Thibault Rigollet – N° d’inscription 1337224074

DSCG UE7 Relations professionnelles

Session 2013

Couverture du risque de prix des produits pétroliers et gaziers et performance boursière Etude des producteurs pétroliers et gaziers étasuniens pour 2011

I

II

- SESSION 2013 - Epreuve n° 7 du DSCG « relations professionnelles »

DEMANDE D’AGREMENT DU SUJET DE MEMOIRE

Matrice téléchargeable sur le site internet du SIEC à l’adresse www.siec.education.fr; rubrique DCG/DSCG ; onglet nouveautés session A ADRESSER UNIQUEMENT EN FORMAT ELECTRONIQUE WORD 97 (pas de pdf) AU RECTORAT DE RATTACHEMENT DU CANDIDAT

Nom du candidat

RIGOLLET

Prénom

THIBAULT

N° de candidat

1337224074

Sujet1 (titre + brève explication - 5 lignes maximum)

Couverture du risque de prix des produits pétroliers et gaziers et performance boursière - Étude des producteurs pétroliers et gaziers étasuniens pour l'année 2011

Mots clés (5 maximum) : couverture – risque de prix – pétrole – gaz – performance boursière

Champ disciplinaire (à cocher, maximum 2) Audit Comptabilité Contrôle de gestion Droit des affaires Droit fiscal

Finance Gestion de projet / Organisation Gestion des ressources humaines Gouvernance Stratégie Système d’information

Problématique (5 lignes maximum)

Les politiques de couverture du risque de prix des produits pétroliers et gaziers sont-elles créatrices de valeur pour les entreprises productrices : (1) dans quelle mesure les taux de rentabilité des actions des producteurs sont-ils sensibles aux variations des cours du pétrole et du gaz ? (2) quel lien peut-il y avoir entre valorisation boursière des producteurs et taux de couverture du risque de prix des produits pétroliers et gaziers ?

Méthodologie (5 lignes maximum)

Les deux questions sont traitées avec des modèles économétriques de corrélation entre différentes variables relatives aux performances boursières (TRI et PER) de 45 entreprises étasuniennes travaillant dans l’exploration et la production de produits pétroliers et gaziers, aux cours de ces produits, et au niveau de couverture adopté par les entreprises contre les variations de ces cours.

Bibliographie (5 références majeures maximales) Dan C., Gu H. et Xu K. (2005), The impact of hedging on stock return and firm value : new evidence form Canadian oil and gas companies, papier de recherche, Dalhousie University

Jin Y. et Jorion P. (2006), Firm value and hedging : evidence from U.S. oil and gas producers, Journal of Finance, 61, 893-919

Lookman A. A. (2004), Does Hedging Increase Firm Value? Evidence from Oil and Gas Producing Firms?, papier de recherche, Tepper School of Business Carnegie Mellon University

Mnasri M., Dionne G. et Gueyie J.-P. (2013), How do firms hedge risks? Empirical evidence from U.S. oil and gas producers, papier de recherche, University of Quebec

1 Le sujet doit être en rapport direct avec la ou les missions effectuées par le candidat et la formation théorique découlant du programme du DSCG.

III

Rajgopal, S. (1999), Early evidence on the informativeness of the SEC’s market risk disclosures: The case of commodity price risk exposure of oil and gas producers, Accounting Review, 74, 251–280

Plan détaillé du thème d’étude2 (3 niveaux) avec une présentation en une phrase ou deux de chaque niveau.

1. Introduction

2. Revue de littérature

Présentation des différents motifs théoriques et pratiques avancés dans la littérature pour justifier la couverture des risques par les entreprises et ses effets en termes de valeur

2.1. Les motivations et effets théoriques des comportements de couverture

Présentation des justifications théoriques des comportements de couverture

2.1.1. La couverture liée aux intérêts des managers

Présentation des comportements induits en théorie par l’intérêt des managers, via leur implication patrimoniale et personnelle, leur degré d’aversion au risque, ou leur fonction d’utilité

2.1.2. La couverture liée aux considérations fiscales

Présentation des comportements à but théorique d’optimisation fiscale, en lien avec la volatilité des bénéfices imposables, la forme de la fonction d’imposition, ou la structure financière du bilan

2.1.3. La couverture liée aux risques de sous-investissement ou de détresse financière

Présentation des comportements liés à l’optimalité de la situation financière, notamment au travers du niveau des fonds propres, de la volatilité des cash-flows et à l’accès au financement

2.2. Travaux empiriques sur les comportements de couverture et leurs effets en termes de valeur

Revue des études empiriques majeures sur les comportements de couverture et la valeur associée

2.2.1. Couverture et comportements managériaux

Revue des effets observés du degré d’indépendance et de connaissances financières des managers, et de leur profil de rémunération variable sur le niveau de couverture

2.2.2. Couverture et fiscalité

Revue des liens observés de la convexité de l’imposition, de la couverture et des passifs fiscaux

2.2.3 Couverture, financement des investissements productifs et situation financière

Revue de la corrélation entre les politiques d’investissement et leur source de financement, le levier d’endettement et le degré de couverture

2.2.4. Effets de la couverture sur la sensibilité de la valeur de marché des firmes

2 La partie présentation de l’organisation n’est pas demandée au niveau de la notice d’agrément.

IV

Revue des liens entre niveau de couverture, taux de rentabilité boursière et sensibilité du cours des actions aux variations des cours des matières premières

2.2.5 Effets de la couverture sur la valeur de marché des firmes

Revue des liens entre valeur boursière et degré de couverture des risques appréhendé par le marché

3. Échantillon d'étude

3.1. Constitution de l'échantillon

Description de la méthodologie employée pour la constitution de l’échantillon d’étude

3.2. Description de l'échantillon

Présentation des propriétés de l’échantillon en termes d’activités, de couverture, de production, de PER et de taux de croissance du TRI

3.2.1 Aperçu de l'échantillon en termes d'activité des firmes

Présentation des caractéristiques de l’échantillon en termes d’activités exercées

3.2.2. Données de couverture pour l'année 2011

Présentation des caractéristiques de l’échantillon en termes de volumes de production couverts

3.2.3. Données de production pour l'année 2011

Présentation des caractéristiques de l’échantillon en termes de volumes produits

3.2.4. Données de marché pour l'année 2011

Présentation des caractéristiques de l’échantillon en termes de PER et de taux de croissance du TRI

4. Méthodologie et résultats des travaux

Présentation des modèles utilisés pour étudier la corrélation entre niveau de couverture de la production et performance boursière et analyse des résultats

4.1. Première étude : sensibilité du taux de rentabilité des actions

Exposition des modèles sur la sensibilité du taux de rentabilité des actions et la couverture de la production et analyse des résultats

4.1.1. Description des modèles d'étude

Description des modèles sur la sensibilité du taux de rentabilité des actions et la couverture de la production, en prenant en compte le marché dans son ensemble puis la spécificité sectorielle

4.1.2. Première série de trois régressions avec le S&P500

Résultats du premier modèle ayant comme référence le marché étasunien dans son ensemble

4.1.3. Deuxième série de trois régressions avec le S&P500 Oil & Gas Exploration & Production

Résultats du second modèle ayant comme référence le secteur de l’exploration pétrolière et gazière

4.1.4. Analyse des coefficients de sensibilité (bêtas)

V

Analyse des coefficients de sensibilité des modèles de corrélation entre taux de rentabilité des actions et couverture de la production

4.1.5. Analyse de la significativité des coefficients de sensibilité

Analyse de la significativité des coefficients de sensibilité des modèles de corrélation entre taux de rentabilité des actions et couverture de la production

4.1.6. Conclusion de la première étude

Conclusion sur l’analyse des coefficients de sensibilité des modèles de corrélation entre taux de rentabilité des actions et couverture de la production, et de leur significativité statistique

4.2. Seconde étude : PER contre taux de rentabilité des actions et taux de couverture

Exposition des modèles sur la corrélation du PER, d’un indice synthétique de couverture et du taux de rentabilité des actions, et analyse des résultats

4.2.1. Construction d'un indice de couverture de la production de pétrole brut et de gaz naturel

Présentation de la méthodologie de construction de l’indice synthétique de couverture des firmes de l’échantillon contre le risque de prix du pétrole et du gaz

4.2.1.1. Recueil des informations concernant la couverture du risque de prix de l'année 2011

Méthodologie de recueil des informations relatives à la couverture pour la construction de l’indice

4.2.1.2. Recueil des informations concernant la production 2011

Méthodologie de recueil des informations relatives à la production pour la construction de l’indice

4.2.1.3. Construction de l'indice synthétique de couverture de la production de l'année 2011

Méthodologie de construction de l’indice de couverture et observations préliminaires sur les valeurs de ses variables

4.2.2. Confrontation statistique des indices de couverture, taux de rentabilité des actions et PER

Analyse statistique de la relation entre les niveaux de couverture mesurés par l’indice, le taux de rendement des actions et les PER des compagnies de l’échantillon

4.2.3. Confrontation graphique des indices de couverture et des PER, avec analyse visuelle

Analyse graphique de la relation entre les niveaux de couverture mesurés par l’indice et les PER des compagnies de l’échantillon

4.2.4 Vérifications statistiques de l’analyse visuelle

Tests statistiques sous le logiciel SSAS visant à confirmer ou infirmer l’analyse visuelle de la relation entre PER et indice de couverture

5. Conclusion

VI

NOM et prénom du tuteur (entreprise ou cabinet où a lieu le stage)

PIGNON-HERIARD François

Entreprise de rattachement + coordonnées

PwC - 63 Rue de Villiers 92208 Neuilly-sur-Seine 06 43 06 53 27

Adresse e-mail francois.pignon-

heriard@fr.pwc.com

Qualité du tuteur Superviseur

Lien avec le stagiaire

Tuteur de stage (People Manager PwC)

Avis circonstancié du tuteur entreprise/cabinet Restitution fidèle de l’activité de Thibault au sein du cabinet PwC au cours de son stage.

Mémoire technique présentant une très bonne analyse.

Partie réservée à l’examinateur

NOM et prénom de l’examinateur3

GUEGUEN Simon

Qualité Enseignant-chercheur Université Paris Dauphine

Adresse e-mail simon.gueguen@dauphine.fr

Accepté sans modification

Accepté avec modifications4

Refusé5

Commentaires (obligatoires en cas d’acceptation avec modifications ou de refus) Sujet difficile traité avec beaucoup de rigueur et d’intelligence.

Les références bibliographiques peuvent être composées d’articles, ouvrages, sites Internet6,

références juridiques (lois, décrets…). Si les données ne sont disponibles que sur Internet, il faut que l’adresse soit suffisamment précise afin de pouvoir retrouver la source citée. La bibliographie devra respecter les normes de présentation suivantes :

3 Le choix de l’examinateur sera fait en fonction des champs disciplinaires cochés par le candidat. L’examinateur sera un enseignant-chercheur

choisi prioritairement parmi les correcteurs des épreuves du DSCG. 4 L’acceptation vaut agrément, la fiche n’est pas à retourner, le candidat présentera les modifications dans son mémoire. 5 Un nouveau dépôt est autorisé pour la session en cours. 6 Pour les références internet, il faut que la référence soit précise et permette de pointer sur une page.

VII

Nous tenons à remercier particulièrement M. Simon Gueguen, pour sa grande disponibilité et ses

conseils au long de nos travaux, ainsi que M. Jean-François Rigollet, Mme. Claire Jacobi et

Mme. Anne-Marie Rigollet, pour leur soutien actif.

Nous remercions également M. François Pignon-Hériard et l'ensemble des équipes PwC aux côtés

desquelles nous avons eu le plaisir de travailler durant trois mois et qui nous ont beaucoup appris, espérant

que cette collaboration se prolonge pour le meilleur à partir de septembre 2013.

VIII

Sommaire

Sommaire ................................................................................................................................................. VIII 1. Présentation de l'organisation d'accueil du stage et des activités du stagiaire ..................................... 1

1.1 Présentation de l'organisation d'accueil du stage : le cabinet PwC .................................................. 1 1.2 Activités réalisées par le stagiaire ..................................................................................................... 2

2. Introduction aux travaux de recherche .................................................................................................. 4 3. Revue de littérature ................................................................................................................................ 6

3.1 Les motivations et effets théoriques des comportements de couverture ....................................... 6

3.1.1 La couverture liée aux intérêts des managers ........................................................................... 6 3.1.2 La couverture liée aux considérations fiscales ........................................................................... 7 3.1.3 La couverture liée aux risques de sous-investissement ou de détresse financière ................... 8

3.2 Travaux empiriques sur les comportements de couverture et leurs effets en termes de valeur .... 9

3.2.1 Couverture et comportements managériaux ............................................................................ 9 3.2.2 Couverture et fiscalité ................................................................................................................ 9 3.2.3 Couverture, financement des investissements productifs et situation financière .................... 9 3.2.4 Effets de la couverture sur la sensibilité de la valeur de marché des firmes........................... 11 3.2.5 Effets de la couverture sur la valeur de marché des firmes .................................................... 12

4. Échantillon d'étude ............................................................................................................................... 14

4.1 Constitution de l'échantillon ........................................................................................................... 14 4.2 Description de l'échantillon ............................................................................................................ 16

4.2.1 Aperçu de l'échantillon en termes d'activité des firmes.......................................................... 16 4.2.2 Données de couverture pour l'année 2011 ............................................................................. 17 4.2.3 Données de production pour l'année 2011 ............................................................................. 18 4.2.4 Données de marché pour l'année 2011 ................................................................................... 19

5. Méthodologie et résultats des travaux ................................................................................................. 20

5.1 Première étude : sensibilité des taux de rentabilité des actions .................................................... 21

5.1.1 Description des modèles d'étude ............................................................................................ 21 5.1.2 Première série de trois régressions avec l’indice S&P 500 ...................................................... 23 5.1.3 Deuxième série de trois régressions avec le S&P500 Oil & Gas Exploration & Production ..... 24 5.1.4 Analyse des coefficients de sensibilité (bêtas) ........................................................................ 25 5.1.5 Analyse de la significativité des coefficients de sensibilité ...................................................... 27 5.1.6 Conclusion de la première étude ............................................................................................. 29

5.2 Seconde étude : PER contre taux de rentabilité des actions et taux de couverture ...................... 29

5.2.1 Construction d'un indice de couverture de la production de pétrole brut et de gaz naturel . 29

IX

5.2.1.1 Recueil des informations concernant la couverture du risque de prix de l'année 2011 .. 29 5.2.1.2 Recueil des informations concernant la production de l'année 2011 .............................. 31 5.2.1.3 Construction de l'indice synthétique de couverture de la production de l'année 2011 .. 31

5.2.2 Confrontation statistique des indices de couverture, des taux de rentabilité des actions et

des PER .................................................................................................................................................... 33 5.2.3 Confrontation graphique des indices de couverture et des PER, avec analyse visuelle .......... 35 5.2.4 Vérifications statistiques de l’analyse visuelle ......................................................................... 36

