L'énigme de volatilité excessive des cours boursiers: explication par la finance comportementale à travers l'excès de confiance et le comportement grégaire. "Validation empirique sur la BVMT (Bourse des Valeurs Mobilières de Tunis )"

		REPUBLIQUE TUNISIENNE MINISTERE DE L'ENSEIGNEMENT SUPERIEUR UNIVERSITE DE TUNIS EL-MANAR FACULTE DES SCIENCES ECONOMIQUES ET DE GESTION DE TUNIS Mémoire en vue de l'obtention du Diplôme de Mastère
			F i n a n c e
		L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à travers l'excès de confiance et le comportement grégaire. « Validation empirique sur la BVMT » Directeur de recherches : Elaboré par : Mr. NAOUI Kamel ELANCHLI Haïfa
			Année Universitaire 2009 - 2010

Remerciements

A dieu miséricordieux

Je rends grâce à Dieu tout puissant de m'avoir donné la force et la connaissance pour

accomplir ce travail.

A mon directeur de mémoire Monsieur Naoui Kamel

Je vous remercie pour votre encadrement continu, vos remarques constructives ainsi que vos conseils avisés. Veuillez accepter Monsieur ma sincère gratitude et mon profond

respect.

A tous les enseignants de la Faculté des Sciences Economiques et de Gestion de

Tunis

Je vous remercie pour la qualité de l'enseignement que vous m'avais prodigué tout

au long de mon cursus universitaire.

Aux membres du jury

Je vous remercie vivement pour l'honneur que vous me faites en acceptant d'évaluer

mon modeste travail.

Dédicaces

C'est à travers ce modeste travail que je tiens du fond de mon coeur à témoigner
mon éternelle reconnaissance à ceux que j'aime

A mes parents, Lanchly Abdessalem et Karboul Nacira
Pour tout l'amour qu'ils me portent, leurs sacrifices illimités, leurs prières, leurs patiences
et leurs confiances en moi : voici le couronnement de vos efforts.
Que dieu vous réserve la bonne santé et la longue vie.

A mon fiancé, Harbaoui Mohamed Pour son amour indéfini, sa compréhension et son soutien indéfectible.

A mes adorables soeurs Erij, Cyrine et Siwar Pour leurs encouragements et leurs soutiens moraux. Je vous souhaite un brillant avenir et

une vie heureuse.

A tous ceux que j'aime et qui m'aiment
Spécialement mes Oncles, mes Tantes, mes Cousins, mes Cousines ainsi que leurs
familles, qu'ils trouvent dans ce travail l'expression de mes plus sincères sentiments.

Sommaire

Introduction générale 1

Chapitre1 : De la théorie d'efficience des marchés financiers à la finance comportementale 5

Section 1 : Prédiction de la théorie d'efficience 8

Section 2 : La finance comportementale 19

Section 3 : Mise en lumière de l'énigme de volatilité excessive : Investigation

empirique sur le marché boursier tunisien 32

Chapitre 2 : Etude de l'excès de confiance sur les marchés financiers 47

Section 1 : Mise en évidence du phénomène de l'excès de confiance sur les marchés financiers . 50

Section 2 : Mise en évidence théorique de l'effet de l'excès de confiance sur la

volatilité des cours boursiers 57

Section 3 : Détection de l'excès de confiance et de son incidence sur la volatilité des

cours boursiers : Validation empirique sur le marché boursier tunisien .. 60

Chapitre 3 : Examen du comportement grégaire sur les marchés

financiers 78

Section 1 : Analyse financière des caractéristiques du comportement grégaire sur les marchés financiers . 81

Section 2 : Mise en évidence théorique de la répercussion du comportement grégaire

sur la volatilité des cours boursiers . 92

Section 3 : Détection du comportement grégaire et de son incidence sur la volatilité

des cours boursiers : validation empirique sur le marché boursier tunisien 93

Conclusion générale . 112

Annexe 115
Références bibliographiques . 151

Table des matières 169

Introduction générale

1

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Introduction générale

purs et parfaits conçus au 19^ème siècle, dont l'hypothèse fondamentale sur

_L'efficience des marchés financiers est une théorie issue de la notion de marchés

laquelle se greffe , est que le prix de l'actif doit refléter pleinement et instantanément toute l'information divulguée sur le marché.

Les prédictions théoriques de l'hypothèse d'efficience des marchés financiers (HEMF), incontestablement à la base de la finance moderne, semblent être difficilement compatibles avec le fonctionnement réel des marchés financiers. En effet, la fréquence des bulles, des krachs, des crises financières ont donné lieu à un excès de volatilité boursière.

La volatilité excessive qualifiée de l'exubérance irrationnelle par Shiller (2000), constitue l'un des plus fameux puzzles de la théorie d'efficience. La première constatation de cet énigme¹ remonte aux travaux de Shiller (1981) qui s'est parvenu à fournir une preuve en faveur de l'excès de volatilité sur le marché boursier américain suite à une étude empirique portant sur l'élaboration d'une comparaison entre l'historique du cours de l'indice S&P500 et celui de la valeur actualisée des dividendes attendues au taux d'intérêt constant pour la période comprise entre 1871-1979.

L'inaptitude de la théorie d'efficience à expliquer les anomalies observées sur les marchés financiers à conduit les observateurs à se douter de la pertinence de la théorie traditionnelle et par conséquent à étendre leurs champs de recherche pour intégrer de nouvelles dimensions, principalement, psychologiques et sociales- d'où la naissance de la finance comportementale, qui suppose l'existence de biais cognitifs (comportementaux).

1 L'énigme de volatilité excessive à été également souligné par Leroy et Porter (1981), Mankiew et al (1985), et West (1988).

2

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Les travaux de cette nouvelle approche tentent d'expliquer les anomalies constatées sur les marchés financiers en montrant que les gens en général et les investisseurs en particulier, ne sont pas totalement rationnels , et que leurs décisions, prises en situation de risque et d'incertitude, peuvent ne pas correspondre exactement à leurs utilités.

Etant donné que le caractère excessif de la volatilité peut être expliqué sous un angle comportemental, nous nous intéresserons seulement, dans cette perspective, aux biais d'excès de confiance et du comportement grégaire.

