Vous êtes sur la page 1sur 113

MINISTRE DE LENSEIGNEMENT SUPRIEUR ET DE LA RECHERCHE SCIENTIFIQUE

UNIVERSIT DE CARTHAGE



LES FACTEURS EXPLICATIFS DE LA VARIABILIT
DES RENDEMENTS BOURSIERS TUNISIENS

















Anne universitaire 2012/2013
PRSENT COMME EXIGENCE PARTIELLE DU
MASTER DE RECHERCHE EN FINANCE
PAR
KHALED CHOUAT

ENCADR PAR :
Mr. EZZEDDINE DELHOUMI




















DDICACE























REMERCIEMENT





Mes vifs remerciements mon encadreur Mr. Ezzeddine Delhoumi qui sest dvou pour me
dispenser de tous conseils et directives utiles pour la ralisation de ce mmoire de recherche.
Je tiens remercier galement le corps professoral et administratif de lInstitut des Hautes tudes
Commerciales de Carthage et tout particulirement ceux qui dploient de grands efforts pour assurer
leurs tudiants une formation actualise.



1
1 Table des matires
TABLE DES MATIRES

INTRODUCTION GNRALE ............................................................................................ 4
La premire Partie : Le contexte thorique de ltude ......................................................... 8
Chapitre I : Le modle uni-factoriel : Le MDAF. ........................................................... 8
1) Prsentation du MDAF : ....................................................................................................... 8
2) Les hypothses du MDAF :................................................................................................... 9
3) Le modle et ses implications:............................................................................................... 10
a- Le modle : ........................................................................................................................ 10
b- Les implications du MDAF : ........................................................................................... 10
4) La notion dquilibre et le choix du portefeuille optimal : .................................................... 11
5) Les critiques du MDAF : .................................................................................................... 14
Chapitre II : Les modles multifactoriels ......................................................................... 16
1) Le modle dvaluation par arbitrage (MA) : ..................................................................... 16
a- Le modle et ses hypothses : ............................................................................................ 16
b- Lidentification des facteurs du modle : .......................................................................... 20
1- Les modles facteurs implicites : ................................................................................ 20
Lanalyse factorielle standard: ................................................................................... 21
Lanalyse en composantes principales : .................................................................... 23
2- Les modles facteurs explicites : ................................................................................ 23
Les modles macroconomiques : ............................................................................. 24
Les modles fondamentaux : ..................................................................................... 26
2) Les modles facteurs fondamentaux : Fama et French (1993) ........................................... 27
a- La prime de la taille (size premium) : ................................................................................ 29
b- La prime de la valeur : ....................................................................................................... 30
Chapitre III : La littrature dans le contexte tunisien .................................................... 33
1) Le march boursier tunisien : ................................................................................................ 33
2) La littrature dans le contexte tunisien: ................................................................................. 37
La deuxime partie : tude empirique ................................................................................. 40
Chapitre I : Donnes et Mthodologie .............................................................................. 41
1) Description de lchantillon : ................................................................................................ 41
2) La construction des variables : .............................................................................................. 42
a- La construction des variables dpendantes : ...................................................................... 42
b- La construction des variables indpendantes : ................................................................... 53
3) Mthodologie des tests empiriques: ...................................................................................... 60


2
2 Table des matires
Chapitre II : Les rsultats des tests empiriques ............................................................... 63
1) Le MDAF dans le contexte tunisien .................................................................................... 63
a- La rgression temporelle sur la priode entire ................................................................. 63
b- La rgression Transversale du MDAF : .......................................................................... 67
2) Les modles facteurs fondamentaux dans le contexte tunisien .......................................... 73
a- Analyse des donnes fondamentales: ................................................................................ 73
b- La rgression temporelle sur la priode entire des modles facteurs fondamentaux: ... 75
c- La rgression Transversale du modle fondamental: ........................................................ 85
3) Les modles macroconomiques dans le contexte tunisien ................................................... 88
a- Analyse des donnes macroconomiques :........................................................................ 88
b- La rgression temporelle des modles facteurs macroconomiques: ............................. 92
c- La rgression transversale des modles facteurs macroconomiques: ......................... 100
Conclusion gnrale ............................................................................................................. 103
Bibliographie......................................................................................................................... 106


3
3 Rsum

LES FACTEURS EXPLICATIFS DE LA VARIABILIT
DES RENDEMENTS BOURSIERS TUNISIENS

Rsum
La thorie financire moderne offre une varit des modles de valorisation des actifs
financiers. Lidentification des facteurs explicatifs, composant ces modles, a fait lobjet
dune profonde divergence au sein de la communaut des chercheurs et thoriciens de la
finance. Cest ainsi que deux grandes coles apparaissent, savoir celle du modle uni-
factoriel, le MDAF et celle des modles multifactoriels issus des thories de lAPT de
Ross (1976) et lICAPM de Merton (1973). Sagissant de la premire cole, le facteur du
risque de march est considr comme tant le seul reprsentant du risque systmatique
pouvant exprimer lintgralit des variations des rendements boursiers. Concernant les
modles multifactoriels, les thories stipulent que K facteurs communs, connus par tous les
investisseurs, expliquent la variabilit des rendements boursiers. Toutefois, ces modles
restent silencieux sur le nombre, la nature et lidentit de ces facteurs.
ce propos, cette tude met la lumire sur le discernement des facteurs explicatifs des
rendements boursiers tunisiens en rependant aux questions suivantes : Le risque de march,
dans le contexte tunisien, parvient-il absorber la totalit des rendements des actions cotes
la BVMT ? Les facteurs fondamentaux peuvent-ils tre dterminants des rendements boursiers
tunisiens ? Les facteurs macroconomiques disposent-ils dun pouvoir explicatif significatif
dans le contexte tunisien ?
Les tests empiriques de cette tude confirment linsuffisance du risque de march, tout
seul, pour absorber les variations des rendements boursiers tunisiens. Toutefois, un modle
incluant le risque systmatique du march, quatre facteurs fondamentaux, soit la taille de
lentreprise, sa valeur comptable, son rendement historique et sa liquidit et deux facteurs
macroconomiques, savoir la structure terme des taux dintrts et la parit de change
USD/TND, jouit de la capacit explicative la plus significative des rendements boursiers
tunisiens.

Mots cls : Risque systmatique, Facteurs fondamentaux, Facteurs macroconomiques,
Prime de risque, Rendement boursier, MDAF, Modles multifactoriels.


4
4 INTRODUCTION GNRALE

INTRODUCTION GNRALE

En se rfrant une panoplie des modles de valorisation des actifs financiers, la thorie
financire moderne permet les allocations les plus judicieuses des actifs financiers en
fonction du degr de risque que linvestisseur est prt assumer.
Ces modles reposent sur deux piliers fondamentaux : Risque et Rendement. Nanmoins,
les professionnels et les praticiens de la finance sont loin dtre tous daccord sur les facteurs
explicatifs constituant ces modles.
Cest dans cette perspective quune immense littrature financire sest dveloppe et qui
visant lidentification des facteurs dterminants de la variation des rendements boursiers. En
effet, durant les cinq dernires dcennies, le modle dquilibre des actifs financiers
MDAF (ou CAPM pour Capital Asset Pricing Model) issu des travaux de Markowitz
(La Thorie moderne du portefeuille 1952) et prsent par Sharpe (1963, 1964) puis
dvelopp par Lintner (1965, 1964) et Mossin (1966), a constitu le cur de la thorie
moderne du portefeuille. Toutefois, ce modle de base est fond sur des hypothses fortement
restrictives et qui prsentent un certain degr dirralisme. De ce fait, le MDAF a fait lobjet
de nombreuses critiques de la part de la communaut des chercheurs et thoriciens de la
finance.
Richard Roll (1977) conteste jusqu' la possibilit de tester empiriquement le MDAF de
manire valide en raison de limpossibilit pratique de dfinir un vrai portefeuille de march
efficient dans lespace moyenne-variance. Dautres thoriciens ont critiqu le MDAF en se
demandant sil est logique de considrer un seul facteur de risque (le risque de march) pour
expliquer le rendement dun actif. William Sharpe, lun des premiers thoriciens qui ont
instaur le MDAF, sest exprim sur ce point dans une interview parue dans le Dow Jones
Asset Manager, 1998, en disant :
Je serais le dernier pour soutenir quun seul facteur conduit la corrlation du march. Il
n'y a pas autant de facteurs que quelques personnes pensent, mais il y a certainement plus
qu'un seul.


5
5 INTRODUCTION GNRALE
Ainsi, dans le but de remdier au problme statique et uni-factoriel du MDAF, deux
modles alternatifs ont apparu :
- Le modle multi-priodique : le MDAF inter-temporel ou encore
Intertemporel Capital Asset Pricing Model , labor par Robert C. Merton (1973).
- Et le modle multifactoriel : le Modle dvaluation par Arbitrage, MA ,
ou encore lArbitrage Pricing Theory, APT , tabli par Ross (1976).
Dans ce mme cadre dapparition des extensions multifactorielles du MDAF,
Fama et French (1992, 1993) ont dvelopp un modle trois facteurs en introduisant deux
facteurs de risque supplmentaires explicatifs du rendement boursiers, bass sur la taille de
lentreprise et le ratio (valeur comptable/valeur du march). Un prolongement du modle
trois facteurs a t propos par Carhart (1997) en introduisant leffet du rendement historique,
soit leffet momentum , comme un quatrime facteur du risque.

Dans le cadre de ce mmoire, lobjectif principal vise distinguer les diffrends facteurs
explicatifs de la variabilit de rendements boursiers tunisiens. lencontre des hypothses
postules par le MDAF, cette tude soutient lexistence de plus quun facteur explicatif
affectant les rendements boursiers tunisiens. Ainsi, nous supposons quun modle
multifactoriel est plus adquat pour dcrire lvolution des rendements boursiers. Cependant,
la nature et lidentit des variables explicatives composant ce modle ne sont pas
prdtermines. Par ce fait, la problmatique de ce mmoire de recherche consiste
identifier les facteurs explicatifs de la variabilit des rendements des actions cotes la
bourse des valeurs mobilires de Tunis (BVMT).
Lintrt justifiant la ralisation de cette tude rside, en premier lieu, dans lassistance
ddi aux investisseurs en leur permettant de dfinir les meilleures stratgies
dinvestissements bases sur plus de rationalit et de clairvoyance. En effet, lidentification
des facteurs de risque sur le march boursier tunisien permet aux investisseurs destimer les
rendements des titres, dtablir les stratgies darbitrages adquates et de prendre la dcision
la plus pertinente. Dans la mme veine, la rponse la question des facteurs explicatifs des
rendements boursiers tunisiens permet aux gestionnaires de mesurer le cout de capital, et par
consquent de choisir le mode de financement le plus convenable et dvaluer l'opportunit
d'investir dans telle ou telle entreprise. Au demeurant, les tudes dvnements ncessitent la


6
6 INTRODUCTION GNRALE
dtermination de ces facteurs explicatifs afin dvaluer l'impact d'un vnement sur la valeur
de lentreprise.
la lumire de ce qui prcde, cette tude sarticule autour de deux grandes parties. Une
partie thorique dont lobjectif consiste, tout dabord, prsenter les diffrents modles
thoriques de la valorisation des actifs financiers, dfinir leurs hypothses et implications et
prciser leurs limites. De surcrot, cette partie exposera la littrature faite pour chaque modle
dans le contexte national et international. La deuxime partie dressera les tudes empiriques
quon a ralises sur le march boursier tunisien pendant la priode dobservation allant de
Juillet-1999 Juin-2012. Suivant cette rpartition, ce mmoire de recherche sera organis
comme suit :
Dans le premier chapitre de la premire partie, nous nous pencherons sur le contexte
thorique du MDAF. Lobjectif de la premire section consiste explorer les fondements
thoriques du modle uni-factoriel, le MDAF. Ainsi, nous prsenterons premirement le
modle et son ide centrale. Puis dans les sections qui suivent, nous exposerons ses
hypothses, leurs implications et les critiques du modle.
Le deuxime chapitre de la premire partie sera consacr aux modles multifactoriels.
Dans la premire section nous tudierons le modle dvaluation par arbitrage (MA). En
premier lieu, nous prsenterons le modle et ses hypothses. En second lieu, nous
expliquerons les mthodes didentification des facteurs explicatifs de MA. La premire
mthode dveloppera deux approches implicites, savoir lapproche de lanalyse factorielle
standard et lapproche de lanalyse en composantes principales. La deuxime mthode
prsentera lemploie des facteurs explicites, soit les facteurs macroconomiques et les facteurs
fondamentaux. Pour chacune de ces mthodes, nous citerons les tudes empiriques ralises et
les critiques soulignant les insuffisances de chacune. Dans la deuxime section de ce chapitre,
nous nous focaliserons sur les modles facteurs fondamentaux de Fama et French (1993) et
de Carhart(1997).
Le troisime chapitre de cette partie dveloppera la littrature dans le contexte tunisien.
Dabord, nous prsenterons le march boursier tunisien et ses spcificits. Ensuite, nous
numrons les rsultats des tudes empiriques faites dans le contexte tunisien.
La deuxime partie se compose de deux chapitres. Le premier chapitre sera consacr la
description des donnes et la mthodologie des tests empiriques. Ainsi, une premire section


7
7 INTRODUCTION GNRALE
prsentera lchantillon et la source des donnes, une deuxime section exposera les mthodes
de construction des variables dpendantes et indpendantes et une dernire section expliquera
les tapes de la mthodologie des tests empiriques.
Le deuxime chapitre de la deuxime partie soccupera des rsultats empiriques et la
slection des facteurs explicatifs ayant les capacits explicatives les plus leves sur le march
boursier tunisien. Dans la premire section nous prsenterons les rsultats des rgressions
chronologiques et transversales du MDAF et leurs interprtations. La deuxime section
affichera les rsultats des rgressions des modles fondamentaux et les interprtations
ncessaires. La troisime section sera rserve aux modles facteurs macroconomiques
dont nous exposerons les rsultats des rgressions chronologiques et en coupe transversale.
Ce travail de recherche sera parachev par une conclusion gnrale rsumant les
principaux rsultats de ltude.


8
8 La premire Partie : Le contexte thorique de ltude
There are two key
messages in CAPM,
if you get down to
the bedrock. One is
that a broadly
diversified market
like portfolio is a
very good thing to
think about. That
gave rise to the
notion of the index
fund. The other
message is that to
get a higher
expected return, you
have got to accept a
higher beta value.
William F. Sharpe,
The Gurus, CFO
Magazine, January
2000.

La premire Partie : Le contexte thorique de ltude

Avant daborder les analyses empiriques des facteurs explicatifs des rendements boursiers
tunisiens, il est crucial de dvelopper le contexte thorique dans lequel sinscrit cette tude.
cette fin, la premire partie donnera un aperu sur les fondements thoriques des modles
dvaluation des rendements boursiers, leurs limites, les extensions proposes pour rpondre
leurs insuffisances et leurs rsultats documents sur le march national et international.
Sur cette base, la premire partie sera divise en trois chapitres. Un premier chapitre
exposera les diffrents aspects de la thorie du MDAF, un deuxime chapitre traitera les
modles multifactoriels drivs de la thorie dvaluation par arbitrage et un dernier chapitre
soccupera de la littrature dans le contexte tunisien.
Chapitre I : Le modle uni-factoriel : Le MDAF.
1) Prsentation du MDAF :

Le MDAF est considr comme tant le premier modle de valorisation des actifs
financiers. Sa forme standard est drive du modle de choix de portefeuille dHarry
Markowitz (1952) et labor par les travaux indpendants de Treynor (1961),
Sharpe (1963, 1964), Mossin (1966) et Lintner (1965, 1969).
Lapport principal du MDAF est lintroduction de la notion du risque, pour la
premire fois, dans la valorisation des actifs financiers. En effet, les actifs les plus
risqus gnrent les rendements esprs les plus levs.
Nanmoins, tout investisseur prt courir un risque plus lev ne sera
rcompens que pour la partie relative au risque systmatique (risque de march),
du fait quil ny a pas raison de rmunrer le risque diversifiable quon peut
lliminer par une bonne diversification de son portefeuille.
Dici se dcoule le message central du MDAF, celui pour lequel la relation
entre le risque de march et le rendement dun actif financier est linairement
croissante.
Avant danalyser cette relation et ses implications, nous numrerons dans la section
suivante les principales hypothses du MDAF.


9
9 Chapitre I : Le modle uni-factoriel : Le MDAF.
Needless to say, these are
highly restrictive and
undoubtedly unrealistic
assumptions. However,
since the proper test of a
theory is not the realism
of its assumptions but the
acceptability of its
implications, and since
these assumptions imply
equilibrium conditions
which form a major part
of classical financial
doctrine, it is far from
clear that this formulation
should be rejected-
especially in view of the
dearth of alternative
models leading to similar
results. Sharpe 1964

2) Les hypothses du MDAF :

Le MDAF se repose sur un certain nombre dhypothses dont quelques-unes semblent
trop simplistes et parfois irralistes. Toutefois, cette simplicit rend le MDAF plus attractif
dun point de vue empirique en facilitant lobtention et linterprtation de ses rsultats.
Les hypothses principales du MDAF sont les suivantes :
En ce qui concerne le march :
H1 : Le march a un fonctionnement mono-priodique. Ce qui signifie que la
priode dinvestissement est la mme pour tous les investisseurs de tel sorte
quils ont tous le mme horizon correspond linstant final, date laquelle tous
les titres sont vendus.
H2 : Le march est parfait. Ce qui signifie que :
- Le march est de type concurrentiel.
- Les titres sont parfaitement divisibles.
- Linformation est totale, gratuite et accessible tous.
- Les prix dquilibre refltent toute linformation.
- Les oprations dachat et de vente dcouvert sont autorises.
- Il existe deux types dactifs : Les actifs risqus et lactif non risqu.
- Le taux de lactif non risqu est la fois un taux demprunt et un taux de prt.
- Il ny a de taxe daucune sorte.
- Il ny a pas de cout de transaction.
- Il ny a pas dinflation.
En ce qui concerne les oprateurs :
H3 : Les investisseurs ont un comportement de type Markowitz. Ce qui signifie quils sont
rationnels et averses au risque.
H4 : Tous les investisseurs forment les mmes anticipations desprance et de variance des
rendements des actifs risqus. Autrement dit, il existe une homognit des anticipations et
linformation est parfaite.


10
10 Chapitre I : Le modle uni-factoriel : Le MDAF.
A market in which prices
always "fully reflect"
available information is
called efficient. Fama
(1970)

Three forms of financial
market efficiency: First,
weak form tests, in which
the information set is just
historical prices, are
discussed. Then semi-
strong form tests, in which
the concern is whether
prices efficiently adjust to
other information that is
obviously publicly
available (e.g.,
announcements of annual
earnings, stock splits, etc.)
are considered. Finally,
strong form tests
concerned with whether
given investors or groups
have monopolistic access
to any information
relevant for price
formation is reviewed.
Fama (1970)

3) Le modle et ses implications:
a- Le modle :

Il convient de rappeler que lide centrale sous tendant le MDAF est la linarit de la
relation liant le rendement de lactif et son niveau du risque systmatique.
Dans sa forme classique la relation du MDAF stablit comme suit :


O :

: dsigne le rendement

espr de la valeur i.


: est le taux sans risque.

: est la sensibilit du rendement du titre i par rapport au rendement excdentaire du


march ou encore la volatilit du rendement de l'actif rapport celui du march. Elle
est donne par le rapport suivant :



: Le rendement espr du march.


[

: La prime du risque de march.


: La prime du risqu du titre i.


Remarquons que cette prime ne rmunre que le risque relatif au
portefeuille du march ou encore le risque non diversifiable.
b- Les implications du MDAF :

Le MDAF a fait lobjet dune grande varit de tests conomtriques en
vue de vrifier sa validit.
Fama et Macbeth (1973) ont soulign trois implications majeures de ce modle:
C1- Pour tout portefeuille efficient M, la relation entre le rendement
espr dun actif et son risque est linaire.


11
11 Chapitre I : Le modle uni-factoriel : Le MDAF.
C2- i est une mesure complte du risque de laction i au sein de son portefeuille
efficient M, soit quaucune autre mesure du risque de lactif i napparait dans le MDAF.
C3- Sur un march dinvestisseurs averses au risque, un risque plus grand devrait
tre associ un rendement espr plus lev, c'est--dire : [

0 .
Selon Fama et Macbeth (1973), tester la validit de la premire et la deuxime
implication revient tester lefficience du march. Autrement dit, si C1 et C2 sont valides,
cela implique que les Prix des actifs refltent compltement linformation disponible sur le
march.
Nanmoins linstar de Fama (1970), Fama et Macbeth (1973) caractrisent cette
efficience dune forme faible defficience tant donn que les prix des actifs gnrs par le
modle incorporent uniquement linformation historique de march, c'est--dire lvolution
historique des prix et des volumes traits.
Outre que lefficience de march, la deuxime implication rvle le caractre uni-factoriel
du MDAF. Celui-ci a fait lobjet de long dbat et de vives critiques par plusieurs thoriciens,
notamment Ross 1976, Merton 1973, Fama et French 1993, Cambell 1996, etc...
Limportance de la troisime implication est vidente de fait quun investisseur rationnel
et averse au risque (la troisime hypothse du MDAF, susmentionne) exige une prime de
risque plus leve pour un niveau de risque () plus grand.
4) La notion dquilibre et le choix du portefeuille optimal :

Le MDAF postule que :
- Le march ne rmunre que les individus qui dtiennent des portefeuilles
efficients.
- lquilibre la droite du march des capitaux (en anglais Capital Market
Line, CML) reprsente les meilleurs couples rendement/risque pour les investisseurs.
- lquilibre tous les portefeuilles et tous les actifs sont sur la droite du
march des titres (en anglais Securities Market Line, SML).
- Selon le modle de Markowitz, pour un niveau de risque donn, les
portefeuilles efficients reprsentent les meilleurs rendements. Lensemble de ces
portefeuilles constitue la frontire efficiente (figure1).


12
12 Chapitre I : Le modle uni-factoriel : Le MDAF.



Le point M reprsente le portefeuille de march. Il inclut tous les actifs dans les
proportions de leurs capitalisations boursires rapportes la capitalisation boursire de
march. En effet, selon Black (1972), la proportion de chaque titre i est gale : (la
capitalisation boursire du titre) / (la capitalisation boursire totale du march). Le portefeuille
M est ainsi parfaitement diversifi et choisi par tous les investisseurs, indpendamment de
leurs aversions au risque (Thorme de sparation).
En prsence dun actif sans risque, la droite du march des capitaux (CML) est
reprsent par la tangente la frontire efficiente au point M coupant laxe des ordonnes au
point ayant les coordonnes (0 , R
f
) comme le montre la figure 1.2. Son quation est donne
par la relation suivante:

.
1

Tous les portefeuilles de la droite du march des capitaux sont parfaitement diversifis
et uniquement pour ceux-l le risque total est rduit au risque systmatique.
Le choix de chaque investisseur dpend de sa fonction dutilit reprsente par les
courbes dindiffrence. Ainsi, la combinaison optimale pour chaque individu entre lactif

1
Considrons un portefeuille plac dans un actif sans risque et dans les titres du portefeuille de march M. Soit
x la proportion investie dans M. Le rendement de cette combinaison est : R
p
= (1-x) R
f
+ x R
m.
Le rendement esper est : E(R
p
) = (1 x) R
f
+ x E(R
m
) = R
f
+ x [E(R
m
) R
f
]
La variance
2
p
= x
2

2
m

puisque la variance de lactif sans risque = 0 et sa covariance avec M = 0.
Do x
2
=
2
p
/
2
m
et comme x > 0 ; x =
p
/
m..
Ainsi la relation de la droite CML se dcoule :
E(R
p
) = R
f
+


[ E(R
m
) - R
f
].
La frontire efficiente
M
E(R
p
)

p

Figure1 La frontire efficiente


13
13 Chapitre I : Le modle uni-factoriel : Le MDAF.
sans risque et le portefeuille M correspond au point de tangence entre sa courbe dindiffrence
la plus leve et la droite du march des capitaux comme lindique la figure 1.2












La relation du MDAF reprsente lquation de la droite du march des titres
1
(en
anglais Securities Market Line, SML) sur laquelle se situent tous les titres lquilibre.
Un titre situ au-dessus de la droite du march est considr sous-valu. Cependant un
titre situ au-dessous de la droite du march est considr survalu. (Figure 1.3)

1
Notons que la pente de la SML est [ E(R
m
) R
f
] et la pente de la CML est [ E(R
m
) R
f
] /
m
.
M

p

R
f

Figure 1.2 La droite du march des capitaux et les courbes dindiffrence.
La frontire efficiente
La droite du march
des capitaux
E(R
p
)


14
14 Chapitre I : Le modle uni-factoriel : Le MDAF.
The theory (CAPM) is
not testable unless the
exact composition of the
true market portfolio is
known and used in the
tests. This implies that
the theory is not testable
unless all individual
assets are included in
the sample. Roll (1977)




5) Les critiques du MDAF :

Le MDAF a t soumis des fortes critiques qui ont abouti des nombreuses
ramifications et lapparition des thories alternatives.
La critique de Roll (1977) est considre comme tant la plus vive
lencontre du MDAF. Il a montr quil est impossible de tester empiriquement
le MDAF dune manire valide de fait quil est impossible de dfinir la
composition exacte du portefeuille du march. Celui-ci, selon Roll (1977), doit
inclure tous les actifs risqus dans le monde entier (valeurs mobilires,
proprits immobilires, le capital humain, tous les actifs corporels et
incorporels).
Dans ce cadre, les hypothses irralistes du MDAF ont donn matire
plusieurs tudes ayant pour but de remdier ses insuffisances.
Black (1972) a propos le modle Zro Beta qui tient compte de limpossibilit pratique
dinvestir au taux sans risque. De leurs parts, Brennan (1973), Litzenberger et Ramaswamy
(1979) ont pris en considration limpt en introduisant le taux de taxation. Dautre part,
Lvy (1978) a pris en compte le cout de transaction. Freind, Landskroner et Losq (1976) ont

p

R
f

E(R
p
)
SML
Titre sous valu.
Titre sur valu
Figure 1.3 La droite du march des titres.


15
15 Chapitre I : Le modle uni-factoriel : Le MDAF.
We continue to teach
the CAPM as an
introduction to the
fundamental concepts of
portfolio theory and asset
pricing, to be built on by
more complicated models
like Merton's (1973)
ICAPM. But we also
warn students that
despite its seductive
simplicity, the CAPM's
empirical problems
probably invalidate its
use in applications.
Fama et French (2004).
tudi leffet de linflation sur les implications du MDAF et Lintner (1970), Sharpe (1970)
et Fama (1976) ont test le modle dquilibre en abandonnant lhypothse de lhomognit
des anticipations.
Dans cette optique, le MDAF a t mis en question par des nombreux chercheurs du
monde acadmiques. Certains auteurs ont men des attaques virulentes allant
jusqu' annoncer La mort du Beta . Citons titre indicatif larticle intitul
The CAPM is Wanted, Dead or Alive pour ses auteurs Fama et French
(1996), ou encore Is Beta dead again de Grinold (1993), ainsi que Bye Bye
to Beta pour son hauteur Dreman (1992) et larticle Can Beta be saved ?
de Fama et French (1992))
Dans ce contexte, Ross (1976) a tabli le modle dvaluation par arbitrage
(MA) qui suppose que le rendement dun titre i est une fonction linaire dun
ensemble des facteurs communs du risque.
En sappuyant sur ce principe multifactoriel Fama et French (1993) ont
dvelopp un modle trois facteurs faisant intervenir les variables
fondamentales de lentreprise (la taille et la valeur) dans lexplication des rendements
boursiers des titres. Celui-ci est considr comme tant le modle le plus caustique lgard
du MDAF.
Somme toute, malgr limmense dose dencre investie dans la presse acadmique pour
critiquer le MDAF, ce dernier continue tre lune des thories fondatrices de la finance
moderne, dfendue par plusieurs auteurs qui lont valid empiriquement. Entre autres nous
trouvons Black (1993), Chan et Lakonishok (1993) et Grundi et Malkiel (1996). Ils ont
affirm que les anomalies soulignes du MDAF ne peuvent tre que des rsultats fautifs
issus de data snooping (document par Black (1993) et Mackinlay (1995)).


16
16 Chapitre II : Les modles multifactoriels
LooP: Tow items that are
the same cant sell at
different prices

Chapitre II : Les modles multifactoriels

La difficult de valider empiriquement le MDAF a men certains thoriciens
dvelopper dautres modles alternatifs plus gnraux et dont les hypothses sont moins
restrictives.
Ces modles, collectivement dsigns sous lappellation de modles multifactoriels ,
stipulent que plusieurs facteurs du risque, autres que lvolution du march (le portefeuille du
march), participent lexplication de la structure des actifs risqus.
Dans ce chapitre, deux catgories principales des modles multifactoriels vont tre
prsentes :
- Il sagit, dans un premier lieu, du modle dvaluation par arbitrage (MA) tabli par
Ross (1976).
- Les modles fondamentaux, purement empiriques et de nature ad hoc, font lobjet de
la deuxime section. Nous traiterons lexemple du modle de Fama et French (1993,
1996).

