Introduction
La modélisation et la prévision de la
volatilité ainsi que la corrélation sont des thématiques
qui présent un intérêt important pour les chercheurs,
praticiens et les universitaires, surtout les derniers décennies, et qui
ont devenu un domaine fertile de recherche. La volatilité et la
corrélation sont deux concepts complexes et primordiales en finance,
ayant une grande importance surtout dans les opérations de mesure de
l'incertitude (pour la volatilité) et d'interdépendance (pour la
corrélation) dans des différentes phénomènes
financières tels que l'optimisation de portefeuille, la gestion des
risques, l'évaluation des instruments financiers. Un nombre assez
important des articles, consacrés à la modélisation de la
volatilité conditionnelle et la corrélation dynamique, ont
été rédigés et publiés par des
académiciens et des chercheurs dans les dernières
années.
Les modèles GARCH univariés traitent la
volatilité de chaque actif, par contre les modèles GARCH
multivariés permettent de modéliser à la fois la
corrélation dynamique et la volatilité.
Dans les domaines de l'étude de la stabilité
financière, la mesure de l'interdépendance permet de
déterminer les secteurs ou institutions ayant une importante influence
dans un système financier donné. La mesure de
l'interdépendance peut classer des secteurs d'activité en
fonction de l'interdépendance de leurs cours avec l'indice principal du
pays.
Le présent chapitre met en évidence les
relations d'interdépendance entre le principal indice de la Bourse
Marocaine « MAST » et les indices des primordiaux secteurs
d'activité de l'économie nationale choisis dans notre
échantillon.
L'objectif principal de ce chapitre est d'analyser
l'interdépendance de l'indice principal et des huit indices sectoriels
de notre étude, en utilisant le modèle DCC-GARCH. On a
utilisé une fréquence quotidienne de données dans notre
échantillon, est qui étalée du 01 janvier 2016
au 31 mai 2022, hors les jours
fériés.
Nous allons décrire les fondements théoriques
des modèles GARCH univariés et multivariés, nous
détaillons en particulier le modèle de Corrélation
Conditionnelle Dynamique « DCC-GARCH » qui nous permettra de
prévoir les relations d'interdépendance sur le court terme entres
les cours.
Dans la dernière section, nous présentons les
résultats obtenus à partir de la mise en oeuvre du modèle
DCC-GARCH. Nous présentons les résultats empiriques des
estimations du modèle DCC-GARCH (1.1) obtenus pour chaque indice
sectoriel et faire une conclusion en fournissant une brève comparaison
des résultats et nous ferons aussi une prévision de
la corrélation future pour chaque indice sur un horizon de
100 jours suivant le 31/05/2022 (la date de la dernière observation de
notre mémoire).
Les résultats empiriques indiquent des degrés
variables d'interdépendance entre les indices sectoriels et le principal
indice de la Bourse marocaine (B.V.C), et que le secteur bancaire
s'avère un secteur de grande importance systémique
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 67 sur 113
3.1. Modèles GARCH univariés
| 