Dés lors, l'objectif de notre travail consiste à identifier si la volatilité excessive des titres observés sur le marché boursier tunisien résulte du biais d'excès de confiance et du comportement grégaire des investisseurs tunisiens.

Pour ce faire, ce mémoire s'articulera autours de trois chapitres :

> Le premier chapitre est consacré à l'interface théorie d'efficience des marchés financiers - finance comportementale. Nous mettrons, tout d'abord, en exergue, la notion d'efficience à travers son hypothèse, ses différentes formes, ses conditions nécessaires, ainsi que sa remise en cause (les critiques et les anomalies). Ensuite, nous s'intéresserons à l'étude de la finance comportementale, en mettant l'accent, sur son émergence, ses fondements, et ses conséquences sur les praticiens du marché. Pour conclure ce chapitre, nous procèderons à une investigation empirique visant à détecter la présence de la volatilité excessive des cours boursiers sur la BVMT (Bourse des Valeurs Mobilières de Tunis) à travers le test de bornes de variance de Shiller(1981) stipulant que sur un marché efficient, la variance des cours observés doit être bornée par une valeur théorique qui ne dépend que de la variabilité des fondamentaux.

> Le second chapitre abordera le biais d'excès de confiance. Après avoir mis en évidence ce phénomène sur les marchés financiers par la présentation de ses définitions, ses caractéristiques et ses différentes formes ; Une revue de la littérature s'établira afin d'étudier l'effet de l'excès de confiance sur la volatilité des cours boursiers. L'étude empirique, menée à la fin de ce chapitre, aura pour

3

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

objet de détecter, à la fois, l'excès de confiance des investisseurs et son incidence sur la volatilité des cours boursiers sur la BVMT. Cette étude s'effectuera sur la base du modèle asymétrique EGARCH (1,1) appliqué par Chuang et Lee (2006) consistant à déterminer l'effet de la composante du volume de transaction due aux échanges des investisseurs sur- confiants sur la volatilité conditionnelle des rendements du marché.

> Le troisième et le dernier chapitre traitera le biais du comportement grégaire. En conséquence, nous allons présenter, tout d'abord, l'analyse financière des caractéristiques du comportement grégaire sur les marchés financiers, en l'occurrence, ses définitions, ses types, les causes du comportement grégaire rationnel, et les différentes mesures de détection du comportement grégaire. Ensuite, nous expliciterons une revue de la littérature pour dégager la répercussion du comportement grégaire sur la volatilité des cours boursiers. Enfin, nous tenterons à détecter empiriquement le comportement grégaire des investisseurs ainsi que sa répercussion sur la volatilité des cours boursiers sur la BVMT. Cette étude s'effectuera par recours à la démarche de Tan et al.(2008) qui consiste, dans un premier temps à calculer l'écart type absolu transversal (CSAD : mesure de la détection du comportement grégaire) conformément à méthodologie proposée par Chang, Cheng et Khorana (2000), dans un second temps, de régresser les effets asymétriques du comportement grégaire moyennant le rendement du marché, le volume de transactions et la volatilité.

4

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Chapitre 1

De la théorie d'efficience des marchés

financiers à la Finance comportementale

	5

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Chapitre 1

De la théorie d'efficience des marchés financiers

à la Finance comportementale

L'hypothèse des marchés efficients à été depuis plus de trente- cinq ans la proposition clef de la finance traditionnelle (néoclassique) telle qu'énoncé par

Jensen en 1978 «Il n'y a aucune autre évidence empirique plus solide le soutenant que l'hypothèse d'efficience du marché » (1978, p95). L'efficience des marchés financiers est un thème qui à été abondamment traité dans la littérature financière. Ainsi, de très nombreuses vérifications empiriques ont été effectuées sur différents marchés avec des méthodes convergentes et ont amené à des résultats positifs : l'efficience était dès lors considérée comme acquise.

Fama en 1965 fut le premier à donner une définition d'un marché efficient, à partir de son article publié dans le Journal of Business, il stipule que : « dans un marché efficient à tout moment, le prix actuel d'un titre est un bon estimateur de sa valeur intrinsèque » (1965b, p56).

A partir de cette définition initiale, un corps théorique structuré et formalisé s'est progressivement constitué, en intégrant notamment les notions d'utilité espérée²

² John von Neumann and Oskar Morgenstern: Theory of Games and Economic Behavior, Princeton University Press (1944).

6

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

et de la rationalité de l'investisseur qui constituent les hypothèses sous-jacentes les plus importantes.

En fait la position de la théorie de l'efficience, restée pour longtemps dominante, à été érodée par la découverte successive des anomalies et par l'évidence de la volatilité excessive des cours. En réponse à l'inaptitude de la théorie d'efficience des marchés à expliquer la persistance de certaines anomalies, de nombreuses études ont été menés attestant avec force le caractère insaisissable du paradigme de rationalité et de l'hypothèse assignant au marché le caractère efficient : c'est précisément sur l'approche comportementale que nous nous engagerons notre réflexion.

A l'inverse du paradigme traditionnel qui envisage l'investisseur comme étant rationnel, la littérature traitant de la finance comportementale offre un paradigme alternatif ayant un cadre plus large et plus adéquat ; en effet, la discipline émergente de la finance comportementale suggère, pour sa part, que les investisseurs n'agissent pas avec une rationalité parfaite, et que les décisions d'investissement dépendent également d'émotions telles que la peur de perdre ou l'excès de confiance. Par conséquent, ses postulats majeurs se résument essentiellement en deux points : les marchés sont inefficients et il est possible d'exploiter les biais du comportement des investisseurs pour profiter des anomalies des cours qui en découlent.

Dans la première section de ce chapitre nous traitons la notion d'efficience des marchés financiers.

La seconde section se focalisera sur l'étude de la finance comportementale.

La troisième et la dernière section aura pour objet de tester l'énigme de volatilité excessive sur le marché boursier tunisien.

7

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Section 1 : Prédiction de la théorie d'efficience :

La théorie d'efficience, née au début des années soixante, est l'une des théories les plus controversées de la finance moderne. L'efficience suppose la rationalité des agents dans leurs comportements ainsi que dans leurs anticipations, d'où rejeter l'efficience c'est rejeter l'existence d'agents rationnels maximisateurs d'utilité : la rationalité et l'efficience constituent deux concepts indissociables.