1) Le modle dvaluation par arbitrage (MA) :
a- Le modle et ses hypothses :

En 1976, Stephen A. Ross a formul une nouvelle approche de valorisation des actifs
financiers base sur la loi du prix unique (Law of one Price, LooP).
Le modle dvaluation par arbitrage (MA) sappuie sur labsence de
lopportunit darbitrage et propose des hypothses moins restrictives et plus
ralistes que le MDAF. En effet, linverse du MDAF qui suppose que les rendements des
actifs sont normalement distribus, le MA ne fait aucune hypothse ni sur la nature de la loi
de distribution des rendements ni sur les prfrences des investisseurs (la fonction dutilit des
individus). Autrement dit, le MA nexige pas que les investisseurs soient situs dans un
espace moyenne-variance.


17
17 Chapitre II : Les modles multifactoriels
Bien quil soit analogue au MDAF dans le sens o les deux se reposent sur les notions
de la diversification et le risque systmatique, le MA naccorde aucun rle spcifique au
portefeuille du march. Encore plus, celui-ci ne doit pas forcement tre sur la frontire
efficiente de Markowitz.
Au fond, Roll et Ross (1980) distinguent deux spcificits majeures par rapport au
MDAF :
En premier lieu, le MA fait intervenir plusieurs facteurs communs de plusieurs
risques systmatiques, qui sont connus par tous les investisseurs.
En second lieu, le MA exige lquilibre labsence dopportunit darbitrage
1

(AOA). Dici se dcoule la linarit du modle (dmontr dans ce qui suit).
Lquation initiale du modle dvaluation par arbitrage stablit de la faon suivante :


O :
-

: est le rendement alatoire du titre i.
-

: est un constant.
-

: Une variable alatoire qui dsigne la valeur du j
ime
facteur commun affectant les
rendements des titres. j =1, 2,, k.
-

: est la sensibilit du titre i au facteur j.
-

: est un terme derreur qui inclut le risque idiosyncratique du titre i. Il possde les
proprits suivantes :

) (

)
En soustrayant de cette quation sa valeur espre, on obtient :



1
Lopportunit darbitrage: cest la possibilit de raliser de faon certaine un gain sans mise nette des fonds
additionnels et, en principe, sans prise du risque supplmentaires (perfect arbitrage). Lopration se fait par
lachat et la vente (par exp spot et forward) de plusieurs actifs financiers et en tirer profit.


18
18 Chapitre II : Les modles multifactoriels
criture matricielle :

O :

] ;


[



]

] ;

]
En partant de cette formule et en se situant dans une situation dquilibre (AOA), nous
pouvons dmontrer sans peine la relation linaire du MA.
Soit un portefeuille darbitrage dont la richesse investie dans chaque titre i est de la
proportion x
i
. (x
i
est > 0 en cas dachat et est < 0 en cas de vente).
Soit le vecteur X
Un tel portefeuille darbitrage exige lquilibre trois conditions ncessaires et suffisantes :
- C1 : La richesse totale investie dans les titres i doit tre nulle (absence des fonds
additionnels). Cela veut dire que :
- C2 : Le risque du portefeuille est nul (les sensibilits aux facteurs communs du risque
sont nulles).
- C3 : Le rendement gnr par ce portefeuille est nul.
Ainsi, lquation du rendement de ce portefeuille est donne par :






19
19 Chapitre II : Les modles multifactoriels








1

En se rfrant aux trois conditions prcites, il en dcoule successivement que :


X . [

] = 0 X [

]
X = 0 X
X E = 0 X E
Ceci veut dire que X est orthogonale au vecteur , au vecteur unitaire et au vecteur E. Une
consquence algbrique de cette orthogonalit est que le vecteur des rendements esprs E, le
vecteur unitaire et les vecteurs de sont linairement indpendant. Do la linarit du MA.
Ainsi, il existe K+1 coefficient tel que :


En prsence dun actif sans risque

,

prend sa valeur et

est interprt comme tant la
prime du risque relative au j
ime
facteur.
Sous les hypothses susmentionnes stipulant que (

) et (

) i j, on
peut citer que:
k

) (




, ainsi

correspond au usuel vu dans le cadre du MDAF.

1
En appliquant la loi des grands nombres x est estim ngligeable.


20
20 Chapitre II : Les modles multifactoriels
En somme, le modle dvaluation par arbitrage fait intervenir une multitude des variables
explicatives de la variabilit des rendements boursiers. Ceci a remdi lun des principaux
inconvnients du MDAF, savoir linclusion dun seul facteur de risque. Cependant, le
MA reste silencieux sur lidentit de ses facteurs. La sous-section suivante se focalisera sur
les diffrentes mthodes employes pour dfinir ces facteurs.
b- Lidentification des facteurs du modle :

La principale difficult du MA rside dans le choix et la slection des facteurs
susceptibles dinfluencer les rendements des actifs et lapprciation de leurs poids. En effet, le
MA part de lhypothse supposant que les investisseurs sont tous daccords sur ces K
facteurs communs. Nanmoins le modle reste muet sur ce que sont ces facteurs.
Dans ce cadre, il existe essentiellement deux approches pour dterminer la nature de
facteurs du risque dans le MA :
- La mthode des facteurs implicites et
- La mthode des facteurs explicites.

1- Les modles facteurs implicites :

La mthode consiste extraire les facteurs en se basant sur leurs traces historiques, de
manire endogne et purement descriptive sans spcifier leurs natures. Ce qui rend leur
interprtation conomique plus difficile.
En se rfrant aux principes de lanalyse factorielle des donnes, la mthode permet
destimer simultanment les facteurs (factors) et leurs coefficients de sensibilit (factors
loadings).
Dans ce cadre, on distingue deux techniques :
- Lanalyse factorielle standard fonde sur le principe du maximum de la vraisemblance.
- Et lanalyse en composantes principales fonde sur le principe de la variance
maximale (ou encore linertie maximale).



21
21 Chapitre II : Les modles multifactoriels
Lanalyse factorielle standard:

Plusieurs tudes font recours aux analyses factorielles afin destimer les facteurs du MA.
titre dexemple nous citons les travaux de Roll et Ross 1980, Brown et Weinstein 1983 et
Chen 1983.
Le principe de cette technique est facilement assimilable. En effet, chacun des facteurs
(factors) estimer est suppos commun pour tous les titres. En plus, chaque facteur qui affecte
uniquement un seul titre sera stock dans son terme derreur sous forme du risque
idiosyncratique (unique). Par consquent, les facteurs communs du modle sont considrs
comme tant la source de la covariance commune entre les titres.
Ainsi, lanalyse factorielle standard consiste dtecter les facteurs (reprsents par des
indices) qui refltent, le mieux que possible, les covariances entre les titres et rduisent,
dautant que possible, la covariance entre les termes derreurs.
Lquation utilise dans ce cadre est la suivante :


O :


est le vecteur (N x 1) des rendements des titres la date t.


est le vecteur (K x 1) la date t, compos de K facteurs communs aux N titres.
est la matrice (N x K) des coefficients (loadings), appele la matrice des saturations.

est le vecteur (N x 1) des termes derreurs compos de N facteurs spcifiques.


Le nombre des titres est suppos trs grand et beaucoup plus suprieur que le nombre des
priodes T.
Lestimation se fait sur deux tapes :
- Dans un premier temps, les sensibilits (factors loadings)

et les termes derreurs


sont estims.
- Ensuite, les estimateurs des

et

vont servir lestimation des facteurs (factors) du


modle.


22
22 Chapitre II : Les modles multifactoriels
partir du modle suscit, nous pouvons exprimer la matrice (N x N) des variances-
covariances des rendements, appele modle de structure des covariance , de la manire
suivante :


O :


est la matrice (K x K) des variances-covariances des facteurs communs et est la matrice
des variances-covariances des termes derreurs.
Pour continuer, lanalyse factorielle exige trois hypothses fondamentales :
H1 :



avec

est la matrice identit (K x K). Ceci veut dire que les facteurs communs
ne sont pas corrls et sont tous de variances gales 1.
H2 : est une matrice diagonale de

. Ceci signifie que les termes derreur (les facteurs


spcifiques) sont non corrls et quils ont des variances spcifiques =

.
H3 :

. Ceci signifie que les facteurs reprsentatifs des risques communs et ceux
reprsentatifs des risques spcifiques sont indpendants. Autrement dit, les uns traduisent le
risque non exprim par les autres.
Ainsi en se rfrant ces hypothses, le modle de structure des covariances prend la forme
suivante :


En supposant que lchantillon des rendements (R1, R2, , Rn) est issu dune loi multi-
normale, nous pouvons obtenir les estimateurs de et D en utilisant la mthode du maximum
de la vraisemblance.
Par la suite, afin destimer la matrice des facteurs , il convient dutiliser la mthode des
moindres carrs gnralise :
Nous avons :
Lestimateur

est donn par :




23
23 Chapitre II : Les modles multifactoriels
Lanalyse en composantes principales :

Lanalyse en composantes principales (ACP) est lgrement analogue lanalyse
factorielle standard. Elle consiste extraire les facteurs communs (des combinaisons linaires
des Ri) permettant de dcrire au mieux que possible la variabilit des rendements. Ainsi, cette
technique sarticule autour de la notion de la variance plutt que la covariance. La logique qui
se cache derrire lACP se rsume dans la slection des facteurs qui refltent la direction de la
variance (linertie) des rendements et la rduction de leur nombre dautant que possible sans
perdre trop dinformations.
Les composantes principales sont les facteurs communs estimer. Ceux-ci doivent avoir
des variances maximales et tre deux deux orthogonaux (indpendants).
La premire composante principale est la combinaison linaire des rendements, issue de la
maximisation de leurs variances. La deuxime est la combinaison linaire des rendements,
issue de la maximisation de leurs variances et orthogonale la premire composante
principale. Et ainsi de suite
Soit X
i
la proportion du titre i dans lindice estimer (le facteur commun). Ainsi,


et le vecteur X (X
1
, X
2
, , X
n
).
La premire composante principale est donne par

est le vecteur (N x 1),


solution de la maximisation de la fonction suivante :
Max

sous la contrainte :


est la matrice des variances-covariances des rendements.
La deuxime composante principale est donne par :

est la solution de la
mme fonction de maximisation en ajoutant une deuxime contrainte :

, afin
dassurer lorthogonalit des facteurs.
Les mmes tapes sont rpliques afin dobtenir les autres facteurs.
2- Les modles facteurs explicites :

linverse de la mthode implicite, les facteurs communs dans les modles explicites sont
exognes et conomiquement interprtables.


24
24 Chapitre II : Les modles multifactoriels
La procdure consiste tablir, priori, une liste des facteurs conomiques susceptibles
dexercer une influence systmatique sur les rendements et tudier, par la suite, la
significativit de chaque facteur.
Les modles fonds sur les facteurs explicites se rpartissent en deux catgories principales :
Les modles macroconomiques.
Et les modles fondamentaux.
La rgression de ces modles se fait sur deux tapes. Pour la premire tape, nous connaissons
les facteurs F et nous cherchons estimer les . Pour la deuxime, nous connaissons les et
nous cherchons estimer les primes des facteurs F.
Notons qu la diffrence de ces deux modles, la mthode implicite, traite ci-dessus,
consiste estimer simultanment et F.
Les modles macroconomiques :

Larticle de Chen, Roll et Ross (1986) prsente la prmisse des modles
macroconomiques. Il a dgag cinq facteurs macroconomiques influenant les rendements
boursiers des titres. Il sagit de la production industrielle, la prime du risque de dfaut
1
, la
structure termes des taux dintrt
2
, linflation inattendue et la variation du taux dintrt
rel.
linstar de Chen, Roll et Ross (1986), plusieurs travaux empiriques ont soulign le
pouvoir explicatif dautres variables macroconomiques. Entre autres, Burmeistervet McElroy
(1988) ont distingu cinq facteurs sur le march boursier amricain. Il sagit du risque de
dfaut mesur par la diffrence entre le taux du rendement dune obligation de risque faible et
le taux du rendement dune obligation de risque lev, la prime du temps mesure par la
diffrence entre le rendement dun bon du trsor long terme et un bon du trsor un mois,
linflation non anticipe mesure par linflation espre au dbut du mois diminue de
linflation ralise durant le mois, la bnfice conomique non anticipe long terme et le
rendement du march non corrl avec les facteurs prcdents. Burmeistervet McElroy (1988)

1
Mesure par les diffrences de rendement lchance entre les obligations de socits classes BAA et celles
classes AAA par les agences de notation.
2
Mesure par la diffrence de rendement lchance entre les obligations du Trsor long et court terme.


25
25 Chapitre II : Les modles multifactoriels
ont constat que leurs facteurs expliquent entre 30% et 50 % de la variation des rendements
boursiers.
Hamao (1988), en travaillant sur le march japonais, a mis en valeur trois facteurs
significatifs : linflation, la prime du risque de dfaut et la structure terme des taux dintrt.
De mme, Priestly (1996) a dfini trois facteurs sur le march britannique : la production
industrielle, les taux de change et les taux dintrts.
conomtriquement parlant, les modles macroconomiques consistent slectionner
arbitrairement les facteurs pouvant affecter les rendements des titres et tudier par la suite
leurs significativits.
En suivant la mthode de Fama et MacBeth (1973), la dmarche se rsume en deux tapes
principales:
- Dans un premier lieu, la sensibilit
ij
de chaque portefeuille i (titre i) chaque
facteur j est drive de la rgression chronologique de lquation suivante :


- En second lieu, on estime la prime du risque

associes chaque facteur

par le
billet des rgressions transversales. Lquation de rgression est la suivante :


Il convient de mentionner que lestimation de

en utilisant des portefeuilles diversifis


la place des titres individuels est plus prcise de fait que ceci conduit la rduction des biais
individuels (par un effet de compensation) gnrs par la volatilit des titres. La mthode a t
initialement employe par Blume (1970), Freind et Blume (1970) et Black, Jensen et Sholes
(1972). La constitution des portefeuilles se fait en classant les titres, sur la base dun critre
donn tel que le niveau du risque historique approxim par le , en groupes des portefeuilles
diversifis.
En conclusion, les facteurs macroconomiques offrent lavantage dinterprter facilement
les estimations vu leur explicit. Cependant le choix arbitraire des facteurs prsente
linconvnient majeur de cette mthode.



26
26 Chapitre II : Les modles multifactoriels
Les modles fondamentaux :

Les facteurs fondamentaux dsignent les caractristiques spcifiques aux attributs de
lactivit de lentreprise. Il sagit notamment de la taille de la firme, du taux dendettement, de
sa valeur comptable, de sa politique de distribution des dividendes, de son rendement
historique, etc.
Dans ce cadre, dinnombrables travaux empiriques ont t raliss en vue de tester la
validit des facteurs fondamentaux. Parmi ces tudes, on cite larticle de Sharpe (1982), dont
il a test la significativit des variables suivantes : Le Beta du march, le rendement des
dividendes, la taille de lentreprise (sa capitalisation boursire), sa performance historique, le
Beta des bons du trsor long terme et un proxy du secteur dactivit.
Les rsultats de son tude stipulent que les actions dont les Betas sont levs
surperforment celles avec des faibles Betas et les actions de petites entreprises sont plus
performantes que celles de grandes entreprises.
Sharpe (1982) a conclu que le pouvoir explicatif du modle, mesur par le coefficient de
dtermination R
2
, a augment de 6.7% suite lintroduction des variables fondamentales.
galement, les modles fournis par Barra
1
sont aujourdhui largement utiliss par les
chercheurs et les praticiens en finance. Ces modles intgrent un trs grand nombre des
facteurs. titre dexemple le modle de Barra 2012 des tats-Unis (Barra US Equity Model,
USE4) comporte 60 facteurs industriels et 12 facteurs fondamentaux. De mme, dans sa forme
internationale Barra 2012 (Globel Equity Model, GEM3) comporte 34 facteurs industriels et
11 facteurs fondamentaux.
Dans ces perspectives, Fama et French (1993) ont propos un modle deux facteurs
fondamentaux, savoir la taille de lentreprise et sa valeur comptable rapporte sa valeur de
march. Carhart (1997) a prsent un prolongement de ce modle en incluant un troisime
facteur de risque, soit le rendement historique de lentreprise. La section suivante sera
consacre lexplication de ces deux modles.



1
Une socit leader en matire de lingnierie financire.


27
27 Chapitre II : Les modles multifactoriels
2) Les modles facteurs fondamentaux : Fama et French (1993)

linverse du modle dvaluation par arbitrage tabli sur le principe de la thorie
darbitrage, le modle de Fama et French (1993) est inspir, de manire ad hoc, des travaux
empiriques sans quil dispose dune thorie justifiant sa forme finale. Toutefois, le modle est
souvent considr comme une ramification du modle dvaluation par arbitrage.
Entre autres, larticle de Fama et Frech (1992) a mis en vidence la capacit explicative de
deux facteurs fondamentaux, spcifiques aux attributs des titres. Il sagit de la taille, mesure
par la capitalisation boursire de lentreprise cote, et le ratio de sa valeur comptable divise
par sa valeur du march (VC/VM).
En 1993, Fama et French ont prsent leur modle trois facteurs comme tant lalternatif
du MDAF.
Lquation du modle en rendements excdentaires stablit comme suit :


O :

est le rendement du titre i pour le mois t.


est le taux sans risque.


est le rendement du march.


(Small Minus Big) est la prime du risque gnr par la taille de lentreprise.
Cest la diffrence entre les rendements des portefeuilles diversifis composs
dactions faibles capitalisations boursires (Small) et les rendements des
portefeuilles diversifis composs dactions grandes capitalisations boursires
(Big).

(High Minus Low) est la prime du risque relatif la valeur de lentreprise.


Elle correspond la diffrence entre les rendements des portefeuilles diversifis
composs des actions ayant un ratio VC/VM lev (High), communment connues
sous lappellation actions dprcies ou encore action de valeur (traduction
approximative de lappellation anglaise value stocks ), et les rendements des
portefeuilles diversifis composs des actions ayant un ratio VC/VM faible (Low),
connues sous lappellation actions de croissance (Groth stocks).


28
28 Chapitre II : Les modles multifactoriels
Enfin,

dsignent les coefficients de sensibilits relatifs


successivement aux trois facteurs des risques : le risque de march, la taille de
lentreprise et sa valeur.
Carhart (1997) a tabli une extension du modle de Fama et French (1993) en introduisant
leffet de momentum, dcrit par Jagadeesh et Titman (1993), qui tient compte de la tendance
historique des titres. En effet, ltude suppose que les titres peu performants et ceux qui sont
trs performants sur les six derniers mois gardent les mmes tendances dans le futur (effet de
renforcement de la tendance). Dans le cas inverse on parle dun effet de renversement de la
tendance.
Le modle quatre facteurs de Carhart (1997) scrit de la manire suivante :


Le nouveau facteur

(Winners Minus Losers) dsigne la prime du risque sur la
performance historique de laction. Cest la diffrence entre les rendements des portefeuilles
des titres ayant un rendement historique lev et les rendements des portefeuilles des titres
ayant un rendement historique faible.
La littrature sur le modle de Fama et French (1993) ainsi que Carhart (1997) est
extrmement riche. Des nombreuses tudes visant confirmer (ou infirmer) la validit de ces
modles sur des marchs locaux et internationaux ont t labores.
Fama et French (1998) ont soulev la validit de leur modle dans sa version
internationale en mettant en valeur son pouvoir exprimer la prime de la valeur (value
premium) sur des marchs internationaux tel que les tats-Unis, lEurope, lAustralie et
lExtrme Orient. Dans la mme tude, ils ont soulign que le MDAF na pas russi
absorber cette prime.
En outre, Fama et French (2012) ont test le modle quatre facteurs sur vingt-trois
marchs dvelopps regroups dans quatre rgions internationales. Il sagit de lAmrique du
Nord, lEurope, le Japon et lAsie pacifique). lexception du march japonais, ils ont
enregistr la significativit de leffet de la valeur et leffet momentum dans toutes les autres
rgions. Nanmoins, dans cette tude le modle na pas fourni des rsultats positifs dans sa
version locale en donnant des explications modeste aux variations des rendements des actions
locales notamment pour les actions trs faibles capitalisations boursires (microcaps).


29
29 Chapitre II : Les modles multifactoriels
Dun autre ct, Nusret Cakici et al (2013), en travaillant sur dix-huit marchs boursiers
mergents repartis sur trois rgions, soit LAsie, LAmrique latine et lEurope de lEst, ont
constat lexistence manifeste de leffet de la valeur dans tous les marchs objets de ltude.
Ils ont constat la mme conclusion pour leffet de momentum, lexception de lEurope de
lEst. Ils ont dmontr aussi que les primes de la valeur et du momentum sont plus
significatives dans les entreprises de petites tailles.
Asness et al (2013) ont mis en vidence lapport du modle sur le march amricain,
britannique, europen et japonais.
galement, Wilma de Groot et al (2012) ont document la prsence de leffet de
momentum, leffet de la valeur, ainsi quun effet local de la taille sur les marchs frontires
mergents.
cela sajoute lemploi du modle dans lestimation du cout des fonds propres (Fama et
French 1997, Gregory et Michou 2009), ainsi que lanalyse de performance des fonds
dinvestissement (Fama et French 2010).
Il est dsormais clair que le modle de Fama et French a prouv son efficacit empirique
aussi bien sur les marchs internationaux que sur les marchs locaux. Cela nous amne
porter notre attention sur linterprtation de ses facteurs.
a- La prime de la taille (size premium) :

La prime de la taille reflte la prime accorde aux investisseurs qui choisissent dinvestir
dans des entreprises de petite taille.
Leffet de la taille a t enregistr en premier lieu par Banz (1981). Par la suite, des tudes
ultrieures tels que Keim 1983 et Fama et French 1992, ont confirm sa capacit explicative
de la variation des rendements boursiers.
Diffrentes interprtations ont t avances pour expliquer la prime de la taille. Dune
faon gnrale, les petites entreprises sont plus vulnrables aux chocs ngatifs, puisquelles
ont une faible capacit faire face aux risques. Cela devrait se traduire par un taux du
rendement plus lev, exig par les investisseurs (Heaton et Lucas 1997b).
Dun autre ct, la prime de la taille est explique par un effet de liquidit. En effet, les
investisseurs exigent une compensation (prime) pour accepter dinvestir dans des actions


30
30 Chapitre II : Les modles multifactoriels
faible capitalisation boursire de fait que leurs couts de transaction sont plus significatif (MJ
Brennan, T Chordia, A Subrahmanyam (1998)).
Vassalou (2003) ainsi que Vassalou et Liew (2000) proposent une interprtation diffrente
de ce qui prcde. Ils ont dmontr dans leurs tudes que la prime de la taille et la prime de la
valeur sont des proxys du taux de croissance du PIB.
b- La prime de la valeur :

Rapporte par Basu (1977), la prime de la valeur est dfinie comme tant la diffrence
entre les rendements dun portefeuille des actions de valeur (value stocks, soit des actions
dont le ratio VC/VM est lev) et les rendements dun portefeuille des actions de croissance
(Growth stocks, soit des actions dont le ratio VC/VM est faible).
Daprs Fama et French (1996), les interprtations conomiques donnes leffet de la
valeur (aussi bien qu leffet taille) se rpartissent en trois courants principaux.
Dans un premier lieu, il y a le courant dfendu par Fama et French qui stipule que la prime
de la valeur nest plus une anomalie mais plutt cest une compensation rationnelle dun
niveau du risque plus lev. Fama et French (1993, 1995) postulent que des actions avec un
ratio VC/VM (ou encore les ratios Bnfices/Cours ou Cash-flows/Cours) lev refltent une
situation de dtresse financire de la socit. Par consquent, les investisseurs exigent une
prime du risque pour neutraliser le risque additionnel encouru.
Le deuxime courant fonde ses explications sur les principes de la finance
comportementale en notifiant que les rendements levs des actions de valeur (value stocks)
sont motivs par un comportement irrationnel. Lakonishok, Sheifer et Vishny, LSV (1994)
suggrent que les stratgies naves dinvestissement, prvoyant pour la valeur de demain la
valeur daujourdhui, crent des opportunits darbitrage den les investisseur dans les actions
de valeur tirent profits. Mieux encore, ces stratgies naves tendent extrapoler
abusivement dans le futur (de manire irrationnelle) les performances passes des actions. Ce
qui donne lieu pendant les mauvais (bons) temps une sur-raction (overreaction) traduite
par des ventes excessives (en cas des mauvaises nouvelles) ou des achats excessifs (en cas des
bonnes nouvelles). Ce comportement des ventes exagres (achats exagrs) crent les actions
de valeur sous-values (les actions de croissance, glamour stocks , survalues). Do


31
31 Chapitre II : Les modles multifactoriels
lopportunit darbitrage exprime par des sous-investissements dans les actions survalues
et des surinvestissements dans les actions sous-values.
Le dernier courant associe la significativit de la prime de valeur (taille) des tests
errons. Ils stipulent que le biais de survivants
1
(Kothari, Shanken et Sloan (1995)) et le data
snooping
2
(Lo et Mackinlay (1988)) sont lorigine de ces rsultats.
En conclusion, le modle de Fama et French est souvent propos comme alternatif au
MDAF. Cependant, labsence dune thorie substantielle, lobscurit de ses interprtations
conomiques, ainsi que le surgissement des nouvelles anomalies (Fama et French 2008)
inexpliques par le modle rvlent ses propres limites. Pour ces motifs, des modles rcents
dsirant combler ces lacunes ont t tablis, titre dexemple le modle trois facteurs de
Chen et al (2010).
En fin, Compte tenu de ce qui prcde, le tableau suivant prsente un rsum des modles
multifactoriels vus dans le cadre de ce chapitre.










1
Biais du survivant (survivorship bias) : Le biais du survivant provient de la tendance quont les fournisseurs
de bases de donnes retirer de leur univers les fonds qui ont cess de leur fournir des informations. Du coup,
lorsquune analyse est faite une date donne, seuls les fonds ayant survcu peuvent tre observs. Les
statistiques de performance tires de ces bases sont donc implicitement conditionnelles au fait davoir survcu.
Les performances calcules sur ces chantillons ont donc tendance tre biaises la hausse, alors que les
statistiques de risques seront plutt biaises la baisse si lon accepte lhypothse que la majorit des hedge
funds (ou titres) disparat pour des raisons de performances dcevantes.
Les Cahiers scientifiques - n2, AMF 2006.
2
Le data snooping ou data mining consiste rapporter parmi lensemble des rsultats trouvs uniquement ceux
qui sont favorables aux hypothses initiales.


32
32 Chapitre II : Les modles multifactoriels
Les modles multifactoriels

Les modles fonds sur une thorie
Le modle dvaluation par arbitrage (MA) .Ross (1976)
Les modles ad hoc
Fama et French (1993) / Carhart(1997)

- Thorie darbitrage.
- Modle linaire.
- Risques systmatiques communs.
- Principe de diversification.

- Modle linaire.
- Risques systmatiques communs.
- Principe de diversification.







- Le choix des facteurs est justifi par
des tests empiriques.






- Facteurs Fondamentaux spcifiques
lactivit de lentreprise.
Facteurs implicites Facteurs explicites
Analyse
Factorielle
standard
Analyse en
composante
principale
Facteurs
macrocono
miques
Facteurs
Fondamentau
x

- Les facteurs sont des
indices, conomiquement
non observables.
-dtermination simultane
des facteurs et leurs Betas.




- Choix arbitraire des
facteurs.






- Notion de
covariance.








- Notion de
variance.



- Facteurs
externes
(macro).
- Deux
tapes
destimation
(les Betas et
les primes
de risque)


- Facteurs
spcifiques
lactivit de
lentreprise
(Micro).
- Une seule
tape
destimation
(la prime du
risque)



33
33 Chapitre III : La littrature dans le contexte tunisien
Chapitre III : La littrature dans le contexte tunisien

Il est indniable quun modle robuste, permettant aux investisseurs de prendre les bonnes
dcisions en matire de leurs investissements, est indispensable lamlioration de la
profondeur et la liquidit du march financier.
Un tel modle pourrait tre utile dans diffrentes applications ncessitants la mesure des
rendements esprs des titres, lestimation du cout de capital, lvaluation de la performance
des fonds dinvestissement et ltude dvnement (event study).
Dun autre ct, cerner les principaux facteurs conomiques, animant ce modle,
permettra aux investisseurs de dfinir les meilleures stratgies dinvestissement en les
conduisant vers plus de rationalit et de clairvoyance.
Dans ce cadre, des travaux acadmiques portant sur les facteurs de risque sur le march
tunisien ont t labors.
Avant daborder les rsultats empiriques exposs par ces tudes, il serait utile de citer un
bref diagnostic du march financier tunisien.
1) Le march boursier tunisien :

Un march boursier dynamique et dvelopp reflte ncessairement des bons signaux sur
la sant de lconomie nationale. Nanmoins, la contribution du march tunisien la
croissance et au dveloppement de lconomie nationale na connu quune modeste russite.
Le tableau ci-aprs montre que la pntration du march boursier tunisien dans
lconomie, compare dautres pays similaires
1
, est fortement faible.




1
Les critres utiliss pour choisir les pays similaires sont:
- Le revenu national brut par habitant.
- Le produit national brut par habitant.
- Lindice de dveloppement humain.