6. Conclusion des travaux ......................................................................................................................... 38 Annexe 1 : exemple de présentation des données de couverture en formulaire 10-K ............................ 40 Annexe 2 : facteurs de conversion des unités physiques utilisés dans l'étude ........................................ 41 Annexe 3 : exemple de présentation des données de production en formulaire 10-K ............................ 42 Annexe 4-A : projection graphique des 45 compagnies étudiées selon les axes « PER » et « indice de

couverture global » avec répartitions des données en 4 sous-ensembles par observation visuelle .............. 43 Annexe 4-B : projection graphique de 39 des 45 compagnies étudiées selon les axes « PER » et « indice

de couverture global » avec représentation des courbes de tendance linéaire (en bleu) et polynomiale de degré 3 (en vert) et leurs équations ................................................................................................................ 44

Annexe 4-C : projection graphique des 45 compagnies étudiées selon les axes « PER » et « indice de

couverture global » avec confrontation des 4 sous-ensembles définis par observation visuelle et des 3 ‘clusters’ identifiés par SSAS ............................................................................................................................ 45

Annexe 4-D : projection graphique des 45 compagnies étudiées selon les axes « PER » et « indice de

couverture global » avec superposition des 3 ‘clusters’ de SSAS et des 2 courbes de tendances décrivant probablement la relation entre les variables .................................................................................................. 46

Annexe 5 : liste alphabétique des 45 compagnies étudiées dans l'échantillon ........................................ 47 Annexe 6 : coefficients de corrélation entre les cours spot du pétrole et du gaz pour la période 1997 à

2012 ................................................................................................................................................................. 48 Bibliographie ............................................................................................................................................. 49

1

1. Présentation de l'organisation d'accueil du stage et des activités du stagiaire

1.1 Présentation de l'organisation d'accueil du stage : le cabinet PwC

Le stage s'est déroulé du 2 janvier au 31 mars 2013 au cabinet PwC (PriceWaterhouse Coopers),

en audit financier, plus précisément en son siège de Neuilly-sur-Seine et chez les clients dont les

mandats lui sont rattachés. Il s’agissait d’un stage de fin d’études, à l’issue d’un cursus universitaire

de cinq ans démarré en économie et terminé en finance avec une spécialisation en audit financier.

PriceWaterhouse Coopers est issu de la fusion en 1998 entre les deux cabinets d'origine

britannique Price Waterhouse et Coopers & Lybrand. Créés à Londres dès les débuts de la

Révolution Industrielle, ils se sont étendus progressivement à la France, à l'Europe puis au monde.

Exerçant dans les domaines de l'audit financier, du conseil en management, du conseil juridique et

fiscal et de l'expertise comptable, ses activités ont été réparties mondialement en 2008 entre trois

grandes zones : « Ouest » (Amérique du Nord, centrale et du Sud, Caraïbes), « Centre » (Europe de

l'Ouest, centrale et de l'Est, Moyen-Orient, Inde, Pakistan et Afrique) et « Est » (Asie et Pacifique).

En 2010, le cabinet renouvelle son image et sa marque, pour devenir PwC.

Avec un chiffre d'affaires annuel au 30 juin 2012 de 31,5 milliards de dollars pour le monde et

de 690 millions d'euros pour la France, PwC est un des « Big 4 » les plus importants, leader global

dans la prestation de services intellectuels. Début 2013, PwC employait plus de 180 000 personnes

dans 158 pays, dont 4 000 en France. Environ 2 800 personnes sont rattachées aux bureaux de Paris

dans lesquels le stage a été effectué.

Lors du stage, durant le premier trimestre de l'année 2013, les activités d'audit financier des

bureaux de Paris étaient organisées de la manière suivante :

département « Services financiers » : banque, assurance, gestion d'actifs, immobilier

département CIPS 1 (Consumer & Industrial Products & Service - 1) : pharmacie, chimie,

distribution, grande consommation, énergie et produits manufacturés

département CIPS 2 (Consumer & Industrial Products & Service - 2) : automobile,

transports, logistique, service public, construction, ingénierie, métallurgie, aéronautique

2

département TICE (Technology, Information, Communications & Entertainment) :

technologies, télécommunication, loisirs, médias et services aux entreprises

Depuis la fin du stage, les départements CIPS (1 et 2) et TICE ont été remaniés. Il existe

maintenant trois ensembles qui les remplacent, dont les acronymes sont en anglais :

IPEU : Industrial Products, Engineering & Construction, Energy & Utilities

RCHP : Retail & Consumer, Health, Public Sector

TSTL : TICE, Business Services, Transports & Logistics

Le département anciennement appelé CIPS 2 auquel j’étais attaché a donc perdu les secteurs des

transports, de la logistique et du secteur public, et a gagné en contrepartie l’énergie et les

équipements collectifs.

1.2 Activités réalisées par le stagiaire

L'ensemble de mes missions a concerné de l'audit légal, dans le cadre de mandats de

commissariat aux comptes. J'ai participé à trois missions principales (Robert Bosch France,

Coriance et CBS Outdoor), et ai contribué de manière ponctuelle à deux autres missions

(Saint-Gobain et Komori France). Chacune de ces missions sera décrite ci-dessous, avec les

problématiques spécifiques qu’elle pose. Une attention plus particulière sera portée à la mission

Coriance, à laquelle est lié le présent rapport.

J'ai rejoint le département CIPS 2 (Consumer & Industrial Products & Service - 2) du 2 janvier

au 31 mars 2013. Parmi mes missions majeures, seule Robert Bosch France était cependant attachée

à ce département. Les deux autres missions auxquelles j'ai principalement participé étaient attachées

à deux départements connexes : CIPS 1 pour Coriance et TICE pour CBS Outdoor. Saint-Gobain et

Komori France entrent quant à elles dans le champ du département CIPS 2.

3

Les sections 1.2.1 à 1.2.4 ont été retirées de

la version publique de ce document pour des

raisons de confidentialité des informations

relatives aux différents mandats.

4

2. Introduction aux travaux de recherche

Dans le cadre de leurs activités, les entreprises sont par nature exposées à des incertitudes quant

à l'évolution de leur environnement. Ces risques, reposant sur des activités industrielles,

commerciales ou financières, affectent positivement ou négativement les flux de valeur entre les

firmes et cet environnement. Leur gestion dans le temps, qu'il s'agisse de décisions de couverture ou

de non-couverture, est une des composantes principales des politiques financières des entreprises.

Cette couverture des risques, quand elle a lieu, se fait au moyen de produits financiers dérivés, tels

que les contrats à terme, les options ou les swaps. Les compagnies s'en servent pour réduire les

incertitudes en définissant aujourd'hui une partie des paramètres futurs de leur environnement.

L'usage de ces instruments est très répandu et en croissance dans les grandes entreprises, comme

le montrent les sondages de l'International Swaps and Derivatives Association (ISDA) : sur les 500

plus grandes compagnies mondiales, 94% déclarent s'en servir en 2009 contre 92% en 2003. Les

types d'instruments et les degrés d'usage sont cependant très variables en fonction des activités des

firmes. En 2009, le secteur des 'basic materials', serait le deuxième plus gros utilisateur, avec 97%

de cas déclarés d'utilisation. Il se trouve plus précisément dans la moyenne en termes de couverture

contre le risque de change, parmi les derniers en couverture contre le risque de taux d'intérêt, et de

très loin premier concernant la couverture contre le risque de prix des matières premières. Nous

nous proposons d'étudier les comportements de couverture d'une des industries de ce secteur : celle

de la production pétrolière et gazière aux États-Unis. Ce rapport vise plus spécifiquement à étudier

la relation qui pourrait exister entre degré de couverture contre le risque de prix des matières

premières et performances boursières des firmes.

Les comportements de couverture des risques sont en contradiction avec la théorie financière

classique de Modigliani et Miller (1958), dans laquelle les actionnaires et les créanciers ont la

même information, et où les impôts, les coûts de transaction et de faillite sont absents. Les stratégies

de couverture sont alors inefficientes. En effet, les décisions financières ne peuvent pas créer de

valeur dans ce cadre, à moins qu'elles n'affectent la capacité des entreprises à mener leurs affaires

ou leur volonté d'investissement, puisque les actionnaires peuvent eux-mêmes parfaitement gérer le

risque en modifiant les pondérations de leurs portefeuilles entre produits de capital ou de taux de

divers degrés de risque. En revanche, en relaxant les hypothèses de perfection des marchés, il est

possible de montrer que les décisions de couverture deviennent pertinentes (Mellios, 2001). Elles

5

pallient alors au fait que certains investisseurs ne peuvent pas se couvrir eux-mêmes parfaitement,

et délèguent donc à la firme une partie de ce travail, puisqu'elle dispose d'une meilleure aptitude à

gérer les risques, par une plus grande expertise métier et la mutualisation de moyens financiers et

humains. Ces décisions permettent de réduire les coûts potentiels divers induits par l'imperfection

des marchés et par la volatilité des flux monétaires, puisque ces coûts sont corrélés positivement à

la volatilité des flux. Ces coûts grevant les flux de valeur, leur diminution devrait les augmenter.

Selon certaines théories de la gestion des risques, les dirigeants d'entreprises s'engagent dans des

opérations de couverture dans l'optique de la maximisation de la valeur destinée aux actionnaires.

Cette maximisation signifie concrètement l'accroissement ou a minima le maintien des flux de

dividendes, et l'augmentation en conséquence de la valeur des actions ou parts sociales dans le

temps. En permettant une certaine maîtrise des flux de valeur entrant en amont des entreprises, la

couverture serait un moyen d'y parvenir. Les politiques de couverture sont donc menées tant qu'elles

contribuent positivement à la marge à la valeur actuelle de la firme. Toutefois, les instruments

utilisés ont eux-mêmes un coût, et certains n'assurent pas de bénéficier totalement d'évolutions

favorables de l'environnement, ou d'être intégralement protégé contre des évolutions néfastes. Le

lien entre leur usage et les effets recherchés sur la valeur de marché des compagnies n'est donc pas

si évident à prouver. De plus, il faut compter sur le fait que de nombreux autres paramètres, qu'ils

impactent le marché dans son ensemble ou soient propres aux compagnies, entrent en compte dans

la formation des anticipations des investisseurs, qui conduisent in fine à la valorisation.

Pour d'autres auteurs, les comportements de couverture seraient dictés par le degré d'aversion au

risque des managers et l'optimisation de leurs propres intérêts. Pour d'autres encore, la couverture

permettrait de gérer la variabilité des taxes prélevées sur les revenus des firmes, et de créer ainsi de

la valeur en réduisant les montants futurs d'impôts à payer. Enfin, certains avancent que la

principale raison du management des risques se trouve dans la volonté de limiter le

sous-investissement ou la confrontation à des situations de détresse financière, ainsi que les coûts

adossés à ces situations.

Qu'en est-il réellement de la relation entre valeur générée par les entreprises pour leurs

actionnaires et management des risques ? Nous proposons de nous intéresser plus précisément à la

gestion du risque de prix des matières premières, dans le cadre des activités de production pétrolière

et gazière aux États-Unis, pour l'année 2011. Les politiques de couverture sont-elles créatrices de

valeur pour les entreprises de cette industrie ? Nous nous pencherons successivement sur deux

questions : dans quelle mesure les taux de rentabilité des actions des producteurs sont-ils sensibles

6

aux variations des cours du pétrole et du gaz ? Quel lien peut-il y avoir entre valorisation boursière

et taux de couverture du risque de prix des matières premières ?

3. Revue de littérature

Comme nous l'avons dit en introduction, les comportements de couverture seraient condamnés à

être neutres sur la valeur des entreprises dans des conditions de marché parfait au sens de

Modigliani et Miller. Cependant, le monde réel présentant des imperfections et des frictions en

comparaison du monde théorique, la couverture peut en pratique impacter les valorisations, en

permettant de maîtriser en partie les flux financiers reçus par les firmes. Nous présentons ici les

travaux théoriques sur la question centrés sur les motivations de la couverture, sur ses effets

escomptés, sur les variables réduisant ou augmentant ces effets, puis les articles de recherche

empirique cherchant à vérifier les conclusions théoriques.

Par « instruments de couverture linéaires », nous entendrons dans la suite de ce rapport qu’il

s’agit d’instruments tels que les contrats ‘futures’, les contrats ‘forward’, ou encore les ‘swaps’ dont

le profil de gains et de pertes est linéaire par rapport à l’évolution du prix du sous-jacent (ici le

cours du pétrole ou du gaz). Par « instruments de couverture non-linéaires », nous entendrons qu’il

s’agit d’options ou d’assemblages d’options (‘costless collars’, ‘three-way collars’…) dont le profil

de gains et de pertes n’a pas de relation linéaire avec le prix du sous-jacent. Les instruments

linéaires n’ont pas de coût au départ pour l’entreprise et protègent d’une évolution défavorable du

sous-jacent, mais sans permettre de profiter d’une évolution favorable. Les instruments non-

linéaires permettent de profiter d’une évolution favorable au moins jusqu’à un certain point, mais

ont un coût d’initiation appelé la prime.

3.1 Les motivations et effets théoriques des comportements de couverture

3.1.1 La couverture liée aux intérêts des managers

Certains courants théoriques soutiennent que les décisions de couverture tiendraient de manière

non négligeable aux types de relation entre les managers, les entreprises et leurs actionnaires. Les

politiques de couverture seraient liées au profil de rémunération et au degré d'implication

personnelle et patrimoniale des managers dans les firmes. En partant du postulat que ces derniers

sont averses au risque, Smith et Stulz montrent que cette aversion devrait les pousser à initier des

7

couvertures, mais qu'ils ne le font pas nécessairement. Ceci dépendrait de la forme de leur fonction

d'utilité personnelle (Smith et Stulz, 1985). Pour Mnasri, Dionne et Gueyie, les couvertures initiées

auraient une forme d’autant plus linéaire que les managers auraient une implication financière

importante proportionnellement au capital de la firme. En effet, ces derniers auraient moins

probablement une bonne diversification de leur patrimoine et seraient donc davantage linéairement

affectés par les performances de l’entreprise au niveau de leur richesse globale (Mnasri, Dionne et

Gueyie, 2013).