Cette rationalité signifie que les investisseurs peuvent accéder à l'information, qu'ils ont la possibilité de la traiter correctement et que la concurrence entre investisseurs garantit que les actifs sont valorisés de manière correcte, reflétant ainsi toute l'information disponible. C'est le « marché efficient ».

Aujourd'hui, même si que le concept d'efficience des marchés financiers constitue le noyau de la finance moderne, il à fait l'objet de nombreuses critiques émanant particulièrement des défenseurs de la finance comportementale, qui ont relevé un certain nombre d'anomalies.

Dans cette section, nous abordons le thème d'efficience des marchés financiers. Nous commencerons par un rappel de l'hypothèse classique de l'efficience des marchés financiers. Puis, dans la deuxième partie, nous présenterons les différentes formes d'efficience. Ensuite, dans la troisième partie, nous exposerons les conditions nécessaires à l'efficience des marchés financiers. Enfin, la quatrième partie sera consacrée à la remise en cause de la théorie d'efficience.

1.1. Revue de la théorie d'efficience des marchés financiers : L'hypothèse classique :

L'hypothèse d'efficience des marchés financiers (HEMF) est incontestablement à la base de la finance moderne. En effet, cette hypothèse stipule que les prix des actifs financiers reflètent, à tout instant, toute l'information disponible et donc les cours seraient

8

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

évalués au « juste prix » et évolueraient selon une marche aléatoire³ au gré des surprises qu'apportent les nouvelles informations.

Les origines de l'HEMF remontent aux travaux de deux individus : Paul Samuelson (1965) et Eugene F Fama (1963,1965 ,1970) qui ont développé la même notion-base de l'efficience du marché partant de deux courants de recherche différents.

Il existe trois arguments théoriques de base qui sont à l'origine de l'HEMF :

- le premier et le plus signifiant est que les investisseurs sont rationnels et par implication les titres sont évalués rationnellement.

- le second suppose que si les investisseurs ne négocient pas d'une manière rationnelle, on peut encore supporter l'HEMF lorsque leurs actions sont aléatoires c'est-à-dire que les unes éliminent les autres sans toucher la valeur des titres.

- le troisième suppose que si les investisseurs son irrationnels, l'HEMF est encore maintenue car la corrélation des échanges effectués par les investisseurs irrationnels peut être éliminée par l'action des arbitragistes rationnels.

L'hypothèse classique sur laquelle se fonde la théorie d'efficience réfère aux trois concepts suivants :

- l'efficience allocationnelle : elle repose sur le fait que les marchés financiers sont efficaces dans la mesure où les prix des actifs côtés sont uniquement fonction des anticipations qu'ont les investisseurs de leurs revenus futurs.

- l'efficience opérationnelle : elle implique que sur un marché il n'existe pas des coûts liés à la microstructure et les seuls coûts existants sont liés à la nature de l'opération (taxes, frais de courtage..).

- l'efficience informationnelle : elle constitue le pilier essentiel de la théorie de la finance économique. De l'efficience informationnelle des marchés, se dégage la conclusion que le prix d'une action incorpore toutes les informations disponibles, soit la totalité de l'information possible si l'on se place dans l'hypothèse de la forme forte

3 Une marche aléatoire est un modèle mathématique d'un système possédant une dynamique discrète composée d'une succession de pas aléatoires, ou effectuées « au hasard ». Les pas aléatoires sont de plus totalement dé corrélés les uns des autres.

9

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

de l'efficience. Ainsi en analysant l'ensemble des informations économiques, comptables et financières d'une entreprise, il est possible de déterminer la valeur fondamentale qui la caractérise et d'en déduire la valeur de l'une de ses actions. D'où la nécessite au préalable de présenter la notion de valeur fondamentale d'un actif, cette dernière est issue de la condition du premier ordre d'un programme de maximisation de l'utilité inter temporelle d'un agent ⁴(Lucas, 1978) :

E(R \ I) = r (1.1)

Où :

· E : L'opérateur d'espérance mathématique,

· It : L'ensemble d'information disponible au temps t (incluant notamment les cours et les dividendes passés et présents) commun à tous les agents.

· R~ : La rentabilité d'un actif au temps t :

Pt+1^--Pt+Dt

R = (1.2)

pt--i

Où :

· Pt et Pt~i : Désignent respectivement les cours d'une action au temps t et t+1, et Dt les dividendes,

· r : Le taux d'intérêt (supposé ici constant).

De cette condition découle que l'anticipation rationnelle du taux de rentabilité, compte tenu de l'information disponible, est égale au taux d'intérêt r. En remplaçant Rt par sa valeur dans l'équation (1.1), on obtient :

