View
212
Download
0
Category
Preview:
Citation preview
INSTITUT AFRICAIN DE MANAGEMENT
Projet Econométrie Financière sur Eviews
Année académique : 2012/2013 PROFESSEUR : Mr BABACAR SENE
EXPOSANTS
Mamadou Moustapha DIAGNE 208968 MASTER 1 FINANCE
Mass CISS 206305 MASTER 1 FINANCE
Abdou NDIAYE 206201 MASTER 1 FINANCE
Daouda FAYE 208705 MASTER 1 FINANCE
Mamadou Moustapha DIAGNE 208968 MASTER 1 FINANCE
Année académique : 2013/2014 PROFESSEUR : Mr BABACAR SENE
PROFESSEUR DE FINANCE
THEME : EVALUATION DU TAUX DE RENTABILITE EXIGE PAR LES ACTIONNAIRES
DANS LE MODELE DU MEDAF
SOMMAIRE
INTRODUCTION
I. ETUDE DU PROJET
II. RECOMMANDATIONS AUX INVESTISSEURS
CONCLUSION
BIBLIOGRAPHIE
INTRODUCTION
Considérée comme un outil d’aide financière, l’économétrie intervient dans plusieurs domaines notamment dans la gestion des portefeuilles, la gestion des risques ou la prévision des marchés et des actifs par l’emploi des tests de modélisations économiques.
C’est dans ce sens que certains investisseurs utilisent le Béta qui leur permet de procéder à l’étude de la volatilité du prix d’un actif sur celle des prix du marché .Le Béta est aussi considéré comme un indicateur utile pour mettre en place une stratégie de diversification des risques.
Les opportunités d’investissements dans l’UEMOA : L’Union Economique et Monétaire Ouest Africaine (UEMOA) représente un marché de plus de 80 millions de consommateurs et dotée d’une monnaie unique, le Franc CFA. L’UEMOA a un PIB de plus de 18 000 milliards de FCFA et un taux de croissance supérieur à 4%. (Source hodar conseil).
Le CAC 40 (Cotation Assistée en Continu) est le principal indice boursier de la place de Paris. Son code ISIN est FR0003500008 et son code mnémonique est PX1.
Créé avec 1 000 points de base au 31 décembre 1987 par la Compagnie des agents de change, l'indice CAC 40 est déterminé à partir des cours de quarante actions cotées en continu sur le premier marché parmi les cent sociétés dont les échanges sont les plus abondants sur Euronext Paris qui fait partie de Euronext, la première Bourse européenne. Ces sociétés, représentatives des différentes branches d'activités, reflètent en principe la tendance globale de l'économie des grandes entreprises françaises et leur liste est revue régulièrement pour maintenir cette représentativité
Le CAC 40 a repassé à la hausse les 6 000 points le 2 mai 2007, après une hausse de 150 % en quatre ans environ puis atteint le 1er juin 2007 6 168,15 points. Mi-juillet 2007, l'indice représentait environ 70 % de la capitalisation totale de la Place de Paris, soit 1 300 milliards d'euros. Au début 2008, la capitalisation est d'un peu moins de 1 000 milliards d'euros.
Le lundi 21 janvier 2008, le CAC 40 chute fortement et il revient sous les 4 200 en juillet puis sous les 3 200 au 10 octobre. On peut parler d'unecrise boursière puisque le CAC 40 a cédé plus de 43,5 % depuis début janvier 2008 et près de 22 % dans la seule semaine du 6 au10 octobre 2008.
Le lundi 13 octobre 2008 l'indice progressait de 11,18 % à 3 531,50 points, la plus forte progression quotidienne depuis sa création. Ce record survenait peu après le record inverse de la plus forte chute : le lundi 6 octobre 2008, le CAC 40 clôturait en baisse de 9,04 % à 3 711,98 points. Le 24 novembre 2008, le CAC 40 enregistre la deuxième meilleure progression de son histoire (+ 10,09 %) à 3 172,11 points. Cependant, avec une chute de 42,68 % sur l'ensemble de l'année 2008, le CAC 40 a connu la pire année de son histoire3. Sa capitalisation boursière au3 août 2011 est de 873 milliards d'euros.
Pour faire l’étude du projet, nous mettrons l’accent sur le taux de rentabilité moyen et ensuite présenter le MEDAF et pour terminer donner quelques recommandations aux investisseurs avant de conclure.
1. Estimation du rendement moyen et le risque de chaque entreprise et de l’indice
Rt-1,t = Pt –Pt-1+Dt/Pt-1 , dans ce cas Dt=0 donc Rt-1,t = Pt –Pt-1 /Pt-1
RRENAULT
RORANGE RTOTAL RCREDITAGRICOL
RCAC40 RAXA
Mean -0.000557 0.000189 0.003500 -0.000576 -0.000527 -0.000669 Median 0.000000 0.000000 -0.000925 -0.000338 -0.000845 -0.000990 Maximum 0.051515 0.086760 3.105572 0.068776 0.032799 0.053679 Minimum -0.066268 -0.050420 -0.033414 -0.068340 -0.024736 -0.042790 Std. Dev. 0.013802 0.013333 0.111731 0.013504 0.008339 0.013760 Skewness -0.040134 0.612875 27.48893 0.179370 0.428020 0.291261 Kurtosis 4.369045 6.936174 763.7051 5.975822 4.132149 3.803711
Jarque-Bera 61.12365 552.3679 18905080 291.9868 64.63396 31.81640 Probability 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
Observations 780 780 780 780 770 775
2. Tests de normalité pour chaque variable
Elements ORANGE CREDITAGRICOL
CAC40 AXA TOTAL RENAULT
Skewness -0.195349 0.636084 0.305073 0.345004 -0.832746 0.365608 Kurtosis 2.029718 1.899346 1.662747 1.575838 2.438475 2.017808
D’après Skewness et Kurtosis de chaque variable, la loi normale n’est pas vérifiée.
