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

Le tableau 5 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 de l'indice du secteur des Télécommunications.

Variable	Paramètre	Value	Std. Error	t-stat	Pr(>\|t\|)
MASI Index	Equation de la moyenne
	ø1	0.000451	0.000136	3.31495	0.000917
	Equation de la variance
	Ù	0.000005	0.000001	8.85800
		0.203335	0.000000á1 0.023699	8.57972	0.000000
	â₁	0.691917	0.030949	22.35665	0.000000
	Persistance : á₁ + â₁	0.895252
Secteur Pétroles & Gaz	Equation de la moyenne
	ø₁	0.000784	0.000352	2.22904	0.025811
	Equation de la variance
	Ù	0.000008	0.000001	5.71643	0.000000
	á₁	0.078802	0.013114	6.00896	0.000000
	â1	0.892047	0.016152	55.22817	0.000000
	Persistance : á1 + â1	0.970849
MASI/ Pétroles & Gaz	Equation de la corrélation
	á??????	0.003711	0.008218	0.451610	0.651552
	â??????	0.979108	0.081109	12.07148	0.000000
	Persistance : á?????? + â?? ????	0.982819

Tableau 5 : Estimation du modèle DCC-GARCH pour l'indice principal « MASI » et l'indice sectoriel « Pétroles & Gaz».

Nous remarquons d'après le tableau 5 exhibant les paramètres du modèle DCC-GARCH (1.1) entre l'indice « MASI », le principal indice de la Bourse marocaine et l'indice sectoriel « Pétroles & Gaz», 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.

Nos résultats sont cohérents avec ceux de la théorie. Le coefficient est approximativement égal à zéro (á?????? 0), le coefficient â?????? est largement supérieur à zéro (â?????? ??? 0), et la somme de deux qui est inférieure à 1 ( _á?????? + â?????? < 1).

De plus, Ces paramètres de corrélation stimulés montrent une adhésion à la restriction qui leur est imposée, à savoir aocc + I3occ = 0.003711 + 0.979108 = 0.982819 < 1, ce qui suggère que la matrice de corrélation estimée D_t est définie positive.

Le coefficient I³occ étant égal à 0.982819 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 0.003711 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 sectoriel « Pétroles & Gaz» à l'indice principal « MASI ».

La persistance de la corrélation conditionnelle calculée à travers la somme est très importante, elle atteint 0.982819 est proche de 1.

Nos résultats montrent que le rendement de l'indice sectoriel « Pétroles & Gaz» est influencé par la volatilité de l'indice principal « MASI ». Les chocs de volatilité du marché ont un effet persistant sur le rendement de l'indice sectoriel « Pétroles & Gaz».

Au vu de ces résultats concluants, nous pouvons conclure que les deux indices sont fortement interdépendants.

La figure 5 affiche la corrélation conditionnelle dynamique entre l'indice principal « MASI » et l'indice sectoriel «Pétroles & Gaz», estimée par le modèle DCC-GARCH (1,1) :

Figure 5 : Corrélation conditionnelle dynamique entre l'indice « Pétroles & Gaz» et le « MASI » estimée par DCC-

La figure 5 illustre la corrélation conditionnelle entre l'indice sectoriel « Pétroles & Gaz» et l'indice principal « MASI », la corrélation conditionnelle estimée entre les deux indices reste en général non stable avec de faibles fluctuations, elle fluctue dans l'ensemble entre 0.2 et 0.4. On remarque aussi que la corrélation diminue vers le 4^éme trimestre de l'année 2019 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.

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

3.3.1.5. Estimation du modèle DCC-GARCH (??, ??) pour les rendements géométriques de l'indice sectoriel « Pétroles & Gaz» et l'indice principal « MASI ».