MAME DIARRA SOURANG

La finance islamique et les marchs boursiers

Mmoire prsent
la Facult des tudes suprieures et postdoctorales de l'Universit Laval
dans le cadre du programme de matrise en conomique
pour l'obtention du grade de Matre es arts (M.A.)

FACULTE DES SCIENCES SOCIALES

UNIVERSIT LAVAL
QUBEC

2013

() Marne Diarra Sourang, 2013

Rsum
Notre tude a pour objet l'analyse des marchs boursiers en prsence de finance islamique. Nous faisons ici l'hypothse que finance islamique et finance conventionnelle ne
sont pas entirement indpendantes et prenons en compte l'interaction pouvant exister
entre les deux. D'une manire gnrale, nous tudions l'impact de la finance islamique
sur la structure des rendements boursiers de 7 pays d'Asie-Pacifique. Les donnes ont
t recueillies sur une priode de 11 ans (janvier 2001 dcembre 2011) et, par gard
la crise financire de 2008, deux sous priodes ont t dfinies : la premire allant
de janvier 2001 dcembre 2007 (pr-crise), et la seconde, de janvier 2008 dcembre
2011 (post-crise). Globalement, la finance islamique semble avoir une influence positive
sur les rendements de pays ayant une population prdominance musulmane. Nous
constatons galement que les variables islamiques tendent tre plus significatives en
priode de crise et parvenons dceler un effet positif des jours de Ramadan sur les
rendements des indices considrs.

ni

Table des matires

Rsum

iii

Table des matires

Liste d e s t a b l e a u x

vii

Remerciements

xi

Introduction

2 R e v u e d e la l i t t r a t u r e
3

Donnes et mthodologie
3.1 Prsentation des donnes
3.2 Statistiques descriptives
3.3 La mthodologie

1
5
9
9
10
15

4 Tests conomtriques
4.1 La stationnante
4.2 La cointgration
4.2.1 La mthodologie de Johansen
4.2.2 Modle correction d'erreur (ECM)
4.3 Causalit au sens de Granger
4.4 Influence de la FI
4.4.1 Le modle thorique
4.4.2 Estimation par rgression groupe

17
17
19
19
20
21
22
22
24

Rsultats

25

Conclusion

45

Bibliographie

49

Liste des tableaux

3.1
3.2
3.3

Proportion de population musulmane par pays

Statistiques descriptives (priode entire)
Statistiques descriptives (sous-priodes)

10
12
14

5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
5.11
5.12

Rsultats des tests de stationnarit

Rsultats des tests de cointgration par groupes d'indices
Rsultats des tests de cointgration par paires d'indices
Rsultats des tests de causalit (1)
Rsultats des tests de causalit (2)
Rsultats de l'estimation par rgression groupe
Rsultats de l'estimation par MCO (priode entire)
Rsultats de l'estimation par MCO robuste (priode entire)
Rsultats de l'estimation par SUR (priode entire)
Tests d'indpendance des rsidus
Rsultats de l'estimation par MCO robuste (sous-priodes)
Rsultats de l'estimation par SUR (sous-priodes)

26
27
28
30
31
33
36
37
38
39
42
43

vn

A mon grand-pre Bamba,

ma grand-mre Aida,
mes frres et soeurs
Ibrahima, Bamba et Aby

ix

Remerciements
Je tiens d'abord exprimer ma gratitude ma directrice de recherche, le Professeur Lucie Samson, pour son accompagnement ainsi que la grande disponibilit et la gnrosit
dont elle a fait preuve.
Je remercie galement Ricardo Esquil pour ses commentaires et son aide prcieuse
durant la rdaction de ce mmoire.
Je ne saurais finir sans remercier toute ma famille et plus particulirement mes parents
sans qui rien de tout ceci n'aurait t possible. Je leur suis profondment reconnaissante
pom- leur amour inconditionnel, leur soutien indfectible et surtout pour la confiance
qu'ils ont plac en moi.

xi

Chapitre 1
Introduction
Longtemps associe aux pays du Golfe Persique, du Moyen-Orient ou encore ceux
d'Asie du Sud-Est, la finance islamique (FI) bnficie, depuis plusieurs annes, d'une
attention considrable. En effet, aprs les chocs ptroliers des annes 70, des produits
financiers islamiques ont t crs pour absorber l'offre massive de capitaux provenant
de riches investisseurs dtenteurs de ptrodollars 1 . La FI se rfre aux activits financires en accord avec la Shariah en ce sens qu'elle interdit les investissements dans des
secteurs considrs comme illicites (haram) par l'islam : les jeux de hasard, l'alcool,
l'armement, par exemple. Cette conformit la Shariah constitue l'un des principes
fondamentaux du systme financier islamique (SFI). Ainsi, les prts intrt (riba)
y sont interdits, de mme que la spculation (gharar). La pratique de la FI implique
d'adosser toutes les transactions financires des actif rels et astreint galement les
parties contractantes au partage des pertes et des profits ( P P P ) . Les modes de financement spcifiquement bass sur ce mcanisme de PPP - mudhambah et musharakah
- sont ainsi senss encourager le dveloppement conomique via la russite des projets
engags [voir Bala et Zaha (2009)].
L'engouement rcent pour la FI s'explique par le fait que certaines institutions financires islamiques (IFI) ont t quasiment immunises contre la crise financire de 2008
[Boumediene et Caby (2009)]. Ds lors, plusieurs acteurs des marchs ont vu dans les
produits financiers islamiques des vhicules d'investissement alternatifs aux produits
classiques. Au cours de la dernire dcennie, le taux de croissance de l'ensemble des
secteurs de la FI a t estim entre 10 et 15% [McKenzie (2011)]. Par ailleurs, entre
1. Ce terme dsigne les revenus ptroliers (en dollar US) des membres de l'Organisation des Pays
Exportateurs de Ptrole.

2006 et 2009, la taille totale des actifs Islamiques a augment de prs de 89%. Au cours
de l'anne 2011, le total des actifs attribus au SFI s'levait prs de 1 100 G$ US 2 .
Plusieurs auteurs tels Hakim et Rashidian (2002) ou encore Hussein (2004) se sont alors
intresss la performance des indices islamiques en se posant la question de savoir si
ces derniers taient plus ou moins rentables que les indices conventionnels. La plupart
des tudes comparatives que l'on retrouve ce sujet dans la littrature suppose implicitement qu'il n'existe pas d'interaction entre la FI et la finance conventionnelle (FC). De
plus, les auteurs se msont souvent limits la description des principes et mcanismes du
SFI ou la comparaison d'un produit financier donn. Dans ce travail, nous tudions la
problmatique de la performance de la FI au niveau des marchs boursiers eux-mmes
tout en considrant l'interaction pouvant exister entre la FI et la FC.
De par ses fondements, l'opinion publique tend considrer la FI comme moins risque
que la FC. Certains ont cherch confirmer ou infirmer cette affirmation. Cihk et Hesse
(2008) ont conclu que les banques islamiques taient gnralement plus .solides que
les banques commerciales - le terme "commercial" est employ par les auteurs pour
indiquer ce qui est "non-islamique". Boumediene et Caby (2009) ont trouv que les
rendements des banques conventionnelles taient plus volatiles que ceux des banques
islamiques pendant la crise des subprimes de 2007. Si, grce aux nombreuses tudes
retrouves dans la littrature, il est possible de tirer certaines conclusions quant aux
banques islamiques, tel n'est pas vraiment le cas pour les marchs boursiers partiellement ou entirement islamiques. notre connaissance, les seuls travaux pertinents
raliss ce jour ont port sur des indices et non sur les marchs eux-mmes. Par
exemple, tudiant la performance de plusieurs indices du Financial Times Stock Exchange (FTSE) et du Dow Jones (DJ), Hussein (2004) et Hassan et Girard (2011) ont
conclu qu'il n'existait pas de diffrence significative entre les rendements des indices
islamiques et leurs comparables non-islamiques. Ils ont galement montr que la composition yshariah-compatible des indices islamiques n'affectait en rien leur performance.
Ces conclusions, certes valables, ne peuvent cependant pas s'tendre aux marchs bousiers islamiques dans leur ensemble, tant donn que les tudes portent principalement
sur un nombre limit d'indices. De plus, mme si les titres constituant ces indices respectent les critres de slection islamiques, leur rpartition gographique 3 ne permet
2. Plus gnralement, on estime que d'ici 4 6 ans, les banques islamiques devraient grer 40%
50% (contre 10% seulement en 2008) de l'pargne totale de la population musulmane, soit 25% de la
population mondiale [Financial Times (2011)].
3. Par rfrence la situation gographique des pays d'o proviennent les entreprises composant
l'indice en question.

pas toujours de prendre en compte les facteurs de march communs aux entreprises de
mme que les interactions pouvant exister entre les titres islamiques et non-islamiques.
Parmi les facteurs de march communs, nous pouvons citer les conditions conomiques,
la proximit gographique ou encore les habitudes similaires des acteurs de march
en matire de choix d'investissement. Il serait donc intressant d'tudier la dynamique
conjointe entre les diffrentes catgories de titres (islamiques et non-islamiques) en
analysant des marchs boursiers de pays o une forte proportion de la population est
musulmane, mais galement o sont lists une majorit de compagnies islamiques. Notre
tude vise complter la littrature existante en considrant ces aspects et se propose
d'tudier l'impact de la finance islamique sur la structure des rendements d'indices reprsentatifs de 7 marchs boursiers d'Asie-Pacifique. Il s'agira, d'une part, de voir si les
rsultats gnralement observs dans la littrature continuent de se vrifier lorsque l'on
suppose une interaction entre les titres islamiques et non-islamiques au sein d'un mme
march ; et, d'autre part, d'tudier la dynamique conjointe entre les marchs purement
conventionnels (Chine, Inde et Taiwan) et ceux o la finance islamique est fortement
intgre (Bangladesh, Indonsie, Malaisie, Pakistan).
Notre tude s'organise comme suit. Au chapitre 2, nous prsentons la littrature pertinente en rapport avec notre travail. Le chapitre 3 fait une description des donnes
utilises et explique la mthodologie qui sera adopte aux fins de notre recherche. Nous
dcrivons de manire dtaille les tests statistiques que nous aurons effectuer au chapitre 4 et prsentons l'ensemble de nos rsultats au chapitre 5. Nous concluons notre
analyse au chapitre 6.

4. Cas de marchs boursiers au sein de pays ayant une population prdominance musulmane.

Chapitre 2
Revue de la littrature
La grande majorit des travaux rencontrs en finance islamique est d'orientation thorique et s'attle l'explication des principes et concepts lis la pratique de la discipline.
Les tudes empiriques, peu nombreuses en FI, portent principalement sur les fonds mutuels et les banques. Les thmes les plus souvent abords font rfrence la stabilit
ou la performance des IFI.
partir d'un chantillon de plus de 400 banques, Cihk et Hesse (2008) sont les premiers procder une analyse de la stabilit financire des banques islamiques en
comparaison aux banques conventionnelles travers plusieurs pays. Sur la base du zscore

calcul pour chacune des institutions, ils concluent que les banques islamiques

sont, dans l'ensemble, plus solides que les banques commerciales. Toutefois, en introduisant le critre "taille" dans leur analyse, il ressort que les petites banques islamiques sont
plus stables que les grandes banques qu'elles soient commerciales ou islamiques et que
les grandes banques commerciales sont plus stables que leurs vis--vis islamiques. Dans
la mme ligne, Boumediene et Caby (2009) tudient la stabilit des banques islamiques
durant la crise des subprimes en utilisant un modle G ARCH (Generalized AutoRegressive Conditional Heteroskedasticity) pour estimer la volatilit des rendements boursiers
de 28 b a n q u e s 2 . Leurs rsultats ont montr que les rendements des banques conventionnelles taient fortement volatiles en comparaison ceux des banques islamiques
(avant, pendant et aprs la crise). En outre, la volatilit des rendements des banques
islamiques, faible initialement, a connu une augmentation modre durant la crise. De
1. Le z-score est une mesure de stabilit d'une banque calcule partir de divers ratios financiers.
D est inversement relie la probabilit de dfaut et un z-score lev est synonyme de bonne sant
financire et donc, une plus faible probabilit de dfaut.
2. 14 banques commerciales et 14 banques islamiques.