3. Calcul des différentes primes de risque
On a taux annuel= 3% ,
taux journalier : rjaaa=(1+ra
aaa)1/252-1
Pour les primes de risque soit
Si Pi¿0 le titre bat l’actif sans risque
Si Pi<¿0 l’actif sans risque bat le titre
Elements PTOTAL PRENAULT
PORANGE PCREDITAGRICOL
PCAC40 PAXA
Mean 0.003383 -0.000674 7.16E-05 -0.000694 -0.000644 -0.000786
a/ Total : le titre bat l’actif sans risque
b/Renault : l’actif sans risque bat le titre
c/ Orange : le titre bat l’actif sans risque
d/ Creditagricol : l’actif sans risque bat le titre
e/ Axa : l’actif sans risque bat le titre
4. Estimation des Bêtas des entreprises
Rti-rm
aaa=β(Rtm-raaa
m)+α+£t
a/ Dependent Variable: PAXAMethod: Least SquaresDate: 03/27/14 Time: 16:18Sample(adjusted): 2 771Included observations: 770 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 0.594246 0.055576 10.69252 0.0000C -0.000349 0.000465 -0.750798 0.4530
R-squared 0.129577 Mean dependent var -0.000731
Adjusted R-squared 0.128444 S.D. dependent var 0.013766S.E. of regression 0.012852 Akaike info criterion -
5.868079Sum squared resid 0.126849 Schwarz criterion -
5.856010Log likelihood 2261.210 F-statistic 114.3301Durbin-Watson stat 1.976930 Prob(F-statistic) 0.000000
βaxa=0,59
b/ Dependent Variable: PCREDITAGRICOLMethod: Least SquaresDate: 03/27/14 Time: 16:19Sample(adjusted): 2 771Included observations: 770 after adjusting endpoints
Variable Coefficien Std. Error t-Statistic Prob.
tPCAC40 -0.029017 0.058652 -0.494729 0.6209
C -0.000702 0.000490 -1.432874 0.1523R-squared 0.000319 Mean dependent var -
0.000684Adjusted R-squared -0.000983 S.D. dependent var 0.013556S.E. of regression 0.013563 Akaike info criterion -
5.760347Sum squared resid 0.141278 Schwarz criterion -
5.748279Log likelihood 2219.734 F-statistic 0.244757Durbin-Watson stat 2.085588 Prob(F-statistic) 0.620933
βcreditagricol=-0,029
c/ Dependent Variable: PORANGEMethod: Least SquaresDate: 03/27/14 Time: 16:20Sample(adjusted): 2 771Included observations: 770 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.146171 0.057305 -2.550735 0.0109C 2.62E-05 0.000479 0.054642 0.9564
R-squared 0.008401 Mean dependent var 0.000120Adjusted R-squared 0.007109 S.D. dependent var 0.013299S.E. of regression 0.013252 Akaike info criterion -
5.806788Sum squared resid 0.134867 Schwarz criterion -
5.794719Log likelihood 2237.613 F-statistic 6.506248Durbin-Watson stat 1.917401 Prob(F-statistic) 0.010943
βorange=-0,14
d/ Dependent Variable: PRENAULTMethod: Least SquaresDate: 03/27/14 Time: 16:21Sample(adjusted): 2 771Included observations: 770 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.008610 0.059925 -0.143672 0.8858C -0.000704 0.000501 -1.406506 0.1600
R-squared 0.000027 Mean dependent var -0.000699
Adjusted R-squared -0.001275 S.D. dependent var 0.013849S.E. of regression 0.013857 Akaike info criterion -
5.717393Sum squared resid 0.147478 Schwarz criterion -
5.705324Log likelihood 2203.196 F-statistic 0.020642Durbin-Watson stat 1.977945 Prob(F-statistic) 0.885797
βrenault=-0,008
e/
βDependent Variable: PTOTALMethod: Least SquaresDate: 03/27/14 Time: 16:23Sample(adjusted): 2 771Included observations: 770 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.214479 0.486512 -0.440850 0.6594C 0.003267 0.004066 0.803451 0.4220
R-squared 0.000253 Mean dependent var 0.003405Adjusted R-squared -0.001049 S.D. dependent var 0.112446S.E. of regression 0.112505 Akaike info criterion -
1.529052Sum squared resid 9.720784 Schwarz criterion -
1.516984Log likelihood 590.6852 F-statistic 0.194349Durbin-Watson stat 1.975162 Prob(F-statistic) 0.659446
total=-0,21
Présentation du MEDAF
Le MEDAF est utilisé pour calculer le taux de rentabilité exigé par les actionnaires, et plus généralement le taux de rentabilité sur un actif (en particulier les actions) compte tenu de son risque. Il se fonde sur l'hypothèse de base que les investisseurs cherchent à maximiser la rentabilité de leur investissement en portefeuille en minimisant leur risque, ce dernier étant approché au travers de la volatilité de la rentabilité.
Le cours d'une action fluctue sous l'influence de deux facteurs de risques :- le risque de marché (ou risque systématique ou risque non diversifiable) qui est dû au fait que le cours d'une action a tendance à suivre le mouvement général observé sur le marché.- le risque spécifique (ou risque intrinsèque ou risque diversifiable), correspondant à l'ensemble des évènements qui sont propres à une entreprise donnée (situation sociale, qualité de la gestion, départ du dirigeant, société non cotée (prime d’illiquidité,…).
Un portefeuille composé de titres d'un seul émetteur est nettement plus volatil qu'un portefeuille diversifié, puisque l'évolution du portefeuille en valeur dépend uniquement de celle du titre de l'émetteur.La détention d'un nombre important de titres diversifiés permet donc aux investisseurs de réduire le risque au maximum en éliminant les risques spécifiques à une entreprise.Le risque de marché "actions", ne pouvant être éliminé, sera déterminé par le MEDAF.Ce modèle pose en effet comme hypothèse l'existence d'un portefeuille diversifié.
Le coût moyen pondéré du capital est le taux de rentabilité minimal exigé par les pourvoyeurs de fonds (actionnaires et créanciers financiers) pour financer les projets d'une entreprise. C'est le coût de financement global de l'entreprise.
Le MEDAF repose tout de même sur la théorie des marchés à l'équilibre dans lequel un investisseur dispose d'un portefeuille diversifié, éliminant ainsi le risque propre à chaque entreprise.Dans le cadre d'une évaluation, il convient de rajouter le risque spécifique de l'entreprise (facteur humain, concurrentiel, sociétés non cotées, taille,…).
Le bêta représente la sensibilité de la rentabilité de l'action considérée en fonction de l'évolution de la rentabilité moyenne du marché. Il reflète la façon dont la société réagit aux aléas de la conjoncture.
Pour valider le MEDAF sur les données du marché il faut faire des tests d’hypothèses
1er test :Significativité de β
H0 :β=0 Si on accepte H0, β est non significatif
H1 :β≠0 Si on accepte H1, β est significatif
2eme test : Significativité de α
H0 :α=0 Si on accepte H0, α est non significatif
H1 : :α≠0 Si on accepte H1, α est significatif
Pour valider le Medaf il faut que β soit significatif et α soit non significatif
Le MEDAF explique la réalisation de l’équilibre du marché par l’offre et la demande pour chaque titre. Il permet de déterminer la rentabilité d’un actif par son risque systémique.
5. Tests de significativité
H0 : β=0 Si on accepte H0, β est non significatif
H1 :β≠0 Si on accepte H1, β est significatif
.βaxa=0,59
Probabilité β =0.00 < 5% on accepte β≠0 α= -0.00034
Probabilité α= 0.4530 >5%
On dira que β est significatif ; α est non significatif, alors le MEDAF est valide pour le titre axa..βcreditagricol =-0,02
Probabilité β=0.62 > 5% on accepte β=0
α= -0.0007 Probabilité α= 0.1523 > 5%
On dira que β n’est pas significatif alors le MEDAF n’est pas valide pour le titre crédit agricol.
.βorange=-0,14
Probabilité β= 0.0109 < 5% on accepte β≠0
α= 2.62E-05Probabilité α= 0.9564 > 5%
On dira que β est significatif ; α est non significatif, alors le MEDAF est valide pour le titre orange.
.βrenault=-0,008
Probabilité β= 0.88 > 5%
α= -0.0007Pro α= 0.16 > 5%
on dira que β n’est pas significatif alors le MEDAF n’est pas valide pour le titre Renault.
.βtotal=-0,21
probabilité β= 0.6594 > 5%
α= 0.003267pro α= 0.003267 < 5%On dira que β est non significatif ; α est significatif, alors le MEDAF n’est pas valide pour le titre total.
6. Elaboration des modèles robustes
.Pour Axa
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 0.594246 0.055576 10.69252 0.0000C -0.000349 0.000465 -0.750798 0.4530
. Pour Orange
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.146171 0.057305 -2.550735 0.0109C 2.62E-05 0.000479 0.054642 0.9564
7. Ecriture linéaire des deux modèles
.Pour Axa : PAXA = 0.5942458414*PCAC40 - 0.0003487649621
. Pour Orange : PORANGE = -0.1461707151*PCAC40 + 2.617226395e-05
8. Caractères des titres On a : βaxa=0,59
βcreditagricol=-0,02
βorange=-0,14
βrenault=-0,008
βtotal=-0,21
D’où tous les titres sont défensifs car leur β<1, par conclusion on peut dire que leur rendement évolue plus lentement que celui du marché.
