Conclusion générale
Mesurer l'interdépendance et la contagion
financière dans le marché des actions d'un pays autrement dit sa
bourse des valeurs est une tâche délicate suite au manque de
quelque données dites confidentielles dont l'accès n'est pas
public, la multitude d'indicateurs et d'outils de mesure et de quantification,
et aussi dans notre cas le nombre des sociétés cotées en
bourse et intégré dans l'un des secteurs d'activité
reconnu, d'après le dernier rapport de FMI, la majorité des
chiffres d'affaire réalisé dans le secteur même, informel.
Dans ce mémoire, nous avons essayé d'appliquer les mesures qui se
basent sur les données du marché boursier et sur seulement huit
secteurs les plus principaux.
Ce mémoire propose basée sur les données
du marché publié officiellement sur le site de la Bourse des
Valeurs de Casablanca, pour modéliser l'interdépendance de son
indice principal avec ses indices sectoriels, pour identifier et classer les
secteurs d'activité selon leur importance et son niveau de liaison.
L'interdépendance entre les différents secteurs
d'activités (prenant exemple les banques avec le secteur Bâtiments
et MC), et le phénomène de la contagion financière, sont
deux canaux fondamentaux que peuvent déclencher une crise
économique ou financière3. La mesure et l'explication
de l'interconnexion entre les indices des secteurs d'activité entre eux
et aussi avec le MAST, ainsi la structure du réseau du marché
officiel des actions marocain (B.V.C), représentent des
thématiques de recherche les plus importantes en finance.
Cependant, les secteurs d'activité en
général n'ont pas la même ampleur de transmission de risque
de crise financière ni la même importance dans l'économie
nationale, on peut comparer en aucun cas, comme exemple, le secteur
interbancaire, avec celui des Loisirs & Hôtellerie. En effet, les
modèles de modélisation doivent être capables de les
classer par cet ordre d'importance. Ce classement et l'objectif principal de
notre mémoire de recherche.
En effet, la chute de la valeur de l'actif d'un indice
sectoriel individuel risque de mettre en péril les autres indices
sectoriels du marché boursier, chaque secteur est exposé au
risque de ses propres chocs, aux chocs des valeurs des actions des autres
secteurs ainsi qu'aux chocs du marché. La chute de la valeur de chaque
indice sectoriel risque de se propager à travers le marché
boursier marocain en affectant les autres indices sectoriels du
marché.
3 Voir (Diamond et Dybvig, 1983 ; Chari et
Jagannathan, 1988) pour la ruée bancaire (Allen et Gale, 2000 ; Freixas,
Parigi et Rochet, 2000) pour la contagion bancaire
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 98 sur 113
Le but principal de ce mémoire de recherche est
d'examiner, en utilisant le modèle utilisé est le DCC GARCH
d'Engle (2002), le transfert de la volatilité et la mesure du
degré de la corrélation « la contagion » entre le
marché boursier marocain (MAST) et ses indices sectoriels durant la
période allant du 1er janvier 2016 jusqu'au 31 mai 2021. En
outre, nous avons trouvé dans tous les résultats de ce
mémoire mettent le secteur bancaire dans le premier rang des indices
sectoriels du marché boursier, chose qui est très logique pour
une économie en voie de développement comme le Maroc, qui est
liée aux institutions financières avec un degré
très haut, les résultats pour les autres secteurs peuvent
être considérés faibles et non significatifs.
Suite à la succession de plusieurs crises
financières et la gravité de leurs conséquences sur la
stabilité financière et économique des pays, les
autorités du comité de surveillance de risque systémique
de la banque centrale doivent prévoir le risque pour éviter un
scenario d'effondrement du marché boursier marocain. Elles doivent avoir
une liste qui classe les différentes indices sectoriels par ordre
d'importance systémique pour avoir une politique d'intervention et de
maitrise de propagation de risque pour éviter les conséquences de
la faillite et de la contagion à court et à long terme. La
détermination du secteur clé en termes d'importance dans le
marché boursier permettra donc de concentrer l'intervention des
autorités monétaires de Bank-Al Maghreb sur ce secteur. Les
autorités de la banque systémique doivent aussi intervenir pour
prendre les mesures prudentielles nécessaires.