34
34 Chapitre III : La littrature dans le contexte tunisien

Tableau 1 : La capitalisation boursire des entreprises cotes (% du PIB)

Cisjordanie
et gaza
gypte Jordanie Liban Malaisie Maroc Tunisie Turquie

2008 34 52.7 163.1 32.1 81 74 14.2 16.1
2009 35.35 47.6 133.8 37.2 126.6 69.2 20.9 36.7
2010 29.5 37.7 116.8 33.9 166.3 76.2 24.1 41.9
2011 28.5 21.2 94.3 25.3 137.2 60 20.8 26
Moyenne 31.837 39.8 127 32.125 127.775 69.85 20 30.175
Sources : Banque mondiale 2013, Le bureau palestinien central des statistiques et la bourse
de Palestine.

La Tunisie, avec une moyenne de 20% du PIB dsignant la proportion de la capitalisation
boursire totale du march tunisien, prsente le rapport le plus dcal parmi les huit pays
tudis. Elle se trouve loin derrire la Jordanie (127% en moyenne), encore plus faible que le
Maroc (70%), lgypte (40%) et la Turquie (30%).
Ce taux bas, caractrisant lactivit boursire en Tunisie, sexplique par le faible recours
des entreprises tunisiennes au march boursier. Le tableau suivant permet de comparer le
nombre des entreprises tunisiennes cotes en bourse celui de lchantillon.

Les entreprises tunisiennes cotes en bourses en 2012 sont nettement moins nombreuses
que la Turquie (405), la Jordanie (243), lgypte (234) et le Maroc (76). Ceci traduit le faible
dveloppement du financement direct par des levs des fonds sur le march financier tunisien
(une faiblesse des missions des titres). Par consquent, le taux de contribution du march
boursier dans le financement de linvestissement priv est assez faible (Tableau 3).


Tableau 2: Nombre des entreprises locales cotes en bourse.

Cisjordanie
et gaza
gypte Jordanie Liban Malaisie Maroc Tunisie Turquie

2008 37 373 262 11 977 77 49 317
2009 39 305 272 10 960 78 52 315
2010 40 213 277 10 957 73 56 337
2011 45 231 247 10 941 75 57 362
2012 47 234 243 10 921 76 59 405
Source : Banque mondiale 2013.



35
35 Chapitre III : La littrature dans le contexte tunisien

Tableau 3: volution du taux de financement des investissements privs (2000-2011).
En millions de dinars.


2000 2001 2002 2003 2004
2005 2006 2007 2008 2009 2010 2011

missions de
titres de
capital
33 113 8 13.5 70 63.8 164 126.4 251.7 301.3 301.7 94.8
missions de
titres de
crance
154 297 233 101 103.5 130.8 150.8 313.2 392 675 713.9 415.4
Fonds
communs de
crances
- - - - - - 50 50 - - - -
Total 187 410 241 114.5 173.5 194.6 364.8 489.6 643.7 976.3 1015.6 510.2
Taux de
financement
Des
investissements
privs
4.9% 9.6% 5.8% 2.6% 3.8% 4% 6.7% 7.5% 7.9% 11.9% 11.6% 5.7%
Source : Conseil du March Financier tunisien, rapport annuel 2011.



Ce qui saute aux yeux en observant ces chiffres, le march financier tunisien a vu le taux
de financement de linvestissement priv doubler en atteignant 11.6% en lespace de six ans
avant de marquer une forte baisse de 6% en 2011. Cette rgression est expliqu par
linstabilit politique, sociale et scuritaire qua connu le pays suite aux vnements de la
Rvolution Tunisienne.
En gnral, la faible contribution du march boursier tunisien dans le financement des
investissements privs sexplique par lexclusion des financements directs (missions des
titres) par le financement bancaire qui est plus facilement accessible.
La liquidit du march est un autre indicateur important sur le dveloppement de la
bourse. Compare aux autres pays, la liquidit du march tunisien est structurellement faible
(tableau 4).

Tableau 4: Le ratio de rotation % (la valeur des actions transiges en pourcentage de la
capitalisation boursire totale)

Cisjordanie
et gaza
gypte Jordanie Liban Malaisie Maroc Tunisie Turquie
La
moy

2008 52 61.9 72.7 6.9 33.2 31.1 25.5 118.5

2009 22.2 60.1 40.3 9.3 32.9 45.7 16.2 141.7
2010 18.7 43 30.1 14.7 27.1 16.3 17.2 158.4
2011 14.7 33.5 13.9 4.5 32 9.8 11 162.7
2012 9.5 37.8 10.3 4 28.6 6.2 13.5 136.5
La
Moyenne
23.42 47.26 33.46 7.88 30.76 21.82 16.68 143.56 40.61
Sources : Banque mondiale 2013 et la bourse de Palestine.



36
36 Chapitre III : La littrature dans le contexte tunisien
La liquidit du march tunisien est cet gard nettement moins favorable que celle de la
Turquie (143.5% en moyenne), de lgypte (47%) et encore plus faible que le Maroc et la
Palestine saffichant au plus bas de lchantillon, soit 17% contre 40.5% en moyenne et plus
de 20% pour le Maroc et la Palestine.

Tableau 5: volution de la rpartition sectorielle des metteurs de titres de capital
(2009-2011). En MD.
2009 % 2010 % 2011 %
Secteur financier 258.3 60.2 165.5 51.8 136 74.7
Banques. 206.8 48.2 98.3 30.7 89.9 49.4
Assurances. 24 5.6 23.9 7.5 15 8.2
Leasing et factoring. 27.5 6.4 14 4.4 5 2.7
Autres services financiers. - - 29.3 9.2 26 14.3
Socits dinvestissement capital risque. - - 29.3 9.2 26 9.2
Biens de consommation 12.5 2.9 9.9 3.1 20.5 11.3
Matriaux de base 4 0.9 3 0.9 7.2 3.9
Industries 102.4 23.9 138.1 43.2 2.4 1.3
Services aux consommateurs 49.9 11.6 3 0.9 9.3 5.1
Ptrole et gaz 1.7 0.4 - - - -
Technologie - - - - 6.8 3.7
Total 428.8 100 319.6 100 182.2 100
Source: Le Conseil du March Financier tunisien, Rapport annuel 2011.

La concentration sectorielle est aussi parmi les caractristiques du march boursier
tunisien. En effet, la BVMT est domine par les titres mis par le secteur financier pour prs
de 75% dont 50% sont des valeurs bancaires (Tableau 5). De plus, le secteur bancaire se taille
la part du lion dans la capitalisation boursire (plus de 40%
1
). Ceci nous amne adopter
lhypothse stipulant que lactivit bancaire affecte largement les rendements des titres sur le
march tunisien.
De ce fait, il est dsormais clair que le manque en diversification sectorielle est parmi les
facteurs accablants de la liquidit et du niveau de la capitalisation boursire. Do
limportance dencourager lintroduction en bourse dune diverse multitude des entreprises
prives est publiques (STEG, SONEDE, tourisme, agriculture). Cela est aujourdhui
recommand par des nombreux conomistes et financiers tunisiens
2
.

1
Rapport annuel du CMF, 2011
2
Prof. Hamadi Fehri et Prof. Sami Mouley, La Bourse des Valeurs Mobilires de Tunis, Entre exigences de
financement et impratifs de rformes 2012.
Dr. Chokri Mammoghli et Dr. Abdelkader BOUDRIGA, Quelles rformes pour le systme financier
tunisien , 2011.




37
37 Chapitre III : La littrature dans le contexte tunisien
La dernire caractristique est la faible internationalisation de la place de Tunis. En effet
la participation trangre dans la capitalisation boursire est de 20.4% en 2012
1
. Cela offre
lavantage dallger leffet des chocs internationaux sur le march tunisien. Cependant,
louverture du march aux investisseurs trangers permettra damliorer la liquidit,
daugmenter la capitalisation boursire et denrichir la demande.
Pour conclure, un investisseur, que ce soit tunisien ou tranger, dsirant placer sa richesse
dans la bourse de Tunis, est proccup par lidentification des facteurs des risques dirigeants
le mouvement des titres. Dans le but de rpondre cette question, dinnombrables travaux de
recherche ont t ralis dans le contexte tunisien. Plusieurs modles ont t tests, nanmoins
rares sont les analyses comparatives visant distinguer parmi la panoplie des modles
proposs ceux les plus appropris au march tunisien.
2) La littrature dans le contexte tunisien:

Ben Naceur et Ghazouani (2007) ont investigu la validit de deux modles empiriques et
leurs implications sur lvaluation du cout des fonds propres du secteur bancaire de la BVMT.
Le MDAF et le modle trois facteurs de Fama et French (1993) font lobjet de cette tude
sur la priode dobservation 2000-2005.
Leurs rsultats montrent quapproximativement 50% des primes du risque de deux
modles sont ngatives. Ceci est expliqu par la situation de dtresse du march boursier
tunisien durant la priode de ltude.
En concluant leur tude, Ben Naceur et Ghazouani ont mentionn que le MDAF pourrait
tre rejet en faveur du modle trois facteurs qui a tendance tre plus pertinent dans le
calcul du cout des fonds propres sur le march boursier tunisien.
Girard et Omran (2007) ont identifi une srie des facteurs de risque encourus par les
investisseurs de cinq marchs mergents dont le march tunisien. Ils ont conclu que le Beta
ordinaire du MDAF nest plus un bon proxy du risque sur ces marchs. Pourtant, un modle
intgrant des variables fondamentales et dautres spcifiques au risque du pays, semble plus
significatif et ayant un pouvoir explicatif plus intressant. Le modle multifactoriel propos
par Girard et Omran (2007) comporte lensemble des variables relatives aux risques du pays

1
Communiqu de Presse de la bourse de Tunis, 20 septembre 2012.


38
38 Chapitre III : La littrature dans le contexte tunisien
(Notes sur lendettement, mesures de la corruption, stabilit politique, scurit, facteurs
macroconomiques) ajouts aux trois facteurs du modle de Fama et French.
Certaines tudes ont analys leffet de la liquidit sur les rendements des titres. titre
dexemple, Bruce et Hearn (2011) et Hasnaoui et Ben Arab (2012) ont constat que la
liquidit nest pas un facteur dterminant sur le march tunisien. En revanche, ltude de
Loukil et al (2013) montre que les investisseurs tunisiens exigent une prime pour compenser
le risque des actions les moins liquides. Cela va en concordance avec les rsultats fournis par
Hachicha et al (2008).
Dun autre ct, les variables fondamentales ont t le sujet dun certain nombre des
travaux visant tester la validit du modle de Fama et French (1993). Entre autres, Chaibi et
Ben Naceur (2009) ont men une analyse comparative entre neuf modles empiriques, dont le
MDAF, le modle trois facteurs de Fama et French et le modle de Carhart (1997).
Selon cette tude, le modle tenant compte du facteur de momentum (Carhart) est le plus
pertinent. Plusieurs dautres tudes ont soulign la significativit du rendement historique
exprim par leffet du retournement de la tendance (overreaction) et leffet du renforcement
de la tendance (momentum). Entre autres nous citons les tudes de Zoghlami (2011), Trabelsi
(2008) et Dhouib et Abaoub (2007).
Dans ce mme cadre, Bergaoui (2013) a soulign limporatance de tenir compte des
facteurs fondamentaux (la taille et la valeur de lentreprise) dans les stratgies
dinvestissement sur le march boursier tunisien.
Sagissant des variables macroconomiques, Ben Naceur et Ghazouani (2007) ont conclu
que les rendements boursiers dans la rgion MENA sont ngativement corrls avec la
variation du taux dinflation. Du moins, les coefficients ngatifs naffectent pas
significativement la performance des marchs boursiers tudis dont le march tunisien. Ceci
confirme les rsultats de Cherif et Gazdar (2010). Toutefois, Cherif et Gazdar (2010) ont
dtermin cinq facteurs macroconomiques significatifs affectant la rgion MENA, soit le
taux de rmunration de lpargne, le dveloppement des instituts financires, la liquidit du
march boursier, le taux dintrt et le niveau des revenus.
Hammami et Jilani (2011) ont mis en question les rsultats avancs par Chaibi et Ben
Naceur (2009) en argumentant quun modle multifactoriel qui intgre des facteurs
macroconomiques, notamment la structure terme du taux dintrt, le taux de croissance


39
39 Chapitre III : La littrature dans le contexte tunisien
des crdits accords par les banques prives et lindice mensuel des prix des ventes familiales,
surperforme les autres modles tudis.
Hammami et al (2013) renforcent cette position en dmontrant que les investisseurs
tunisiens ne suivent pas les stratgies classiques bases sur la taille de lentreprise, sa valeur et
son performance historique. Par contre, un modle GARCH multi-vari qui tient en
considration la structure terme du taux dintrt semble plus performent dans lanalyse des
rendements des fonds dinvestissement sur le march tunisien.
Somme toute, les facteurs explicatifs des rendements boursiers tunisiens souligns dans
ces tudes regroupent les facteurs fondamentaux et les facteurs macroconomiques. Nous
trouvons notamment parmi les facteurs fondamentaux disposant dun pouvoir explicatif
significatif sur le march boursier tunisien : la taille de lentreprise, sa valeur comptable et son
rendement historique. Sagissant des facteurs macroconomiques, la structure terme des taux
dintrts, le taux de croissance mensuel des crdits accords par les banques prives et le
taux de croissance mensuel de lindice des prix des ventes familiales disposent de la capacit
significative la plus leve. Ltude empirique de ce travail vise investiguer la significativit
de ces variables sur une priode actualise allant de Juillet-2012 Dcembre 2013.


40
40 La deuxime partie : tude empirique

La deuxime partie : tude empirique

Dans la partie prcdente, nous nous sommes penchs sur les fondements thoriques des
modles de valorisation des actifs financiers et la littrature scientifique dveloppe dans le
contexte national et international.
Dans cette partie, nous esprons arriver une comprhension plus complte sur les
facteurs explicatifs des rendements boursiers tunisiens en examinant de faon empirique la
validit des modles susviss appliqus des actions cotes la Bourse des Valeurs
Mobilires de Tunis (BVMT).
Le premier chapitre de cette partie sera consacr lidentification des donnes employes
dans le cadre de cette tude et la mthodologie adopte pour raliser les tests empiriques.
Ainsi, une description dtaille de lchantillon et la procdure de construction des variables
dpendantes et indpendantes, accompagne dune explication de la dmarche des tests
empiriques, fait lobjet de ce chapitre.
Le deuxime chapitre soccupe des rsultats empiriques et fournit les interprtations
ncessaires. En effet, trois modles empiriques seront mis sous la lumire des analyses
conomtriques afin de dgager leurs capacits explicatives de la variation des rendements
boursiers tunisiens. Il sagit du MDAF, dun modle facteurs fondamentaux et dun
modle facteurs macroconomiques.


41
41 Chapitre I : Donnes et Mthodologie

Chapitre I : Donnes et Mthodologie

Les trois sections faisant lobjet de ce chapitre sarticulent autour la prsentation des
donnes et la mthodologie des tests empirique. La premire section dcrira lchantillon, la
deuxime section dveloppera les mthodes de construction des variables et la troisime
section expliquera la mthodologie.
1) Description de lchantillon :

Notre tude empirique porte sur le march boursier tunisien, pour la priode allant de
Juillet 1999 Dcembre 2012 en donnes mensuelles. Le choix du mois de dpart de Juillet et
non pas le dbut de lanne est motiv par la mthodologie de construction des variables
dpendantes et indpendantes dont on prsentera plus des dtails dans la section suivante.
Lchantillon se compose des rendements mensuels (dividendes compris) des actions
cotes la BVMT. Le nombre des entreprises cotes pendant la priode dobservation varie,
selon leur adhrence aux conditions dintgration dans lchantillon, entre 35 et 56. La
formule ci-aprs est adopte pour calculer les rendements mensuels des actions :



reprsentent respectivement le cours de laction i enregistr la fin du mois t et t-
1.

cest le dividende de laction i vers durant le mois t.


Sagissant du rendement du march, lindice boursier Tunindex est opt pour reprsenter le
portefeuille du march.
Le taux sans risque, tout au long de cette tude, est approxim par le taux de rmunration
de lpargne (TRE). tant donn que ce dernier est un taux annuel, le taux mensuel est dduit
selon la formule suivante pour quil soit en cohrence avec les rendements mensuels de
lchantillon :




42
42 Chapitre I : Donnes et Mthodologie
Notons que la majorit des tudes emploient le taux de rendement des bons de trsor
court terme comme proxy du taux sans risque. Nanmoins, dans le contexte tunisien ces
donnes ne sont pas disponibles sur la totalit de la priode tudie (1999-2012). De plus, le
rendement des bons de trsor court terme en Tunisie a t trs volatil durant cette priode et
assez lev pour reprsenter un taux sans risque. En consquence de cette volatilit, la prime
du risque de march, quon attend quelle soit positive, devient ngative ou trs faible laissant
sous-entendre que les investisseurs ne sont pas averses au risque (irrationnels) dans le
contexte tunisien. Pour pallier ce problme il est plus appropri d'utiliser le taux de
rmunration de l'pargne, un vrai actif sans risque garanti par l'tat et relativement volatil.
Les donnes relatives aux actions sont collectes de la base des donnes de la BVMT.
Dautres bases des donnes ont servi collecter les donnes macroconomiques. Il sagit
notamment de la base de lInstitut National de la Statistique (INS) et la Banque Centrale de
Tunisie (BCT).

2) La construction des variables :
a- La construction des variables dpendantes :

Les variables dpendantes employer dans le cadre de cette tude sont les rendements de
23 portefeuilles dactions forms sur la base de quatre critres diffrents : 7 portefeuilles
construits selon le niveau du risque systmatique de chaque action pendant deux annes
antrieures, 4 portefeuilles forms selon le croisement des critres taille et Book-to-market, 4
portefeuilles forms selon le croisement des critres taille et momentum (rendement
historique), 4 portefeuilles forms selon le croisement des critres taille et le ratio earning-to-
price et 4 portefeuilles forms selon le croisement de la taille avec le ratio dividend-yield.
Dans le cadre de la littrature tunisienne, il est dusage deffectuer les tests empiriques sur
les rendements des actions individuelles, toutefois cette mthode est abandonne en faveur de
lemploie des actions groups dans des portefeuilles selon certains critres. Parmi les raisons
justifiant le recours la mthode de portefeuilles, on trouve:
- Cochrane (2001), Fama et French (1993) et Merton (1980) soulignent que les
rendements des actions individuelles sont tellement volatils quil est difficile de rejeter
lhypothse que les rendements moyens des actions sont statistiquement diffrents de


43
43 Chapitre I : Donnes et Mthodologie
zro. En regroupant les actions en portefeuilles, il est possible dobserver des
diffrences significatives au niveau des rendements moyens des actions
1
.
- Cochrane (2001) et Fama et French (1993) prcisent que la formation des
portefeuilles rpond au dsir de mimer le comportement des investisseurs qui
recourent gnralement la construction des portefeuilles afin de tirer profit de la
diversification
2
.
ce niveau, on tient prciser que la logique suivie dans cette tude pour former les 23
portefeuilles est inspire de travaux de Hammami et Jilani (2011). En effet, ils ont propos
comme variables dpendantes, 20 portefeuilles construits sur la base des 5 critres suivants (4
portefeuilles pour chaque critre) : la taille, le ratio Book-to-Market, le Momentum, le ratio
Earning-to-price et le ratio Dividend-to-price. En essayant de sadapter leur proposition,
nous avons construit les 23 portefeuilles selon les critres susmentionns dans le premier
paragraphe. Ainsi, les diffrences par rapport Hammami et Jilani (2011) au niveau de la
construction des portefeuilles rsident dans lintroduction dun critre supplmentaire,
savoir le niveau du risque systmatique approxim par le coefficient beta estim sur la base de
deux annes antrieures et lemploie du croisement entre les diffrents critres afin de garantir
la diversification au sein des portefeuilles.
Une explication plus dtaille sur la dmarche quon a adopte pour obtenir les sries
chronologiques des rendements de chacun des variables expliquer, est prsente dans ce qui
suit.
La construction des 7 portefeuilles selon le niveau du risque systmatique Beta
(Les portefeuilles Beta) :
La mthodologie suivie pendant la formation des portefeuilles Beta est adapte celle
employe par Black, Jenson et Scholes (1972) et Fama et Macbeth (1973). Cependant, nous
avons men quelques modifications sur la procdure de construction des portefeuilles afin de
tenir compte de la spcificit du march boursier tunisien en ce qui concerne le nombre faible
des actions et la priode courte dobservation.
Sagissant de Black, Jenson et Scholes (1972), ils ont rparti pour chaque anne durant la
priode allant de Janvier 1931 Mars 1966, soit 35 ans, les rendements mensuels des actions

1
Yacine Hammami, LES FACTEURS EXPLICATIFS DES RENDEMENTS BOURSIERS EN TUNISIE :
ANALYSE PAR LES MODELES MULTIFACTEURS, p.153, Thse de doctorat en sciences de gestion, 2008.
2
Ibid, p.153


44
44 Chapitre I : Donnes et Mthodologie
cotes NYSE
1
sur 10 groupes arrangs par ordre dcroissant selon les valeurs des
coefficients du risque systmatique Beta estimes sur la base de cinq dernires annes. De ce
fait, les actions figurants dans le premier portefeuille, pour lanne 1931 par exemple, sont les
10% du total des actions ayant les coefficients Betas les plus levs estims durant la priode
de Janvier 1926 Janvier 1931.
Quant Fama et Macbeth (1973), ils ont choisi le nombre de 20 portefeuilles au lieu de
10 en suivant la mme procdure de construction que celle de Black, Jenson et Scholes
(1972).
Dans le cadre de cette tude, au dbut de chaque anne, pour la priode allant de Janvier
2001 Dcembre 2012, on dtermine le coefficient Beta pour chaque action, estim sur la
base de 24 mois antrieurs par la rgression du rendement historique de laction i durant cette
priode sur le rendement de march. Par la suite, les actions seront arranges par ordre
croissant selon la valeur estime de leurs Betas. Les actions ayant les Betas les plus faibles
sont regroupes dans le premier portefeuille, celles ayant les Betas les moins faibles
constituent le deuxime portefeuille et ainsi de suite jusqu atteindre le septime portefeuille
dont on trouve les actions dtenant les Betas les plus levs.
Par consquent, au dbut de chaque anne, une action pour quelle soit incluse dans lun
des 7 portefeuilles, elle doit possder dun historique des cotations sur les 24 mois antrieurs
et les 12 mois de lanne de classement.
La rpartition du nombre des actions sur les 7 portefeuilles se fait de telle sorte que les
portefeuilles lextrmit (les 7eme et 1
er
portefeuilles, les 6eme et 2eme portefeuilles, les
5eme et 3eme portefeuilles) soient symtries en nombre dactions par rapport au portefeuille
central (4eme portefeuille). Cette logique est inspire de Fama et Macbeth (1973).
Enfin, les sept variables dpendantes, construites selon le critre Beta, sont les rendements
excdentaires par rapport au taux sans risque (dans notre tude cest le taux de rmunration
de lpargne TRE) des 7 portefeuilles durant la priode 2001-2012.
Le tableau 6 prsente un rsum du nombre total des actions obissant aux conditions de
la construction ainsi que leurs rpartitions dans les portefeuilles Beta pendant chaque anne.


1
New York Stock Exchange


45
45 Chapitre I : Donnes et Mthodologie
Tableau 6 : Rsum du nombre des entreprises cotes rparties sur les 7 portefeuilles Beta.
Une action pour quelle soit incluse dans lchantillon doit disposer dun historique des cotations sur
les 24 mois antrieurs et les 12 mois de lanne de classement. En se basant sur la valeur de leurs
risques systmatiques sur les deux dernires annes, les actions ont t rparties sur sept portefeuilles
arrangs par ordre croissant.


Le nombre total des
entreprises cotes
Le nombre des entreprises
aprs filtrage
La rpartition du nombre filtr
sur les 7 portefeuilles
1 2 3 4 5 6 7
2001 45 35 5 5 5 5 5 5 5
2002 46 39 6 6 5 5 5 6 6
2003 45 38 6 5 5 6 5 5 6
2004 44 39 6 6 5 5 5 6 6
2005 45 39 6 6 5 5 5 6 6
2006 48 39 6 6 5 5 5 6 6
2007 51 39 6 6 5 5 5 6 6
2008 50 38 6 5 5 6 5 5 6
2009 52 41 6 6 6 5 6 6 6
2010 56 42 6 6 6 6 6 6 6
2011 57 45 7 6 6 7 6 6 7
2012 59 46 7 7 6 6 6 7 7

Le tableau A1 prsente une analyse de corrlation des rendements excdentaires de ces
sept portefeuilles Beta avec les rendements excdentaires des secteurs boursiers tunisiens
calculs comme tant les moyennes des rendements des actions qui constituent chaque
secteur, diminues du rendements du taux sans risque.
Nous remarquons que le coefficient de corrlation du secteur bancaire augmente avec
lvolution des portefeuilles Beta ce qui montre quune part importante de ces portefeuilles est
domine par des banques. De mme, nous constatons du tableau A1 que les secteurs disposant
du risque de march le plus lev en tenant les coefficients de corrlations les plus importants
avec le septime portefeuille sont successivement le secteur de tlcommunications (68%),
le secteur d agro-alimentaire et Boissons (60%), le secteur des services financiers
(58%) et le secteur bancaire (57%).




46
46 Chapitre I : Donnes et Mthodologie
Tableau A1: Analyse de corrlation des secteurs boursiers avec les sept portefeuilles Beta.

1-LOW
BETA
2-
BETA
3-
BETA
4-
BETA
5-
BETA
6-
BETA
7-HIGH
BETA
Banques 0.23 0.47 0.49 0.50 0.65 0.54 0.57
Services Financiers 0.30 0.51 0.60 0.56 0.44 0.59 0.58
Assurance 0.17 0.39 0.28 0.30 0.35 0.32 0.31
Tlcommunications 0.24 0.32 0.30 0.35 0.30 0.34 0.68
Distribution 0.24 0.27 0.22 0.47 0.29 0.46 0.49
Voyages et loisirs 0.40 0.45 0.20 0.40 0.18 0.27 0.26
Sant 0.10 0.21 0.19 0.22 0.22 0.30 0.48
Automobiles et Equips 0.35 0.29 0.30 0.45 0.19 0.25 0.48
Agro-alimentaire et Boiss 0.45 0.29 0.35 0.47 0.26 0.58 0.60
Prdts mngers _soins pers 0.10 0.25 0.47 0.26 0.17 0.30 0.51
Btiment_Matriaux_Constructio
n
0.31 0.34 0.32 0.37 0.13 0.24 0.27
Biens et Services Industriels 0.06 0.19 0.12 0.16 0.10 0.14 0.30
Chimie 0.41 0.25 0.10 0.27 0.16 0.06 0.20
Matires premires 0.05 0.43 0.40 0.40 0.50 0.50 0.40
Ptrole et Gaz 0.13 0.25 0.25 0.21 0.21 0.27 0.43

La construction des 4 portefeuilles selon le croisement des critres Taille et
Book-to-market :
La procdure de la formation des 4 portefeuilles selon lintersection Taille/ Book-to-
market est similaire la mthode de Fama et French (1993). Nanmoins, deux contraintes
nous ont pousss ajuster cette mthode pour quelle soit adquate au contexte tunisien.
Dune part, les portefeuilles construits doivent inclure le maximum des actions de telle sorte
quils soient bien diversifis. Dautre part, le nombre des portefeuilles doit tre lev afin de
sassurer de la significativit des tests empiriques en augmentant le degr de libert. Ainsi, en
tenant compte du nombre faible des actions sur le march boursier tunisien, ces deux
prmisses deviennent contradictoires. Une solution ce dilemme est propose par Hammami
et Jilani (2011) qui consiste construire 20 portefeuilles selon 5 critres diffrents la place
des 25 portefeuilles forms selon lintersection Taille et Book-to-market proposs par Fama et
French (1993).
Cette tude runit les deux mthodes de ces deux articles en maintenant la stratgie de
croisement de Fama et French (1993) dans le but de diversifier les portefeuilles et en
choisissant 5 critres diffrents comme Hammami et Jilani (2011) ont propos.
L, on tient expliquer le croisement de deux premiers critres : la taille et le ratio Book-
to-market.


47
47 Chapitre I : Donnes et Mthodologie
La taille dune entreprise cote est approxime par sa capitalisation boursire la fin du
mois de Juin de lanne t. Son ratio Book-to-market est sa valeur comptable des fonds
propres divise par la valeur de march des fonds propres pendant le mois de Dcembre de
lanne t-1. Ces donnes sont extraites de la base des donnes de la BVMT.
De fait que linformation comptable prend un dlai pour quelle soit publie et reue par
les investisseur, un intervalle de 6 mois est pris en compte sparant les donnes facilement
recevables (dans ce cas la capitalisation boursire) de donnes comptables (le ratio book-to-
market).
Pratiquement, nous avons procd comme suit afin dobtenir les 4 portefeuilles
Taille/Book-to-market :
la fin du mois de Juin de chaque anne, durant la priode de 1999-2012, on arrange les
entreprises cotes selon leurs capitalisations boursires (CB). Les entreprises possdant une
CB au-dessus de la mdiane sont considres comme des grandes entreprises (Big) et celles
ayant une CB au-dessous de la mdiane sont classes comme des petites entreprises (Small).
De mme, la fin du mois de Dcembre de lanne prcdente (t-1), on arrange les
entreprises cotes selon leurs ratios Book-to-market (B/M). Par la suite, on les classe, par
rapport la mdiane, entre un niveau lev du ratio B/M (High) et un niveau faible (Low).
Aprs avoir affect chacune des entreprises cotes lun des groupes Small ou Big et Low
ou High, nous construisons les 4 portefeuilles en faisant les croisements suivants : Small/Low,
Big/Low, Small/High et Big/High.
Ainsi, le premier portefeuille regroupe les actions caractrises par une CB inferieure la
mdiane et un ratio B/M inferieur la mdiane, le deuxime portefeuille contient les actions
avec des CB suprieures la mdiane et des ratios B/M inferieurs la mdiane et ainsi de
suite.
Enfin, on dtermine les rendements mensuels excdentaires par rapport au taux sans risque
(TRE) de chaque portefeuille durant les 12 mois allant de Juillet de lanne t au Juin de
lanne t+1. Le rendement dun portefeuille pour un mois donn est la moyenne des
rendements des actions le constituant.