P * = ? ~ èj+1 E(D~~~ \ I) (1.3)

~~~

4 On suppose ici que les agents sont neutres vis-à-vis du risque, opèrent dans un environnement concurrentiel, ont des fonctions d'utilité séparables au cours du temps et que le taux psychologique de préférence pour le présent est nul.

10

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Où:

· è = (1 + r)_¹ : Le facteur d'actualisation,

· Pt * est appelée valeur fondamentale du titre est égale à la somme actualisée des dividendes futurs anticipés rationnellement par les agents⁵.

1.2. Les formes d'efficience :

Fama en 1970 définit le marché efficient au sens informationnel comme étant celui dont « les prix observés reflètent toute l'information disponible », de cette définition fondatrice, l'auteur identifie trois formes d'efficience selon la qualité d'information contenue dans l'ensemble des informations disponibles :

1.2.1. La forme faible :

Cette version primitive de l'hypothèse postule que l'historique des cours est la seule variable incorporée dans l'ensemble d'information disponible (par exemple : le cours d'hier est la seule information qui détermine le cours d'aujourd'hui ou de demain) ; à cet égard, il n'est pas possible de tirer profit des informations passées pour prévoir l'évolution future du prix au moyen de l'analyse technique⁶.

Les tests utilisés sont essentiellement des tests de marche aléatoire⁷ et d'auto corrélation.

5 Cette solution est une solution particulière dans la mesure où l'on suppose ici l'absence de bulle spéculative.

⁶ Appelée aussi analyse graphique, elle permet de prévoir les retournements de tendance en utilisant les données historiques des cours.

7 D'un point de vue mathématique :

Pt Suit une marche aléatoire logarithmique s'il vérifie ln(Pt) = ln(Pt_i) + åt

(Pt - Pt_1)= ln ~ Pt

Rt = ~ = åt

Pt_~ Pt_~

Avec : Pt est le cours à l'instant t, Pt_1 est le cours à l'instant t-1, Rt est le rendement à l'instant t et åt un

processus blanc (E= 0, ó² =constante). Suite à la conclusion que la rentabilité suit un processus bruit blanc,

11

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

1.2.2. La forme semi-forte :

Cette forme renvoie à ce que l'ensemble d'information comprend toute l'information publique (les augmentations de capital, les rapports annuels, annonce de dividendes, émission de nouvelles d'actions ), en d'autre terme ; la forme semi-forte est validée lorsque le cours d'un actif varie instantanément à la publication d'une information publique. D'où l'incapacité de prévoir les cours futurs tout en se basant sur les informations récemment publiées et seuls les détenteurs des informations privées peuvent réaliser des gains.

1.2.3. La forme forte :

L'apport de cette forme est qu'en plus de toute l'information précitée (historique des cours et information publique) l'ensemble d'information contient toute l'information privée: elle constitue le cas extrême de l'efficience. L'information privée est détectée à partir des informations non publiquement publiées et qui sont détenus par des investisseurs privilégiés (ceux qui travaillent au sein de l'entreprise, ceux qui font partie du conseil d'administration ou des organismes de contrôle...). L'efficience en sa forme forte entraine l'imprévisibilité des cours futurs en fonction des informations non encore publiées et par conséquent, il serait impossible de réaliser des profits.

En 1991 Fama à modifié sa première classification en raison de l'abondance des travaux empiriques. En effet, il propose uniquement un changement de dénomination pour les formes semi-forte et forte : les tests d'études événementielles remplacent les tests de forme semi-forte et aux tests de forme forte se substituent les tests sur l'information privée. En revanche, la forme faible se trouve modifiée doublement :- par le contenu de l'information ; celui-ci contient non seulement l'historique des cours et des rentabilités, mais également l'historique de toutes les variables économiques ou financières pouvant servir à la prévision des rentabilités(le ratio div/cour, les taux d'intérêt). -Par la

Fama (1991) affirme l'indépendance des cours dans le temps (c'est-à-dire il est impossible d'anticiper les fluctuations des cours).

12

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

dénomination, les tests de forme faible seront dorénavant appelés les tests de prévisibilité des rendements.

1.3. Les conditions nécessaires à l'efficience des marchés financiers :

Quatre conditions sont à la base de la validation de la théorie d'efficience des marchés financiers :

1.3.1. La gratuité et la libre circulation de l'information :

Un marché est supposé être efficient si le prix de l'actif intègre instantanément l'ensemble des informations disponibles : ceci suppose que les agents puissent bénéficier de la même information dans le même temps et qu'ils puissent tous immédiatement agir sur le marché dans des conditions identiques.

Généralement, pour que l'information circule librement entre les investisseurs et indépendamment de leur type, il est nécessaire qu'elle soit gratuite ; Cette condition postule que les investisseurs doivent obtenir les informations sur le marché sans supporter des coûts supplémentaires, ce qui facilite leurs intégrations dans les prix des actifs.

1.3.2. La rationalité des investisseurs et les anticipations rationnelles :

L'hypothèse de rationalité des agents tant au niveau du comportement⁸ qu'au niveau des anticipations à servi du socle au développement de la théorie financière et c'est entre autre sur ce socle que s'est appuyée la théorie d'efficience.

D'une part, les marchés ne peuvent être efficients que lorsque les investisseurs agissent de façon purement rationnelle dans leurs décisions d'investissement dans le but de maximiser leurs fonctions d'utilité espérée sans parcourir de risque supplémentaire.

D'une autre part, la rationalité des investisseurs suppose qu'ils forment leurs anticipations en utilisant au mieux l'information dont ils disposent ; en d'autre terme, toute anticipation issue d'une information positive doit conduire l'investisseur à acheter (ou à conserver) et toute anticipation issue d'une information négative doit le mener à

8 Voir Mignon (1998) pour des développements relatifs à la rationalité du comportement.

13

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

vendre : on parle « d'anticipations rationnelles » dont la définition est due à Muth en 1961 : « les anticipations, puisqu'elles sont des prévisions bien informés des événements futurs, sont essentiellement les mêmes que les prévisions de la théorie économique pertinente. Au risque de confondre cette hypothèse purement descriptive avec une opinion tranchée sur ce que les entreprises devraient faire, nous appellerons telles anticipations `rationnelles' » (1961, p316).

Formellement, l'hypothèse d'anticipations rationnelles peut être définit comme suit :

X_~^~ = E(X~ I_) (1.4)

Où :

· X_~^~ : L'anticipation effectuée à la date t-1 pour la variable X,

