Étude d'événements et modélisation de la variance

Christine STACHOWIAK∗

∗ MODEM – Université Paris X-Nanterre, 200 avenue de la République, 92001 Nanterre Cedex. Tél. : 01.40.97.77.84. e-mail : christine.stachowiak@u-paris10.fr

Étude d'événements et modélisation de la variance Résumé

L'objet de ce papier est d'étudier l'hypothèse d'efficience au sens semi fort du marché boursier français. Nous utilisons la méthodologie des études d'événements sur un ensemble de vingt quatre firmes issues du CAC40 ou du MIDCAC pour les années 1999 et 2000. La fréquence des données est intrajournalière. Les annonces relatives aux résultats et aux fusions/acquisitions sont analysées du fait de leur impact sur les cours boursiers. Les rentabilités théoriques sont déterminées à l'aide du modèle de marché associé à une modélisation GARCH afin de tenir compte de l'évolution de la volatilité au cours du temps. L'analyse graphique et statistique des rentabilités anormales met en avant le fait que le délai de réaction des cours boursiers aux annonces de résultats et de fusions/acquisitions est relativement court pour être en accord avec l'hypothèse d'efficience au sens semi fort.

Mots clés : Efficience au sens semi fort, données intraquotidienne, études d'événements, modélisation GARCH JEL classification : C13, G14.

1

Introduction

Fama (1970, 1991) distinguent trois formes d'efficience informationnelle : l'efficience au sens faible, l'efficience au sens semi fort et l'efficience au sens fort. La notion d'information est le cœur du concept d'efficience informationnelle. En effet, ces trois formes se distinguent par le contenu informationnel auquel elles se réfèrent. Nous choisissons ici d'analyser l'efficience au sens semi fort.

Un marché financier est efficient au sens semi fort si les prix des actifs, présents sur ce marché, intègrent instantanément l'ensemble des informations publiques. La méthodologie des études d'événements permet d'appréhender cette hypothèse. Celle-ci est composée de trois étapes. La première étape consiste à identifier et dater les événements publics. La définition et le calcul des rentabilités anormales font l'objet de la seconde étape. Dans la troisième, nous analysons statistiquement les rentabilités anormales.

Les travaux menés sur l'efficience au sens semi fort via les études d'événements

portent le plus fréquemment sur des données de fréquence journalière. Or, Szpiro (1998) mesure le délai de réaction des cours boursiers français aux annonces publiques dans un cadre intrajournalier. Nous choisissons de retenir une telle fréquence de données. L'étude empirique du marché boursier français porte sur un ensemble de vingt quatre firmes issues de l'indice CAC401 et de l'indice MIDCAC2. Nous menons cette distinction afin de comparer les résultats selon la capitalisation boursière. Les données3 sont extraites de la base BDM de la Bourse de Paris, la période d'étude s'étale de janvier 1999 à décembre 2000. La mise en œuvre de la méthodologie des études d'événements implique la définition des rentabilités anormales et par conséquent des rentabilités théoriques. La plupart des études d'événements utilisent le modèle de marché ou le MEDAF pour déterminer les rentabilités théoriques. Ces modèles ont pour principale limite le fait de considérer que la variance est constante au cours du temps. Afin de lever l'hypothèse de stabilité de volatilité au cours du temps, nous choisissons d'associer une modélisation GARCH au modèle de marché.

A cette fin, l'article se déroule comme suit. Dans une première section, nous rappelons

le choix et la sélection des événements étudiés. Dans une deuxième section, nous calculons les rentabilités anormales en tenant compte de la non constance de la variance vis-à-vis du temps. Pour se faire, nous utilisons le modèle de marché associé à un GARCH (1,1). Dans une troisième section, nous appliquons un test de Student sur les rentabilités anormales afin d'apprécier le délai de réaction des cours boursiers aux annonces publiques. La dernière section donne quelques éléments de conclusion.