leur tude, ils tirent deux principales conclusions : i) les banques islamiques ont t, au
moins partiellement, immunises durant la crise et ii) elles ne sont pas confrontes aux
mmes risques que les banques conventionnelles.
La FI a toujours t tudie de faon indpendante de la FC, ce qui ne reflte pas la
ralit des marchs financiers. En effet, nous pouvons raisonnablement penser que les
deux systmes seront affects, probablement des niveaux diffrents, par les mmes
chocs. Ces derniers pouvant tre dus aux variations des conditions conomiques, aux
habitudes d'investissement des acteurs de march ou tout simplement la proximit
gographique. Nous pensons donc que ces facteurs communs sont de nature influencer
la structure des rendements boursiers sur un march "mixte". Kouser et Saba (2012),
ont considr dans leur analyse, des banques mixtes - banques conventionnelles ayant
des fentres islamiques - en plus de celles entirement islamiques et conventionnelles
sans toutefois motiver ce choix. Ils ont. cherch mesurer la performance financire
des banques pakistanaises par le biais du modle CAMEL ainsi que d'une analyse de
variance (ANOVA). Utilis pour valuer les estimations financires et managriales des
institutions bancaires, le modle CAMEL repose sur les indicateurs suivants : adquation du capital, qualit des actifs en place, comptence managriale, revenus et liquidit.
Sur la base des ratios financiers calculs pour l'indicateur de revenus du modle, les
auteurs aboutissent au rsultat selon lequel les revenus des banques mixtes sont plus
levs que ceux des banques conventionnelles et ceux islamiques.
Paralllement aux tudes mentionnes ci-dessus, certains auteurs se sont galement intresss aux indices islamiques en tudiant l'effet de la composition Sh^Hah-compatible
ou "screening* desdits indices sur la structure de leurs rendements. Ainsi, analysant la
performance de 7 indices du D J 3 entre 1996 et 2005, Hassan et Girard (2011) n'ont
pas dcel de diffrence significative en matire de rendement entre les indices islamiques et ceux conventionnels. Ils parviennent au mme rsultat que pour les indices
du FTSE [Hassan et Girard (2008)] : les investisseurs ne souffrent pas d'un cot associ aux critres de slection des titres composant les indices islamiques. En se basant
sur les mesures de performance de Sharpe, de Treynor, de Jensen et celles de slectivit et de diversification [Fama (1972)], ils concluent qu'il existe globalement une
rcompense pour le risque ainsi qu'un bnfice de diversification pour les deux groupes
d'indices considrs. Hakim et Rashidian (2004) arrivent ce mme constat lorsqu'ils
3. Dow Jones Islamic Market World Developed Index, the Dow Jones Islamic Market World Emerging Markets Index, the Dow Jones Islamic Market U.S. Index, the Dow Jones Islamic Market Europe
Index, the Dow Jones Islamic Market Asia/Pacific Index, the Dow Jones Islamic Market Canada Index,
and the Dow Jones Islamic Market U.K. Index.

s'interrogent sur le cot de la Shariah-compatibilit ainsi que sur la comptitivit des

indices islamiques en gnral. Ils s'intressent aussi la corrlation existant entre le
Dow Jones Islamic Market Index ( D J I M I ) et le march boursier mondial en retenant
le Dow Jones World Index ( D J W l ) comme proxy pour ce dernier. Leur tude rvle
ainsi que la comptitivit du DJIMI ne se maintient pas lorsqu'on le compare d'autres
indices thiques, mais non-islamiques, tels que le Dow Jones Sustainability World Index (DJSWI). De mme, il apparat que les restrictions d'investissement associes au
DJIMI contribuent pour une grande part rduire son exposition au risque de march
sans pour autant affecter sa diversification.
Les indices islamiques ne sont donc pas pnaliss par les critres restrictifs considrs
lors de leur composition et la mme conclusion s'tend aux fonds mutuels islamiques
[Elfakhani et collab. (2005)]. De plus, en faisant la distinction entre priodes haussires
et baissires, il s'avre qu'ils procurent un rendement anormal durant les priodes haussires alors que la tendance s'inverse en situation de march baissier [Hussein (2004) ;
Hassan et Girard (2011)]. Qu'en est-il lorsque l'on considre de nouveaux indices en
dehors de ceux du D J et du F T S E ? C'est ce qu'ont fait Hakim et Rashidian (2002).
Par le biais d'une analyse conomtrique, ils ont examin la relation existant entre le
DJIMI et le Wilshire5000 4 (W5000) et ont conclu qu'il n'existait aucun lien significatif
entre les deux indices. Leur tude a rvl que tout en ayant un profil de risque diffrent
du W5000, le DJIMI tait indpendant des variations de l'indice de march global ainsi
que des taux d'intrt amricains (T-Bill 3 mois).
Malgr les claircissements apports par ces travaux en matire d'investissement islamique, on constate que les indices considrs sont la plupart du temps les mmes, mais
simplement analyss des priodes diffrentes. De plus, ces travaux ne portent que
sur des indices soit 100% islamiques, soit 100% conventionnels. Contrairement
ces tudes qui portent uniquement sur des indices, nous cherchons tudier les marchs boursiers de plusieurs pays par le biais de leurs indices reprsentatifs, et ce en
tenant compte de l'interaction pouvant exister entre les titres islamiques et ceux nonislamiques.

4. Indice reproduisant la performance des 5000 plus grandes compagnies amricaines galement
publi par Dow Jones Inc..

Chapitre 3
Donnes et mthodologie
3.1

Prsentation des donnes

Notre tude repose sur les donnes mensuelles des indices de 7 pays d'Asie-Pacifique
et d'un indice du march asiatique considr comme facteur de risque commun. Les
sries de prix desdits indices ont t extraites de Bloomberg sur une priode de 11 ans
(janvier 2001 dcembre 2011), soit 1056 observations au total. Les indices tudis sont
les suivants :

DHAKA

: Dhaka Stock Exchange Index (Bangladesh) ;

JCI : Jakarta Stock Exchange Composite Index (Indonsie) ;

FBMKLCI
KSE100

: FTSE Bursa Malaysia KLCI Index (Malaisie) ;

: Karachi Stock Exchange KSE100 Index (Pakistan) ;

SHCOMP

: Shanghai Stock Exchange Composite Index ( Chine) ;

SENSEX

: Bombay Stock Exchange India Sensex 30 Index (Inde) ;

TWSE

: Taiwan Stock Exchange Weighted Index ( Taiwan) ;

SAXCME

: S&P Asia 50 (Asie).

Les pays ont t classs en deux groupes (voir Tableau 3.1) savoir ceux ayant une
population prdominance musulmane : Bangladesh, Indonsie, Malaisie, Pakistan
(Groupe 1) et ceux ayant ime population prdominance non musulmane : Chine,
Inde, Taiwan (Groupe 2). Les pays du premier groupe ont, en outre, la particularit

d'avoir une trs forte concentration de compagnies islamiques lists sur leurs marchs
boursiers.
TABLE 3.1: Proportion de population musulmane par pays. Les pays ont t classs en fonction du pourcentage total de leur population de confession musulmane. Nous avons considr qu'un
pays avec une population musulmane d'au moins 60% pouvait tre dfini comme islamique. % Pop.
reprsente la proportion de la population qui est de confession musulmane et % FI reprsente la proportion de compagnies islamiques listes sur les marchs des pays du Groupe 1 pour lesquels les donnes
sont disponibles. Ces donnes proviennent des sites internet des marchs tudis : www.idx.co.id
(Indonsie), www.bursajnalaysia.com (Malaisie), www.kse.com.pk (Pakistan) - consults entre mai
et juin 2012.

Groupe 1
Pays

Acronymes % Pop.

%FI

Pays

Bangladesh
Indonsie
Malaisie
Pakistan

DHAKA
JCI
FBMKLCl
KSEIOO

n. a.
62,4%
86,2%
55,5%

Chine
Inde
Taiwan

86,5%
86,1%
60,4%
95,0%

Groupe 2
Acronymes

% Pop.

SHCOMP
SENSEX
TWSE

l%-2%
13%
0%-2,5%

Source : CIA World Factbook (janv. 2012).

Les Figures 3.1 et 3.2 prsentent les rendements des indices pris par groupes. Comme
nous le voyons sur ces figures, les effets de la rcente crise financire ont commenc se
faire ressentir au dbut de l'anne 2008. cet effet, nous avons tenu compte de la crise
financire 2008 dans notre analyse en dfinissant une priode "pr-crise" : janvier 2001
dcembre 2007, ainsi qu'une priode "post-crise" : janvier 2008 dcembre 2011.
Les rendements nets en pourcentage, R u , de chacun des indices ont t calculs de
la manire suivante : R^t = ( P t + i / P t ) 1 ; Ri,t tant le rendement de l'indice i la
priode t, P t , le cours de l'indice la priode t et Pt+i, le cours de l'indice la priode
suivante. Les t a u x de rendements n'incorporent pas les dividendes dans la mesure ou
nous n'avons pas pu avoir accs ces donnes. videmment, si les compagnies adhrant
la F I versent leur dividendes diffremment des autres compagnies, nous ne pourrons
capturer ce phnomne.

3.2

Statistiques descriptives

Comme nous le montre le Tableau 3.2, l'analyse des donnes indiquent que les indices
du Groupe 1 offrent, en moyenne, un rendement mensuel deux fois plus important que

10

FIGURE

3.1: Evolution des taux de rendements des indices du Groupe 1

3-S

oe-oa-2oo

2O-May-20M

2t-ftb-2an

20-Kay-ZXM

2O-Mly-20O8

30-Ot-2011

FIGURE 3.2: volution des taux de rendements des indices du Groupe 2

2fr3-.b-;

2O-My-20Oe

09-OO-2004

OSt-Od-2004

aJ-U.y-2008

28-^6-2001

W-OO-2004

20-M.--200S

30-0^-2011

11

celui des indices du Groupe 2 : 1,5779% contre 0,7929%). Toutefois, en considrant les
cart-types comme mesure de risque, il ressort que les indices ont un degr d'exposition
au risque similaire (8% environ), except pour la Malaisie (4,8%). Ce fait est d'autant
plus remarquable que pour un mme niveau de risque, les indices du Groupe 1 ont
procur un rendement suprieur sur la priode entire (2001-2011). Il existerait donc
une rmunration pour le risque plus importante pour ce groupe d'indices. Par ailleurs,
les coefficients d'asymtrie, pour la plupart ngatifs sauf pour le DH.\K.4 et le TWSE,
indiquent plus de rendements ngatifs que positifs pour les indices dans leur ensemble.
Il en est de mme pour les coefficients d'aplatissement tmoignant de la prsence de
valeurs plus extrmes que la normale ; et donc, d'une volatilit importante. Ce dernier
constat s'applique tous les indices et sur toute la priode considre.
TABLE 3.2: S t a t i s t i q u e s descriptives [janv. 2001 - d c . 2011] Pour la priode entire, les prix
de chacun des indices de march ont t recueillis et les rendements nets en pourcentage calculs selon
la formule suivante : R i t = (Pt+i/Pt) 1. iRj* = rendement de l'indice i la priode t, P t = cours
de l'indice la priode t et Pt+\ = cours de l'indice la priode suivante. Les coefficients d'aplatissement (ACF) sont comparer 3 qui correspond au coefficient d'aplatissement pour une distribution
normale. Les marchs sont : le Bangladesh (DHAKA), l'Indonsie (JCI), la Malaisie (FBMKLCI), le
Pakistan (KSE100), la Chine (SHCOMP), l'Inde (SENSEX) et Taiwan (TWSE).

DHAKA
JCI
FBMKLCI
KSE100
SENSEX
SHCOMP
TWSE
SAXCME

Moyennes

cart-types

Asymtrie

Aplatissement

ACF(l)

1,6173%
2,1865%
0,8507%
1,6573%
1,2705%
0,6142%
0,4941%
0,6940%

7,8872%
9,5716%
5,3216%
8,8923%
8,9329%
8,4467%
7,8925%
6,5462%

0,2056
-0,5499
-0,2977
-0,3768
-0,0391
-0,0800
0,0339
-0,3796

6,0888
5,3232
3,7757
5,6763
4,5194
3,8427
3,0379
3,2956

0,0627
0,2311
0,1729
0,1209
0,1505
0,1079
0,1613
0,1724

Lorsque l'on prend en compte chacune des sous-priodes (voir Tableau 3.3), les donnes rvlent que les rendements mensuels sont en moyenne plus importants durant la
priode pr-crise. De plus, les indices du Groupe 1 ont tous surperform les indices du
Groupe 2, except le KSE100 (Pakistan) qui a enregistr un rendement ngatif durant
la priode post-crise. Les cart-types sont galement plus faibles durant la premire
sous priode, mais augmentent nettement durant la sous priode suivante. Il y aurait
galement une prime de risque associe aux indices au Groupe 1. Durant la priode
pr-crise, nous notons que les coefficients d'asymtrie sont plus faibles pour les indices
du Groupe 1 : plus de rendements ngatifs aprs la crise, mais aussi plus de volatilit
par gard aux queues de distributions moins paisses. Sur toute la priode ainsi que

12

les sous priodes, les coefficients d'autocorrlation d'ordre 1 sont gnralement faibles
- compte tenu de la taille et du volume d'activit des marchs tudies - mme si la
variation reste propre chacun des indices. Synonyme d'efficience de march, ceci rvle que les rendements boursiers sont difficiles prdire sur la base de l'information
disponible.

