WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Performance de portefeuille et diversification sectorielle: cas de la BRVM (Bourse Régionale des Valeurs Mobilières)

( Télécharger le fichier original )
par Agossou Jacques GANSINHOUNDE
Université Toulouse1 - Master 2 statistique et économétrie 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Chapitre 6

ANALYSE DE LA DYNAMIQUE SECTORIELLE DANS
LA RENTABILIT'E DES PORTEFEUILLES

L'objectif de cette analyse est de comparer le pouvoir explicatif des indices boursiers sectoriels et celui de l'indice du marchédans l'évolution de la rentabilitédes portefeuilles. Il s'agit de voir si, la rentabilitéd'un portefeuille qui regroupe des actions appartenant a` plusieurs secteurs d'activités, peut être mieux expliquer par un in-

dice sectoriel particulier plutôt que par l'indice global du marché. L'indice de marchétraduit-il toujours mieux la performance des portefeuilles boursiers?

La réponse a` cette question dépend de l'horizon de temps considéré(court, moyen ou long terme). A priori, la réponse est négative a` court terme. En effet, le benchmark de la BRVM ne prend en compte que les 10 sociétés les plus actives du marchéet il n'est pas exclu que sur une courte période de temps, des secteurs d'activiténe soient pas pris en compte dans cet indice de marché. La performance d'un portefeuille contenant exclusivement des actions de ces secteurs d'activités serait certainement mieux expliquée par les indices sectoriels concernés que par l'indice de marché.

La problématique posée dans ce chapitre a trait a` l'étude de ce phénomène a` moyen et long terme. Peut-il perdurer sur une longue période de temps? Peut-on avoir sur plusieurs années des portefeuilles dont la performance s'expliquerait mieux par des indices sectoriels plutôt que par l'indice de marchéde la BRVM 1 ?

1. Cette problématique pourrait paraitre semblable a` celle de l'efficience du marchéboursier ouest-africain. Elle en diff`ere. L'analyse de la dynamique sectorielle qui est entreprise ici ne cherche pas a` déterminer si l'indice du marchépeut moins performer qu'un portefeuille a` long terme. Nous cherchons simplement a` vérifier si l'indice de marchépeut expliquer la performance d'un portefeuille, moins qu'un indice sectoriel sur une longue durée.

6.1 La méthode

La méthode adoptée est inspirée des travaux de J.-P. Bredot et al.(b) [7] 2 Elle consistera a` utiliser les coefficients de détermination (R2) pour évaluer les pouvoirs explicatifs des performances par les indices boursiers. Pour chacun des dix (10) portefeuilles construits, il sera procédécomme suit :

- découper la période d'étude en sous-périodes successives de 45 jours par glissement de 15, ce qui donne 222 sous-périodes;

- pour chaque sous-période, calculer le R2 du portefeuille pour tous les indices sectoriels et l'indice de marché(6 au total). On obtient une matrice de R2 de dimensions (222,6);

- estimer pour chacun des indices, la densitéde la distribution de R2 obtenue

précédemment, en utilisant la méthode de noyau de Parzen-Rosenblatt (esti-

mateur non paramétrique) avec une transformation de type Box-Cox3 - représenter sur le même graphique les 6 estimateurs et les comparer.

2. J.-P. Berdot et al. ont utliséle R2 pour comparer le pouvoir explicatif des indices sectoriels européens et celui des indices pays de l'Europe sur l'historique des cours de différentes actions. L'objectif était pour eux de montrer que la diversification sectorielle expliquait les cours de ces actions mieux que la logique de place (pays)

3. La famille de transformation Box-Cox introduit un nouveau paramètre ë et transforme la variable initiale comme suit :

z = y; =

 

yë-1

; si ë =6 0

lny si ë = 0

L'objectif de cette famille de transformation est de produire des données qui s'approchent plus d'une distribution normale que les données originales.

Pour plus de détails, on pourrait se référer a` l'article ci-dessous :

http://jekyll.math.byuh.edu/papers/mspaper99.pdf

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire