Université Mohammed V ‫جامعة محمد الخامس‬

Faculté des Sciences Juridiques, ‫كلية العلوم القانونية واالقتصادية واالجتماعية‬

Economiques et Sociales ‫الربـــــــاط‬

Rabat

Master 2 en « Gestion de risques financiers et assuranciels »

Application empirique du modèle d’évaluation

des actifs financiers (MEDAF) à des actions
marocaines et comparaison avec le modèle Fama
et French

Préparé par :
✓ Raoua SALHI

Encadré par :
✓ M. Saâd BENBACHIR

Membres du Jury :
➢ Mr. Saâd BENBACHIR, Professeur à la faculté de sciences
juridiques, économiques et sociales Agdal Rabat.
➢ Mr. Mohamed Yassine EL HADDAD, Professeur à la faculté de
sciences juridiques économiques et sociales Agdal Rabat.
➢ Mr. Abdenbi EL MARZOUKI, Professeur à la faculté de sciences
juridiques, économiques et sociales Agdal Rabat.

Année universitaire : 2014- 2015

1|Page
Dédicace :

A mes chers parents ;

Qui n’ont jamais épargné un effort pour m’aider et m’encourager, qui ont été près de moi
pour m’écouter et me soutenir. Puisse ce travail exprimer le respect et l’amour que je leur porte.

A mes deux frères et ma sœur ;

A qui je souhaite tout le bonheur du monde. Vous avez toujours été pour moi d’une aide
très précieuse.

A ma grand-mère, mes tantes, et cousines.

A mes chères amies et mes camarades de classes

A tous ceux qui ont confiance en moi

2|Page
 Remerciement :

Avant d’entamer ce mémoire, il m’est agréable de témoigner de ma grande gratitude,

ma forte reconnaissance et mon profond sentiment de respect à mon professeur Saad
BENBACHIR, pour son entière disponibilité et pour ses efforts fournis tout au long
de ma préparation de master.

Je tiens à remercier aussi tous les professeurs du master « Gestion de risques financiers
et assuranciels » pour la qualité de leurs cours.

Je remercie ensuite la faculté des sciences juridiques, économiques et sociales de

Rabat et tous les responsables qui s’y trouvent, pour la formation que j’ai reçue et pour
tous les services dont j’ai bénéficiés, tout au long de mes études.

Enfin, je tiens à exprimer toute ma reconnaissance à toutes les personnes qui ont
contribué de près ou de loin dans l’élaboration de ce travail.

3|Page
 Sommaire
Liste des figures ...................................................................................................................................... 5
Liste des tableaux .................................................................................................................................... 6
Résumé : .................................................................................................................................................. 7
Abstract: .................................................................................................................................................. 7
Introduction............................................................................................................................................. 8
............................................................................................................................................................... 10
Partie I : Cadre théorique et institutionnel............................................................................................. 10
Partie I : Cadre théorique et institutionnel ........................................................................................... 11
Chapitre 1 : Aperçu théorique sur les modèles linéaires d’évaluation des actifs financiers .............. 11
Section 1 : Les modèles d’évaluation des actifs financiers ........................................................... 11
Section 2 : Revue de littérature sur les tests empiriques du MEDAF............................................ 21
Chapitre 2 : Le cadre institutionnel ................................................................................................... 25
Section 1 : présentation du marché boursier marocain : .............................................................. 25
Section 2 : présentation des secteurs : bancaire, immobilier et télécommunications ................. 28
............................................................................................................................................................... 33
Partie II : Etude empirique .................................................................................................................... 33
Partie II : Etude empirique .................................................................................................................... 34
Chapitre I : Méthodologies et présentation des données ................................................................... 34
Section 1 : Hypothèses et méthodologies du travail :................................................................... 34
Section 2 : Présentation des données ........................................................................................... 38
Chapitre II : Présentation, analyses et interprétation des résultats .................................................... 41
Section 1 : Application du modèle d’évaluation des actifs financiers (MEDAF)............................ 42
Section 2 : Application du modèle à trois facteurs de Fama et French :....................................... 45
Conclusion............................................................................................................................................. 52
Bibliographie ........................................................................................................................................ 55
Annexes ................................................................................................................................................. 59

4|Page
 Liste des figures

Figure 1: Modèle d’évaluation des actifs financiers (MEDAF) ------------------------------------------------- 15

Figure 2: La droite de marché des actions en termes de bêta ------------------------------------------------- 16

Figure 3: Evolution du MASI et MADEX entre 2008 et 2014 ---------------------------------------------------- 27

Figure 4: Evolution annuelle de la capitalisation boursière entre 2008 et 2014 -------------------------- 28

Figure 5: Evolution du total bilan du secteur bancaire entre 1996 et 2013 -------------------------------- 29

5|Page
 Liste des tableaux

Tableau 1: La liste des entreprises avec leurs symboles boursiers et leurs secteurs d’activité ------- 39

Tableau 2: Les statistiques descriptives des données ------------------------------------------------------------ 40

Tableau 3: Les résultats relatives aux bêtas estimés avec régression de Black, Jensen et Scholes -- 43

Tableau 4: Les résultats relatives aux constantes estimées avec régression de Black, Jensen et
Scholes ------------------------------------------------------------------------------------------------------------------------ 44

Tableau 5: Les statistiques relatives aux bêtas estimés avec le modèle à trois facteurs --------------- 47

Tableau 6: Les statistiques relatives aux coefficients de la taille de l’entreprise (SMB) estimés avec
le modèle à 3 facteurs ---------------------------------------------------------------------------------------------------- 48

Tableau 7: Les statistiques relatives aux coefficients du ratio VC/VM de l’entreprise (HML) estimés
avec le modèle à 3 facteurs---------------------------------------------------------------------------------------------- 48

Tableau 8 : Les statistiques relatives aux constantes du modèle à 3 facteurs ----------------------------- 49

Tableau 9: Comparaison des résultats du MEDAF et du modèle à 3 facteurs ----------------------------- 49

6|Page
Résumé :

L’objectif de ce mémoire est d’appliquer le modèle d’évaluation des actifs

financiers, tester sa validité sur le marché marocain, et le comparer avec le modèle à
trois facteurs de Fama et French afin d’en déterminer le modèle le plus significatif
entre les deux. Aussi, ce mémoire vise à comparer le couple risque-rendement des
secteurs bancaire, immobilier et télécom, dans le but de tirer le secteur qui réalise une
relation idéale entre le risque et le rendement. Pour ce faire, on s’est basé sur différents
travaux théoriques et empiriques, qui nous ont permis de réaliser une étude
économétrique sur des actions marocaines entre 2010 et 2014, en utilisant des
régressions simples et multiples à l’aide du logiciel Eviews. Cette étude a conclu à
une validité du MEDAF sur le marché marocain, mais avec une significativité plus
intéressante du modèle multifactoriel FF. De même, en termes de comparaison des
couples rendement-risque des secteurs, on a déduit que le secteur immobilier constitue
une mauvaise affaire d’investissement, et que les actions du secteur bancaire sont les
plus rentables et au même temps les moins risquées, suivies par celles du secteur
télécom.

Abstract:

The objective of this research paper is to apply the capital asset pricing model to test
its validity in the Moroccan market, and to compare it with the three-factor model of
Fama & French in order to determine the most significant between these two models.
Also, this research paper aims to compare the couple risk-return of the banking, the
real estate and telecommunication sectors, to determine the sector that makes an ideal
relation between risk and return. For this, we relied on various theoretical and
empirical works that enabled us to achieve an econometric study on the Moroccan
shares between 2010 and 2014, using simple and multiple regressions by the software
Eviews. This study led us to conclude that the CAPM is valid in the Moroccan market,
but with less significance compared to the multifactorial model. Similarly, in terms of
comparison between the aforementioned three sectors, we deduced that the real estate
sector is a bad choice for investment and that the shares of the banking sector are the
most profitable and at the same time the less risky, followed by those of the
telecommunication sector.

Mots clés: Modèle, MEDAF, rendement, risque systématique, uni factoriel,

multifactoriel, marché, bourse, actions.
7|Page
 Introduction

Depuis la moitié du dernier siècle, les universitaires et les praticiens du domaine de

la gestion de portefeuille n’ont cessé de chercher des modèles adéquats, qui permettent
de prévoir correctement et plus justement les cours boursiers, spécialement les
rendements des actions, qui aident à l’élaboration de stratégies de placement réussies.
Leur but principal était de détecter les déterminants du rendement et construire un
modèle générateur de rendement.

En s’appuyant sur les travaux de Markowitz (1959), qui a formulé la théorie

moderne du portefeuille, Sharpe (1964), Lintner (1965) et Mossin (1966) ont proposé
le modèle d’évaluation des actifs financiers (MEDAF). Ce modèle implique que le
taux de rendement requis sur un actif financier est égal à l’équilibre au taux sans risque
augmenté d’une prime de risque. Cette dernière est mesurée par le produit du risque
systématique du titre et d’un prix du risque exprimé par l’écart entre le taux de
rendement du portefeuille de marché et le taux sans risque.

L’apparition du MEDAF a causé un grand bouleversement dans le monde de la

finance, et a constitué un événement majeur dans son histoire. Dans les années qui ont
suivi son introduction, plusieurs études ont été faites pour tester sa validité empirique.
Quelques-uns ont conclu par sa validation (Black, Jensen et Scholes (1972)), et
d’autres par son invalidation, comme Ross (1976), Fama et French (1992) qui ont
avancé que le bêta du MEDAF est insuffisant pour expliquer les rendements des titres,
et qu’il existe d’autres facteurs qui les influencent. Malgré tous les critiques qui ont été
adressées au MEDAF, ce modèle est considéré comme une pièce maitresse de la
finance moderne.

Stephen Ross (1976) qui a adressé la première critique au MEDAF, a développé le

premier modèle dit multifactoriel (Modèle d’évaluation par arbitrage MEA), qui admet
l’existence d’autres facteurs explicatifs du rendement à part la prime de risque marché,
à condition d’absence de toute opportunité d’arbitrage. A la suite de ce modèle,
plusieurs autres recherches ont essayé de déterminer les facteurs qui impactent les
rendements et qui servent à évaluer les actifs financiers. Le modèle le plus connu est
celui de Fama et French (FF 1992), qui explique le rendement en fonction d’un risque
systématique, représenté par le portefeuille du marché, et un risque spécifique à
l’entreprise représenté par le ratio Valeur comptable/Valeur marché et la capitalisation
boursière (la taille).

La plupart de ces études empiriques, ont été effectuées, sur des marchés développés.
L’objectif de ce travail est d’appliquer le MEDAF et de tester sa validité sur le marché
marocain qui est considéré étroit et en retard si on le compare avec les marchés
8|Page
financiers développés. Aussi, il s’agit d’appliquer le modèle à 3 facteurs de Fama et
French, dans le but de faire une comparaison entre les deux modèles et en choisir le
plus significatif et le plus explicatif des rendements des titres sur le marché marocain.

En effet, ce travail sera une occasion de détecter le secteur d’activité le moins risqué
et le plus rentable sur le marché boursier marocain, puisqu’on va focaliser notre étude
sur les actions des entreprises des trois secteurs les plus actifs et les plus importants de
ce marché, qui sont : le secteur bancaire, le secteur immobilier et le secteur
télécommunications. Cette étude nous permettra de faire une comparaison concernant
le niveau de risque des actions entre ces secteurs, ce qui constituera une aide au choix
d’investissement.

Donc, notre mémoire tentera de répondre à la problématique suivante :

Quelle est la pertinence empirique du MEDAF sur les secteurs : immobilier,

bancaire et télécom ? Entre le MEDAF et le modèle Fama et French, quel est le
modèle le plus significatif sur ces trois secteurs ? Et quel est le secteur qui offre le
meilleur couple risque-rentabilité par rapport au marché ?

Afin de répondre à ces questions, notre travail sera réparti comme suit : La première
partie sera consacrée à la présentation des modèles d’évaluation des actifs financiers,
la littérature théorique et empirique traitant ces modèles, ainsi que la présentation du
marché boursier marocain, du secteur bancaire, du secteur immobilier et du secteur
télécom. La deuxième partie sera réservée à la description des données utilisées et de
la méthodologie du travail, et aussi l’analyse et l’interprétation des résultats après
l’effectuation des tests empiriques. Et finalement, on finira notre travail par une
conclusion qui permettra de répondre à la problématique de ce mémoire.

9|Page
Partie I : Cadre théorique et
institutionnel

10 | P a g e
Partie I : Cadre théorique et institutionnel

Chapitre 1 : Aperçu théorique sur les modèles

linéaires d’évaluation des actifs
financiers

Le présent chapitre est constitué de deux sections, nous allons voir en détail dans
une première section les différents modèles linéaires qui servent à évaluer les actifs
financiers, ensuite nous passerons à la deuxième section pour avoir un aperçu sur les
différents travaux empiriques faits pour tester le MEDAF.

Section 1 : Les modèles d’évaluation des actifs financiers

Nous réservons cette section à la présentation des différents modèles financiers
apparus depuis la moitié du siècle précédent et qui ne finissent pas d’être améliorés et
perfectionnés. Nous commençons par décrire les modèles de formation des prix et des
relations entre rentabilités anticipées (modèles uni factoriels), pour passer en suite aux
modèles multifactoriels.

I- Les modèles de formation (fixation) des prix et des relations

entre rentabilités anticipées
La théorie classique du portefeuille de Markowitz (1952) qui s’est intéressée au cas
d’un investisseur individuel, a été source d’inspiration pour grand nombre de
chercheurs. Plusieurs modèles ont été développés à partir de cette théorie, mais qui ont
pris en considération le marché sur lequel opère cet investisseur.

1- Le modèle du marché
Le modèle du marché proposé par William Sharp (1963) montre que les fluctuations
des cours d’un titre sont dues d’une part à des facteurs communs qui impactent
l’ensemble du marché, et d’autre part à des causes propre à chacune des valeurs
mobilières.