Lorsque les schémas de rémunération présentent une forme optionnelle prédominante, et que

leur fonction d'utilité est donc convexe, ils auraient tendance à peu couvrir les risques encourus par

leurs compagnies. Au contraire, plus leur implication personnelle et patrimoniale est élevée, avec

une fonction d'utilité se rapprochant d'une forme linéaire voire concave, plus ils se montreraient

prudents en couvrant les risques. Cet effet serait accentué par l'incapacité des managers à couvrir les

risques à leur niveau personnel. Smith et Stulz rappellent cependant que puisque les intérêts des

managers dans les entreprises dépendent en partie de la volonté des actionnaires, qui décident du

type des rémunérations qui leurs sont accordées, ces mêmes actionnaires peuvent donc orienter

indirectement les décisions de couverture prises par les managers (Smith et Stulz, 1985). Ils

concluent que les politiques de couverture peuvent créer de la valeur pour les firmes et leurs

actionnaires, tant que le coût marginal de couverture est inférieur aux économies générées par la

réduction des risques, qui ont en effet un lien causal positif avec les rémunérations exigées par de

nombreuses parties prenantes de l'entreprise (salariés, fournisseurs, prêteurs...).

3.1.2 La couverture liée aux considérations fiscales

Cet aspect a également été traité par Smith et Stulz. Pour eux, en présence d'un schéma de

taxation des bénéfices des entreprises convexe (dans lequel le taux d'imposition marginal des

bénéfices est fonction croissante de ces mêmes bénéfices), alors des opérations de couverture

peuvent être créatrices de valeur, en réduisant la volatilité des bénéfices imposables et,

consécutivement, l'espérance de la valeur des passifs fiscaux (Smith et Stulz, 1985). Ceci jouerait

jusqu'à un point optimal de couverture, au-delà duquel les coûts engagés pour se prémunir des

risques deviendraient trop importants. L'effet en serait renforcé par des leviers d'endettement élevés,

des maturités de dettes plus courtes, de faibles niveaux de liquidités et des taux de rendement

d'actions élevés, ainsi que par tout système de taxes additionnel qui accroitrait la convexité du profil

global d'imposition des firmes.

8

3.1.3 La couverture liée aux risques de sous-investissement ou de détresse financière

Pour Stulz (Stulz, 1990), ainsi que pour Froot, Scharfstein et Stein (Froot, Scharfstein et Stein,

1993), les politiques de couverture peuvent aider à maintenir un niveau adéquat de fonds issus de

l'autofinancement pour financer les opportunités d'investissement intéressantes pouvant se présenter

aux firmes, et éviter ainsi le risque de sous-investissement.

L'importance d'une gestion des risques liés aux cash-flows serait croissante avec les difficultés

d'accès des entreprises aux financements extérieurs : plus celles-ci sont grandes, en les mesurant à

l’aune du coût marginal de financement externe, et plus la couverture sera créatrice de valeur pour

l'entreprise, sous réserve de l’existence de projets à financer dans le futur. Une récente étude fait

l’hypothèse que les entreprises devraient adopter des instruments de couverture plutôt non-linéaires,

et ce d’autant plus que leurs opportunités d’investissements futures sont importantes et elles-mêmes

non-linéaires car dépendant des prix du pétrole et du gaz, par paliers (Mnasri, Dionne et Gueyie,

2013).

La non-linéarité des instruments de couverture employés se retrouverait aussi, à l’opposé, dans

le cas d’entreprises en détresse financière avérée. En effet, comme le font remarquer Mnasri et al. la

théorie du partage des risques financiers exposée traditionnellement par Jensen et Meckling veut

que les actionnaires fassent alors prendre, en ultime décision, plus de risques à l’entreprise. Avec

des instruments non-linéaires, ils se préserveraient d’une évolution défavorable et se réserveraient le

bénéfice d’une issue favorable. Mais ceci augmente la volatilité des cash-flows et se fait au

détriment systématique des créanciers, car ces instruments ont un coût en trésorerie non négligeable

et réduisent donc d’autant les actifs disponibles pour servir la dette en cas de défaut.

Enfin, une autre justification de la couverture se trouverait dans le risque que la volatilité des

cash-flows ne soit parfois cause de difficultés pour les entreprises à faire face aux échéances de

règlement de leurs passifs. L'étude de référence en la matière est encore celle de Smith et Stulz,

dans laquelle ils montrent que la couverture réduirait la probabilité de défaut des entreprises (en

ayant toujours à l'esprit qu'elle engendre elle-même des coûts), diminuerait les coûts de faillite, et

accroitrait donc la capacité d'endettement des firmes ainsi que leur valeur (Smith et Stulz, 1985).

9

3.2 Travaux empiriques sur les comportements de couverture et leurs effets en termes de valeur

3.2.1 Couverture et comportements managériaux

Parmi les études empiriques dans ce domaine, Tufano s'est penché sur 48 producteurs d'or. Il

trouve que ceux dont les managers ont un profil de rémunération de forme optionnelle recourent

moins aux produits de couverture des risques que ceux dont la rémunération est fondée sur des

actions (Tufano, 1996). Sur le même type d'entreprises, Dionne et Triki trouvent que les décisions

de couverture sont influencées par l'indépendance et le degré de connaissance financière des

managers (Dionne et Triki, 2005). Selon Mnasri et al. la présence d’investisseurs institutionnels est

positivement corrélée à l’utilisation de plusieurs types de produits de couverture dans une stratégie

complexe, par rapport à des stratégie mono-produit que des managers isolés ont parfois tendance à

instaurer et à perpétuer sans se poser la question de leur adaptation dans le temps (Mnasri, Dionne

et Gueyie, 2013).

3.2.2 Couverture et fiscalité

Au travers de l'étude de plus de 80 000 années fiscales, Graham et Smith ont montré que dans

50% des cas, les schémas d'imposition convexes donnaient lieu à des politiques de couverture

fondées sur des motifs fiscaux (Graham et Smith, 1999). Cependant, cette étude présentait une

mesure de la convexité assez limitée. De fait, Graham a mené une seconde étude avec Rogers,

portant sur 3 232 compagnies étasuniennes. Dans celle-ci, ils ont utilisé une mesure explicite de la

convexité, et ont trouvé que la couverture ne réduisait en fait pas de manière significative les passifs

fiscaux en présence de fonction d'imposition convexe (Graham et Rogers, 2002).

3.2.3 Couverture, financement des investissements productifs et situation financière

En matière de relation entre politiques de couverture et d'investissement productif, les premiers

travaux sont ceux de Nance, Smith et Smithson (Nance, Smith et Smithson, 1993), et Géczy,

Minton et Schrand (Géczy, Minton et Schrand, 1997), qui ont montré que les firmes utilisant des

produits de couverture étaient aussi celles qui avaient les opportunités d'investissement les plus

importantes. Ces résultats sont un premier signe favorable à l'hypothèse faite que la couverture

permet en partie de répondre à un éventuel problème de sous-investissement. Les travaux de Gay et

Nam prolongent ceux de Froot et al. susmentionnés, avec des analyses poussées de

10

l'autofinancement, des niveaux de trésorerie et des investissements potentiels. Ils trouvent que

l'évitement du sous-investissement serait associé à l'usage de couvertures (Gay et Nam, 1998).

Mnasri et al. ont démontré de manière approfondie le lien entre importance de la capacité

d’investissement future et utilisation d’instruments de couverture non-linéaires (Mnasri, Dionne et

Gueyie, 2013) qui, moyennant un coût, préviennent contre une baisse des cours mais laissent

profiter de hausses potentielles susceptibles de dégager des fonds importants pour l’investissement.

Par ailleurs, les recherches d'Adam ont permis de montrer qu'il existerait un lien positif entre

couverture et propension à privilégier le financement interne des dépenses d'investissement au

financement externe. Ces preuves ont été apportées par l'étude de 111 compagnies minières nord-

américaines spécialisées dans l'or, notamment avec le constat d'une relation positive entre les

revenus minimaux garantis par les politiques de couverture et les dépenses d'investissement (Adam,

2002).

Préalablement, des résultats proches avaient été trouvés par Allayannis et Mozumdar qui avaient

étudié l'ensemble des entreprises non financières de l'indice S&P 500. Leurs travaux concernaient

cette fois le risque de change. Les firmes de l'échantillon qui y étaient particulièrement exposées

recouraient davantage que les autres à des produits dérivés pour limiter leur dépendance au

financement externe de leurs investissements (Allayannis et Mozumdar, 2000). Mnasri et al.

travaillant sur 150 producteurs pétroliers et gaziers ont quant à eux prouvé leur hypothèse

spécifique à ce marché (déjà mentionnée en 3.1.3), selon laquelle ce comportement de financement

interne des investissements irait de pair avec une préférence pour les instruments de couverture

linéaires (Mnasri, Dionne et Gueyie, 2013).

Des études empiriques ont aussi été menées sur la relation entre couverture et équilibre

financier. Ainsi, Mayers et Smith ont montré que la couverture pouvait effectivement réduire les

coûts de faillite et sécuriser les possibilités de croissance des entreprises (Mayers et Smith, 1990).

De plus, Dolde (Dolde, 1995), puis Haushalter (Haushalter, 2000), ont mis à jour une relation

positive et significative entre couverture et levier financier. Enfin, Graham et Rogers ont trouvé que

la couverture semblait augmenter la capacité d'endettement (Graham et Rogers, 2002).

L’optimisation de la couverture en vue de sécuriser les flux financiers destinés à servir la dette

serait surtout le fait d’entreprises avec un levier d’endettement plutôt élevé par rapport à la

moyenne du secteur, mais qui ne connaissent pas encore de difficultés financières. Cette stratégie se

traduit par l’usage d’instruments davantage linéaires (Mnasri, Dionne et Gueyie, 2013). Comme

Mnasri et al. en avaient aussi fait l’hypothèse, les entreprises moins contraintes au niveau de

11

l’endettement useraient davantage d’instruments non-linéaires, de même que celles qui sont au

contraire en difficulté (vérification empirique du partage des risques actionnaires/créanciers de

Jensen et Meckling en situation financière défavorable). Davantage de valeur peut donc être créée

dans les situations de bonne et de mauvaise santé financière, alors que les situations intermédiaires

pousseraient à sécuriser des niveaux de valeur acquis (développement en section 3.2.4 ci-après).

3.2.4 Effets de la couverture sur la sensibilité de la valeur de marché des firmes

Rajgopal est un des premiers à s'être intéressé à cette question, sur 52 producteurs pétroliers et

gaziers entre 1993 et 1996. Il a notamment montré que les changements dans le prix du pétrole brut

et du gaz naturel étaient positivement corrélés aux taux de rentabilité boursière, et que les réserves

(gisements non-exploités, localisés avec plus ou moins de certitude par les producteurs) de ces deux

matières premières avaient un impact positif mais faible sur les bêtas des actions par rapport aux

fluctuations des cours pétroliers et gaziers (Rajgopal, 1999).

Les travaux de Rajgopal ont été poursuivis par Jin et Jorion, sur 119 producteurs pétroliers et

gaziers étasuniens de 1998 à 2001. Ils montrent également que les politiques de couverture

réduisent la sensibilité des actions aux cours du pétrole et du gaz, et que la présence de réserves

influence favorablement l'exposition des rentabilités boursières aux variations des cours des

produits issus d'énergies fossiles (Jin et Jorion, 2006).

Dan, Gu et Xu ont suivi les recherches de Jin et Jorion, en s'intéressant à 88 producteurs

pétroliers et gaziers canadiens sur la période 2000-2002. Contrairement à la majorité des études

précédentes, ils ont utilisé des modèles d'évaluation de la sensibilité des actions non-linéaires (Dan,

Gu et Xu, 2005). Leurs conclusions sont proches de celles de Rajgopal, Jin et Jorion, en se fondant

pourtant sur des méthodes de travail différentes : en effet, leurs modèles prennent en compte des

réactions plus fines des actions, mais ils manquent parfois de données en raison de l'origine des

firmes et de la réglementation qui les entoure (qui est moins stricte au Canada qu'aux États-Unis).

Enfin, Mnasri, Dionne et Gueyie ont étudié 150 producteurs pétroliers et gaziers étasuniens sur

la période 1997-2010. En détaillant les stratégies de couverture par type de produits utilisés, ils

parviennent à des résultats surprenants. Pour eux, les stratégies complexes de couverture combinant

plusieurs instruments et générant des flux de trésorerie au moins partiellement non-linéaires sont à

même de réduire la sensibilité du prix des actions des producteurs aux cours du pétrole et du gaz

naturel. Elles atténueraient aussi la sensibilité de la volatilité du prix des actions à ces mêmes cours.

12

Leurs résultats chiffrés démontrent également qu’au contraire les stratégies simples, mono-

instrument de couverture et linéaires, augmenteraient la sensibilité du prix des actions aux cours des

deux matières premières. Ils reconnaissent eux-mêmes que cette idée est en contradiction avec

l’idée ‘habituelle’ (« prediction » pour eux) que les instruments linéaires neutralisent le risque.

3.2.5 Effets de la couverture sur la valeur de marché des firmes

Cet aspect est jusqu'à présent le moins étudié de ceux concernant les politiques de couverture

des firmes, car ce n'est que récemment que les chercheurs ont commencé à s'y intéresser au plan

empirique. Les premiers à publier sur la question ont été Allayannis et Weston, en se penchant sur

la couverture du risque de change de multinationales étasuniennes. Leur article fait ressortir une

relation positive et significative entre couverture et valeur de marché, les entreprises se couvrant

ayant en moyenne une valeur de marché de 5% supérieure à celles ne se couvrant pas. Cependant,

ce résultat ne saurait être transposé directement pour la couverture contre d'autres types de risques

(Allayannis et Weston, 2001). L'hypothèse d'imperfection de la distribution de l'information

financière entre 'insiders' et 'outsiders' des entreprises est fondamentale pour mettre en défaut le

théorème de Modigliani et Miller et rendre les politiques de couverture théoriquement créatrices de

valeur.

Or, le risque de change auquel sont exposées ces compagnies est effectivement spécialement

opaque pour les actionnaires, alors que l'exposition à des risques de prix de matières premières est

par exemple beaucoup plus visible et gérable par les actionnaires eux-mêmes s'ils le souhaitent.

Le risque de prix lié aux matières premières a spécifiquement été étudié par Jin et Jorion, et par

Dan, Gu et Xu, respectivement dans les mêmes études que celles réalisées sur la sensibilité du cours

des actions au risque de prix.

Avec un modèle linéaire, Jin et Jorion concluent qu'il n'y a pas de relation significative entre les

valeurs de marché des firmes de leur échantillon et leur degré de couverture, avec des coefficients

de sensibilité négatifs.

Au contraire, Dan, Gu et Xu, avec un modèle non-linéaire, arrivent au constat qu'il existe une

relation significative entre couverture, particulièrement sur le gaz, et valeur des entreprises.

Cependant, ils distinguent le cas où la couverture est effectuée sur la production de gaz (la

13

production de pétrole ne donne pas de résultats significatifs), avec un effet créateur de valeur, et où

elle est effectuée sur les réserves de pétrole et de gaz, avec un effet réducteur de valeur. Ceci

impliquerait l'existence d'un ratio de couverture optimal, même s'ils ne le disent qu'indirectement

par la formule « This may indicate the need for some delicate balance between gas hedging relative

to production and gas hedging relative to reserves in order to obtain the highest Q-ratio ».

Ces études ont le point commun d'avoir travaillé avec des données issues de la période 1998-

2004, durant laquelle les cours du pétrole et du gaz étaient globalement corrélés, et proches

lorsqu'ils étaient exprimés dans la même unité (pour nous en USD/MMBtu7, avec une moyenne du

ratio cours du pétrole / cours du gaz de 1,26 et un écart-type du ratio cours du pétrole / cours du gaz

de 0,28), à l'exception d'un pic sensible du cours du gaz seul à la fin de l'année 2000.

Nous proposons de réaliser une étude sur la sensibilité du cours des actions des producteurs

pétroliers et gaziers au risque de prix de leur production, ainsi qu'une analyse du lien entre valeur de

ces entreprises et degré de couverture des volumes produits, dans des conditions différentes. Nous

nous penchons en effet sur l'année 2011, durant laquelle les prix du pétrole et du gaz sont plus

stables, mais très dé-corrélés (depuis début 2009, le ratio cours du pétrole / cours du gaz n'a de

cesse de varier brutalement, en tendance fortement haussière, en moyenne vers 4,14 pour l'année

2011 avec une volatilité de 0,61, et dépassant 9 en avril 2012!). Ces observations sont résumées par

le graphique suivant et les corrélations sont observables en annexe 6 :

Représentation effectuée avec les données de l'U.S. Energy Information Administration (www.eia.gov)

Référence RWTCm retenue pour les cours mensuels du pétrole brut et RNGWHHDm pour ceux du gaz naturel

7 MMBtu : million d'unités thermales britanniques

14

4. Échantillon d'étude

4.1 Constitution de l'échantillon

En premier lieu, nous avons extrait de Thomson One Banker une liste de 399 compagnies cotées

et actives, enregistrées comme opérant actuellement aux États-Unis dans le secteur de l'industrie

pétrolière et gazière, correspondant au code SIC (Standard Industry Code) 1311. A partir de cette

liste, un affinage a été opéré, pour ne conserver que les entreprises sur lesquelles des données

exploitables concernant nos travaux étaient disponibles.

Le premier critère de sélection est celui du volume d'actifs. En effet, les entreprises

étasuniennes cotées doivent publier annuellement un formulaire dit '10-K' par décision de la SEC.

Ce document contient des informations détaillées sur les compagnies, leur structure actionnariale,

leurs comptes audités, ainsi qu'un certain nombre d'autres items financiers. Parmi eux, on trouve

une section nommée « Item 7A : Quantitative and Qualitative Disclosures About Market Risk »

réservée à la description des politiques de gestion des risques des entreprises (risque de change, de

taux d'intérêt, de prix de matières premières...). Elle intègre notamment des éléments généraux de

stratégie de couverture, mais aussi des données sur les instruments utilisés (types, sous-jacents,

échéances, prix, volumes...). Or, les compagnies dont l'actif a une valeur totale inférieure à 20

millions USD étant considérées comme des 'smaller reporters', ne sont pas tenues de remplir cette

section. Nous avons donc dû les éliminer de l'échantillon. A l'issue de cette sélection, 247

entreprises étaient encore présentes dans l'échantillon.

Nous précisons que lorsque les compagnies remplissent l' « Item 7A », il arrive qu'elles donnent

également des informations complémentaires sur la couverture dans deux autres parties de leur

rapport 10-K : « Item 7 : Management’s Discussion and Analysis of Financial Condition and

Results of Operations » et « Item 8 : Financial Statements and Supplementary Data ». Lors de notre

étude, ces deux sections ont donc été aussi analysées.

En second lieu, nous avons vérifié la présence des formulaires 10-K de chaque entreprise

dans la base EDGAR de la SEC. En effet, lorsqu'ils existent, Thomson One Banker les référence en

format de texte brut, sous lequel l'absence de mise en page rend la lecture de tels documents

particulièrement difficile. La SEC les répertorie en revanche en format HTML, proposant même

parfois des extraits sous forme de tableaux interactifs (pour les rapports 10-K les plus récents). Pour

éviter de consulter inutilement la base EDGAR, nous vérifiions auparavant que Thomson One

15

Banker indiquait déjà les 10-K comme existants. Pour ce faire, nous allions dans la section

'Content Profile – Fillings List' de la page de chaque entreprise sur Thomson One Banker. Si le

formulaire 10-K était signalé dans la liste des contenus, alors nous le récupérions sur la base

EDGAR. Cette récupération se faisait en recherchant par le nom de la compagnie, ou, lorsque celui-

ci menait à un trop grand nombre de résultats, par le numéro de dossier de la compagnie, figurant

dans l'entête du rapport 10-K disponible sur Thomson One Banker. Après avoir trouvé les

entreprises sur EDGAR, nous pouvions filtrer notre recherche sur les seuls formulaires 10-K, et

télécharger ceux qui nous intéressaient. Ce deuxième filtre a retiré 61 entreprises supplémentaires.

Troisièmement, une fois les formulaires 10-K en notre possession, nous avons vérifié pour

chaque entreprise que les données concernant sa politique de couverture des risques de prix des

matières premières étaient publiées avec un niveau de détails suffisant. En effet, les entreprises

ayant apparemment une certaine latitude en matière de remplissage de la section « Item 7A »,

certaines ne communiquaient en réalité quasiment aucune donnée, à l'exception des résultats d'une

analyse de sensibilité de leurs revenus à des variations de +/- 1% des prix de leurs productions ou

approvisionnements. 68 firmes étaient encore dans l'échantillon après cette troisième étape.

Ensuite, nous nous sommes assurés que les 10-K des compagnies retenues contenaient

également suffisamment d'informations concernant les productions de pétrole et de gaz naturel de

chaque exercice comptable. Ce filtrage n'a éliminé aucune compagnie de l'échantillon.

Enfin, nous avons également vérifié la disponibilité des PER pour la fin de l'année 2011 et

des indices de rentabilité boursière avec dividendes pour l'année 2011 de chacune des compagnies

auxquelles nous nous intéressions. Ces données ont été extraites de Datastream. La plupart des

indices de rentabilité ont été trouvés, mais de nombreuses séries de PER n'étaient en revanche pas

disponibles. A l'issue de cette étape, l'échantillon final contenait 45 compagnies. La liste de ces

compagnies est disponible en annexe 5.

En comparaison d'autres études réalisées sur les politiques de couverture des risques de prix des

matières premières pour des firmes du même type, ce chiffre est inférieur à la moyenne : Mnasri et

al. en ont rassemblé 150 (Mnasri, Dionne et Gueyie, 2013), Jin et Jorion en avaient étudié 119 (Jin

et Jorion, 2006), contre 94 pour Dinh et Nguyen (Dinh et Nguyen, 2011) et 32 pour Chen et al.

(Chen, Jin et Wen, 2008), avec toutefois des restrictions plus sévères sur l'échantillon liées à la

disponibilité dans la base ExecuComp de données sur l'intéressement des dirigeants. Une différence

cependant : ils ont chacun trouvé la quasi-totalité de leurs données sur Compustat et EDGAR, alors

16

que nous avons croisé Thomson One Banker, EDGAR et Datastream pour récolter celles

nécessaires à nos travaux.

4.2 Description de l'échantillon

4.2.1 Aperçu de l'échantillon en termes d'activité des firmes

Par la lecture des rapports 10-K nous avons pu observer les activités des firmes présentes dans

l'échantillon. Ces informations sont généralement présentes vers le début des rapports, où les

entreprises décrivent leur 'business' ou leurs 'activity segments'. Le terme de 'segments' est parfois

trompeur, car il arrive que les firmes s'en servent indifféremment pour qualifier des types d'activités

ou des zones géographiques dans lesquelles ces activités tiennent place ; il faut lire avec attention

les paragraphes s'y référant. Toutes les compagnies de l'échantillon exercent au minimum une

activité d'exploration et de production de pétrole brut ou de gaz naturel. Mais elles sont aussi parfois

engagées dans d'autres activités, que nous avons regroupées en quatre familles :

traitement des produits pétroliers et gaziers et marketing : opérations de raffinage, de

conditionnement, de transport ou de marketing des produits

opérations sur pipelines : construction ou maintenance de pipelines

forage à forfait : forage de puits pour le compte de tiers

autres services à l'extraction : divers services logistiques ou financiers en support de projets

d'extraction pour le compte de tiers

Le tableau ci-dessous indique la répartition des 45 compagnies dans chaque activité :

Nombre de

compagnies Pourcentage du total

Exploration et production 45 100,00 %

Traitement des produits et marketing 8 17,78 %

Opérations sur pipelines 1 2,22 %

Forage à forfait 3 6,67 %

Autres services à l'extraction 2 4,44 %

Le fait que la majeure partie des compagnies aient l'extraction pour seule activité est lié au fait

qu'elles appartiennent souvent à un groupe (pas nécessairement très grand) dont elles sont maisons-

mères ou filiales, et dont les autres entités opèrent dans les autres domaines. Les entités autres que

17

celles en charge de la production au sein des groupes sont souvent présentes selon la même

'hiérarchie' que celle du tableau pour des activités intégrées dans des entités uniques : généralement,

un groupe ajoutera d'abord à son entité de production une entité de raffinage et de marketing, puis

une autre experte en matière de forage pour le compte de tiers etc...

Cet état de l'échantillon est tout à fait normal, car les entreprises qui opéreraient uniquement sur

les activités ici les moins représentées n'y figurent pas du fait de sa méthode de constitution. En

effet, il convient de rappeler que les firmes sélectionnées appartiennent au code SIC 1311

« Crude petroleum & Natural gas », et que toutes les activités autres que l'extraction sont donc pour

elles des activités satellites. Des entreprises exerçant principalement dans d'autres domaines que

l'extraction, qui pourraient par exemple être classées en code SIC 1382 « Oil & Gas Field

exploration services » ne sont donc pas étudiées, sans quoi la proportion de ces domaines d'activités

dans le panel serait naturellement plus élevée que les quelques points observés.

La relative homogénéité dans la répartition des compagnies par activités (la quasi-totalité ne fait

qu'explorer et produire) est un facteur positif pour la suite de notre étude, puisqu'elle implique une

homogénéité dans l'exposition des firmes aux risques de prix des produits pétroliers et gaziers,

avant d'éventuelles opérations de couverture.

Après avoir étudié les activités des firmes de notre échantillon, nous avons entamé le recueil des

données concernant la couverture du risque de prix des matières premières, la production de pétrole

et de gaz naturel, et les performances boursières des entreprises.

4.2.2 Données de couverture pour l'année 2011

Comme nous l'avons dit précédemment, les données concernant les instruments utilisés pour la

couverture, leur volume, leurs prix et les périodes qu'ils couvrent se trouvent dans les formulaires

réglementaires de la SEC dits '10-K' pour chaque firme. Plus précisément, elles sont issues des

sections « Item 7 », « Item 7A » et « Item 8 » de ces formulaires. Un exemple de présentation de ces

informations est fourni en annexe 1. Notre cinquième partie sur la méthodologie de l'étude et ses

résultats y reviendra également plus en détail.

La diversité des modes de présentation des informations et des produits financiers utilisés a

nécessité de notre part une attention toute particulière : les dates d'échéance des instruments, les

18

unités de volumes et de temps sont très variées. Pour agréger les données sur l'année entière, des

opérations de conversion doivent donc être effectuées. Nous avons choisi de les exprimer dans les

deux unités les plus courantes : le millier de barils (MBbls) pour le pétrole brut et le million d'unités

thermales britanniques (MMBtu) pour le gaz naturel. Nous fournissons en annexe 2 les facteurs de

conversion que nous avons utilisés selon les différentes autres unités trouvées dans les comptes.

Une synthèse de nos données est fournie dans les deux tableaux ci-après.

Données au 31/12/11 pour l'année 2011 Pourcentage du total

Nombre d'entreprises total dans l'échantillon 45 100,00 %

Nombre d'entreprises déclarant se couvrir 41 91,11 %

dont nombre d'entreprises se couvrant pour le pétrole brut 37 82,22 %

nombre d'entreprises se couvrant pour le gaz naturel 39 86,67 %

Volumes couverts pour le pétrole brut

(en MBbls)

Volumes couverts pour le gaz naturel

(en MMBtu)

Moyenne 6 577 94 255 505

Écart-type 10 236 175 265 973

Maximum 45 990 942 610 000

Minimum (*) 45 764 820

(*) Pour les entreprises se couvrant ; sinon 0

4.2.3 Données de production pour l'année 2011

Dans un second temps, nous avons récolté les volumes de pétrole brut et de gaz naturel produits

durant l'année 2011. En comparaison des données de couverture, ceux-ci sont issus de sections et

d'années différentes des rapports 10-K, comme nous l'expliquerons en partie 5 sur la méthodologie

de l'étude. Là encore, les unités de volumes et de temps étant différentes d'une entreprise à l'autre,

nous avons dû effectuer des conversions. Comme pour les chiffres sur la couverture, nous avons

rapporté les données de production en milliers de barils et en millions d'unités thermales

britanniques.

19

Une synthèse des volumes produits est présentée dans le tableau ci-dessous :

Volumes produits pour le pétrole brut

(en MBbls)

Volumes produits pour le gaz naturel

(en MMBtu)

Moyenne 18 852 184 752

Écart-type 46 789 410 308 009

Maximum 273 020 2 334 371 000

Minimum 5 822

4.2.4 Données de marché pour l'année 2011

Dans le cadre de notre étude, nous avons récolté deux indicateurs de la valorisation de marché

des compagnies de l'échantillon : les PER et les indices de rentabilité boursière. Ces données ont été

extraites de la base Datastream, dans laquelle elles figurent sous les mnémoniques PE

(Price/Earnings Ratio) et RI (Total Return Index). Nous avons sélectionnés les PE au 31/12/11, et

les RI sous forme d'historique quotidien pour l'année 2011. A partir des valeurs de l'indice de

rentabilité RI, nous avons calculé les taux de croissance mensuels de cet indice pour chaque

entreprise.

Le tableau suivant résume les caractéristiques de notre échantillon sur ces critères d'observation.

Price/Earnings Ratio Total Return Index monthly growth

Moyenne 24,41 2,19 %

Écart-type 23,37 18,61 %

Maximum 110,00 222,05 %

Minimum 2,70 - 37,25 %

Nous constatons dans ce tableau que les valeurs maximales des PER et des taux de croissance

de l'indice de rentabilité boursière sont anormalement élevées. Pour certaines études de corrélation

menées dans la suite de nos travaux, nous avons été contraint de retirer de l'échantillon les quelques

compagnies proches de ces maxima (très peu nombreuses). En effet, de tels chiffres rendaient

difficile l'étude d'une éventuelle relation entre les performances boursières des firmes et leur degré

de couverture. Ces retraits seront signalés plus loin dans l’étude.