9. Evaluation du risque systématique et du risque spécifique de chaque action
Risque Systématique de l‘action Axa
0
20
40
60
80
-0.025 0.000 0.025
Series: ResidualsSample 2 771Observations 770
Mean -4.60E-19Median 4.65E-05Maximum 0.045283Minimum -0.044637Std. Dev. 0.012843Skewness 0.003003Kurtosis 3.802704
Jarque-Bera 20.67352Probability 0.000032
La volatilité de l’action Axa est égal 0.012
Risque spécifique de l’action Axa
0
20
40
60
80
16 18 20 22 24 26 28 30
Series: AXASample 1 776Observations 776
Mean 22.43914Median 20.85500Maximum 31.13000Minimum 15.77000Std. Dev. 4.805355Skewness 0.345004Kurtosis 1.575838
Jarque-Bera 80.97392Probability 0.000000
Risque systématique de l’action crédit agricol
0
20
40
60
80
100
120
140
-0.06 -0.04 -0.02 0.00 0.02 0.04 0.06
Series: ResidualsSample 2 771Observations 770
Mean 1.31E-18Median 0.000242Maximum 0.069848Minimum -0.067851Std. Dev. 0.013554Skewness 0.182723Kurtosis 6.003234
Jarque-Bera 293.6577Probability 0.000000
Risque spécifique de l’action Crédit Agricol
0
20
40
60
80
20 22 24 26 28 30 32 34 36
Series: CREDITAGRICOLSample 1 781Observations 781
Mean 25.02192Median 22.76000Maximum 36.04000Minimum 18.93000Std. Dev. 4.800807Skewness 0.636084Kurtosis 1.899346
Jarque-Bera 92.08803Probability 0.000000
Risque systématique de l’action Orange
0
20
40
60
80
100
120
140
-0.04 -0.02 0.00 0.02 0.04 0.06 0.08
Series: ResidualsSample 2 771Observations 770
Mean -4.39E-19Median -0.000166Maximum 0.085637Minimum -0.050841Std. Dev. 0.013243Skewness 0.637992Kurtosis 6.954453
Jarque-Bera 553.9456Probability 0.000000
Risque spécifique de l’action Orange
0
20
40
60
80
16 18 20 22 24 26
Series: ORANGESample 1 781Observations 781
Mean 20.99451Median 20.99000Maximum 25.83000Minimum 15.73000Std. Dev. 2.489515Skewness -0.195349Kurtosis 2.029718
Jarque-Bera 35.60354Probability 0.000000
Risque systématique de l’action Renault
0
20
40
60
80
100
120
140
-0.06 -0.04 -0.02 0.00 0.02 0.04
Series: ResidualsSample 2 771Observations 770
Mean -1.71E-19Median 0.000498Maximum 0.052103Minimum -0.065757Std. Dev. 0.013848Skewness -0.036746Kurtosis 4.361227
Jarque-Bera 59.62174Probability 0.000000
Risque spécifique de l’action Renault
0
20
40
60
80
100
50 60 70 80 90 100
Series: RENAULTSample 1 781Observations 781
Mean 72.42087Median 69.55000Maximum 97.85000Minimum 51.85000Std. Dev. 11.43908Skewness 0.365608Kurtosis 2.017808
Jarque-Bera 48.79223Probability 0.000000
Risque systématique de l’action Total
0
100
200
300
400
500
600
0.0 0.5 1.0 1.5 2.0 2.5 3.0
Series: ResidualsSample 2 771Observations 770
Mean 1.10E-18Median -0.004338Maximum 3.101451Minimum -0.039050Std. Dev. 0.112431Skewness 27.31342Kurtosis 753.9599
Jarque-Bera 18188841Probability 0.000000
Risque spécifique de l’action Total
0
20
40
60
80
100
120
140
60 80 100 120 140 160 180 200 220
Series: TOTALSample 1 781Observations 781
Mean 155.5146Median 164.3000Maximum 228.4000Minimum 46.85000Std. Dev. 58.07161Skewness -0.832746Kurtosis 2.438475
Jarque-Bera 100.5269Probability 0.000000
Le risque spécifique de chaque titre
RTOTAL RRENAULT
RORANGE RCREDITAGRICOL
RCAC40 RAXA
Mean 0.003500 -0.000557 0.000189 -0.000576 -0.000527 -0.000669 Median -0.000925 0.000000 0.000000 -0.000338 -0.000845 -0.000990 Maximum 3.105572 0.051515 0.086760 0.068776 0.032799 0.053679 Minimum -0.033414 -0.066268 -0.050420 -0.068340 -0.024736 -0.042790 Std. Dev. 0.111731 0.013802 0.013333 0.013504 0.008339 0.013760 Skewness 27.48893 -0.040134 0.612875 0.179370 0.428020 0.291261 Kurtosis 763.7051 4.369045 6.936174 5.975822 4.132149 3.803711
Jarque-Bera 18905080 61.12365 552.3679 291.9868 64.63396 31.81640
Probability 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
Observations 780 780 780 780 770 775
-1
0
1
2
3
4
100 200 300 400 500 600 700
RTOTAL
-0.08
-0.06
-0.04
-0.02
0.00
0.02
0.04
0.06
100 200 300 400 500 600 700
RRENAULT
-0.06
-0.04
-0.02
0.00
0.02
0.04
0.06
0.08
0.10
100 200 300 400 500 600 700
RORANGE
-0.08
-0.06
-0.04
-0.02
0.00
0.02
0.04
0.06
0.08
100 200 300 400 500 600 700
RCREDITAGRICOL
-0.03
-0.02
-0.01
0.00
0.01
0.02
0.03
0.04
100 200 300 400 500 600 700
RCAC40
-0.06
-0.04
-0.02
0.00
0.02
0.04
0.06
100 200 300 400 500 600 700
RAXA
On a Ecart-type (Total=11,17%) > Ecart-type (Renault=1,38%) > Ecart-type(Axa=1, 37%)> Ecart-type(Creditagricol=1,35%)> Ecart-type(Orange=1,33%)> Ecart-type(CAC40=0,83%)
10/L’action la plus liée au marché en matière de risque :
Dans cette étude, l’action la plus liée au marché en matière de risque est l’action Total étant donné qu’elle a l’écart-type le plus élevé.
11/ le taux de rentabilité exigé moyen de chaque action
RTOTAL RRENAUL
TRORANGE RCREDITA
GRICOLRCAC40 RAXA
Mean 0.003500 -0.000557 0.000189 -0.000576 -0.000527 -0.000669
Moyenne RTotal=0,35% journalierMoyenne RRenault= -0,055% journalierMoyenne ROrange= 0,018% journalierMoyenne RCrédit agricol=-0,057% journalierMoyenne RCac40= -0,052% journalierMoyenne RAxa= -0,066% journalier
Moyenne RTotal> moyenne ROrange> moyenne RCac40> moyenne RRenault> moyenne RCréditagricol> moyenne RAxa
12/ les titres les plus rémunérés
Les titres les plus rémunérés que nous pouvons citer sont: les titres TOTAL et Orange.