Alors, ce modèle explique la variabilité totale d’une action, par l’influence du

marché qui représente le risque systématique, et par les caractéristiques spécifiques de
l’action appelée la variance résiduelle.

11 | P a g e
 On peut dire donc que le modèle du marché donne une explication du taux de
rendement d’un titre risqué en fonction d’une variable explicative commune à tous les
titres, qui est représentée par le taux de rentabilité du marché.

Le modèle du marché établie donc une relation linéaire entre le rendement d’une
action i et le rendement du marché ; l’équation est un modèle à un facteur qui se
présente par la formule suivante:

R i,t = αi + βi R M,t + εi,t

Avec :

➢ R i,t : est le rendement de l’action i à l’instant t

➢ R M,t : est le rendement du portefeuille de marché à l’instant t
➢ αi : est la constante du modèle, elle est définie comme étant le rendement espéré
de l’action i lorsque le rendement du marché est nul.
➢ βi : est le paramètre qui caractérise la relation entre le rendement de l’action i
et celui du marché ; il se calcule par la formule suivante :

cov(R i,t , R M,t )

βi =
σR M

➢ εi,t : est le terme d’erreur qui doit être indépendant du marché.

A partir de la relation linéaire du modèle du marché, on peut conclure que ce

dernier représente la relation entre le return de l’action et celui du marché, et les
fluctuations du rendement du titre i se décompose en deux éléments : les fluctuations
dues aux facteurs qui influencent l’ensemble du marché et celles propres au titre
considéré. On peut donc l’écrire comme suit :

𝜎 2 (𝑅𝑖,𝑡 ) = 𝛽𝑖2 𝜎 2 (𝑅𝑀,𝑡 ) + 𝜎 2 (𝜀𝑖,𝑡 )

12 | P a g e
 2- Le modèle d’évaluation des actifs financiers (MEDAF ou CAPM) :

2.1) Principe de base du modèle :

Le ‘’Capital Asset Pricing Model’’(CAPM) ou ‘’Modèle d’évaluation des actifs

financiers’’ (MEDAF) développé essentiellement par William F. Sharpe en 1964 (Prix
Nobel en économie 1990), et aussi par Lintner (1965) et Mossin (1966), est le modèle
le plus connu et le plus utilisé dans l’évaluation des actifs financier. Il permet
d’exprimer les rentabilités espérées à l’équilibre et d’expliquer le taux de rendement
des différents actifs en fonction de leur risque.

L’apport principal du Capital Asset Pricing Model (CAPM), qui représente l’une des
trois contributions majeures à la recherche académique concernant la gestion de
portefeuille durant la période d’après-guerre, est que pour tout actif financier, la
relation entre le risque d’une action mesuré par le coefficient bêta et la rentabilité
espérée est croissante linéairement. En d’autre terme, le MEDAF considère qu’à
l’équilibre, le marché rémunère les personnes qui prennent des risques.

2.2) L’origine du MEDAF :

La théorie moderne du portefeuille d’Harry Markowitz (1952), est basée sur le

principe d’aversion au risque et la diversification du portefeuille, dans le sens où
l’investisseur crée un portefeuille composé de titres non corrélés, pour obtenir un
même niveau de rendement espéré pour un niveau de risque plus faible. Cette théorie
qui parte de l’hypothèse que la variance de la rentabilité des titres constitue une
excellente mesure de risque, a constitué une source d’inspiration pour plusieurs
économistes qui ont travaillé sur le développement de nouveaux modèles.

Le modèle d’évaluation des actifs financiers (MEDAF) qui a vu le jour entre les
mains de Sharp, Lintner et Mossin, est un des modèles qui ont constitué une extension
des travaux de Markowitz. Ces auteurs, en s’inspirant des travaux de leurs
prédécesseurs, en établissant des nouvelles hypothèses et en supposant l’existence
d’un actif sans risque, ils sont parvenus à déterminer les rendements espérés
d’équilibre des titres financiers.

13 | P a g e
 2.3) Les hypothèses du modèle :

Les hypothèses de base du MEDAF sont principalement tirées des travaux de

Markowitz sur la théorie moderne du portefeuille :

- Les investisseurs sont averses au risque et rationnels : ils cherchent à optimiser

la rentabilité future de leur portefeuille.
- Le marché est pur et parfait : il n’y a pas de coûts de transaction ou de taxes sur
les dividendes et les gains de capitaux.
- Le marché est efficient : toutes les informations sur le marché sont disponibles
pour tous les investisseurs. Ce qui veut dire que les anticipations de
performances et de risques sont les mêmes pour tous les investisseurs.
- Tous les investisseurs ont le même horizon (période) d’investissement.
- Le marché est entièrement libre et tous les actifs peuvent y être échangés.
- La vente à découvert ou l’achat d’un titre n’a aucune incidence sur son prix.
- Il existe un actif sans risque qui peut être prêté et emprunté sans limite.

Il faut noter que si toutes et/ou certaines de ces hypothèses ne sont pas remplies, le
portefeuille du marché peut être inefficient.

2.4) Le modèle :

Pour tout portefeuille ou actif quelconque i et dans un marché en équilibre, La

formule du MEDAF dans sa forme traditionnelle (Sharpe), se présente comme suit :

E(R i ) = 𝑅𝑓 + βi [E(R M ) − 𝑅𝑓 ]

Avec :

Dit +Pt −Pt−1

➢ R i : Rendement de l’actif i : R i =
Pt−1

 𝐷𝑡 : Dividendes encaissées pendant la période t.

 𝑃𝑡 : Le cours de l’action à la fin de la période t.
 𝑃𝑡−1 : le cours de l’action à la fin de la période t-1.
➢ βi : Beta de l’actif i par rapport au marché.
➢ R f : Rendement de l’actif sans risque.
➢ R M : Rendement du marché.
14 | P a g e
 Comme montre la formule du MEDAF ci-dessus, dans un marché en équilibre, ce
modèle décrit la rentabilité espérée de l’actif comme le taux de rentabilité de l’actif
sans risque R f auquel s’ajoute une prime propre au titre i (βi (E(R M,t ) − R f )), qui
dépend de la sensibilité du titre au mouvement du portefeuille du marché dans son
ensemble βi et de la prime de risque de marché E(R M,t − R f ). Théoriquement, cette
prime doit être strictement positive, dans la mesure où elle reflète la prime exigée en
termes de rendement pour compenser le risque1 encouru par un investisseur.

Pour que le marché soit en équilibre, il faut que le rendement sans risque R f soit
inférieur au rendement du portefeuille à variance minimale, c’est-à-dire le portefeuille
qui a le plus petit niveau de risque spécifique. Dans le cas où le rendement sans risque
R f est strictement supérieur à celui du portefeuille à variance minimale, le portefeuille
du marché se situera dans la partie inférieure de la frontière efficiente, ce qui
engendrera une demande négative pour les actifs risqués, et par la suite l’offre sera
supérieure à la demande. Aussi, en cas d’une égalité entre les deux taux de rendement,
la demande pour les actifs risqués sera nulle, et positive pour les non risqués.

Figure 1: Modèle d’évaluation des actifs financiers (MEDAF)2

1
Dans ce cas on parle du risque systématique (non diversifiable), que l’investisseur ne peut pas l’éliminer,
contrairement au risque spécifique, qui peut être annulé par la diversification.
2
Source : Mémoire ‘’ Les facteurs du modèle de Fama et French : cas du marché des actions canadiennes.
Page :6
15 | P a g e
 Selon le MEDAF, la raison principale de la variation du rendement du titre est le
coefficient βi , qui mesure la volatilité du return du titre i. La volatilité est la mesure
dans laquelle une variation de 𝑅𝑀 se répercute dans 𝑅𝑖 . En d’autres termes, le bêta
représente la sensibilité du rendement du titre par rapport au rendement du marché.

Le bêta d’un titre par rapport à un indice peut être positif, négatif ou nul. Les
valeurs négatives sont rarement observées, et lorsqu’elles le sont, elles sont très
proches de 0. Les plus fortes valeurs de bêta sont rarement supérieures à 2,5.

- Si βi > 1 : le rendement du titre ou du portefeuille varie plus que

proportionnellement à celui du marché. On peut dire aussi que les
fluctuations du 𝑅𝑀 sont répercutées de manière amplifiée dans les
variations de𝑅𝑖 (le titre est offensif (titres de ‘’croissance’’)).
- Si βi < 1 : le rendement du titre ou du portefeuille varie moins que
proportionnellement à celui du marché, on peut dire que les variations du
𝑅𝑀 sont répercutées de manière atténuée dans les variations de 𝑅𝑖 (le titre
est défensif (titre de ‘’père de famille’’)).
- Si βi = 1 : le titre évolue de façon identique au portefeuille du marché.

Figure 2: La droite de marché des actions en termes de bêta

Le MEDAF présente une relation linéaire entre le rendement du titre ou du

portefeuille et son risque systématique. En effet, puisque E(R M ) − R f > 0, cela
16 | P a g e
signifie que le rendement espéré du titre ou du portefeuille dépend positivement du
coefficient bêta du marché auquel appartient ce titre ou ce portefeuille. Ce qui
constitue l’apport principal du MEDAF (La relation linéaire positive entre le
rendement espéré et le risque systématique).

2.5) Les critiques et problèmes du MEDAF :

La première critique qui a été adressée au MEDAF concerne les hypothèses sur
lesquelles il s’est fondé (existence d’actifs uniquement financiers, marché
concurrentiel et efficient, pas de coût de transaction, possibilité d’investir et
d’emprunter en taux sans risque…). Ces dernières sont difficilement acceptables et
certaines d’entre elles ne sont pas vérifiées dans la réalité.

La deuxième critique a concerné l’indice du marché applicable au MEDAF qui est

l’indice boursier. Richard Roll en 1976, a montré que l’indice qui contient tous les
actifs risqués dans l’économie est celui qui doit être applicable au MEDAF et pas à
l’indice boursier. Selon Roll, le portefeuille du marché utilisé au MEDAF n’est
qu’approximatif, et il doit théoriquement inclure tous les actifs qui peuvent être acquis
(actions, obligations, bons de trésor, actifs immobiliers, capital humain…). Ce qui rend
sa détermination très difficile, et pas si aisé qu’on peut le croire.

La troisième critique s’est caractérisé dans le fait que le MEDAF explique les
rentabilités des titres en se basant seulement sur un seul facteur qui est la rentabilité
du portefeuille du marché. Plusieurs recherches ont montré l’existence de certains
facteurs, à part le portefeuille du marché, qui expliquent les rendements des titres (le
modèle de Fama et French (1992,1993), le modèle multifactoriel MEA (Ross 1976)
…).

Plusieurs autres critiques ont été adressées au MEDAF concernant le principe de

diversification, la détermination du taux sans risque ainsi que d’autres problèmes. Ce
qui a conduit à ne pas considérer le MEDAF comme l’unique théorie explicative des
fonctionnements du marché et a mené à développer d’autres modèles afin de pallier au
biais du MEDAF. Mais, malgré tout cela, le modèle d’évaluation des actifs financiers
reste le modèle le plus utilisé par les gérants des portefeuilles à travers le monde.
17 | P a g e
 2.6) Les modèles utilisés pour tester le MEDAF :

Dans le but d’analyser la validité empirique du CAPM, plusieurs tests empiriques

ont été effectués dans les années qui ont suivi l’apparition du MEDAF (les années 70).
Le modèle de Black, Jensen & Scholes (1972) et le modèle de Fama et MacBeth
(1973), sont les principaux modèles qui ont été utiles en ce sens.

2.6.1) Le modèle de Black, Jensen & Scholes :

Black, Jensen & Scholes ont été les premiers qui ont proposé l’évaluation du
MEDAF. Pour ce faire, ils ont élaboré un modèle de régression linéaire avec séries
chronologiques qui se présente comme suit :

𝑅𝑗,𝑡 = 𝑎𝑗 + 𝛽𝑗 𝑅𝑀,𝑡 + 𝜀𝑗,𝑡

Avec :

➢ 𝑅𝑗,𝑡 = 𝑟𝑗,𝑡 − 𝑟𝑓,𝑡 : la prime de risque du titre, 𝑟𝑗,𝑡 est le rendement du portefeuille
j entre t-1 et t, et 𝑟𝑓,𝑡 le rendement de l’actif sans risque.
➢ 𝑅𝑀,𝑡 = 𝑟𝑀,𝑡 − 𝑟𝑓,𝑡 : la prime du risque du marché, avec 𝑟𝑀,𝑡 le rendement du
portefeuille du marché.
➢ 𝛽𝑗 est bêta du marché du portefeuille j (le prix de risque sur le marché)
➢ 𝑎𝑗 : est une constante, elle représente le taux du zéro-bêta.
➢ 𝜀𝑗,𝑡 : le résidu de la régression (détermine si le CAPM est un bon reflet de la
réalité).

Pour tester la validité du MEDAF, ce modèle estime les paramètres 𝑎𝑗 𝑒𝑡 𝛽𝑗 afin de

tester l’hypothèse nulle, qui selon laquelle la constante 𝑎𝑗 est nulle. Si cette hypothèse
est acceptée, cela signifie que le MEDAF parvient à expliquer correctement la prime
de risque du titre. En d’autres termes, ce résultat montre que cette dernière ne dépend
que de la prime de risque marché, et par conséquence le modèle est validé. Cependant,
si l’hypothèse nulle est rejetée, cela implique qu’il existe d’autres facteurs qui
expliquent la prime de risque du titre, ce qui mène à invalider le modèle.

2.6.2) Le modèle de Fama et MacBeth :

18 | P a g e
 Ce modèle représente une extension de celui de Black, Jensen et Scholes. Dans ce
modèle, Fama et MacBeth ont testé la capacité de la variance du bêta et du rendement
à expliquer celle du résidu en passant par plusieurs étapes : premièrement, afin de
trouver le bêta de chaque actif sur une période de 4 ans, ils ont régressé chaque actif
sur les facteurs de risque. Ensuite, ils ont classé les actifs selon les bêtas, puis ils les
ont regroupés dans 20 portefeuilles. Après ils ont estimé les bêtas des 5 années
suivantes et les bêtas des portefeuilles de chaque mois de cette période. A la fin, ils ont
régressé les rendements des portefeuilles sur les bêtas de la période qui précède, dans
le but de trouver les primes de risque liées à chaque facteur de risque.