20

5. Méthodologie et résultats des travaux

Nous avons choisi de nous intéresser à la relation entre le degré de couverture de la production

pétrolière et gazière et les performances boursières des entreprises productrices. Nos travaux se

scindent en deux sous-études.

La première étude s'intéresse à la sensibilité du taux de croissance de la rentabilité des

actions des firmes aux variations de cours du pétrole brut et du gaz naturel, ainsi qu'au taux

de croissance de la rentabilité du marché. Jin et Jorion, étendant l'analyse de Rajgopal,

avaient étudié ce type de relation en retenant pour les cours du pétrole et du gaz le prix des

contrats à terme sur le NYMEX arrivant à échéance le mois suivant le calcul de chaque taux

de croissance de rentabilité-actions. De cette manière, ils étudiaient la sensibilité du cours

des actions aux anticipations des marchés en matière de cours du pétrole et du gaz. Ils

corrigent ensuite avec les données de couverture du risque de prix du pétrole et du gaz pour

étudier l'impact de cette couverture sur la sensibilité des cours d'actions.

Nos calculs se fondent quant à eux sur des prix spot. Nous étudions donc la sensibilité du cours

des actions aux données présentes en matière de cours du pétrole et du gaz. De plus, alors que Jin et

Jorion prennent en compte les données du S&P 500 pour la rentabilité du marché, nous avons

considéré un niveau additionnel de données, constitué de la variante de l'indice S&P 500 spécialisée

sur l'exploration et la production pétrolière et gazière. Ceci nous permet de nous assurer de la

représentativité, en matière de comportement des valeurs boursières des capitaux propres, des

entreprises de notre échantillon pour l'industrie de la production et de l'exploration pétrolière et

gazière étasunienne.

La deuxième étude tente d'établir une relation entre le PER des entreprises, leur degré de

couverture du risque de prix des matières premières et le taux de croissance de l'indice de

rentabilité de leurs actions. En effet, que le cours des matières premières, présent ou

anticipé, ainsi que la couverture, aient un impact ou non sur le taux de croissance de l'indice

de rentabilité des actions des producteurs pétroliers et gaziers, ceci ne donne pas

d'information sur le lien entre couverture et valeur boursière des compagnies. L'idéal est

l'utilisation du ratio Q ou de ses dérivés pour juger de la valorisation des entreprises par le

marché, mais la complexité de leur calcul nous a fait préférer le PER.

21

Permettant d'évaluer dans une certaine mesure la performance boursière d'une entreprise, et

ayant une double dimension de rentabilité et de risque, nous confrontons donc le PER à l'indice de

rentabilité de l'action de chaque entreprise et au degré de 'non-risque' mesuré par un indice de

couverture de la production de l'entreprise contre le risque de prix.

En théorie, le PER doit être fonction décroissante du risque perçu par les actionnaires. On

pourrait donc s'attendre à ce qu'une politique de couverture historiquement prudente soit corrélée

positivement au PER. Nous faisons l'hypothèse que les entreprises couvrent approximativement le

même pourcentage de leur production d'une année sur l'autre, et que les actionnaires se fondent sur

cette information historique avec un recul d'un an pour évaluer le risque futur, en l'absence de

données de production et de ventes prévisionnelles aux mains des managers mais pas

nécessairement communiquées. Nous ne visons pas à étudier la sensibilité du PER aux variations

dans les politiques de couverture, puisqu'il est déterminé par de nombreux autres facteurs que nous

ne testons pas. Nous avons pour but de vérifier si les entreprises qui ont mis en place la couverture

la plus importante, ou un degré de couverture optimal, pour l'année 2011 sont effectivement celles

qui ont les PER les plus élevés à la fin de cette année.

Par ailleurs, le PER doit théoriquement être d'autant plus fort que le taux de croissance des

bénéfices par action est élevé. Nous approximons cette relation à l'aide du taux de croissance de

l'indice de rentabilité des actions des firmes, en considérant que les bénéfices par action croissent à

un rythme identique et constant dans le temps (soit qu'à l'infini les cours croissent au même taux

constant que les dividendes et que la clé de répartition entre bénéfices réinvestis et dividendes est

constante). Dans ce cadre, nous pensons donc trouver que les entreprises aux taux de croissance de

l'indice de rentabilité des actions les plus élevés ont aussi les PER les plus élevés.

5.1 Première étude : sensibilité des taux de rentabilité des actions

5.1.1 Description des modèles d'étude

Nous étudions ici la sensibilité des taux de rentabilité des actions des producteurs pétroliers et

gaziers aux cours spot du pétrole et du gaz, ainsi qu'à la rentabilité du marché boursier, pour 2011.

Pour ce faire, nous avons premièrement récolté les données historiques de l'U.S. Energy

Information Administration relatives aux cours spot du 'Crude Oil Cushing Oklahoma' pour le

22

pétrole et du 'Henry Hub' pour le gaz. A partir de ces chiffres, nous avons calculé des taux de

croissance mensuels de ces cours sur l'année 2011.

Deuxièmement, nous avons récolté les valeurs mensuelles des indices « S&P 500 » et

« S&P Oil & Gas Exploration & Production Select Industry Index » depuis les plateformes de

Standard & Poor's. Nous avons ensuite calculé des taux de croissance mensuels sur ces indices.

Troisièmement, nous avons calculé les taux de croissance mensuels des indices de rentabilité

des actions de chaque firme, à partir de leur « Total Return Index » trouvé sur Datastream.

Pour chaque entreprise de l'échantillon, nous avons ensuite procédé à plusieurs régressions

linéaires. Toutes ont pour variable dépendante le taux de croissance mensuel de la rentabilité des

actions des firmes. Les variables explicatives sont le taux de croissance mensuel d'un indice de

marché boursier, couplé au taux de croissance des cours du pétrole, puis du gaz, puis des deux

produits en même temps. Ces trois régressions ont été menées chacune deux fois, avec pour

données de marché celles du S&P 500 puis celles de sa variante focalisée sur l'industrie de

l'exploration et de la production pétrolière et gazière. Pour chaque entreprise, six régressions ont

donc été effectuées, à l'aide des outils statistiques d'Excel.

Les tableaux ci-après fournissent une synthèse des résultats des six régressions, avec :

δTRI le taux de croissance mensuel de l'indice de rentabilité de l'action d'une firme

δOil le taux de croissance mensuel du cours spot du pétrole brut 'Crude Oil Cushing Oklahoma'

δGas le taux de croissance mensuel du cours spot du gaz naturel 'Henry Hub'

δSP500 le taux de croissance mensuel de l'indice de marché S&P 500

δSP500 Oil and Gas le taux de croissance mensuel de l'indice de marché

« S&P Oil & Gas Exploration & Production Select Industry »

Les β sont les sensibilités de la variable δTRI aux autres δ, et le α est la constante du modèle.

23

5.1.2 Première série de trois régressions avec l’indice S&P 500

Régression du type δTRI=α+βSP500∗δSP500+βOil∗δOil

β SP500 β Oil α

Moyenne 1,50951842 0,50334018 0,01166769

Écart-type 1,21210186 0,61641937 0,03287867

Maximum 4,86391125 1,83962915 0,16353573

Minimum - 0,67973292 - 1,04124059 - 0,04544525

Pourcentage > 0 91,11 % 80,00 % ----

Pourcentage significatif au seuil de 5% 8,89 % 7 % ----

Pourcentage significatif au seuil de 10% 17,78 % 15,56 % ----

Régression du type δTRI=α+βSP500∗δSP500+βGas∗δGas

β SP500 β Gas α

Moyenne 2,26040374 0,18520765 0,0217095

Écart-type 1,28784873 0,84746748 0,02912006

Maximum 4,80205919 1,4878021 0,11244908

Minimum - 0,44995722 - 4,17454263 - 0,04287926

Pourcentage > 0 97,78 % 77,78 % ----

Pourcentage significatif au seuil de 5% 77,78 % 11,11 % ----

Pourcentage significatif au seuil de 10% 82,22 % 15,56 % ----

Régression du type δTRI=α+βSP500∗δSP500+βOil∗δOil+βGas∗δGas

β SP500 β Oil β Gas α

Moyenne 1,53427185 0,46161974 0,08188961 0,01471354

Écart-type 1,13073821 0,68666755 0,91069571 0,03119624

Maximum 5,0310495 1,72956169 1,87481837 0,13865504

Minimum - 0,57263714 - 1,72916899 - 4,44878206 - 0,05815343

Pourcentage > 0 91,11 % 77,78 % 68,89 % ----

Pourcentage significatif au

seuil de 5% 11,11 % 4,44 % 8,89 % ----

Pourcentage significatif au

seuil de 10% 22,22 % 11,11 % 13,33 % ----

24

5.1.3 Deuxième série de trois régressions avec le S&P500 Oil & Gas Exploration & Production

Régression du type δTRI=α+βSP500 Oil and Gas∗δSP500+βOil∗δOil

β SP500 Oil & Gas β Oil α

Moyenne 0,71470039 0,37005982 0,01234619

Écart-type 0,76208117 0,69371359 0,02982093

Maximum 2,35266645 3,57406405 0,13575227

Minimum - 2,49640599 - 1,30969866 - 0,04445026

Pourcentage > 0 88,89 % 80,00 % ----

Pourcentage significatif au seuil de 5% 53,33 % 4,44 % ----

Pourcentage significatif au seuil de 10% 55,56 % 8,89 % ----

Régression du type δTRI=α+βSP500 Oil and Gas∗δSP500+βGas∗δGas

β SP500 Oil & Gas β Gas α

Moyenne 0,97493009 - 0,03820204 0,01385032

Écart-type 0,59736013 0,85912437 0,03118941

Maximum 2,20880578 2,20880578 0,134861

Minimum - 0,08188961 - 0,88199441 - 0,05531117

Pourcentage > 0 97,78 % 51,11 % ----

Pourcentage significatif au seuil de 5% 77,78 % 2,22 % ----

Pourcentage significatif au seuil de 10% 84,44 % 8,89 % ----

Régression du type δTRI=α+βSP500 Oil and Gas∗δSP500+βOil∗δOil+βGas∗δGas

β SP500 Oil & Gas β Oil β Gas α

Moyenne 0,72708948 0,38417165 - 0,0738413 0,00974128

Écart-type 0,7351549 0,79753821 0,90683931 0,03137774

Maximum 2,34468761 4,39993999 1,96900646 0,12708031

Minimum - 1,77135092 - 1,31878699 - 4,3214638 - 0,06344838

Pourcentage > 0 86,67 % 77,78 % 51,11 % ----

Pourcentage significatif

au seuil de 5% 48,89 % 2,22 % 2,22 % ----

Pourcentage significatif

au seuil de 10% 55,56 % 8,89 % 11,11 % ----

25

Nous avons procédé à l'analyse des résultats de ces régressions, en nous fondant à la fois sur la

valeur des bêtas, mais aussi sur leur significativité au regard du test du t de Student.

5.1.4 Analyse des coefficients de sensibilité (bêtas)

D'après la première série d'analyses, les taux de croissance des indices de rentabilité des actions

des compagnies de l'échantillon paraissent :

Sensibles au taux de croissance de l'indice de marché S&P 500, auxquels ils sur-

réagissent. Les résultats indiquent en fonction des régressions des valeurs moyennes de

coefficients associés allant de 1,50% à 2,26% de croissance des indices de rentabilité des

actions pour 1% de croissance du marché. Les écarts-types sont cependant relativement

importants, vers 1,20% (considérant que des réactions « extrêmes » ou négatives existent

dans l’échantillon comme le montrent les maxima et minima). Ces résultats diffèrent de

ceux de Jin et Jorion, trouvant des réactions plutôt proportionnellement inférieures aux

mouvements du marché, de l’ordre de 0,85% à 0,95%. Les données de Mnasri et al.

donnent quant à elles des résultats se situant entre la fourchette basse des nôtres et ceux

de Jin et Jorion, aux alentours de 1,10% de réaction, positivement corrélée, à un

mouvement de 1% du marché avec un écart-type de l’ordre de 0,20%.

Modérément sensibles au taux de croissance du cours spot du pétrole. En effet, les

coefficients associés vont de 0,46% à 0,50% de hausse des taux de croissance de

rentabilité des actions pour une hausse de 1% des prix du pétrole. Ces résultats sont

quasi-identiques à ceux de l’étude très complète de Mnasri et al. . En revanche, Jin et

Jorion avaient par le passé trouvé des coefficients de plus de moitié inférieurs, de l’ordre

de 0,20%.

Peu à très peu sensibles au taux de croissance du cours spot du gaz naturel. Dans la

régression ne faisant intervenir que le cours du gaz et le marché-action dans son

ensemble, le coefficient associé est de 0,19% de croissance du taux de rentabilité des

actions pour 1% de croissance du marché-actions. Dans la troisième régression, alors

que sont pris en compte le marché, les cours du pétrole et ceux du gaz, la sensibilité aux

cours du gaz devient proche de 0. Toutefois, il convient de noter que ces deux résultats

concernant le bêta du gaz dans les deux dernières régressions sont la moyenne de bêtas

positifs faibles et de bêtas négatifs plus significatifs mais moins nombreux (22,22% et

26

31,11% respectivement). Les écarts-types importants de l’ordre de 0,87% en témoignent.

Ceci contraste significativement avec les résultats de Jin et Jorion et ceux de Mnasri et

al., qui trouvent des coefficient de l’ordre de 0,30% de croissance du taux de rentabilité

des actions pour 1% de croissance du marché-actions avec des écarts-types faibles.

Cette divergence importante de nos résultats avec les recherches antérieures peut

probablement s’expliquer par les fenêtres d’étude utilisées. En effet, l’échantillon de Jin

et Jorion couvre la période 1998 à 2001, et celui de Mnasri et al. va de 1997 à 2010. Or,

comme le rappelle le graphique déjà exposé en section 3, à quelques exceptions près

(4ème

trimestre 2000, 2ème

semestre 2004, 1er

semestre 2006, 2ème

semestre 2007 et 1er

semestre 2009 et année 2010), les cours du gaz ont toujours été fortement corrélés à ceux

du pétrole. A titre illustratif, nous avons calculé en annexe 6 les coefficients de

corrélation entre les deux cours à partir des données utilisées pour le graphique.

Il était donc cohérent de trouver des taux de croissance des rentabilités des actions

corrélés aux mouvements des cours du gaz s’ils l’étaient aussi à ceux du pétrole (la

corrélation étant un phénomène transitif en statistiques).