1. Première étape des études d'événements : identification des événements La majeure partie des études d'événements, mises en œuvre afin de vérifier l'hypothèse

d'efficience au sens semi fort, s'intéressent à type d'information en particulier (annonces de résultats, distributions d'actions, lancement d'OPA/OPE…). Nous choisissons ici d'analyser les informations ayant le plus d'impact sur les cours boursiers. A cette fin, l'utilisation de la

1 Les firmes issues de l'indice CAC40 sont au nombre de quatorze : AGF, Air Liquide, Alcatel, BNP, Cap Gemini, CCF, Crédit Lyonnais, Lafarge, l'Oréal, Paribas, Schneider, Société Générale, Total, Vivendi. 2 Les firmes issues de l'indice MIDCAC sont au nombre de dix : Boiron, Bonduelle, Carbone Lorraine, Gaumont, Grande Paroisse, MetalEurop, Radiall, Sagem ADP, Unilog, Vallourec. 3 Les données brutes ont subi divers traitements. Pour de plus amples informations voir Stachowiak (200).

2

base de données Les Echos, la mise en place du test des seuils, du test des runs et l'analyse quantitative des différentes informations propres aux firmes de notre base de données ont permis de mettre en évidence le fait que les annonces de résultats et de fusions/acquisitions ont un impact significatif sur les cours boursiers4.

Comme nous l'avons souligné au début de notre étude, la fréquence des données est intraquotidienne. Nous avons par conséquent rapproché les informations issues des journaux Les Echos à la base de données Bloomberg afin d'identifier l'heure à laquelle l'information a été rendue publique. Cette convergence de base de données a été effectuée pour toutes les entreprises. 56 annonces de fusions/acquisitions et 38 annonces de résultats ressortent pour les entreprises du CAC40, 1'annonce relative à une fusion et 13 annonces relatives aux résultats ressortent pour les entreprises du MIDCAC.

Pour chaque événement à étudier, nous disposons maintenant du jour et de l'heure de

l'annonce. Nous construisons à présent différents intervalles permettant d'une part, l'estimation des paramètres du modèle théorique et d'autre part, le calcul des rentabilités anormales. Ces intervalles sont construits selon la figure I-1.

Figure I - 1

I

I0

-c 0 +c T

L’intervalle I correspond à la fenêtre hors événement, l’intervalle I0 représente la

fenêtre d’événement centrée autour de 0 qui est la date d’événement. La fenêtre hors événement est au moins égale à trois fois la longueur de la fenêtre événement, elle permet d'estimer les paramètres des modèles théoriques. De plus, elle doit être neutre en événement. Pour se faire, nous nous basons sur l'historique constitué via Les Echos. Nous évitons d'introduire des informations non ressorties par le test des seuils ou des runs mais présentent dans les journaux. La fenêtre événement est de longueur différente pour les entreprises du CAC40 et du MIDCAC. En ce qui concerne les entreprise du CAC40, nous choisissons d'y inclure les 480 observations précédant et les 480 observations suivant l'événement. Sachant que la régularisation5 des ces firmes est de 30 secondes, ce choix nous permet de calculer et d'analyser les rentabilités anormales 4 heures de cotation avant et 4 heures de cotation après l'événement. En ce qui concerne les entreprises du MIDCAC, le nombre d'observations est variable d'une firme à l'autre du fait de la non constance de l'intervalle de régularisation. En général, la fenêtre événement comprend trois ou quatre jours de cotations. Cette dernière n'est pas forcément centrée autour de la date de l'annonce. Ceci tient au fait de l'heure à laquelle l'information arrive. En effet, si l'information arrive en début de matinée alors les observations avant l'annonce se composent uniquement du jour de cotation précédant celui de l'événement, un résonnement similaire peut être fait si l'information arrive en fin de journée.