13/ Estimation des bêtas annuels
A/ AXA 2004Dependent Variable: PAXAMethod: Least SquaresDate: 03/27/14 Time: 13:01Sample(adjusted): 2 252Included observations: 251 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 0.085017 0.107228 0.792859 0.4286C -0.000109 0.000940 -0.116279 0.9075
R-squared 0.002518 Mean dependent var -0.000135
Adjusted R-squared -0.001488 S.D. dependent var 0.014879S.E. of regression 0.014891 Akaike info criterion -
5.568243Sum squared resid 0.055210 Schwarz criterion -
5.540152Log likelihood 700.8146 F-statistic 0.628625Durbin-Watson stat 2.094174 Prob(F-statistic) 0.428615
2005Dependent Variable: PAXAMethod: Least SquaresDate: 03/27/14 Time: 13:28Sample(adjusted): 2 260Included observations: 259 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 1.130244 0.084101 13.43911 0.0000C -0.000616 0.000577 -1.067051 0.2869
R-squared 0.412719 Mean dependent var -0.001680
Adjusted R-squared 0.410434 S.D. dependent var 0.011986S.E. of regression 0.009204 Akaike info criterion -
6.530768Sum squared resid 0.021769 Schwarz criterion -
6.503302Log likelihood 847.7344 F-statistic 180.6098Durbin-Watson stat 1.863556 Prob(F-statistic) 0.000000
2006Dependent Variable: PAXAMethod: Least SquaresDate: 03/27/14 Time: 13:43Sample(adjusted): 2 259Included observations: 258 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 0.744675 0.084654 8.796652 0.0000C 0.000112 0.000786 0.142730 0.8866
R-squared 0.232110 Mean dependent var -0.000376
Adjusted R-squared 0.229110 S.D. dependent var 0.014350S.E. of regression 0.012599 Akaike info criterion -
5.902654Sum squared resid 0.040637 Schwarz criterion -
5.875112Log likelihood 763.4424 F-statistic 77.38108Durbin-Watson stat 1.905259 Prob(F-statistic) 0.000000
Commentaire
Le Bêta de la variable Axa a augmenté entre 2004 et 2005 passant de 0,085 à 1,13. Il va chuter de 2005 à 2006 pour se retrouver à 0,74. Le bêta est offensif en 2005 et Défensifs en 2004 et 2006.
B/ Créditagricol
2004Dependent Variable: PCREDITAGRICOLMethod: Least SquaresDate: 03/27/14 Time: 13:04Sample(adjusted): 2 252Included observations: 251 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.141519 0.096033 -1.473648 0.1418C -0.000652 0.000842 -0.773727 0.4398
R-squared 0.008646 Mean dependent var -0.000609
Adjusted R-squared 0.004665 S.D. dependent var 0.013367S.E. of regression 0.013336 Akaike info criterion -
5.788779Sum squared resid 0.044284 Schwarz criterion -
5.760688Log likelihood 728.4918 F-statistic 2.171640Durbin-Watson stat 2.177285 Prob(F-statistic) 0.141839
2005Dependent Variable: PCREDITAGRICOLMethod: Least SquaresDate: 03/27/14 Time: 13:29Sample(adjusted): 2 260Included observations: 259 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 0.022322 0.108565 0.205611 0.8373C -0.000699 0.000745 -0.938188 0.3490
R-squared 0.000164 Mean dependent var -0.000720
Adjusted R-squared -0.003726 S.D. dependent var 0.011859S.E. of regression 0.011881 Akaike info criterion -
6.020117Sum squared resid 0.036276 Schwarz criterion -
5.992651Log likelihood 781.6051 F-statistic 0.042276Durbin-Watson stat 1.899994 Prob(F-statistic) 0.837257
2006Dependent Variable: PCREDITAGRICOLMethod: Least Squares
Date: 03/27/14 Time: 13:44Sample(adjusted): 2 259Included observations: 258 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 0.039050 0.103048 0.378949 0.7050C -0.000636 0.000957 -0.663925 0.5073
R-squared 0.000561 Mean dependent var -0.000661
Adjusted R-squared -0.003343 S.D. dependent var 0.015311S.E. of regression 0.015337 Akaike info criterion -
5.509417Sum squared resid 0.060215 Schwarz criterion -
5.481874Log likelihood 712.7148 F-statistic 0.143603
CommentaireLes bêtas du secteur Créditagricol augmente au fil des périodes et traduisent une tendance haussière allant de -0,14 en 2004 à 0,039 en 2006. Ils sont tous défensifs.