De notre côté, nous avons observé l’année 2011, durant laquelle les cours du gaz sont

dé-corrélés de ceux du pétrole. Le pouvoir explicatif des cours du gaz dans la rentabilité

des actions semble alors disparaître. Cette vérification serait à effectuer lors de

recherches futures, alors qu’en raison des nouvelles conditions économiques du marché

des produits pétroliers et gaziers aux Etats-Unis, cette dé-corrélation est amenée à se

maintenir voire à s’aggraver. Ceci est fondé sur l’hypothèse de la préexistence d’un lien

de cause à effet entre les deux qui se distend progressivement depuis 2010, même si ce

n’est pas une déduction automatique à faire de coefficients de corrélation élevés. Notre

analyse a pour base l’évolution actuelle du marché au plan physique et non la seule

observation statistique. En effet, les gisements de gaz sont dorénavant plus fréquemment

exploités de manière indépendante de ceux de pétrole, alors qu’ils étaient auparavant

plus souvent des produits connexes de l’exploitation pétrolière. Ceci est notamment dû

aux nouvelles techniques d’extraction et à la découverte de nouveaux gisements comme

ceux des gaz de schiste.

Dans tous les cas, les constantes des modèles de régression sont proches de la valeur nulle.

27

Une analyse proche ressort de l'observation des résultats de la deuxième série de régressions,

contre le S&P 500 Oil & Gas.

Les valeurs des coefficients bêtas du marché-actions baissent de moitié (entre 0,71% et

0,97% de hausse du taux de croissance de rentabilité des actions pour 1% de hausse du

marché-action). Les valeurs associées aux cours du pétrole baissent d’un quart (en

moyenne 0,38%). Le coefficient moyen associé aux cours du gaz devient proche de zéro

(très faiblement négatif). La sensibilité aux évolutions du marché-actions du secteur de

l’exploration pétrolière et gazière, et celle aux cours du pétrole persistent donc, à un

niveau modéré, alors que celle aux cours du gaz disparaît totalement.

Dans le cadre de la dernière régression (marché-actions, cours du pétrole et cours du

gaz), les bêtas associés au marché-actions et aux cours du pétrole sont proches de ceux

obtenus par Jin et Jorion, ainsi que leur pourcentage d’occurrence de valeur positive. En

revanche, l'étude de ces deux auteurs montre un bêta assez différent de 0 pour le gaz,

avec un pourcentage de valeurs positives aussi élevé que pour le marché et le cours du

pétrole, ce qui est à l'opposé de nos observations. Nos résultats sont en revanche

inférieurs à ceux de Mnasri et al. contrairement à ceux que nous avions obtenus dans la

première série de régressions faisant intervenir l’indice S&P 500 dans son ensemble

comme ils l’avaient fait eux-mêmes.

5.1.5 Analyse de la significativité des coefficients de sensibilité

Nous observons ici les t de Student associés aux coefficients bêtas obtenus.

Pour ce faire, nous avons calculé la statistique t de chaque bêta en le divisant par l'erreur-type

lui étant associée, renvoyée par Excel lors des régressions. Nous avons ensuite comparé la valeur

absolue de ce résultat à la valeur critique t bilatérale pour une loi de Student à 9 degrés de liberté

pour les deux premières régressions de chaque série (à 8 degrés pour les dernières de chaque série),

avec un seuil de risque à 10% puis à 5%. Un coefficient est considéré comme significatif dans une

des régressions, au seuil de risque défini, lorsque la valeur absolue de sa statistique t est supérieure

à la valeur critique correspondante.

Nos tableaux de résultats des sections 5.1.2 et 5.1.3 indiquent dans leurs deux dernières lignes le

pourcentage de cas, sur les 45 compagnies étudiées, dans lequel un coefficient donné apparaît

28

comme significatif. Par exemple, dans notre premier tableau, avec l'équation de

régression δTRI=α+βSP500∗δSP500+βOil∗δOil , le chiffre de 17,78 % pour le bêta de l'indice S&P 500

à la dernière ligne indique que cette variable peut être considérée comme significative dans la

régression dans 17,78 % des cas étudiés, avec un risque d'erreur de 10% dans l'appréciation de

chaque cas. Son pouvoir explicatif du taux de croissance de l'indice de rentabilité des actions est

donc assez mauvais.

Pour les régressions avec l'indice S&P 500, on observe que seul le coefficient associé au

marché-actions dans la régression à deux facteurs avec le cours du gaz naturel est vraiment

significatif. La significativité du coefficient du marché-actions est faible dans les autres cas. Les

coefficients pondérant les cours du pétrole et du gaz sont peu significatifs, qu’ils soient calculés

dans les modèles à deux facteurs ou dans celui à trois facteurs. Le taux de croissance de l'indice de

rentabilité des actions des 45 firmes de notre échantillon semble donc, durant l'année 2011,

modérément expliqué par le taux de croissance de l'indice de rentabilité du marché-actions dans son

ensemble (mesure par l'indice S&P 500), et peu par le taux de croissance des cours spot du pétrole

et du gaz.

Pour les régressions avec l’indice S&P 500 Oil & Gas Exploration & Production, les

conclusions relatives aux cours du pétrole et du gaz sont les mêmes que pour celles avec l’indice

S&P 500. En revanche, le pouvoir explicatif des fluctuations du marché-actions s’améliore

sensiblement. En effet, le coefficient qui leur est associé devient significatif dans les trois modèles

(entre 49% et 79% de cas, proche des résultats de Jin et Jorion).

Ces résultats sont en contraste avec ceux des précédentes études sur la question de Jin et Jorion,

Dan, Gu et Xu, ou encore Fang, qui concluaient toutes à une relative significativité des coefficients

de marché, mais aussi du gaz et du pétrole (dans cet ordre d'importance). Cependant, ces auteurs ont

tous travaillé sur des données partant au plus tard de 1998, et allant jusqu’à 2004 au plus récent,

période pendant laquelle les cours du pétrole et du gaz étaient assez corrélés comme nous l’avons

déjà exposé. Il est possible que les variations chaotiques des cours sur ces marchés ayant eu lieu

depuis (spécialement pour le pétrole), avec une dé-corrélation évidente apparue depuis janvier 2011

entre les deux matières premières et une stabilité relative du seul cours du gaz, soient la source de

tels écarts de résultats. L’écart vient peut-être aussi de notre fenêtre temporelle ainsi que de notre

nombre de compagnies plus réduits que les leurs.

29

5.1.6 Conclusion de la première étude

Dans notre première étude, nous observons la corrélation entre les taux de croissance de la

rentabilité des actions des entreprises de notre échantillon avec les taux de croissance des indices de

marchés-actions et des cours du pétrole et du gaz. Bien que les coefficients de corrélation ne soient

pas majoritairement significatifs, il semble que la sensibilité à l’indice de marché-actions général

(S&P 500) soit modérée, celle à l’indice de marché-actions sectoriel (S&P 500 Oil & Gas

Exploration & Production) soit forte, et celle aux cours spot du pétrole et du gaz soit faible.

Particulièrement pour les taux de croissance des cours du pétrole et du gaz, la médiocre

significativité de certains coefficients obtenus nous empêche toutefois de conclure de manière

ferme.

5.2 Seconde étude : PER contre taux de rentabilité des actions et taux de couverture

Cette étude vise à confronter le PER des firmes avec un indice synthétique de couverture du

risque de prix des matières premières (associé à la production de pétrole et de gaz naturel), et avec

le taux de croissance de l'indice de rentabilité des actions des producteurs. Nous présentons dans

cette section la méthodologie de construction de l'indice de couverture, puis le recueil et le

traitement des informations boursières propres aux firmes et aux marchés, et enfin les modèles

appliqués à ces variables et leurs résultats.

5.2.1 Construction d'un indice de couverture de la production de pétrole brut et de gaz naturel

Nous présentons dans cette sous-section la méthodologie de construction de l'indice de

couverture.

5.2.1.1 Recueil des informations concernant la couverture du risque de prix de l'année 2011

Comme nous l'avons expliqué dans la section 4, les informations chiffrées concernant les

politiques de couverture ont été trouvées dans les formulaires « 10-K » de chaque entreprise, plus

précisément dans leurs sections 7, 7A et 8. Ces rapports ont été trouvés sur la base EDGAR de la

SEC. A partir de la page de recherche principale de cette base, nous trouvions au cas par cas les

entreprises, à partir de leurs noms ou de leurs numéros de dossiers auprès de la SEC, que nous

30

avions auparavant récoltés dans la base Thomson One Banker utilisée pour constituer l'échantillon

initial. Après avoir accédé à la page principale de leur dossier SEC, nous cherchions à l'intérieur de

celle-ci les formulaires « 10-K », puis les téléchargions.

Pour les besoins de nos travaux, nous avons travaillé avec les formulaires 10-K publiés durant

l'année 2011, couvrant l'année 2010. En effet, le formulaire 10-K d'une année donne des

informations détaillées sur la couverture des années à venir, alors qu'il ne donne que les résultats

comptables obtenus pour les exercices clos. Même si les instruments détenus pour une année N

peuvent évoluer dans le temps par rapport à ce qui est indiqué dans le rapport couvrant l'année N-1

publié en N, on n'aura donc pas de trace de la couverture réelle ayant eu lieu durant N, à l'exception

de son profil comptable de pertes et profits. C'est donc au 31 décembre 2010 que les chiffres de

couverture les plus récents sont disponibles pour l'année 2011 à venir, nous fournissant la meilleure

approximation de ce que la couverture aura été en 2011. Dans nos recherches, nous nous sommes

intéressés aux seuls volumes de couverture, pour toute l'année 2011.

Dans les sections des rapports 10-K que nous avons citées, les informations disponibles sur la

couverture pour l'avenir concernent le type d'instruments dérivés utilisés, leurs durées ou

périodicités, leurs volumes et les prix d'achat ou de vente associés. Comme nous l'avons dit en

section 4, les unités de volumes et de temps sont très variées, entre les entreprises, et pour une

même entreprise. Nous avons donc choisi d'exprimer ici aussi le pétrole en millier de barils (MBbls)

et le gaz naturel en million d'unités thermales britanniques (MMBtu). Les facteurs de conversion

sont fournis en annexe 2. Nous avons également rapporté les volumes sur l'année entière. Pour

chaque entreprise, nous avons donc obtenu un nombre de barils de pétrole et d'unités de gaz

couverts pour l'année 2011, tels que déclarés au 31 décembre 2010. L'annexe 1 fournit un exemple

de la récolte de ces données pour une entreprise, à partir de son formulaire 10-K.

Une synthèse des volumes couverts est fournie en 3.2.2.

Dans d'autres études, la méthodologie consiste normalement en des calculs plus complexes que

la simple agrégation de volumes. Ces études prennent en effet en compte le fait que les volumes

indiqués pour chaque instrument ne couvrent en réalité pas toujours le même volume de production.

Dans le cas d'instruments dérivés linéaires, tels que des contrats à terme fermes, l'agrégation

immédiate des volumes est juste, mais ce n'est pas le cas en présence d'instruments à caractère

optionnel. Ceci est lié au delta de ces instruments.

31

Mathématiquement, le delta d'un instrument optionnel est la dérivée de la valeur théorique de

cet instrument par rapport au cours du sous-jacent. Elle varie de – 1 à 0 dans le cas d'options de

vente et de 0 à 1 dans le cas d'options d'achat. Pour parfaitement tenir compte du réel potentiel de

couverture des instruments à caractère optionnel, il faudrait donc calculer pour chacun d'eux le

delta. Pour les instruments linéaires, le problème ne se pose pas car leur delta est directement de –

1 ou 1 selon qu'on est en position courte ou longue (acheteur ou vendeur).

Après avoir obtenu le delta de chaque instrument, on doit normalement en prendre l'opposé et le

multiplier par le volume 'nominal' de l'instrument, avant d'agréger tous les résultats. Ne pas le faire

revient à considérer que tous les instruments, qu'ils soient linéaires ou optionnels, ont un delta de

valeur – 1 ou 1. C'est ce que nous avons fait. En effet, le calcul du delta réel des instruments

optionnels nécessite d'appliquer la formule de Black & Scholes. Bien que nous la maîtrisions, nous

avons été dans l'impossibilité de nous en servir, par manque de ressources pour l'estimation de ses

paramètres au cas par cas, notamment pour la volatilité implicite des instruments.

5.2.1.2 Recueil des informations concernant la production de l'année 2011

Les données concernant la production ont également été trouvées dans les formulaires 10-K,

dans la section 1 de chacun. Elles ont été trouvées dans les formulaires 10-K publiés en 2012

couvrant l'année 2011, dans lesquels elles sont présentées en section « Item 1 : Business », sous des

intitulés tels que 'Sales Volumes, Prices, and Production Costs'. Pour chaque entreprise, nous avons

donc obtenu un nombre de barils de pétrole et d'unités de gaz produits pour l'année 2011, tels que

déclarés au 31 décembre 2011. L'annexe 3 fournit un exemple de la récolte de ces données. Comme

pour les chiffres sur la couverture, nous avons rapporté les données de production en milliers de

barils et en millions d'unités thermales britanniques annuels, selon les mêmes règles de conversion.

Une synthèse des volumes produits est fournie en 3.2.3.

5.2.1.3 Construction de l'indice synthétique de couverture de la production de l'année 2011

Pour chacune des 45 compagnies, nous avons en premier lieu rapporté les volumes de

couverture pour l'année 2011 aux volumes produits en 2011, pour le pétrole brut et pour le gaz

naturel. Nous avons alors obtenu des ratios de couverture de la production pour l'année 2011, en

pourcentages. La deuxième étape a été l'agrégation de ces pourcentages de couverture en un seul

32

indice. Pour procéder à cette agrégation, nous avons décidé de calculer une moyenne pondérée de

deux pourcentages de couverture pour chaque entreprise.

Le calcul des poids a été fait sur la base de la valeur des volumes produits pour l'année 2011.

Pour ce faire, nous avons premièrement converti les volumes de production de pétrole en millions

d'unités thermales britanniques (comme pour le gaz naturel). Une fois les volumes de production

dans la même unité, nous avons calculé le prix d'une unité thermale britannique de pétrole brut et

celui d'une unité de gaz naturel. Ce calcul a été fait à partir des chiffres trouvés sur le site internet de

l'U.S. Energy Information Administration. A partir de là, nous avons exprimé le prix d'une unité

thermale britannique de pétrole en fonction de celui d'une unité de gaz naturel. Ce coefficient a

ensuite servi à pondérer les volumes de pétrole produits, pour obtenir ensuite les poids finaux de la

production de pétrole et de gaz de chaque firme dans sa production totale (pétrole + gaz).

Le tableau suivant, issus de nos calculs sur les données historiques de l'EIA, donne l'évolution

de la valeur d'une unité thermale britannique de pétrole brut en termes d'unités thermales

britanniques de gaz naturel de 2006 à 2012 :

Prix en USD / MMBtu 2006 2007 2008 2009 2010 2011 2012

Pétrole brut 11,39 12,47 17,18 10,68 13,70 16,36 16,22

Gaz naturel 6,73 6,97 8,86 3,94 4,37 4 2,75

Facteur 1,69 1,79 1,94 2,71 3,14 4,09 5,90

Dans les calculs, une valeur plus précise du facteur a été retenue que celle indiquée dans le

tableau et la représentation de la formule ci-dessous.