2.6.3) Le modèle de Blum et Friend :

C’est un modèle de régression transversale1, il se fonde sur l’hypothèse de la

normalité des résidus et leurs homoscédasticité.

Ce modèle permet principalement de tester l’hypothèse fondamentale du MEDAF

qui se caractérise dans la linéarité entre le rendement et le risque, en régressant le
rendement espéré sur les estimations du bêta et du bêta au carré.

II- Les modèles multifactoriels :

Après de grand nombre de critiques adressées au MEDAF sur le fait que son bêta
est insuffisant pour expliquer le rendement, plusieurs études sont arrivées à élaborer
des modèles dits multifactoriels. Ces derniers prennent en considération d’autres
facteurs, à côté de la prime de risque marché, qui entrent dans l’explication des
rendements des actifs financiers. Ces facteurs peuvent être propres au marché ou
propres à l’entreprise (transversale).

1- Le modèle d’évaluation par arbitrage (MEA) :

Arbitrage pricing theory (APT) ou MEA, créée par Stephen Ross, est l’un des plus
célèbres modèles d’évaluation des actifs financiers et constitue le principal concurrent
du MEDAF.

L’idée de base de l’APT est l’impossibilité de trouver des opportunités d’arbitrage

durant dans le temps. En effet, un actif A plus risqué qu’un actif B, mais plus rentable,
voit sa demande augmenter rapidement. Mais si sa rentabilité redevient égale à celle de
l’actif B ce ne serait plus le cas ce qui annule toute opportunité d’arbitrage.

1
Ce qui veut dire qu’il est basé sur des données d’une période précise.
19 | P a g e
 L’APT se base aussi sur une autre hypothèse qui fait appelle à la possibilité de
modélisation de la rentabilité espérée d’une action par une fonction linéaire de
différents facteurs macroéconomiques ou propres au secteur de la valeur, pondérés
selon leur impact sur l’action par un coefficient bêta spécifique. Ces facteurs sont
susceptibles d’influer le cours de l’actif étudié.

Ainsi, pour un actif j on aura :

𝐸(𝑟𝑗 ) = 𝑟𝑓 + 𝑏𝑗1 𝑅𝑃1 + 𝑏𝑗2 𝑅𝑃2 + ⋯ + 𝑏𝑗𝑛 𝑅𝑃𝑛

Avec :

➢ 𝐸(𝑟𝑗 ) : Le rendement espéré de l’actif j.

➢ 𝑟𝑓 : Le rendement de l’actif sans risque.
➢ 𝑅𝑃𝑛 : La valeur de la prime de risque associée au nième facteur systématique
influençant le cours de l’actif (ces primes sont supposées avoir une moyenne
nulle).
➢ 𝑏𝑗𝑛 : Le bêta qui représente la sensibilité de l’actif au facteur𝑅𝑃𝑛 .

L’APT est loin d’être un modèle sans défauts. Parmi les plus évident on cite le fait
que les facteurs ne soient pas évoqués dans le modèle et qu’il faille les déterminer
empiriquement, ce qui impose de lourds calculs. De même, l’estimation d’un Bêta
pour chaque facteur rend la tâche encore plus difficile, et il n’est pas dit que les
facteurs et leur influence sur l’actif restent fixes au cours du temps.

Néanmoins, l’APT peut être considéré comme étant plus réaliste que le CAPM vu
qu’il se base sur un nombre illimité de facteurs systématiques influant sur le
rendement de l’actif, contre un seul facteur (le marché) et le bêta pour le CAPM. Ceci
s’avère être à double tranchant puisque c’est pour cette même complexité qu’il est bien
utilisé que son concurrent.

2- Le modèle de Fama et French (1992, 1993):

En s’inspirant des modèles multifactoriels qui expriment le rendement en fonction

de plusieurs facteurs et pas seulement le bêta, les deux économistes Eugene Fama et
Kenneth French ont élaboré le modèle FF qui représente une extension du MEDAF.
La particularité de ce modèle c’est qu’il a ajouté au facteur du marché deux autres
facteurs liés aux attributs de l’activité de l’entreprise, qui sont le ratio valeur
20 | P a g e
comptable/ valeur du marché (VC/VM) et la capitalisation boursière (CB). Ces deux
facteurs ont été considérés parmi les déterminants les plus utilisés et les plus testés
dans la littérature.

Le modèle FF s’écrit comme suit :

𝑅𝑗𝑡 = 𝑎𝑗 + 𝛽𝑗 𝑅𝑀𝑡 + 𝑠𝑗 𝑆𝑀𝐵 + ℎ𝑗 𝐻𝑀𝐿 + 𝜀𝑗𝑡

Avec :

➢ 𝑅𝑗𝑡 : La prime de risque du titre

➢ 𝑅𝑀,𝑡 : La prime du risque du marché
➢ 𝑆𝑀𝐵 : La différence entre le rendement espéré d’un portefeuille de titres à
faible capitalisation et celui d’un portefeuille de titres à forte capitalisation
(Small Minus Big).
➢ 𝐻𝑀𝐿 : La différence entre le rendement espéré d’un portefeuille de titres avec
un fort rapport valeur comptable / valeur de marché et celui avec un faible
rapport valeur comptable / valeur de marché (High Minus Low).
➢ 𝑎𝑗 , 𝑠𝑗 , ℎ𝑗 : Les constantes du modèle.

Section 2 : Revue de littérature sur les tests empiriques du

MEDAF

21 | P a g e
 Le modèle d’évaluation des actifs financiers, qui selon lequel l’espérance du
rendement d’un titre financier dépend linéairement de la covariance entre ce dernier et
le rendement global du marché, est sans doute un des modèles les plus testés dans la
finance. Après des résultats empiriques favorables au MEDAF au début des années 70
obtenus par plusieurs économistes tel que : Blume et Friend (1970), Black, Jensen et
Scholes (1972), Fama et MacBeth (1973), la fin de cette même décennie a connu
l’apparition de plusieurs critiques sérieuses à l’encontre du CAPM.

La première critique est celle de Richard Roll (1977), qui a remarqué la grande
difficulté d’identification du portefeuille du marché dans la réalité, car il doit être
efficient et doit contenir à la fois le capital humain, toutes les actions, toutes les
obligations, tous les placements immobiliers…, ce qui est difficile à trouver dans les
indices boursier applicables au MEDAF, et qui ne sont selon Roll que des proxys du
portefeuille du marché. De ce fait, les erreurs de mesure de ce dernier peuvent fausser
les résultats, ce qui introduit un doute quant à la possibilité de tester le CAPM. Il faut
citer que « cette critique de Roll ne signifie pas que le MEDAF est une théorie non
valide, mais bien qu’elle est pratiquement impossible à tester rigoureusement »1. Dans
le même cadre, les analyses théoriques de Kandel et Stambough (1987) et de Shanken
(1987) ont montré que dans le cas où la corrélation entre l’indice du marché (le proxy)
utilisé et le vrai portefeuille du marché est faible, les erreurs de mesure sur le
portefeuille du marché n’affectent pas les résultats des tests du modèle.

D’un autre coté, mais dans le même cadre de son infirmation, plusieurs études ont
critiqué le MEDAF comme étant un modèle qui se base sur un seul facteur, représenté
par le portefeuille du marché (difficilement identifiable), pour expliquer la variation
des actifs financiers, les plus célèbres sont ceux de Stephen Ross (1976) et de Fama et
French (1992), qui sont arrivés à montrer qu’il existe plusieurs sources de variation des
actifs financiers à côté du portefeuille de marché.

Fama et French (1992) ont parlé de l’existence de deux facteurs spécifiques à

l’entreprise qui influencent le rendement du titre et qui sont la taille de la société et
l’effet de la valeur (Valeur comptable/Valeur marché). Ces deux auteurs ont réussi à
montrer une relation rendement-risque négative, ce qui oppose les résultats soutenus
par le MEDAF. Par ailleurs, ils ont montré qu’il y’a une relation significative positive
entre le rendement et le ratio VC/VM et négative avec la capitalisation boursière.
Ainsi, ils ont conclu que le bêta n’explique qu’une partie faible des variations des
actifs financiers et que l’effet taille et le ratio VC/VM décrivent le rendement

1
Cobbaut, 1994, p : 254, Cobbaut, R (1994).Théorie financière. Economica, 3ième édition, Paris

22 | P a g e
beaucoup mieux que le portefeuille du marché. De même, FF ainsi que d’autres, tel
que Banz (1981), ont remarqué que les titres à petite capitalisation qui sont plus
risqués et ayant un coût de capital plus élevé, sont plus rentables que ceux à grande
capitalisation. Et de même pour les titres à ratio VC/VM élevé. Même si leurs travaux
n’ont pas un fondement théorique, ils sont néanmoins empiriquement performants.

Revenons maintenant aux critiques qui sont en faveur du MEDAF, et spécialement

ses premières validations empiriques en début des années soixante-dix, les études de
Blume et Friend (1970), Black Jensen et Scholes (1972) et Fama et MacBeth (1973).

Dans le but d’étudier la linéarité entre les returns et les coefficients bêta, et d’estimer
le taux de rendement sans risque et la prime de risque du portefeuille du marché,
Blume et Friend (1970) ont examiné la relation entre le rendement et le risque d’un
échantillon d’actions cotées au NYSE1 entre 1955 et 1968. A la fin de leur étude, ils
ont obtenu une relation linéaire et positive entre les rendements des actions et les
coefficients du risque systématique ; mais, leurs estimations du taux de rendement sans
risque ainsi que de la prime de risque du marché n’étaient pas conformes aux valeurs
observées.

Un autre test qui a conduit à la validité du MEDAF est celui de Black, Jensen et
Scholes (1972). Ces auteurs ont essayé de réduire le biais lié aux erreurs de mesure de
bêta, en travaillant avec des portefeuilles et non plus avec des titres individuels. Cette
méthode a constitué un apport majeur à la méthodologie spécifique de l’économétrie
de la finance. Alors, pour tester le MEDAF, ils ont utilisé les rendements mensuels de
toutes les actions du NYSE au cours de la période 1926 à 1966. Comme procédure, ils
ont estimé le bêta de chaque titre pour chaque année en se basant sur les rendements
mensuels des 5 années précédentes. Puis, ils les ont répartis sur 10 portefeuilles selon
un ordre croissant de leurs bêtas. Ensuite, à partir des rendements mensuels de la
période 1931 à 1965, ils ont estimé l’équation de régression suivante pour chaque
portefeuille :

𝑅𝑗,𝑡 − 𝑅𝐹,𝑡 = 𝛼𝑗 + 𝛽𝑗 (𝑅𝑀,𝑡 − 𝑅𝐹,𝑡 ) + 𝑒𝑗,𝑡

La constante 𝛼𝑗 qui doit être nulle et indépendante des bêtas selon la version du
MEDAF de Sharp et Lintner, a été significativement différente de zéro dans 3
portefeuilles sur 10, pour un niveau de signification de 1%. Par contre, ils ont observé
une dépendance linéaire entre 𝛼 et𝛽. Lorsque le coefficient 𝛽 est inférieur à 1, la
constante était positive et inversement si le 𝛽 est supérieur à 1. Black, Jensen et
Scholes ont donc conclu que les portefeuilles à 𝛽 élevé avaient des rendements plus

1
The New York Stock Exchange
23 | P a g e
faible que ce que dit la relation risque-rendement, et les portefeuilles à 𝛽 faible avaient
des rendements supérieurs à ce que prévoit cette même relation.

Ils ont continué leurs études en régressant la moyenne des primes de risque
mensuelles (𝑅 ̅̅̅̅̅̅̅̅̅̅̅
𝑖 − 𝑅𝐹 ) de chaque portefeuille sur leur bêta. Les résultats obtenus
n’étaient pas en accord avec le la version traditionnelle du MEDAF de Sharp, le
coefficient 𝛼 qui doit être non significativement différent de zéro l’était, et le
coefficient de 𝛽 qui doit avoir une valeur approximativement égale à la moyenne des
primes de marché était inférieur à cette dernière.

Ensuite, BJS ont procédé par diviser la période d’observation globale en 4 sous
périodes, ce qui leur a permis de constater que la constante était peu stable dans le
temps. Les résultats de BJS ont été contradictoires avec la version du MEDAF de
Sharp, mais en accord avec celle de Black (1972) où il n’y a pas d’actif sans risque.

Le test de Fama et MacBeth (1973) qui est considéré l’un des plus complets, a été
effectué sur des données de la bourse de New York, sur la période 1935 à 1968. Ils ont
testé le MEDAF en étudiant ses trois implications principales :

- La relation entre le rendement du titre et son risque systématique est linéaire.

- Le risque systématique du titre i est une mesure complète de son risque.
- La relation entre le rendement de l’actif et son risque est positive.

A la fin de leur étude, Fama et MacBeth ont trouvé des résultats en faveur du MEDAF,
selon lesquels les trois hypothèses citées ci-dessus ne peuvent pas être rejetées d’une
façon formelle.

A la suite de la publication de l’étude de Fama et French (1992) sur la mort de bêta,

plusieurs autres études ont proposé des résultats favorables au MEDAF. Il s’agit
principalement des études de Black (1993), Chan et Lakonishok (1992), Pettengill,
Sundaram et Marthur (1995) et Grunoly et Malkied (1996). Par la suite, Fama et
French (1996) ont nuancé leurs propos antérieurs à propos de la mort du bêta, et ils
l’on considéré comme insuffisant pour mesurer le risque.

24 | P a g e
Chapitre 2 : Le cadre institutionnel

Ce deuxième chapitre est subdivisé en deux sections, dans la première nous

commencerons par une présentation du marché boursier marocain et un aperçu général
sur l’ensemble de sa performance sur la période 2008-2014.