C/TOTAL
2004Dependent Variable: PTOTALMethod: Least SquaresDate: 03/27/14 Time: 13:06Sample(adjusted): 2 252Included observations: 251 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.028776 0.072244 -0.398322 0.6907C -0.000488 0.000634 -0.770796 0.4416
R-squared 0.000637 Mean dependent var -0.000480
Adjusted R-squared -0.003377 S.D. dependent var 0.010015S.E. of regression 0.010032 Akaike info criterion -
6.358074Sum squared resid 0.025061 Schwarz criterion -
6.329982Log likelihood 799.9382 F-statistic 0.158661Durbin-Watson stat 2.290079 Prob(F-statistic) 0.690734
2005Dependent Variable: PTOTALMethod: Least SquaresDate: 03/27/14 Time: 13:30Sample(adjusted): 2 260Included observations: 259 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.206310 0.097281 -2.120752 0.0349C -0.001329 0.000668 -1.990803 0.0476
R-squared 0.017199 Mean dependent var -0.001135
Adjusted R-squared 0.013375 S.D. dependent var 0.010718S.E. of regression 0.010646 Akaike info criterion -
6.239589Sum squared resid 0.029127 Schwarz criterion -
6.212123Log likelihood 810.0268 F-statistic 4.497590Durbin-Watson stat 1.963289 Prob(F-statistic) 0.034901
2006Dependent Variable: PTOTALMethod: Least SquaresDate: 03/27/14 Time: 13:44Sample(adjusted): 2 259Included observations: 258 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.382215 1.303703 -0.293176 0.7696C 0.011546 0.012110 0.953428 0.3413
R-squared 0.000336 Mean dependent var 0.011797Adjusted R-squared -0.003569 S.D. dependent var 0.193685S.E. of regression 0.194031 Akaike info criterion -
0.433879Sum squared resid 9.637869 Schwarz criterion -
0.406336Log likelihood 57.97035 F-statistic 0.085952Durbin-Watson stat 1.974596 Prob(F-statistic) 0.769625
Commentaire Les bêtas du secteur total diminuent au fil des périodes et traduisent une tendance baissière ; passant de -0,028 en 2004 à -0,38 en 2006. Ils sont tous défensifs.D/Orange
2004Dependent Variable: PORANGEMethod: Least SquaresDate: 03/27/14 Time: 13:07Sample(adjusted): 2 252Included observations: 251 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.179436 0.105459 -1.701474 0.0901C -0.000206 0.000925 -0.222872 0.8238
R-squared 0.011493 Mean dependent var -0.000152
Adjusted R-squared 0.007523 S.D. dependent var 0.014700S.E. of regression 0.014645 Akaike info criterion -
5.601520Sum squared resid 0.053403 Schwarz criterion -
5.573429Log likelihood 704.9908 F-statistic 2.895015Durbin-Watson stat 1.912880 Prob(F-statistic) 0.090102
2005Dependent Variable: PORANGEMethod: Least SquaresDate: 03/27/14 Time: 13:31Sample(adjusted): 2 260Included observations: 259 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.092547 0.107997 -0.856936 0.3923C 0.000470 0.000741 0.633748 0.5268
R-squared 0.002849 Mean dependent var 0.000557Adjusted R-squared -0.001031 S.D. dependent var 0.011812S.E. of regression 0.011819 Akaike info criterion -
6.030597Sum squared resid 0.035897 Schwarz criterion -
6.003131Log likelihood 782.9623 F-statistic 0.734339Durbin-Watson stat 2.037904 Prob(F-statistic) 0.392279
2006Dependent Variable: PORANGEMethod: Least SquaresDate: 03/27/14 Time: 13:46Sample(adjusted): 2 259Included observations: 258 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.146080 0.089345 -1.635007 0.1033C -7.75E-05 0.000830 -0.093349 0.9257
R-squared 0.010334 Mean dependent var 1.84E-05Adjusted R-squared 0.006469 S.D. dependent var 0.013341S.E. of regression 0.013297 Akaike info criterion -
5.794792Sum squared resid 0.045265 Schwarz criterion -
5.767249Log likelihood 749.5281 F-statistic 2.673247Durbin-Watson stat 1.833733 Prob(F-statistic) 0.103277
CommentaireLes bêtas du secteur Orange ont augmenté au fil des périodes, de 2004 à 2005 respectivement de -0,179 à -0,092 mais il diminue en 2006 pour être de -0,146.Ils sont tous défensifs.
E/Renault
2004Dependent Variable: PRENAULTMethod: Least SquaresDate: 03/27/14 Time: 13:08Sample(adjusted): 2 252Included observations: 251 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.033535 0.098611 -0.340074 0.7341C -0.000556 0.000865 -0.642501 0.5211
R-squared 0.000464 Mean dependent var -0.000545
Adjusted R-squared -0.003550 S.D. dependent var 0.013670S.E. of regression 0.013694 Akaike info criterion -
5.735791Sum squared resid 0.046693 Schwarz criterion -
5.707700Log likelihood 721.8418 F-statistic 0.115650Durbin-Watson stat 1.961043 Prob(F-statistic) 0.734087
2005Dependent Variable: PRENAULTMethod: Least SquaresDate: 03/27/14 Time: 13:33Sample(adjusted): 2 260Included observations: 259 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 0.038779 0.115102 0.336910 0.7365C -0.000372 0.000790 -0.471247 0.6379
R-squared 0.000441 Mean dependent var -0.000409
Adjusted R-squared -0.003448 S.D. dependent var 0.012574S.E. of regression 0.012596 Akaike info criterion -
5.903168Sum squared resid 0.040776 Schwarz criterion -
5.875702Log likelihood 766.4602 F-statistic 0.113508Durbin-Watson stat 1.996280 Prob(F-statistic) 0.736460
2006Dependent Variable: PRENAULTMethod: Least SquaresDate: 03/27/14 Time: 13:45Sample(adjusted): 2 259Included observations: 258 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic Prob.
PCAC40 -0.017350 0.101549 -0.170853 0.8645C -0.000955 0.000943 -1.011995 0.3125
R-squared 0.000114 Mean dependent var -0.000943
Adjusted R-squared -0.003792 S.D. dependent var 0.015085S.E. of regression 0.015114 Akaike info criterion -
5.538725Sum squared resid 0.058476 Schwarz criterion -
5.511183Log likelihood 716.4955 F-statistic 0.029191Durbin-Watson stat 1.977379 Prob(F-statistic) 0.864475
CommentaireLes bêtas du secteur Renault ont augmenté entre 2004 et 2005 passant de -0,033 à 0,38, ce bêta chutera en 2006 pour devenir -0,017. Ils sont tous défensifs.