L'élaboration de ces deux fenêtres, événement et hors événement, nous conduit à étudier pour les entreprises du CAC40, 36 annonces de résultats sur 38 identifiées et 48 annonces de fusions/acquisitions sur 56 relevées. En effet, il apparaît pour certaines annonces des chevauchements d'intervalles, il existe également des cas où il n'est pas possible d'établir une fenêtre d'événement de taille suffisamment grande du fait de l'existence d'un autre type

4 Voir Stachowiak (2004). 5 Voir Stachowiak (2003) pour les intervalles de régularisation.

3

d'information dans les journaux. En revanche, nous pouvons étudier l'ensemble des informations relevées pour les firmes du MIDCAC.

Nous allons à présent nous concentrer sur le calcul des rentabilités anormales.

2. Seconde étape des études d'événements : calcul des rentabilités anormales 2.1 Définition des rentabilités anormales La rentabilité anormale se définit comme la différence entre la rentabilité observée et

la rentabilité théorique. Cette dernière représente la rentabilité qui aurait dû avoir lieu en l'absence d'événements. Pour se faire, nous devons choisir un modèle théorique. De nombreuses études empiriques utilisent le modèle de marché, il a été initialement proposé par Fama, Fischer, Jensen et Roll (1969). La principale limite de ce modèle est de considérer que la variance est constante au cours du temps. Autrement dit, l'arrivée d'une nouvelle information ne modifie pas le risque du titre concerné. Ohlson et Penman (1985), Dravid (1987) ont mis en évidence la modification de la variance des rentabilités autour des distributions d'actions. Aktas, de Bodt, Levasseur et Schmitt (1999) montre que la volatilité du titre Boeing a pratiquement doublé lors de sa fusion avec Mc Donnell Douglas. L'application d'un test ARCH6 sur les séries de rentabilités montre que celles-ci présentent toutes un phénomène d'hétéroscédasticité conditionnelle7. Nous levons par conséquent l'hypothèse d'indépendance de la variance vis-à-vis du temps en introduisant une modélisation GARCH8. Cette modélisation permet de calculer pour chaque date t de la fenêtre événement une variance qui tiendra compte de l'impact de l'information.

La modélisation GARCH (1,1) se compose de deux équations. La première est

l'équation de la moyenne, celle-ci est basée sur le modèle de marché. La seconde est l'équation de la variance conditionnelle.

Soit ttiiit RmR εβα ++=

02 =t ασ

, l'équation de la moyenne dont les résidus suivent une loi normale de moyenne 0 et de variance . La variance est donc dépendante du temps. Son équation est la suivante : .

2tσ

21− +t

211 −+ tβεα

Nous choisissons de retenir l'indice CAC40 et l'indice MIDCAC, pour la rentabilité de marché , respectivement pour les firmes issues du CAC40 et du MIDCAC. tRm

La rentabilité théorique pour la fenêtre événement est donnée par : , les paramètres tiiit Rmrentathéo *ˆˆ βα += iα et iβ sont estimés pour chaque titre et chaque

événement par la méthode du maximum de vraisemblance sur la fenêtre hors événement. Nous calculons ensuite pour chaque titre et chaque événement les rentabilités

anormales : , ainsi que les rentabilités anormales cumulées sur la

fenêtre événement : .

ititit RrentathéoRA −=

∑+

−=

=c

ctitit RARAC

6 Auto Régressif Conditionnellement Hétéroscédastique. 7 Voir Stachowiak (2003). 8 Connoly et McMillan (1987), Ball et Torous (1988), Grar (1992) se sont également attaché à lever cette hypothèse (voir Stachowiak (2004) pour une description de ces modèles).

4

Nous étudions ces deux variables graphiquement en distinguant d'une part les annonces de résultats et d'autre part les annonces de fusions/acquisitions.

2.2 Annonces de résultats La méthode exposée précédemment est appliquée aux 36 annonces de résultats des

firmes du CAC40 et aux 13 annonces de résultats des firmes du MIDCAC. Les graphiques sont disponibles respectivement en annexe 1 et en annexe 2.