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 99 sur 113
Tableau des matières
REMERCIEMENTS 2
RESUME 3
ABSTRACT 3
SOMMAIRE 4
LISTE DES ABREVIATIONS 5
LISTE DES TABLEAUX 6
LISTE DES FIGURES 8
INTRODUCTION GENERALE 10
1. CHAPITRE 1 : REVUE DE LITTERATURE 12
INTRODUCTION 13
1.1. LA VOLATILITE 14
1.2. LA TRANSMISSION DE LA VOLATILITE 15
1.3. LA CORRELATION 15
1.4. MODELE DE CORRELATION DYNAMIQUE (DCC-GARCH) 16
CONCLUSION 17
2. CHAPITRE 2 : LES FAITS STYLISES DU MARCHE BOURSIER MAROCAIN :
LA BOURSE DES VALEURS
DE CASABLANCA 18
INTRODUCTION 19
2.1. COMPLEXITE DE LA MODELISATION DES SERIES FINANCIERES 20
2.2. FAITS STYLISES DU MARCHE FINANCIER 22
2.2.1 Analyse graphique : 22
2.2.2 Analyse descriptive 25
2.2.3 Analyse économétrique 35
2.2.3.1. Accumulation de la volatilité (Volatility
clustering) 35
2.2.3.2. Analyse de l'interdépendance 38
2.3. PRE-ESTIMATION DES SERIES DES RENDEMENTS DE
L'INDICE « MASI » ET DES HUIT INDICES
SECTORIELS. 39
2.3.1 Test de non stationnarité des séries des
prix journaliers : 40
2.3.1.1. Test de non stationnarité des valeurs de
l'indice « MASI » : 40
2.3.1.2. Test de non stationnarité des valeurs du
secteur « Assurances ». 41
2.3.1.3. Test de non stationnarité des valeurs du
secteur Bancaire. 41
2.3.1.4. Test de non stationnarité des valeurs du
secteur des Télécommunications. 42
2.3.1.5. Test de non stationnarité des valeurs du
secteur « Bâtiments et Mat de construction » 43
2.3.1.6. Test de non stationnarité des valeurs du
secteur « Pétroles et Gaz ». 43
2.3.1.7. Test de non stationnarité des valeurs du
secteur « Participation et Promotion
Immobilières » 44
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 100 sur 113
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 101 sur 113
2.3.1.8. Test de non stationnarité des valeurs du
secteur « Transport ». 44
2.3.1.9. Test de non stationnarité des valeurs du
secteur « Loisirs et Hôtellerie ». 45
2.3.2 Test de stationnarité des séries des
rendements géométriques (log-return) 46
2.3.2.1. Test de stationnarité des rendements
géométriques (log-return) de l'indice « MASI » : 46
2.3.2.2. Test de stationnarité des rendements géométriques
(log-return) du secteur
« Assurances ». 46
2.3.2.3. Test de
stationnarité des rendements géométriques (log-return) du
secteur « Bancaire ».
47
2.3.2.4. Test de stationnarité des
rendements géométriques (log-return) du secteur
« Télécommunications ».
47
2.3.2.5. Test de stationnarité des rendements
géométriques (log-return) du secteur « Bâtiments
et
MC ». 48
2.3.2.6. Test de stationnarité des
rendements géométriques (log-return) du secteur «
Pétroles et
Gaz ». 48
2.3.2.7. Test de stationnarité
des rendements géométriques (log-return) du secteur P.P
Immobilières ». 49
2.3.2.8. Test de
stationnarité des rendements géométriques (log-return) du
secteur « Transport ».