13

ta

><
^ o
CJ
o S
LO CO
N
^ ?
CN rr
X
N
<
J-1 _ - C 3. - f - <i
9 N* 9 CN" o*

oO ^ [ to- CDc o^H

co o <n oo oo
H (O V H rt

^ S

m/m

H
W

O O TT C5 Q
o o oo co c .
00 l > t - 00 C N
o

eu
S
O

zn

N o co o

m^S
O O C O CN C N
OOCOC.CN
0 O W U . H H
E5 oo t a oo CN_

O
U
mO

rtVdno*

C/m

m/?

L/3

m O N S O H
CO CO J--CN ri
CN t-~ 9 co" o

oo oCO oCNu5
O r-1 CN o
a IO
O 5 * IO CO ~ t

S JB-g

ft .3
"J - s

4i

fa

o
O
rH
i-j_
l-T

o
Q
O
00
Tf

jo
cN
rmj
"J
?

CN oo
CO t 5 1 CO
O , i-*
CO O

o
O
m
io
i
Y

><

fa,
co

c >

O C O 'mf r f
M N l CO
o oo co LO
- * i o T-H
_ | o Tf o

>-

"S LO 00
y> c . - *
oo " # 00 --H
- L O CN

9 o * "7 c o * o "

CN

5 o 2 co
iOgoSCN
^CN^-S0T O*9co"9

o
o

co" co" o co" i

O
o

O O O N N
o o o> oo frco* o f o CN" o "

* 2

CN

'J

2
S

o S ; oo T-i

gOLOmJSO coO Oo

t l-H " i 00 C N

"3
mm.

O co*9 co"o

O
O
CN

i
ci
o

CN

u
s

o o
O O
" * C5
co LO
CN" oo*

5? CN o>
S (N O.
cO f- " *
- ce r*
9 CN" o

Su

a
0

<S
Xi

U
CJ

i
,n,

<
<
Q

^mg

^ * r1
SCN COoN CI(
o o co
N rj< O,
C O f f l N N O
Hmso'ind

8a S
*
-0
0

^ ^

_
O.
N N iC
M N
- M
i-" O * 9 LO

O
LO
O
O

"C
Cu

Pu

1-E
c

X
X

C mCl fa

eu

14

s' a U

c
o. o

"3
s

CU

o g b aO

3.3

La mthodologie

Les inferences statistiques que nous ferons reposent principalement sur l'hypothse de
stationnante des donnes employes 1 . Sans cette condition, la significativit de nos
paramtres ainsi que leurs interprtations seraient errones. Aussi dans un premier
temps, nous commencerons par tester la stationnante de nos sries de donnes. Si
elles sont stationnaires, les innovations technologiques ou chocs n'auront qu'un effet
temporaire et se rsorberont au fil du temps. Les sries devraient donc tre mme de
retourner vers leur moyenne de long terme. En revanche, si elles sont non-stationnaires,
c'est--dire si elles contiennent une tendance, les effets des chocs seront permanents et
les sries ne pourront retourner leur niveau de long terme.
La tendance peut tre dterministe (TD) ou stochastique (TS). Elle est dterministe
si la trajectoire suivie par une variable est fonction du temps. Dans ce cas prcis, il
suffit de rgresser la srie concerne sur une tendance dterministe polynomiale dont
le degr appropri peut tre trouv par un F-test ou un t-test 2 . Le modle de rgression sera alors de la forme y t = an + ait + 2t2 + a^f + - + a^fi1 + et. Les rsidus
issus de cette rgression donnent une estimation de la srie stationnaire. Ds lors qu'on
parle de tendance stochastique, on suppose la prsence de racine unitaire dans le polynme associ au processus autorgressif suivi par la srie. Aussi, une srie contenant
une racine unitaire peut tre rendue stationnaire par diffrenciation : si un polynme
a n racines unitaires, alors la n t e m e diffrence de la srie est stationnaire. Une telle
squence de variables sera dite intgre d'ordre n, soit I(n). Il a cependant t montr
par Nelson et Plosser (1982) que les variables macroconomiques taient plus enclin
contenir une tendance stochastique plutt que dterministe. C'est la raison pour laquelle nous allons tester la prsence de racines unitaires dans nos sries de donnes par
le biais du test de Dickey-Fuller Augment (ADF).
Dans l'ventualit o les sries seraient non-stationnaires et intgres, nous analyserons
leur dynamique en effectuant des tests de cointgration sur la priode entire, ainsi
que sur chacune des sous-priodes pralablement dfinies. La cointgration peut tre
dfinie comme tant une combinaison linaire de variables non-stationnaires intgres
de mme ordre. Il est bien sr possible de trouver une relation de long terme entre des
variables intgres d'ordre diffrents, mais on parlera ce moment de multicointgra1. De manire intuitive, une srie stationnaire a une moyenne et une variance constante travers
le temps.
2. Il est galement possible de se baser sur le critre de slection d'Akaike (AIC) ou celui Bayesien
(BIC), mais il faudra surtout s'assurer que les rsidus sont un bruit blanc.

15

tion. Nous ignorons prcisment les relations de cointgration pouvant exister entre nos
diffrentes sries, et pour cette raison nous opterons pour la mthodologie de Johansen
(1988) qui nous semble plus approprie car elle tient compte du fait que la relation de
cointgration peut ne pas tre unique. Il sera alors pertinent de vrifier si les conclusions
de Yang et collab. (2003) s'appliquent dans ce cas-ci : le degr d'intgration entre les
pays tend changer travers le temps et spcialement autour des priodes de crises
financires. Dans leur tude, les auteurs font l'hypothse que si un groupe de pays est
plus cointgr qu'un autre, cela devrait se traduire par un nombre plus important de
vecteurs cointgrants. Cette premire analyse nous permettra ainsi d'valuer l'volution
conjointe des indices boursiers dans le cas des marchs tudis. En particulier, nous devrions tre mme de constater si les indices du Groupe 1 semblent intgrs long
terme avec ceux du Groupe 2. En effet, bien que certains vnements (innovations technologiques par exemple) puissent affecter les indices de manire permanente, il existe,
en cas de cointgration, une relation d'quilibre de long ternie les reliant les uns aux
autres.
Partant des relations de cointgration, nous procderons par la suite des tests de
causalit au sens de Granger en utilisant les taux de rendements boursiers. Il convient
de prciser que cette forme de causalit indique uniquement si la connaissance des valeurs passes d'une variable donne x permet de prdire les valeurs futures d'une autre
variable y. Ainsi, notre objectif est de connatre l'tendue des liens qu'entretiennent
nos indices avec le reste du monde, i.e. d'autres grands march mondiaux. Plus particulirement, nous nous attacherons tudier les relations entre nos indices et le march
amricain.
Dans un troisime temps, nous effectuerons une analyse comparative entre nos indices et
un facteur de march commun non-islamique : le S&P Asia 50 3 . Nous nous poserons la
question de savoir si la FI a une influence positive ou non sur les rendements des indices
considrs lorsqu'elle est associe la FC. Par ailleurs, aprs avoir pris en compte les
facteurs de march communs, nous testerons la prsence et la significativit de "l'effet
Ramadan". cet effet, nous opterons pour l'inclusion de variables dichotomiques dans
nos modles.

3. Indice compos partir des titres de 50 grandes entreprises issues des pays suivants : Hong Kong,
Core, Singapour et Taiwan.

16

Chapitre 4
Tests conomtriques
Dans la section prcdente, nous avons nonc les tests que nous aurons faire aux fins
de notre analyse. La prsente section expose aussi bien les explications thoriques et
hypothses sous-jacentes ces tests que leur mise en application.

4.1

La stationnarit

Par dfinition, une srie est dite faiblement stationnaire ou stationnaire en covariance,
si son esprance ainsi que tous ses coefficients d'autocorrlation sont insensibles un
changement de repre temporel. Dans la suite de notre document, la stationnarit fera
uniquement rfrence la stationnarit en covariance.
Soit un modle : yt = a i y t - i + e t , avec e t , un bruit blanc. Rappelons qu'une srie est
un bruit blanc si elle a une esprance nulle, une variance constante et des termes de
covariance nuls. Dans le cas du modle ci-dessus, tester la stationnarit de yt revient
vrifier que la srie en question ne contient pas de racine unitaire ; ce qui serait le cas
si ai = 1. En soustrayant yt-\ des deux cts, on peut rcrire le modle sous la forme
quivalente suivante : Ayt 'yyt-i + et, avec 7 = ai 1. Ayt reprsente la diffrence
premire de y et est gale y t yt-\- Tester l'hypothse nulle de non-stationnarit
(H 0 : ai = 1) revient, somme toute, tester l'hypothse 7 = 0.
Selon que les sries considres contiennent une constante ou une tendance linaire,
Dickey et Fuller (1979) considrent les trois modles de rgression ci-dessous afin de

17

tester la prsence d'une racine unitaire :

Ai/t = jyt-i + ct
Ay< = ao + 7yt _i +c<
Ayt = ao + yyt-i + a2 i + et
Le premier modle est une marche alatoire, le second contient une constante et le
dernier, une tendance linaire en plus de la constante. Il convient, toutefois, de prciser quelques points importants en rapport avec ce test. D'une part, il ne considre
l'existence que d'ime seule racine unitaire et ne teste pas autre chose ; et d'autre part,
il suppose que les termes d'erreurs sont indpendants et ont une variance constante.
.4umSsi, nous opterons pour le test de ADF [Dickey et Fuller (1981)] qui tient compte
de ces aspects (il conige notamment pour une ventuelle autocorrlation des termes
d'erreurs). Le modle tester se prsente comme suit
P

&Vt = IVt-l + 5Z A A ^-*+i + *

(4-1)

t=2

ou :
7 = (ELi ^ ~ l) Ct = - Ej-mml a3On remarquera que 7 est le coefficient d'intrt dans toutes les quations. En effet,
si 7 = 0, alors Yl a i = 1 et nous sommes en prsence d'une quation aux diffrences
premires. Nous savons galement que si les coefficients d'une quation aux diffrences
somment 1, au moins une des racines caractristiques est unitaire. Si 7 = 0, la srie
contient une racine unitaire.
Selon les caractristiques de nos sries de donnes, il sera pertinent de choisir le modle
appropri au test et une estimation par la mthode des moindres carrs ordinaires
(MCO) devrait fournir une approximation de 7 ainsi que la statistique de test lie 1 .
En comparant cette dernire aux valeurs critiques contenues dans les tables de ADF,
nous devrions tre en mesure de rejeter ou non l'hypothse nulle de non-stationnarit.
Ainsi, si la statistique de test calcule est infrieure celle thorique, on ne peut rejeter
l'hypothse nulle de non-stationnarit et la srie contient une racine unitaire.
1. Les statistiques ainsi que les bornes thoriques varient selon les modles de rgression choisis.

18

4.2

La cointgration

Telle que nous l'avions dcrite dans la section prcdente, la relation de cointgra
tion traduit une relation d'quilibre de long terme entre diffrentes variables non
stationnaires. En termes mathmatiques, Engle et Granger (1987) en donnent la d
finition suivante :
Les composantes du vecteur xt = (xit,X2ti i x ntY s 0 0 * dits cointgrs d'ordre d, b,
que l'on crit xt ~ CI(d, b) si :
1. Toutes les composantes de xt sont intgres d'ordre d;
2. Il existe un vecteur 8 (f3i,,&2,... ,/?), , tel que la combinaison linaire {3xt =
(3\x\t + p\x<2 \
1finXntest intgre d'ordre (d b) o d > b et b > 0.