L'analyse visuelle de ces graphiques montre de façon globale que les événements sont

anticipés pour les firmes du CAC40. Il existe toutefois des exceptions. En effet, on observe une réaction dans les trente minutes suivant l'annonce pour Alcatel (09/09/99, 27/07/00). La réaction des cours est plus longue pour le CCF (06/09/00), Lafarge (07/09/00) ou encore Total (16/05/00). Certaines firmes montrent précisément une réaction au moment de l'annonce : AGF (16/09/99), Cap Gemini (02/11/99), l'Oréal (15/07/99). Les rentabilités anormales cumulées tendent à se stabiliser dans les quatre heure de bourse suivant la divulgation de l'information. Une fois de plus ce phénomène n'est pas général. En effet, certaines firmes, notamment Vivendi, voient leurs rentabilités anormales cumulées chuter indéfiniment après trois heures de bourse.

Une comparaison de ces résultats avec ceux issus de l'utilisation du modèle de marché seul9 montre de nombreuses similitudes. Des différences sont toutefois à relever. Citons à titre d'exemple, Cap Gemini (05/05/00 et 10/11/00), Lafarge (02/02/99) où les rentabilités anormales déclinent plus fortement que celles issues du modèle de marché. Des différences de réaction autour de l'annonce sont visibles pour Total (16/05/00) ou encore Vivendi (28/01/00). Nous relevons également des différences plus marquées. En effet, les graphiques concernant l'annonce de résultats d'AGF le (16/09/99), illustre bien une réaction différente du marché pour les deux modèles. Nous reprenons ci-après les graphiques du modèle de marché et de la modélisation GARCH (1,1).

Graphique 1

Ces graphiques montrent bien que la réaction à l'annonce est différente selon les deux

modèles ce qui entraîne à la baisse les rentabilités anormales cumulées dans la modélisation GARCH (1,1). Ce changement de réaction entre les deux modèles se répercute tout au long de notre fenêtre d'événement.

Il en est de même pour Alcatel (07/04/00) ou Cap Gemini (23/04/99).

9 Voir Stachowiak (2004) pour l'ensemble des résultats avec le modèle de marché seul.

5

En ce qui concerne les firmes du MIDCAC, nous retrouvons des résultats identiques à ceux du modèle de marché. En effet, les événements ne sont quasiment pas anticipés pour les firmes à faible capitalisation. Les cours de bourse se stabilisent dans les deux jours suivant l'annonce.

2.3 Annonces de fusions/acquisitions Comme précédemment, nous distinguons nos résultats selon la capitalisation boursière

des firmes. Les graphiques des rentabilités anormales et des rentabilités anormales cumulées figurent en annexe 3 pour les firmes du CAC40 et en annexe 4 pour la firme du MIDCAC.

Nous trouvons des résultats similaires à ceux relatifs aux annonces de résultats pour

les firmes du CAC40. En effet, les informations sont globalement anticipées dans les quatre heures de bourse précédant l'événement. Des exceptions sont toutefois à relever où de fortes réactions ont lieu après l'annonce : Air Liquide (07/07/99), Cap Gemini (29/02/00), Lafarge (03/05/00), Schneider (04/03/99). La réaction du CCF (24/07/00) a lieu après 30 minutes de cotations. Les rentabilités anormales se stabilisent dans les quatre heures de bourse suivant l'annonce.

La comparaison de ces graphiques avec ceux du modèle de marché seul montre quasiment pas de différence, les rentabilités anormales sont identiques quelle que soit la modélisation. Il existe toutefois des exceptions pour AGF (14/01/00) où les rentabilités anormales sont négatives autour de l'annonce alors que celles-ci sont positives pour le modèle de marché. Un contraste plus grand est visible pour Cap Gemini (06/11/00) dont nous reprenons les graphiques ci-après.