La deuxième section sera consacrée à l’exhibition des secteurs bancaire, immobilier et

télécommunications, qui feront l’objet de notre étude, en présentant leurs
performances sur la même période d’étude.

Section 1 : présentation du marché boursier marocain :

I- Vision générale sur la bourse des valeurs de Casablanca

La Bourse des valeurs est un lieu où s'échange les différents produits financiers,
parmi ceux-ci les plus connus sont les actions et les obligations. La bourse en tant
qu'instrument de placement, permet aux particuliers de devenir des associés des plus
grandes entreprises privées industrielles et commerciales par le biais des actions. Elle
permet aussi de devenir des créanciers des sociétés et des collectivités publiques,
comme l'Etat et les grandes entreprises nationales en achetant des obligations.

Comme beaucoup de bourses dans le monde, la bourse de Casablanca est une société
anonyme chargée d’organiser et de gérer les marchés boursiers, en se chargeant des
introductions ou encore de la diffusion des cours des sociétés cotées.

Le marché boursier marocain est divisé en trois grandes familles. On trouve, les
marchés actions qui sont : le marché principal, le marché développement et le marché
croissance. Ici les sociétés se répartissent en fonction du montant de l’émission, des
capitaux propres ou du chiffre d’affaires. Et on trouve aussi, le marché obligataire et le
marché des fonds, où les ordres sont exécutés en fonction de prix puis de la date.

Le marché boursier marocain dispose de deux indices majeurs qui ont été créés en
2002, le MASI ‘Moroccan All Share Index’ et le MADEX ‘Moroccan Most Active
Shares Index’.
25 | P a g e
La bourse de Casablanca qui est placée la première au niveau du Maghreb et la
troisième au niveau africain, a atteint une capitalisation boursière de 497 milliards de
dirhams à fin 2014, Dont 35,2%, revient au secteur bancaire, 20,7% au secteur
télécommunications, 19,6% à l’industrie, 10,6% aux services et 7,3% revient au
secteur de l’énergie et mines.

La performance de la bourse de Casablanca est mesurée à l’aide des indices MASI,

qui est composé de toutes les valeurs cotées sur la place casablancaise, et MADEX qui
ne contient que les valeurs les plus liquides.

Durant la période 2008-2014, les indices boursiers MASI et MADEX ont enregistré
des taux de croissances annuels moyens respectifs de -3,4% et -3,5%

La capitalisation boursière a connu un grand recul durant cette même période avec un
taux de croissance annuel moyen de -2,4%, à cause de la sortie des investisseurs
étrangers du marché suite à la crise financière internationale et européenne, et au
nombre faible de sociétés cotées qui a atteint 74 sociétés en 2014, le nombre qui reste
faible si on le compare avec l’Egypte (207) et la Jordanie (243).

II- La performance du marché et la capitalisation boursière

L’année 2010 a été marqué par une sortie de crise pour les valeurs boursières, le
MASI a progressé de 22% et le MADEX de 22,1% sur l’ensemble de l’année. Aussi,
la capitalisation boursière a connu une augmentation de 15,2% par rapport à 2009.

Les années 2011 et 2012 ont été marquées par un recul respectif de 13% et 15% des
deux indices, poursuivi par une autre baisse de moindre ampleur en 2013, de 2,62%
pour le MASI et 2,57% pour le MADEX.

La capitalisation boursière a régressé en 2011 et 2012 respectivement de 10,85% et

13,7%, contre une augmentation de 1,3% en 2013. Ce léger rebond est dû aux
performances positives des secteurs banques, bâtiments et matériaux de construction,
ainsi qu’à l’introduction d’une nouvelle société du secteur électricité.

26 | P a g e
Après trois années consécutives de recul, les deux indices casablancais ont connu, en
2014, les performances les plus hauts depuis 2010, avec 5,55% pour le MASI et 5,73%
pour le MADEX. Cette hausse a été portée par le bon comportement des cours de la
majorité des sociétés cotées.

Les évolutions favorables des cours boursiers des grandes entreprises, ont eu des
résultats positifs sur la capitalisation boursière qui s’est augmentée de 7,4%, passant de
451,11 milliards de Dirhams en 2013 à 484,45 milliards de Dirhams en 2014.

Les graphes suivants illustrent de façon claire ce qui vient d’être dit :

30000

25000

20000

15000 masi
madex
10000

5000

0
1/2/2008 1/2/2009 1/2/2010 1/2/2011 1/2/2012 1/2/2013 1/2/2014

Figure 3: Evolution du MASI et MADEX entre 2008 et 20141

1
Elaboré par notre propre soin en se basant sur les données de la bourse de Casablanca.
27 | P a g e
 Capitalisation boursière
700

600

500

400

300 Capitalisation boursière

200

100

0
2008 2009 2010 2011 2012 2013 2014

Figure 4: Evolution annuelle de la capitalisation boursière entre 2008 et 20141

Section 2 : présentation des secteurs : bancaire, immobilier

et télécommunications
Sur le marché boursier marocain, il existe 23 secteurs d’activité. Mais ceux qui
contiennent le maximum de valeurs actives ou liquides sur le marché et qui détiennent
la grande part de sa capitalisation sont : le secteur bancaire, d’immobilier et de
télécommunications. Dans cette section, on essayera de présenter chacun de ces
secteurs et de montrer leurs performances sur la période de notre étude.

I- Le secteur bancaire :

Le secteur bancaire est le cœur de tout mouvement financier et est sans conteste
l’un des piliers fondamentaux de l’économie marocaine. Ses indicateurs d’activité se
sont améliorés de façon significative ces dernières années. Le contexte macro-
économique, la hausse des avoirs extérieurs ainsi que la politique des taux d’intérêt,
sont tous des facteurs ayant renforcé favorablement la contribution de ce secteur dans
le développement économique du pays.

1
Elaboré par notre soin, en se basant sur les rapports annuels de la bourse de Casablanca.
28 | P a g e
 1- L’évolution :

La première apparition des banques au Maroc était au début du 19ème siècle. Dès
lors, ce secteur n’a cessé d’occuper un rôle de plus en plus important dans l’économie
marocaine. Depuis le début des années 90, le secteur bancaire a été soumis à de
nombreuses réformes : modernisation des marchés des capitaux, levée de
l’encadrement du crédit, libéralisation progressive des taux d’intérêt ainsi que
l’instauration du principe d’universalité qui a permis aux banques d’exercer et de
commercialiser l’ensemble des produits et services bancaire. Ces réformes ont
contribué de façon significative au renforcement de la place du secteur bancaire dans
l’économie marocaine.

Le total bilan bancaire a passé de 197 milliards DH en 1996 et 407 Md DH en 2004,

jusqu’à qu’il a arrivé en 2013 à 1095 milliards de DH, soit 126% du produit intérieur
brut et 70% du système financier.

Evolution du total bilan du secteur bancaire

1200

1000

800

600 Total bilan du secteur bancaire en

milliards de DH
400

200

0
2001
1996
1997
1998
1999
2000

2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

Figure 5: Evolution du total bilan du secteur bancaire entre 1996 et 20131

2- La structure :

Le système bancaire marocain se compose de 84 établissements de crédit, varie

entre les banques (19), les sociétés de financement (35), les banques offshore (6), les

1
Elaboré par notre soin à partir des données de Bank Al Maghrib.
29 | P a g e
associations de microcrédit (13), les sociétés de transfert de fonds (9) et autres
établissements (2).

Le secteur bancaire marocain se partage en trois catégories d’établissements : les

banques privées, les établissements bancaires à caractère public ou semi-public et les
banques offshores. Au niveau des banques privées1, elles sont au nombre de 10, parmi
lesquelles on distingue Attijariwafa Bank (ATW), la banque Marocaine du Commerce
Extérieur (BMCE Bank : privatisé en 1995), la Société Générale Marocaine de Banque
(CGMB), la banque marocaine pour le commerce et l’industrie (BMCI), Arabe Bank
Maroc (ABM), Crédit du Maroc (CDM)… Ces banques représentent le pilier du
secteur bancaire dans la mesure où elles détiennent la majeure partie du total des actifs
bancaire au Maroc. Les trois premières banques ainsi que la banque populaire ont
couvert en 2013, 74% des dépôts, 72% des crédits et 70% du PNB.

Ensuite on a les établissements bancaires à caractère public ou semi-public qui ont été
créés par l’Etat pour remplir des missions spécifiques en matière de financement. Par
exemple : le financement des PME et l’artisanat, le soutien du financement de
l’agriculture, le développement de l’immobilier et des investissements touristiques…
Ces établissements sont au nombre de 6 : Bank Al Amal, la banque centrale populaire
(BCP), CDG Capital, Crédit Agricole du Maroc (CAM), Crédit Immobilier et Hôtelier
(CIH) et le fonds d’équipement communal (FEC).

Concernant les banques offshores, elles sont destinées essentiellement vers les non-
résidents par collecter des ressources en monnaie étrangère convertible, faire les
opérations de placement bancaire et d’arbitrage… Elles sont au nombre de 6, et elles
sont toutes installées à Tanger : Attijari International Bank, la Banque Internationale
de Tanger, BMCI- Groupe BNP, Chaâbi Internationale de Tanger Offshore, Société
Générale de Tanger Offshore, Succursales Offshore de la BMCE.

II- Le secteur immobilier :

Le secteur immobilier est l’un des plus actifs tissu de l’économie marocaine, vue sa
contribution importante dans le PIB et dans la création d’emploi. C’est aussi un secteur
d’activité spécifique et corrélé à plusieurs facteurs économiques, politique, sociaux et
culturels. De ce fait, Il est considéré comme un des baromètres de la réalité
macroéconomique du pays.

1
Ces banques privées ont pratiquement toutes une participation étrangère dans leur capital.
30 | P a g e
Après la phase expansive qu’a connu le secteur depuis l’année 2000 et depuis l’entrée
en vigueur de l’article 19 de la loi des finances 19991, le secteur immobilier s’est
inscrit durant les dernières années, dans une phase de ralentissement à cause de
l’évolution des prix des actifs immobiliers, impactés principalement par
l’environnement macro-économique du pays et des ajustements fiscales relatives à la
taxation des profits immobiliers, introduites en 2013, pour limiter la spéculation dans
ce dernier.

Le secteur immobilier a connu une baisse de demandes d’autorisation de 60%, passant

de 132000 en 2012 à 50700 en 2013, une baisse de mise en chantier de 30% et
stagnation de la production qui a masqué une baisse, passant de 145600 en 2012 à
166000 en 2013. De même, il a détruit plus que 55000 emplois durant la même
période. Cette régression enregistrée par le secteur est liée principalement au
durcissement des conditions d’octroi des autorisations de construire et des conditions
d’accès au financement pour les promoteurs immobiliers.

De ce fait, et dans le but de redresser le secteur immobilier, plusieurs réformes

financières et fiscales ont été mises en place par l’Etat en 2014, visant principalement
à encourager le logement des classes moyennes. Sans oublier le rôle des banques qui
ont commencé à libérer les conditions de financement destinées aux acquéreurs et aux
promoteurs, surtout après les résultats positifs sur les crédits immobiliers, enregistrés
sur la période 2008-2014 qui était marqué par un taux de croissance annuel moyen de
10,2%.

Concernant l’indice de la performance de la branche immobilière au niveau de la

bourse, il a affiché une piètre performance ces dernières années. En 2014, la plus
grande contre-performance a été enregistrée par le secteur immobilier, en plus des
valeurs immobilières qui ont connu des reculs importants.

La conclusion à tirer de ceci n’est certainement pas que le secteur de l’immobilier est
dans une pente dangereuse. Le déficit que connait le secteur est alimenté chaque année
par l’évolution continue de la population, résultat de l’accroissement démographique
et de l’exode rural et par les incitations fiscales concernant les logements sociaux.
Enfin, la forte progression du pouvoir d’achat des ménages devrait permettre
d’améliorer leur solvabilité et par conséquent d’accroître la demande en logements.

Au regard de tous ces éléments, les perspectives de croissance du secteur immobilier

sont particulièrement favorables et pourraient devenir attrayantes pour les
investisseurs, en égard à l’évolution de la capacité financière des promoteurs.

1
Cet article stipule l’exonération de tous les impôts en faveur des promoteurs immobiliers qu’ils soient publics
ou privés.
31 | P a g e
 III- Le secteur télécommunication :

Avec plus de 43 millions d’utilisateurs mobiles et plus de 16 millions d’utilisateurs

internet, le marché du télécom au Maroc est l’un des plus larges du continent africain.
C’est également un secteur qui vit des mutations profondes depuis des années. Avec
l’acquisition par Vivendi Universal de la majorité du capital de l’opérateur historique
marocain, Maroc Télécom, le secteur a fait face à une concurrence des plus rudes. Il
est aussi parmi les leaders en termes de dépenses en télécommunication, surtout si
nous le comparons aux autres pays émergents. En effet, la part des dépenses en
télécommunication a contribué à hauteur de 2,1% du PIB en 2014.

Depuis 2004, Le secteur de télécommunication au Maroc a connu deux grandes

mutations, la première était institutionnelle, par l’ouverture du secteur à la
concurrence, et la deuxième était technologique, par l’expansion des nouveaux
systèmes de communication. De ce fait, le secteur a connu une croissance de son
chiffre d’affaires entre 2008 et 2011 de 3,9% par an, passant à 36,9 milliards de DH.
Cependant, l’année 2012 a connu un fléchissement de 4,1%, suite à la baisse des prix
à cause de l’augmentation de la dynamique concurrentielle surtout sur le segment
mobile. Les résultats qu’a connus le secteur des télécommunications sont le résultat du
modèle de développement adopté par le Maroc, par les diverses notes d’orientations du
secteur mises en place depuis 2004, et aussi la mise en œuvre du plan Maroc
numérique 2013.

En effet, le secteur est passé d’un taux de croissance moyen de 13,6% sur la période
2005-2007 à seulement 10,2% entre 2008 et 2013. Les concurrents de Maroc télécom
sont donc conscients que la marge de manœuvre dont ils disposent en termes
d’acquisition de nouveaux clients est devenue très limitée comparée aux années
précédentes. Ils devraient donc se focaliser sur les clients déjà existants pour pouvoir
soutenir leur croissance.

Le secteur télécommunication est représenté sur le marché boursier par Maroc

Télécom (cotée aussi sur la bourse de Paris), qui détienne la première capitalisation
boursière au Maroc à 115,6 milliards de DH, soit 23,86% de la part du marché. Ses
actionnaires de référence sont : le groupe Etisalat depuis son rachat à Vivendi l’an
dernier (53%), et le royaume du Maroc (30%).

32 | P a g e
Partie II : Etude empirique

33 | P a g e
Partie II : Etude empirique

Chapitre I : Méthodologies et présentation des

données

Le présent chapitre sera traité en deux sections, la première section est une partie
qui présente les différents tests de spécifications qui seront appliqués dans notre étude.
Ainsi que la méthodologie du travail qu’elle sera suivie. La deuxième section sera
consacrée à l’exhibition des données utilisées afin d’élaborer ce travail.

Section 1 : Hypothèses et méthodologies du travail :

Afin de confirmer ou d’infirmer la validité empirique du MEDAF, il est nécessaire
de présenter les hypothèses à vérifier dans ce travail. Dans un premier temps, on fera
les différents tests de spécification économétriques afin de vérifier empiriquement le
modèle, puis on appliquera le modèle de régression linéaire de Black, Jensen et
Scholes, dans le but d’estimer les bêtas et de tester le MEDAF.

I- Les tests de spécification économétriques :

Les tests de spécification nous permettront de vérifier les hypothèses de
stationnarité et puis de normalité, d’homoscédasticité et d’autocorrélation des erreurs.
Ces tests sont respectivement, Dickey Fuller, Jarque-Berra, White, et Durbin Watson.

1- Test de stationnarité de Dickey-Fuller (1979) :

Les tests de Dickey-Fuller permettent non seulement de déterminer l’existence

d’une tendance, mais aussi de déterminer la bonne manière de stationnariser une
chronique. La stationnarisation selon Dickey-Fuller se fait selon trois processus :

1-1) La forme TS :
Cette forme de stationnarisation fait dépendre une variable, z à la date t, du temps et de
la variable elle-même à la date t-1, en prenant en compte l’effet d’une constante :

zt = β1 + β2 z(t − 1) + β3 t + εt

Si le résultat du test accepte l’hypothèse selon laquelle β3 = 0, on tente la

stationnarisation DS.

34 | P a g e
 1-2) La forme DS :
C’est une relation autorégressive entre la variable z aux dates t et t-1 augmenté de
l’effet d’une éventuelle constante. Celle-ci prend donc deux formes :

Avec constante : zt = β1 + β2 z(t − 1) + εt

Sans constante : zt = β1 z(t − 1) + εt

1-3) Les tests de racine unitaire :

Les tests de Dickey-Fuller (DF) mettent en évidence le caractère stationnaire ou non
d’une chronique par la détermination d’une tendance déterministe ou stochastique.

Les modèles servant de base à la construction de ces tests sont au nombre de trois.

Le principe est simple :

Si l’hypothèse H0 : ∅1 = 0 est acceptée dans l’un des trois modèles, le processus est
alors non stationnaire.

[1] : 𝐱 𝐭 = ∅𝟏 𝐱 𝐭−𝟏 + 𝛆𝐭 Modèle autorégressif d’ordre 1

[2] : 𝐱 𝐭 = ∅𝟏 𝐱 𝐭−𝟏 + 𝛃 + 𝛆𝐭 Modèle autorégressif avec constante

[3] : 𝐱 𝐭 = ∅𝟏 𝐱 𝐭−𝟏 + 𝐛𝐭 + 𝐜 + 𝛆𝐭 Modèle autorégressif avec tendance

Si H0 est vérifiée, la chronique est non stationnaire quel que soit le modèle retenu.

Pour le modèle [3], si H1 : ∅1 < 1 est vérifiée et si le coefficient b est significativement

différent de 0, alors le processus est un processus TS. Il deviendra stationnaire en
calculant les résidus par rapport à la tendance estimée par les moindres carrés
ordinaires.

2- Test de normalité de Jarque-Bera (1980):

Le test de Jarque et Bera sert à tester si les résidus sont normalement distribués,
c’est-à-dire, qu’il cherche à déterminer si les données suivent une loi normale.

Les hypothèses du test :

H0 : Les données suivent la loi normale

H1 : Les données ne suivent pas la loi normale.

35 | P a g e
La formule de Jarque-Bera s’écrit comme suit :

Avec :
n − k 2 (K − 3)2
JB = (S + )
6 4

➢ n : Le nombre d’observations.
➢ k : Le nombre de variables explicatives.
𝟏 𝐧
𝛍𝟑 ∑ (𝐱 −𝐱̅)𝟑
𝐧 𝐢=𝟏 𝐢
➢ S : Le coefficient d’asymétrie de l’échantillon testé : 𝐒 = 𝛔𝟑 = 𝟏 𝐧 𝟑
∑ ((𝐱𝐢 −𝐱̅)𝟐 ) ⁄𝟐
𝐧 𝐢=𝟏
𝟏 𝐧
𝛍𝟒 ∑ (𝐱 −𝐱̅)𝟒
𝐧 𝐢=𝟏 𝐢
➢ K : Le kurtosis de l’échantillon test : 𝐊= = 𝟏 𝐧
𝛔𝟒 ∑ ((𝐱𝐢 −𝐱̅)𝟐 )𝟐
𝐧 𝐢=𝟏

La statistique de JB suit une loi de χ² à 2 degrés de liberté.

Dans ce test, les données suivent une loi normale lorsque la valeur caractéristique du K
est égale à 3, et celle du S est de 0, et donc lorsque JB est inférieur à la valeur critique
de la table khi 2 à 2 degré de liberté à un niveau d’erreur 5% (5,9) (probabilité
supérieure à 5%).

3- Le test d’homoscédasticité de White (1980) :

L’hypothèse d’homoscédasticité repose sur le fait que la variance des erreurs du

modèle soit la même pour toutes les observations. Donc, le terme d’erreur est dit
hétéroscédastique en cas contraire.

D’où :

H0 : σ12 = σ22 = ⋯ = σ2n

H1 : Au moins une variance est différente des autres.

Le test de white est un test statistique qui permet de déterminer si la variance

résiduelle d’une variable dans un modèle de régression est constante, en prenant en
compte toutes les variables explicatives du modèle.
LM = nR2
La statistique de ce test s’écrit comme suit :

36 | P a g e
Avec R2 le coefficient de détermination de la régression et n le nombre
d’observations.

Si la statistique LM est inférieure à k* la valeur tabulée de Khi-Deux à un degré de

liberté, donc on va accepter H0 et on rejetteraH1 , et donc il y aura une
homoscédasticité des erreurs.

4- Le test d’autocorrélation de Durbin Watson :

On parle d’autocorrélation ρ des erreurs ‘’lorsque les erreurs sont liées par un
processus de répétition’’1. Le test de Durbin Watson permet de détecter la présence
d’une autocorrélation dans les résidus d’une analyse de régression.

Les hypothèses du test :

H0 : ρ = 0 : Les erreurs ne sont pas auto-corrélées.

H1 : εt = ρεt−1 + ϑt : Les erreurs sont autocorrélées d’ordre 1.

Afin de tester l’hypothèse nulle, on calcule la statistique de Durbin Watson suivante :

∑ni=2(εit − εit−1 )2
DW =
∑ni=1 εit 2

De par sa construction, cet indicateur de DW varie entre 0 et 4. Le schéma suivant

représente les valeurs que peut prendre DW :

Le test de DW s’interprète de la façon suivante :

- 𝑑𝑈 < 𝐷𝑊 < 4 − 𝑑𝑈 : on accepte 𝐻0 → 𝜌 = 0

- 0 < 𝐷𝑊 < 𝑑𝐿 : on rejette 𝐻0 → 𝜌 > 0
- 4 − 𝑑𝐿 < 𝐷𝑊 < 𝑑𝐿 : on rejette 𝐻0 → 𝜌 < 0

1
R. Bourbonnais (1993)
37 | P a g e
 - 𝑑𝐿 < 𝐷𝑊 < 𝑑𝑈 ou 4 − 𝑑𝑈 < 𝐷𝑊 < 4 − 𝑑𝐿 : zone d’intermédiation ou de
doute.

II- Le test de validité du MEDAF (Black, Jensen et Scholes):

Comme on l’a déjà vu, l’équation du modèle BJS s’écrit comme suit :

R j,t = aj + βj R M,t + εj,t

Alors, dans cette deuxième partie, on va tester l’hypothèse nulle du modèle BJS qui
suppose que le paramètreaj = 0. Si cette hypothèse est vérifiée, on peut conclure
directement la validité du MEDAF. Le test de Black, Jensen and Scholes se fait par
l’observation de la valeur de t-Student associée à chaque constante, Si le p-value de la
statistique t-Student est supérieure au niveau de signification, on accepteH0 .

Section 2 : Présentation des données

L’application économétrique proposée porte sur un ensemble de 10 actions
d’entreprises appartenant au secteur bancaire, immobilier et télécommunications. Les
séries brutes nécessaires ont été téléchargées du site de la bourse de Casablanca. Ces
dernières ont une fréquence mensuelle et couvrent la période allant du premier janvier
2010 au 31 décembre 2014, soit 60 observations. On a choisi une période de 5 ans, en
raison de l’hypothèse de stabilité de bêta du MEDAF, selon laquelle ce dernier est
estimé sur une période préalable de 48 mois au moins et de 60 mois au plus, et ce dans
le but de limiter les problèmes d’erreur de mesure. Concernant le rendement sans
risque nous avons retenu les rendements du bon du trésor marocain à 13 semaines.

Pour présenter le rendement du marché, on a choisi l’indice boursier MASI 1 parce

qu’il représente toutes les actions, toutes les obligations et tous les placements
immobiliers sur le marché. On a donc extrait les données mensuelles sur l’historique
des prix de cet indice à partir du site de la bourse de Casablanca, pour la période 2010-
2014.

Le tableau 1 détaille les sociétés retenues :

1
Morocco All Share Index
38 | P a g e
 Symbole Entreprise Secteur d’activité
Boursier

ATW ATTIJARIWAFA BANK Banques

BCP BANQUE POPULAIRE Banques

BCE BMCE BANK Banques

BCI BMCI Banques

CDM CREDIT DU MAROC Banques

CIH CREDIT IMMOBILIER ET HOTELIER Banques

ADI ALLIANCES DEVELOPPEMENT Immobilier

IMMOBILIER

CGI COMPAGNIE GENERAL IMMOBILIERE Immobilier

ADH DOUJA PROMOTION GROUPE Immobilier

ADDOHA

IAM ITTISSALAT ALMAGHRIB Télécommunications

Tableau 1: La liste des entreprises avec leurs symboles boursiers et leurs secteurs d’activité

Dans le tableau 1 figure les entreprises des secteurs les plus liquides sur le marché
boursier marocain spécialement ITTISSALAT ALMAGHRIB, DOUJA
PROMOTION GROUPE ADDOHA et ATTIJARI WAFA BANK.

Le tableau 2 représente les statistiques descriptives des données :

Variables Observations Moyenne Ecart- Minimum Maximum

(Rendement) (%) type (%) (%)
Rendement 60 0.031155 3.161514 -5.669223 8.965595
du marché
39 | P a g e
 ATW 60 0.708595 4.433359 -8.205128 13.37047

BCP 60 0.414222 8.292091 -50.50761 21.28205

BMCE 60 0.030082 5.605317 -13.13340 21.86380

BMCI 60 -0.178231 4.150084 -9.000000 10.29412

CDM 60 0.142041 7.356478 -18.03279 16.00000

CIH 60 0.387980 6.461906 -11.18270 15.01859

ADH 60 -1.109330 7.140865 -14.35630 30.08850

ADI 60 -1.516251 6.563614 -22.79483 16.26214

CGI 60 -0.732455 8.748055 -17.64133 33.52166

IAM 60 -0.175195 4.374160 -12.33514 13.71893

Rendement 60 3.371450 0.175597 2.858000 3.974000

sans risque
Tableau 2: Les statistiques descriptives des données

Le tableau 2 comporte des informations sur les rendements mensuels des différentes
actions. Ces informations concernent le nombre d’observations de l’étude, la moyenne,
l’écart-type, ainsi que les valeurs maximum et minimums des rendements enregistrés
pendant la période 2010-2014. Ces variables nous permettent de faire une description
de la distribution de ces observations.

Dans la première et la deuxième colonne du tableau, on a respectivement les actions

des 3 secteurs et le nombre d'observations qui est de 60.

Dans la troisième colonne, nous avons la moyenne des rendements. On remarque

que 5 actions sur 10 ont un rendement moyen positif, ces dernières sont tous des
actions du secteur bancaire. Les deux actions qui enregistrent les moyennes de
rendement les plus élevées sont celles d’ATTIJARI WAFA BANK et BANQUE
POPULAIRE, alors que celles de DOUJA PROMOTION GROUPE ADDOHA et
ALLIANCES DEVELOPPEMENT IMMOBILIER ont les rendements moyens les
plus faibles. Donc, on conclut que les actions du secteur bancaire ont généralement un
rendement moyen supérieur à celui du secteur immobilier, télécom ainsi que du
rendement moyen du marché.

La quatrième colonne nous donne des informations sur le niveau de volatilité des
actions entre 2010 et 2014. On remarque que les actions de LA BANQUE
40 | P a g e
POPULAIRE et COMPAGNIE GENERAL IMMOBILIERE sont les plus volatiles,
alors que celle du MAROC TELECOM et BMCI sont les moins volatiles. Si on
compare la volatilité des secteurs, on observe que les actions du secteur immobilier
sont plus volatiles que celles du secteur bancaire et télécom. Concernant la volatilité
du marché et de l’actif sans risque, on remarque qu’elles sont plus faibles qu’aux
actions des 3 secteurs.