· It_i : L'ensemble d'information disponible en t-1,

· E : L'opérateur d'espérance mathématique.

Les agents forment leurs anticipations en utilisant au mieux l'information dont ils disposent ; ils connaissent la totalité des composantes influençant la variable à anticiper ainsi que le modèle gouvernant l'évolution de cette même variable. Supposer que les anticipations sont rationnelles, c'est supposer que le modèle est juste.

1.3.3. La liquidité et l'atomicité des investisseurs :

La théorie des marchés financiers implique l'existence d'une totale liquidité et d'une complète atomicité des investisseurs : un marché est d'autant plus efficient s'il est d'autant liquide et que le nombre d'individus est important. En effet, la présence active d'un grand nombre d'opérateurs sur le marché à pour conséquence la réduction des écarts du prix observé par rapport à la valeur fondamentale.

1.3.4. L'absence des coûts de transaction :

Cette condition traduit que l'investisseur peut acheter ou vendre sans limites, sans coûts, et sans taxes. En présence de barrières de taxation ou de transaction, les

14

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

investisseurs ne peuvent pas se comporter d'une manière efficace, et par conséquent, les prix ne sont pas efficients. Cette condition est essentiellement théorique et trouve des difficultés à se concrétiser en pratique.

1.4. Remise en cause de la théorie d'efficience :

Le bon fonctionnement des marchés financiers repose sur le principe d'efficience, mais celui-ci s'avère difficilement applicable depuis le krach boursier d'octobre 1987 suivi par les secousses de 1989, qui ont été à l'origine de la remise en cause du versant « informationnel » de l'hypothèse d'efficience des marchés financiers. L'ouvrage le plus représentatif est sans doute le livre publié en 2000 par Andrei Shleifer, intitulé « Inefficient Markets : An Introduction to Behavioral Finance ».

1.4.1. Les critiques adressées à la théorie d'efficience :

1.4.1.1. La définition elle-même :

Un marché efficient est un marché sur lequel les prix reflètent toute l'information disponible et où les agents ont un comportement et des anticipations rationnelles. Or, si les prix reflètent toute l'information disponible et si les agents agissent rationnellement, il s'en suit une disparition du marché. En effet, sous ces conditions, il n'y aura pas d'échange puisque tous les agents vont vouloir vendre les titres dont le prix va baisser et acheter ceux dont le titre va augmenter : faute d'échange, le marché ne peut pas exister.

1.4.1.2. Les conditions nécessaires à l'efficience des marchés financiers :

Les conditions nécessaires au bon fonctionnement des marchés financiers sont souvent difficiles à mettre en oeuvre la réalité autant du point de vue du comportement des agents et du processus lié à l'information que celui des coûts de transaction. D'une part, il est évidemment ardu de transmettre une information à tous les investisseurs au même moment ; malgré les progrès techniques en matière de communication, les décalages temporels dans l'obtention des informations semblent inéluctables. De même, la rationalité des agents peut également laisser quelques doutes ; en effet, les investisseurs

15

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

n'analysent pas l'information d'une manière fiable et la présence des bruiteurs⁹ peut entrainer une mauvaise compréhension de l'information. D'une autre part, les coûts de transaction existent dans la plupart des places financières du monde et leur présence provoque la divergence des valeurs réelles par rapport aux fondamentaux entrainant par conséquence la non vérification de la théorie d'efficience.

1.4.1.3. Le problème d'hypothèse jointe :

Tout test d'efficience est un test joint de l'hypothèse d'efficience et d'un modèle d'évaluation des actifs¹⁰. L'efficience n'est pas directement testable ; elle doit être nécessairement testée conjointement avec un certain modèle de formation des prix. Une conclusion majeure est qu'il est impossible de déterminer avec certitude si le rejet de l'hypothèse nulle provient de l'inefficience du marché ou de la mauvaise spécification du modèle d'évaluation retenu : ceci constitue un problème de fond.

1.4.2. Les anomalies :

A ce stade, il y a lieu de faire la nomenclature d'une panoplie des fameux anomalies dont la présence plus ou moins stable et prononcée, à été détectée depuis un quart de siècle sur la plupart des marchés boursiers, même ceux qui étaient réputés les plus efficients.

1.4.2.1. L'énigme du biais maison « The home bias puzzle » :

Les investisseurs institutionnels, comme les investisseurs individuels, détiennent des titres émis par des entités de leur propre pays dans des proportions plus importantes que le suggère la théorie financière standard, ou le portefeuille mondial pondéré par la capitalisation boursière.

9 De Long, JB., A. Shleifer, LH. Summers, and RJ. Waldmann, 1990, «Noise Trader Risk in Financial Markets», Journal of Political Economy, 98(4), pp703-738.

10 « L'efficience en soi n'est pas testable », Fama (1991, p 1575)

16

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Suh (2005) montre que les investisseurs institutionnels ont un biais maison lorsqu'ils effectuent des recommandations d'allocation stratégique à destination de leurs clients.

Le biais maison reflète simultanément une préférence pour la familiarité (Huberman 2001) et pour la localité. Concernant la préférence pour la localité, Suh prétend que le biais maison reflète le sentiment de sur confiance des investisseurs envers les performances de leurs marchés locaux, en plus Coval et Moskowitz (2001) affirment que ce biais conduit à l'achat des informations internes détenues par des investisseurs locaux.

1.4.2.2. L'énigme de la prime des fonds « The equity premium puzzle » :

Un portefeuille diversifié des titres de participation doit avoir des rentabilités élevées par rapport à un portefeuille d'obligations, et ce à cause du risque additionnel des fonds imposé sur les investisseurs. Néanmoins, cette énigme apparait largement relative au risque associé (Mehra et Prescott 1985).

1.4.2.3. L'effet taille « Size effect » :

Il a été mis en évidence par Banz(1981), Reinganum (1981) et Fama (1991). Les résultats de leurs études ont montré que les entreprises à faible capitalisation boursière dans la NYSE (New York Stock Exchange) profitent d'une rentabilité supérieure à celle calculée via le modèle d'évaluation des actifs financiers (CAPM : Capital Asset Pricing Model) de Sharpe (1964) - Lintner (1965).

1.4.2.4. L'effet PER « Price-Eerning-Ratio » ou « Book -To-Market » :

La firme ayant un PER élevé dégage des rendements anormaux par rapport à ceux trouvé par le modèle d'évaluation des actifs financiers.

Basu en 1977 à dévoilé l'existence d'une relation inverse entre la rentabilité d'un titre et son PER.

17

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

