3.3.1 Modélisation de l'interdépendance
de l'indice « MAST » et les huit indices sectoriels: Résultats
empiriques du modèle DCC-GARCH (??, ??) :
Les modèles univariés de la famille GARCH sont
incapables de capturer la volatilité de manière efficace. Le
modèle DCC est un modèle beaucoup plus efficace pour traiter la
volatilité car les paramètres estimés par le modèle
DCC indiquent l'efficacité du modèle dans le marché
boursier marocain. Nous allons commencer tout d'abord par l'analyse de
l'interaction entre le « MASI » et l'indice sectoriel «
Assurances ».
3.3.1.1. Estimation du modèle DCC-GARCH (??, ??)
pour les rendements géométriques de l'indice sectoriel «
Assurances » et l'indice « MAST ».
Le tableau 1 affiche l'estimation de l'équation de la
moyenne conditionnelle, l'équation de la variance et l'équation
de la corrélation pour la série des rendements
géométriques du secteur des Assurances.
|
Variable
|
Paramètre
|
Value
|
Std. Error
|
t-stat
|
Pr(>|t|)
|
|
Masi
Tndex
|
Equation de la moyenne
|
|
ø1
|
0.000451
|
0.000136
|
3.3165
|
0.000911
|
|
Equation de la variance
|
|
Ù
|
0.000005
|
0.000001
|
8.8724
|
0.000000
|
|
á1
|
0.203335
|
0.023617
|
8.6097
|
0.000000
|
|
â1
|
0.691917
|
0.030906
|
22.3878
|
0.000000
|
|
Persistance : á1 + â1
|
0.895252
|
|
Secteur
Assurances
|
Equation de la moyenne
|
|
ø1
|
0.000383
|
0.000298
|
1.2861
|
0.198406
|
|
Equation de la variance
|
|
Ù
|
0.000015
|
0.000005
|
3.3209
|
0.000897
|
|
á1
|
0.130940
|
0.029491
|
4.4400
|
0.000009
|
|
â1
|
0.789433
|
0.045058
|
17.5202
|
0.000000
|
|
Persistance : á1 + â1
|
0.920373
|
|
Masi/
Assurances
|
Equation de la corrélation
|
|
á??????
|
0.011579
|
0.008586
|
13.4785
|
0.171505
|
|
â??????
|
0.908928
|
0.028783
|
31.5785
|
0.000000
|
|
Persistance : á?????? + â??????
|
0.0.920507
|
Tableau 1 : Estimation du
modèle DCC-GARCH pour l'indice principal « MASI » et l'indice
sectoriel « Assurances ».
Nous remarquons d'après le tableau 1 exhibant les
paramètres du modèle DCC-GARCH (1.1) entre le « MASI »,
le principal indice de la Bourse marocaine et l'indice sectoriel «
Assurances », que les coefficients du modèle de corrélation
conditionnelle DCC-GARCH sont statistiquement significatifs au seuil de 1%.
Les paramètres conjoints á?????? ????
â?????? sont plus significatifs que les paramètres individuels ??
et ?? qui sont estimés du modèle GARCH univarié. Cela
montre que la volatilité capturée par la méthode GARCH
(1,1) est sous-estimée, mais la volatilité capturée par le
modèle DCC-GARCH est plus traitée et estimée avec plus de
précision.
Cependant, les paramètres de corrélation
DCC-GARCH pour la période étudiée sont également
différents de zéro, ce qui implique que la corrélation
entre les deux cours est dynamique.
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 76 sur 113
Nos résultats sont cohérents avec ceux de la
théorie. Le coefficient est approximativement égal à
zéro
(aocc 0), le coefficient I3occ est largement supérieur
à zéro (I3occ >>> 0), et la somme de deux
qui est
inférieure à 1 ( aocc + I3occ < 1).
De plus, Ces paramètres de corrélation
stimulés montrent une adhésion à la restriction qui leur
est imposée, à savoir aocc + I3occ = 0.011579 + 0.908928 =
0.920507 < 1, ce qui suggère que la matrice de corrélation
estimée Dt est définie positive.
Le coefficient I3occ étant égal à
0.920507 est proche de la valeur de 1, cette valeur du coefficient beta montre
une forte corrélation conditionnelle entre les deux indices. Le
coefficient aocc étant égal à 0.011579
est proche de 0. D'autre part, les deux coefficients sont
statistiquement significatifs( p - value < 5%), cette significativité
des coefficients confirme la sensibilité de l'indice « Assurances
» « MASI ».
La persistance de la corrélation conditionnelle
calculée à travers la somme de aocc et RDcc et est
très importante, elle atteint 0.920507 est proche de 1.
Nos résultats montrent que le rendement l'indice
sectoriel « Assurances », est influencé par la
volatilité de l'indice MASI. Les chocs de volatilité du
marché ont un effet persistant sur le rendement du cours du secteur des
assurances. Au vu de ces résultats concluants, nous pouvons conclure que
les deux indices sont fortement interdépendants.
La figure 1 affiche la corrélation conditionnelle
dynamique entre l'indice principal « MASI » et l'indice sectoriel
« Assurances », estimée par le modèle DCC-GARCH (1,1)
:
MASI-ASS
|
.6 .5 .4 .3
.2 .1
|
|
|
16 17 18 19 20 21 22
|
Figure 1 : Corrélation
conditionnelle dynamique entre l'indice « Assurances » et le «
MASI » estimée par le modèle DCC-GARCH(1,1).
La figure 1 illustre la corrélation conditionnelle
entre l'indice « Assurances » et le « MASI », la
corrélation conditionnelle estimée entre les deux indices reste
en général non stable avec de faibles fluctuations, elle fluctue
dans l'ensemble entre 0.25 et 0.45. On remarque aussi que la corrélation
diminue vers le 1er trimestre de l'année 2017 jusqu'au
0.11.
Il est clair qu'il existe une corrélation dynamique
conditionnelle entre les deux indices qui évolue en fonction du temps
bien le coefficient est parfois grand et parfois petit.
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 77 sur 113
| 