Le vecteur 8 est appel vecteur cointg rant et son nombre dtermine le rang de coint
gration de xt

4.2.1

La mthodologie de Johansen

Nos sries sont au nombre de huit et nous pouvons logiquement supposer qu'il puisse
exister plus d'un vecteur cointgrant. La mthode dveloppe par Johansen (1988) tient
compte de ce fait et repose principalement sm le lien entre une matrice et ses racines
caractristiques (aussi appeles valeurs propres). Vue simplement, cette mthodologie
est une gnralisation multivarie du test de DF. En considrant des processus autor
gressifs d'ordre plus importants (pretards), le modle suivant convient
p-l

Ax t = irxti + ^ T niAxti + t t

(4.2)

i=l

o xt et et sont des vecteurs (n 1). Par ailleurs, les Q sont i.i.d et ont une moyenne de
zro.
Dans cette quation, le rang de ir que nous notons rang(rr), est gal au nombre de
vecteurs cointgrants indpendants. Si rang(it) = 0, la matrice est nulle et l'quation
s'apparente un vecteur autorgressif (VAR) aux diffrences premires; par contre,
si rang(n) n, les sries sont stationnaires. Dans les deux cas de figure, la conclusion
est que les sries sont stationnaires, donc noncointgres. On peut galement assister
au cas o rang(7r) = 1. ce moment l, il n'existera qu'un seul vecteur cointgrant

19

et l'expression 7rx t \ est le terme de correction d'erreur. Lorsque 1 < rang(K) < n, il
existe plusieurs vecteurs cointgrants.
Nous .savons qu'il est po.ssible de dterminer le rang de la matrice 7r en trouvant le
nombre de ses racines caractristiques tant diffrentes de zro, mais en pratique il est
possible d'obtenir une estimation de ces racines par la mthode du maximum de vrai
semblance. Johansen (1988) propose deux statistiques de test reposant sur ces valeurs
propres estimes et ordonnes par ordre dcroissant. Celle que nous utiliserons ici est
connue sous le nom de test de la truce et teste
HQ : le rang de cointgration est < r, r [l,p 1].
H a : le rang de cointgration est p (les variables sont stationnaires, donc noncointgres).

Tl

Xtrace(r) =

^
l n ( l Xi)
t=r+l

(4.3)

Aj est dfini comme tant la iime plus grande valeur propre et est associ la combi
naison linaire "la plus stationnaire". Il faut donc procder squentiellement de r = 0
r = p 1 jusqu' ce que l'hypothse nulle ne puisse tre rejete, ce qui est le cas lorsque
la statistique calcifie est infrieure la valeur critique.

4.2.2

Modle correction d'erreur (ECM)

Dans la ralit, si des variables sont cointgres, leurs trajectoires respectives sont mo
difies chaque fois qu'il y a une dviation (due un choc par exemple) de l'quilibre
de long terme. En rponse ce choc, certaines des variables vont devoir s'ajuster court
terme afin de permettre un retour vers l'quilibre. Il est donc important de parvenir
modliser cette dynamique entre les variable si l'on veut savoir comment s'effectue
l'ajustement vers l'quilibre de long terme, mais galement si l'on veut en tenir compte
dans notre analyse. C'est prclsmment ce que permet de faire le modle correction
d'erreur ( E C M ) . Ds lors que l'on peut reprsenter la relation entre diffrentes va
riables sous forme d'un ECM, il est possible de trouver le (les) vecteur (s) cointgrant (s)
de ces variables. Autrement dit, nous serons en mesure de trouver la relation de long
terme pouvant exister entre nos indices.
Formellement, le vecteur xt = (x\t,X2t, . Xnt)' a une reprsentation sous forme d'un

20

ECM s'il peut tre crit sous la forme

A x t - TTO + TTXt-l + 7riAmTt_i + 7T 2 Ax t _2 H
TT

h T T p A x t - p + Ct

(4.4)

tant une matrice dont les lment iZj^ sont tels qu'au moins un des 7T,JL, ^ 0.

Supposons que toutes les variables contenues dans xt sont 1(1). En rcrivant l'quation
(4.4), nous obtenons
7TXf_l = Ax t - 7T0 - 2 J 7Tj AXf_,- + Ct
Etant donn que tous les termes droite de l'expression ci-dessus sont stationnaires,
il doit en tre de mme pour le terme de gauche. Sachant que TT est une matrice de
coefficient ne contenant que des constantes, chacune de ses lignes reprsente un vecteur
cointgrant de xt- Ainsi l'existence d'un ou plusieurs vecteurs cointgrants attesterait
de la prsence de relation(s) de cointgration entre nos diffrents indices.

4.3

Causalit au sens de Granger

Nous voulons capturer la relation existant entre nos diffrentes sries de rendements par
le biais de tests de causalit au sens de Granger. Ce test consiste vrifier si les valeurs
retarde d'une variable influencent les valeurs prsentes et futures d'une autre variable.
Il est donc possible de tester la causalit directement l'aide d'un VAR. En effet, lorsque
nous ignorons les liens existant entre diffrentes variables, il n'est pas toujours ais de
dfinir lesquelles sont exognes ou endognes. Un VAR permet de rsoudre ce problme
dans la mesure ou il traite toutes les variables de manire symtrique les considrant,
la fois, comme exognes et endognes - il les considre simultanment comme variables
explicatives et expliques. tant donn que nous travaillerons avec des sries de rendements (que nous supposons tre stationnaires) cette tape de notre analyse, nous ne
prsentons que la procdure de test applicable aux variables stationnaires.
Prenons comme exemple le VAR(2) suivant deux retards

yt aO + anyt-i

+ a\2yt-2 + ai3Zf_i -f- auzt-2 + e\t

- i = G20 + 212/1-1 + 0222/t-2 + 2 3 ^ - 1 + ^ 2 4 ^ - 2 + ^2*

yt ne cause pas z au sens de Granger, si tous les coefficients associs aux retards de y
dans la .seconde quation sont nuls. Si toutes les variables utilises sont stationnaires,

21

il est possible de tester la causalit directement par le biais d'un F-test en utilisant la
restriction :
02i = a22 = 0

Nous pouvons galement le faire sparment en effectuant deux t-test au moyen des
restrictions suivantes : a 2 i = 0 et 022 = 0.

4.4

Influence de la FI

Notre objectif est de dceler l'impact de la prsence de la FI dans la structure des

rendements de nos indices. Nous prsentons ainsi les modles qui serviront cette
analyse et fournissons les explications ncessaires leur comprhension. Cette analyse
est complmentaire l'analyse de cointgration. Elle porte sur les taux de rendement
excdentaires, variables qui sont donc stationnaires.

4.4.1

Le modle thorique

Nous voulons tudier l'influence directe de la FI sur la structure des rendements de

nos indices par le biais d'une variable binaire 2 . Cette variable binaire, dnotons la F ,
prendra une valeur de 1 si l'indice en question est issu d'un march o est liste une forte
proportion de compagnies islamiques ainsi que d'autres entreprises conventionnelles
(Groupe 1) ; et une valeur de 0 dans le cas contraire.
Formellement
1 pom- les indices du Groupe 1
0 sinon.
Nous dfinissons galement une seconde variable islamique, J\, elle aussi binaire afin
de prendre en compte l'effet du mois de Ramadan sur la structure des rendements. Le
calendrier musulman (calendrier lunaire) indiquant les mois de Ramadan est diffrent
de celui sur lequel nous nous sommes bas (calendrier grgorien) pour recueillir nos
.sries de prix mensuels. Il se peut donc que le mois de Ramadan s'tende sur plus d'un
2. Une variable binaire ou dichotomique est une variable qui prend une valeur de 1 pour certaines
observation afin d'indiquer la prsence d'un effet ou l'appartenance un groupe, et une valeur de 0
pour les observations restantes.

22

mois "classique" 3 et c'est la raison pour laquelle nous imposons la prsence de 14 jours
ou 2 semaines au minimum de Jene durant le mois classique.
Formellement
1 si le nombre de jours de Jene > 14
0 sinon.
Cette dfinition est malgr tout assez restrictive car il se peut que l'effet du mois de
Ramadan ne se fasse pas sentir sur une priode de temps aussi courte. Ausi, nous
dfinissons une autre variable, J2, qui nous permet de tenir compte de 21 jours ou 3
semaines de Jene durant le mois de Ramadan.
Formellement
1 si le nombre de jours de Jene > 21
0 sinon.

Etant donn que nous avons dfini deux variable dans le but de mesurer "l'effet Ramadan", nous aurons estimer notre modle par deux fois successives : une premire fois
avec la variable J\ et une .seconde avec la variable J2.
Nous tiendrons galement compte des facteurs de march communs en prenant comme
proxy l'indice du march asiatique, et ce en prsence des variables binaires F et J
(J\ et J2) dfinies plus haut. Nous serons ainsi en mesure de savoir quelle part du
rendement excdentaire - tant entendu rendement en excs du taux sans risque 4 - des
indices est explique par la prsence de la FI, et laquelle est due leur appartenance
un march commun. Nous avons vu, dans l'analyse de nos donnes la section 3.2
que les indices du Groupe 1 avaient un rendement deux fois plus important que ceux
du Groupe 2 pour un niveau de risque similaire. Nous considrons donc le rendement
excdentaire du march asiatique comme une variable pouvant expliquer les rendements
excdentaires des indices. Le modle estimer sera le suivant
(Ri,t - Rj,t) = ct0 + aiiRmjt - Rfjt) + a 2 F + a 3 J p + e^

(4.5)

avec i = (Bangladesh, Indonsie, ..., Taiwan) et p = (1,2)

3. Nous faisons ici rfrence aux 12 mois du calendrier grgorien : janvier, fvrier, mars, .... dcembre.
4. Le taux sans risque que nous utilisons est le taux de rendement des bons du Trsor amricain
d'chance 3 mois (US 3 month T-Bill).

23

Ri = rendement de l'indice i
R m rendement de l'indice de march
Rf rendement du taux sans risque

4.4.2

Estimation par rgression groupe

Cette mthode servira de base l'estimation des paramtres des quations du modle
prsent la section prcdente. Une telle dmarche est approprie lorsqu'un modle
thorique donn s'applique un groupe de variables lies. Elle est galement avantageuse dans la mesure o elle permet d'estimer moins de paramtres que ncessaire pour
des rgressions individuelles ce qui, dans ce cas prcis, quivaut plus de degrs de
libert. Par ailleurs, la taille de notre chantillon en sera augmente tant donn que
les observations des indices seront "empiles" dans des vecteurs communs. Cela contribuera fournir des estimateurs plus prcis et augmentera la puissance des diffrents
tests statistiques que nous aurons effectuer. L'estimation par rgression groupe induira galement moins de colinarit entre les diffrentes variables explicatives [Gujarati
(2004)].
Pour appliquer cette mthode d'estimation, il suffit d'empiler toutes les observations
de chaque catgorie de variable (variables dpendantes et variables indpendantes) les
unes la suite des autres. Dans notre cas, le modle de rgression se prsenterait de la
faon suivante
R = a 0 + QiM + 02F + 0.3J + e

(4.6)

Plus explicitement, R contiendra tous les rendements excdentaires des 7 indices empils les uns la suite des autres; et il en sera de mme pour M qui contiendra les
rendements excdentaires de l'indice de march asiatique. F et J, des variables islamiques, seront des vecteurs contenant des valeurs de 1 et 0. t sera un vecteur contenant
les termes d'erreurs. tant donn que toutes nos variables ont le mme nombre d'observations, nous parlerons de panel quilibr.
Les hypothses requises par la rgression groupe sont, les mmes que celles du modle de
rgression linaire classique; notamment l'indpendance des rgresseurs ou la normalit
des termes d'erreurs. De ce fait, il sera possible de procder une estimation de notre
modle thorique par MCO. L'estimation par la rgression groupe est ainsi quivalente
celle dcrite par l'quation 4.5

24

Chapitre 5
Rsultats
Stationnante
Le Tableau 5.1 prsente les rsultats des tests de stationnarit. Nous avons utilis la
formule propose par Schwert (1989)* afin de trouver le nombre appropri de retards
introduire dans l'quation du modle de Dickey-Fuller Augment. Cette formule nous
a indiqu un nombre de 12 retards. Toutefois nous faisons l'hypothse que l'effet d'une
nouvelle financire quelconque ne se fera pas ressentir sur les prix au-del d'une priode
de 6 mois. Etant donn que nous disposons de donnes mensuelles, nous avons donc
choisi de ramener le nombre maximal de retards 6. Les rsultats de ces tests nous
montre que les sries en niveau sont toutes non-stationnaires, tandis que leurs diffrences premires sont .stationnaires. Nous pouvons donc en conclure que ces dernires
sont intgres d'ordre 1, 1(1).

1. Le nombre de retards maximal est la partie entire de Pmta = 12 - ( j ^ )

[voir Enders (2003)].

2.")

g?
3 .S

t-

0
CN

o
o

w
xti
H.

CO CO

mC

eu
0

Q?
O

5:

I-

CO

8
tN co"

ifi

co
O

X 3

tN
co

jssa
*?