14 /Evaluation du taux de rentabilité exigé pour chaque période
2004 Taux de rentabilité exigé par les actionnaires du secteur AXA : Mean=-0 ,000196
0
5
10
15
20
25
30
-0.025 0.000 0.025
Series: RAXASample 2 257Observations 256
Mean -0.000196Median 0.000000Maximum 0.047483Minimum -0.042790Std. Dev. 0.014848Skewness 0.261362Kurtosis 3.656142
Jarque-Bera 7.506816Probability 0.023438
Taux de rentabilité exigé par les actionnaires du secteur Creditagricol : Mean = -0,000523
0
10
20
30
40
50
-0.06 -0.04 -0.02 0.00 0.02 0.04 0.06
Series: RCREDITAGRICOLSample 2 262Observations 261
Mean -0.000523Median -0.000892Maximum 0.064270Minimum -0.068340Std. Dev. 0.013214Skewness 0.089513Kurtosis 7.036427
Jarque-Bera 177.5321Probability 0.000000
Taux de rentabilité exigé par les actionnaires du secteur Orange : Mean= -0,000169
0
10
20
30
40
-0.04 -0.02 0.00 0.02 0.04 0.06
Series: RORANGESample 2 262Observations 261
Mean -0.000169Median -0.000412Maximum 0.064126Minimum -0.040650Std. Dev. 0.014737Skewness 0.366963Kurtosis 4.187017
Jarque-Bera 21.18077Probability 0.000025
Taux de rentabilité exigé par les actionnaires du secteur Total : Mean=-0,000280
0
10
20
30
40
-0.0250 -0.0125 0.0000 0.0125 0.0250
Series: RTOTALSample 2 262Observations 261
Mean -0.000280Median -0.000602Maximum 0.034031Minimum -0.030401Std. Dev. 0.010156Skewness 0.212674Kurtosis 3.667802
Jarque-Bera 6.817326Probability 0.033085
Taux de rentabilité exigé par les actionnaires du secteur Renault : Mean=-0,000361
0
10
20
30
40
50
-0.050 -0.025 0.000 0.025
Series: RRENAULTSample 2 262Observations 261
Mean -0.000361Median 0.000000Maximum 0.040153Minimum -0.052632Std. Dev. 0.013534Skewness 0.058503Kurtosis 3.769566
Jarque-Bera 6.589401Probability 0.037079
En se basant sur le taux de rentabilité moyen des actionnaires le secteur Orange (-0, 016%) représente le meilleur investissement mais il reste tout de même largement inférieur au taux sans risques.
2005 Taux de rentabilité exigé par les actionnaires du secteur Axa: Mean= -0.001563
0
5
10
15
20
25
30
-0.0250 -0.0125 0.0000 0.0125 0.0250 0.0375
Series: RAXASample 2 260Observations 259
Mean -0.001563Median -0.001551Maximum 0.038387Minimum -0.034922Std. Dev. 0.011986Skewness 0.097722Kurtosis 3.369586
Jarque-Bera 1.886292Probability 0.389401
Taux de rentabilité exigé par les actionnaires du secteur créditagricol: Mean= -0.000603
0
20
40
60
80
-0.06 -0.04 -0.02 0.00 0.02 0.04
Series: RCREDITAGRICOLSample 2 260Observations 259
Mean -0.000603Median 0.000907Maximum 0.044485Minimum -0.056866Std. Dev. 0.011859Skewness -0.602463Kurtosis 5.465803
Jarque-Bera 81.28319Probability 0.000000
Taux de rentabilité exigé par les actionnaires du secteur orange: Mean= 0.000674
0
10
20
30
40
50
60
-0.04 -0.02 0.00 0.02 0.04 0.06
Series: RORANGESample 2 260Observations 259
Mean 0.000674Median 0.000825Maximum 0.066207Minimum -0.050420Std. Dev. 0.011812Skewness 0.456304Kurtosis 7.219296
Jarque-Bera 201.1060Probability 0.000000
Taux de rentabilité exigé par les actionnaires du secteur renault: Mean= -0.000292
0
5
10
15
20
25
30
-0.025 0.000 0.025 0.050
Series: RRENAULTSample 2 260Observations 259
Mean -0.000292Median 0.000000Maximum 0.051515Minimum -0.033613Std. Dev. 0.012574Skewness 0.312211Kurtosis 4.426203
Jarque-Bera 26.15853Probability 0.000002
Taux de rentabilité exigé par les actionnaires du secteur total: Mean= -0.001018
0
10
20
30
40
-0.0250 -0.0125 0.0000 0.0125 0.0250
Series: RTOTALSample 2 260Observations 259
Mean -0.001018Median -0.001107Maximum 0.032810Minimum -0.033414Std. Dev. 0.010718Skewness 0.107822Kurtosis 3.702426
Jarque-Bera 5.826479Probability 0.054300
En se basant sur le taux de rentabilité moyen des actionnaires, le secteur orange (0.067%) représente le meilleur investissement mais il reste tout de même inférieur au taux sans risque.