Graphique 2

Il faut noter pour cet événement que les estimateurs du modèle GARCH (1,1) sont

meilleurs en terme de significativité par rapport à ceux du modèle de marché. Une nette différence est également observable pour Total (20/01/99) dans l'heure suivant l'annonce.

En ce qui concerne l'annonce de fusions/acquisitions pour Bonduelle, le graphique des

rentabilités anormales et des rentabilités anormales cumulées est parfaitement similaire à celui du modèle de marché seul. A savoir, le cours boursier réagit avant l'annonce, une information semble être anticipée, autour de l'annonce aucune réaction du cours, l'annonce attendue n'arrive pas sur le marché, réaction du cours après l'annonce, les cours boursiers intègrent cette nouvelle information.

6

Synthétisons nos principaux résultats. L'étude des deux types d'annonces identifiées par le test des seuils et le test des runs présente des résultats similaires.

- En ce qui concerne les entreprises du CAC40, les événements sont souvent anticipés

par les agents, contrairement aux entreprises du MIDCAC où la réaction a lieu au moment de l'annonce.

- Dans certains cas, une information est attendue, ce qui entraîne une réaction des cours, alors même que cette information n'est pas annoncée. Dans ce cas, la réaction à l'annonce se fait au moment de sa divulgation ou dans les heures qui suivent.

- La fin de la réaction est assez arbitraire et ne dépend pas du type d'information analysé. Si l'on s'intéresse aux entreprises du CAC40, la rentabilité anormale se stabilise assez rapidement, l'information est intégrée dans les cours moins de 4 heures après l'annonce. Il existe cependant des exceptions pour lesquelles l'impact sur les cours boursiers se poursuit au-delà de 4 heures. Ce délai peut-être plus long, au-delà d'une journée, pour les entreprises du MIDCAC. Ceci tient au fait que ces valeurs sont moins échangées et qu'il existe des jours où aucune transaction n'a lieu.

- La comparaison de nos résultats avec ceux de Stachowiak (2004) montre que l'allure des courbes des rentabilités anormales et des rentabilités anormales cumulées sont quasiment identique. Il existe toutefois des différences dans le calcul de ces dernières qui entraîne des divergences de réactions (négatives ou positives) d'un modèle à l'autre. Des changements dans la date de réaction sont également constatés.

Afin d'apprécier le délai de réaction des cours et d'analyser les différences de résultats

entre les modèles, nous appliquons des tests de Student sur les rentabilités anormales.

3. Troisième étape des études d'événements : test sur les rentabilités anormales

3.1 Calcul de la statistique de Student L'utilisation de la modélisation GARCH (1,1) permet de supposer que la variance n'est

pas constante au cours du temps et, par conséquent, que le risque du titre se modifie à l'arrivée d'un nouvel événement. Le calcul de la statistique de Student tient compte de l'évolution de la volatilité. Notons T, la statistique de test des rentabilités anormales, dont le calcul s'établit par

la relation qui suit it

itit

RAσ

=

102 ˆˆ += αα

T , la variance est calculée pour toute la fenêtre d'événement

par l'équation : , les paramètres proviennent de l'estimation du modèle GARCH (1,1) sur la fenêtre hors événement. Sous l'hypothèse nulle, la statistique suit une loi normale centrée et réduite.

2itσ

1−2

12

1ˆ

− + titit RA σβσ

Ce test est appliqué pour chacune des 49 annonces de résultats et des 49 annonces de

fusions/acquisitions. Les résultats ne sont pas présentés sous forme de tableaux, comme cela se fait habituellement, mais sous forme de graphiques compte tenu du nombre important d'observations.