Enfin, les deux dernières colonnes représentent les rendements les plus faibles et les
plus élevés enregistrés entre 2010 et 2014. On constate que le rendement moyen le
plus élevé remarqué dans cette période est celui de l’action de LA COMPAGNIE
GENERAL IMMOBILIERE avec 33.5%, alors que le rendement moyen le plus faible
est celui de LA BANQUE POPULAIRE avec -50.5%.

Chapitre II : Présentation, analyses et interprétation

des résultats

Dans cette partie, nous allons utiliser la régression simple afin d’estimer les
paramètres du MEDAF. Ensuite, nous passerons à une régression multiple pour
41 | P a g e
extraire les coefficients du modèle à trois facteurs et faire une comparaison entre les
résultats des deux modèles.

Section 1 : Application du modèle d’évaluation des actifs

financiers (MEDAF)
I- Les résultats des tests de spécification

Après avoir fait les différents tests de spécification, nous avons obtenu les résultats
suivant :

1- Le test de normalité (Jarque-Bera)

Afin de parvenir à étudier l’hypothèse de la normalité des rendements, on a testé en

premier lieu la stationnarité des rendements par le test de Dickey-Fuller. Les tests de
stationnarité ont été effectués sur Eviews. Les résultats obtenus sont présentés dans le
tableau 1 (Annexe 1).

Une analyse du tableau 1 nous a permis de tirer des conclusions quant à la stationnarité
des rentabilités boursières. Nous remarquons que toutes les valeurs de la statistique
sans exception, sont supérieures en valeurs absolues à la valeur critique 5%.

Après on est passé au test de normalité de Jarque-Bera. Le tableau 2 (Annexe 1)

représente les résultats de ce test appliqué aux résidus des premières régressions de
Black, Jensen et Scholes (1972). L’hypothèse nulle est rejetée pour les valeurs
supérieures à la valeur critique 5.9. Donc, à partir des résultats illustrés sur le tableau
2, on a accepté l’hypothèse de normalité que pour le rendement du marché et pour 3
actions sur 10.

2- Le test d’homoscédasticité de White (1980) :

Les valeurs de la statistique de White obtenues à l’aide du logiciel Eviews

présentées dans le tableau 3 (Annexe 1), nous a montré que l’hypothèse nulle

42 | P a g e
d’homoscédasticité est acceptée pour toutes les actions sauf CGI, puisque ses valeurs
sont inférieures à la valeur critique 3.84 à 1 degré de liberté et une erreur de 5%.

3- Le test d’autocorrélation de Durbin Watson :

A partir des résultats obtenus par E-views illustrés sur le tableau 4 (Annexe 1), on a
remarqué que les valeurs de la statistique de Durbin Watson sont toutes supérieures à
la borne supérieure critique 1 .621 . Ce qui signifie qu’il n’existe pas une
autocorrélation des erreurs, donc on accepte H0 .

II- Les résultats des régressions simples sur les différentes

valeurs :

Les variables La variable Bêta 𝑃 > |𝑡 | (pour le bêta)

dépendantes (Ri-Rf) explicative
(Rm-Rf)
𝐴𝑇𝑊 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.017376 0.0000
𝐵𝐶𝑃 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 1.068255 0.0012
𝐵𝑀𝐶𝐸 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.841813 0.0001
𝐵𝑀𝐶𝐼 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.299041 0.0781
𝐶𝐷𝑀 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.770847 0.0096
𝐶𝐼𝐻 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 1.100725 0.0000
𝐴𝐷𝐻 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 1.487070 0.0000
𝐴𝐷𝐼 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.877709 0.0007
𝐶𝐺𝐼 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 1.419187 0.0000
𝐼𝐴𝑀 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.871902 0.0000
Tableau 3: Les résultats relatives aux bêtas estimés avec régression de Black, Jensen et Scholes

Les variables La variable Constante de 𝑃 > |𝑡 | (pour la

dépendantes (Ri-Rf) explicative (Rm- la régression constante)
Rf)
𝐴𝑇𝑊 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.735482 0.2100
𝐵𝐶𝑃 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.611058 0.6732

1
Cette valeur est tirée de la table de Durbin Watson.
43 | P a g e
 𝐵𝑀𝐶𝐸 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 -0.529463 0.5712
𝐵𝑀𝐶𝐼 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 -2.55096 0.0015
𝐶𝐷𝑀 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 -0.654552 0.6217
𝐶𝐼𝐻 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.693276 0.5040
𝐴𝐷𝐻 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.486473 0.6317
𝐴𝐷𝐼 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 -1.955894 0.0858
𝐶𝐺𝐼 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 0.636599 0.6578
𝐼𝐴𝑀 − 𝑟𝑓 𝑟𝑚 − 𝑟𝑓 -0.634233 0.3337
Tableau 4: Les résultats relatives aux constantes estimées avec régression de Black, Jensen et Scholes

Les deux tableaux ci-dessus représentent les résultats obtenus en appliquant la

régression de Black, Jensen et Scholes à chaque action. Dans le premier tableau, on
trouve l’estimation des bêtas qui vont nous permettre d’analyser et de comparer le
risque systématique de chaque secteur. Tandis que dans le deuxième, on trouve la
constante de la régression de chaque action qui nous servira de tester la validité du
MEDAF.

III- Analyse et interprétation des résultats :

1- Analyse et interprétation des résultats concernant les bêtas :

Le tableau 3 nous donne les estimations des bêtas des différentes actions, obtenues à
l’aide de la régression de Black, Jensen et Scholes (1972). On remarque que l’action
qui a le bêta le plus élevé est ADH (DOUJA PROMOTION GROUPE ADDOHA),
alors que celle qui possède le plus faible est ATW (ATTIJARI WAFA BANK). On
remarque également des valeurs de bêta relativement élevées pour les actions CGI et
CIH. Concernant la comparaison des bêtas de chaque secteur, on remarque que celles
du secteur immobilier sont généralement plus élevées que celles du secteur bancaire ;
puisque l’action qui dispose le bêta le plus élevé de l’échantillon est une société
immobilière et celle qui a le bêta le plus faible est une banque. Concernant le bêta de la
société Maroc Télécom, on observe que sa valeur est moyenne et elle se situe entre la
valeur maximum et minimum de l’échantillon. Il faut souligner aussi que seulement
les actions BCP, CIH, ADH et CGI ont un bêta supérieur à 1, ce qui signifie que les
fluctuations du R M sont répercutées de manière amplifiée dans les variations de leurs
rendements. Aussi on remarque qu’aucune de ces actions n’a un bêta négatif.

Dans la quatrième colonne du tableau 3, on trouve les p-value de chaque coefficient

bêta, qui vont nous permettre de savoir si ces dernières sont significativement
différentes de zéro ou pas. En d’autres termes, ces probabilités nous serviront à savoir

44 | P a g e
si le rendement du marché a un impact significatif sur le rendement de chaque action
ou pas. Les résultats obtenus révèlent que seul le bêta d’action BMCI n’est pas
significatif, puisque sa probabilité est supérieure à 5%. Tandis que pour les autres
actions, leurs bêtas sont significatifs, ce qui montre l’existence d’un impact positif et
significatif du rendement du marché sur leurs rendements. Cependant, le secteur
immobilier semble avoir une sensibilité plus élevée que le secteur bancaire et télécom,
puisque les bêtas de ses actions ont des valeurs généralement proches ou supérieures à
1.

2- Analyse et interprétation des résultats concernant la constante de la

régression de Black, Jensen et Scholes (1972) :

Le tableau 4 nous donne les estimations des constantes des différentes actions,
obtenues à l’aide de la régression de Black, Jensen et Scholes (1972). On remarque
que 5 actions de l’échantillon (ATW, BCP, CIH, ADH, CGI) ont une constante
positive, ce qui indique que l’investissement dans chacune de ces actions a un
rendement supérieur pour récompenser le risque. En d’autres termes, le signe positif de
la constante montre que chacun de ces titres superforme et apporte un excès de
rendement mensuel deα%. Tandis que l’investissement dans les 5 actions restantes
(BMCE, BMCI, CDM, ADI et IAM), qui ont des constantes négatives, le rendement
est trop faible pour le risque engendré. Les probabilités représentées dans le même
tableau nous montrent que la constante est significativement différente de zéro pour 9
actions sur 10. La seule action qui a une constante significative (BMCI) est la même
qui a eu un coefficient bêta non significatif. Ces résultats impliquent que le MEDAF
est valide pour 9 actions sur 10, soit 90%.

Section 2 : Application du modèle à trois facteurs de Fama

et French :
I- Méthodologie du travail :

45 | P a g e
 Les économistes Fama et French ont montré que le modèle d’évaluation des actifs
financiers est capable à expliquer une part importante de la variabilité des rendements
lorsqu’on prend en considération les variables : la taille de l’entreprise et le ratio
valeur comptable/valeur marché.

Ces deux variables sont utilisées dans le calcul des deux facteurs du modèle de Fama
et French SMB1 et HML2 :

R jt = aj + βj R Mt + sj SMB + hj HML + εjt

Pour faire ce calcul, il convient de diviser notre échantillon en deux groupes, le

premier ‘’Big’’ contient les entreprises à grande capitalisation boursière et le deuxième
‘’Small’’ à petite capitalisation, en utilisant la CB médiane de l’échantillon comme
référence de répartition. Indépendamment de ce classement, notre échantillon sera
divisé en trois groupes selon le ratio VC/VM. Le premier groupe ‘’Low’’ contiendra
30% des compagnies de l’échantillon ayant un ratio VC/VM faible, le deuxième
groupe ‘’Minus’’ renferme 40% de l’échantillon et 30% des compagnies dont les
VC/VM sont les plus élevé appartiendront au troisième groupe ‘’High’’.

L’intersection de ces deux répartitions, nous permettra de construire 6 groupes d’actifs

(S/H, S/M, S/L, B/H, B/M, B/L). Par exemple, S/H représente le portefeuille d’actifs
qui ont une petite capitalisation boursière et un ratio VC/VM élevé. Par la suite, on
calcule le rendement mensuel de chacun des 6 groupes, puis on passe au calcul des
facteurs SMB et HML.

On a : SMB= Petit – Grand

1 1
SMB = (rS + r S + r S ) − (rB + r B + r B )
3 L M H 3 L M H

Et HML= Elevé – Bas

D’où : 1 1
(r S + r B ) − (rS + rB )
HML =
2 H H 2 L L
On rappelle que les variables SMB et HML représentent respectivement les facteurs
de risque lié à la taille et au ratio VC/VM.

II- Les résultats du modèle à trois facteurs :

1
Small, Minus, Big: le facteur de risque lié à la taille.
2
High, Minus, Low : le facteur de risque lié au ratio VC/VM.
46 | P a g e
 La même méthodologie appliquée dans le cadre du modèle uni-factoriel sera
appliquée pour ce modèle multifactoriel. Plus précisément, tester l’autocorrélation et
l’hétéroscédasticité des résidus, puis appliquer la méthode statistique adéquate.
L’équation du modèle est la suivante
Les tableaux ci-dessous représentent les estimations du modèle à trois facteurs :

Les variables La variable Bêta P > |t| (pour le bêta)

dépendantes (Ri-Rf) explicative 1
(Rm-Rf)

ATW − rf rm − rf 1.097380 0.0000

BCP − rf rm − rf 0.952399 0.0071

BMCE − rf rm − rf 0.867859 0.0002

BMCI − rf rm − rf 0.152184 0.3817

CDM − rf rm − rf 0.632141 0.0000

CIH − rf rm − rf 0.713472 0.0001

ADH − rf rm − rf 1.409108 0.0000

ADI − rf rm − rf 0.901635 0.0012

CGI − rf rm − rf 0.898364 0.0005

IAM − rf rm − rf 1.081331 0.0000

Tableau 5: Les statistiques relatives aux bêtas estimés avec le modèle à trois facteurs

Les variables dépendantes La variable explicative Le coefficient P > |t|

(Ri-Rf) 2 de SMB (sj ) (pour le
SMB sj )
ATW − rf SMB -0.195528 0.0279
BCP − rf SMB 0.170060 0.4537
BMCE − rf SMB -0.031716 0.8293
BMCI − rf SMB 0.203438 0.0801
CDM − rf SMB 0.740345 0.00000
47 | P a g e
 CIH − rf SMB 0.458799 0.0002
ADH − rf SMB 0.188673 0.2335
ADI − rf SMB -0.095094 0.5895
CGI − rf SMB 1.140313 0.00000
IAM − rf SMB -0.281546 0.0017
Tableau 6: Les statistiques relatives aux coefficients de la taille de l’entreprise (SMB) estimés avec le
modèle à 3 facteurs

Les variables La variable Le coefficient de HML (hj ) P > |t| (pour le hj )

dépendantes explicative 3
(Ri-Rf) HML
ATW − rf HML 0.038668 0.6316
BCP − rf HML -0.168441 0.4230
BMCE − rf HML -0.050799 0.7092
BMCI − rf HML 0.237581 0.0285
CDM − rf HML -0.863570 0.0000
CIH − rf HML 0.780607 0.0000
ADH − rf HML -0.033983 0.8156
ADI − rf HML 0.084239 0.6057
CGI − rf HML 0.011361 0.9393
IAM − rf HML -0.355823 0.0000
Tableau 7: Les statistiques relatives aux coefficients du ratio VC/VM de l’entreprise (HML) estimés avec
le modèle à 3 facteurs

Les variables dépendantes La constante P > |t| (pour la R2 - ajusté

(Ri-Rf) constante)
ATW − rf 0.996745 0.0941 0.575982
BCP − rf 0.183565 0.9045 0.179963
BMCE − rf -0.430525 0.6650 0.231235
BMCI − rf -3.097949 0.0002 0.150842
CDM − rf -0.933068 0.1317 0.832411
CIH − rf -0.783291 0.3099 0.657245

48 | P a g e
 ADH − rf 0.231071 0.8280 0.457819
ADI − rf -1.893677 0.1154 0.193609
CGI − rf -1.121824 0.3051 0.626889
IAM − rf 0.149777 0.7963 0.579448
Tableau 8 : Les statistiques relatives aux constantes du modèle à 3 facteurs

III- L’interprétation des résultats :

Pour avoir une vision plus claire sur les résultats obtenus, le tableau ci-dessous
schématise d’une façon comparative les résultats des deux modèles :

Les MEDAF Modèle à 3 facteurs

firmes 𝛼𝑖 𝛽𝑖 𝑅2 - ajusté 𝛼𝑖 𝛽𝑖 𝑅 2 - ajusté
IAM -0,634233 0,871902 0,394333 0,149777 1,081331 0,579448
CDM -0,654552 0,770847 0,110082 -0,933068 0,632141 0,832411
CIH 0,693276 1,100725 0,292301 -0,783291 0,713472 0,657245
ATW 0,735482 0,017376 0,527043 0,996745 1,097380 0,575982
BMCI -2,55096 0,299041 0,052545 -3,097949 0,152184 0,150842
CGI 0,636599 1,419187 0,263090 -1,121824 0,898364 0,626889
ADH 0,486473 1,487070 0,440285 0,231071 1,409108 0,457819
ADI -1,955894 0,877709 0,182277 -1,893677 0,901635 0,193609
BMCE -0,529463 0,841813 0,229124 -0,430525 0,867859 0,231235
BCP 0,611058 1,068255 0,166020 0,183565 0,952399 0,179963
Moyenne -0,316221 0,8754 0,2657 -0,67 0,8706 0,4485

Tableau 9: Comparaison des résultats du MEDAF et du modèle à 3 facteurs

Dans le cadre de cette analyse, on constate que les variables SMB et HML sont
chacun significative pour 5 actions sur 10, comme en l’indique les p-values
obtenues(𝑝 < 0.05). Ce qui signifie que les deux coefficients de sensibilité (𝑠𝑗 ) et (ℎ𝑗 )
captent significativement les variations du rendement dans 50% des cas.