1.4.2.5. Renversement des prix à long terme « Long -term price reversal »:

L'un des premiers articles sur les anomalies des rendements à long terme est celui de Debondt et Thaler (1985) ; ils ont montré que les rentabilités (anormales) des titres ont tendance à s'inverser sur des périodes d'étude longues (trois à cinq ans), et par conséquent les lauréats passés ont tendance à devenir des futurs perdants. Ils attribuent cette évolution à la sur réaction des investisseurs qui serait à la suite progressivement corrigée par le marché ce qui se traduit par une auto corrélation négative des rentabilités à long terme. En effet, les investisseurs, en formant leurs attentes, accordent trop d'importance aux performances passées des entreprises tout en négligeant le fait que les performances tendent à s'inverser. Debondt et Thaler semblent prétendre que la sur réaction à l'information constitue une prédiction générale de la théorie de la décision comportementale de Kahneman et Tversky (1982).

L'évidence pour le renversement à long terme tend à être plus controversée que celle pour l'élan à court terme « short-term momentum » et ce parce que les horizons longs rendent plus indocile la garantie de l'estimation appropriée des rendements ajustés au risque.

1.4.2.6. La volatilité excessive et le volume excessif « Excess volatility and volume » Dans un monde rationnel, les prix changent uniquement lorsque les nouvelles arrivent.

Depuis la publication des travaux de Shiller en 1981, les économistes ont constaté que les cours des actions semblent bouger beaucoup plus d'être justifié par les variations de la valeur intrinsèque (mesurée par la valeur nette actualisée des dividendes futurs). De plus, Shiller argumente que les cours du marché sont excessivement volatile, relativement à la volatilité des fondamentaux.

Dans cette lignée d'idée, Delong et Becht (1992) ont apporté une preuve de l'existence d'une forte volatilité des cours boursiers sur le marché allemand après la deuxième guerre mondiale. De même, en analysant les marchés boursiers français et allemand, Cuthberston

18

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

et Hyde (2002) ont démontré la présence d'une éventuelle volatilité excessive des cours boursiers.

Bien que ces études diversifiées justifient la présence de l'énigme de volatilité excessive (divergence entre les cours boursiers et leur vraie valeur), elles n'attestent pas sur ses origines. Pour ce faire, une littérature abondante s'est alors élaborée : certaines études le voient comme la conséquence de la variation des taux d'intérêt, d'autres études l'attribuent à la variation des taux de croissance de dividendes. Cependant les limites des études envisagées ci-dessus ont invité à entreprendre l'explication de cet énigme par l'approche comportementale.

Au regard des diverses remises en cause évoquées, on peut poser qu'il semble aujourd'hui de plus en plus évident que cette théorie d'efficience ne suffit plus, à elle seule, à expliquer parfaitement le fonctionnement des marchés financiers.

Section 2 : La finance comportementale :

En se fondant sur les faiblesses de la théorie orthodoxe, un courant de recherche alternatif en finance moderne, découlant des travaux menés à l'origine par des psychologues et repris à la suite par des chercheurs en finance à l'instar des travaux de Tversky et Kahneman(1979), à reconnu une montée en puissance : il s'agit de la finance comportementale.

Cette nouvelle approche suppose que les investisseurs peuvent être victimes de biais cognitifs, liés aussi bien à leurs mémoires, leurs compréhensions ou encore leurs habitudes mentales, dites des heuristiques. Ces derniers se traduisent dans la plupart des cas par des phénomènes de sur ou sous réaction, de sur activité ou encore de volatilité exagérée : ces biais représentatifs sont réputés être explicatifs des anomalies au regard de l'HEMF.

19

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

La finance comportementale¹¹, née de la confrontation des points de vue de la psychologie et de la finance, s'efforce alors d'apporter un éclairage sur le fonctionnement réel des marchés financiers.

Dans cette section nous y évoquerons ce nouveau courant de recherche. Ainsi, la première partie sera consacrée à l'explicitation de l'émergence de la finance comportementale. Tandis que ses fondements à savoir la psychologie de l'investisseur et les limites à l'arbitrage seront analysés dans la deuxième partie.

2.1. Emergence de la finance comportementale :

Vingt ans auparavant, les travaux théoriques et empiriques en finance procédaient comme si la psychologie de l'investisseur n'intervient pas dans le processus de prise de décision. C'est au début des années quatre-vingt-dix que ce point de vue devient moins répandu et moins plausible et ce à cause de la fréquence des bulles, des krachs, et des crises donnant lieu à un excès de volatilité boursière.

Dés lors la recherche à étendu son champ pour intégrer certains des apports des sciences sociales comme la psychologie, d'où la naissance d'un nouveau courant de recherche -la finance comportementale dont le postulat de base est que l'investisseur n'est pas totalement rationnel ; ses choix sont influencés par des routines mentales(ou heuristiques), soumis à des erreurs de jugement systématiques (biais cognitifs) , ou à des facteurs émotionnels comme la peur ou l'excès de confiance. De ce fait la finance comportementale peut jouer un rôle clé dans l'éclaircissement et l'analyse du comportement de marché (comprendre des phénomènes comme les anomalies dans le domaine de valorisation des actifs et les bulles du marché).

La nouvelle approche, qui représente un alternatif de la théorie d'efficience des marchés financiers, constitue l'une des plus importantes découvertes. Cette discipline à obtenue sa consécration avec l'attribution en 2002, du prix du Nobel d'économie, à ses deux pionniers Daniel Kahneman et Vernon Smith.

11 Les livres de Shefrin (2000, 2005) et Shleifer (2000) constituent de bonnes sources pour ceux intéressés à en savoir plus sur ce nouveau courant de recherche.

20

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Les discussions sur cette approche apparait dans la littérature en différentes formes et différents points de vue et même si plusieurs auteurs ont donné leur propres définitions de ce champ (Thaler (1993), Olsen (1998), Shiller (2002), Mangot (2004) ), il ya toujours un lien qui les lie. En vue de définir cette approche avec la plus grande sagacité nous nous évertuerons à employer celle usité par Riccardi et Simon en 2000 : « la finance comportementale essaye d'expliquer et d'accroitre la compréhension des modèles de raisonnement des investisseurs, y compris les processus émotionnels en liaison et le degré pour lequel ils influencent le processus de prise de décision. Essentiellement, la finance comportementale essaye d'expliquer le quoi, le pourquoi et le comment de la finance et l'investissement d'une perspective humaine ».