3.2. Annonces de résultats Les résultats figurent en annexe 5 et 6.

7

Les graphiques représentant les valeurs des T de Student pour les firmes du CAC40 montrent dans la majeure partie des cas le fait que l'annonce est anticipée. Dans cette configuration, la statistique de test est supérieure en valeur absolue à 1,9610 dans les quatre heures précédant l'annonce. Nous enregistrons pour certaines annonces une signivicativité de la statistique au moment de l'annonce ou après que celle-ci soit passée. Tel est le cas notamment pour Alcatel (10/11/99, 04/05/00), la BNP (07/03/00), le CCF (06/09/00), Lafarge (07/09/00), l'Oréal (12/09/00), Total (16/05/00) ou encore Vivendi (10/03/00). Nous pouvons également observer que, quelle que soit l'heure à laquelle le marché réagit en premier, les rentabilités anormales ne sont plus significatives une fois le délai d'un peu moins de quatre heures de cotation passé. Ceci nous permet d'affirmer que l'existence de rentabilités anormales est due à la présence d'annonces de résultats, le marché réagit à l'information publique et l'incorpore dans les prix des titres concernés. Notons qu'il n'existe aucune réaction significative du cours boursier pour Alcatel (07/04/00), nous pouvons supposer dans ce cas que les anticipations des agents économiques étaient parfaites.

En ce qui concerne les firmes du MIDCAC, les événements sont rarement anticipés et la réaction a lieu le plus souvent au moment de l'annonce ou après celle-ci. Les cours bousiers semblent intégrer l'information, ce délai de réaction est cependant plus long que celui des firmes du CAC40. Ceci est notamment dû à la plus faible activité boursière de ces titres.

La prise en compte de l'évolution de la volatilité au cours du temps, par une

modélisation GARCH (1,1), met en avant des valeurs de la statistique de Student environ deux fois plus élevées à celles du modèle de marché seul pour les firmes du CAC4011. Des réactions du marché qui ne ressortaient pas avec le modèle de marché apparaissent désormais. Nous enregistrons un tel phénomène pour Alcatel (09/09/99), Cap Gemini ((15/09/00) où le marché réagit avant l'annonce. En ce qui concerne Schneider (26/07/00), la réaction a lieu environ 3H30 avant l'annonce alors que celle-ci est notée 1H30 avant avec le modèle de marché. On observe également pour Alcatel (27/07/00) un impact au moment de l'annonce non visible par le modèle de marché. Prendre en compte l'évolution du risque tout au long de la fenêtre d'événement accroît la significativité des rentabilités anormales et, par conséquent, le fait que le marché réagit à l'information et l'incorpore dans ses prix.

La modélisation GARCH (1,1) met en avant une supériorité des valeurs de T pour uniquement quelques événements : Bonduelle (30/03/00), Carbone Lorraine (08/03/99), MetalEurop (09/06/99, 10/03/00 et 08/06/00). Cette modélisation met l'accent sur une anticipation des événements pour MetalEurop (09/06/99 et 08/06/00).

L'existence des rentabilités anormales et leur significativité étaient attendues du fait de

la méthode d'identification des informations. Toutefois, cette étude nous permet, pour les entreprises du CAC40, de montrer que ces informations sont rapidement intégrées dans les cours boursiers. En effet, le marché incorpore les nouvelles informations publiques dans les quatre heures suivant l'annonce. Même si le délai est un peu plus long, ce résultat s'accorde également avec les firmes de plus faibles capitalisations. Ceci est notamment dû à la plus faible activité boursière de ces titres. Nous en déduisons que l'efficience au sens semi fort semble être vérifiée pour ces divers titres. En effet, les annonces de résultats sont incorporées dans les prix des actifs dans un délai relativement court et ceci en particulier pour les firmes à forte capitalisation.

10 Au seuil 5%, la valeur critique est de 1,96. 11 L'ensemble des résultats du modèle de marché seul ne sont pas repris ici mais sont disponible auprès de l'auteur.