49
2.3.2.9. Test de stationnarité des
rendements géométriques (log-return) du secteur « Loisirs
et
Hôtellerie ». 50
2.3.3 Test d'autocorrélation des rendements
géométriques 50
2.3.3.1. Test d'absence d'autocorrélation des
rendements géométriques de l'indice « MASI » : 51
2.3.3.2. Test d'absence d'autocorrélation des rendements
géométriques de l'indice sectoriel
« Assurances » 52
2.3.3.3. Test d'absence
d'autocorrélation des rendements géométriques de de
l'indice sectoriel
« Télécommunications » :
53
2.3.3.4. Test d'absence d'autocorrélation des rendements
géométriques l'indice sectoriel
« Participation & Promotion Immobilières
» : 54
2.3.3.5. Test d'absence d'autocorrélation des rendements
géométriques de l'indice sectoriel
« Pétroles& Gaz » 55
2.3.3.6. Test
d'absence d'autocorrélation des rendements géométriques de
l'indice sectoriel
« Bâtiments & Matériaux de
Construction » : 56
2.3.3.7. Test d'absence d'autocorrélation des
rendements géométriques de l'indice bancaire : 57
2.3.3.8. Test d'absence d'autocorrélation des
rendements géométriques de l'indice sectoriel
« Transport » 58
2.3.3.9. Test d'absence
d'autocorrélation des rendements géométriques de l'indice
« Loisirs &
Hôtellerie » : 59
2.3.4 Test
d'hétéroscédasticité 60
2.3.4.1. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice
« MASI » : 61
2.3.4.2. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice
« Assurances » : 61
2.3.4.3. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice
« Télécom » : 61
2.3.4.4. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice « P .P
Immobilières » :
62
2.3.4.5. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice «
Pétroles&
Gaz » : 62
2.3.4.6. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice sectoriel
« Bâtiments & Matériaux de
Construction » : 62
2.3.4.7. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice bancaire :
62
2.3.4.8. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice
« Transport » : 63
2.3.4.9. Test
d'hétéroscédasticité des résidus des
rendements géométriques de l'indice sectoriel
« Loisirs & Hôtellerie » : 63
CONCLUSION 64
3. CHAPITR3 : MESURE DE L'INTERDEPENDANCE DE L'INDICE « MASI
» ET LES INDICES SECTORIELS
PAR LES MODELES DCC-GARCH 65
INTRODUCTION 66
3.1. MODELES GARCH UNIVARIES 67
3.1.1 Modèle moyenne mobile MA(q)
d'ordre q 67
3.1.2 Modèle autorégressif AR(p)
d'ordre p 67
3.1.3 Modèle autorégressif moyenne mobile
ARMA (p, q) 68
3.1.4 Modèle autorégressif
héteroscedastique ARCH (p, q) 68
3.2. MODELES GARCH MULTIVARIES 71
3.2.1 Modèle CCC-GARCH 71
3.2.2 Modèle DCC-GARCH 71
3.3. MODELISATION DE LA CORRELATION CONDITIONNELLE: 74
3.3.1 Modélisation de l'interdépendance de
l'indice « MASI » et les huit indices sectoriels:
Résultats empiriques du modèle DCC-GARCH
(1, 1) : 75
3.3.1.1. Estimation du
modèle DCC-GARCH (1, 1) pour les
rendements géométriques de
l'indice sectoriel « Assurances » et l'indice
« MASI ». 75
3.3.1.2. Estimation du modèle DCC-GARCH
(1, 1) pour les rendements
géométriques de
l'indice du secteur bancaire et l'indice « MASI ».
77
3.3.1.3. Estimation du modèle DCC-GARCH (1,
1) pour les rendements géométriques de
l'indice sectoriel « Télécommunications
» et l'indice principal « MASI ». 79
3.3.1.4.
Estimation du modèle DCC-GARCH (1, 1)
pour les rendements géométriques de
l'indice sectoriel « Bâtiments et MC» et
l'indice principal « MASI ». 81
3.3.1.5. Estimation du
modèle DCC-GARCH (1, 1) pour les
rendements géométriques de
l'indice sectoriel « Pétroles & Gaz» et
l'indice principal « MASI ». 83
3.3.1.6. Estimation du
modèle DCC-GARCH (1, 1) pour les
rendements géométriques de
l'indice sectoriel « Participation et Promotion
Immobilières» et l'indice principal « MASI ».
85
3.3.1.7. Estimation du modèle DCC-GARCH (1,
1) pour les rendements géométriques de
l'indice sectoriel « Transport» et l'indice
principal « MASI ». 87
3.3.1.8. Estimation du
modèle DCC-GARCH (1, 1) pour les
rendements géométriques de
l'indice sectoriel « Loisirs &
Hôtellerie» et l'indice principal « MASI ».
89
3.4. ANALYSE DE L'INTERDEPENDANCE DU MARCHE BOURSIER (MASI ET SES
PRINCIPAUX
SECTEURS). 91
3.5. PREVISIONS DE L'INTERDEPENDANCE 93
CONCLUSION 96
CONCLUSION GENERALE 97
TABLEAU DES MATIERES 99
ANNEXE A : PROGRAMME EVIEWS 103
ANNEXE B : PROGRAMME MATLAB 106
ANNEXE C : PROGRAMME R 109
BIBLIOGRAPHIE 112
Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022
Page 102 sur 113
| 