Les variables dpendantes sont les rendements mensuels excdentaires des 4 portefeuilles
Taille/Book-to-market, sur la priode allant de Juillet-1999 Juin-2012.


48
48 Chapitre I : Donnes et Mthodologie
Cette mthodologie exige un certain nombre des conditions pour quune action soit
incluse dans lun des 4 portefeuilles. En effet, lentreprise cote doit disposer dun ratio B/M
positif au mois de Dcembre de lanne t-1 et dune capitalisation boursire disponible la fin
de Juin de lanne t. Nanmoins, sa cotation durant toute la priode de Juillet de lanne t
Juin de lanne t+1, nest pas obligatoire. Par contre, une socit nouvellement introduite en
bourse et ne disposant pas dun ratio B/M la fin de t-1 ou dune CB la fin de Juin de
lanne t sera carte de lchantillon durant la priode de Juillet anne t Juin anne t+1.
Le tableau A2 expose la corrlation des rendements excdentaires des quatre portefeuilles
de croisement des critres Tailles/BM et les rendements excdentaires des secteurs boursiers.
Tableau A2 : Analyse de corrlation entre les quatre portefeuilles croiss Taille/BM et
les secteurs boursiers.

Small-
LowB/M
Big-
LowB/M
Small-
HighB/M
Big-
HighB/M
Banques 0.39 0.67 0.44 0.81
Services Financiers 0.60 0.57 0.56 0.61
Assurance 0.36 0.39 0.41 0.32
Tlcommunications 0.46 0.67 0.40 0.36
Distribution 0.48 0.55 0.45 0.36
Voyages et loisirs 0.16 0.26 0.37 0.31
Sant 0.31 0.48 0.31 0.16
Automobiles et Equips 0.54 0.43 0.43 0.27
Agro-alimentaire et Boiss 0.50 0.47 0.53 0.38
Prdts mngers _soins pers 0.36 0.43 0.42 0.18
Btiment_Matriaux_Construction 0.27 0.27 0.39 0.22
Biens et Services Industriels 0.20 0.27 0.29 0.11
Chimie 0.19 0.26 0.31 0.12
Matires premires 0.30 0.60 0.37 0.46
Ptrole et Gaz
0.26 0.45 0.34 0.24

En premier lieu, nous constatons une forte corrlation positive entre le secteur bancaire et
les entreprises de grandes tailles, savoir les entreprises Big-LowB/M et les entreprises
Big-HighB/M . Ceci nous claircit sur la nature des entreprises grandes capitalisations
boursires sur le march tunisien qui sont reprsentes principalement par des banques.
Le secteur des services financiers montre des coefficients de corrlation qui varient
entre 56% et 61% avec les quatre portefeuilles, ce qui rvle la prsence des entreprises des
diffrents types dans ce secteur.


49
49 Chapitre I : Donnes et Mthodologie
De mme, nous remarquons que la majorit des entreprises constituant le secteur de
tlcommunications , le secteur de distribution et le secteur des matires
premires sont des grandes entreprises faibles ratios B/M.
La construction des 4 portefeuilles selon le croisement des critres Taille et
Momentum :
La formation des 4 portefeuilles selon lintersection de deux critres Taille et Momentum
suit la mme logique dcrite dans la sous-section prcdente, sauf que les arrangements sont
faits chaque mois et non pas uniquement la fin du mois de Juin de chaque anne.
Nous avons retenu dans le cadre de cette tude le rendement cumulatif de six derniers
mois comme un proxy du rendement historique de laction (Le Momentum). De plus, on tient
prciser quune action ne soit affecte lun des quatre portefeuilles, pendant un mois
donn, que si elle dispose dun momentum et dune CB.
Ainsi, chaque mois de la priode allant de Juillet-1999 Dcembre-2012, nous avons
scind les entreprises cotes la BVMT en deux groupes sur la base de leurs CB. Celles ayant
une CB inferieure la mdiane sont qualifies de petite taille (Small) et celles ayant une CB
suprieure la mdiane sont qualifies de grande taille (Big). Pour le mme mois, les
entreprises sont classes en deux groupes selon leurs valeurs de momentum. Dans le premier
groupe, nous trouvons les entreprises disposant dun momentum suprieur la mdiane. Elles
sont les entreprises gagnantes (Winners) sur les six dernires annes. Dans le deuxime
groupe, nous trouvons les entreprises disposant dun momentum inferieur la mdiane. Elles
sont les entreprises perdantes (Losers) sur les six dernires annes. Par la suite, les
croisements suivants sont faits afin dobtenir les 4 portefeuilles Taille/Momentum :
Small/Losers, Small/Winners, Big/Losers, Big/Winners.
titre dexemple, le premier portefeuille est constitu des petites entreprises (CB >
mdiane) ayant un momentum faible (momentum > mdiane), le deuxime contient les
petites entreprises (CB > mdiane) ayant un momentum lev (mementum < mdiane) et ainsi
de suite.
Enfin, on sintresse calculer le rendement mensuel de chaque portefeuille qui nest
dautre que la moyenne simple des rendements des actions le composant.


50
50 Chapitre I : Donnes et Mthodologie
Les variables dpendantes sont les rendements mensuels excdentaires par rapport au taux
sans risque (TRE) de chacun des 4 portefeuilles.
Lanalyse de corrlation de rendements excdentaires de ces portefeuilles avec les secteurs
boursiers tunisiens est expose dans le tableau A3. Nous constatons que les grandes
entreprises sont concentres sur le secteur bancaire. Il en va de mme pour le secteur de
tlcommunications . En revanche, le secteur des services financiers est plus
diversifier.
Le secteur des matires premires prsente une corrlation positive de 67% avec les
rendements des portefeuilles des grandes entreprises gagnantes sur les six derniers mois. Ceci
tmoigne quen gnral les entreprises qui composent ce secteur gardent les mmes tendances
haussires dans le futur.
Les secteurs banques , tlcommunications et automobiles et quipements sont
les plus corrls avec les rendements des entreprises perdantes. Cela souligne que ces secteurs
ont tendance conserver leurs historiques des faibles rendements boursiers dans le futur.
Tableau A3 : Analyse de corrlation des rendements excdentaires des 4 portefeuilles
de croisement Taille/Momentum avec les rendements excdentaires des diffrents
secteurs boursiers.

Small-
Losers
Small-
Winners Big-Losers
Big-
Winners
Banques 0.39 0.35 0.64 0.72
Services Financiers 0.52 0.53 0.53 0.61
Assurance 0.30 0.42 0.26 0.44
Tlcommunications 0.45 0.35 0.59 0.50
Distribution 0.50 0.37 0.38 0.52
Voyages et loisirs 0.40 0.28 0.34 0.23
Sant 0.36 0.23 0.58 0.23
Automobiles et Equips 0.59 0.36 0.34 0.32
Agro-alimentaire et Boiss 0.56 0.55 0.45 0.37
Prdts mngers _soins pers 0.41 0.46 0.38 0.30
Btiment_Matriaux_Construction 0.27 0.42 0.35 0.20
Biens et Services Industriels 0.25 0.30 0.26 0.16
Chimie 0.25 0.20 0.16 0.23
Matires premires 0.20 0.42 0.49 0.67
Ptrole et Gaz
0.32 0.33 0.40 0.35

La construction des 4 portefeuilles selon le croisement des critres Taille et le
ratio earning-to-price :


51
51 Chapitre I : Donnes et Mthodologie
Les 4 portefeuilles Taille/EPR sont construits dans le mme esprit que les portefeuilles
Taille/Book-to-market.
Le ratio earning-to-price (le bnfice divis par le cours de laction) est extrait de la
base des donnes de la BVMT en dterminant linverse de PER. Ainsi, les actions nayant pas
un PER pour le mois de Dcembre de lanne t-1 ou une CB pour le mois de Juin de lanne t
seront exclues de lchantillon durant la priode de Juillet de lanne t Juin de lanne t+1.
La mme procdure explique dans le cadre du croisement Taille/Book-to-market a t
rplique chaque anne pour la priode 1999-2012 jusqu' lobtention de quarte sries
chronologiques des rendements mensuels excdentaires des portefeuilles de croisement
Taille/EPR.
Le tableau A4 prsente la corrlation de ces rendements avec les rendements
excdentaires des diffrents secteurs boursiers.
Tableau A4: Analyse de corrlation des rendements excdentaires des 4 portefeuilles
de croisement Taille/EPR avec les rendements excdentaires des secteurs boursiers.

Small-Low
EPR
Big-Low
EPR
Small-High
EPR
Big-High
EPR
Banques
0.21 0.63 0.54 0.85
Services Financiers
0.33 0.61 0.71 0.54
Assurance
0.30 0.38 0.45 0.33
Tlcommunications
0.31 0.68 0.46 0.29
Distribution
0.50 0.50 0.43 0.36
Voyages et loisirs
0.04 0.29 0.37 0.21
Sant
0.38 0.47 0.27 0.14
Automobiles et Equips
0.54 0.39 0.39 0.24
Agro-alimentaire et Boiss
0.44 0.44 0.46 0.37
Prdts mngers _soins pers
0.38 0.37 0.34 0.25
Btiment_Matriaux_Construction
0.23 0.20 0.26 0.24
Biens et Services Industriels
0.28 0.19 0.17 0.12
Chimie
0.20 0.26 0.25 0.11
Matires premires
0.24 0.59 0.38 0.57
Ptrole et Gaz
0.32 0.43 0.34 0.23

La forte corrlation positive de 85% entre les rendements excdentaires des banques et les
grandes entreprises ayant un ratio EPR lev suggre que le bnfice net par action rapport
au cours de laction des grandes banques est en gnral plus lev que les bnfices nets des
petites banques rapport au cours de leurs actions, ce qui met en valeur la performance des
grandes banques en faveurs des petites banques. En revanche, la forte corrlation de 71%


52
52 Chapitre I : Donnes et Mthodologie
entre le secteur des services financiers et les entreprises de type Small-High EPR stipule
que les petites entreprises du secteur enregistrent les bnfices par action les plus levs
rapports au cours de leurs actions et ainsi elles surperforment les grandes entreprises du
mme secteur.
Le secteur de tlcommunication affiche un coefficient de corrlation de 68% avec les
entreprises de type Big-Low EPR. Par consquent, nous constatons que les entreprises
constituants ce secteurs sont en gnral des grandes entreprises dont le bnfice net par action
est faible en le comparant au niveau de son cours.
La construction des 4 portefeuilles selon le croisement des critres Taille et le
ratio Dividend-Yield :
La dmarche suivre pour former ces 4 portefeuilles est celle dcrite dans le cadre du
croisement Taille/Book-to-market.
Le ratio dividend-yield (le dividende annuel de laction divis par le cours de laction)
est obtenu auprs de la base des donnes de la BVMT.
Le tableau A5 expose la corrlation des rendements excdentaires de ces 4 portefeuilles
avec les rendements excdentaires des diffrents secteurs boursiers. Les donnes montrent que
le secteur bancaire domine lactivit boursire par sa forte capitalisation boursire.
Le secteur de tlcommunication est caractris par les entreprises de grandes tailles et
de faible distribution des dividendes. Par contre, le secteur de matires premires est
domin par les grandes entreprises disposant un ratio lev de Dividend-Yield.









53
53 Chapitre I : Donnes et Mthodologie
Tableau A5 : Analyse de corrlation des rendements boursiers excdentaires des
quatre portefeuilles de croisement Taille/Dividend-Yield avec les rendements
excdentaires des diffrents secteurs boursiers.

Small-Low
Dividend
Yield
Big-Low
Dividend
Yield
Small-High
Dividend
Yield
Big-High
Dividend
Yield
Banques 0.32 0.71 0.45 0.74
Services Financiers 0.44 0.53 0.71 0.63
Assurance 0.47 0.42 0.28 0.30
Tlcommunications 0.45 0.64 0.34 0.42
Distribution 0.37 0.48 0.48 0.54
Voyages et loisirs 0.41 0.29 0.32 0.20
Sant 0.28 0.46 0.29 0.23
Automobiles et Equips 0.46 0.43 0.47 0.32
Agro-alimentaire et Boiss 0.55 0.44 0.51 0.39
Prdts mngers _soins pers 0.29 0.39 0.49 0.31
Btiment_Matriaux_Construction 0.34 0.29 0.29 0.16
Biens et Services Industriels 0.29 0.31 0.16 0.13
Chimie 0.23 0.19 0.25 0.27
Matires premires 0.40 0.51 0.28 0.60
Ptrole et Gaz
0.28 0.40 0.35 0.34

b- La construction des variables indpendantes :

Les variables indpendantes employes dans le cadre de cette tude se devisent en deux
grandes catgories : Les variables fondamentales et les variables macroconomiques.
lgard des variables fondamentales, quatre portefeuilles mimiques ont t construit. Il
sagit du portefeuille SMB reprsentant les rendements des entreprises de petite taille (Small)
diminus des rendements des entreprises des grandes tailles (Big), le portefeuille HML
dsignant les rendements des entreprises ayant un ratio B/M lev (High) diminus des
rendements des entreprises ayant un ratio B/M faible (Low), le portefeuille WML conu pour
tracer les rendements des entreprises ayant un momentum lev (Winners) moins les
rendements des entreprises ayant un momentum faible et le portefeuille IMV reprsentant les
rendements des action non liquides (Illiquid) moins les rendements des actions trs liquides
(Very Liquid).
Le recours aux portefeuilles mimiques afin dapproximer les facteurs fondamentaux,
savoir la taille, le ratio B/M, le momentum et la liquidit, est inspir de la mthodologie de
Fama et French (1993). Un portefeuille mimique est dfinit comme tant un portefeuille des


54
54 Chapitre I : Donnes et Mthodologie
actions dont les rendements sont utiliss pour reprsenter les facteurs ayant des ralisations
qui ne sont pas des rendements (Les facteurs macroconomique par exemple) ou les facteurs
non observables et relatifs aux caractristiques de lentreprise (notre cas des facteurs
fondamentaux).
Quant les variables macroconomiques, nous avons choisi dtudier leffet des facteurs
suivant sur le rendement boursier tunisien :
- Le Taux de croissance mensuel de la production industrielle.
- La structure terme des taux dintrts.
- L'inflation.
- Le taux dintrt rel.
- Le taux de croissance mensuel de lindice des prix de vente.
- Le niveau mensuel de la monnaie centrale.
- Les crdits accords par les banques lconomie.
- Variation mensuelle du taux de change entre le dinar tunisien et le dollar amricain.
- La variation mensuelle de la liquidit du march boursier.
On sintresse dtailler la mthode de construction de ces variables dans les deux sous-
sections suivantes.
La construction des variables fondamentales :
La procdure quon a adopte semble celle explique dans le cadre de la constitution des
variables dpendantes. En effet, la mthode de Fama et French (1993), adapte la spcificit
du march boursier tunisien, est applique.
Dans un premier lieu, nous avons class, la fin du Juin de chaque anne de la priode
1999-2012, les entreprises cotes la BVMT et ayant une CB la fin du Juin de lanne
courante et un ratio B/M positif la fin de Dcembre de lanne prcdente, en deux groupes
(Small et Big) selon leurs CB et en deux groupes (High et Low) selon la valeur de leurs ratios
B/M. La mdiane est utilise pour sparer les deux classes.
Par la suite, nous avons fait les intersections suivantes : Small/Low, Small/High, Big/Low
et Big/High. Ainsi, Small/Low cest lensemble des petites entreprises faible ratio B/M,
Big/High sont les grandes entreprises ayant un ratio B/M lev et ainsi de suite.


55
55 Chapitre I : Donnes et Mthodologie
Les rendements mensuels de chacun des groupes dintersections sont dtermins en
calculant la moyenne simple des rendements des actions le constituent.
La variable fondamentale SMB est obtenue en soustrayant le rendement moyen des
groupes composs des grandes entreprises (Big/Low et Big/High) du rendement moyen des
groupes composs des petites entreprises (Small/Low et Small/High):


De mme, la variable HML est obtenue en soustrayant le rendement moyen des groupes
dentreprises ayant des ratios B/M faibles (Small/Low et Big/Low) du rendement moyen des
groupes composs des entreprises avec des ratios B/M levs (Small/High et Big/High) :


Sagissant de la variable WML conu pour souligner leffet momentum (le rendement
historique), nous avons suivi la mme dmarche prcdente sauf que la reconstruction des
portefeuilles mimiques se fait chaque mois et non pas uniquement la fin de Juin de chaque
anne.
Ainsi, chaque mois de la priode allant de Juillet-1999 Dcembre-2012, les actions
cotes la BVMT et disposant dune CB disponible la fin du mois et dun momentum
(calcul selon la formule explique dans la partie de construction des variables dpendantes
comme tant le rendement cumulatif durant les six derniers mois) ont t scindes en deux
classes selon leurs CB (Small/Big) et deux classes selon leurs valeurs de momentum
(Winners/Losers).
Aprs avoir ralis les intersections suivantes, Small/Losers, Small/Winners, Big/Losers et
Big/Winners, la variable WML est obtenue en diminuant le rendement moyen des entreprises
Losers (Small/Losers et Big/Losers) du rendement moyen des entreprises Winners
(Small/Winners et Big/Winners) :


Concernant la variable IMV, reprsentant leffet de la liquidit de laction sur son
rendement boursier, elle est construite dans le mme esprit que Chan et Faff (2005). De ce


56
56 Chapitre I : Donnes et Mthodologie
fait, quatre groupes dactions ont t forms, savoir le groupe des petites entreprises non
liquides (Small/Illiquid), les petites entreprises trs liquides (Small/ VeryLiquid), les grandes
entreprises non liquides (Big/Illiquid) et les grandes entreprises trs liquides
(Big/VeryLiquid).
Le ratio turnover est conu pour capturer la liquidit des actions. Elle est dtermine selon
la formule suivante :



Dans un premier temps, nous avons calcul les valeurs journalires de ce ratio pour
chacune des actions cotes durant la priode de Juillet-1999 Dcembre-2012. Ensuite, nous
avons dtermin le ratio mensuel en ralisant la moyenne des valeurs journalires pour chaque
mois. Ainsi, une action ayant un ratio turnover lev (suprieur la mdiane) est considre
trs liquide. linverse, une action possdant un ratio faible (inferieur la mdiane) est
considre non liquide.
IMV est obtenue en soustrayant le rendement moyen des entreprises non liquides
(Small/Illiquid et Big/Illiquid) du rendement moyen des entreprises trs liquides
(Big/VeryLiquid et Small/ VeryLiquid) :


Enfin, on tient signaler que la variable reprsentant le rendement excdentaire du
march, utilis dans le cadre du MDAF et les modles fondamentaux et conomtriques, est
approxim par le rendement mensuel de lindice boursier Tunindex diminu du taux mensuel
de rmunration de lpargne considr comme tant le taux sans risque.
La construction des variables macroconomiques :
En salignant avec les tudes de Chen, Roll et Ross (1986), ainsi que Hammami
1
(2008)
et Hammami et Jilani (2011), nous avons construit les variables macroconomiques destines
aux tests empiriques des modles macroconomiques dans le cadre de cette tude.

1
Yacine Hammami, LES FACTEURS EXPLICATIFS DES RENDEMENTS BOURSIERS EN TUNISIE :
ANALYSE PAR LES MODELES MULTIFACTEURS, Thse de doctorat en sciences de gestion, 2008, 343p.


57
57 Chapitre I : Donnes et Mthodologie
Un premier facteur est la production industrielle. En fait, thoriquement une variation
dans la production industrielle aura un effet potentiel sur les profits et par la suite sur la
politique de distribution des dividendes des entreprises cotes. Ceci affectera par voie de
consquence les rendements des actions. Par ce fait, nous pouvons faire lhypothse stipulant
que la croissance mensuelle de la production industrielle a un effet sur la variation des
rendements boursier.
Lindice de la production industrielle (IPI) est disponible dans la base des donnes de
lInstitut National de la Statistique (INS). Dans notre tude, les donnes collectes sont de
base 100 en 2000.
Ainsi, afin de construire lhistorique de la variable indpendante relative la production
industrielle, on sintresse calculer le taux de croissance mensuel de lindice de la
production industrielle (TCMIPI) selon la formule suivante :

reprsente lindice de la production industrielle au mois t.


De mme, on suppose que la variation long terme de la production industrielle affecte
les rendements boursiers. Ainsi, nous avons calcul le taux de croissance annuelle (12 mois)
de lindice de la production industrielle (TCAIPI) chaque mois t selon la formule :

est lindice de la production industrielle avant 12 mois.


Concernant la structure terme des taux dintrts (TERM), Chen, Roll et Ross (1986)
ont utilis les rendements des bons du Trsor long terme diminus des rendements des bons
du Trsor court terme. Dans le cadre tunisien, les taux moyens pondrs des adjudications
des bons du Trsor court terme (13 semaines et 52 semaines) ne sont pas disponibles sur
toute la priode dobservation 1999-2012. Ainsi, linstar de Hammami et Jilani (2011) nous
avons employ le taux de rmunration de lpargne (TRE) au lieu des taux de rendement des
bons du Trsor court terme. La formule employe dans ce cadre est celle propose par Chen,
Roll et Ross (1986), savoir :




58
58 Chapitre I : Donnes et Mthodologie
O

est le taux moyens pondrs mensuel des adjudications des bons du Trsor 10
ans extrait du bulletin des statistiques financires de la banque centrale de Tunisie.
En ce qui concerne le taux dinflation (INF), il nest pas possible de collecter les donnes
mensuelles. Ainsi, nous avons employ le mme proxy de Chen, Roll et Ross (1986)
dsignant le taux dinflation comme tant la diffrence premire du log de lIndice des Prix
la Consommation familiale (IPC) :


La srie de lIndice des Prix la Consommation familiale allant de Janvier-1999 Dcembre-
2012 et base 100 en 1990 est obtenue de la base des donnes de lInstitut National de la
Statistique (INS).
Dans le mme cadre, nous avons dtermin le taux dintrt rel du march montaire
(TMMR) comme tant :

est le taux du march montaire au mois t collecte des Bulletins des Statistiques
Financiers de la Banque Centrale de Tunisie sur la priode 1999-2012.
Lutilisation du TMM afin dapproximer le taux dintrt rel est motive par son emploie
par les instituts financiers comme un taux de rfrence.
Nous avons opt aux calculs des taux de croissance des variables suivantes en employant
les formules accompagnes:
- TCMIPV : Taux de croissance mensuel de lindice des prix de vente.

est lIndice des Prix de Vente Industriels au mois t obtenu de la base des
donnes de lINS.
- TCMMC : Taux de croissance mensuel du niveau de la monnaie centrale.




59
59 Chapitre I : Donnes et Mthodologie
O

est le niveau de la monnaie centrale au mois t collect des Bulletins des Statistiques
Financiers de la Banque Centrale de Tunisie.
- TCMCBE : Taux de croissance mensuel des crdits accords par les banques
lconomie.

est la somme des crdits accords lconomie par les banques pour le mois t obtenue
de la base des donnes de la Banque Centrale de Tunisie.
- USDTND : la variation mensuelle du taux de change USD/TND.

est le taux de change USD/TND au mois t obtenu de la base des donnes de lINS.
- MRKLIQ : la variation mensuelle de la liquidit du march boursier.

dsigne le ratio de turnover du march boursier tunisien au mois t calcul selon la


formule :


Les donnes sont extraites des Bulletins des Statistiques Financiers de la Banque Centrale de
Tunisie.
Le tableau 7 prsente un rsum des variables macroconomiques :







60
60 Chapitre I : Donnes et Mthodologie
Tableau 7 : Les variables macroconomiques.
Nom Dsignation Formule Source
Priode
Couverte
TCMIPI
le taux de croissance mensuel de
lindice de la production
industrielle.
(

) INS 2000/2012
TCAIPI
le taux de croissance annuelle de
lindice de la production industrielle
(

) INS 2001/2012
TERM
la structure terme des taux
dintrts.

BCT 1999/2012
INF le taux dinflation.

INS 1999/2012
TMMR
le taux dintrt rel du march
montaire


BCT
INS
1999/2012
TCMIPV
le taux de croissance mensuel de
lindice des prix de vente.

INS 2000/2012
TCMMC
le taux de croissance mensuel du
niveau la monnaie centrale.

BCT 1999/2012
TCMCBE
le taux de croissance mensuel des
crdits accords par les banques
lconomie.

BCT 1999/2012
USDTND
la variation mensuelle du taux de
change USD/TND.

INS 2000/2012
MRKLIQ
la variation mensuelle de la
liquidit du march boursier.

BCT 1999/2012

3) Mthodologie des tests empiriques:

La mthodologie implmenter dans le cadre des tests empiriques est inspire de Fama et
Macbeth (1973). Ainsi, on sintresse tudier la capacit explicative des modles des
rendements boursiers dans le temps et dans lespace.
Dans un premier lieu, il sagit deffectuer la rgression temporelle des rendements
mensuels en excs des 23 portefeuilles (les variables dpendantes) sur les facteurs du modle
tudi (les variables indpendantes) durant toute la priode (1999-2012) afin destimer les
coefficients de sensibilit

, soit 23

font lobjet des tests de significativit. La pertinence




61
61 Chapitre I : Donnes et Mthodologie
du modle dans lexplication de la variation du rendement boursier de chaque portefeuille
dans le temps est mesure par la significativit de ses paramtres, le coefficient de
dtermination ajust moyen et le critre dinformation dAkaike (1973) ou son driv le
critre d'information baysien de Gideon Schwarz (1978).
En second lieu, notre but consiste distinguer les facteurs responsables de la variabilit
des rendements boursiers entre les diffrents portefeuilles. Dans ce cadre, une rgression en
coupe transversale est faite pendant chacun des mois de la priode dobservation. La
procdure est comme suit :
- La priode totale dobservation (Juillet-1999 Dcembre-2012) est divise en 6 sous-
priodes, chacune est de 27 mois. Pour chacune des sous-priodes, nous faisons dans
un premier temps une rgression temporelle afin davoir (au nombre des portefeuilles)
23

estims.
Le modle destimation est le suivant :

est le rendement excdentaire du portefeuille p au mois t,

correspond la constante
de la rgression temporelle relative la rgression temporelle des rendements du portefeuille
p et

est le coefficient de sensibilit du portefeuille p associ au facteur


- Par la suite, nous faisons la rgression transversale sur les

(variables indpendantes)
chacun des mois de la sous-priode afin destimer la prime du risque de chaque
facteur, savoir 27 estimations (au nombre des mois de la sous-priode) pour chaque
prime de risque pendant chacune des sous-priodes.
Le modle est le suivant :

est le coefficient estim moyennant la premire tape sur la sous-priode de 27


mois et

est la prime de risque associ au facteur de risque

.


62
62 Chapitre I : Donnes et Mthodologie
- Enfin, la performance du modle tudi est mesure par la significativit de son terme
constant qui doit tre, par hypothse, gal zro. Cela est fait en utilisant lintervalle
de confiance au seuil de 5%. Le coefficient de dtermination est aussi employ pour
valuer le modle, ainsi que la portion des primes positives et leurs signes supposs
tre strictement positifs.
En se rfrant aux tudes faites dans le contexte national et international, nous avons
constat la division de la priode dobservation en sous-priodes de 5 ans comme cest le
cas de Fama et Macbeth (1973), dautres travaux ont utilis pour la deuxime phase
concernant la rgression transversale les mmes

estims par la rgression temporelle


sur toute la priode (Hammami et Jilani (2011)). Dans notre tude, lemploie des 6 sous
priodes de 27 mois est motiv dune part par la courte priode dobservation, ainsi il
nest pas convenable de se recourir aux longues sous-priodes comme cest le cas de Fama
et Macbeth (1973). Dautre part, lutilisation des mmes coefficients Fama et Macbeth
(1973), estims sur lintgralit de la priode, comme des variables explicatives dans les
rgressions transversales rpliques chaque mois se fonde sur lhypothse implicite
stipulant que les

sont constants durant toute la priode, alors que ce nest pas le cas. De
plus, le recours aux sous-priodes la place de toute la priode reflte la robustesse du
modle.
En fin, on tient souligner que Le calcul des t de Student est effectu en
employant la correction de Newey et West (1987) pour tenir compte, le cas chant,
de lhtroscdasticit ou de lautocorrlation des erreurs.