8

3.3 Annonces de fusions/acquisitions Les résultats figurent en annexe 7 et 8. Les résultats obtenus pour les annonces de

fusions/acquisitions sont comparables à ceux des annonces de résultats. Nous retrouvons, dans la majeure partie des cas, une anticipation de l'événement dans les heures précédant la divulgation publique de l'information pour les firmes du CAC40.

Une fois de plus, les valeurs des T de Student sont nettement plus élevées dans la

modélisation GARCH (1,1) comparativement au modèle de marché seul (à l'exception d'Air Liquide (04/07/00)). Nous expliquons ce phénomène par le biais de la mauvaise estimation des rentabilités théoriques et, par conséquent des rentabilités anormales, par le modèle de marché seul. Outre le contraste de la valeur des statistiques entre les modèles, la modélisation GARCH (1,1) permet de mettre en évidence des réactions du marché qui n'avaient pas lieu avec le modèle de marché, tel est notamment le cas pour AGF (10/06/99). La prise en compte de l'évolution de la volatilité permet également d'enregistrer des réactions plus tôt dans le temps. C'est le cas pour AGF (22/12/00), Cap Gemini (19/07/99), CCF (17/12/99 et 24/07/00), Schneider (04/03/99 et 10/10/00) et Total (05/07/99).

De façon globale, il ressort de cette étude sur les annonces de fusions/acquisitions, l'importance de tenir compte de l'évolution de la volatilité des titres suite à l'arrivée d'une nouvelle information. Nous remarquons que les prix des titres réagissent aux événements et l'incorporent assez rapidement (après moins de 4 heures de cotation). Nos résultats semblent donc être en accord avec l'hypothèse d'efficience au sens semi fort.

Les résultats des tests effectués sur les rentabilités anormales issues de l'annonce de

fusions/acquisitions de Bonduelle (18/10/00) dépendent du modèle. Le modèle de marché enregistre une réaction environ 6 heures après l'annonce, alors que la modélisation GARCH (1,1) identifie une anticipation de l'annonce 5 heures avant sa sortie publique. Quel que soit le modèle, les prix incorporent cette annonce de fusions/acquisitions.

Cette étude nous permet, pour les firmes du CAC40, de montrer que des informations

sont rapidement intégrées dans les cours boursiers. En effet, le marché incorpore les nouvelles informations publiques dans les quatre heures suivant l'annonce. Même si le délai est un peu plus long, ce résultat s'accorde également avec les firmes de plus faibles capitalisations. Ceci est notamment dû à la plus faible activité boursière de ces titres. Nous en déduisons que l'efficience au sens semi fort semble être vérifiée pour ces divers titres. En effet, les annonces de résultats et de fusions/acquisitions sont incorporées dans les prix des actifs dans un délai relativement court et ceci en particulier pour les firmes à forte capitalisation.

4. Conclusion

L'objet de ce papier était d'analyser l'hypothèse d'efficience au sens semi fort du marché boursier par la méthodologie des études d'événements. La première étape des études d'événements consiste à identifier et à horodater les événements. Nous avons choisi de retenir les informations ayant le plus d'impact sur les cours boursiers : les annonces de résultats et les annonces de fusions/acquisitions. L'horodatage de ces événements par la base de données Bloomberg, la construction des intervalles événements et hors événements nous ont permis de retenir 49 annonces de résultats et 49 annonces de fusions/acquisitions toutes firmes confondues. Le calcul des rentabilités anormales et des rentabilités anormales cumulées a été entrepris lors de la seconde étape des études d'événements. Nous avons choisi de retenir le