Etude de l'approche de finance comportementale		Le quoi?
La finance comportementale incorpore le processus cognitif et la dynamique émotionnelle concernant le processus de prise de décision des investisseurs. le champ à un fondement solide à partir de diverses disciplines de sciences sociales et d'affaire qui offre un point de vue différent de la finance et l'investissement.
Le pourquoi?
L'émergence des points de vue alternatifs de la part des universités académiques et des professionnels d'investissement depuis la non vérification de la finance standard dans de nombreux cas.
Le comment?
De nombreuses études universitaires ont utilisé un large éventail de méthodes de recherche associé aux domaines de la psychologie ou de la finance qui ont enquêté sur le comportement des individus, groupes, organisations ou des marchés.

21

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Il convient dans ce qui suit de signaler les deux développements apportés par ce nouveau courant qui ont permet d'avoir une nouvelle vision du marché financier et de mieux comprendre ses mécanismes :

· le premier à porté sur l'élaboration d'une théorie appelée « théorie des perspectives »¹² qui se présente comme alternative à la théorie d'utilité avec la prise en compte des facteurs comportementaux plus réalistes susceptibles de mieux expliquer les agissements des investisseurs.

· le second s'est focalisé sur l'identification des biais comportementaux permettant d'analyser un bon nombre de phénomènes considérés par la théorie d'efficience comme anomalies.

2.2. Les fondements de la finance comportementale :

La finance comportementale à principalement deux fondements : la psychologie de l'investisseur et les limites à l'arbitrage¹³ : le premier fondement réfère à la manière dont les individus pensent ; il existe une littérature psychologique abondante montrant que les individus font des erreurs systématiques avec la manière dont ils pensent. Le second fondement se concentre à la prédiction des circonstances dans lesquelles les forces d'arbitrages sont efficaces ou non.

2.2.1. La psychologie de l'investisseur :

Les sources psychologiques d'irrationalité peuvent être catégorisées comme suit :

2.2.1.1. Les croyances (Les biais cognitifs ou les biais comportementaux) :

Il convient tout d'abord de définir ce qu'on entend par le terme biais cognitif : « c'est une erreur dans la prise de décision et/ou le comportement adopté face à une situation

12 Kahneman, D., and A. tversky, 1979, «Prospect Theory: An Analysis of Decision Under Risk», Econometrica, 47(2), pp263-291.

13 Cette dualité de la psychologie de l'investisseur et des limites à l'arbitrage est due essentiellement à Shleifer et Summers (1990).

22

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

donnée résultante d'une faille ou d'une faiblesse dans le traitement des informations disponibles ».

Les travaux en psychologie ont identifié de nombreux biais cognitifs propres à l'esprit :

2.2.1.1.1. Le biais de conservatisme « Conservatisme bias » :

Ce biais renvoi à la tendance des investisseurs à sur évaluer la valeur des informations qui confirment leurs opinions et à minimiser celles qui les infirment.

L'étude de Barberis, Shleifer et Vishny(1998) à montré que ce biais est à l'origine d'une sous-réaction aux informations publiques comme les annonces des résultats des entreprises ; en effet, ce biais à pour conséquence de minorer l'importance de l'information présente par rapport à l'information historique.

2.2.1.1.2. L'heuristique de représentativité « Representativeness bias » :

Ce biais renvoi à ce que les individus ont l'habitude de percevoir des tendances là ou il n'y en n'a pas. Ainsi les investisseurs peuvent être amené à sur estimer la probabilité qu'un événement se reproduise dans le futur, et cela d'autant plus qu'ils l'ont récemment observé : c'est ce que l'on décrit généralement comme l'effet momentum.

Ce biais conduit selon Kahneman et Tversky (1974) les personnes à former des jugements de probabilité qui violent systématiquement la règle de Baye.

L'heuristique de représentativité à diverses implications pour le processus de prise de décision d'investissement. En effet, les investisseurs peuvent attribuer à tort les bonnes caractéristiques d'une société (importante croissance attendue, des gestionnaires compétents....) en tant que caractéristiques d'un bon investissement. Ce stéréotype induit à une erreur comme montré par Lakonishok, Shleifer, and Vishny (1994) : les entreprises « glamour » sont le plus souvent des mauvais investissements. Les investisseurs peuvent également envisager les derniers rendements passés comme représentatif de ce qu'ils attendent dans l'avenir (Debondt 1993). A cause de ce biais général, les investisseurs pourraient acheter des titres qui ont récemment augmenté en prix.

23

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

2.2.1.1.3. Le biais de disponibilité « Availibility bias » :

Il correspond à une erreur de récupération de l'information mémorisée. Il représente la tendance à sur évaluer la probabilité d'un événement lorsque des exemples concernant cet événement sont disponibles.

2.2.1.1.4. Le biais d'ancrage « Anchoring bias » :

Il traduit le fait que les individus raisonnent par rapport à des valeurs clés qu'ils utilisent comme repère. En effet, Kahneman et Tversky (1974) montrent que lors de la formation de leurs anticipations, les agents commencent généralement par la fixation de quelques valeurs arbitraires possibles autour desquelles les prévisions seraient possibles.

2.2.1.1.5. L'excès de confiance « Overconfidence » :

Des études argumentent que l'excès de confiance qui provient de la psychologie cognitive est l'un des biais les plus traité en littérature. En effet, ce biais stipule que les individus ont toujours tendance à sur estimer leurs capacités, leurs connaissances et leurs perspectives.

L'existence de l'excès de confiance à été démontrée de façon expérimentale à travers l'étude célèbre de Svenson (1981) qui à rapporté que la majorité des automobiles interrogées affirment conduire « mieux que la moyenne ».

2.2.1.1.6. Le comportement grégaire (ou le comportement mimétique ou le comportement moutonnier) « Herd behavior » :

Le mimétisme apparaît quand un groupe d'investisseurs prennent des décisions d'investissement sur une partie spécifique de l'information tout en ignorant d'autres informations pertinentes telles que les nouvelles ou les rapports financiers.

Généralement il est très coûteux voire impossible de répéter toutes les expériences des autres afin d'examiner les raisons derrière une certaine action, d'où copier leurs actions directement semble être beaucoup plus facile.

24

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Ce type de comportement prend de l'importance dans les pays émergents et il est de nature à contribuer à une plus grande volatilité des marchés.

