Mesure de l'interdépendance du marché boursier marocain par le modèle DCC-GARCH

2.2.3 Analyse économétrique

2.2.3.1. Accumulation de la volatilité (Volatility clustering)

La volatilité de la série du rendement géométrique change avec le temps, pour démontrer ce caractère important des séries des rendements, il est intéressant de présenter les courbes des séries de rendements géométriques.

Pour visualiser ce phénomène de fluctuation de la volatilité (cluster de volatilité) on présente les graphes des séries des rendements géométriques de l'indice « MASI » ainsi que les huit indices sectoriels.

Les figures 19 ; 20 ; 21 ; 22 ; 23 ; 24 ; 25 ; 26 et 27, affichent les clusters de volatilité de la série des rendements géométriques pour l'indice « MASI » et pour les huit indices sectoriels du marché boursier marocain.

^{Volatility clusters of "MASI"}

.^06 ^.04 ^.02 ^.00 ^-.02 ^-.04 ^-.06 ^-.08 ^-.10
	^16 17 18 19 20 21 22

Figure 19 : Clusters de volatilité sur les rendements géométriques du principal indice « MASI ».

^{Volatility clusters of "Assurances"}

.^08 ^.06 ^.04 ^.02 ^.00 ^-.02 ^-.04 ^-.06 ^-.08 ^-.10

^{16 17 18 19 20 21 22}

Figure 20 : Clusters de volatilité sur les rendements de l'indice sectoriel « Assurances ».

^{Volatility clusters of "Banques"}

.^08 ^.04 ^.00 ^-.04 ^-.08 ^-.12
	^16 17 18 19 20 21 22

Figure 21 : Clusters de volatilité sur les rendements de l'indice sectoriel « Banques ».

Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022 Page 36 sur 113

^{Volatility clusters of "Batiments et MC"}

.^08 ^.04 ^.00 ^-.04 ^-.08 ^-.12
	^16 17 18 19 20 21 22

Figure 22 : Clusters de volatilité sur les rendements de l'indice sectoriel « Bâtiment et M.C ».

^{Volatility clusters of "Promotion Immobilière"}

.^12 ^.08 ^.04 ^.00 ^-.04 ^-.08 ^-.12
	^16 17 18 19 20 21 22

Figure 23 : Clusters de volatilité sur les rendements de l'indice sectoriel «P.P Immobilière »

^{Volatility clusters of "Pétroles et Gaz"}

.^08 ^.04 ^.00 ^-.04 ^-.08 ^-.12
	^16 17 18 19 20 21 22

Figure 24 : Clusters de volatilité sur les rendements de l'indice sectoriel « Pétroles et Gaz ».

^{Volatility clusters of "Télécommunications"}

.^08 ^.04 ^.00 ^-.04 ^-.08 ^-.12
	^16 17 18 19 20 21 22

Figure 25 : Clusters de volatilité sur les rendements de l'indice sectoriel « Télécommunications ».

Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022 Page 37 sur 113

^{Volatility clusters of "Transport"}

.^12 ^.08 ^.04 ^.00 ^-.04 ^-.08 ^-.12
	^16 17 18 19 20 21 22

Figure 26 : Clusters de volatilité sur les rendements de l'indice sectoriel « Transport ».

^{Volatility clusters of "Loisirs} & ^Hôtellerie"

.^12 ^.08 ^.04 ^.00 ^-.04 ^-.08 ^-.12
	^16 17 18 19 20 21 22

Figure 27 : Clusters de volatilité sur les rendements de l'indice sectoriel « Loisirs et Hôtellerie ».

Nous observons empiriquement que de faibles variations des rendements géométriques sont généralement suivies de fortes variations et que de fortes variations sont généralement suivies de faibles variations. Nous constatons également un regroupement des extrêmes en clusters ou paquets de volatilités. Ce type de phénomène remet en cause l'hypothèse d'homoscédasticité (constance de la volatilité).

Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022 Page 38 sur 113