9

modèle de marché associé à une modélisation GARCH (1,1) afin de prendre en compte l'évolution de la variance au cours de temps. L'analyse graphique des rentabilités anormales et des rentabilités anormales cumulées montre que, dans la majeure partie des cas, les événements sont anticipés pour les entreprises du CAC40, avec toutefois des exceptions où la réaction a lieu au moment même ou après l'annonce. Pour les firmes du MIDCAC, les événements sont dans la plupart des cas non anticipés, ce qui implique une réaction le jour de l'annonce. Cette réaction peut également avoir lieu après l'annonce effective de l'événement. L'analyse statistique des rentabilités anormales par l'intermédiaire d'un test de Student met en avant leur significativité. Cette dernière est encore plus importante lorsque l'évolution du risque est prise en compte, i.e lorsque le modèle de marché est associé à la modélisation GARCH (1,1). Les résultats de ces tests ont mis en avant le fait que le délai de réaction des cours boursiers est relativement court pour les firmes du CAC40; la réaction s'effectuant sur huit heures de bourses. Ce délai tend à être plus long pour les firmes du MIDCAC en raison de la plus faible activité boursière. Au final, notre étude a mis en évidence que le marché financier français est efficient au sens semi fort, dans la mesure où la réaction des cours boursiers aux annonces publiques est rapide.

Ce résultat pourrait être validé plus précisément par la mise en place de tests non paramétriques afin de lever le problème de la non normalité des rentabilités boursières. Ce sont par exemple le test du signe ou le test de rang signé de Wilcoxon. Il est également envisageable d'augmenter notre échantillon et d'envisager ce type d'études sur diverses places financières à des fins de comparaison et afin de tirer des conclusions générales.

Bibliographie Aktas N., de Bodt E., Levasseur M. et Schmitt A. (1999), "Une adaptation de la méthodologie des études d'événements au cas des fusions et acquisitions, Analyse du cas Boeing-Mc Donnell Douglas", novembre. http://www2.univ-lille2.fr/pasfi51/Papers/pre0029.pdf Ball C. et Torous W. (1988), "Investing Security-Price in the Presence of Event-Date Uncertainty", Journal of Financial Economics, vol.22, pp.123-153. Fama E.F. (1970), "Efficient Capital Markets : A Review of Theory and Empirical Work", Journal of Finance, vol.25, pp.383-417. Fama E.F. (1991), "Efficient Capital Markets : II", The Journal of Finance, vol.XLVI, n°5, pp.1575-1617. Fama E.F., Fischer L., Jensen M. et Roll R. (1969), "The Adjustment of Stock Prices to New Information", International Economic Review, vol.10, n°1, pp.1-21. Grar A. (1992), "Etude d'événement et modification des risques systématique et spécifique", Cahier de recherche du CEREG, n°9306. Stachowiak C. (2003), "Prévisibilité des rentabilités boursières. Une étude empirique du marché boursier français sur données intraquotidiennes", à paraître dans Economie et Prévision. Stachowiak C. (2004), "Délai de réaction du marché boursier français aux informations publiques. Une étude sur données intraquotidiennes", communication au congrès annuel de l'AFSE, septembre, Paris, Cahier de recherche du MODEM. Szpiro D. (1998), "Informations et vitesse de réaction du marché boursier en continu, une analyse empirique du marché boursier français", Revue économique, vol.49, n° 2, pp. 487-526.

10

ANNEXE 1

Annonces de résultats CAC40, GARCH (1,1)

11

12

13

14

15

ANNEXE 2

Annonces de résultats MIDCAC, GARCH (1,1)

16

17

ANNEXE 3 Annonces

de fusions/acquisitions CAC40, GARCH (1,1)

18

19

20

21

22

23

24

ANNEXE 4

Annonce de fusions/acquisitions MIDCAC, GARCH (1,1)

25

ANNEXE 5

Annonces de résultats CAC40, GARCH (1,1)

26

27

28

29

30

ANNEXE 6

Annonces de résultats MIDCAC, GARCH (1,1)

31

32

ANNEXE 7

Annonces de fusions/acquisitions CAC40, GARCH (1,1)

33

34

35

36

37

38

39

ANNEXE 8

Annonce de fusions/acquisitions MIDCAC, GARCH (1,1)

1