Q
*W

:
M

S
a
b

1--

te
0)

Qo

t p co

LO O
CN ^3*
rH #
(N CO
f

~.
a>
CN

'mT

ta
CU

CO

t
CO
rH

-m*

I-H

eo1

O
1

g s -9 "P

co
tO

CO
CN

QC

6tJ

1-3

m
O

to
tm-

0 . co
0 -*
t o s*

t-

CN~CO
1

l~ CO

CN

ro

Hci
t

CO

0
0

e n
>Q

S
CD

05
f

ca

m-O

<

tes

c
m_>

L~

00 co

LO CO

c ?
r H CO~
1

00

O tes
o
en Q

-0

TP

r-

<*
co

CN

t-

0
1

Q 3
< S

BD
S
m-J

0
3

26

CN

rH

Stat
Val.

<

rr~

-J

0
3

Um

.2*

<

"C

JZ

CJ

ml3

>

Cointgration
Aprs avoir trouv l'ordre d'intgration des sries, il est prsent possible d'tudier les
relations de cointgration les liant les unes aux autres. Nous nous sommes tout d'abord
intresss au nombre de retards introduire dans le vecteur cointgrant en estimant
un VAR sur les sries non-diffrencies. Les rsultats des tests de cointgration pour la
priode entire ainsi que celle pr-crise sont prsents au Tableau 5.3. Il est important de
prciser que nous cherchons tudier les relations de long terme entre les indices, c'est la
raison pom" laquelle nous n'avons pas effectu de tests sur la priode post-crise. En effet,
nous disposons de donnes mensuelles et une priode de 4 ans de donnes mensuelles
se rvle insuffisante pour permettre de dduire des relations de cointgration entre nos
sries.
Sur la priode entire, les sries n'exhibent pas de relations de cointgration et il en
est de mme lorsqu'on les tudie par groupes. La seule relation que l'on parvient
dceler est celle existant pour l'ensemble des 8 sries tudies (voir Tableau 5.2) : en
prsence du facteur de march commun, les indices des groupes 1 et 2 sont intgrs
long terme. D'un autre ct, si l'on 5e rapporte la priode pr-crise, nous parvenons
dceler 18 relations de cointgration bivaries et 14 si nous excluons l'indice de march
asiatique. Parmi ces relations, nous constatons que tous les indices du Groupe 1 sont
cointgrs, deux sur trois combinaisons au sein du Groupe 2 le sont et pour les autres,
c'est--dire entre les indices de groupes diffrents, seulement six sur douze (soit 50%)
sont cointgrs. Par ailleurs, parmi les 7 indices tudis, seuls 4 montrent une relation
de cointgration avec l'indice de march.
TABLE 5.2: Tests de cointgration (1). Le tableau rapporte le nombre de relations de cointgration
par groupes d'indices au seuil de 5%. Les chiffres entre parenthses reprsentent le nombre de retards
utiliss pour chacune des sries. GI = Bangladesh, Indonsie, Malaisie, Pakistan et G2 : Chine, Inde,
Taiwan. Le (*) indique l'inclusion de l'indice de march S&P Asia 50 dans l'estimation de la relation
de cointgration.

GI

GI*

G2

G2*

Groupes 1&2

Groupes 1&2*

riode entire

0(1)

0(1)

0(1)

0(1)

(j

riode pr-crise

1(1)

1(1)

0(1)

1(1)

Kl)

1(1)

27

K g g
<

CJ
X
<

CQ

CQ

ss s
rr,

a
CA;

Ps,
zn

&
H

CO

mS

en

C/j

CQ

PN

IX

_T

y,

O
O

C
O
X

us
1-1 "T.

TI O

1-H m( O

CQ

o
o
lH

-H

C/j

CQ

3
U

CJ

m,

CN

CN

TJ
CJ
o o o o

CN

<

>*
S

il r* i* CO rt

ci
Cv

CN

a
CQ

CQ

CN

CJ
:

iI ! tI O

r H i<

<

o o o

<

rH rH rH O

rxI

o
10

E
S

m
3

o
TJ

an

"fi
Ci

CH

.!:<

Cm
m*_

y. X
Cv

15
y:

CH

e;

W M -*
< ^ M Q Z ^ X

cq

s
3

PH

2S

<

a
X
m> s a M s5
SB arHOO zCQf7
^zn x P

o
m

a
<
oco^cdag<<

n Pu ^

co co H co

Il est donc possible de tirer trois principales conclusions de ces estimations :

1. Les indices sont gnralement plus intgrs avant la crise qu'aprs. En effet, jusqu' la fin de l'anne 2007, les indices prsentaient plusieurs relations de cointgration (18 au total) ; tandis que sur toute la priode, ces relations semblent avoir
disparues.
2. Les indices sont plus intgrs quand ils font partie du mme groupe et cela est
d'autant plus vrai pour les pays islamiques qui sont intgrs 100% contre 67%
pour les pays non-islamiques.
3. L'indice asiatique semble plus important pour les pays islamiques que les autres
(Chine et Taiwan en particulier) indiquant ainsi que les pays non-islamiques sont
peut-tre plus sensibles aux facteurs du reste du monde tel que les marchs europen ou amricain par exemple.

Causalit
Partant du constat prcdant, nous avons procd des tests de causalit au sens de
Granger dans le but d'tudier les relations entre la Chine, le pays le plus important du
Groupe 2, et les Etats-Unis. Nous avons choisi le New York Stock Exchange Composite
Index (NYSE) comme proxy pour le march amricain et avons recueilli les donnes sur
la mme priode de rfrence, savoir de janvier 2001 dcembre 2011. Les rsultats
sont prsents au Tableau 5.4.
En nous basant sur les p-valeurs (toutes suprieures au seuil de 5%) associes aux
diffrentes statistiques F , nous ne pouvons rejeter l'hypothse nulle de non-causalit et
en dduisons que les rendements sur le march chinois n'expliquent pas ceux observs sur
le march amricain et vice versa. En d'autres termes, il n'est pas possible d'amliorer
les prdictions de rendements sur la seule base de l'historique des rendements sur les
march chinois ou amricain ; il en est de mme pour chacune des sous priodes. De
prime abord, il aurait t logique de penser que l'importance des relations commerciales
entre les deux pays serait de nature influencer les rendements observs sur l'un ou
l'autre des marchs. Toutefois, au regard des rsultats obtenus, il est raisonnable de
supposer que la Chine et les Etats-Unis sont affects par des facteurs distincts.

29

Nous avons, par ailleurs, vu au Tableau 5.3 que les indices du Groupe 1 sont fortement
intgrs avec l'indice du march asiatique; il s'avre donc intressant d'tudier la relation de causalit (toujours au sens de Granger) pouvant exister entre cet indice et
celui du march amricain afin de voir si les rendements du NYSE Composite pouvaient
avoir une influence indirecte sur ceux des indices du Groupe 1. Les rsultats prsents
au Tableau 5.5 nous font parvenir aux mmes conclusions que prcdemment : il ne
.semble exister aucun lien de causalit entre les deux indices.

TABLE 5.4: Tests de causalit (1). Nous avons test les relations de causalit au sens de Granger
entre les indices de la Chine et des tats-Unis. Le tableau rapporte la statistique F de Fisher au seuil
de 5% pour la priode entire et chacune des sous-priodes. Les chiffres entre parenthses reprsentent
la p-valeur associe chaque statistique. NYA = New York Stock Exchange Composite Index (tatsUnis), SHCOMP = Shanghai Stock Exchange Composite Index (Chine). L'hypothse nulle teste est
r/p : La variable de la ligne i ne cause pas au sens de Granger celle de la colonne j.

Panel A : Priode entire [janv. 2001 - dc. 2011]

SHCOMP
SHCOMP
NYA

"T"

NYA
2,2627
(0,1084)

0,1818
(0,8291)

Panel B : Priode pr-crise [janv. 2001 - dc. 2007]

SHCOMP
SHCOMP
NYA

~T~

NYA
0,2846
(0,7531)

0,0878
(0,9161)

Panel C : Priode post-crise panv. 2008 - dc. 2011]

SHCOMP
SHCOMP
NYA

30

~ ~
0,3559
(0,7027)

NYA
2,1556
(0,1288)

TABLE 5.5: Tests de causalit (2). Nous avons test les relations de causalit au sens de Granger
entre les indices asiatique et amricain. Le tableau rapporte la statistique F de Fisher au seuil de
5% pour la priodes entire, ainsi que pour chacune des sous-priodes. Les chiffres entre parenthses
reprsentent la probabilit associe chaque statistique. NYA = New York Stock Exchange Composite
Index (tats-Unis), SAXCME = S&P Asia 50 (Asie). L'hypothse nulle teste est i/o : La variable de
la ligne i ne cause pas au sens de Granger celle de la colonne j.

Panel A : Priode entire [janv. 2001 - dc. 2011]

SAXCME
SAXCME
NYA

0,3192
(0,7273)

NYA
0,3410
(0,7117)

Panel B : Priode pr-crise [janv. 2001 - dc. 2007]

SAXCME
SAXCME
NYA

0,4957
(0,6111)

NYA
0,5611
(0,5729)

Panel C : Priode post-crise [janv. 2008 - dc. 2011]

SAXCME
SAXCME
NYA

~ ~

NYA
1,8191
(0,1750)

1,8830
(0,1651)

Influence de la FI
Aprs avoir tudi les caractristiques ainsi que les liens entres les diffrents indices,
nous avons test la prsence du facteur FI ainsi que de l'effet Ramadan dans les rendements. Comme nous l'avions indiqu la section 4, nous avons estim par MCO deux
rgressions groupes sur les rendements en excdent du taux sans risque afin de tenir
compte de l'inflation. Le premier modle estim tenait compte d'une variable dichotomique de valeur unitaire lors de deux semaines ou 14 jours de Jene durant le mois
de Ramadan en question (variable indpendante J \ ) , et le second en considrait plutt
une pour trois semaines ou 21 jours de Jene (variable indpendante J2). Les rsul-

31

tats de cette premire estimation sont prsents au Tableau 5.6 - Panel A. Nous avons
galement de bonnes raisons de penser que la prsence de valeurs extrmes dans nos
donnes est de nature influencer les coefficients estims ainsi que leur significativit.
Pour tenir compte de ce fait, nous avons restim le mme modle que prcdemment
cette fois-ci par le biais d'une rgression robuste qui tient compte de la prsence et de
l'effet des valeurs extrmes (voir Tableau 5.6 - Panel B).
Afin de s'assurer qu'une des hypothses fondamentales du modle linaire n'tait pas
viole, l'homoscdasticit des rsidus des rgressions a, ds lors, t teste par le biais
d'un test de Breusch-Pagan (BP). Les probabilits associes aux diffrentes statistiques
de test tant toutes suprieures aux seuils de 1%, 5% et 10%, nous ne pouvons rejeter
l'hypothse nulle d'homoscdasticit des rsidus de l'estimation : les coefficients estims
sont donc sans biais et conservent leur proprits asvmptotiqu.es connues. De plus,
nous remarquons que les R? ajusts sont tous trs levs pour toutes les rgressions
(suprieurs 99%), ce qui nous laisse supposer que le modle a t correctement spcifi.
Contrairement l'estimation par MCO classique, le coefficient associ la FI est significativement non nul aux seuils de 5% et 10% et l'hypothse de nullit conjointe
des coefficients est galement rejete avec une p-valeur = 0,0000. Nanmoins, nous ne
parvenons pas dceler l'effet Ramadan : que l'on considre 2 ou 3 semaines de Jene
dans le mois, les coefficients J \ et J 1 sont tous deux non significatifs. Il .semblerait donc
que la F I ait une influence significativement positive d'environ 1 % sur les rendements
excdentaires des titres composant les indices des pays du Groupe 1. Nous notons galement la significativit du coefficient associ au rendement excdentaire du march qui a
un effet sensiblement gal 1 indiquant qu'iZ n'existerait, par consquent, pas de prime
de risque associ au march pour les indices con.sidrs. Ce rsultat semble d'autant
plus probant que les restrictions imposes au modle de base sont trs fortes. En effet,
ici nous imposons une galit entre tous les coefficients a i et o-2 pour tous les indices.
Cela revient dire que le rendement excdentaire du march asiatique, de mme que la
FI ont un effet constant sur le rendement excdentaire de chacun des indices sur toute
la priode considre.
Nous savons de par les rsultats prcdents que la FI a une influence positive sur les
rendements des indices pris ensemble. Il tait alors intressant de savoir si ce rsultat
tait influenc par un ou des indices en particulier. C'est ce que nous avons voulu tudier
et avons restim notre modle de base pour chacun des indices. Ici aussi, nous avons
tenu compte de l'influence des valeurs extrmes sur notre estimation et avons procd

:\1

TABLE 5.6: Rgression groupe. L'influence de la FI a t teste pour l'ensemble des marchs en
estimant le modle suivant par le biais d'une rgression groupe sur la priode entire [janv. 2001 dc. 2011] : (Ri,t Rf,t) Q0 + ai(i m i t i?/it) + 02^r + c-3^.+*i,t- Le tableau rapporte les coefficients
estims pour chacune des variables indpendantes, ainsi que les p-valeurs associes. Les tests ont t
raliss avec un niveau de significativit de 95%. Rm,t Rf,t = rendement excdentaire du march, F
= variable dichotomique indiquant la prsence de la FI, J\ et J% = variables dichotomiques indiquant
respectivement 2 et 3 semaines de Jene durant le mois de Ramadan. Les marchs sont le Bangladesh
(DHAKA), l'Indonsie (JCI), la Malaisie (FBMKLCI), le Pakistan (KSE100), la Chine (SHCOMP),
l'Inde (SENSEX) et Taiwan (TWSE). ( " = significatif 5%, * = significatif 10%).