Pour une entreprise donnée de notre échantillon, l'indice synthétique de couverture a été calculé

de la manière suivante :

I couv = C p ∗ [P p ∗ 4,09 / (P p ∗ 4,09 + Pg)] + C g ∗ [P g / (P p ∗ 4,09 + P g)]

avec

Icouv l'indice synthétique de couverture de la production totale (pétrole / gaz) pour l'année 2011

Cp le taux de couverture de la production de pétrole brut pour l'année 2011

Pp le volume de production de pétrole brut pour l'année 2011

Cg le taux de couverture de la production de gaz naturel pour l'année 2011

Pg le volume de production de gaz naturel pour l'année 2011

33

Le tableau suivant donne les statistiques relatives aux ratios de couverture de la production des

45 firmes de l'échantillon pour l'année 2011 :

Cp (production de pétrole) Cg (production de gaz) Icouv (production totale)

Moyenne 59,73 % 60,86 % 59,34 %

Écart-type 39,89 % 47,38 % 39,45 %

Maximum 185,59 % 236,05 % 187,81 %

Minimum (*) 6,17 % 5,92 % 1,76 %

(*) Pour les entreprises se couvrant ; sinon 0

5.2.2 Confrontation statistique des indices de couverture, des taux de rentabilité des actions et des PER

Comme pour la première étude, nous avons utilisé l'indice de rentabilité totale des actions de

chaque firme, à partir de leur « Total Return Index » trouvé sur Datastream. Les PER ont également

été extraits depuis cette source et nous avons retenus leur valeur au 30/12/11.

Notre étude consiste ici à régresser les PER contre le taux de croissance de la rentabilité des

actions des firmes et le degré de couverture de celles-ci contre le risque de prix du pétrole et du gaz.

Cette fois-ci, les taux de croissance relatifs aux actions sont calculés sur une base annuelle et non

mensuelle. La régression a été effectuée sur l'ensemble des compagnies directement. Nous obtenons

donc un coefficient de sensibilité global du PER au taux de rentabilité-action, et un autre du PER au

taux de couverture.

Le tableau suivant fournit les résultats de cette régression, avec :

PER le price earnings ratio d'une firme au 30/12/11

Icouv l'indice de couverture de la production de l'année 2011 contre le risque de prix

δTRI le taux de croissance annuel de l'indice de rentabilité totale de l'action d'une firme

Les β sont les sensibilités de la variable PER à Icouv et δTRI, et le α est la constante du modèle.

34

Régression du type PER=α+βIcouv∗Icouv+βTRI∗δTRI

β Icouv β TRI α

Valeur - 4,124519411 13,38223289 27,257579

Significatif au seuil de 5% ? Non Non ----

Significatif au seuil de 10% ? Non Non ----

Le coefficient de sensibilité relatif au degré de couverture du risque de prix ressort négatif, et

non significatif au seuil de 10%. Jin et Jorion avaient également abouti à ce résultat (« The

coefficients on the hedging variables in the regressions are all insignificant, and most of them carry

a negative sign. »), de même que Dan, Gu et Xu. L’étude de Mnasri et al. qui détaille les différentes

combinaisons de couverture possibles se penche sur leur corrélation avec le ROE (Return On Equity

– le ROE étant relié au PER par la formule PER = Nombre d’actions * (1 /ROE) ) donne également

des résultats quasi-nuls, affectés de signes négatifs pour la plupart, et non significatifs même au

seuil de 10%. Quel que soit le test, il semble donc que la corrélation entre la performance boursière

telle que mesurée par ce type d’indicateurs (PER ou ROE) et la couverture contre le risque de prix

du pétrole et du gaz ne soit pas directement avérée.

Dans notre cas, le taux de croissance de la rentabilité des actions donne aussi un résultat non

significatif, lorsque le test est appliqué aux 45 firmes. Par ailleurs, les nombreuses autres variables

explicatives complémentaires (ou de contrôle) utilisées par Jin et Jorion apparaissent non

significatives également, à l'exception de celle mesurant les opportunités d'investissement et de

celle mesurant les dividendes, semblant corrélées à la performance boursière mesurée par le PER.

En revanche, en retirant la firme au PER le plus élevé de l'échantillon (110, pour Abraxas

Petroleum Corporation), alors le coefficient de sensibilité associé à la rentabilité des actions devient

significatif et augmente de moitié. Le coefficient de pondération de l’indice de couverture et la

constante restent quasi-inchangés. La régression fait apparaître une relation entre le TRI et le PER :

lorsque le TRI augmente de 1% le PER augmenterait de 21%, pour notre échantillon.

Régression du type PER=α+βIcouv∗Icouv+βTRI∗δTRI

β Icouv β TRI α

Valeur - 4,706970273 21,21521115 25,7545248

Significatif au seuil de 5% ? Non Oui ----

Significatif au seuil de 10% ? Non Oui ----

35

Notre hypothèse selon laquelle les entreprises aux taux de croissance de l'indice de

rentabilité des actions les plus élevés ont aussi les PER les plus élevés semble donc être vérifiée.

L’hypothèse selon laquelle les entreprises qui ont mis en place la couverture la plus

importante, ou un degré de couverture optimal, pour l'année 2011, sont effectivement celles qui ont

les PER les plus élevés à la fin de cette année paraît en revanche faible. La non-significativité du

coefficient associé à l’indice de couverture ne doit cependant pas occulter totalement son signe

négatif. En effet, ceci est cohérent avec les résultats de Mnasri et al. qui trouvent que dans certains

cas, l’usage de couverture pourrait détruire de la valeur. Or, d’après eux, ces cas sont ceux de

l’utilisation d’instruments linéaires et qui sont justement les plus fréquents dans l’industrie

pétrolière et gazière étasunienne.

5.2.3 Confrontation graphique des indices de couverture et des PER, avec analyse visuelle

Malgré l’obtention de coefficients peu significatifs dans l'analyse statistique, nous avons

procédé à la représentation graphique de notre indice de couverture et du PER pour chaque firme de

notre échantillon, dans le but de mieux appréhender visuellement leur répartition, et de vérifier de

manière différente l’hypothèse de la relation entre PER et niveau de couverture.

La représentation graphique concernant l'ensemble de l'échantillon se trouve en annexe 4-A. Sur

les 45 compagnies nous avons graphiquement isolé 4 sous-ensembles :

- Le premier, en bleu, concerne 4 firmes déclarant ne pas opérer de couverture.

- Le deuxième, en gris, concerne 7 entreprises que nous pensons avoir des valeurs de PER ou

des taux de couverture anormalement élevées pour le secteur.

- Le troisième, en vert, est composé de 24 compagnies dont l’alignement ressort

graphiquement sur une pente de PER croissante du taux de couverture. L’équation de cette

pente de régression linéaire est de 37,61 * I couv + 1,45 avec un coefficient de corrélation

de 76%.

- Enfin, le quatrième sous-ensemble représenté en jaune est constitué de 10 entreprises dont

les PER sont globalement inférieurs à la moyenne et qui ont néanmoins des taux de

36

couverture de la production dans la fourchette haute, au-delà de 70%. Cet ensemble n’est

donc pas aligné sur la droite de régression qui concerne l’ensemble vert.

Si l’on retire de l’échantillon les deux entreprises aux PER les plus élevés (Abraxas Petroleum

Corporation avec 110 et Petroquest Energy Incorporated avec 94,3) et les deux aux taux de

couverture de la production les plus élevés (Newfield Exploration Company avec 188% et Resolute

Energy Corporation avec 135%), on constate qu'une faible tendance à la croissance du PER en

fonction du degré de couverture de la production se dessine.

En retirant encore de l'échantillon les compagnies ayant un indice de couverture nul (4 firmes),

cette tendance se précise davantage. Cette faible tendance est représentée linéairement par une

droite de régression d’équation PER = 5,63 * I couv + 17,45. Son coefficient de corrélation est

cependant sensiblement égal à 0. Toujours sur cet échantillon amputé de six compagnies, la

représentation d’une courbe de tendance polynomiale d’ordre 3 fait apparaître un peu plus

précisément la tendance croissante, jusqu’à un optimum de PER situé à l’aplomb d’un indice de

couverture de 80%, suivie d’une tendance décroissante. Le coefficient de corrélation des points à

cette courbe est meilleur (13%) mais reste faible. Les deux courbes de tendance sont représentées

dans l’annexe 4-B.

5.2.4 Vérifications statistiques de l’analyse visuelle

Pour vérifier le bien-fondé de notre analyse visuelle précédente, nous avons soumis nos 45

couples d’observations ‘PER-Indice de couverture’ à un algorithme dit de ‘clustering’ (Microsoft

Clustering Algorithm) sous le logiciel SQL Server Analysis Services. Ce dernier est un outil de

traitement de données développé par Microsoft.

Le principe de l’algorithme utilisé se rapproche de la méthode dite en statistiques des « nuées

dynamiques ». En termes plus concrets relativement à notre étude, cette technique et ses dérivées

permettent d’agréger les points du graphique par utilisation de barycentres successifs calculés en

utilisant les variances entre les points, de manière itérative, jusqu’à obtenir des regroupements de

points optimaux. Ces groupements optimaux sont alors porteurs d’un certain sens au niveau

statistique, que le logiciel est capable de détailler.

37

Notre but est ici de voir si le logiciel considère comme regroupements significatifs de points des

zones identiques aux quatre sous-ensembles que nous avions identifiés visuellement dans la section

précédente. Il nous permet aussi de voir si le maximum de la courbe de tendance polynomiale que

nous avions représentée, correspondant à un degré de couverture d’environ 80%, a un sens

statistique.

Les résultats du regroupement sont les suivants. L’algorithme a séparé le graphique en trois

groupes. Les limites de ces groupes en termes d’indice de couverture et de PER sont indiquées sous

forme d’intervalles associés à des probabilités d’occurrence (pour le groupe X il y a une probabilité

Y qu’il se situe entre tel à tel indice et une probabilité Z qu’il aille de tel à tel PER).

Nous avons superposé en annexe 4-C les limites de ces groupes identifiés par SSAS à notre

découpage initial. Après nouvelle observation du graphique avec les limites probables de ces

groupes, il ressort que les corrélations qui pourraient exister entre les PER et les indices de

couverture suivraient en fait deux courbes sinusoïdes superposées. Nous les avons représentées en

annexe 4-D. Il est intéressant de constater que les limites supérieures approximatives des groupes

numéro 1 et 3 forment comme un plafond pour la courbe basse et un plancher pour la courbe haute.

Ce nouveau schéma, identifié par rapport aux résultats de SSAS, remet en cause la relation

strictement linéaire (annexe 4-A ensemble vert) que nous avions proposée en section précédente,

dont certaines entreprises (annexe 4-A ensemble jaune) se seraient écartées pour des raisons

externes au champ de notre étude.

Les deux courbes superposées de l’annexe 4-D nous font formuler la nouvelle hypothèse de la

présence dans l’échantillon de deux « niveaux » d’entreprises en termes de performance boursière

mesurée par le PER, entre lesquels l’écart resterait quasi-constant, à différents degrés de couverture.

Ces degrés de couverture semblent influencer cependant la position de l’écart sur l’échelle du PER.

Nous ne sommes pas en mesure d’expliquer la présence initiale d’une entreprise à l’un ou l’autre

des niveaux de performance, mais le schéma fait apparaître assez clairement deux optima dans

l’indice de couverture. Le premier serait à 45% et le second, que nous avions pressenti avec la

régression polynomiale de la précédente section, à 80%. Au contraire, une sous-performance

boursière relative se produirait dans l’intervalle de 45% à 65% de production couverte.

Le degré de couverture adopté contre les fluctuations des cours du pétrole et du gaz aurait donc

bien une influence sur les performances boursières de leurs producteurs. Elle serait cependant non

38

linéaire, et des points optimaux semblent exister vers la couverture des 2/5 et 4/5 de la production,

de même qu’une sous-efficacité d’une stratégie de couverture moyenne. Cependant, il ne s’agit ici

que d’une influence en termes de valeur du PER depuis un niveau de performance donné, mais ce

niveau initial dépend de bien d’autres facteurs hors du champ de nos travaux présents.

6. Conclusion des travaux

Notre étude s'est intéressée à l'activité de couverture d'un échantillon de 45 compagnies

étasuniennes productrices de pétrole brut et de gaz naturel, pour l'année 2011. Nous avons plus

précisément étudié la sensibilité de la rentabilité des actions de ces compagnies aux variations de

cours du pétrole et du gaz, ainsi que la relation possible entre la valorisation de marché de ces

compagnies et leur degré de couverture contre le risque de prix du pétrole et du gaz.

A l'issue de la première partie de nos travaux, nous concluons qu'il n'existe pas, sur notre

échantillon, de preuve d'une sensibilité significative des rentabilités des actions des firmes par

rapport aux prix spot du pétrole et du gaz. Les résultats des modèles font apparaître une corrélation

allant de modérée à faible entre les deux variables, associée à une mauvaise significativité des

coefficients obtenus. Toutefois, ces coefficients sont peut-être affectés par la dé-corrélation récente

des marchés du pétrole et du gaz aux Etats-Unis. En effet, les précédentes études sur ce thème,

utilisant des périodes antérieures à ce phénomène, trouvaient de leur côté une significativité dans la

relation entre les cours de ces deux matières premières et la rentabilité des actions des producteurs.

Le seul facteur de risque significatif ressortant de nos calculs est celui du marché boursier, à un

degré croissant de la spécification sectorielle retenue pour l’indice de rentabilité du marché, allant

de modéré pour le S&P 500 dans son ensemble, à fort pour sa subdivision Oil & Gas Exploration &

Production. Ceci témoigne de la représentativité de notre échantillon.

En revanche, la seconde partie de nos travaux met en avant une certaine forme de relation

probable entre la valorisation boursière des producteurs pétroliers et gaziers de notre échantillon,

telle que mesurée par le PER, et le niveau de couverture qu’elles adoptent, mesuré par un indice

synthétique regroupant la couverture de la production de pétrole et de gaz. Cette relation serait non

linéaire, tour à tour croissante puis décroissante autour de deux optima situés vers des taux de

couverture 2/5 et 4/5. Au contraire, une couverture à un niveau moyen correspondrait à une sous-

performance relative.

