ces deux types de sociétés sont comparées aux sociétés dont l'emploi des technologies a été classé comme le plus bas et illustré par la variable TECHNUM3DUM2. Les résultats ont montré que les sociétés de services ont une plus grande probabilité de voir une proportion de nouveaux produits dans le chiffre d'affaires de plus de 10% comparés à ceux se trouvant dans la classe inférieure. Les entreprises travaillant dans la haute technologie n'ont pour leur part pas une plus importante probabilité de voir leur portefeuille de nouveaux produits composés d' une part supérieure à 10% de leur chiffre d'affaires. Nous constatons également qu'il existe des différences entre les régions, Bruxelles est significative et la Flandre ne l'est pas. Ces deux régions sont quant à elles comparées à la Wallonie. Donc, il y a une différence significative entre Bruxelles et la Wallonie mais la Flandre n'est pas significativement différente de la Wallonie en terme de pourcentage de chiffre d'affaires, dû au portefeuille de nouveaux produits, de plus de 10%. Pour approfondir, nous disons que les entreprises situées à Bruxelles n'ont pas un déclencheur, d'apparition de portefeuille de nouveaux dans le chiffre d'affaire de plus de 10%, supérieur comparées à celles situées en Wallonie et en Flandre dans une certaine mesure. Le changement dans la taille des entreprises, qui est représenté par la variable EMPINBEL, est significatif et positif. Nous indiquons que le changement de taille qui a eu lieu entre 1997 et 2000 a eu un impact positif sur le chiffre d'affaire dû au portefeuille de nouveaux produits. Il est également intéressant de constater que la valeur moyenne d'augmentation d'emploi est positive et se situe aux alentours de 18% lorsque nous ne considérons pas les valeurs extrêmes trouvées dans la base de données. Avant de nous consacrer aux différents types de recherches qui constituent les derniers éléments de ce premier bloc, nous indiquons que l'année de création n'est pas significative afin d'avoir un portefeuille de nouveaux produits composant 10% du chiffre d'affaires. Les différents types de recherche pratiquées par l'échantillon considéré vont de la recherche de base d'où découle le plupart du temps les produits totalement nouveaux, en passant par la recherche appliquée servant justement à rendre les produits plus commerciaux, le dernier type étant le développement de produits existants. Nous rappelons que la régression considérée a un caractère commercial, de ce fait nous constatons que la recherche de base est bien significative et a un effet négatif sur le portefeuille de 10% en 2000. Donc, nous disons que lorsque le produit est créé, insister sur la recherche de base revêt un effet négatif si l'on veut que le nouveau produit ou portefeuille prennent une place satisfaisante dans le chiffre d'affaires. Les deux autres types de recherche et développement ne sont pas significatives à 10%. Une première explication de l'effet négatif constaté, est que les investissements nécessaires pour poursuivre la recherche et les développements absorbent des ressources qui auraient pu être dévouées à d'autres unités de l'entreprise. L'autre explication est qu'il pourrait y avoir un biais dans la sélection de l'échantillon et ainsi, des problèmes entre les secteurs et les variables de recherche et développement pourraient être invoquées. Ceci est néanmoins atténué par les différences faites entre les recherches. Néanmoins, un problème peut subsister avec les variables «régions». La seconde catégorie de variables est celle allant, de l'information issue du groupe représentée par GROUPINFO02, jusqu'à la variable de recrutement qui est OUTRECRU45. Ces variables sont considérées comme faisant partie des variables décisionnelles du management au sein d'une entreprise. La plupart de ces variables sont significatives excepté deux qui sont la surveillance du marché et une basse génération d'idée venant du planning budgétaire. Donc, compter sur une surveillance « souvent » ou « peu » n'est pas significativement différent que « quelquefois ». De manière générale, nous pouvons dire que la surveillance du marché est une variable importante, c'est la raison pour laquelle nous l'avons considérée. Cependant, les résultats ne nous indiquent pas si les différences d'intensité de surveillance sont importantes afin d'avoir un portefeuille composant 10% du chiffre d'affaire. D'un autre côté, nous constatons qu'un important flux d'information venant du planning budgétaire est important afin d'avoir un portefeuille de nouveaux produits de plus de 10% dans le chiffre d'affaires, ceci toujours comparé aux entreprises ayant des flux intermédiaires d'information venant du planning budgétaire. Une explication économique considére que les départements comptables, qui sont responsables de la planification budgétaire, ont une meilleure vision du pourcentage de croissance et de l'évolution des produits. Ils peuvent donc faire des recommandations en regard de la sortie de produits de certains portefeuilles ce qui rend le chiffre d'affaires de nouveaux produits supérieur. Les variables représentant les ressources humaines sont toutes significatives à 6%. Mais des interprétations différentes sont données entre les variables RECRU et OUTRECRU. D'abord, la première variable détermine si le processus de recrutement apporte de nouvelles compétences aux unités composant l'entreprise. Les résultats nous indiquent qu'apporter de nouvelles compétences a le plus grand effet lorsque cela est réalisé « occasionnellement » ou « souvent ». Nous avons réalisé un test de Wald afin de vérifier si les coefficients étaient significativement différents l'un de l'autre mais aucune conclusion de différence n'a pu être tirée.
Source: survey database + personal processing Les entreprises devraient choisir un recrutement qui soit « régulier » ou « occasionnel » mais si celui-ci est « moyen », cela consisterait en un signal ou déclencheur inférieur pour ce portefeuille de nouveaux produits. Le recrutement suivrait des étapes et l'intensité de ces étapes a de l'importance dans un contexte de constante positive pour ces nouveaux produits. Le côté pile est que les variations de cette intensité de recrutement a, dans le même contexte, un effet négatif. Pour conclure, nous pouvons admettre qu'un engagement d'une politique de recrutement est le meilleur choix dans un environnement non défavorable. Le recrutement de directeurs suit la logique inverse. Il est meilleur de réaliser un recrutement médian qu'occasionnel ou régulier. Le test de Wald réalisé n'a pu faire ressortir le plus mauvais impact.