63
63 Chapitre II : Les rsultats des tests empiriques

Chapitre II : Les rsultats des tests empiriques

Ce chapitre exposera les rsultats empiriques des diffrents modles. La premire section
sera consacre pour tudier le MDAF dans le contexte tunisien. La deuxime section
dveloppera les rsultats empiriques des modles fondamentaux. La dernire section
soccupera des modles macroconomiques.
1) Le MDAF dans le contexte tunisien

Nous prsenterons dans le cadre de cette section les rsultats des tests empiriques du
MDAF dans le contexte tunisien. Pour y parvenir, nous avons ralis des rgressions
temporelles dans le but danalyser la significativit des coefficients de sensibilit du risque de
march, ainsi que des rgressions transversales afin dtudier la prime du risque de march.
cet gard, la section se compose de deux sous-sections consacres pour les rgressions
temporelles et transversales.
a- La rgression temporelle sur la priode entire

Lobjectif de cette sous-section est dinvestiguer la capacit du risque de march
expliquer la variation des rendements des portefeuilles dactions dans le temps. Ainsi, le
modle implmenter est le suivant :

reprsente le rendement en excs du portefeuille p par rapport au taux sans risque


(TRE) au mois t, il sagit des rendements des 23 portefeuilles de rfrence.

est le
rendement excdentaire du march (rendement de Tunindex TRE) au mois t.
Dans un premier lieu, sept rgressions temporelles ont t effectues en introduisant les
sept portefeuilles Beta comme variables dpendantes expliques par le rendement
excdentaire du march. Les rsultats sont donns par le tableau 8.


64
64 Le MDAF dans le contexte tunisien

Tableau8 : Sont exposs dans le tableau la constante du modle

et le coefficient du risque
de march

ainsi que les t de Student correspondants. Les rgressions sont faites pour
chacun des 7 portefeuilles Beta. Le coefficient de dtermination ajust

et le critre
dinformation dAkaike sont utiliss pour tudier la pertinence du modle.
Les t de Student en gras sont significatives au seuil de 5%.
Numro de portefeuille
Critres 1 2 3 4 5 6 7 Moyenne

0.006 0.003 0.003 0.008 -0.007 -0.005 -0.008 -0.001


(

) 1.52 0.90 0.76 1.93 -1.95 -1.49 -1.62 -0.05

0.363 0.617 0.734 0.824 0.7 0.761 1.160 0.762

3.73 7.64 6.52 7.80 7.80 8.08 9.07 6.4

0.083 0.286 0.225 0.295 0.294 0.310 0.362 0.223


AIC -479.731 -533 -437.578 -455.780 -503.233 -488.969 -400.653 -440.192

Une premire implication du MDAF, justifie par les rsultats empiriques dans le
tableau 8 montre que les constantes dans les sept rgressions ne sont pas significativement
diffrentes de zro au seuil du 5%. De mme, les coefficients de sensibilit du risque de
march

sont tous significatifs au seuil de 5%. Ceci souligne limportance du pouvoir


explicatif du MDAF dans le contexte tunisien. Nanmoins, le coefficient de dtermination
est assez faible. En effet, en moyenne le modle parvient expliquer seulement 22.3% de
lvolution des rendements boursiers tunisiens dans le temps.
Le test de significativit montre que les coefficients du risque de march

sont
significativement positifs et inferieurs 1, lexception du septime portefeuille. Cela nous
renseigne sur le caractre dfensif de la majorit des actions sur le march tunisien qui tendent
amortir les variations de march. Ce rsultat confirme celui de Ben Naceur et Ghazouani
(2007) anisi que Chaibi et Ben Naceur (2009) o ils ont interprt la faiblesse du coefficient
Beta (> 1) par la liquidit modeste du march tunisien.
Dans le mme cadre, en se rfrant la mthode de la construction des portefeuilles Betas,
nous remarquons que les termes constants

sont positifs pour les portefeuilles faibles Betas
(de 1 4) et ngatifs pour les portefeuilles ayant des Betas levs (de 5 7). Ceci signifie que
les actions de la BVMT ayant de risque systmatique lev sur la priode 1999-2012 ont
ralis des rendements infrieurs ceux esprs par le modle et les actions faible risque
systmatique ont ralis des rendements suprieurs aux prdictions du modle. Autrement dit,
le MDAF tende exagrer les rendements esprs par rapport aux rendements raliss des


65
65 Le MDAF dans le contexte tunisien
actions disposant du risque systmatique lev et inversement en sous-valuant les actions
faible risque systmatique. Ces rsultats sont en concordance avec les conclusions cites par
Friend et Blume (1970), Black, Jensen and Scholes (1972) et Stambaugh (1982).
Globalement, le facteur du risque de march jouit dune capacit explicative significative
des rendements boursiers chronologiques sur le march tunisien. Nanmoins, cette conclusion
mrite dtre consolider par des tests de robustesse afin quelle soit gnralise aux autres
types des portefeuilles. Ainsi, dans le but de tester la robustesse de ces rsultats nous avons
rpliqu les rgressions temporelles du modle en substituant les sept portefeuilles Beta par
les 16 portefeuilles restants construits sur la base de quatre critres diffrents, savoir le
croisement Taille/Book-to-market, le croisement Taille/Momentum, le croisement Taille/EPR
et le croisement Taille/Dividend-yield.
Les rsultats du tableau 9 soulignent le non significativit du terme constant dans les 16
rgressions sauf pour 4 portefeuilles. De mme, les coefficients de sensibilit

sont tous
significatifs au seuil de 1% et compris entre 0 et 1. Les coefficients de dtermination ajusts,
en moyenne, sont lordre de 35.5%. Ainsi, le modle offre des rsultats similaires, voir
meilleurs que le premier cas. Ce qui confirme la capacit explicative leve du facteur du
risque systmatique de march.
Toutefois, malgr cette capacit explicative leve, il reste encore une part importante,
dpassant le deux tiers de la variabilit chronologique des rendements boursiers tunisiens, non
explique par le MDAF. En effet, nous remarquons que le coefficient de dtermination
ajust est nettement plus faible dans le cas des petites entreprises compares aux grandes
entreprises, comme le montre le tableau 9, ce qui nous renseigne sur le rle de la taille de
lentreprise, ignor par le MDAF, dans la dtermination du rendement boursier. De mme,
nous remarquons que le coefficient de dtermination des portefeuilles faible B/M, Dividend-
Yield, Earning-to-price ratios et momentum sont souvent plus faibles ceux de grandes
valeurs. Ainsi, on constate que la valeur comptable de lentreprise et son rendement
historique, qui ne sont pas tenus en compte par le MDAF, peuvent tre des facteurs
dterminants des rendements boursiers tunisiens. Ce qui met en cause la validit du MDAF
dans le contexte tunisien.
Ltude transversale de la sous-section suivante met en lumire le MDAF et son pouvoir
expliquer les variations en coupe transversale des rendements boursiers tunisiens.


66
Tableau 9: Ce tableau expose le terme constant

et le coefficient du risque de march

ainsi que le coefficient de dtermination

et les critres dinformation


dAkaike (AIC) et Baysien (BIC) de chacune des 20 rgressions du MDAF pour 16 portefeuilles construits sur la base des 5 croisements 2x2 des critres Taille/Book-to-
market, Taille/Momentum, Taille/EPR et Taille/Dividend-Yield.
La significativit des coefficients est dsigne par :
*** : Significatif au seuil de 1%
** : Significatif au seuil de 5%
*: Significatif au seuil de 10%
16 portefeuilles forms sur la base de 5 croisements diffrents.

Croisement de critre Taille Avec le critre BM
Avec le critre
Momentum
Avec le critre EPR Avec le critre Div Yield
Moyenne
Low High Losers Winners Low High Low High


Small
.0017 .0032 -.0021 4.10E-04 -.0036 .0071** .005 .0025 0.0017
0
Big
-.0052* -.0035 -.0013 0 -.0017 -.0043* -.0078** -7.70E-04 -0.003


Small
.66*** .55*** .56*** .57*** .29*** .83*** .59*** .56*** 0.57
0.72
Big
.82*** .91*** .8*** .97*** .89*** .85*** .83*** .88*** 0.86


Small
.23 .22 .15 .2 .04 .35 .15 .27 0.20
0.355
Big
.45 .6 .4 .56 .46 .58 .43 .59 0.50
AIC
Small
-514 -561 -498 -547 -480 -535 -469 -599 -525
-576
Big
-601 -664 -602 -641 -583 -669 -585 -669 -626.75
BIC
Small
-508 -555 -491 -541 -474 -529 -463 -593 -519.25
-570
Big
-595 -658 -596 -634 -577 -662 -579 -663 -620.5


67
67 Le MDAF dans le contexte tunisien

b- La rgression Transversale du MDAF :

Lobjectif dans le cadre de cette sous-section vise tudier le pouvoir du MDAF
expliquer les variations des rendements boursiers tunisiens entre les diffrents portefeuilles
dactions un moment donn.
La dmarche se compose de deux tapes:
- Pour chacune des 6 sous-priodes, 23 rgressions temporelles sont faites en employant
les 23 portefeuilles de rfrence et cela afin dobtenir les estimateurs

qui vont servir


tre les variables dpendantes dans les rgressions transversales de cette sous-
priode. Le modle employer est celui de la rgression temporelle, soit :

reprsente le rendement en excs du portefeuille p par rapport au taux sans risque


(TRE) au mois t, il sagit des rendements des 23 portefeuilles.

est le rendement
excdentaire du march (rendement de Tunindex TRE) au mois t.
- Par la suite, on sintresse raliser les rgressions transversales pour chacun des 27
mois de chaque sous priode, soit 162 rgressions transversales ont t ralises. Les
variables dpendantes sont les rendements excdentaires de nos 23 portefeuilles et les
variables indpendantes sont les coefficients

issus de la premire tape. Le modle


employer est le suivant :

est le rendement en excs du portefeuille p par rapport au taux sans risque, est
une constante, est la prime du risque de march estimer et

cest le coefficient de
sensibilit du portefeuille p.
Les implications du MDAF stipulent que le risque de march est le seul facteur
explicatif de la variation des rendements boursiers entre les diffrentes actions. Autrement
dit, le terme constant ne doit pas tre significatif. Ainsi, notre premier test consiste
tudier la significativit de la constante . En se reportant aux rsultats dlivrs par le test


68
68 Le MDAF dans le contexte tunisien
de lintervalle de confiance de au seuil de 5% dans le tableau 10, nous ne pouvons pas
rejeter lhypothse nulle voulant que la constante soit gale zro. Ce qui va en
concordance avec la premire implication du MDAF. Nanmoins, les rsultats
soulignent quune portion leve des constantes (76/162) est significativement diffrentes
de zro au seuil de 10%. De mme, nous remarquons que le modle soriente survaluer
les actions dans plus que la moiti des cas. En effet, parmi les 162 rgressions, nous avons
84 constantes qui sont ngatives. De plus, la moiti des constantes significatives sont
ngatives, savoirs 37 sur 76 observations. Ce qui confirme nos rsultats prsents dans le
cadre de la rgression temporelle prvoyant que les outputs du MDAF sont exagrs.
Cela confirme lexistence dautres facteurs pouvant amliorer la capacit explicative de
modle.


69
Tableau 10: Sont exposs dans ce tableau les rsultats de la rgression transversale du MDAF.

reprsente la moyenne des termes constants sur chacune


des six sous-priodes et est son cart type.

est la prime moyenne du risque de march et est son cart-type. Les intervalles de confiances au seuil
de 5% sont obtenus aprs avoir arranger les valeurs estimes sur les six sous-priodes par ordre croissant et la suppression de 2.5% du nombre des
observations de chacune de deux extrmits. La significativit des estimateurs est donnes par la portion significative parmi lensemble des estimations. La
pertinence du modle ainsi que la validit de ses hypothse sont tirs du coefficient de dtermination ajust moyen


et de la portion des primes ngatives.
Juil-99/Sep-01 Oct-01/Dc-03 Janv-04/Mars-06 Avr-06/Jui08 Juil-08/Sep-10 Oct-10/Dc-12 Moyenne

-0.0081 -0.011 0.0169 0.0005 0.0200 0.0139 0.0052


0.0155 0.0142 0.0124 0.0161 0.0206 0.0256 0.0166
Portion des significatifs
10%
9/27 14/27 13/27 7/27 20/27 13/27 76/162
Portion des ngatifs 21/27 21/27 11/27 10/27 11/27 10/27 84/162
IC de 5% sur la priode
totale
[-0.0776; -0.0692; -0.0666; ; -0.0004; 0.0000; 0.0002; 0.0004; ; 0.0939; 0.1107; 0.1148]

0.0122 0.0065 -0.0043 0.0102 -0.0026 -0.027 0.0008


0.0212 0.0169 0.0177 0.0191 0.0290 0.0328 0.0227
Portion des significatifs
10%
13/27 12/27 20/27 11/27 20/27 14/27 90/162
Portion des ngatifs 11/27 15/27 12/27 11/27 14/27 19/27 82/162
IC de 5% sur la priode
totale
[-0.1301273 ; -0.1242 ; -0.1142; ; -0.0003 ; 0.0000 ; 0.0011; ; 0.1209 ; 0.1248 ; 0.1294 ; 0.1298]


0.1560 0.1722 0.17 0.1122 0.1980 0.17 0.1630


70
70 Le MDAF dans le contexte tunisien
-0.1800
-0.1600
-0.1400
-0.1200
-0.1000
-0.0800
-0.0600
-0.0400
-0.0200
0.0000
s
e
p
t
.
-
9
9
a
o

t
-
0
0
j
u
i
n
-
0
1
j
u
i
n
-
0
2
j
a
n
v
.
-
0
3
f

v
r
.
-
0
4
s
e
p
t
.
-
0
4
j
u
i
n
-
0
5
a
v
r
.
-
0
6
a
v
r
.
-
0
7
m
a
i
-
0
8
m
a
r
s
-
0
9
d

c
.
-
0
9
o
c
t
.
-
1
0
a
o

t
-
1
1
j
u
i
n
-
1
2
Graphique1: La prime du risque de march espre (valeurs
ngatives)
La prime estme par le
mdaf
-16.00%
-14.00%
-12.00%
-10.00%
-8.00%
-6.00%
-4.00%
-2.00%
0.00%
n
o
v
.
-
9
9
f

v
r
.
-
0
1
o
c
t
.
-
0
1
m
a
i
-
0
2
n
o
v
.
-
0
2
m
a
i
-
0
3
j
u
i
n
-
0
4
d

c
.
-
0
4
m
a
r
s
-
0
7
s
e
p
t
.
-
0
7
d

c
.
-
0
8
o
c
t
.
-
1
0
m
a
i
-
1
1
a
o

t
-
1
2
Graphique2: La prime du risque de march ralise (valeurs
ngatives)
La prime ralise =
rendement de Tunindex
moins le TRE.
Sagissant de la prime du risque de march , 55.55% des estimations (90/162) sont
significatives au seuil de 10% (dont 77 qui sont significatifs 5%). Lintervalle de
confiance au seuil de 5% montre que nest pas significativement diffrente de zro avec
une moyenne sensiblement faible de 0.0008. Do limpertinence du risque de march
exprimer les variations en coupe transversale des rendements boursiers. Cela est approuv
par une part indniable des estimateurs de qui sont ngatifs. En effet, 82 parmi 162
estimateurs sont ngatifs. plus forte raison, nous ne pouvons pas rejeter lhypothse
stipulant que la prime est infrieure zro en se basant sur lintervalle de confiance au
seuil de 5%. Ce qui est irrationnel et contradictoire avec les implications du MDAF
notifiant quun niveau du risque de march (

lev doit tre rmunr par une




71
71 Le MDAF dans le contexte tunisien
-0.1800
-0.1600
-0.1400
-0.1200
-0.1000
-0.0800
-0.0600
-0.0400
-0.0200
0.0000
S
e
p
-
9
9
J
u
l
-
0
0
M
a
y
-
0
1
M
a
r
-
0
2
J
a
n
-
0
3
N
o
v
-
0
3
S
e
p
-
0
4
J
u
l
-
0
5
M
a
y
-
0
6
M
a
r
-
0
7
J
a
n
-
0
8
N
o
v
-
0
8
S
e
p
-
0
9
J
u
l
-
1
0
M
a
y
-
1
1
M
a
r
-
1
2
l'volution de la a prime(valeurs ngatives)
La prime ngative
-0.0200
0.0000
0.0200
0.0400
0.0600
0.0800
0.1000
0.1200
0.1400
A
u
g
-
9
9
M
a
y
-
0
0
F
e
b
-
0
1
N
o
v
-
0
1
A
u
g
-
0
2
M
a
y
-
0
3
F
e
b
-
0
4
N
o
v
-
0
4
A
u
g
-
0
5
M
a
y
-
0
6
F
e
b
-
0
7
N
o
v
-
0
7
A
u
g
-
0
8
M
a
y
-
0
9
F
e
b
-
1
0
N
o
v
-
1
0
A
u
g
-
1
1
M
a
y
-
1
2
Graphique3: La constante Alpha (valeurs positives)
La constante Alpha
augmentation en prime de risque (). Dans ce cadre, deux interprtations opposes se
dvoilent : Ou bien le modle na pas fonctionn correctement dans le contexte tunisien
cause de la liquidit modeste du march boursier tunisien, sa situation de dtresse et le
comportement de ses investisseurs. Ou bien le problme rside dans le modle lui-mme
et donc la prime du risque de march estime via le MDAF est biaise et ne reflte pas
proprement lvolution de la prime de risque relle sur le march tunisien.
Le premier et le deuxime graphique montrent que lallure de la courbe des valeurs
ngatives de la prime du risque de march estime par le MDAF est similaire celle de
la prime ralise du risque de march. Par consquent, le modle a dcrit correctement
lvolution de la prime du risque de march tunisien. Ainsi, il en dcoule que le MDAF
na pas altrer les donnes relles offertes par le march tunisien, mais plutt le march
lui-mme caractris dune faible liquidit est lorigine de la prime irrationnelle
ngative. Ce rsultat renforce la conclusion de Ben Naceur et Ghazouani (2007) en ce qui
concerne les primes ngatives du march tunisien. Du moins, le troisime graphique
montre que le modle tend sous-valuer les titres dans le cas o la tendance de march


72
72 Le MDAF dans le contexte tunisien
est baissire, voir ngative. En effet, lorsque les primes du risque de march sont
ngatives, le terme constant se ragit inversement avec des valeurs positives.

Autrement dit, dans le cas de primes ngatives, les rendements esprs par le modle sont
infrieurs aux rendements raliss des portefeuilles, cest qui fait que le terme constant
devient positif afin dassurer lgalit entre les termes droite et les termes gauche. Le
mme comportement se reproduit dans le cas contraire des primes positives. En effet, le
modle tend survaluer les titres lorsque la tendance de march est haussire. Ce qui remet
en cause la validit et la pertinence du MDAF dans labsorbation totale de la variabilit
commune des actifs tunisiens.
Dailleurs, le coefficient de dtermination ajust figurant dans le tableau 10 varie entre
11.22% et 19.80% avec une moyenne de 16.30%. Ainsi, une grande partie de la variabilit
transversale des rendements boursiers nest pas explique par le modle.

Somme toute, les rgressions chronologiques et transversales du MDAF mettent en
valeurs une capacit explicative insatisfaisante illustre par un coefficient de dtermination
ajust lordre de 26% en moyenne. Les insuffisances du MDAF ne trouvent pas leurs
explications exclusivement dans la simple description de ses outputs mais aussi la situation de
dtresse du march tunisien ainsi que sa faible liquidit imposent leurs contraintes lencontre
de lapplicabilit du modle. Cela est justifi, dune part, par les valeurs faibles des
coefficients de sensibilit (

estims par la rgression temporelles et comprises entre 0 et1, et


dautre part, par les primes de risque ngatives vues dans le cadre de la rgression
transversale. Du moins, les rendements esprs survalus et sous-valus fournis par le
modle respectivement dans le cas des actions ayant un risque systmatique lev et les
actions ayant un risque systmatique faible, ainsi que dans le cas des primes positives et les
primes ngatives, nous renseignent sur lexistence dautres facteurs explicatifs pouvant
absorber la partie restante de la variabilit des rendements boursiers tunisien non explique
par le MDAF. Ces derniers peuvent tre des facteurs fondamentaux spcifiques aux attributs
de laction, comme nous lavons dduit dans le cadre de la rgression temporelle du MDAF.
Ltude du pouvoir explicatif de ces facteurs fondamentaux fait lobjet de la prochaine
section.


73
73 Les modles facteurs fondamentaux dans le contexte tunisien

2) Les modles facteurs fondamentaux dans le contexte tunisien

Nous prsenterons dans cette section la relation liant les facteurs fondamentaux
spcifiques aux attributs de lentreprise cote sur le march boursier tunisien et les variations
des rendements boursiers. Ainsi, quatre facteurs fondamentaux font lobjet de cette partie. Il
sagit de la taille de lentreprise approxime par le portefeuille mimique SMB, sa valeur
comptable reprsente par le portefeuille mimique HML, son rendement historique dsign
par le portefeuille mimique WML et sa liquidit approxime par le portefeuille mimique IMV.
La section se compose de trois parties. Nous prsenterons, dans un premier lieu, une
analyse de donnes fondamentales. En second lieu, nous tudierons les rgressions
temporelles des modles fondamentaux et nous finirons par les rgressions transversales.
a- Analyse des donnes fondamentales:

Lanalyse de la corrlation dans le tableau B1 souligne lindpendance des variables
fondamentales. En effet le coefficient de corrlation varie entre -0.28 et 0.156. De plus, nous
remarquons qu lexception du portefeuille WML, les rendements des trois autres
portefeuilles fondamentaux sont ngativement corrls avec le rendement excdentaire du
portefeuille de march. Ce qui conteste lexistence des primes du risque accordes aux petites
entreprises, aux entreprises ayant un ratio B/M lev et aux entreprises non liquides. Le
portefeuille mimique SMB prsente le coefficient de corrlation ngatif le plus fort avec le
portefeuille du march. Ceci nous renseigne sur son pouvoir explicatif.
Tableau B1 : Analyse de corrlation des facteurs fondamentaux.
Rm-rf SMB HML WML IMV
Rm-rf 1.000

SMB -0.280 1.000

HML -0.010 -0.100 1.000

WML 0.101 -0.079 0.156 1.000

IMV -0.179 0.066 0.068 0.063 1.000

Le tableau B2 expose la corrlation entre les facteurs fondamentaux et les rendements
excdentaires des diffrents secteurs boursiers calculs comme tant la simple moyenne des
rendements des actions qui composent chaque secteur diminue du rendement du taux sans


74
74 Les modles facteurs fondamentaux dans le contexte tunisien
risque. L, nous remarquons que le secteur financier, et en particulier les banques, ainsi que le
secteur de matires premires sont les plus corrls avec le portefeuille de march ce qui
tmoigne leurs parts importantes de la capitalisation boursires du march. De mme nous
tenons lattention sur la forte corrlation ngative de -38% entre le facteur SMB et le secteur
bancaire. Ceci signifie que les banques reprsentent les entreprises cotes disposant des
grandes tailles sur le march tunisien. Il en va de mme que la corrlation ngative de -33%
entre le secteur de tlcommunications et le facteur HML rvle que la majorit des
entreprises faisant part de ce secteur disposent dun faible ratio B/M et donc elles sont
survalues. Les deux secteurs qui disposent des coefficients de corrlation ngatifs les plus
forts avec le facteur de la liquidit IMV sont le secteur des services financiers et le secteur
d automobiles et quipements . Cela met en valeur la liquidit de ces deux secteurs.
Tableau B2 : Analyse de corrlation des facteurs fondamentaux avec les secteurs boursiers.
Rm-rf SMB HML WML IMV
Banques
0.84 -0.38 0.06 0.01 -0.15
Services Financiers
0.58 0.03 -0.08 0.02 -0.34
Assurance
0.36 0.06 -0.06 0.16 0.07
Tlcommunications
0.36 -0.08 -0.33 -0.13 -0.27
Distribution
0.39 0.04 -0.22 0.00 -0.20
Voyages et loisirs
0.31 -0.02 0.15 -0.15 -0.20
Sant
0.12 0.01 -0.28 -0.32 0.16
Automobiles et Equips
0.25 0.20 -0.26 -0.21 -0.42
Agro-alimentaire et Boiss
0.40 0.15 -0.11 -0.09 -0.15
Prdts mngers _soins pers
0.29 0.12 -0.19 -0.05 -0.11
Btiment_Matriaux_Construction
0.20 0.12 0.02 -0.01 -0.07
Biens et Services Industriels
0.11 0.08 -0.08 -0.06 0.01
Chimie
0.19 0.09 -0.04 0.01 0.06
Matires premires
0.59 -0.17 0.01 0.35 0.30
Ptrole et Gaz
0.24 -0.05 -0.14 -0.06 -0.09

Le tableau B3 affiche lanalyse de corrlation des facteurs fondamentaux avec nos 23
portefeuilles croiss. Le portefeuille de march est le facteur explicatif le plus corrl avec les
rendements des portefeuilles croiss. En effet la majorit de ses coefficients sont suprieurs
30%. Par la suite nous trouvons successivement le facteur SMB, le facteur HML, le facteur
WML et le facteur IMV. Ceci nous renseigne sur lordre des capacits explicatives des
diffrents variables fondamentales.



75
75 Les modles facteurs fondamentaux dans le contexte tunisien
Tableau B3 : Analyse de corrlation des facteurs fondamentaux avec les 23 portefeuilles de
rfrence.
23 portefeuilles croiss
Rm-rf SMB HML WML IMV
Small_LowB/M 0.48 0.39 -0.54 -0.12 -0.26
Big_LowB/M 0.67 -0.31 -0.42 -0.12 -0.22
Small_HighB/M 0.47 0.41 0.22 -0.07 -0.12
Big_HighB/M 0.78 -0.43 0.18 0.04 -0.31
Small_Losers 0.37 0.34 -0.13 -0.50 -0.32
Small_Winners 0.44 0.34 0.08 0.34 -0.13
Big_Losers 0.63 -0.23 -0.28 -0.43 -0.14
Big_Winners 0.75 -0.30 -0.24 0.35 -0.25
Small_Low EPR 0.22 0.41 -0.37 -0.14 -0.16
Big_LowEPR 0.68 -0.29 -0.40 -0.11 -0.25
Small_Hign EPR 0.60 0.24 0.03 0.00 -0.30
Big_High EPR 0.76 -0.41 0.03 0.10 -0.17
Small_Low DivYield 0.40 0.48 -0.02 -0.09 -0.10
Big_Low DivYield 0.66 -0.29 -0.33 -0.17 -0.22
Small_High DivYield 0.53 0.35 -0.05 -0.09 -0.32
Big_HighDivYield 0.77 -0.27 -0.09 0.10 -0.19
1_LOW BETA 0.30 0.34 -0.02 -0.26 -0.17
2_ BETA 0.53 0.07 0.04 0.02 -0.09
3_ BETA 0.47 0.08 0.00 -0.06 -0.10
4_ BETA 0.54 0.10 0.03 -0.05 -0.31
5_ BETA 0.54 -0.15 -0.15 -0.02 -0.11
6_ BETA 0.55 -0.10 -0.16 0.06 -0.16
7_High BETA
0.61 -0.11 -0.25 -0.20 -0.16

b- La rgression temporelle sur la priode entire des modles facteurs fondamentaux:

Ltude du rle des facteurs fondamentaux dans lexplication des rendements boursiers
tunisiens sera dveloppe sur quatre tapes. Nous commencerons par analyser les rgressions
chronologiques employant les deux facteurs de Fama et French (1993) SMB et HML. En
second lieu, nous apporterons deux nouveaux facteurs, savoir WML conu pour dtecter
leffet momentum cit par Carhart(1997) et IMV reprsentant leffet de la liquidit des actions
tunisiennes sur leurs rendements boursiers, cit par Chan et Faff (2005). Finalement, le
rendement excdentaire de march (Rm-rf) et les portefeuilles mimiques SMB, HML, WML
et IMV feront lobjet des variables explicatives de la troisime rgression.
Compar au tableau 9, le tableau 11 montre que les deux facteurs SMB et HML ont russi
absorber une part importante de la variabilit des rendements boursiers tunisiens non
explique par le MDAF et lie aux attributs fondamentaux des actions, soit leurs tailles et


76
76 Les modles facteurs fondamentaux dans le contexte tunisien
leurs valeurs comptables. En effet, contrairement aux valeurs dlivres par le tableau 9 du
MDAF, les termes constants des petites entreprises ne sont plus sensiblement suprieurs
ceux des grandes entreprises. La diffrence entre la moyenne des termes constants des petites
entreprises et celle des grandes entreprises a t passe de 0.47% dans le cas du MDAF
(tableau 9) -0.24% en prsence du facteur SMB (tableau 11). De mme, la constante des
actions ayant des ratios B/M, EPR ou Dividend-Yield levs nest plus considrablement
suprieurs celle des actions ayant des faibles ratios comme cest frquemment le cas dans le
cadre du MDAF. titre indicatif, le tableau 9 montre que les entreprises disposant dun
ratio B/M lev ont en moyenne une constante dpassant de 0.16%
1
celle des entreprises
disposant dun ratio B/M faible. Par contre, en prsence du facteur HML (tableau 11), la
diffrence est de 0%
2
. Ceci tmoigne de la pertinence du facteur HML captiver une partie du
rendement boursier non expliqu par le MEDAF sur le march tunisien. Il est dautant claire
dans le tableau 13 que les petites entreprises faible ratio B/M et les grandes entreprises un
ratio B/M lev (ou encore les petites entreprises un ratio B/M lev et les grandes
entreprises un ratio B/M faible) se ragissent exactement avec les mmes coefficients de
sensibilit envers tous les facteurs explicatifs lexception de deux facteurs SMB et HML
reprsentants la taille et la valeur. Ce qui met en valeur le pouvoir de deux facteur SMB et
HML exprimer la variabilit transversale de ces portefeuilles.
Sagissant des coefficients de sensibilit

et

de deux facteurs explicatifs SMB et


HML, le tableau 11 met en valeur un pouvoir explicatif plus significatif pour le facteur SMB
que le facteur HML. Ainsi quen tmoigne, 19 sur 23

sont significatifs contre uniquement


12 sur 23 pour

. Mieux encore, le facteur SMB arrive enrichir 16 coefficients significatifs


au seuil de 1% pour les 16 portefeuilles construits sur la base des croisements 2x2 du critre
taille avec le ratio B/M, le momentum, lEPR et le Dividend-Yield contre 9 coefficients
significatifs pour le facteur HML. En outre, les signes attendus pour les deux coefficients


et

sont en gnral vrifis. En effet, les petites entreprises disposent dun coefficient


positif indiquant que leurs rendements voluent dans le mme sens que la prime du facteur
SMB. Cependant, les grandes entreprises montrent des

ngatifs par le fait que leurs


rendements voluent inversement au facteur SMB.