Panel A : estimation par MCO classique

avec J l

avec J2

Constante

-0,0023638
(0,613)

-0,0039658
(0,394)

Rm,t - Rf,t

0,9979367
(0,000)**

0,9977841
(0,000)**

0,0078499
(0,110)

0,0078499
(0,110)

-0,0066567
(0,429)

0,0152615
(0,190)

Panel B : estimation par MCO robuste

avec J l

avec J2

Constante

-0,0040086
(0,344)

-0,0052869
(0,209)

Rm,t - Rf,t

0,998548
(0,000)**

0,9984362
(0,000)**

0,0104337
(0,019)**

0,0103985
(0,019)**

-0,0042705
(0,575)

0,0138684
(0,188)

33

de la mme manire que pour la rgression groupe. Nous prsentons les rsultats de
l'estimation par MCO classique au Tableau 5.7 ainsi que ceux de l'estimation tenant
compte des valeurs extrmes au Tableau 5.8.
tant donn que nous estimerons des rgressions individuelles, il sera impossible de
tenir compte de la variable dichotomique propre la FI sans induire de colinarit avec
la constante. Nous optons ainsi pour le test d'hypothse de Wald afin de vrifier les
restrictions suivantes :
#0 : ao,paysl

a0,pays2 = = a0,pays7

( tousfescoefficients sont g aux)

H a ' aQ,paysl 7^ a0,pays2 " " a0,pays7

( au oins un des coefficients est diffrent).

L'intuition derrire ce test est que si les constantes d'un mme groupe sont gales les
unes aux autres tout en tant diffrentes de celles d'un autre groupe, cela pourrait tre
partiellement du l'influence de la FI. Le test est effectu pour les constantes des 7
quations et est par la suite repris pour les quations 1 4 (Groupe 1) et 5 7 (Groupe
2) sparment afin de confirmer ou infirmer notre intuition de dpart.
En considrant 2 semaines de Jene, l'hypothse nulle d'galit des constantes des 7
quations donne lieu une pvalcur = 0,1494 et nous concluons qu'il! n'y a pas de
diffrence de rendements moyens entre les indices des deux groupes. Par contre, les
conclusions sont diffrentes lorsque nous considrons 3 semaines de Jene dans notre
modle d'estimation. En effet, l'hypothse d'galit de toutes les constantes est rejete
au seuil de 1()%> avec une pvaleur = 0,0945 ainsi que celle d'galit entre les coeffi
cients du Groupe 2 au seuil de 5%) avec une pvaleur 0,0449 Sans pouvoir attribuer
systmatiquement cette diffrence la FI, il est possible de croire que ce facteur soit
en partie responsable des carts dans les constantes. Par ailleurs, la Chine semble tre
le pays prsentant le plus de diffrence, ce qui correspond probablement son rle
particulier dans la rgion asiatique. trangement, pour l'estimation avec MCO, l'effet
Ramadan est significatif pour Taiwan (un pays du Groupe 2), mais cet effet disparat
avec l'estimation robuste. Il est ainsi plausible de supposer que l'influence de la FI a t
prise en compte avec l'inclusion du rendement excdentaire du march et des jours de
Jene comme variables explicatives. Au demeurant, le rendement excdentaire du mar
ch asiatique tant le seul significatif pour toute la priode, nous pouvons penser que le
Capital Asset Pricing Model (CAPM) dcrirait de manire adquate le comportement
de 6 indices .sur 7 (i.e. hors Chine).
Globalement les rsultats de ce test sont conformes aux conclusions tires du Tableau

34

5.6 ; ce qui est d'ailleurs tout fait logique sachant que nous n'avons pas pu tenucompte des carts entre les constantes dans cette analyse. En effet, dans le Tableau 5.6,
la variable dychotomique F jouait alors ce rle, puisqu'elle permettait de distinguer les
pays prdominance islamique de ceux du Groupe 2. Les rsultats robustes du Panel
B de ce tableau ont permis de constater un impact non nul de la FI sur les rendements
boursiers des pays du Groupe 1.
Comme nous l'avons vu lors des estimations par MCO classique et robuste, nos rsultats
sont gnralement tributaires du modle de rgression choisi. Assurment, les modles
utiliss jusqu'ici supposent que les rsidus estims sont indpendants. Il est donc tout
fait lgitime de se poser la question de savoir si nos rsultats seraient modifis si cette
hypothse d'indpendance des rsidus tait relche. Sachant que les variables explicatives sont les mmes pour les modles en question, nous allons dsormais prendre en
considration le fait que les termes d'erreurs peuvent tre corrls. En ayant recours
a une rgression multivarie (ici un "seemingly unrelated regression" SUR 2 ) qui tient
compte de cette nouvelle hypothse, nous ne parvenons pas dceler la prsence de FI
dans les rendements excdentaires des indices. Ici aussi, contrairement l'estimation
par rgression groupe, il n'est pas possible de tenir compte de l'effet des valeurs extrmes. Cela peut donc expliquer le fait que nous n'ayons pu dtecter aucun coefficient
significatif en dehors de celui li au rendement excdentaire du march, except pour
la Chine. Nous voyons par ailleurs que l'hypothse de corrlation des rsidus pourrait
se justifier dans la mesure o le test d'indpendance de BP (voir Tableau 5.10) nous
indique que ces derniers ne sont pas indpendants travers les modles.

Tout compte fait, les rsultats de l'estimation par SUR (Tableau 5.9) ne sont gure
diffrents de ceux obtenus par MCO classique, sachant que l non plus, nous n'avons
pas pu tenir compte des donnes extrmes : except pour la Chine, aucun coefficient en
dehors du rendement excdentaire du march asiatique n'est significatif. Sur la priode
entire, le CAPM dcrirait convenablement le comportement de 6 indices sur 7.
Tout comme nous avons vu que les rsultats pouvaient varier selon les modles de
rgression choisis, nous savons galement que la priode d'estimation peut avoir une
incidence sur la significativit des rsultats. Aussi lorsque nous nous intressons aux
sous-priodes que nous avions dfinies au dbut de notre analy.se, nous constatons que
l'effet des variables associes l'effet Ramadan (J\ et J2) est plus manifeste durant la
priode suivant la crise, et cela peu importe le modle d'estimation choisi.
2. Nous avons, bien entendu, tenu compte du nombre d'observations notre disposition afin d'obtenir des estimateurs en accord avec de petits chantillons.

35

CM
mO ^-m.
t*- CO

a xn

"S

CN

eo -.

CN CO

CN ,:

3< co

""

O ^H

"S

I s - -~m

OO 00

CN -mj

le

e0

2*
o o

J -l

go
o

00
"* t

lO

OtJ

>

S3-

oo
LO"
O H
_
o~o.

t~-m
'Vf o

<=>%.

S
o
o

. - o_r
O
w

o> o
o " O_r

co
o -oo o
O ^r

"S

CN

LO

i o oo
*-'

O l>

o o

g LO

oo

00

es;

3^-m

** o
2 O
o

t- s
ao
o
_r

co S

Gi o
~
_r
O w

io

r
r
rf

..

CN 5<

t1
- i t
CO

CM
^H
CN '<

o*

3062
28)

<s
\*

O ^m

00823
26)

35

7539
79)

a
o

,02712
,010)*

es

*5 .*-v
O LO

? 2-

o o

o ^

q ^j.
o cT

o co

*-H
it est

eo oo

-o-w

S*
s

r:

o
o
oo o

_r o
o w

2-o

s
o o

00
CN y m

co
00
O CD

jis eo

*?S-

~e

Ci

LO

w
&

V.

,m

eo'
ag es,

.m

co rh
LO co

S g 3
'3

fc
2-m
2!
2 ^

-H

en o

o
2o o so __ r > w
o
r-l

o ^

L O ym,

LO --H

_r
_-
O w

ti m^<

S-5
F*

C5 o

, m

CN CN

1*
.m
LO O
LO

S-m

co ,.
t - CN

g-

M ;

S*

o
CO o
o

2-
O w

m-m-

md

, m

eu
S 'C

-!

2
U

36

H
OT

O
Q
S

en

Ki

Z
Ul
1/3

S2

oo -o
eo eo
<

jj

n ep

Is

LO
LO
t - mm.

LO

3
o oo

~ S

O)
C O ym-m,

co

lO

f-

t cO

II Is Is
J lO

CN

eo

tn

LO

-T rH

LO

^~m
rH

"* cO

TS

CN ^m
00
T-H CN
O CN

'

a
o

o
r" w H

P . m

2*
LO

2
2
o- O r

i-H -

3 >
SS

PH O

-r

^-

ao
O-m.
oo

8<L

00 o

Si

o"S

00
o

ref

o~S

s * Il
eo
rI
r - t fm.
LO

'C,

S r ^ t

s
S 1 S-s
P3 j

mi

oo

r.

1g Z

LO
r.
CO CN

S
S
"

LO

3 i
o n 3
X

O e

co
r H eo
CN
O w

cr;

4?

w-

b - r-V

il
;-*.

^ o

^~.
TJ.
r H C>

s *~

co .-.
CN
t-- 0 0
rH O
O LO

OP.

eo LO
O oo

IO
.

eo
rH "*
05

eo o

S-s

cr.

eo
' Lm
O

LO
CN ,.

CN

oo

rH

"P.

o~o

Sp

00*
CN*

CN

LO

IO
CN CN

O o
S

00 o
o
o

CM
CN
ri" ,

^ *
oo o
00 o
oo o
*~

eo
r H mN

co oo

LO J

o
iO o
o
-

OCm-

2s

a,

'w

LO

^H5

L
oo |
IO

a
X.

-.

Cm

Cd
3
_3 CCm r
<
5 |

H S S

=2
m

W
m/

sC

oX

md

zn
Z

zn

:^7

r.

CO r.
CN CO

CN

-s

o "*

-r

,m

ro
rH CO
53 LO

IO
LO ,_m

s .

N t o

t-,
,
* co

00 H/

C N CN

CN

2 s 2s ts

eo

t o .-
co
rH

H
O

CN

a
o

LO

mm!

CD o

Ec

fc
c

0~S

rH J CN o

"H-

C N mm,

2
*V tm.

IS

to

*"H
OS

"

*-*-,
Tr

O

S-o S
O m--'

N i *

00 r-i
r H "<*
O "CP.

2s

**S

Is

00*.
Q0*-m,

o-

o
2

_r o

co
o -

CO ,.
LO
00
I s - "#

CO*.

rH >>

LO

"s

o *

LO
00

C N -Z~

LO 0 0

"^ o

P
o
O '

tO

CN *
rH /.

b - rH
o

oo

N^ .
rH ^
CN

fc
o
00 O

P
o
S-r

CN
C D ,m,

o>
"

_T O
O
w

14

"mjt

t rH
rH t "*L

S -'
co co
O

LO

**

m200 o

o
5
o
Ci ~ -

CN

t-

CN oo
^L
o o~

eo
CN

CN ,

CO LO
CD CO

CN S
O

o
~

00 r .
CN ^ j ,

o r-^
"..