Source: survey database + personal processing La dernière variable de cet ensemble est l'information provenant du groupe. Aussi bien une activité basse qu'une activité haute d'information venant du groupe sont significatives et ont un effet négatif comparé à une activité moyenne. Nous avons également réalisé un test afin de montrer lequel des deux à un effet moindre. Le résultat tel que donné ci-dessous ne nous permet pas de conclure à un effet moindre d'une catégorie comparée à l'autre. Illustration 19 : test groupe
Source: survey database + personal processing Le troisième ensemble de variable considère les informations venant des clients, fournisseurs, rivaux et les universités. A un niveau de 10% de significativité, un niveau élevé d'information venant des fournisseurs et rivaux sont significatifs et ont un impact positif. En d'autres termes, un niveau élevé de flux d'information de rivaux et fournisseurs est nécessaire afin de constater un augmentation de la probabilité pour atteindre 10% du chiffre d'affaires. En allant plus loin dans les significativités, les activités basses et intenses d'informations des clients sont toutes les deux significatives à 13%. Donc, des intensités basses et intenses, venant des consommateurs, ont respectivement un effet positif et négatif. La conclusion est que les clients sont une source importante d'information lorsque cela est utilisé rarement. Le test confirme une différence de coefficient.
Source: survey database + personal processing Etant donné que la significativité générale du modèle est inférieure à 5%, je choisis d'interpréter à un niveau de 13% les informations provenant des universités. Un niveau élevé tend à satisfaire un effet positif sur le portefeuille de nouveaux produits. Mais nous avons remarqué que l'introduction de la variable université dans la régression a une influence sur la signification des variables recrutements. Nous ne nous attardons pas sur ceci mais considérons simplement l'effet bénéfique de cette variable dans la régression. Le dernier ensemble de variables traite de la coopération verticale, horizontale, du groupe ainsi que des universités. L'effet de la coopération verticale est négatif et significatif alors que la littérature nous indique qu'une coopération de ce type serait bénéfique afin de réduire le risque associé aux nouveaux produits. De plus, il est logique de conclure que lorsque les fournisseurs ou clients sont impliqués dans la création d'un produit, la vente du produit s'est trouve renforcée et donc que le produit constituerait une part plus importante dans le chiffre d'affaires. Ceci n'est pas le cas dans notre régression. Le groupe paraît ne pas avoir d'effet significatif. Nous étudions, maintenant, la coopération des rivaux. Celle-ci n'est pas significative à 10% quand nous incluons la variable d'attrait de professionnel habile. Mais lorsque nous enlevons cette variable, la coopération des compétiteurs, le devient à 10%, et a un effet négatif afin de voir apparaître un portefeuille de nouveaux produits de plus de 10%. Une explication serait que la concurrence de notre échantillon est élevée et donc que la concurrence prévaut, sur les arrangements réalisés, lors de la création du produit. L'introduction de l'attrait de professionnel tend alors à diminuer. L'université est une variable non significative. La dernière variable illustre l'utilisation de la littérature des brevets comme sources d'idées et d'informations. Cette variable est significative et le signe suggère qu'une utilisation élevée par l'entreprise est la meilleure façon d'avoir un pourcentage de nouveaux produits dans le chiffre d'affaire supérieur à 10%. Le test de Wald confirme ceci.
Source: survey database + personal processing Pour conclure l'étude de cette régression, nous disons que la littérature sur les brevets est importante pour les informations qu'elle contient, notamment pour la recherche de complémentarité de produits qui pénétreraient le marché, et donc des décisions plus adéquates, concernant les nouveaux produits, seraient prises. Comme une stratégie de surveillance attendant des complémentarités.
3° Conclusion J'illustre la conclusion de cette régression par le tableau ci-dessous. Pour en revenir aux ratings et aux modèles économiques, ce modèle présente des caractéristiques allant en faveur du modèle de Von Stackelberg comme le signe positif de la constante. Néanmoins, d'autres variables permettent de conclure à une approche en faveur du modèle de Krugman comme la littérature des brevets dont la significativité est importante dans la construction de la plupart des modèles utilisant l'échantillon d'entreprises belges sélectionnées. Les liens avec les ratings suivraient les hypothèses des fusions et acquisitions énoncées plus haut. Nous pouvons également constater que les coefficients estimés sur les variables d'information ont un effet moindre que dans la première régression. De plus, si nous considérons que le modèle suit les hypothèses du modèle de Von Stackelberg, nous pouvons supposer que les flux d'information cités plus haut ont un effet réduit et donc cela confirme l'hypothèse que la plupart des variables d'information représentent des flux. De ce fait, nous pouvons supposer que la qualité des informations fournies par ces sociétés revêt une grande importance pour les agences de ratings. Illustration 22 : Schéma régression 2
VIII.Conclusion * 31 Je fournis en annexe une liste des variables utilisées * 32 Une interprétation moins économique consisterait à analyser cette variable comme la reconnaissance qu'une surveillance est bien en place dans les entreprises concernées. Etant donné que la révélation de cette information est très sensible, il est préférable de reconnaître qu'une surveillance moyenne est en place plutôt qu'aucune ce qui suggèrerait une mauvaise volonté ou une incompétence. De même qu'une surveillance accrue pourrait suggérer du copiage ou de l'espionnage. |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