1
[0.0032 + (-0.0035)]/2 [0.0017 + (-0.0052)]/2
2
[0.0046 + 0.0061]/2 [0.0061 + 0.0046]/2


77
Tableau 11 : Ce tableau expose les rsultats de la rgression suivante :

pour chacun de nos 23 portefeuilles.

est
le terme constant.

et

sont successivement les coefficients de sensibilit des facteurs SMB et HML.

est le coefficient de dtermination ajust. Et AIC et


BIC sont les critres dinformation dAkaike et son driv Baysien. Les tests empiriques montrent que lemploie de la correction de Newey et West (1987)
tenant compte, le cas chant, de lhtroscdasticit et de lautocorrlation des erreurs na pas amliorer la significativit des rsultats obtenus par la
MCO.
La significativit des coefficients est dsigne par :
*** : significatif au seuil de 1%
** : significatif au seuil de 5%
*: significatif au seuil de 10%
23 portefeuilles forms sur la base des 4 croisements 2x2 et sept portefeuilles Beta.
Croisement
BM Momentum EPR Div Yield
Moyenne
Sept portefeuilles Beta
Low High Losers Winners Low High Low High 1 2 3 4 5 6 7


Small .0061* .0046 0 .0031 -.0029 .012*** .0061 .0054*
0.0043
0.005
.0057 .0072* .0083 .014*** 0 .0021 .0035
Big .0046 .0061* .0079** .011*** .0088** .005 .0018 .0083**
0.0067


Small .48*** .54*** .51*** .48*** .54*** .36*** .77*** .39***
0.50
0.033
.43*** .086 .13 .16 -.22** -.16 -.28*
Big -.46*** -.52*** -.35*** -.46*** -.47*** -.49*** -.44*** -.35***
-0.44


Small -.81*** .35*** -.16 .18 -.53*** .096 .046 -.024
-0.10
-0.22
.017 .07 .018 .068 -.24* -.27** -.6***
Big -.65*** .19* -.44*** -.41*** -.66*** -.0076 -.53*** -.16
-0.33


Small .40 .22 .12 .12 .27 .047 .22 .11
0.19
0.186
.10 -.0075 -.0083 -.0038 .036 .024 .068
Big .29 .19 .13 .15 .26 .16 .21 .077
0.18
AIC
Small -552 -561 -472 -508 -522 -474 -481 -566
-517
-527
-457 -460 -378 -386 -436 -418 -326
Big -561 -552 -519 -511 -533 -559 -533 -540
-538.5
BIC
Small -543 -552 -463 -498 -513 -465 -472 -557
-508
-518
-449 -451 -370 -377 -427 -409 -317
Big -552 -543 -509 -502 -524 -550 -524 -531
-529


78
78 Les modles facteurs fondamentaux dans le contexte tunisien
Tout au moins, les signes vrifis ne permettent de tirer aucune conclusion sur le
comportement des investisseurs tunisiens envers les petites et les grandes entreprises. En fait,
la thorie stipule que les investisseurs exigent une prime de risque afin dinvestir dans les
actions faible capitalisation boursire de fait quelles sont plus risques. Nanmoins, cela
nest pas vrifi dans le contexte tunisien puisque les primes SMB ralises sur le march
boursier tunisien ne sont pas significativement positives tout au long de la priode dtude
comme le montre le graphique 4.


Dans le mme cadre, les deux portefeuilles dactions possdant un ratio B/M lev
affichent un coefficient

positif soulignant leur corrlation positive avec le facteur HML.


galement les deux portefeuilles dactions dtenant un ratio B/M faible ont un coefficient


ngatif marquant leur corrlation ngative avec le facteur HML. Nanmoins, le graphique 5
conteste lexistence de leffet de la valeur sur le march boursier tunisien. En effet, la prime
HML nest pas toujours positive. Autrement dit, le march tunisien ne rmunre pas
continuellement les actions ayant un ratio B/M lev et supposes tre plus risques.
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
J
u
l
-
9
9
M
a
y
-
0
0
M
a
r
-
0
1
J
a
n
-
0
2
N
o
v
-
0
2
S
e
p
-
0
3
J
u
l
-
0
4
M
a
y
-
0
5
M
a
r
-
0
6
J
a
n
-
0
7
N
o
v
-
0
7
S
e
p
-
0
8
J
u
l
-
0
9
M
a
y
-
1
0
M
a
r
-
1
1
J
a
n
-
1
2
Graphique 4 : La prime du risque de la taille
de l'entreprise, ralise sur le march tunisien: SMB
SMB


79
79 Les modles facteurs fondamentaux dans le contexte tunisien

Notons que daprs la littrature, des tudes telles que Ben Naceur et Ghazouani (2007) et
Chaibi et Ben Naceur (2009) ont contest lexistence de leffet de la taille et leffet de la
valeur sur le march boursier tunisien. titre indicatif, Chaibi a dgag que les coefficients de
sensibilit du facteur SMB sont lgrement significatifs o seulement 6 coefficients

qui
sont significatifs 5% (dont un 10%) parmi 29 coefficients. La mme tude montre que les
coefficients

sont plus significatifs avec une portion de 11 coefficients significatifs (dont 4


10%) sur 29 coefficients. La conclusion tire de ladite tude stipulant que sur la priode
dobservation (2000-2005) les entreprises tunisiennes cotes sont faiblement touches par
leffet de la taille ainsi que leffet de la valeur, est constate par la ntre sur une priode plus
large, savoir 1999-2012, sauf que les coefficients de sensibilit, et alors les facteurs SMB et
HML, jouissent dune capacit explicative plus significative dans notre tude. Cependant,
dautres tudes telles que Hachicha, Amirat et Bouri (2008) ont conclu que leffet taille et
leffet valeur ont bel et bien marqu le march tunisien durant la priode dobservation 1999-
2005.
Nonobstant, nous soulignons dans le cadre de cette tude que malgr la significativit des
coefficients

et

, nous remarquons quen absence du portefeuille de march, le


coefficient de dtermination ajust du modle deux facteurs explicatifs SMB et HML,
affich dans le tableau 11, est notablement inferieur, en moyenne, celui dans le cas du
MDAF. Le tableau 9 montre que le

moyen est de 35.5%, contrairement au tableau 11


o il est quasiment rduit de moiti, soit 18.6%. Ceci est justifi par les critres dinformation
dAkaike et baysien, qui sont plus suprieurs dans le cadre du modle deux facteurs,
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
J
u
l
-
9
9
M
a
y
-
0
0
M
a
r
-
0
1
J
a
n
-
0
2
N
o
v
-
0
2
S
e
p
-
0
3
J
u
l
-
0
4
M
a
y
-
0
5
M
a
r
-
0
6
J
a
n
-
0
7
N
o
v
-
0
7
S
e
p
-
0
8
J
u
l
-
0
9
M
a
y
-
1
0
M
a
r
-
1
1
J
a
n
-
1
2
Graphique 5 : La prime du risque de valeur de
l'entrprise ralise sur le march tunisien: HML
HML


80
80 Les modles facteurs fondamentaux dans le contexte tunisien
savoir successivement -527en moyenne contre -576 et -518 contre -570. Ainsi nous attendons
que les trois facteurs, runis dans un seul modle, amliorent apprciablement son pouvoir
explicatif.
Le tableau 12 fournit les rsultats de la deuxime rgression tenant compte des quatre
facteurs fondamentaux SMB, HML, WML et IMV. Ces deux derniers, reprsentants
respectivement leffet du momentum et leffet de la liquidit, accroissent le coefficient de
dtermination 27% en moyenne contre 18.6% dans le cas prcdant.
La significativit du coefficient

du facteur WML est focalise sur les quatre


portefeuilles momentum contrairement celui du facteur IMV qui est significatif pour la
majorit des portefeuilles.
Le signe du coefficient

nest pas surprenant. En effet, les portefeuilles des actions


gagnantes sont positivement corrls avec le facteur WML et les portefeuilles des actions
perdantes sont ngativement corrls avec WML. Nanmoins, nous remarquons que le signe
du coefficient du facteur IMV est toujours ngatif comme le montre le tableau 12. Ceci veut
dire que sur le march tunisien les rendements des actions liquides sont beaucoup plus
important que les actions non liquides do labsence de leffet de la liquidit expliqu comme
tant la prime exig par les investisseurs pour accepter acheter les actions les moins liquides
puisquelles sont plus risques. Les rendements de nos portefeuilles expliqus sont domins
par les actions liquides qui sont ngativement corrles avec le facteur IMV et quils
paraissent plus risqus que les actions moins liquides dans le contexte tunisien. Do la raison
du signe ngatif de tous les coefficients

.
Les deux graphiques 6 et 7 mettent en doute la prsence de leffet momentum et leffet de
la liquidit sur le march boursier tunisien.


81
81 Les modles facteurs fondamentaux dans le contexte tunisien
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
J
u
l
-
9
9
A
p
r
-
0
1
J
a
n
-
0
3
O
c
t
-
0
4
J
u
l
-
0
6
A
p
r
-
0
8
J
a
n
-
1
0
O
c
t
-
1
1
Graphique 6: La prime ralise de
momentum sur le march tunisien
MOM WML
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
J
u
l
-
9
9
D
e
c
-
0
0
M
a
y
-
0
2
O
c
t
-
0
3
M
a
r
-
0
5
A
u
g
-
0
6
J
a
n
-
0
8
J
u
n
-
0
9
N
o
v
-
1
0
A
p
r
-
1
2
Graphique 7: La prime ralise de la
liquidit sur le march tunisien
IMV












En effet la prime de momentum et la prime de la liquidit ne sont pas justifies sur
lintgralit de la priode dobservation 1999-2012. Les variations des primes, tantt positives
et tantt ngatives, affirment que les entreprises gagnantes sur les six derniers mois ainsi que
les entreprises non liquides ne ralisent pas toujours des rendements suprieurs aux autres
entreprises.
Le tableau 13 relve laugmentation remarquable du pouvoir explicatif du modle
regroupant tous les facteurs susviss. En effet, le coefficient de dtermination moyen a volu
de 35.5% dans le cadre du MEDAF et de 27% dans le cadre du modle incluant les quatre
facteurs SMB, HML, WML et IMV 62% dans le cadre du modle regroupant tous ces
facteurs. De mme, les critres dinformation dAkaike et Baysien ont t rduits
successivement de -527 (AIC MEDAF) et -543 (AIC du modle quatre facteurs) -647.6 et
de -570 (BIC MEDAF) et -528 (BIC du modle quatre facteurs) -629.25.
Nous remarquons dans le tableau 13 que le facteur du risque de march dispose de la
capacit explicative la plus leve o il a enrichi 23 coefficients

significatifs au seuil de
1% sur les 23 portefeuilles de types diffrents. Par la suite nous trouvons les facteurs de la
taille SMB et le facteur de la valeur HML avec successivement 17 coefficients

et 10
coefficients

significatifs au seuil de 1%. Enfin, les facteurs du momentum WML et de la




82
82 Les modles facteurs fondamentaux dans le contexte tunisien
liquidit IMV disposent des capacits explicatives les moins leves o ils ont raliss 9 et 7
coefficients significatifs au seuil de 1%.
En guise de conclusion, les modles fondamentaux offrent une explication plus tendue
couvrant 62% de la variabilit des rendements boursiers tunisien. Ce qui prouve lintrt de
tenir en considration la taille de lentreprise, sa valeur, son rendement historique et sa
liquidit pendant ltablissement des stratgies dinvestissement sur le march boursier
tunisien. Toutefois, nos rsultats ont dgag linexistence de leffet de la taille, leffet de la
valeur, leffet momentum et leffet de la liquidit dans le contexte tunisien. En effet, nous
avons remarqu que les petites entreprises sur le march boursier tunisien ne sont pas plus
risques que les grandes entreprises de faits que leurs rendements ne sont pas toujours
suprieurs aux rendements des grandes entreprises. En outre le rendement des entreprises,
disposant dun ratio B/M lev, ne sont pas continuellement plus suprieurs que les
rendements des entreprises disposant dun ratio B/M faible. De mme pour les entreprises
gagnantes sur les six derniers mois et les entreprises non liquides qui sont values moins
risques par les investisseurs tunisiens.



83
Tableau 12: Ce tableau expose les rsultats de la rgression suivante

pour chacun de nos 23 portefeuilles.

est
le terme constant.

et

sont successivement les coefficients de sensibilit des facteurs suivants : la taille SMB, la valeur HML, le momentum WML et la liquidit IMV.

est le coefficient de dtermination ajust. AIC et BIC sont les critres dinformation dAkaike et son driv Baysien. Les tests empiriques montrent que lemploie de la correction de
Newey et West (1987) tenant compte, le cas chant, de lhtroscdasticit et de lautocorrlation des erreurs na pas amliorer la significativit des rsultats obtenus par la MCO.
La significativit des coefficients est dsigne par : *** : significatif 1% ; ** : significatif 5% ; *: significatif 10%
23 portefeuilles forms sur la base des 4 croisements 2x2 et sept portefeuilles Beta.
Croisement
BM Momentum EPR Div Yield
Moyenne
Sept portefeuilles Beta
Low High Losers Winners Low High Low High 1 2 3 4 5 6 7


Small .0065** .0052 .0026 .002 -.0024 .013*** .0067 .006**
0.005
0.006
.0071* .0078** .0093* .017*** .0015 .0033 .0054
Big .0052 .0066** .0095*** .01*** .0093*** .005 .0026 .0082**
0.007


Small .51*** .55*** .51*** .53*** .56*** .4*** .78*** .42***
0.53
0.05375
.42*** .094 .13 .18 -.21* -.14 -.28*
Big -.45*** -.49*** -.38*** -.4*** -.45*** -.47*** -.44*** -.32***
-0.425


Small -.78*** .38*** -.01 .11 -.5*** .13 .078 .016
-0.072
-0.19
.068 .057 .024 .047 -.26** -.31** -.54***
Big -.62*** .22** -.35*** -.47*** -.63*** -.0079 -.48*** -.17
-0.31


Small .0041 -.079 -.61*** .45*** -.068 .036 -.071 -.037
-0.047
-0.030
-.24*** .039 -.046 .021 .033 .15 -.25
Big -.079 .0041 -.48*** .47*** -.072 .081 -.16* .12
-0.014


Small -.37*** -.21** -.49*** -.25*** -.23** -.48*** -.22* -.39***
-0.33
-0.28
-.22* -.14 -.18 -.59*** -.18 -.3** -.31
Big -.21** -.37*** -.1 -.33*** -.27*** -.18** -.23** -.21**
-0.23


Small .46 .25 .43 .27 .29 .14 .23 .22
0.2862
0.27
.17 -.012 -.012 .085 .034 .048 .098
Big .32 .27 .3 .34 .3 .17 .25 .11
0.2575
AIC
Small -566 -564 -537 -535 -524 -488 -482 -585
-535
-543
-466 -458 -376 -397 -434 -419 -328
Big -564 -566 -549 -547 -538 -561 -539 -543
-551
BIC
Small -550 -549 -522 -520 -509 -473 -467 -570
-520
-528
-451 -443 -361 -382 -419 -405 -314
Big -549 -550 -534 -532 -523 -545 -524 -528
-535


84
Tableau 13 : Ce tableau expose les rsultats de la rgression suivante

pour chacun de nos 23


portefeuilles.

est le terme constant.

et

sont successivement les coefficients de sensibilit des facteurs suivants :le rendement excdentaire de march Rm, la taille
SMB, la valeur HML, le momentum WML et la liquidit IMV.

est le coefficient de dtermination ajust. AIC et BIC sont les critres dinformation dAkaike et son driv Baysien.
Les tests empiriques montrent que lemploie de la correction de Newey et West (1987) tenant compte, le cas chant, de lhtroscdasticit et de lautocorrlation des erreurs na
pas amliorer la significativit des rsultats obtenus par la MCO.
La significativit des coefficients est dsigne par : *** : significatif 1% ; ** : significatif 5% ; *: significatif 10%
23 portefeuilles forms sur la base des 4 croisements 2x2 et sept portefeuilles Beta.
Croisement
BM Momentum EPR Div Yield
Moyenne
Sept portefeuilles Beta
Low High Losers Winners Low High Low High 1 2 3 4 5 6 7


Small -0.0013 -0.0021 -.0046* -0.0047 -.0068* 0.0033 -0.0017 0 -0.00232
-0.0015
0.0023

0.0017

0.0017

.0088**

-0.0047

-0.0035

-0.0058

Big -0.0021 -0.0013 0.0017 0.0018 0.0014 -0.0025 -.0048* 0 -0.0007


Small .82*** .76*** .74*** .7*** .46*** .96*** .87*** .69*** 0.75
0.78
.53***

.68***

.83***

.91***

.68***

.75***

1.2***

Big .76*** .82*** .82*** .86*** .83*** .78*** .78*** .84*** 0.81


Small .74*** .76*** .72*** .73*** .68*** .67*** 1*** .62*** 0.74
0.27
.57***

.28***

.36***

.43***

-0.029

0.066

0.048

Big -.24*** -.26*** -.15** -.16** -.22*** -.25*** -.22*** -0.083 -0.198


Small -.74*** .42*** 0.025 .15* -.48*** .17** 0.12 0.048 -0.036
-0.15
0.09

0.084

0.058

0.084

-.23**

-.28**

-.49***

Big -.58*** .26*** -.31*** -.43*** -.59*** 0.029 -.44*** -.13* -0.274


Small -0.069 -.15*** -.67*** .38*** -0.11 -0.05 -.15* -.099* -0.11
-0.10
-.28***

-0.011

-0.11

-0.046

-0.018

0.098

-.34***

Big -.15*** -0.069 -.55*** .39*** -.15** 0.011 -.23*** 0.045 -0.088


Small -.22*** -0.075 -.36*** -.13* -0.15 -.31*** -0.065 -.27*** -0.19
-0.14
-0.17

-0.085

-0.11

-.52***

-0.12

-.24**

-0.21

Big -0.075 -.22*** 0.043 -.18*** -.12* -0.044 -0.095 -0.06 -0.09


Small 0.78 0.63 0.66 0.53 0.39 0.57 0.53 0.6 0.58
0.62
0.34

0.31

0.26

0.42

0.3

0.32

0.46

Big 0.67 0.71 0.68 0.73 0.66 0.61 0.59 0.6 0.656
AIC
Small -708 -675 -619 -603 -546 -596 -559 -689 -624
-647.6
-496

-509

-417

-459

-476

-466

-399

Big -675 -708 -669 -687 -649 -678 -633 -668 -671
BIC
Small -690 -656 -601 -585 -528 -577 -541 -671 -606
-629.25 -479 -491 -400 -442 -459 -448 -382
Big -656 -690 -651 -669 -631 -659 -614 -649 -652


85
85 Les modles facteurs fondamentaux dans le contexte tunisien
c- La rgression Transversale du modle fondamental:

Lobjectif de cette sous-section consiste explorer le pouvoir des primes des risques
fondamentaux susmentionns savoir SMB, HML, WML et IMV expliquer la variabilit
transversale des rendements boursiers tunisiens.
Dabord, il sagit de dterminer les variables indpendantes implmenter dans la
rgression transversale chaque mois t, qui ne sont autre que les coefficients des sensibilits
des facteurs SMB, HML, WML et IMV estims sur chacune des six sous-priodes pour
chacun des rendements en excs des 23 portefeuilles comme cest expliqu dans la
mthodologie des tests empiriques. Ensuite, on sintresse raliser la rgression en coupe
transversale chaque mois t de la priode allant de Juillet-1999 Juin-2012 afin destimer la
prime du risque de chaque facteur fondamental. Ainsi, nous avons en total 156 primes de
risque pour chacune des variables explicatives.
Les rsultats des rgressions transversales donns par le tableau 14 montrent que la
proportion des constantes significatives au seuil de 10% a diminu de 48% (76/162) dans le
cas du MDAF (Tableau 10) 30.7% (48/156) dans le cadre du modle facteurs
fondamentaux. Ceci implique quenviron 17% de la variation transversale des rendements
boursiers tunisiens non explique par le MDAF, a t absorbe par le modle facteurs
fondamentaux. Do lintrt dinclure les facteurs fondamentaux dans les modles de
valorisation des actifs financiers sur le march tunisien. Cette conclusion est renforce par
lvolution du coefficient de dtermination ajust illustr dans le tableau 14 compar au
tableau 10. En effet, le

a enregistr une augmentation moyenne de 32.4% en prsence


des facteurs fondamentaux par rapport aux rsultats fournis par le MDAF, soit une valeur
moyenne de 48.74%. Toutefois, cette valeur atteste lexistence dautres facteurs pouvant
amliorer le pouvoir explicatif du modle. Ceci est valid par le rejet de lhypothse nulle
stipulant que la constante nest pas significativement diffrente de zro en se basant sur
lintervalle de confiance au seuil de 5%. Ainsi, les facteurs fondamentaux jouent un rle
crucial dans lexplication transversale des rendements boursiers tunisiens mais ils ne sont pas
suffisants de fait quune part importante de la variabilit transversale nest pas encore
explique par le modle.
Dans le mme cadre, les rsultats montrent que le portefeuille mimique SMB dispose de la
capacit explicative la plus leve. En effet, il a ralis 87 primes significatives au seuil de


86
86 Les modles facteurs fondamentaux dans le contexte tunisien
10% parmi 156 observations. Par la suite, nous trouvons successivement les portefeuilles
mimiques HML (73 parmi 156), WML (69 parmi 156), le portefeuille de march (64 parmi
156) et le portefeuille IMV (55 parmi 156). Ce qui met en valeur la capacit explicative du
facteur de la taille ainsi que les autres facteurs fondamentaux sur le march boursier tunisien.
Cependant, la portion leve des primes ngatives infirme lexistence de leffet de la taille,
leffet de la valeur, leffet momentum et leffet de la liquidit sur le march boursier tunisien.
Cela est valid par le rejet de lhypothse, voulant que ces primes soient suprieures zro, en
se rfrant lintervalle de confiance de chacune au seuil de 5%. Ceci confirme nos rsultats
trouvs dans le cadre de la rgression temporelle.
Pour conclure, nous tenons souligner deux faits tirs des rgressions chronologiques et
transversales en prsence des facteurs fondamentaux. Dans un premier lieu, les facteurs
fondamentaux ont particip amliorer considrablement le pouvoir explicatif de la variation
des rendements boursiers tunisiens. Ceci est confirm par labaissement de la constante et
lamlioration du coefficient de dtermination. En second lieu, les primes de risque ne sont
pas significativement suprieures zro. Cela nest pas d lirrationalit des investisseurs
tunisiens mais plutt la spcificit du march tunisien. En effet, la prime du risque de
march nest pas significativement positive vu que le march souffre dune situation de
dtresse et dun problme de liquidit. De mme, la prime SMB de la taille nest pas toujours
positive tant donn que les petites entreprises dans le contexte tunisien ne sont pas
ncessairement plus risques que les grandes entreprises. La mme raison explique les primes
HML ngatives. Quant la prime WML, elle dispose de la portion des primes ngatives la
moins leve, soit 65/156. Cependant leffet de momentum nest pas vrifi de fait que les
entreprises gagnantes sur le march tunisien durant les six derniers mois ne gardent pas
forcment les mmes tendances dans le futur. Sagissant de la prime de liquidit, elle offre la
portion la plus leve des primes ngatives, soit 80/156. Le fait que les coefficients du facteur
IMV, vus dans la rgression temporelle, sont tous ngatifs renforce notre conclusion stipulant
que les actions les plus liquides sur le march tunisien sont plus risques.
Enfin, notre modle a t formellement amlior en introduisant les facteurs
fondamentaux mais il est encore inapte pour dcrire convenablement la variabilit des
rendements boursiers tunisiens. Ainsi, en ajoutant des facteurs macroconomiques, le modle
deviendrait-il plus adquat au contexte tunisien ?



87
Tableau 14: Sont exposs dans ce tableau les rsultats de la rgression transversale des rendements boursiers de nos 23 portefeuilles sur les coefficients de sensibilit du
portefeuille de march, du facteur SMB, du facteur HML, du facteur WML et du facteur IMV.

reprsente la moyenne des termes constants sur chacune des six sous-
priodes.

est la prime moyenne du risque de march,

est la prime moyenne du risque de la taille,

est la prime moyenne du risque de la valeur,


est la prime moyenne du risque de momentum et

est la prime moyenne du risque de la liquidit. Les intervalles de confiances au seuil de 5% sont obtenus aprs
avoir arranger les valeurs estimes sur les six sous-priodes par ordre croissant et la suppression de 2.5% du nombre des observations de chacune de deux extrmits. La
significativit des estimateurs est donnes par la portion significative parmi lensemble des estimations. La pertinence du modle ainsi que la validit de ses hypothse
sont tirs du coefficient de dtermination ajust moyen


et de la portion des primes ngatives.
Juil-99/Sep-01 Oct-01/Dc-03 Janv-04/Mars-06 Avr-06/Jui08 Juil-08/Sep-10 Oct-10/Juin-12 Moyenne

-0.011 -0.004 0.023 -0.0027 -0.0017 -0.002 0.0002


Portion des significatifs 10% 12/27 6/27 9/27 5/27 9/27 7/21 48/156
Portion des ngatifs 19/27 19/27 10/27 13/27 12/27 10/21 83/156
IC de 5% sur la priode totale [-0.0155 ; -0.0150 ; -0.0142 ; ; -0.0010 ; -0.0003 ; 0.0003 ; 0.0004 ; ; 0.0699; 0.0735 ; 0.0748]

0.017 -0.0038 -0.0119 0.015 0.0198 -0.005 0.0051


Portion des

significatifs 10% 16/27 10/27 9/27 7/27 11/27 11/21 64/156


Portion des

ngatifs 11/27 13/27 15/27 11/27 12/27 10/21 72/156


IC de

5% sur la priode totale [-0.0958 ; -0.0940 ; -0.0934 ; ; -0.0011 ; -0.0005 ; 0.0000 ; 0.0003 ; ; 0.1232 ; 0.1339 ; 0.1356]

-0.0003 -0.005 -0.0033 0.0032 0.0111 0.0141 0.0033


Portion des

significatifs 10% 14/27 17/27 11/27 15/27 19/27 11/21 87/156


Portion des

ngatifs 12/27 19/27 15/27 10/27 10/27 7/21 73/156


IC de

5% sur la priode totale [-0.0658 ; -0.0594 ; -0.0592 ; ; -0.0023 ; -0.0010 ; 0.0000 ; 0.0002 ; ; 0.0716 ; 0.0880 ; 0.0918]

0.0008 -0.0002 0.0083 0.0106 -0.006 -0.00028 0.0022


Portion des

significatifs 10% 22/27 15/27 9/27 8/27 7/27 12/21 73/156


Portion des

ngatifs 14/27 12/27 8/27 9/27 15/27 11/21 69/156


IC de

5% sur la priode totale [-0.0721 ; -0.0643 ; -0.0610 ; ; -0.0002 ; 0.0000 ; 0.0000 ; 0.0004 ; ; 0.0577 ; 0.0680 ; 0.0712]

0.0189 -0.010 0.0017 0.0038 0.0087 0.0141 0.0062


Portion des

significatifs 10% 15/27 17/27 9/27 8/27 11/27 9/21 69/156


Portion des

ngatifs 9/27 13/27 14/27 12/27 10/27 7/21 65/156


IC de

5% sur la priode totale [-0.0864 ; -0.0857 ; -0.0847 ; ; -0.0021 ; -0.0007 ; 0.0000 ; 0.0023 ; ; 0.0755 ; 0.0798 ; 0.0826]

-0.0057 0.0062 -0.014 0.0112 0 -0.0101 -0.0020


Portion des

significatifs 10% 10/27 13/27 8/27 7/27 10/27 7/21 55/156


Portion des

ngatifs 9/27 13/27 21/27 13/27 12/27 12/21 80/156


IC de

5% sur la priode totale [-0.0946 ; -0.0883 ; -0.0873; ; -0.0013 ; -0.0013 ; 0.0000 ; 0.0001 ; ; 0.0880 ; 0.0909 ; 0.0918]


0.6362 0.5768 0.3899 0.3376 0.4778 0.5064 0.4874


88
88 Les modles macroconomiques dans le contexte tunisien
3) Les modles macroconomiques dans le contexte tunisien

Nous nous penchons, dans le cadre de cette section, sur limpact des facteurs
macroconomiques sur les rendements boursiers tunisiens. Ainsi, dix variables
macroconomiques font lobjet de cette tude :
- Le Taux de croissance mensuel de la production industrielle.
- Le Taux de croissance annuel de la production industrielle.
- La structure terme des taux dintrts.
- L'inflation.
- Le taux dintrt rel.
- Le taux de croissance mensuel de lindice des prix de vente.
- Le niveau mensuel de la monnaie centrale.
- Les crdits accords par les banques lconomie.
- La variation mensuelle du taux de change entre le dinar tunisien et le dollar
amricain.
- La variation mensuelle de la liquidit du march boursier.
Nous commenons dans un premier lieu par une analyse des donnes macroconomiques,
ensuite nous prsentons les rgressions chronologiques du modle facteurs
macroconomiques et nous finissons par les rgressions transversales.
a- Analyse des donnes macroconomiques :

Lanalyse de corrlation des variables macroconomiques, expose dans le tableau C1,
montre une forte corrlation ngative de -82% entre la structure terme des taux dintrt
(TERM) et le taux dintrt rel (TMMR). Rappelons que la variable TERM est approxime
par la diffrence entre le taux des bons du Trsor 10 ans et le taux de rendement de
lpargne, alors que la variable TMMR est approxime par la diffrence entre le taux du
march montaire (TMM) et le taux dinflation (INF). Ainsi, une forte corrlation existe
malgr lemploie des variables diffrentes. Ceci nest pas surprenant de fait quune
augmentation dans le taux dinflation (et par la suite une diminution du taux dintrt rel
court terme) sera rcompens par une augmentation dans les taux dintrt long terme. De
mme, nous remarquons que la corrlation est de -53% entre le taux dintrt rel (TMMR) et
linflation (INF). Cela est d la prsence du proxy de linflation dans les deux variables. De


89
89 Les modles macroconomiques dans le contexte tunisien
ces faits, nous dsirons supprimer la variable du taux dintrt rel dans le but de respecter
lhypothse de lindpendance des variables explicatives.