Les trois premières lignes du tableau 9 représentent le cas où les deux variables SMB
et HML sont significatives. Comme il est bien remarquable, l’introduction de ces deux
variables a amélioré la qualité d’ajustement d’une façon bien significative. On voit par

49 | P a g e
exemple, dans le cas de CDM, que le coefficient d’ajustement 𝑅 2 passe de 0.110082 à
0.832411.

Les 3 lignes suivantes contiennent le cas où seulement une des deux variables est
significative. Il en ressort que la qualité d’ajustement s’est améliorée aussi mais d’une
façon minime. Les 4 dernières lignes c’est le résultat où les deux variables SMB et
HML sont non significatives. On remarque une amélioration plus faible de la qualité
d’ajustement. Ce qui signifie que les deux variables SMB et HML ne permettent pas
de mieux estimer le rendement attendu des titres ADH, ADI, BMCE et BCP.

Ces résultats sont en contradiction avec les études sur le marché américain de Fama et
French, qui ont trouvé que le ratio VC/VM est statistiquement plus significatif que la
capitalisation boursière, et a un effet plus puissant, majeur et dominant par rapport à la
CB concernant son influence sur le rendement des titres.

En ce qui concerne le portefeuille du marché, on remarque que le rendement du

marché obtenu est non significatif que pour l’action de BMCI, ce qui est identique au
résultat obtenu dans le cas du MEDAF, aussi tous les bêtas sont positifs et ne sont
supérieurs à 1 que pour 3 actions (IAM, ATW et ADH) et les 7 restantes ont
généralement des bêtas proches de 1. Cela signifie que le rendement du marché est
répercuté de manière amplifiée dans les variations des rendements des titres. Ce qui
contredit aussi les résultats de Fama et French, qui ont trouvé que le bêta a un rôle
faible.

L’action qui a le bêta le plus élevé est ADH (la même pour le MEDAF), alors que
celle qui possède le plus faible est BMCI (ATW dans le cas du MEDAF). A partir du
tableau A (Annexe 2), on peut extraire les titres qui ont le meilleur couple risque-
rendement, c’est-à-dire ceux qui ont un rendement élevé mais avec le minimum de
risque.

On remarque que les actions qui ont un rendement moyen élevé par rapport aux autres,
sont toutes des actions du secteur bancaire. Le titre ATW est le plus rentable de cet
échantillon, son bêta et supérieur à 1 et sa constante positive de 0,996745, signifie que
le rendement dégagé de ce titre récompense le risque de celui-ci. Il est suivi par les
titres BCP et CIH qui ont des rendements proches et un niveau de risque inférieur à 1,
mais on remarque que la constante de l’action CIH et négative (-0,783291) qui veut
dire que le rendement reçu de ce titre est peu pour le risque engendré.

Après les actions du secteur bancaire, vient celle du secteur télécommunications et

puis celles du secteur immobilier. On remarque que les actions de ce dernier, ont les
rendements les plus faibles de l’échantillon et avec des niveaux de risque élevé. Aussi,
comme l’en indique le tableau B (Annexe 2), le secteur immobilier est influencé par le
marché d’une manière amplifiée.

50 | P a g e
Donc, on peut conclure que l’investissement dans le secteur immobilier n’est pas un
bon choix, puisqu’il est très risqué et au même temps moins rentable. Le secteur
télécom vient au milieu. Alors que le secteur bancaire représente une bonne affaire
pour les investisseurs.

Quant à la constante de la régression𝛼𝑖 , on remarque aussi une compatibilité avec les

résultats du MEDAF, puisqu’elle est significativement proche de zéro pour 9 actions
sur 10, soit 90% des cas (significative juste pour l’action BMCI). Ceci est proche des
résultats de Fama et French qui sont arrivés à une non significativité de constate pour
96% des cas.

Par contre, en observant le 𝑅2 - ajusté moyen, on remarque qu’il a passé de 0,2657

dans le cas du MEDAF, à 0,4485 dans le cas du modèle à 3 facteurs. En d’autres
termes, le modèle multifactoriel explique en moyenne 44,85% du rendement des titres,
tandis que le MEDAF n’explique que 26,57% de ces derniers.

D’après les résultats obtenus, on peut conclure que le modèle à trois facteurs explique
mieux que le MEDAF les rendements des actions de notre portefeuille. Même si on
n’a pas trouvé de grandes différences entre les modèles concernant les résultats des
constantes et des bêtas, mais il est clair que l’introduction des deux nouvelles variables
a amélioré le degré d’explication des variations des rendements des titres.

IV- La comparaison des résultats obtenus avec quelques études

de la littérature :

Commençant par l’étude de Black, Jensen et Scholes. En ce qui concerne la

méthodologie, ces auteurs ont utilisé des portefeuilles qui disposaient de nombre
important de titres, afin de minimiser les erreurs de mesure de bêta observées dans les
études antérieurs sur des titres individuels. Tandis que nous, nous n’avons travaillé
que sur un portefeuille à nombre de titre limité. Pour l’échantillon du travail, Black,
Jensen et Scholes ont travaillé avec rendements mensuels de tous les titres de l’indice
américain NYSE, sur la période allant de 1926 à 1966. Ce qui n’est pas le cas pour
nous, puisqu’on a utilisé des données marocaines (rendements mensuel de 10 actions
de banques, d’immobilier et de télécommunications cotés sur la bourse de
Casablanca), sur une période de 5 ans, allant du premier Janvier 2010 au 31 Décembre
2014.

51 | P a g e
A partir de nos résultats, on constate l’absence de la dépendance linéaire1 entre 𝛼 et𝛽,
observée par Black, Jensen et Scholes dans leur étude. Puisqu’on remarque que les
constantes ne sont pas obligatoirement positives lorsque les bêtas sont inférieurs à 1.

Par contre, comme en l’indique le tableau B (Annexe 2), on remarque une

compatibilité de résultats dans le fait que les titres à 𝛽 élevé avaient généralement des
rendements plus faibles que ceux qui ont des 𝛽 faibles.

Concernant la validité du MEDAF, les résultats trouvés sont en contradiction avec la

version de Sharp du MEDAF. En effet, BJS ont trouvé une validité du MEDAF pour
30% des cas dans leur étude, alors qu’elle est de 90% pour la nôtre.

Passant maintenant aux résultats concernant le modèle multifactoriel, on a suivi la

même procédure de Fama et French dans leur étude, mais avec la différence qu’ils ont
travaillé sur des portefeuilles de titres américains, alors que nous avons utilisé des
titres individuels appartenant au marché marocain. Les résultats que nous avons
obtenus, se croisent avec ceux de FF sur le fait que les constantes des régressions sont
non significatives dans plus de 90% des cas. Mais on a trouvé que le bêta est plus
significatif que les paramètres des deux variables CB et VC/VM, ce qui oppose les
résultats de FF.

Conclusion

1
Lorsque le coefficient 𝛽 est inférieur à 1, la constante était positive et inversement si le 𝛽 est supérieur à 1
52 | P a g e
 Tout au long de notre étude, nous avons essayé de répondre à la problématique
posée au début de ce document, en travaillant sur les 3 secteurs (bancaire, immobilier
et télécommunication) les plus importants sur le marché marocain. Ainsi, dans
l’objectif de tester la validité du MEDAF sur ce marché, on a établi une régression sur
le modèle de Black, Jensen et Scholes afin de tester l’hypothèse selon laquelle la
constante doit être égale à 0. L’observation des probabilités nous a permis de valider le
modèle pour 90% de l’échantillon, dont la seule entreprise que le MEDAF ne semble
pas être valide pour ses titres était une banque (BMCI). Ce résultat semble satisfaisant
si on considère l’importante place qu’occupe ce modèle dans la finance.

Quant à la comparaison du risque des actions des secteurs, nous avons observé les
bêtas de la même régression de Black, Jensen et Scholes. Cette observation nous a
mené à conclure que le secteur immobilier est plus sensible aux variations du marché
que le secteur bancaire et télécom, puisque leurs bêtas étaient généralement proches ou
supérieures à 1.

Par la suite, dans le but de tester le modèle à trois facteurs de Fama et French et le
comparer avec le MEDAF, nous avons en premier temps calculé les deux variables
HML et SMB en suivant la méthodologie adaptée par Fama et French. Puis, nous
avons estimé les paramètres du modèle par une régression multiple. Les résultats
obtenus nous ont permis de conclure que l’ajout des deux nouvelles variables a
amélioré la qualité d’ajustement, mais avec une présence forte du facteur du marché
qui impacte le rendement plus que les autres variables du modèle.

L’observation des résultats concernant les deux variables ajoutées, nous ont indiqué
qu’elles ne sont pas toujours significatives (50% des cas). Cela nous mène à penser à
introduire au modèle d’autres facteurs qui peuvent compléter l’information importée
par la prime de risque, comme le taux de change, le taux d’intérêt, l’inflation… . Par
contre, L’observation de la valeur moyenne des R2 du modèle FF nous a montré que ce
dernier explique 44,85% du rendement des titres, tandis que le MEDAF n’explique
que 26,57%. Ce résultat nous a conduit à conclure que le modèle FF est plus
significatif que le MEDAF.

Finalement, afin de connaître le secteur qui a le meilleur couple risque-rendement,

nous avons fait une comparaison entre le bêta de chaque action et son rendement
moyen sur la période 2010-2014. Les résultats ont montré une mauvaise relation entre
le risque et le rendement des actions appartenant au secteur immobilier, puisqu’elles
sont caractérisées par une grande volatilité et au même temps par une faible rentabilité.
Ce résultat reflète la mauvaise situation par laquelle est passé le secteur immobilier
dans cette période. Par la suite vient le secteur immobilier qui a semblé moins risqué et
plus rentable que le précédent. Par contre, ces mêmes résultats ont prouvé que le

53 | P a g e
secteur bancaire est le plus idéal pour investir, puisque ses actions ont été les moins
risquées et les plus rentables.

Pour conclure, il faut noter que malgré le doute qui pèse sur l’évidence empirique du
MEDAF, ce modèle reste jusqu’à aujourd’hui un outil extensivement utilisé par les
gérants de portefeuilles à travers le monde.

54 | P a g e
 Bibliographie

Ouvrages

• Jacques Hamon : « Bourse et gestion de portefeuille », Edition

ECONOMICA 2011 ;
• Sébastien Bossu et Philippe Henrotte : « Exercices de finance des
marchés : Théorie de la finance », Edition Dunod, Paris, 2002 ;
• Philippe Spierser : « Information économique et marchés financiers »,
Edition ECONOMICA 2000 ;
• Bertrand Jacquillat et Bruno Solnik : « Les marchés financiers et la
gestion de portefeuille », Edition Bordas, Paris, 1981 ;
• Robert Cobbaut : « Théorie financière », Edition ECONOMICA 1992 ;
• Virginie Terraza et Carole Toque : « Analyse statistique pour la gestion
bancaire et financière », Edition De Boeck Supérieur, 2013 ;
• Taladidia Thiombiano : « Econométrie des séries temporelles », Edition
L’HARMATTAN, 2008 ;
• Taladidia Thiombiano : « Econométrie des modèles dynamiques », Edition
L’HARMATTAN, 2002 ;
• Isabelle Cadoret : « Econométrie appliquée : méthodes, applications,
corrigés », Edition De Boeck Supérieur, 2004 ;
• Octave Jokung-Nguena : « Mathématiques et gestion financière:
Applications avec exercices corrigés », Edition De Boeck Supérieur, 2004 ;
• Claude Broquet,Robert Cobbaut,Roland Gillet,André van den Berg :
« Gestion de portefeuille », Edition De Boeck Supérieur, 2004 ;

55 | P a g e
Thèses et mémoires :

• Franck Fabrice NGOMA 2009: « Evaluation des actifs financiers par le

MEDAF: validation empirique de la relation risque-rendement par les modèles
économétriques », Maitrise en Comptabilité et Finance, Université Centrale
d'Administration des Affaires et de Technologie de Tunis ;
• Bertin CHABI 2003: « Applicabilité du Modèle d'Evaluation des Actifs
Financiers (MEDAF) aux marchés financiers africains: cas des actions côtés à
la Bourse des Valeurs de Nairobi au Kenya», DEA, Université d'Abomey-
Calavi, République du Bénin;
• Othman GAGA et Ahmed TARIB 2009 : « Le modèle d’évaluation des
actifs financiers : Cas d’ITISSALAT AL-MAGHRIB », Mémoire master
finance Appliquée, Université Cadi Ayyad Marrakech ;
• Youssef Alaoui BOUFARSI 2012 : « Le MEDAF : background théorique,
implications et limites », Mémoire à Business School of Paris ;
• Jalel Djebali 2011 : « Le modèle multifactoriel : est-il une alternative au
MEDAF », Maîtrise en sciences économiques, Université de Montréal ;
• Oumelghit NABHANE 2009 : « De la validité du CAPM vers la Value-At-
Risk : une approche fondée sur les valeurs extrêmes », Projet de fin d’étude
d’ingénierie en Economie appliqué, Ecole Nationale de l’Economie Appliquée ;
• Asmae ES-SALHI et Nasreddine LAZRAK 2012 : « Construction,
optimisation et suivi d’un portefeuille actions selon le modèle de Markowitz et
puis selon la méthode de Shefrin-Statman », Projet de fin d’étude d’ingénierie
en Actuariat-Finance, Ecole Nationale de l’Economie Appliquée ;
• Mohamed TEKCHTATI et Yassine EL QALLI 2012 : « Modélisation et
analyse de risque du portefeuille action du RCAR », Projet de fin d’étude
d’ingénierie en Statistique, Ecole Nationale de l’Economie Appliquée ;
• Osmane DIABY 2009 : « Application du modèle d’évaluation par arbitrage
aux produits financiers dérivés des matières premières (Pétrole, Café et Cacao),
Maitrise en Economie, Université du Québec, Montréal ;
• Mohamed AYADI 1995 : « Etudes inconditionnelle et conditionnelle de la
relation risque-rendement avec prise en compte des problèmes des erreurs sur
les variables : Une analyse Canadienne », Mémoire présenté pour l’obtention du
grade de maître ès sciences, Ecole des Hautes études commerciales, Canada ;
• Imen LIMAIEM 2009 : « Les facteurs du modèle de Fama et French : Cas
du marché des actions Canadiennes », Mémoire présenté pour l’obtention de la
maîtrise en Economie financière, Université du Québec, Montréal ;
• Maxime Nanou 2012 : « Application empirique du modèle d’évaluation des
actifs financiers (MEDAF) inconditionnel à des actions de banques et de
56 | P a g e
 compagnies pétrolières Canadiennes », Mémoire de la maîtrise en Economie,
Université du Québec, Montréal ;

Rapports :

• BMCE BANK 2005: « Secteur bancaire 10 ans d’évolution »

• Ministère de l’économie et des finances 2015 : « Le tableau de bord des
indicateurs macro-économiques »
• Bourse de Casablanca : « Les rapports annuels de 2009 à 2013 » ;
• Bank Al Maghrib 2014 : « Supervision des banques marocaines
panafricaines »
• Ministère de l’économie et des finances 2015 : «Projet de loi de finances
pour l’année budgétaire 2015 : Rapport économique et financier » ;
• Ministère de l’économie et des finances 2014 : « Déploiement de la
téléphonie mobile de la 4ème génération au Maroc : Opportunités et défis »

Articles des journaux :

• La Nouvelle Tribune 2014 : « 2014, de meilleures perspectives

boursières ! » ;
• Djazairess 2014 : « Maroc : la Bourse de Casablanca, première place
boursière du Maghreb et d’Afrique de l’Ouest » ;
• La Nouvelle Tribune 2015 : « 2014, la Bourse de Casablanca enfin dans le
vert » ;
• L’Economiste 2014 : « Le secteur bancaire grossit plus vite que le PIB » ;
• L’Usine Nouvelle 2015 : « Maroc Telecom : dégradation des marges en vue
pour 2015 » ;
• L’Observateur 2014 : « Immobilier : Les vrais problèmes »

Publications :

• La bourse de Casablanca 2014 : « Résumé annuel »

• Ministère de l’économie et des finances 2014 : « Note de conjoncture »

57 | P a g e
Webographie
• www.gestion.coursgratuits.net
• www.doc-etudiant.fr/Gestion/Finance/Expose-Systeme-bancaire-marocain-56465.html
• http://www.business-realties.com/images/PDF/MarketSnapshot.pdf
• www.google.com
• https://www.wikipedia.org
• http://www.casablanca-bourse.com/

58 | P a g e
 Les tables des annexes

Annexe 1 : Les résultats des tests de spécification économétrique

Tableau 1: Résultats des tests de stationnarité effectués sur eviews

Valeurs Statistique Valeur critique à 5%
Rendement du MASI -5.914133 -2.912631

ATW -7.317828 -2.911730

BCP -7.591890 -2.911730

BMCE -6.495038 -2.911730

BMCI -10.70559 -2.911730

CDM -6.879534 -2.912631

CIH -7.639491 -2.911730

ADH -6.749735 -2.911730

ADI -6.640964 -2.911730

CGI -8.121242 -2.911730

IAM -6.950550 -2.911730

59 | P a g e
 Tableau 2 : Les résultats du test de normalité de Jarque-Bera

Les variables dépendantes Statistique de Jarque-Bera

𝑨𝑻𝑾 − 𝒓𝒇 15.07928

𝑩𝑪𝑷 − 𝒓𝒇 1835.887

𝑩𝑴𝑪𝑬 − 𝒓𝒇 49.10058

𝑩𝑴𝑪𝑰 − 𝒓𝒇 0.042198

𝑪𝑫𝑴 − 𝒓𝒇 0.284389

𝑪𝑰𝑯 − 𝒓𝒇 1.758848

𝑨𝑫𝑯 − 𝒓𝒇 6.392993

𝑨𝑫𝑰 − 𝒓𝒇 13.14321

𝑪𝑮𝑰 − 𝒓𝒇 27.79297

𝑰𝑨𝑴 − 𝒓𝒇 18.43762

Tableau 3 : Les résultats du test d’homoscédasticité de White

Les variables dépendantes Statistique de White (n*𝑹𝟐 )

𝑨𝑻𝑾 − 𝒓𝒇 1.572260
𝑩𝑪𝑷 − 𝒓𝒇 0.856565
𝑩𝑴𝑪𝑬 − 𝒓𝒇 0.660803
𝑩𝑴𝑪𝑰 − 𝒓𝒇 0.448368
𝑪𝑫𝑴 − 𝒓𝒇 1.590940
𝑪𝑰𝑯 − 𝒓𝒇 0.827387
𝑨𝑫𝑯 − 𝒓𝒇 1.696052
𝑨𝑫𝑰 − 𝒓𝒇 2.094928
𝑪𝑮𝑰 − 𝒓𝒇 4.784074
𝑰𝑨𝑴 − 𝒓𝒇 2.381664

60 | P a g e
 Tableau 4 : Les résultats du test d’autocorrélation de Durbin Watson

Les variables dépendantes Statistique de Durbin Watson

𝑨𝑻𝑾 − 𝒓𝒇 2.742266
𝑩𝑪𝑷 − 𝒓𝒇 3.910165
𝑩𝑴𝑪𝑬 − 𝒓𝒇 3.007715
𝑩𝑴𝑪𝑰 − 𝒓𝒇 2.634143
𝑪𝑫𝑴 − 𝒓𝒇 1.959552
𝑪𝑰𝑯 − 𝒓𝒇 2.310389
𝑨𝑫𝑯 − 𝒓𝒇 3.603409
𝑨𝑫𝑰 − 𝒓𝒇 3.893885
𝑪𝑮𝑰 − 𝒓𝒇 3.421494
𝑰𝑨𝑴 − 𝒓𝒇 2.900735

61 | P a g e
Annexe 2 : Les résultats de la régression du modèle à 3 facteurs :

Les firmes 𝜶𝒊 Les bêtas La moyenne des

rendements
IAM 0,149777 1,081331 -3,55
CDM -0,933068 0,632141 -3,23
CIH -0,783291 0,713472 -2,98
ATW 0,996745 1,097380 -2,66
BMCI -3,097949 0,152184 -3,55
CGI -1,121824 0,898364 -4,10
ADH 0,231071 1,409108 -4,48
ADI -1,893677 0,901635 -4,89
BMCE -0,430525 0,867859 -3,34
BCP 0,183565 0,952399 -2,96
Tableau A : les bêtas de la régression multiple du modèle FF de chaque titre et son rendement moyen.

La firme Le rendement moyen Le bêta du MEDAF

ADH -4,4807804 1,48707

CGI -4,1039048 1,41919

CIH -2,9834704 1,10073

BCP -2,9572285 1,06826

ADI -4,8877008 0,87771

IAM -3,5466446 0,8719

BMCE -3,3413678 0,84181

CDM -3,229409 0,77085

BMCI -3,5496806 0,29904

ATW -2,6628549 0,01738

Tableau B : comparaison entre le bêta de chaque titre obtenu par le MEDAF et son rendement moyen sur
la période 2010-2014

Secteur immobilier Secteur bancaire Secteur télécom Masi

-4,4907953 -3,1206685 -3,546645 -3,34
Tableau C : La performance des trois secteurs et du MASI sur la période 2010-2014

62 | P a g e
Annexe 3 : Les tableaux des données utilisées :

63 | P a g e
64 | P a g e
Annexe 4: les sorties d’Eviews :

65 | P a g e
66 | P a g e
67 | P a g e
68 | P a g e
69 | P a g e
70 | P a g e
71 | P a g e
 Table des matières
Liste des figures ....................................................................................................................................... 5
Liste des tableaux .................................................................................................................................... 6
Résumé : .................................................................................................................................................. 7
Introduction :........................................................................................................................................... 8
Partie I : Cadre théorique et institutionnel ........................................................................................... 10
Chapitre 1 : Aperçu théorique sur les modèles linéaires d’évaluation des actifs financiers 11
Section 1 : Les modèles d’évaluation des actifs financiers ............................................... 11
I- Les modèles de formation (fixation) des prix et des relations entre rentabilités
anticipées… ................................................................................................................... 11
1- Le modèle du marché ......................................................................................... 11
2- Le modèle d’évaluation des actifs financiers (MEDAF ou CAPM) : ................ 13
2.1)Principe de base du modèle : ........................................................................... 13
2.2) L’origine du MEDAF : ................................................................................... 13
2.3) Les hypothèses du modèle : ............................................................................ 14
2.4) Le modèle : ..................................................................................................... 14
2.5) Les critiques et problèmes du MEDAF : ........................................................ 17
2.6) Les modèles utilisés pour tester le MEDAF : ................................................. 18
2.6.1) Le modèle de Black, Jensen & Scholes : ................................................ 18
2.6.2) Le modèle de Fama et MacBeth : ............................................................ 18
2.6.3) Le modèle de Blum et Friend : ................................................................ 19
II- Les modèles multifactoriels : ............................................................................. 19
1- Le modèle d’évaluation par arbitrage (MEA) : .................................................. 19
2- Le modèle de Fama et French (1992, 1993): .................................................... 20
Section 2 : Revue de littérature sur les tests empiriques du MEDAF ............................... 21
Chapitre 2 : Le cadre institutionnel ...................................................................................... 25
Section 1 : présentation du marché boursier marocain : ................................................... 25
I- Vision générale sur la bourse des valeurs de Casablanca ...................................... 25
II- La performance du marché et la capitalisation boursière ................................... 26
Section 2 : présentation des secteurs : bancaire, immobilier et télécommunications ....... 28
I- Le secteur bancaire : .............................................................................................. 28
1- L’évolution : ....................................................................................................... 29
2- La structure : ....................................................................................................... 29
II- Le secteur immobilier : ...................................................................................... 30
72 | P a g e
 III- Le secteur télécommunication :.......................................................................... 32
Partie II : Etude empirique .................................................................................................................... 33
Chapitre I : Méthodologies et présentation des données ...................................................... 34
Section 1 : Hypothèses et méthodologies du travail ........................................................ 34
I- Les tests de spécification économétriques ............................................................ 34
1- Test de stationnarité de Dickey-Fuller (1979) ................................................... 34
1-1) La forme TS ................................................................................................ 34
1-2) La forme DS ............................................................................................... 35
1-3) Les tests de racine unitaire ......................................................................... 35
2- Test de normalité de Jarque-Bera (1980) ........................................................... 35
3- Le test d’homoscédasticité de White (1980) ..................................................... 36
4- Le test d’autocorrélation de Durbin Watson .................................................... 37
II- Le test de validité du MEDAF (Black, Jensen et Scholes) ................................ 38
Section 2 : Présentation des données ................................................................................ 38
Chapitre II : Présentation, analyses et interprétation des résultats ....................................... 41
Section 1 : Application du modèle d’évaluation des actifs financiers (MEDAF) ............ 42
I- Les résultats des tests de spécification ................................................................... 42
1- Le test de normalité (Jarque-Bera) ..................................................................... 42
2- Le test d’homoscédasticité de White (1980) ..................................................... 42
3- Le test d’autocorrélation de Durbin Watson .................................................... 43
II- Les résultats des régressions simples sur les différentes valeurs ...................... 43
III- Analyse et interprétation des résultats ............................................................... 44
1- Analyse et interprétation des résultats concernant les bêtas ............................. 44
2- Analyse et interprétation des résultats concernant la constante de la régression
de Black, Jensen et Scholes (1972) .......................................................................... 45
Section 2 : Application du modèle à trois facteurs de Fama et French ............................ 45
I- Méthodologie du travail ........................................................................................ 45
II- Les résultats du modèle à trois facteurs ............................................................ 46
III- L’interprétation des résultats ............................................................................. 49
IV- La comparaison des résultats obtenus avec quelques études de la littérature ... 51
Conclusion ............................................................................................................................................ 52
Bibliographie ......................................................................................................................................... 55
Annexes ................................................................................................................................................ 59

73 | P a g e
74 | P a g e