39

Ces résultats sont un début de preuve empirique du fait que la couverture soit bien une variable

d’ajustement stratégique en termes de valeur, dont le choix de la forme et de l’importance en

fonction du contexte constitue un élément non négligeable que les marchés intègrent. A minima,

même en l’absence de lien de causalité direct entre optimum de couverture et optimum de

performance boursière, nous pouvons conclure que les deux sont positivement corrélés aux mêmes

décisions de bonne gouvernance d’un autre type que celles directement relatives aux marchés ou à

la couverture, ou à un niveau d’analyse plus fin que le nôtre. C’est notamment à ce type de

décisions de gouvernance, analysées en parallèle de la forme et de la proportion des couvertures

adoptées, que Mnasri et al. se sont intéressés dans leur très récente étude. La question de

l’interaction avec différents autres risques financiers est aussi à prendre en compte. De plus, toutes

les configurations sur le marché du pétrole et du gaz n'ont pas encore été examinées, notamment

celle des tendances baissières en présence de forte volatilité.

Le lien entre couverture et création de valeur reste donc discuté, comme le montrent autres

études et notre première partie, de même que peuvent le laisser penser les champs non explorés. La

question des motivations fondamentales de la couverture reste en suspens, pour savoir s'il s'agit ou

non de la maximisation de la valeur pour l'actionnaire, ou d’autres raisons beaucoup développées en

littérature théorique mais dont les preuves empiriques sont difficiles à apporter.

40

Annexe 1 : exemple de présentation des données de couverture en formulaire 10-K

Les données sont issues du formulaire 10-K de la compagnie Anadarko Petroleum Corporation

couvrant l'année 2010, fournissant des informations sur la couverture des deux années à venir. Les

unités physiques sont celles que nous avons retenues pour notre étude, mais elles sont ici exprimées

en jour, et les volumes de gaz sont fournis en milliers de millions d'unités thermales britanniques.

Nous avons donc multiplié les volumes de gaz par 1000, puis multiplié de nouveau par 365 pour

obtenir le volume total couvert, car les contrats durent un an complet. Les volumes de pétrole étant

déjà en milliers de barils, nous les avons simplement multipliés par 365. Il est important de noter

que pour le calcul de ces volumes en base annuelle, le chiffre 365 jours n'a pas été choisi par

hasard : en effet, il est régulièrement clairement spécifié dans les rapports 10-K, de même qu'il est

indiqué que 366 doit être retenu pour l'année 2012. Ceci est cohérent avec la réalité de la production

en continu de l'industrie pétrolière et gazière.

Anadarko prévoit donc fin 2010 qu'elle couvrira pour l'année 2011 : 45 990 [126*365] milliers

de barils de pétrole brut et 224 475 000 [(480+90+45)*1000*365] millions d'unités thermales

britanniques. Ici le cas est simple, mais il faut être vigilant, car certaines compagnies souscrivent

des contrats qui ne s'étendent que sur un trimestre, ou un semestre (souvent avec un nombre

d'instruments bien plus important), tout en exprimant des volumes par semaine ou par mois, parfois

dans des unités différentes du millier de barils (MBbl) et du million d'unités thermales britanniques

(MMBtu).

41

Annexe 2 : facteurs de conversion des unités physiques utilisés dans l'étude

Sources des informations

Society of Petroleum Engineers

Unit Conversion Factors:

http://www.spe.org/industry/docs/UnitConversion.pdf

US Energy Information Agency

Thermal Conversion Factor Source Documentation:

http://www.eia.gov/totalenergy/data/monthly/pdf/sec13_a_doc.pdf

British Thermal Unit Conversion Factors:

http://www.eia.gov/totalenergy/data/monthly/pdf/sec13.pdf

Facteurs de conversion retenus

Pétrole brut :

1 baril (Bbl) = 42 gallons étasuniens (US Gal)

1 baril (Bbl) = 5,8 millions d'unités thermales britanniques (MMBtu)

1 baril (Bbl) = 5,615 pieds-cube de pétrole brut (Cuft)

1 baril (Bbl) = 0,1587893 mètres-cube de pétrole brut (m3)

1 baril (Bbl) = 0,136 tonnes d'équivalent pétrole (TOE)

Gaz naturel :

1 millier de pieds-cube (Mcf) = 1,027 million d'unités thermales britanniques (MMBtu)

1 tonne d'équivalent pétrole (TOE) = 7,33 barils d'équivalent pétrole (BOE)

1 baril d'équivalent pétrole (BOE) = 5658,53 pieds-cube de gaz naturel (Cuft)

42

Annexe 3 : exemple de présentation des données de production en formulaire 10-K

Les données sont issues du formulaire 10-K de la compagnie Anadarko Petroleum Corporation

couvrant l'année 2011. L'unité de mesure du volume de pétrole (Oil & Condensate) est ici la même

que celle retenue pour nos calculs à un facteur 1000 près, le tableau étant en millions de barils.

L'unité de mesure du volume de gaz naturel nécessite en revanche d'être modifiée. En effet, il

s'agit du milliard de pieds-cube (Bcf), alors que nous recueillons des données en millions d'unités

thermales britanniques. Il faut donc multiplier les volumes inscrits dans le tableau par 1 000 000

puis par 1,027.

On remarque qu'aucune des unités n'est ici identique à celles utilisées pour comptabiliser les

volumes de couverture fournis en annexe 1.

Aucune conversion sur les unités de temps n'est nécessaire, car les données sont ici annuelles.

43

Annexe 4-A : projection graphique des 45 compagnies étudiées selon les axes « PER » et « indice de couverture global » avec répartitions des données en 4 sous-ensembles par observation visuelle

44

Annexe 4-B : projection graphique de 39 des 45 compagnies étudiées selon les axes « PER » et « indice de couverture global » avec représentation des courbes de tendance linéaire (en bleu) et polynomiale de degré 3 (en vert) et leurs équations

45

Annexe 4-C : projection graphique des 45 compagnies étudiées selon les axes « PER » et « indice de couverture global » avec confrontation des 4 sous-ensembles définis par observation visuelle et des 3 ‘clusters’ identifiés par SSAS

46

Annexe 4-D : projection graphique des 45 compagnies étudiées selon les axes « PER » et « indice de couverture global » avec superposition des 3 ‘clusters’ de SSAS et des 2 courbes de tendances décrivant probablement la relation entre les variables

47

Annexe 5 : liste alphabétique des 45 compagnies étudiées dans l'échantillon

Abraxas Petroleum Corporation Linn Energy LLC

Anadarko Petroleum Corporation MDU Resources Incorporated

Apache Corporation Newfield Exploration Company

Approach Resources Incorporated Noble Energy Incorporated

Bill Barrett Corporation Northern Oil & Gas Incorporated

Black Hills Corporation Panhandle Oil & Gas Incorporated

Breitburn Energy Partners LP Petroquest Energy Incorporated

Callon Petroleum Company Pioneer Natural Resources Company

Chesapeake Energy Corporation Pioneer Southwest Energy Partners LP

Cimarex Energy Corporation Plains Exploration and Production Company

Concho Resources Incorporated Postrock Energy Corporation

Continental Resources Incorporated QEP Resources

Denbury Resources Incorporated Quicksilver Resources Incorporated

Devon Energy Corporation / DE Resolute Energy Corporation

Dorchester Minerals LP Rosetta Resources Incorporated

EOG Resources Incorporated Sandridge Energy Incorporated

EV Energy Partners LP SM Energy Company

Fieldpoint Petroleum Corporation Southwestern Energy Company

Georesources Incorporated Stone Energy Corporation

Halcon Resources Corporation Ultra Petroleum Corporation

Helix Energy Solutions Group Incorporated

Houston American Energy Corporation

Imperial Petroleum Incorporated

Isramco Incorporated

Legacy Reserves LP

48

Annexe 6 : coefficients de corrélation entre les cours spot du pétrole et du gaz pour la période 1997 à 2012

→ 97 98 99 00 01 02 03 04 05 06 07 08 09 10 11 12

97 52 64 65 70 70 70 77 80 88 81 78 82 76 68 57 44

98 61 76 71 69 69 76 79 87 80 76 80 74 66 54 40

99 80 65 64 64 71 73 85 76 72 77 70 61 48 32

00 31 49 54 64 63 82 71 65 74 65 54 39 23

01 70 65 78 70 85 72 65 74 64 53 37 20

02 79 85 73 85 69 61 72 61 49 32 14

03 64 41 77 52 41 63 51 36 17 - 0

04 22 77 39 23 55 47 33 14 - 4

05 78 6 - 10 44 44 32 13 - 4

06 - 8 - 12 79 70 58 35 16

07 - 29 82 75 65 45 26

08 89 84 77 59 42

09 - 32 - 1 - 1 - 38

10 - 34 - 33 - 50

11 7 - 14

12 - 67

Ce tableau représente les coefficients de corrélation entre les cours du pétrole et du gaz sur

différentes périodes annuelles entre 1997 et 2012. Ces coefficients vont de -100 (corrélation

complète négative) à +100 (corrélation complète positive), 0 signifiant donc l’absence de

corrélation. La lecture s’effectue en partant d’une ligne vers une colonne. Nous considérons ici que

la corrélation est forte lorsqu’elle dépasse +60 en positif ou -60 en négatif, modérée entre +40 et

+60 et -40 et -60, et faible entre +40 et -40.

Ainsi, pour l’année 1997, les cours spot du pétrole et du gaz naturel ont été modérément

corrélés, avec un coefficient de +52. De 1999 à 2005, ils ont été fortement corrélés, avec un

coefficient de +85. En revanche, de 2005 à 2006, le coefficient n’est que de +6 et la corrélation est

donc très faible.

Cette représentation permet d’observer facilement que les cours ont été fortement corrélés sur

les deux études de références de Jin et Jorion et Mnasri et al. auxquelles nous comparons nos

travaux. Leurs échantillons respectifs concernent en effet les périodes 1998 à 2001 et 1998 à 2010.

49

Bibliographie

Adam T. R. (2002), Do firms use derivatives to reduce their dependence on external capital

markets?, European Finance Review, 6, 2, 163-187

Adam T. R. et Fernando C. S. (2006), Hedging, speculation, and shareholder value, Journal

of Financial Economics 81, 2, 283-309

Allayannis G. et Mozumdar A. (2000), Cash flow, investment, and hedging, Papier de

recherche, American Finance Association 2001 New Orleans Meetings,

La Nouvelle-Orléans, Etats-Unis

Allayannis G. et Weston J. P. (2001), The use of foreign currency derivatives and firm

market value, The Review of Financial Studies, 14, 1, 243-276

Araujo C., Brun J.-F. et Combes J.-L. (2008), Économétrie, Paris, Bréal

Behagel L. (2006), Lire l'économétrie, Paris, La Découverte

Bellalah M. et Simon Y. (2003), Options, contrats à terme et gestion des risques, Paris,

Economica

Cadoret I. et al., (2009), Économétrie appliquée, Bruxelles, DeBoeck

Chen C., Jin Y. et Wen M.-M. (2008), Executive Compensation, Hedging, and Firm Value,

Papier de recherche, California State University and National Tsinghua University,

Etats-Unis

Dan C., Gu H. et Xu K. (2005), The impact of hedging on stock return and firm value : new

evidence from Canadian oil and gas companies, Papier de recherche, Dalhousie University,

Canada

DeMarzo P. M. et Duffie D. (1995), Corporate incentives for hedging and hedge

accounting, Review of Financial Studies 8, 3, 743-771

Dinh B. et Nguyen H. (2011), The time varying property of financial derivatives in

enhancing firm value, Papier de recherche, Deakin University, Australie

Dionne .G et Triki T. (2005), Risk management and corporate governance: the importance

of independence and financial knowledge for the board and the audit committee, Papier de

recherche, HEC Montréal, Canada

Dolde W. (1995), Hedging, leverage, and primitive risk, Journal of Financial Engineering,

4, 2, 187-216

Fang H.-W. (2006), Hedging, asymmetric exposures, and firm value : evidence from U.S. oil

and gas companies, Thèse, National Chengchi University, Taïwan

50

Froot K. A., Scharfstein D. S. et Stein J. C. (1993), Risk management: coordinating

corporate investment and financing policies, The Journal of Finance, 48, 5, 1629-1658

Gay G. D. et Nam J. (1998), The underinvestment problem and corporate derivatives use,

Financial Management, 27, 4, 53-70

Graham J. R. et Rogers D. A. (2002), Do firms hedge in response to tax incentives?, The

Journal of Finance, 57, 2, 815-839

Graham J. R. et Smith C. W. (1999), Tax incentive to hedge, The Journal of Finance, 54, 6,

2241-2262

Géczy C., Minton B. A. et Schrand C. (1997), Why firms use currency derivatives?, The

Journal of Finance, 52, 4, 1323-1354

Haushalter G. D. (2000), Financing policy, basic risk, and corporate hedging: evidence

from oil and gas producers, The Journal of Finance, 55, 1, 107-152

Jin Y. et Jorion P. (2006), Firm value and hedging: evidence from U.S. oil and gas

producers, The Journal of Finance, 61, 2, 893-919

Lookman A. A. (2004), Does Hedging Increase Firm Value? Evidence from Oil and Gas

Producing Firms?, papier de recherche, Tepper School of Business Carnegie Mellon

University

Mayers D. et Smith C. W. (1990), On the corporate demand for insurance: evidence from

the reinsurance market, The Journal of Business, 63, 1, 19-40

Mellios C. (2001), La gestion des risques financiers par les entreprises : explications

théoriques versus études empiriques, Document de recherche, IAE d’Orléans, Laboratoire

Orléanais de Gestion, Orléans

Mnasri M., Dionne G. et Gueyie J.-P. (2013), How do firms hedge risks? Empirical evidence

from U.S. oil and gas producers, Cahier de recherche n°13-07 du CIRPEE, Centre

Interuniversitaire sur le Risque, les Politiques Economiques et l’Emploi, Montréal, Canada

Nance D. R., Smith C. W. et Smithson C. W. (1993), On the determinants of corporate

hedging, The Journal of Finance, 48, 1, 267-284

Quiry P. et Le Fur Y. (2012), Finance d'entreprise, Paris, Dalloz

Rajgopal S. (1999), Early evidence on the informativeness of the SEC's market risk

disclosures: the case of oil and gas producers, The Accounting Review, 74, 3, 251-280

Smith C. W. et Stulz R. M. (1985), The determinants of firms' hedging policies, The Journal

of Financial and Quantitative Analysis, 20, 1, 391-405

Smithson C. et Simkins B. J. (2005), Does risk management add value? A survey of the

evidence, Journal of Applied Corporate Finance, 17, 3, 8-17

51

Stulz R. M. (1990), Managerial discretion and optimal hedging policies, Journal of

Financial Economics 26, 1, 3-27

Tufano P. (1996), Who manages risk? An empirical examination of risk management

practices in the gold mining industry, The Journal of Finance, 51, 4, 109-1137

Vikas R. et Fernando C. S. (2010), Is hedging bad news? Evidence from corporate hedging

announcements, Papier de recherche, University of Oklahoma, Etats-Unis