2006Taux de rentabilité exigé par les actionnaires du secteur axa: Mean= -0.000259
0
5
10
15
20
25
30
-0.025 0.000 0.025 0.050
Series: RAXASample 2 259Observations 258
Mean -0.000259Median -0.001009Maximum 0.053679Minimum -0.038552Std. Dev. 0.014350Skewness 0.369900Kurtosis 3.811700
Jarque-Bera 12.96622Probability 0.001529
Taux de rentabilité exigé par les actionnaires du secteur crédit agricol: Mean= -0.000544
0
10
20
30
40
50
-0.04 -0.02 0.00 0.02 0.04 0.06
Series: RCREDITAGRICOLSample 2 259Observations 258
Mean -0.000544Median -0.000608Maximum 0.068776Minimum -0.052736Std. Dev. 0.015311Skewness 0.586298Kurtosis 5.055717
Jarque-Bera 60.21023Probability 0.000000
Taux de rentabilité exigé par les actionnaires du secteur orange: Mean= 0.000136
0
10
20
30
40
50
60
-0.04 -0.02 0.00 0.02 0.04 0.06 0.08
Series: RORANGESample 2 259Observations 258
Mean 0.000136Median 0.000000Maximum 0.086760Minimum -0.040664Std. Dev. 0.013341Skewness 1.066639Kurtosis 10.27702
Jarque-Bera 618.1881Probability 0.000000
Taux de rentabilité exigé par les actionnaires du secteur renault: Mean= -0.000826
0
10
20
30
40
50
-0.06 -0.04 -0.02 0.00 0.02 0.04
Series: RRENAULTSample 2 259Observations 258
Mean -0.000826Median -0.001659Maximum 0.040134Minimum -0.066268Std. Dev. 0.015085Skewness -0.281489Kurtosis 4.537947
Jarque-Bera 28.83394Probability 0.000001
Taux de rentabilité exigé par les actionnaires du secteur total: Mean=0.011914
0
20
40
60
80
100
120
140
0.0 0.5 1.0 1.5 2.0 2.5 3.0
Series: RTOTALSample 2 259Observations 258
Mean 0.011914Median -0.000986Maximum 3.105572Minimum -0.032824Std. Dev. 0.193685Skewness 15.88600Kurtosis 254.2467
Jarque-Bera 689444.5Probability 0.000000
En se basant sur le taux de rentabilité moyen des actionnaires, le secteur total (1.19%) représente le meilleur investissement mais il reste tout de même largement inférieur au taux sans risque.
15/ a/ recommandations pour les investisseurs
Après avoir fait l’étude de la situation de chaque titre par la méthode du MEDAF, pour évaluer le taux de rentabilité exigé par les actionnaires et le risque encouru, nous pouvons proposer quelques recommandations aux investisseurs de la CAC40 suivant les résultats obtenus dans chaque titre :
Les actionnaires doivent adopter une stratégie de diversification pour réduire leur risque encouru en investissant sur plusieurs secteurs et en les pondérant selon leur taux de rentabilité moyen. Cependant, pour maîtriser le risque de défaillance et de marché, il faut faire une classification des titres en ordre décroissant des taux de rentabilité des actionnaires.La gestion d’un portefeuille de titre nécessite une diversification plus ou moins prononcée selon la rentabilité recherchée. Elle est aussi une bonne garantie contre les aléas de la conjoncture. Un portefeuille équilibré doit comprendre à la fois des actions et des obligations, leur part respective variant en fonction de la conjoncture économique.La diversification passe aussi par les valeurs internationales, en prenant garde à la qualité des actions (savoir lire les comptes des entreprises, des monnaies et de la situation économique et politique du pays).
Comment sélectionner ses titres
o Eviter les achats impulsifs, privilégiez l’analyse fondamentale pour vous faire une idée de la véritable valeur de l’entreprise. Avant d’acheter, il est par exemple recommandé de surveiller pendant un certain temps le cours de l’action. Les actions peuvent être réparties en plusieurs types non pas en fonction de l’activité des sociétés. On peut aussi subdiviser les valeurs de rendement en deux grandes catégories : Les titres solides et à risques.
o Cela permet une meilleure surveillance des titres afin de pouvoir remanier son portefeuille selon la conjoncture.En effet, une gestion n’est efficace que si elle est active et que le propriétaire n’hésite pas à procéder aux arbitrages nécessaires, quitte même à changer d’orientation en passant par exemple d’action d’emprunt à des valeurs étrangères.
La gestion nécessite aussi un temps de réaction rapide en fonction des nouvelles économiques (bonnes ou mauvaises).
REFERENCES BIBLIOGRAPHIQUE:
Harry Markowitz a écrit dans un article de 2005 du Financial Analysts Journal
La Géométrie des Moindres Carrées → bs.bsene.net
Economie 08 : LES FLUCTUATIONS ÉCONOMIQUES ET LA POTILITQUE DE CROISSANCE→ bs.bsene.net
Bourbonnais, R 2007, économétrie édition duodi 3éme édition université paris dauphin
Claude Broquet, Robert Cobbaut, Roland Gillet - 2004 - Aperçu - Autres éditions
Gestion de portefeuille: actions, obligations, options books.google.sn/books?isbn=2804113981Claude Broquet, André Van Den Berg - 1992 - Aucun aperçu - Autres
Sites internet:
https://www.google.sn/search?q=d%C3%A9finition+du+mot+MEDAF&oq=d%C3%A9finition+du+mot+MEDAF&aqs=chrome..69i57.10399j0j8&sourceid=chrome&espv=210&es_sm=93&ie=UTF-8
http://fr.wikipedia.org/wiki/CAC_40
http://www.linternaute.com/dictionnaire/fr/definition/beta/
https://ecogestion.unistra.fr/formation/masters/analyse-et-politiques-economiques/statistique-et-econometrie/
Recommended