8 "

eo ,
r - LO

.2 -5 -Qs<
-S5 *a?
LO

r-.

a sa
x

q SS
O

2's

ss
_r

r H *

" *

ft,
I

go

of

LO
.m
CO CN
LO CO

S_

o
o

Is 5 S
o <

CT:

rH *
rH *

LO ^~m
LO r H
CO
_

o co
*H oo

CN 0

ts
IS*
CN 2-m.
2

o

' Zr
O

O "'

*j c o
--

So"

Cj

'3 fa-5 i i i

38

M
S
CQ
fa

P
o~o
I >-r-

-rx

SP *

fc*
O

o
_T
' O

o -^

_.

oeo -~
so

o
OT

1
o
fc

co
o
z
o- '
O N

fa

Q
K

rS

LO t o
rf

p
=>

t>-

2s

2*

rH

o
CO o
o
y_r
O
w

rH
Q
o
O
o
_r
rH- -ow

X
CW

z
zn

TJ
*
o >-

'mC

TABLE 5.10: Tests d ' i n d p e n d a n c e d e B r e u s c h - P a g a n . Sin la priode entire, nous avons test
l'indpendance des rsidus du modle SUR estim sur la priode entire. Le tableau rapporte les coefficients de corrlation des rsidus pour tous les 7 indices. Les indices sont le Bangladesh (DHAKA),
l'Indonsie (JCI), la Malaisie (FBMKLCI), le Pakistan (KSE100), la Chine (SHCOMP), l'Inde (SENSEX) et Taiwan (TWSE). (** = significatif 5%, * = significatif 10%). L'hypothse teste est H 0 :
Les rsidus sont indpendants.
Rgression avec J l

DHAKA
JCI
FBMKLCI
KSE100
SHCOMP
SENSEX
TWSE

DHAKA

JCI

FBMKLCI

KSE100

SHCOMP

SENSEX

TWSE

1,0000
0,0597
0,3016
0,2073
0,2250
0,0865
-0,0601

1,0000
0,4023
-0,0515
0,0354
0,3694
-0,1502

1,0000
0,2028
0,3263
0,1453
-0,0328

1,0000
0,1160
0,0834
0,0596

1,0000
0,0864
-0,0952

1,0000
-0,1611

1,0000

Stat. BP
P-valeur

99,590
0,000**

Rgression avec J2
DHAKA
JCI
FBMKLCI
KSE100
SHCOMP
SENSEX
TWSE

Stat. BP
P-valeur

DHAKA

JCI

FBMKLCI

KSE100

SHCOMP

SENSEX

TWSE

1,0000
0,0561
0,2957
0,1986
0,2125
0,0808
-0,0495

1,0000
0,4042
-0,0468
0,0405
0,3711
-0,1516

1,0000
0,2021
0,3244
0,1442
-0,0272

1,0000
0,1147
0,0829
0,0662

1,0000
0,0842
-0,0844

1,0000
-0,1573

1,0000

97,335
0,000**

Nous notons de mme que la variable J2 ressort plus que la variable Jl, ce qui est d'autant plus probant dans la mesure o la premire est plus restrictive. Cette significativit
n'est pas due l'influence d'une seule observation prenant une valeur de 1, mais un
effet directement attribuable au Ramadan comme nous l'avions expliqu dans le choix
et la spcification des variables la section 3. C'est le cas pour la Malaise, par exemple,
o cet effet est pass de 4,39% avec 2 semaines de Ramadan 6% pour une priode
de 3 semaines. Ainsi, l'effet Ramadan est plus clairement identifi quand la variable
binaire associe cet vnement retient S semaines de Jene dans le mois plutt que 2
semaines.

39

Nos conclusions rejoignent ds lors celles de Al-Hadjieh et collab. (2011) qui justement
rapportent un effet positif du mois de Ramadan dans sa globalit sur le rendement
de certains marchs boursiers du Moyen-Orient. Par ailleurs, du fait mme des principes la base du Jene (repentance, pit, humanisme), nous imputons, comme les
prcdents auteurs, cet effet un sentiment 3 d'optimisme gnralis des investisseurs
sin- les marchs durant le mois en question. Il est videmment lgitime de s'interroger sur d'autres causes possible de la significativit de l'effet Ramadan telles que la
liquidit ou l'effet particulier d'un jour de la semaine. Ces hypothses ont t carts
par Bialkowski et collab. (2012) qui ont test la robustesse de l'effet Ramadan dans
les pays prdominance musidmane (3 des 4 pays que nous tudions sont inclus dans
l'analyse des auteurs : Indonsie, Malaisie, Pakistan). Il est ressorti de leur tude que
non seulement ni la liquidit ni un jour particulier de la semaine n'taient en cause,
mais que l'on assistait galement une baisse de la volatilit sur les marchs de ces
pays. L'effet positif du Ramadan sur les rendements excdentaires est donc, dans notre
cas, bel et bien significatif. Par ailleurs, nous voyons que mme si l'effet Ramadan a
t prcdemment tudi, il ne l'a pas t en rapport avec les priodes de crise. Ce que
notre tude parvient ainsi dceler, c'est la diffrence de comportement des variables
islamiques durant la crise, i.e. pendant l'existence de chocs majeurs : les marchs de
certains pays prdominance islamique ont eu un rendement en excdent du taux sans
risque environ 6% suprieur aux marchs classiques.

Comme nous y avions dj fait rfrence dans notre revue de littrature, des auteurs
tels Boumediene et Caby (2009) ont tablit que les banques islamiques n'taient pas
soumises aux mmes risques que les banques conventionnelles, sans pour autant nous
permettre de driver des conclusions pour les marchs boursiers. N'ayant pas modlis
la volatilit, nous ne pouvons catgoriquement parler de baisse de volatilit sur les marchs que nous tudions comme l'on fait certains auteurs [Hakim et Rashidian (2004),
Seyyed et collab. (2005)] ; et cela plus forte raison pendant une crise gnralise. Toutefois, la prsence de l'effet Ramadan dans nos rsultats nous porte croire que certains
marchs prdominance musulmane ont t partiellement immuniss durant la crise.
Les rsultats de l'estimation groupe (Tableau 5.6) nous ont permis de dduire que
l'interaction entre F I et FC semblait avoir une influence positive d'environ 1% sur les
marchs prdominance islamique. Cependant, nous ne pouvons tendre cette conclusion aux indices pris individuellement car dpendamment des modles d'estimation
3. Le sentiment des investisseurs est connu pour avoir un rle dterminant sur le prix des titres
[Edmans et collab. (2007)].

40

employs, il n'est pas toujours possible de tenir compte de l'influence des valeurs extrmes prsentes dans nos donnes. Nanmoins lorsque nous tenons compte de ces
valeurs, nos rsultats sont en marge des conclusions qui ont t tires pour les indices
entirement islamiques savoir qu'il n'existait pas de diffrence de rendements avec les
indices conventionnels pour l'ensemble de la priode sous tude. Pour autant que l'on
se rfre aux sous priodes, nos rsultats contredisent quelque peu les conclusions de
Hussein (2004) et Hassan et Girard (2011) qui taient que les indices islamiques procuraient un rendement anormal 4 en priode haussire et un rendement plus faible en
priode baissire. Ici, nous observons que le rsultat est tout autre : les indices des pays
prdominance musulmane ont offert un rendement gnralement plus lev lors de la
dernire crise financire.
Pour rsumer, il apparatrait donc que la prise en compte de facteurs communs aux
indices des pays tudis permette de dceler la prsence de la FI dans les marchs o elle
est fortement intgre. Nous avons, en outre, pu relever la prsence significativement
positive de l'effet Ramadan lorsque l'on considrait une priode de Jene de 3 semaines.
Il est donc clair que des stratgies bases sur le mois de Ramadan seraient avantageuses
pour les investisseurs cherchant diversifier leurs portefeuilles. Une telle dmarche leur
procurerait non seulement un rendement anormalement positif mais contribuerait par
la mme occasion rduire leur exposition au risque durant les priodes d'incertitude
sur les grands marchs mondiaux dans la mesure o l'effet des variables islamiques
semble tre plus significatif lors de chocs majeurs.

4. Comparativement ce que prdit le CAPM qui veut que le rendement excdentaire du march
soit le seul dterminant du rendement excdentaire des titres individuels.

41

LO
.-^

co

CN CO
LO

ira
CN r H

'3D

LO
LO
CO-~
T f "f

co
O

CN

o'"

00

CO.m.

rH

. H

is

00

0 5

-?

oo
rH

LO

o'"

-m
2
es
io o

CN
m
r H

CS

es
3
O
B

CO

CO^-m

r>~
iPeo
CN r H

r-m!tLO

ci 6
-S

oo

TH

i i g t
O'P

r H 1/5

o p

*""

r.

LO

^ i r.

g CN

"#

eo o

o~~

SU

o
o

.
a
a
OS

OH

CN?.

*~

d H. S1

o
.
B
h
t*

CO*

oo

m*
2

S
o

>

oo

CN

*?-, p-

r-

-r

iO I

y-^i - " * .

Tf t-

O co
o op^
~~

go
ro'

8~
3
r
_r
'

5g

% 2
oS

>

ira

oo

Tf

'tf

P "
o=>

ri-.*

*
l^-

ii

o
_r
'

iV

LO'-

P
Q

CN-m
M o

35 o
5s

co

co
o oo
o

^ # z***^.

LO

r H

ce
LO I s rH

i-(

O O

LO

co

CN.
O
CN
O C N

o"'

CN ,m.

CO
p~

-5

es

-" '

00,m
**" LO

j o oo

LO -J*
H
^

IS ctS

11

c o ^
ao>ra
t

5
eo o

PH

'mf

o'

00

a,

a
-2>^
2S

2
S

~
-r
O'

_ < ta
rH -, . S

<:

'

rH*
LO

t o

tl

u
ce

H?-s

>
o
C N
0

t o_ r
_r

o-

-5

t~>-.
f j o
00 o
o
_r
_r
O-'

r *

eoV
i
o
2
o- o_r
!-,_

as IL
*

oo
o
_r
o

CM

U
_:

<

OJ
tt

42

CJ
U

-CJ

e
LO

o
o
es

K'

00$
*
-?-. ?-
S

Cgo
o 2
o o
'

p
_r
- r o O-'

KB

. " JB r- fl

o
.22
u

PQ
rV

-3
y

m-c.

rH
a

CQ
mi.

mt.

r.

.2. r =
r
0

Cm

s,

J5 U* 3

'

cr

II

m.

4B

m-jj"

m-3

H -

-1 a
~

9
5
m-

_C-

.5

.H

CN
Lra^r
00 co
CN r r

II
-r #

se

= L O
c.
: mm

Cm

s0

*3

mys

te

'H

'x

X
X

CN

25

w *
-
C

-o

-1

-5 Ir!
= lO
C.
-mi "S
Cm
-C
CJ
c;
*

x
0
u
o

0.

-CJ
m^

c
m^

in

ta

S a

--m

m
Zi

.
H
- O

mm->

Tl

S
r*N

>

a*'
+ X

S"

-S
3

1
a

--

4g

-m--

O'P

M)

SP

o-

o-S

t - NJ

, m

12
O L O

O S

10^-^
co LO

C5
L

LO
00

'"

r_>

r H -m-.

00

8
o S rS
o

cCOo -
^

S
O N

o'o
1 ^"

-2

Ir

_r
-T
-

il

s sS

i2

eo*-.
2

0*mmv

_r

- r

00 0

kO
-m.

Oo

fc

2 O

-'

t-K

-r

rH

o
^~
es
^ *ra

CN

^ 0
o 0 2
2
r
2

' O_r - 0_r _r r O_r

0 ^ 0_r
rH

'

i CQ
X

CT

1
0

CJ
X

3i

"O
-H

Crn^
I- C 0
o 00
o "

II

i
<

a
J Q
0

i,

s
O"

II
H

.-3

CS

t-CN
- * CN
O -H

^y

^-m
-X
CB

-Tm LO

O)
eo co

11

CO
CO
0 0 ^-m

>

r- 00

rH
s* O

S
""

co
.

CN t~
c.

co
es

0 C
.9
x
o
c
o
b
CS

rH
il

y - l

O tm-

CO r H

es.,
lO c o
CN c o

g 2 a
mT2

CJ

.2
u

oo
O

a
o

/ M *

oo

| o
00 0
2

-
s
2
2
0

-m"

k-O-m.

CJ

-.
2

r - O
_r
rH-^

_r
_r
'

-r

'

>

B
S

TJ S

2 *

S*

S*

S*

2
?*

2 "
2
2

"S

rH" .

s"
0
2 0
--T
S

3 ^
2
0
_lr

^-o
rH-Ti.

2
O
0 5

CN>-

fco

_0 r

rH-S

<

J9"

eo 0

1a

2 5 -z
1

l>-^^
CN
CS 0
O CS

i E?
J

o
o

rfl

-c

_s

C J
D

co
o
es

0
o ^^
0
es
0 **
o

^5

3
2

CJ

1 | 1

N
II

22 >
g P co

SE g o

O
X

00-00 LO

>-^

rH

m-J

+ o

ci
. .
l O

es

18

~P

mX

-Cm

"C.

ft!

i=a

CN

co

_""

2 00

S*--.