Le tableau C2 expose une analyse de la corrlation des variables macroconomiques avec les
rendements en excs de nos 23 portefeuilles croiss.
Tableau C1 : Analyse de corrlation des variables macroconomiques
MARKLIQ TCMIPI TCAIPI USDTND INF TCMIPV TCMMC TCMCBE TERM TMMR
MARKLIQ 1.0000
TCMIPI -0.0174 1.0000
TCAIPI 0.0498 0.2547 1.0000
USDTND -0.0299 0.0656 0.0222 1.0000
INF 0.0945 0.0478 0.0687 -0.0745 1.0000
TCMIPV -0.0330 -0.0166 0.2208 0.0306 0.2528 1.0000
TCMMC -0.0463 -0.2764 -0.1968 -0.0492 0.0007 -0.0041 1.0000
TCMCBE 0.0097 0.0238 0.1313 -0.0605 0.0480 0.0121 -0.0582 1.0000
TERM 0.0090 0.0050 -0.1728 0.0506 0.2188 -0.0390 -0.0090 0.0449 1.0000

TMMR
-0.0272 -0.0202 0.1482 -0.0290 -0.5278 -0.1536 0.0022 -0.0395 -0.8204 1.0000
Tableau C2 : Analyse de corrlation des variables macroconomiques avec les rendements en excs
de 23 portefeuilles croiss.
23 portefeuilles croiss
MARKLIQ TCMIPI TCAIPI USDTND INF TCMIPV TCMMC TCMCBE TERM
Small_LowB/M 0.13 0.10 0.03 0.19 0.17 0.15 -0.04 0.08 0.23
Big_LowB/M 0.08 0.10 -0.06 0.26 0.05 0.00 -0.10 0.05 0.17
Small_HighB/M 0.20 0.03 0.04 0.08 0.05 -0.03 0.01 0.07 0.28
Big_HighB/M 0.24 0.07 0.09 0.07 0.09 -0.02 -0.09 0.02 0.12
Small_Losers 0.16 0.03 0.01 0.18 0.09 0.03 -0.05 0.06 0.21
Small_Winners 0.15 0.08 0.04 0.10 0.07 -0.04 0.03 0.06 0.41
Big_Losers 0.15 0.14 -0.04 0.17 0.07 -0.01 -0.09 0.01 0.08
Big_Winners 0.10 0.06 0.04 0.22 0.09 0.08 -0.08 0.07 0.18
Small_Low EPR 0.05 0.06 -0.07 0.17 0.08 0.06 -0.06 0.04 0.23
Big_LowEPR 0.08 0.10 -0.05 0.26 0.03 0.02 -0.05 0.07 0.15
Small_Hign EPR 0.21 0.05 0.09 0.11 0.08 0.06 -0.01 0.03 0.18
Big_High EPR 0.20 0.05 0.01 0.05 0.12 -0.05 -0.19 0.01 0.18
Small_Low DivYield 0.20 0.08 0.04 0.08 0.16 0.04 0.02 0.04 0.29
Big_Low DivYield 0.07 0.08 -0.04 0.25 0.05 -0.01 -0.11 0.02 0.15
Small_High DivYield 0.13 0.02 0.02 0.12 0.04 0.00 0.00 0.08 0.27
Big_HighDivYield 0.22 0.02 0.02 0.11 0.08 0.01 -0.09 0.05 0.19
1_LOW BETA 0.04 0.08 0.09 0.13 0.08 0.03 -0.06 -0.08 0.15
2_ BETA 0.13 0.04 -0.04 0.11 0.02 -0.03 0.00 0.00 0.18
3_ BETA 0.13 0.05 -0.02 0.01 0.02 0.00 -0.03 0.10 0.22
4_ BETA 0.12 0.20 0.14 0.14 -0.03 0.01 -0.08 0.05 0.24
5_ BETA 0.01 -0.04 -0.03 0.09 0.11 0.12 -0.18 -0.11 0.11
6_ BETA 0.07 0.06 0.00 0.08 0.07 -0.11 -0.09 0.08 0.26
7_High BETA
0.20 0.09 0.03 0.28 0.05 -0.06 -0.13 0.08 0.18


90
90 Les modles macroconomiques dans le contexte tunisien

priori, trois facteurs macroconomiques affichent des coefficients de corrlations
dpassant 15% avec les diffrents types des portefeuilles, savoir le facteur de la liquidit du
march boursier (MRKLIQ), la parit de change USD/TND (USDTND) et la structure terme
des taux dintrt. En particulier, cette dernire est positivement corrle avec tous les
portefeuilles et prsente la portion la plus leve des coefficients suprieurs 15%. Ainsi,
nous supposons que la structure terme des taux dintrt dispose dune capacit explicative
significative de la variabilit des rendements boursiers tunisiens.
De surcrot, nous constatons du tableau C2 que le facteur reprsentant le taux de
croissance mensuel du niveau de la monnaie centrale (TCMMC) est ngativement corrl
avec la majorit des portefeuilles et essentiellement avec le portefeuille des grandes
entreprises ayant un ratio EPR lev et le portefeuille des entreprises ayant un niveau lev du
risque de march (le cinquime portefeuille Beta). Ceci est expliqu par la dominance du
secteur bancaire dans lactivit boursire, ainsi qu'en tmoigne les fortes corrlations positives
(85% et 65%) ,affiche successivement dans les tableau A4 et A1, entre le rendement du
secteur bancaire et ces deux types des portefeuilles, ainsi que la corrlation ngative la plus
forte (-16%) ,affiche dans le tableau C3, entre le rendement boursier du secteur bancaire et le
niveau de la monnaie centrale. En fait, le niveau de la monnaie centrale est nettement li aux
avoirs montaires, dtenus par les banques, par le billet des rserves obligatoires. Ainsi, une
augmentation de la monnaie centrale est explique par une augmentation des dpts vue ou
terme chez les banques et donc une dgradation du besoin de financement direct par des
levs des fonds sur le march boursier, ce qui est traduit par une baisse dans les rendements
boursiers et vice-versa. Cela souligne linconvnient de la forte dpendance entre lactivit
boursire et lactivit bancaire.
D'autre part, dans le but de mieux cerner la relation entre les facteurs macroconomiques
et le march boursier tunisien, nous avons inscrit dans le tableau C3 lanalyse de corrlation
des variables macroconomiques et les rendements sectoriels excdentaires calculs comme
tant les moyennes des rendements des actions composant chaque secteur diminues du taux
sans risque.




91
91 Les modles macroconomiques dans le contexte tunisien

Le tableau C3 offre des rsultats similaires ceux donns par le tableau C2. En effet, nous
remarquons quil y a principalement trois facteurs qui prsentent des coefficients considrs
levs en les comparants aux autres facteurs, savoir la liquidit du march, la parit
USD/TND et la structure terme des taux dintrt. Les deux secteurs
Tlcommunications et Automobiles et quipements sont les plus corrls avec le
facteur de la parit USD/TND en raison de leurs activits lies au march international. En
effet, SOTETEL, la socit fondamentale dans le secteur de tlcommunications, assure
ltranger (Lybie, Mauritanie, Ymen) lensemble des prestations quelle assure sur le
march national. Concernant le secteur d automobiles et quipements , son leader ASSAD
a cr depuis 1989 sa socit de commerce international : ASSAD INTERNATIONAL. De
mme GIF, len faisant partie, exporte ses produits dans le monde travers un rseau de
distribution dans 6 pays trangers : Hollande, Maroc, Argentine, Grce, Malte et France.
Somme toute, nos analyses primitives soulignent des pouvoirs explicatifs apparents de la
liquidit du march boursier, de la parit de change USD/TND et de la structure terme des
taux dintrts compares aux autres facteurs macroconomiques. Ceci est justifi par les
analyses de corrlation avec les rendements excdentaires de nos 23 portefeuilles croiss ainsi
Tableau C3: Analyse de corrlation des variables macroconomiques avec les rendements sectoriels excdentaires
Rendement sectoriel en excs MARKLIQ TCMIPI TCAIPI USDTND INF
TCMIP
V
TCMMC TCMCBE TERM
Banques 0.16 0.0 0.05 0.6 0.8 0.0 -0.16 -0.01 0.12
Services Financiers 0.12 0.02 0.06 0.09 0.01 -0.01 -0.03 0.10 0.17
Assurance 0.15 0.05 0.11 0.10 0.12 0.07 -0.13 0.02 0.06
Tlcommunications 0.11 0.14 -0.01 0.29 0.02 -0.07 -0.04 0.10 0.12
Distribution 0.09 -0.02 -0.02 0.09 0.07 0.03 -0.15 0.05 0.17
Voyages et loisirs 0.10 0.11 0.04 -0.01 0.04 -0.08 0.12 0.10 0.11
Sant 0.07 0.08 0.00 0.06 0.00 0.01 -0.03 0.10 -0.03
Automobiles et Equips 0.09 0.09 0.06 0.48 0.04 0.04 0.06 0.04 0.13
Agro-alimentaire et Boiss 0.11 0.13 -0.01 0.12 0.11 -0.05 -0.10 0.00 0.21
Prdts mngers _soins pers 0.09 0.03 -0.06 0.18 0.04 -0.06 0.07 0.01 0.23
Btiment_Matriaux_Construction 0.12 0.10 -0.05 0.03 0.00 0.02 -0.08 0.11 0.25
Biens et Services Industriels 0.08 -0.01 -0.23 0.07 0.10 -0.06 0.00 0.02 0.20
Chimie 0.09 0.03 0.00 0.20 -0.06 0.15 0.08 -0.01 0.06
Matires premires 0.27 0.08 0.07 -0.14 0.18 0.02 0.12 0.06 0.09
Ptrole et Gaz 0.02 0.03 -0.04 0.14 -0.04 0.04 0.07 0.01 0.16


92
92 Les modles macroconomiques dans le contexte tunisien
que les rendements sectoriels excdentaires. Dans les deux sous-sections suivantes, nous
prsenterons les rgressions temporelles et transversales des modles facteurs
macroconomiques.
b- La rgression temporelle des modles facteurs macroconomiques:

La rgression temporelle des modles macroconomiques sera dveloppe sur deux
tapes. Tout dabord, nous tudierons la pertinence des variables proposes par Chen, Roll et
Ross (1986) dans le contexte tunisien. Par la suite, nous prsenterons les autres variables
macroconomiques de cette tude.
Pour chacune de deux tapes, les variables expliques sont, dans un premier lieu, les
rendements excdentaires de nos 23 portefeuilles de rfrence et en second lieu, les
rendements sectoriels excdentaires calculs comme tant les moyennes des rendements des
actions qui composent chaque secteur.
Sagissant des variables macroconomiques cites par Chen, Roll et Ross (1986), le
modle implmenter est le suivant :

est le rendement du portefeuille p au mois t,

est la constante relative la rgression


du portefeuille p,

est le rendement excdentaire de Tunidex,

est le taux de
croissance annuel de lindice de production industriel au mois t,

est le taux de
croissance mensuel de lindice de production industriel au mois t,

est le taux dinflation


au mois t et

est la structure terme des taux dintrt au mois t. Notons que Chen,
Roll et Ross (1986) ont employ aussi le taux dinflation non anticip et la variation de
linflation espr ainsi que le risque de dfaut qui ne figurent pas dans ce modle.
Les rsultats de cette rgression sont prsents dans le tableau 14. La structure terme des
taux dintrts semble tre le facteur macroconomique le plus pertinent. En effet, elle
dispose de 11 coefficients de sensibilit qui sont tous significatifs au seuil de 5% lexception
dun seul coefficient significatif 10%. Les coefficients

varient entre -1.05 et 3.938


avec une moyenne de 1.21. Contrairement aux grandes entreprises, les rendements boursiers
des petites entreprises dpendent largement de la structure terme des taux dintrts.
preuve, tous les coefficients significatifs sont associs aux petites entreprises sauf un seul cas.


93
93 Les modles macroconomiques dans le contexte tunisien
Mieux que a, tous les coefficients

des petites entreprises sont positifs et suprieurs 1,


alors que ceci n'est pas le cas pour les grandes entreprises.
Le tableau 15 souligne que les secteurs boursiers dpendants de la structure terme de
taux dintrts sont essentiellement le secteur bancaire, les services financiers, le secteur
dagroalimentaire et boissons, le secteur de btiment et matriaux de construction et le secteur
du ptrole et gaz. lexception du secteur bancaire, tous ces secteurs sont positivement
corrls avec lvolution de la structure terme. En faisant la liaison avec les rsultats du
tableau 14 concernant le signe de

, nous constatons que les grandes entreprises disposant


dune capitalisation boursire leve sont reprsentes principalement par des banques. De
mme nous constatons linconvnient de la concentration de lactivit boursire autour du
secteur bancaire. En effet, une augmentation dans la structure terme des taux dintrts doit
pnaliser le financement par crdits bancaires et stimuler en contrepartie lactivit boursire
en encourageant le recours au financement par lintermdiaire du march boursier. Mais de
fait que le march boursier tunisien est domin par le secteur bancaire, une telle augmentation
aura l'effet inverse celui escompt.


94
Tableau 14: Ce tableau expose les rsultats de la rgression temporelle suivante


pour chacun de nos 23 portefeuilles de rfrence.

est le terme constant.

et

sont successivement les coefficients de sensibilit des facteurs


macroconomiques exposs dans le tableau 7.

est le coefficient de dtermination ajust. AIC et BIC sont les critres dinformation dAkaike et son driv
Baysien. La dtermination de la significativit des coefficients est effectue en employant la correction de Newey et West (1987) pour tenir compte, le cas
chant, de lhtroscedasticit ou de lautocorrlation des erreurs. Le nombre de retard choisi est de 12.
La significativit des coefficients est dsigne par : *** : significatif 1% ; ** : significatif 5% ; *: significatif 10%
23 portefeuilles forms sur la base des 4 croisements 2x2 et sept portefeuilles Beta.

BM Momentum EPR Div Yield
Moyenne
Sept portefeuilles Beta
Low High Losers Winners Low High Low High 1 2 3 4 5 6 7


Small -.067** -.08*** -.071** -.144*** -.091** -.036 -.111** -.067** -.09
0
-.054*

-.019

-.066

-.070*

.008

-.077**

-.039

Big -.012 .013 .043** -.013 -.005 -.003 -.003 -.014 .00


Small .580*** .540*** .531*** .532*** .270* .783*** .528*** .515*** .53
0.705
.333***

.635***

.715***

.810***

.705***

.740***

1.13***

Big .841*** .927*** .852*** .946*** .872*** .903*** .858*** .880*** .88


Small .021 .056 .016 .067 -.064 .090 .050 .037 .03
0
.077

-.044

-.008

.089*

-.055

.010

.033

Big -.087** .051 -.099** .028 -.075* -.016 -.072* .010 -.03


Small .054 .009 .019 .057 .055 -.003 .045 .005
.03
0.035
.020

.006

.033

.138**

-.066

.031

.061

Big .070 .010 .098* .006 .073 .013 .062 -.021 .04


Small 1.466 -1.136 -.073 -2.091 .192 -.503 1.331 -1.33** -.27
-0.47
.054

-1.041

-1.597

-2.81**

1.366

-1.277

-1.103

Big -.826 -.569 -.340 -.701 -1.50* .086 -.716 -.793 -.67


Small 1.695** 2.30*** 1.83** 3.938*** 2.35** 1.128 2.97** 1.94** 2.27
1.12
1.52* .673 1.931 2.20** -.474 1.95** .893
Big .281 -.419 -1.05** .370 .212 -.026 -.025 .388 -.03


Small .250 .287 .167 .320 .096 .352 .213 .313 .25
0.385
.111

.310

.244

.370

.325

.337

.427
Big .463 .605 .443 .557 .460 .606 .444 .602 .52
AIC
Small -443 -492 -428 -494 -410 -462 -404 -530 -458
-500
-430

-478

-391

-422

-458

-442

-391
Big -514 -574 -524 -561 -504 -580 -502 -584 -543
BIC
Small -426 -475 -411 -476 -392 -444 -386 -512 -440
-482
-413 -461 -373 -404 -441 -425 -374 Big -497 -556 -506 -544 -487 -562 -485 -566 -525


95
95 Les modles macroconomiques dans le contexte tunisien
Notons que la pertinence de la structure terme des taux dintrts dans lexplication de la
variabilit des rendements boursiers tunisiens confirme les rsultats cits par Hammami et
Jilani (2011).
Outre que la structure terme, nous trouvons parmi les facteurs macroconomiques
affectant les rendements boursiers tunisiens, mais un degr moindre, le taux de croissance de
lindice de la production industrielle. L, nous remarquons dans le tableau 14 que le taux
annuel dispose dune capacit explicative plus importante que le taux mensuel. Ce constat
n'est pas surprenant, tant donn que la rpercussion de lactivit industrielle sur le march
boursier nest pas instantane comme cest souvent le cas des variables facilement
apercevables.
Concernant le dernier facteur macroconomique dans le cadre de ce modle, savoir
linflation, il dispose uniquement de 3 coefficients significatifs sur 23, ce qui tmoigne son
faible pouvoir explicatif. Toutefois, les signes de ses coefficients sont globalement attendus et
vrifis de fait quune augmentation dans le taux dinflation affecte ngativement lactivit
boursire. Ces rsultats confirment les conclusions de Ben Naceur et Gazouani (2007) ainsi
que Cherif et Gazdar (2010) sur le non significativit de linflation dans la dtermination des
rendements boursiers dans la rgion MENA et en particulier en Tunisie.
Enfin, le tableau 14 montre une faible augmentation de 3% du coefficient de
dtermination ajust compar celui du tableau 9. De plus, les critres dinformation
dAkaike et Baysien sont plus lev dans le cas du modle facteurs macroconomiques. Le
tableau 15 affiche un coefficient de dtermination ajust de 18% en moyenne et de 74% pour
le secteur bancaire. Les deux tableaux 14 et 15 mettent en valeur la capacit explicative de la
structure terme des taux dintrt. Ainsi, nous supposons que la pertinence du modle cinq
facteurs, prsent dans la deuxime section de ce chapitre, samliorera en ajoutant le facteur
approximant la structure terme des taux dintrts.
La suite de cette section sintresse lexploration du pouvoir explicatif des variables
macroconomiques restantes.





96

Tableau 15: Ce tableau expose les rsultats de la rgression temporelle suivante


pour chacun des 15 secteurs boursiers tunisiens.

est le terme constant.

et

sont successivement les coefficients de sensibilit des facteurs


macroconomiques exposs dans le tableau 7.

est le coefficient de dtermination ajust. AIC et BIC sont les critres dinformation dAkaike et son driv
Baysien. La dtermination de la significativit des coefficients est effectue en employant la correction de Newey et West (1987) pour tenir compte, le cas
chant, de lhtroscedasticit ou de lautocorrlation des erreurs. Le nombre de retard choisi est de 12.
La significativit des coefficients est dsigne par : *** : significatif 1% ; ** : significatif 5% ; *: significatif 10%
15 portefeuilles sectoriels forms sur la base des simples moyennes des rendements en excs des actions qui composent chaque secteur

B
a
n
q
u
e
s

S
e
r
v
i
c
e
s

F
i
n
a
n
c
i
e
r
s

A
s
s
u
r
a
n
c
e

T

c
o
m
m
u
n
i
c
a
t
i
o
n
s

D
i
s
t
r
i
b
u
t
i
o
n

V
o
y
a
g
e
s

e
t

l
o
i
s
i
r
s

S
a
n
t


A
u
t
o
m
o
b
i
l
e
s

e
t

E
q
u
i
p
s

A
g
r
o
-
a
l
i
m
e
n
t
a
i
r
e

e
t

B
o
i
s
s

P
r
d
t
s

m

n
g
e
r
s

_
s
o
i
n
s

p
e
r
s

B

t
i
m
e
n
t
_
M
a
t

r
i
a
u
x
_
C
o
n
s
t
r
u
c
t
i
o
n

B
i
e
n
s

e
t

S
e
r
v
i
c
e
s

I
n
d
u
s
t
r
i
e
l
s

C
h
i
m
i
e

M
a
t
i

r
e
s

p
r
e
m
i

r
e
s

P

t
r
o
l
e

e
t

G
a
z

m
o
y
e
n
n
e


.023* -.035 .023 -.114 -.062 -.043 .139 -.100 -.12*** -.241 -.12*** -.06 -.024 .025 -.105 -0.05


.90*** .75*** .94*** 1.1*** .64*** .55*** .68*** .69*** .71*** 1*** .4*** .3 .3*** .95*** .57** 0.70


.027 .065 .16* -.105 -.011 .017 -.144 .092 -.052 -.156 -.058 -.422 .015 -.015 -.040 -0.04


-.033 -.013 .008 .303 -.032 .144 .26** .119 .181 .076 .122 .032 -.017 .027 .038 0.08


-.490 -2.328 2.390 -1.521 -.341 -1.484 -.707 -.618 .897 -.784 -1.973 1.959 -1.440 2.001 -3.3** -0.52


-.6* 1* -.586 2.799 1.727 1.098 -3.139 2.516 3** 6.631 3.4*** 1.867 .821 -.874 3* 1.51


.74 .37 .16 .13 .16 .10 .03 .08 .19 .11 .13 .08 .06 .35 .08 0.18
AIC
-695.49 -485.01 -264.12 -143.86 -375.41 -308.71 -39.30 -187.62 -307.39 -110.38 -350.62 -255.36 -420.78 -151.44 -240.11 -289.04
BIC
-677.67 -467.44 -246.55 -126.30 -357.59 -291.15 -21.96 -170.33 -289.83 -92.95 -333.05 -237.55 -402.96 -139.08 -222.59 -271.80


97
97 Les modles macroconomiques dans le contexte tunisien
Les tableaux 16 et 17 exposent les rsultats de la rgression du modle tenant compte des
variables macroconomiques restantes, savoir la liquidit du march boursier, la parit de
change USD/TND, le taux de croissance mensuel de lindice des prix de vente industriels, le
taux de croissance mensuel du niveau de la monnaie centrale et le taux de croissance mensuel
des crdits accords par les banques lconomie.
Le tableau 16 montre que la parit de change dispose du pouvoir explicatif le plus lev
avec 10 coefficients significatifs dont cinq qui sont significatifs au seuil de 1%. Les
coefficients

varient entre -0.046 et 0.51. La dominance des signes positifs montre quune
augmentation de 1% dans la parit de change USD/TND gnre une augmentation moyenne
de 0.18% dans les rendements boursiers tunisiens. Le tableau 17 souligne que le secteur de
tlcommunications , le secteur d automobiles et quipements , le secteur de produits
mnagers et soins personnels et le secteur de chimie sont les plus concerns par la
variation du taux de change.
Les quatre autres facteurs macroconomiques jouissent des capacits explicatives moins
importantes. En effet, la variation des prix de ventes industriels ne dispose que de 3
coefficients significatifs sur 23 comme le montre le tableau 16. Le niveau de la monnaie
centrale dispose dun seul coefficient significatif. Nanmoins, le tableau 17 montre que les
secteurs significativement dpendants du niveau de la monnaie centrale sont au nombre de
quatre, savoir le secteur bancaire, le secteur de voyages et loisirs , le secteur de
chimie et le secteur de matires premires . Sagissant du secteur bancaire, le signe
ngatif de

est attendu comme cest dj soulign dans la sous-section prcdente. Cela


confirme linconvnient de la forte concentration de lactivit boursire autour du secteur
bancaire. Enfin, la liquidit de march et les crdits accords lconomie sont les deux
facteurs les moins puissants dans lexplication de la variabilit des rendements boursiers
tunisiens.
Pour conclure, les rgressions chronologiques des modles facteurs macroconomiques
distinguent deux facteurs macroconomiques jouissant dune capacit explicative leve
compare au reste des facteurs. Il sagit de la structure terme des taux dintrts et la parit
de change USD/TND. Nous supposons que ces deux facteurs peuvent amliorer la pertinence
du modle cinq facteurs vu dans la section prcdente. Dans la sous-section suivante, nous
prsenterons les rgressions transversales du modle compos de ces deux facteurs
macroconomiques ajouts au portefeuille de march.


98
Tableau 16: Ce tableau expose les rsultats de la rgression temporelle suivante

pour chacun de nos 23 portefeuilles de rfrence.

est le terme constant.

et

sont successivement
les coefficients de sensibilit des facteurs macroconomiques exposs dans le tableau 7.

est le coefficient de dtermination ajust. AIC et BIC sont les critres


dinformation dAkaike et son driv Baysien. Les tests empiriques montrent que lemploie de la correction de Newey et West (1987) tenant compte, le cas
chant, de lhtroscdasticit et de lautocorrlation des erreurs na pas amliorer la significativit des rsultats obtenus par la MCO.
La significativit des coefficients est dsigne par : *** : significatif 1%; ** : significatif 5% ; *: significatif 10%
23 portefeuilles forms sur la base des 4 croisements 2x2 et sept portefeuilles Beta.

