²

FSEGT — 2023/2024
1ère EGRFA — Logiciel Eviews — Série 01
ωωωωω

On se propose d'estimer par la méthode des MCO le modèle MEDAF

pour la banque BH à partir des données mensuelles contenues dans le fichier
Excel medafbanques.xls (Cf. Données dans le dossier Travaux et Devoirs
de la page du cours) et relatives à la Tunisie pour la période allant de
janvier 1999 à décembre 2018, soient 240 observations. Le modèle de
régression linéaire est donné par :

Erbht = βO + β1ertit + 𝜺𝒕

où erbht et ertit désignent respectivement les excès de rendement de

l'action BH et d'un portefeuille du marché boursier de Tunis, l'indice
Tunindex, par rapport à celui des bons de Trésor, considérés ici comme des
actifs non risqués. On suppose par ailleurs que les coefficients βi, i = 0, 1, sont
constants, que les régresseurs ne sont pas aléatoires et que les erreurs 𝜺𝒕 sont
identique- ment et indépendemment distribuées selon une loi normale
d'espérance nulleet de variance σ2.
Avant de procéder à l'estimation de ce modèle, nous chercherons à vérifier
quelques propriétés des modèles de régression simple et multiple à l'aide du
logiciel Eviews.
Sauf indication contraire, tous les tests devront être effectués au seuil de
significativité de 5%.

I) 1) Importer dans Eviews le fichier medafbanques.xls et créer un

fichier de travail que l'on nommera Serie1.wf1 (et que l'on sauvegardera dans
un dossier spécifique au cours).

2) Générer les variables du modèle de régression.

1
 3) Ouvrir le groupe composé des variables générées et le sauvegarder.
Représenter graphiquement ces variables, établir leurs statistiques
descriptives ainsi que la matrice de leurs covariances et corrélations. Définir
et commenterces différents indicateurs.

II) 1) Régresser erbht sur une constante uniquement. Que représente le

coefficient estimé ? Commenter.

2) Régresser erbht sur une constante et sur ertit avec :

– une seule observation, la première ;
– deux observations, les deux premières ;
– trois observations, les trois premières ;
– un nombre d'observations de plus en plus élevé jusqu'à couvrir la totalité
de l'échantillon. Commenter l'effet sur la précision des estimations.

3) Sauvegarder l'équation estimée sur tout l'échantillon sous le nom equ01.

4) Examiner les graphiques des valeurs ajustées et des résidus ainsi que
la matrice de variance-covariance des coefficients.

5) Définir la p-value et tester de plusieurs manières la significativité

individuelle des coefficients. Les résultats sont-ils modifiés si l'on retient
parexemple un seuil de significativité de 1 ou de 10% ?

6) Interpréter le coefficient β1 et tester si le titre BH est (i) défensif, (ii)

agressif ou (iii) neutre.

III) On désire comparer le modèle de régression simple précédent à un

modèle de régression multiple qui lui ajoute la variable jant, qui est une
variable muette égale à 1 si l'observation se réfère au mois de janvier et 0
sinon. Le modèle de régression linéaire est donné par :

erbht = βO + β1ertit + β2jant + 𝜺𝒕

2
 1) Effectuer cette régression. Vérifier si les coefficients sont de signe
plausible. Etablir les intervalles de confiance à 95% des coefficients et en
déduires'ils sont individuellement significatifs.

2) Indiquer pour quel seuil de significativité on ne rejette pas l'hypothèse

nulle β2 = 0.

3) Donner en justifiant votre réponse une interprétation du coefficient β2.

Indiquer les facteurs qui expliquent cet effet avant de le tester.

4) Tester la significativité globale du modèle.

5) Comparer la qualité d'ajustement de ce modèle à celle du modèle

précédent.

6) Régresser erbht sur une constante et sur jant et sauvegarder les

résidus. Régresser ertit sur une constante et sur jant et sauvegarder les
résidus. Régresser les résidus issus de la première régression sur une
constante et sur les résidus issus de la deuxième régression. Commenter.

7) Comparer les modèles de régression simple et multiple précédents du

point de vue de l'interprétation des coefficients. Chiffrer l'effet direct et l'effet
total et indiquer dans quel(s) cas ils peuvent être égaux.