-1

CS

0 0 ^-m

CO

CJ

OH

28 es

0
rH 10

CT:
CO^-^

25 S
s "3

m-

Se

g*

.0*0

Jg

CO

rH ,

Cm

Vf 00

fe

CN

lH

-Cm

OCN

"p

co

<-
3

co o

es
s
o

1 i ta
I 1 II --C

00 S
oc

m-

sS II

25 S

cr-.
CN^_.
-rj

Om

cr;

^
co - H

-m=

es

mm-1

JJ x
mc,

o *ra
o"

a i
-

p.

-Cm

Cm

SS

<

- m

<

mJC,

m-C.

m.

m.

-!
-JC:
y\

m
- H

O
O

S
-O

43

Chapitre 6
Conclusion
La littrature empirique a montr que, quand compars leurs vis--vis conventionnels, les indices islamiques ne souffraient pas des critres restrictifs imposs lors de leur
composition. Il n'a donc pas t dcel de diffrence significative, en termes de rendements, entre les indices conventionnels et les indices islamiques. Toutefois, comme nous
l'avons soulign, les tudes auxquelles nous faisons rfrence ont toujours pos l'hypothse implicite que les deux systmes financiers taient entirement indpendants. Dans
notre tude, nous avons relch cette hypothse d'indpendance dans le but d'valuer
l'impact que cela pourrait avoir au niveau des marchs boursiers. Nos donnes ont t
slectionnes en fonction de cette hypothse et nous avons opt pour des marchs aux
conditions conomiques et gographiques similaires afin de tenir compte de possibles
interactions entre la FI et la FC. Nous avons ainsi considr des marchs boursiers o
sont lists ime forte proportion de compagnies islamiques (marchs mixtes) et les avons
compar d'autres marchs dits conventionnels ; i.e. des marchs avec une proportion
ngligeable de compagnies lists comme tant islamiques. Notre analyse porte sur une
priode de 11 ans et s'tend de janvier 2001 dcembre 2011. Par gard la crise
financire de 2008, nous avons dfini deux sous-priodes : la priode "pr-crise" qui va
de janvier 2001 dcembre 2007, et celle "post-crise" allant de janvier 2008 dcembre
2011.
Dans un premier temps, nous avons cherch tudier la nature des relations de long
terme entre nos indices. Ainsi en effectuant des tests de cointgration sur diffrentes
priodes, nous avons pu constater que les marchs tudis sont gnralement plus intgrs avant la crise financire qu'aprs. En cela, nos conclusions vont l'encontre de
celles de Yang et collab. (2003) qui avanaient que le degr d'intgration entre les pays

45

tendait augmenter aux alentours des priodes de crise. De plus, il ressort que les
indices sont plus intgrs lorsqu'ils font partie d'un mme groupe. En effet, les marchs mixtes (Bangladesh, Indonsie, Malaisie, Pakistan) prsentent plus de relations de
cointgration que les marchs conventionnels (Chine, Inde, Taiwan). Nous notons galement que les pays islamiques semblent plus sensibles aux facteurs du march asiatique
reprsent par le S&P Asia 50 que ne le sont les pays non-islamiques. Toutefois, nous
n'avons pas pu relever de lien causal significatif entre le march asiatique et le march
amricain (NYSE), ni mme entre ce dernier et les autres marchs conventionnels que
nous considrons dans notre tude.
Par ailleurs, l'analyse prliminaire des donnes sur l'ensemble de la priode ainsi que sur
chacune des sous-priodes nous a permis de tirer la conclusion suivante : pour un mme
niveau de risque - reprsent par les carts-types - les indices des pays prdominance
musulmane ont procur un rendement moyen deux fois plus important que les indices
des marchs conventionnels. Ce constat est encore plus notable durant la priode postcrise. Il semblerait donc que les indices des marchs "mixtes" aient mieux rsist la
rcente crise financire. Ds lors, la question qui se pose est de savoir si cette diffrence
en matire de rendement pourrait tre due la FI. Cela nous ramne donc l'objet de
notre tude qui a t de dceler la prsence et l'influence, au cas chant, de la FI sur
les rendements des indices considrs.
L'influence de la FI a t test par le biais de l'inclusion de plusieurs variables dichotomiques dans nos modles d'estimation. Nous avons tenu compte de la distinction opre
entre les pays islamiques et ceux non-islamiques tout en adaptant nos modles afin de
prendre en considration "l'effet Ramadan". Nous trouvons ainsi que l'interaction entre
la FI et la FC que nous avions suppose au pralable semble avoir une influence positive sur les rendements des pays prdominance musulmane. Comme nous l'avons
fait remarquer, la grande majorit des travaux empiriques ne considraient que des
indices exclusivement islamiques ou conventionnels en ne supposant aucun lien entre
les deux. Il n'est donc pas tonnant que nous ayons obtenu des rsultats diffrents de
Hassan et Girard (2011) ou encore de Hussein (2005) en supposant un lien entre les
deux systmes financiers. En outre, nous observons que les indices des marchs mixtes
ont offert un rendement gnralement plus lev lors de la dernire crise financire. Ces
rsultats contredisent ceux de Hu&sein (2004) qui a trouv que les indices islamiques
avaient tendance sous-performer en priode baissire, ce qui n'est pas le cas ici. Il
apparatrait donc que la prise en compte de facteurs communs aux indices des pays
tudis permette de dceler la prsence de la FI dans les marchs o elle est fortement

40

intgre. Nous avons aussi pu relever une influence positive de "l'effet Ramadan" durant
la priode post-crise et ce lorsque l'on considrait une priode de Jene de 3 semaines.
Tout comme Al-Hadjieh et collab. (2011) nous attribuons cet effet un sentiment d'optimisme gnralis sur les marchs au cours du mois de Ramadan.
La prsence significative des variables islamiques dans nos rsultats pour la priode postcrise nous porte donc croire que certains marchs prdominance musulmane ont t
partiellement immuniss durant la crise tel que l'ont conclu Boumediene et Caby (2009)
pour des banques islamiques. Cela ne veut certes pas dire que les marchs islamiques
sont moins volatiles que leurs vis--vis ou qu'ils sont totalement exempts de risque,
mais plutt que la spcificit du SFI est prendre en compte dans toute dcision
d'investissement.
Il serait bien entendu intressant de contrler les rsultats obtenus pour des facteurs
tels que la liquidit comme l'ont fait Bialkowski et collab. (2012), le volume des transactions [Gervais et collab. (1998)] ou encore certaines variables macroconomiques. Ces
rsultats .sont aussi nuancer dans la mesure o ils ne portent pas sur la totalit des
marchs islamiques ou prdominance islamique. Notre chantillon de donnes pourrait ainsi tre tendu de sorte inclure un plus grand nombre de marchs. Pour finir,
nous estimons que de futures tudes qui tiendront compte de l'interaction entre la FI
et la FC devraient grandement contribuer amliorer notre connaissance des marchs
boursiers islamiques en gnral.

47

Bibliographie
Al-Hadjieh, H., K. Redhead et T . Rodgers. 2011, Investor sentiment and calendar
anomaly effects : A case study of t h e impact of R a m a d a n on Islamic Middle Eastern
markets, Research in International Business and Finance, vol. 25 (3), p. 345-356.
Australian Trade Commission (Austrade). 2010, Islamic Finance, Australian Government.
Bala, S. et R. Z. Zaha. 2009, A P r i m e r on Islamic Finance, T h e Research Foundation
of CFA Institute.
Bialkowski, J., A. Etebari et T. P. Wisniewski. 2012, Fast profits : Investor sentiment
and stock returns during Ramadan, Journal of Banking and Finance, vol. 36 (3), p.
835-845.
Boumediene, A. et J. Caby. 2009, The stability of Islamic Banks during the Subprime
Crisis, Non publi.

Cihak, M. et H. Hesse. 2008, Islamic Banks and Financial

Analysis,

Stability

: An

Empirical

IMF Working Paper.

Dickey, D. et W. Fuller. 1979, Distribution of the Estimators for Autoregressive Time

Series with a Unit Root, Journal of the American Statistical Association, vol. 74, p.
427-^31.
Dickey, D. et W. Fuller. 1981, Likelihood Ratio Statistics for Autoregressive Time
Series with a Unit Root, Econometrica, vol. 49, p. 1057-1072.
Edmans, A., D. Garcia et O. Norli. 2007, Sports sentiment and stock returns, Journal
of Finance, vol. 62 (4), p. 1967-1998.
Elasrag, H. 2010, Global Financial Crisis and Islamic Finance, Arab Republic of Egypt
- Ministry of Trade and Industry.

49

Elfakhani, S., K. Hassan et Y. Sidani. 2005, Comparative Performance of Islamic

Versus Secular Mutual Funds, Non publi.
Enders, W. 2003, Applied Econometric Time Series (2nd Edition), Wiley, John and
Sons, Incorporated.
Engle, R. F . et C. W. J. Granger. 1987, Co-Integration and Error correction : Representation, Estimation and Testing, Econometrica, vol. 55, p. 251-276.
Fama, E. 1972, Components of investment Performance, Journal of Finance, vol. 27
(3), p. 551-567.
Financial Times. 2011, Islamic Finance, Special Report,, The Financial Times Ltd.
Gervais, S., R. Kaniel et D. Mingelgrin. 1998, The High Volume Return Premium,
T h e Rodney L. White Center for Financial Research, The W h a r t o n School (University of Pennsylvania).
Gujarati, D. 2004, Basic Econometrics (4th Edition) 1 The McGraw-Hill Companies.

Hakim, S. et M. Rashidian.

2002, Risk & Return of Islamic Stock Market

Papier prsent lors du .sminaire international

caires, Kuala Lumpur,

des institutions

financires

Indexes,
non ban-

Malaisie.

Hakim, S. et M. Rashidian.

2004, How costly is investors'

Papier prsent lors de la llme

compliance

with

Confrence annuelle de VERF Beyrouth,

sharia,
Liban.

Hamilton, J. D. 1994, Time Series Analysis, Princeton University Press.

Hassan, M. K. et E. Girard. 2008, Is There a Cost t o Faith-Based investing : Evidence
from F T S E Islamic Indices, The journal of Investing, vol. 17, p. 112-121.

Hassan, M. K. et E. Girard. 2011, Faith-Based

Jones Islamic Indexes, Networks Financial

Ethical Investing
Institute

: The Case of Dow

Working Paper No. 8011- WP-

06.
Hussein, K. 2004, Ethical Investment : Empirical Evidence from F T S E Islamic Index,
Islamic Economic Studies, vol. 12 (1), p. 21-40.

Hussein, K. 2005, Islamic investment

Papier prsent
Islamiques,

50

: Evidence from Dow Jones and FTSE

la 6me Confrence Internationale

Jakarta,

Indonsie.

sur la Finance

Indexes,

et les Banques

Iqbal, Z. et H. Tsubota. 2006, Emerging Islamic Capital Markets, Islamic Finance

Review, p . 511. Euromoney Handbook and Euromoney Institutional Investor P L C ,
London.

Jobst, A. A. 2007, The Economics of Islamic Finance and Securitization,

IMF Wor-

king Paper.
Johansen, S. 1988, Statistical Analysis of Cointgration Vectors, Journal of Economic
Dynamics and control, vol. 12, p . 231-254.
Johner, D. et T. Rocafull. 2008, La finance islamique de plus en plus courtise, La
Tribune, Marches et Finance.
Kouser, R. et I. Saba. 2012, Gauging t h e Financial Performance of Banking Sector
using CAMEL Model : Comparison of Conventional, Mixed and Pure Islamic Banks
in Pakistan, International Journal of Finance and Economics, vol. 82.
Malaysia International Islamic Financial Centre (MIFC) Initiative. 2008, P r i m e r to
Islamic Finance, Bank Negara Malaysia.
McKenzie, D. 2011, Islamic Finance, TheCityUk Research Center.
Naughton, S. et T. Naughton. 2000, Religions, Ethics a n d Stock Trading : T h e Case
of a n Islamic Equities Market, Journal of Business Ethics, vol. 23, p . 145-159.
Nelson, S. et C. Plosser. 1982, Trends a n d random walks macroeconomic time-series :
Some evidence a n d implications, Journal of Monetary Economics, vol. 10 (2), p.
139-162.
Seyyed, F . J., A. Abraham et M. Al-Hajji. 2005, Seasonality in stock returns and
volatility : T h e R a m a d a n effect, Research in International Business and Finance,
vol. 19, p . 374-383.
Soumar, I. 2009, La Pratique de la Finance islamique, As.surance et Gestion des
Risques, vol. 77 (1-2), p. 59-78.
Standard & Poor's. 2010, Islamic Finance Outlook, T h e McGRaw-Hill Companies.
The Banker. 2009, Top 500 Financial Institutions, Financial Times Business.
Yang, J., J. W. Kolari et I. Min. 2003, Stock market integration and financial crises :
the case of Asia, Applied Financial Economics, p . 477-486.

51