BM Momentum EPR Div Yield
Moyenne
Sept portefeuilles Beta
Low High Losers Winners Low High Low High 1 2 3 4 5 6 7


Small -.0084 .0017 -.0066 -.0024 -.0079 .0028 .0019 -.0014 -0.003
0.00
.01

.0024

-.005

.0042

-.0018

-.0084

-.011

Big -.0078* -.0035 -.0011 -.006 -.0076 -.001 -.008* -.0036 -0.005


Small .61*** .55*** .53*** .56*** .31*** .77*** .58*** .54*** 0.56
0.71
.36***

.62***

.74***

.83***

.71***

.77***

1.1***

Big .84*** .88*** .81*** .95*** .88*** .87*** .87*** .84*** 0.87


Small .0021 .008 .0083 .0037 0 .0071 .013 0 0.01
0.00
-.0011

.0014

.0018

0

-.0088

-.0063

.0091

Big -.0058 .0045 0 -.0068 -.0071 0 -.0063 .0032 0.00


Small .24** .085 .28** .13 .24* .13 .11 .11 0.17
0.18
.16

.097

-.046

.2*

.056

.05

.51***

Big .3*** .043 .19** .24*** .32*** .0078 .3*** .09 0.19


Small 1.2* -.31 .2 -.48 .46 .47 .34 -.15 0.22
0.02
.25

-.36

-.26

-.099

1.1*

-1.3*

-1.1

Big -.27 -.28 -.25 .41 -.051 -.53 -.29 -.097 -0.17


Small -.011 .063 .0034 .069 -.021 .031 .067 .03 0.03
0.00
-.014

.081

.07

.029

-.099

.0052

-.037

Big -.031 -.021 -.022 -.018 .0035 -.091** -.028 -.026 -0.03


Small .51 .34 .45 .39 .27 .19 .21 .41 0.35
0.29
-.73

.11

1.1

.34

-1*

.97*

.92

Big .33 .09 .11 .41 .49 -.015 .13 .3 0.23


Small .27 .25 .19 .22 .084 .34 .18 .28 0.23
0.38
.12

.31

.25

.33

.35

.34

.44

Big .51 .6 .43 .59 .51 .61 .49 .59 0.54
AIC
Small -468 -506 -446 -493 -428 -481 -416 -546 -473.00
-524
-450

-501

-406

-431

-479

-462

-383

Big -554 -602 -547 -600 -543 -613 -539 -611 -576.13
BIC
Small -489 -527 -468 -514 -449 -502 -437 -567 -494.13
-545
-471 -522 -427 -452 -500 -483 -404
Big -575 -623 -568 -621 -564 -634 -560 -632 -597.13


99
Tableau 17: Ce tableau expose les rsultats de la rgression temporelle suivante

pour chacun des 15 secteurs boursiers tunisiens.

est le terme constant.

sont
successivement les coefficients de sensibilit des facteurs macroconomiques exposs dans le tableau 7.

est le coefficient de dtermination ajust. AIC et BIC


sont les critres dinformation dAkaike et son driv Baysien. Les tests empiriques montrent que lemploie de la correction de Newey et West (1987) tenant
compte, le cas chant, de lhtroscdasticit et de lautocorrlation des erreurs na pas amliorer la significativit des rsultats obtenus par la MCO.
La significativit des coefficients est dsigne par : *** : significatif 1%; ** : significatif 5% ; *: significatif 10%
15 portefeuilles sectoriels forms sur la base des simples moyennes des rendements en excs des actions qui composent chaque secteur

B
a
n
q
u
e
s

S
e
r
v
i
c
e
s

F
i
n
a
n
c
i
e
r
s

A
s
s
u
r
a
n
c
e

T

c
o
m
m
u
n
i
c
a
t
i
o
n
s

D
i
s
t
r
i
b
u
t
i
o
n

V
o
y
a
g
e
s

e
t

l
o
i
s
i
r
s

S
a
n
t


A
u
t
o
m
o
b
i
l
e
s

e
t

E
q
u
i
p
s

A
g
r
o
-
a
l
i
m
e
n
t
a
i
r
e

e
t

B
o
i
s
s

P
r
d
t
s

m

n
g
e
r
s

_
s
o
i
n
s

p
e
r
s

B

t
i
m
e
n
t
_
M
a
t

r
i
a
u
x
_
C
o
n
s
t
r
u
c
t
i
o
n

B
i
e
n
s

e
t

S
e
r
v
i
c
e
s

I
n
d
u
s
t
r
i
e
l
s

C
h
i
m
i
e

M
a
t
i

r
e
s

p
r
e
m
i

r
e
s

P

t
r
o
l
e

e
t

G
a
z

m
o
y
e
n
n
e


0 -.0066 .008 -.024 -.0026 -.014 -.0086 -.015 .0034 .003 -.005 .0012 -.0013 -.028 -.0066


.88*** .76*** .84*** 1.2*** .65*** .67*** .54 .65*** .75*** 1.2*** .39** .27 .28** 1*** .66***


-.0022 -.003 .013 .0075 0 .0037 .015 .013 .0032 .011 .01 .0088 .0065 .015 -.0031


.0033 .084 .21 1.2*** .15 -.031 .32 1.5*** .24 .78** .05 .19 .3** -.32 .36


-.16 -.27 1.1 -2.3 .14 -1.3 -.11 .41 -.98 -2 .25 -1 1.4* .34 .47


-.058* -.0014 -.14 -.061 -.13 .25** .0013 .24 -.13 .38 -.046 .047 .13* .33** .22


-.17 .69* .078 2.4* .46 .97 3 .87 -.054 .64 .74 .37 -.042 1.9 .36


.72 .36 .16 .21 .17 .14 .028 .29 .15 .13 .078 .025 .12 .45 .09
AIC
-725 -504 -274 -138 -388 -311 -17 -200 -306 -90 -351 -250 -450 -144 -219
BIC
-746 -525 -295 -159 -409 -332 -38 -220 -327 -111 -372 -271 -471 -159 -239


100
100 Les modles macroconomiques dans le contexte tunisien
c- La rgression transversale des modles facteurs macroconomiques:

Dans le cadre de cette sous-section, lobjectif consiste investiguer la capacit du modle
deux facteurs macroconomiques, savoir la structure terme des taux dintrts et la parit
de change USD/TND, expliquer la variabilit transversale des rendements boursiers
tunisiens.
Tout dabord, nous avons estim les coefficients de sensibilit de chaque facteur pendant
chacune des six sous-priodes comme cest expliqu dans la mthodologie des tests
empiriques. Les coefficients estims, soit

et

, prennent le rle des variables


explicatives dans la deuxime rgression transversale rplique pendant chaque mois de la
sous-priode afin destimer les primes du risque de chaque facteur. tant donn que la srie
chronologique de la parit de change commence le 02 Fvrier 2000, nous avons en totalit, au
nombre des mois de la priode totale 02-Fv-2000/12-Dc-2012, 155 primes de risque
estimes, pour chacune de deux variables macroconomiques.
Les rsultats de ces rgressions transversales sont exposs dans le tableau 18. Il en ressort
que les pouvoirs explicatifs de la parit de change et de la structure terme sont semblables.
En effet la parit de change USD/TND a enrichit 43 coefficients significatifs et la structure
terme des taux dintrts a enrichit en totalit 41 coefficients significatifs. Toutefois, les
primes

de la structure terme sont en gnral plus importantes que celles de la parit


de change avec une moyenne de 0.57% contre 0.39%. De mme, les p-values de la structure
terme sont moins levs que les p-values de la parit de change, ce qui souligne la pertinence
du facteur reprsentant la structure terme des taux dintrts expliquer la variabilit
transversale des rendements boursiers.
Les intervalles de confiance au seuil de 5% de deux variables macroconomiques
contestent leurs significativit de fait quon ne peut pas rejeter lhypothse nulle voulant que
les primes sont gales zro. Il en va de mme pour les primes ngatives o lhypothse des
primes de risque positives nest pas vrifie au seuil de 5%.
Sagissant du coefficient de dtermination, le tableau 18 montre une augmentation de 11%
en moyenne par rapport aux rsultats du tableau 10. En effet, le modle deux facteurs
macroconomique a russi absorber 27.2% en moyenne de la variation transversale des
rendements boursier. Par contre, le portefeuille de march tout seul na exprim que 16.3% de


101
101 Les modles macroconomiques dans le contexte tunisien
la variation transversale des rendements boursiers tunisiens comme le montre le tableau 10 du
MDAF. De plus, la part non explique de la variabilit transversale des rendements
boursiers a t rduite de 8.85%. La preuve en est que la portion des constantes significatives
a diminu de 76/162 (47%) dans le cadre du MDAF 59/155 (38%) dans le cas du modle
deux facteurs macroconomiques.
Somme toute, la structure terme des taux dintrts et la parit de change USD/TND ont
prouv quils disposent dune capacit explicative importante. Do la ncessit de tenir en
compte ces deux facteurs macroconomiques pendant la valorisation des rendements boursiers
dans le contexte tunisien.




102
Tableau 18: Sont exposs dans ce tableau les rsultats de la rgression transversale des rendements boursiers de nos 23 portefeuilles de rfrence sur les coefficients de
sensibilit du portefeuille de march, du facteur macroconomique approximant la structure terme des taux dintrts (TERM) et du facteur macroconomique
approximant la croissance mensuelle du taux de change USD/TND (USDTND).

reprsente la moyenne des termes constants sur chacune des six sous-priodes.


est la prime moyenne estime du risque de march,

est la prime moyenne estime du risque du taux de change et

est la prime moyenne estime du risque


de la structure terme des taux dintrts. Les intervalles de confiances au seuil de 5% sont obtenus aprs avoir arranger les valeurs estimes sur les six sous-priodes par
ordre croissant et la suppression de 2.5% du nombre des observations de chacune de deux extrmits. La significativit des estimateurs est donnes par la portion
significative parmi lensemble des estimations. La pertinence du modle ainsi que la validit de ses hypothse sont tirs du coefficient de dtermination ajust moyen


et de la portion des primes ngatives.
Fv-00/Sep-01 Oct-01/Dc-03 Janv-04/Mars-06 Avr-06/Jui08 Juil-08/Sep-10 Oct-10/Dc-12 Moyenne

-0.085 -0.009 0.019 0 0.013 0.006 -0.0093


Portion des significatifs 10% 9/20 11/27 12/27 8/27 12/27 7/27 59/155
P-value 0.1953 0.306 0.279 0.409 0.273 0.297 0.2932
Portion des ngatifs 12/20 18/27 8/27 13/27 10/27 11/27 72/155
IC de 5% sur la priode totale [-0.0766 ; -0.0724 ; -0.0600 ; ; -0.0001 ; -0.0001 ; 0.0006 ; 0.0008 ; ; 0.0839 ; 0.0862 ; 0.0966]

-0.009 0.0038 -0.0066 0.011 0.0052 -0.2 -0.0326


Portion des

significatifs 10% 12/20 10/27 15/27 10/27 14/27 14/27 75/155

P-value 0.243 0.313 0.226 0.272 0.255 0.219 0.2546


Portion des

ngatifs 12/20 15/27 13/27 11/27 12/27 18/27 81/155


IC de

5% sur la priode totale [-0.1138 ; -0.1130 ; -0.0959 ; ; -0.0018 ; -0.0015 ; 0.0000 ; 0.0000 ; ; 0.0946 ; 0.0951 ; 0.1080]

0.009 0.0076 0.0018 0.002 0.003 0.0004 0.0039


Portion des

significatifs 10% 7/20 11/27 7/27 4/27 7/27 7/27 43/155

P-value 0.395 0.348 0.359 0.444 0.413 0.475 0.405


Portion des

ngatifs 5/20 12/27 15/27 13/27 14/27 15/27 74/155


IC de

5% sur la priode totale [-0.1178 ; -0.106 ; -0.0807 ; ; -0.0016 ; -0.0016 ; 0.0000 ; 0.0002 ; ; 0.1026 ; 0.1197 ; 0.1254]

0.0004 -0.0007 0 0.0003 0.032 0.0026 0.0057


Portion des

significatifs 10% 9/20 6/27 11/27 2/27 7/27 6/27 41/155

P-value 0.3102 0.406 0.303 0.412 0.410 0.401 0.3737


Portion des

ngatifs 11/20 18/27 19/27 13/27 11/27 9/27 81/155


IC de

5% sur la priode totale [-0.0077 ; -0.0071 ; -0.0070 ; ; -0.0001 ; -0.0001 ; 0.0000 ; 0.0000 ; ; 0.0105 ; 0.0152 ; 0.0154]


0.38 0.29 0.2764 0.1569 0.2845 0.2442 0.272


103
103 Conclusion gnrale

Conclusion gnrale

Cette tude sarticule autour dune question centrale sur les facteurs explicatifs des
rendements boursiers tunisiens. Les rponses offertes par la thorie financire moderne sont
divergentes et parfois contradictoires. En effet, les hypothses du MDAF stipulent que le
risque de march est susceptible dabsorber, tout seul, lintgralit de la variabilit des
rendements boursiers. En revanche, le modle dvaluation par arbitrage (MA) postule que
les rendements des actifs sont gnrs par un processus stochastique linaire multifactoriel. En
consquence, une multitude des facteurs explicatifs affecte les rendements boursiers.
Nanmoins, la thorie de lvaluation par arbitrage demeure silencieuse sur la nature, le
nombre et lidentit de ces facteurs.
Dans cette optique, une panoplie des modles financiers, visant lidentification de ces
facteurs, a merg. Ces modles se rpartissent en deux grandes catgories, savoir les
modles facteurs implicites et les modles facteurs explicites. Sagissant de la premire
catgorie, lidentit conomique des facteurs explicatifs des rendements boursiers reste
indtermine. Cependant, leur nombre est dfini en employant lanalyse factorielle standard et
lanalyse en composantes principales. Concernant la deuxime catgorie, les modles
facteurs fondamentaux et les modles facteurs macroconomiques prsentent ses deux
grands axes. Ce travail simplmente dans le cadre de cette deuxime catgorie. Aussi, nous
avons expos les rsultats empiriques du MDAF afin danalyser la pertinence du risque de
march dans lexplication des rendements boursiers tunisiens.
Les tests empiriques de cette tude se reposent sur lemploie de la mthode des
portefeuilles croiss pour construire les rendements boursiers expliquer. Ceci est justifi par
la rduction de la volatilit des rendements des titres individuels. cet effet, seize
portefeuilles de rfrence ont t forms sur la base du croisement du critre de la taille de
lentreprise avec son ratio de valeur comptable sur la valeur de march, son rendement
historique, son ratio EPR et son ratio du rendement des dividendes. De plus, nous avons
construit sept portefeuilles dont les actions sont regroupes selon leurs niveaux du risque
systmatique de march. De surcrot, la mthodologie de Fama et Macbeth (1973) est adopte
pour raliser les tests empiriques. Pour ce faire, nous avons excut les rgressions
temporelles sur la totalit de la priode dobservation 1999-2012 afin dtudier la


104
104 Conclusion gnrale
significativit des coefficients de sensibilit. Pa la suite, nous avons rpliqu les rgressions
transversales pendant chaque mois de cette priode dans le but destimer la prime de risque de
chaque facteur.
Les tests empiriques de cette tude aboutissent aux rsultats suivants :
- Les rendements boursiers tunisiens ne sont pas affects exclusivement par le risque de
march, mais plutt des facteurs fondamentaux et macroconomiques contribuent
sensiblement leur dtermination.
- Le risque de march dispose du pouvoir explicatif le plus significatif. Toutefois, il na
pas russi absorber une part indniable de la variabilit des rendements boursiers
tunisien.
- Le MDAF tend survaluer les actions ayant un risque systmatique lev et sous-
valuer les actions ayant un risque systmatique faible. De mme, le modle survalue
les titres lorsque la prime du risque de march est positive et il sous-value les titres
lorsque la prime du risque de march est ngative.
- Les implications du MDAF concernant la prime positive du risque de march ne sont
pas valides dans le contexte tunisien.
- Les principales variables fondamentales dterminantes des rendements boursiers
tunisiens sont successivement : la taille de lentreprise, sa valeur comptable, son
rendement historique et sa liquidit.
- La capacit explicative du modle de march a considrablement augment en
introduisant les facteurs fondamentaux.
- Leffet de la taille, leffet de la valeur, leffet de momentum et leffet de la liquidit ne
sont pas significativement existants sur le march boursier tunisien. Ainsi, dans le
contexte tunisien les petites entreprises, les entreprises disposant de ratio B/M lev,
les entreprises gagnantes sur les six derniers mois et le entreprises les moins liquides
ne sont pas plus risques que les autres entreprises cotes.
- Les facteurs macroconomiques jouissant dun pouvoir explicatif significatif de la
variation des rendements boursiers tunisien sont la structure terme des taux dintrts
et la parit de change USD/TND. un dgre moindre, nous avons dgag la
significativit des facteurs approximant le taux de croissance de lindice de production
industrielle et le taux de croissance de la monnaie centrale.


105
105 Conclusion gnrale
Eu gard ce qui prcde, il semble plus rationnel dtablir les stratgies
dinvestissement sur le march boursier tunisien en tenant compte des risques
fondamentaux et macroconomiques. Dautre cot, le calcul du cout dopportunit de
capital, le mesure de la performance des fonds dinvestissement et les tudes
dvnements peuvent tre raliss en incluant dans le modle utiliser les facteurs des
risques susmentionns, savoir le risque de march, la taille de lentreprise, sa valeur
comptable, son rendement historique, sa liquidit, la structure terme des taux dintrts
et la parit de change USD/TND.
Il convient de prciser que cette tude prsente une limite relative ltroitesse de
lchantillon dobservation. En effet, le nombre faible des actions cotes sur la bourse des
valeurs mobilires de Tunis, ainsi que la courte priode stalant sur 13 ans ont conduit
la rduction du dgre de libert pendant la construction des portefeuilles et lexcution
des tests empiriques. De plus, la concentration du march boursier tunisien sur le secteur
bancaire et sa liquidit modeste relativisent la gnralit des conclusions tires de cette
tude. Encore, ce travail na pas investiguer la capacit explicative dautres variables
susceptibles dinfluencer les rendements boursiers tels que les indices gnrs par
lanalyse factorielle, le risque de dfaut et la production intrieure brute. Cela est d,
dune part, du non disponibilit des donnes ncessaires sur lintgralit de la priode
dtude, comme cest le cas des entreprises notes par les agences de notation utilises
pour approximer le risque de dfaut. Dautre part, cest cause de la complexit de la
construction des variables, cest le cas de lanalyse factorielle standard et lanalyse en
composantes principales.
Enfin, les thmes discuts dans le cadre de cette tude donnent loccasion entamer
des nouvelles voies de recherche. Il sagit notamment de lemploie dun modle contenant
le portefeuille de march, les portefeuilles mimiques des risques fondamentaux et les
facteurs macroconomiques dans les tudes comparatives entre les portefeuilles
dinvestissement de types diffrents (par exemple : conventionnels vs conformes aux lois
de la finance islamique). Au surplus, la validit du modle peut tre teste sur un autre
type des titres tels que les obligations. De plus, nous pouvons soulever la question sur les
facteurs explicatifs des rendements des titres sur les marchs boursiers des pays du Grand
Maghreb et lexistence dinterdpendance entre eux.


106
106 Bibliographie
Bibliographie

A. BOURI, J. M. (2002). A Multi-criterion Approach for Selecting Attractive Portfolio. JOURNAL OF
MULTI-CRITERIA DECISION ANALYSIS, 269277.
Bergaoui, N. (2013). BOOK-TO-MARKET EQUITY AND SIZE AS DETERMINANTS OF
RETURNS: EVIDENCE FROM THE TUNISIAN STOCK EXCHANGE .
: , , .
Black, F. (s.d.). Beta and Return: "Announcements of the 'death' of beta seem premature. ".
Campbel, J. Y. (Apr., 1996). Understanding Risk and Return . Journal of Political Economy, Vol. 104,
No. 2, 298-345.
Campbell, J. Y. (1993). Intertemporal Asset Pricing without Consumption Data. The American
Economic Review, Vol. 83, No. 3, 487-512.
Chen, N.-F., ROLL, R., & Ross, S. A. (Jul, 1986). Economic Forces and the Stock Market. The
Journal 0fBosine.s's, Vol. 59, No. 3 , 383-403.
Chen, Y.-C. S.-S.-F.-J. (2013). The evolution of capital asset pricing models. Rev Quant Finan Acc.
Christian Walkshausl, S. L. (2011). The Alternative Three-Factor Model: An Alternative beyond US
Markets? European Financial Management, Vol. 00, No. 0, 138.
CLIFFORD S. ASNESS, T. J. ( 2013). Value and Momentum Everywhere. THE JOURNAL OF
FINANCE VOL. LXVIII, NO. 3, 929-985.
CLIFFORD S. ASNESS, T. J. (JUNE 2013). Value and Momentum Everywhere. THE JOURNAL OF
FINANCE VOL. LXVIII, NO. 3, 929-985.
Cochrane, J. H. (2005). Asset Pricing. Princeton University Press, Princeton and Oxford.
Discussion, E. C. ( 1970). William F. Sharpe. The Journal of Finance, Vol. 25, No. 2, 418-420.
Edwin J.Elton, M. J. (s.d.). Modern Portfolio Theory And Investment Analysis.
ELISABETH DEDMAN, S. M. (2009). Accounting, Intangible Assets, Stock Market Activity, and
Measurement and Disclosure PolicyViews From the U.K. ABACUS, Vol. 45, No. 3, 312-
341.
Eric Girard, M. O. (2007). What are the risks when investing in thin emerging equity markets:
Evidence from the Arab world. Int. Fin. Markets, Inst. and Money 17, 102123.
Eugene F. Fama, K. R. (1997). Industry costs of equity. Journal of Financial Economics 43 , 153-193.
Eugene F. Fama, K. R. (2012). Size, value, and momentum in international stock returns. Journal of
Financial Economics 105 , 457472.
Fama, E. F. ( 1970). Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal
of Finance, Vol. 25, No. 2, 383-417.


107
107 Bibliographie
Fama, E. F. ( 1976). Efficient Capital Markets: Reply. The Journal of Finance, Vol. 31, No. 1, 143-
145.
Fama, E. F., & MacBeth, J. D. (May - Jun., 1973). Risk, Return, and Equilibrium: Empirical Tests.
The Journal of Political Economy, Vol. 81, No. 3, 607-636.
FRENCH*, E. F. ( JUNE 1992 ). The Cross-Section of Expected Stock Returns . THE JOURNAL OF
FINANCE * VOL. XLVII, NO. 2 , 427-465.
FRENCH, E. F. ( MARCH 1995 ). Size and Book-to-Market Factors in Earnings and Returns . THE
JOURNAL OF FINANCE * VOL. L, NO. 1, 131-155.
FRENCH, E. F. (1988). DIVIDEND YIELDS AND EXPECIED STOCKS RETURNS. Journal of
Financial Economics 22, 3-25.
French, E. F. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial
Economics 33 , 3-56.
FRENCH, E. F. (1996 ). The CAPM is Wanted, Dead or Alive . THE JOURNAL OF FINANCE VOL.
LI, NO. 5, 1947-1958.
FRENCH, E. F. (AUGUST 2008). Dissecting Anomalies. THE JOURNAL OF FINANCE VOL.
LXIII, NO. 4, 1653-1677.
FrencH, E. F. (Mar., 1996). Multifactor Explanations of Asset Pricing Anomalies. The Journal of
Finance, Vol. 51, No. 1, 55-84.
FRENCH, E. F. (OCTOBER 2006). The Value Premium and the CAPM. THE JOURNAL OF
FINANCE VOL. LXI, NO. 5 , 2163-2185.
FRENCH, E. F. (OCTOBER 2010). Luck versus Skill in the Cross-Section of Mutual Fund Returns.
THE JOURNAL OF FINANCE VOL. LXV, NO. 5, 1915-1947.
French, E. F. (Summer, 2004). The Capital Asset Pricing Model: Theory and Evidence. The Journal of
Economic Perspectives, Vol. 18, No. 3, 25-46.
Gaunt, C. (2004). Size and book to market effects and the Fama French three factor asset pricing
model: evidence from the Australian stockmarket. Accounting and Finance 44, 2744.
Gazdar, M. C. ( 2010). INSTITUTIONAL AND MACROECONOMIC DETERMINANTS OF
STOCK MARKET DEVELOPMENT IN MENA REGION: NEW RESULTS FROM A
PANEL DATA ANALYSIS. The International Journal of Banking and Finance, Vol. 7, 139-
159.
Gruber, E. J. (s.d.). Multi-Index Models Using Simultaneous Estimation of all Parameters.
Hamadi Fehri, S. M. (2012 ). La Bourse des Valeurs Mobilires de Tunis Entre exigences de
financement et impratifs de rformes. La Lettre du Cercle des Economistes de Tunisie
Numro 7.
Hammami, Y. (2008). LES FACTEURS EXPLICATIFS DES RENDEMENTS BOURSIERS EN
TUNISIE : ANALYSE PAR LES MODELES MULTIFACTEURS.


108
108 Bibliographie
Hasna Chaibi, S. B. (2009). The Best Asset Pricing Model for Estimating Industry Costs of Equity in
Tunisia. Review of Middle East Economics and Finance, Article 4.
Hearn, B. (2011). Modelling size and liquidity in North African industrial sectors. Emerging Markets
Review 12, 2146.
Howard W. Chan, R. W. (2005). Asset Pricing and the Illiquidity Premium. The Financial Review 40
(2005) , 429-458.
John Y. Campbell, A. W. (s.d.). The Econometrics of Financial Markets. Princeton University Press.
Princeton, New Jersey.
Lakonishok, J., Shleifer, A., & Vishny, R. W. ( 1994). Contrarian Investment, Extrapolation, and Risk.
The Journal of Finance, Vol. 49, No. 5, 1541-1578.
LeRoy, S. F. ( 1976). Efficient Capital Markets: Comment. The Journal of Finance, Vol. 31, No. 1,
139-141.
Lintner, J. ( 1965). Security Prices, Risk, and Maximal Gains From Diversification. The Journal of
Finance, Vol. 20, No. 4, 587-615.
Lintner, J. (1965). The Valuation of Risk Assets and the Selection of Risky Investments in Stock
Portfolios and Capital Budgets. The Review of Economics and Statistics, Vol. 47, No. 1, 13-37.
Lintner, J. (Feb., 1965). The Valuation of Risk Assets and the Selection of Risky Investments in Stock.
The Review of Economics and Statistics, Vol. 47, No. 1, 13-37.
Long Chen, R. N.-M. (April 2010). An Alternative Three-Factor Model. Electronic copy available at:
http://ssrn.com/abstract=1418117.
Marie-Claude Beaulieu, J.-M. D. (2010). Asset-pricing anomalies and spanning: Multivariate and
multifactor tests with heavy-tailed distributions. Journal of Empirical Finance 17, 763782.
McElroy, E. B. ( 1988). Joint Estimation of Factor Sensitivities and Risk Premia for the Arbitrage
Pricing Theory. The Journal of Finance, Vol. 43, No. 3,, 721-733.
Merton, R. C. ( 1973). An Intertemporal Capital Asset Pricing Model. Econometrica, Vol. 41, No. 5,
867-887.
Michael A. OBrien, T. B. (2010). Interaction of size, book-to-market and momentum eects in
Australia. Accounting and Finance 50, 197219.
MICHAEL R. GIBBONS, S. R. (September, 1989). A TEST OF THE EFFICIENCY OF A GIVEN
PORTFOLIO . Econometrics, Vol. 57, No. 5, 1121-1152 .
Mossin, J. (1966). Equilibrium in a Capital Asset Market. Econometrica, Vol. 34, No. 4, 768-783.
Mounira, H. H. (2012 ). Asset pricing and liquidity risk interrelation: an empirical investigation of the
Tunisian stock Market . Journal of Research in International Business and Management , 312-
322.


109
109 Bibliographie
Nadia Loukil, M. B. (2010). Impact of liquidity on stock returns: an empirical investigation of the
Tunisian stock market. Macroeconomics and Finance in Emerging Market Economies, 261-
283.
Nizar Hachicha, A. A. (2008). Can Extension of fundamental Models Cancel the Existence of
Abnormal Returns in Emerging Market? International Review of Business Research Papers,
182-206 .
Nusret Cakici, F. J. (2013). Size, value, and momentum in emerging market stock returns. Emerging
Markets Review 16 , 4665.
Performance, O. P. (Mar, 1997). Mark M. Carhart. The Journal of Finance, Vol. 52, No. 1, 57-82.
Pin-Huang, C. P.-H.-C. (2012). Do industries matter in explaining stock returns and asset-pricing
anomalies? Journal of Banking & Finance 36 , 355370.
Priestley, R. (1996). The arbitrage pricing theory, macroeconomic and financial factors, and
expectations generating processes. Journal of Banking & Finance 20, 869-890 .
ROLL, R. (1977). A CRITIQUE OF THE ASSET PRICING THEORYS TESTS Part I: On Past and
Potential Testability of the Theory. Journal of Financial Economics 4, 129-176.
Ross, R. R. (1980). An Empirical Investigation of the Arbitrage Pricing Theory. The Journal of
Finance, Vol. 35, No. 5, 1073-1103.
ROSS, S. A. (1976). The Arbitrage Theory of Capital Asset Pricing . Jornal Of Economic Theory 13,
341-360.
SABINE ARTMANN, P. F. (2012). Determinants of Expected Stock Returns: Large Sample Evidence
from the German Market. Journal of Business Finance & Accounting, 0306-686X.
SAMY BEN NACEUR, S. G. (2007). Asset Pricing and Cost of Equity in the Tunisian Banking
Sector: Panel Data Evidence. Economic Notes by Banca Monte dei Paschi di Siena SpA, 89
113.
Samy Ben Naceur, S. G. (2007). Does Ination Impact on Financial Sector Performance in the MENA
Region ? Review of Middle East Economics and Finance, Article 4.
Schwartz, R. A. ( 1970). Efficient Capital Markets: A Review of Theory and Empirical Work:
Discussion. The Journal of Finance, Vol. 25, No. 2, 421-423.
Sharpe, W. F. ( 1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of
Risk. The Journal of Finance, Vol. 19, No. 3, 425-442.
Sharpe, W. F. (1982). Some Factors in New York Stock Exchange Security Returns, 19311979.
Research Paper.
Shepard, J. M. (2008). The Barra Global Equity Model (GEM2). MSCI Barra Research.
Soon-Ho Kim, D. K.-S. (2012). Evaluating asset pricing models in the Korean stock market. Pacic-
Basin Finance Journal 20, 198227.


110
110 Bibliographie
TAYLOR, S. A. ( 1991). MACROECONOMIC FACTORS AND THE UK STOCK MARKET .
Journal of Buriness Financc &Accounting, 18(5), 619-636.
THOMAS, A. D. (April 1994). MACROECONOMIC FACTORS, THE APT AND THE UK
STOCKMARKET . Journal of Business Finance & Accouniiaz, 21 (3), 0306-686X .
Trabelsi, M. A. (2008). Overreaction on the Tunisian stock market: an empirical test. Munich Personal
RePEc Archive.
Wai Cheong Shum, G. Y. (2005). Common risk factors in returns in Asian emerging stock markets.
International Business Review 14, 695717.
Wang, J. M. (2011). The Barra US Equity Model (USE4). MSCI.
Wilma de Groot, J. P. (2012). The cross-section of stock returns in frontier emerging markets. Journal
of Empirical Finance 19, 796818.
Yacine Hammami, F. J. (2013). Mutual fund peformance in Tunisia: A multivariate GARCH approch.
Research in International Business and Finance 29, 3551.
Yasushi, H. (1988). AN EMPIRICAL EXAMINATION OF THE ARBITRAGE PRICING THEORY
Using Japanese Data. Japan and the World Economy 1, 45-61.
Zoghlami, F. (2011). Momentum in the Tunisian stocks returns: identification of some risk factors .
Journal of Applied Finance & Banking, vol.1, no.2, 207-229 .