Section3 : Essai d'investigation
I. Données
Notre base de données est composée de onze
banques commerciales Tunisiennes cotées en bourse. Dans une
première étape, on a sélectionné les cotations
journalières des actions des banques, l'indice du marché mensuel
TUNINDEX qui a été collecté de la bourse des valeurs
mobilières et le taux mensuel du taux du marché monétaire
TMM, le taux de change mensuel USD/TND et EUR/TND ont été
collectés de la banque centrale de Tunis. La période
d'étude s'étale de janvier 2006 jusqu'à décembre
2015.
I. Modélisation 1. Le modèle
MCO
La plupart des études empiriques emploient la
méthode des moindres carrées (MCO) pour estimer l'effet de la
variation du taux d'intérêt et du taux de change sur les
rendements boursiers des banques. Ainsi, le modèle suivant est
estimée avec MCO :
57
Où
: Le rendement de l'action à l' instant t
: Le d'intérêt de marché monétaire
TMM
: Le taux de change EUR/TND
: Le taux de change USD/TND
: Le rendement de l'indice du marché du TUNIDEX
L'impact des taux d'intérêt et la
volatilité des taux de change sur les rendements boursiers des banques
exigent une compréhension non seulement de la sensibilité des
rendements de la banque et des variations des taux d'intérêt
boursiers, mais aussi de la volatilité des taux de change. Cela ne peut
pas être obtenu sans utiliser à la fois le MCO et le modèle
GARCH standard. La plupart des études empiriques utilisent MCO pour
estimer l'effet des taux d'intérêt et des variations des taux de
change sur les rendements boursiers des banques.
Tableau 1 statistiques descriptives par
variable
|
Variable
|
min
|
Mean
|
Variance
|
skewness
|
kurtosis
|
Max
|
ADF
|
|
MRK
|
-.092073
|
0.098228
|
0.001083
|
0.1485414
|
3.714132
|
0.097723
|
-8.212
|
|
FX1
|
-0.027687
|
-0.0024695
|
0.000106
|
0.6929154
|
4.415146
|
0.031230
|
-8.124
|
|
FX2
|
-0.128895
|
0.0038271
|
0.000831
|
0.6410374
|
21.87009
|
0.184318
|
-12.912
|
|
INT
|
3.16
|
4.611917
|
0.293256
|
-0.810584
|
3.086441
|
5.36
|
-12.504
|
Le tableau 1 présente les statistiques descriptives
pour les rendements des banques, l'indice du marché, le taux
d'intérêt et les taux de change.
Selon (Anil K. Bera, 1993), si l'aplatissement inconditionnel
est toujours supérieur à la distribution normale, il indique que
le processus est en leptokurtique. Ceci est la deuxième raison, la
variance conditionnelle avec le temps dépendant pour lequel le processus
ARCH est utilisé pour représenter la série
financière ou les résidus d'un modèle linéaire
définie sur des séries chronologiques financières qui
permet de passer l'estimation du modèle ARCH.
58
Concernant les statistiques de la variable MRK, on remarque
que son kurtosis est de 3.714132 > 3 ce qui montre une distribution
leptokurtique et que son skewness présente une valeur de 0.1485414 >
0 indique une distribution décalée à gauche de la
médiane, et donc une queue de distribution étalée vers la
droite.
Concernant la variable INT, on remarque que son kurtosis est
de 3.086441 > 3 ce qui entraine une distribution leptokurtique et pour le
skewness -0.8105845<0 qui donne une distribution négative indique une
distribution décalée à droite de la médiane, et
donc une queue de distribution étalée vers la gauche.
Concernant la variable FX1, la valeur de kurtosis est de
4.415146 > 3 ce qui ramène à des distributions leptokurtique
(absence d'aplatissement). Son skewness est de 0 .6929154> 0 qui entrainent
une asymétrie vers la droite.
Et finalement, pour la variables FX2, la valeur 21.87009
largement supérieur a 3 de kurtosis entraine une distribution
leptokurtique et la valeur de skewness de 0.6410374 >0 donne une
asymétrie vers la droite.
Tableau 2 statistiques descriptives par
banque
|
banque
|
Min
|
means
|
Variance
|
skewness
|
kurtosis
|
Max
|
ADF
|
|
AMEN BANK
|
-0.329616
|
0.0045913
|
0.0043652
|
-0.9824241
|
12.10087
|
0.2616032
|
-7.458
|
|
ATB
|
-0.173061
|
0.0125949
|
0.0112077
|
6.592837
|
61.08037
|
0.986621
|
-10.513
|
|
ATTIJARI
|
0.0956387
|
0.0104911
|
0.0030946
|
1.358022
|
5.547996
|
0.2035071
|
-9.282
|
|
BH
|
-0.287002
|
0.0029355
|
0.0058362
|
0.5671406
|
7.911214
|
0.3586041
|
-7.902
|
|
BIAT
|
-0.175776
|
0.0089688
|
0.0051167
|
2.719508
|
19.67728
|
0.4887058
|
-11.705
|
|
BNA
|
-0.434448
|
0.0074606
|
0.0118539
|
0.7461542
|
10.06651
|
0.5498721
|
-10.536
|
|
BT
|
-0.226745
|
0.0011463
|
0.0033132
|
-1.118523
|
7.572876
|
0.1602097
|
-9.222
|
|
BTE
|
-0.118793
|
0.0010584
|
0.0024302
|
5.458401
|
50.69409
|
0.4329268
|
-11.286
|
|
STB
|
-0.297954
|
0.0045855
|
0.008969
|
1.073696
|
7.065318
|
0.4329268
|
-8.929
|
|
UIB
|
-0.151733
|
0.0016324
|
0.0024478
|
0.3434378
|
5.1491
|
0.1974612
|
-8.753
|
|
UBCI
|
-0.318910
|
0.0020019
|
0.0062763
|
0.9831747
|
14.39619
|
0.4677647
|
-11.289
|
59
1.1 Test de normalité
Tableau 3 : Test de normalité
|
variable
|
Obs
|
Pr(skewness)
|
Pr(kurtosis)
|
Jarque bera
|
probabilité
|
|
MRK
|
1.3e +03
|
0.0275
|
0.000
|
19.30
|
0.0001
|
|
FX1
|
1.3e +03
|
0.0000
|
0.000
|
21.38
|
0.0000
|
|
FX2
|
1.3e +03
|
0.0000
|
0.000
|
22.59
|
0.000
|
|
INT
|
1.3e +03
|
0.0000
|
0.4718
|
20.59
|
0.000
|
Les tableaux 1 et 2 rapportent les statistiques descriptives
pour les rendements continûment composés des banques
individuelles, le portefeuille de la banque, du marché, des taux
d'intérêt et de taux de change.
Les valeurs de skewness, kurtosis et la P-Value de la
statistique de Jarque Bera montrent certaines asymétries dans les
variables étudiées (P_value pour les trois indices est
inférieure à 0.05). Donc, la distribution est non normale. Ainsi,
la mesure de la variance conditionnelle est la plus adéquate pour
mesurer la sensibilité de nos quatre variables en faveur des effets des
diverses nouvelles. En effet, la probabilité de Jarque-Bera est
inférieur à 0.05 pour MRK et FX1 et FX2 et INT d'où le
rejet de l'hypothèse nulle et l'acceptation de l'hypothèse
alternative d'hétéroscédasticité qui suppose
l'existence d'un effet ARCH/GARCH .
| 