Vue l'importance accordé à ces deux dernières notions à savoir l'excès de confiance et le comportement grégaire, nous allons essayer d'expliquer chacun d'entre eux et de tester leurs implications sur la volatilité des cours boursiers respectivement dans les chapitre Deux et Trois.

2.2.1.2. Les préférences : « La théorie des perspectives » :

La théorie des perspectives, introduite par Kahneman et Tversky en 1979 dans le but de remplacer le paradigme d'utilité espérée, propose un cadre descriptif plus général et plus complet qui aide les individus à prendre leurs décisions.

La théorie des perspectives peut être définit comme étant la manière avec laquelle les investisseurs évaluent et calculent la chance d'un profit ou d'une perte en comparaison au risque perceptible de l'action ou d'un fond mutuel.

Ayant énormément appris sur la façon dont les individus se comportent dans la vie réelle, Kahneman et Tversky se sont concentré sur le processus de prise de décision sous les contraintes d'incertitude et de risque et à démontrer que les décisions humaines s'écartent systématiquement de ceux prédises par les hypothèses du processus de décision rationnel (les décisions peuvent être influencées par des facteurs externes) : leur travail constitue une révolution dans l'économie financière en proposant que les biais comportementaux en général , et la théorie des perspectives en particulier, sont les meilleurs explications du processus de prise de décision en situations risquées.

La théorie des perspectives modifie la théorie d'utilité espérée dans deux domaines :

- L'utilité de l'investisseur est déterminée à partir des variations de la richesse

(induites par les choix possibles) et non pas à partir de la richesse absolue.

- La fonction d'utilité standard est concave (qu'il s'agit d'une situation de gain

ou de perte) tandis que, la théorie des perspectives suppose qu'elle est concave à

droite (les gains) et convexe à gauche(les pertes).

25

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Barberis, Huang et Santos(2001) ont montré que des utilités conformes à la théorie des perspectives peuvent expliquer, en partie, la volatilité excessive constatée sur les marchés financiers.

2.2.1.2.1. La notion d'aversion à la perte :

La théorie des perspectives à été à la base de l'émergence de la notion d'aversion à la perte de l'investisseur, qui stipule que les individus sont beaucoup plus sensibles aux pertes qu'aux gains. En plus, les investisseurs répondent différemment à des situations équivalentes, et ce en fonction de l'état de l'investisseur : soit en contexte de gain ou de perte ; Kahneman et Tversky (1979), en étudiant le bien être des investisseurs, montrent que le dépit qu'une personne ressent pour la perte d'une somme d'argent est supérieur au plaisir associé au gain de la même somme.

Ces deux auteurs ont introduit une nouvelle fonction d'utilité appelée fonction de valeur (voir figure1.1). Cette fonction montre que la réponse psychologique des investisseurs est une fonction à la fois concave (aversion au risque- gains) et convexe (recherche du risque-pertes) ; donc les investisseurs sont disposés à prendre beaucoup plus de risque pour éviter des pertes plutôt que pour réaliser des gains.

26

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Figure 1.1 : La fonction de valeur de l'investisseur¹⁴

2.2.1.3. Les émotions humaines et les humeurs :

Généralement les individus en bonne humeur sont plus optimistes dans leurs choix et jugements que ceux en mauvaise humeur. Les investisseurs en bonne humeur sont prêts à accepter un risque élevé. Les mauvaises humeurs sont associées avec plus de vérifications et critiques dans l'évaluation d'une nouvelle information (Petty, Gleicher et Baker (1991)).

Les individus sont le plus souvent influencés par les conditions météorologiques. L'étude de Saunders (1993) propose que ce ci puisse avoir un impact direct sur les marchés de capitaux : en moyenne les rendements du marché sont plus élevés dans les jours ensoleillés que dans les jours pluvieux.

Shefrin (2002) indique l'existence de deux types d'émotions, ayant des influences contradictoires sur l'approche de risque des investisseurs, et qui contribuent fortement à la manière de construction de leurs portefeuilles d'investissement : l'avidité et la peur.

14 Source : Mangot, M « les comportements en bourse, 6 erreurs qui coûtent cher », Galino éditeur, Paris 2004, p31.

27

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

L'avidité (greed) conduit les individus à traiter les stocks comme des billets de loterie, ils veulent gagner autant que possible le plus rapidement. En conséquence, ils ne diversifient pas et prennent des positions risquées afin d'avoir les rendements les plus élevés si leurs choix s'avèrent justes.

La peur (fear) donne limite à l'avidité. Les individus ont l'habitude de tenir compte de l'avenir et des événements négatifs inattendus qui peuvent affecter leurs niveaux de consommation ; ils tendent à conserver une proportion de leurs richesses (dépôts de trésorerie...) qui servira comme une politique de sécurité.

Shefrin et Statman (1985) montrent que des émotions comme la fierté (pride) et le regret (regret) peuvent entraver la réalisation des bonnes décisions d'investissement. Plus précisément, « craindre le regret et chercher la fierté » peut rendre l'investisseur prédisposé à vendre le titre gagnant trop tôt (il expérience le sentiment aimable d'avoir réalisé une bonne décision initiale d'achat de ce titre) et à tenir le titre perdant trop long (afin d'éviter le mauvais sentiment suite à la réalisation d'une décision initiale aride d'achat de ce titre) : c'est l'effet de disposition (Odean (1998)).

2.2.2. Les limites à l'arbitrage :

L'arbitrage s'est développé en Europe dans les années 1930 et 1940, il est, stricto sensu, le résultat d'imperfections temporaires du marché. Par définition, l'arbitrage est une opération apportant un gain certain sans risque. Il s'agit de détecter les anomalies du marché pour en tirer profit et, au passage, les corriger. C'est un métier qui exige d'excellentes connaissances en mathématiques et en techniques financières, des nerfs solides et une capacité très forte d'innovation. Tous les marchés d'actifs financiers permettent l'arbitrage : soit sur un seul type de sous-jacent (option, future, action, change, taux d'intérêt), soit sur plusieurs simultanément. C'est une technique qui à

particulièrement évolué au fil du temps.

Cependant, un certain nombre d'études empiriques ont montré que le mécanisme d'arbitrage n'est pas suffisant pour éliminer certaines anomalies. De plus il y a eu autant des limites à l'arbitrage susceptibles d'empêcher le marché d'atteindre un état d'efficience

28

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

tel que nous l'aurons envisagé en leurs absences à savoir : Le risque fondamental, le risque des bruiteurs et les coûts d'implantation.

2.2.2.1. Le risque fondamental :

Quand les arbitragistes découvrent qu'un actif à été incorrectement évalué sur le marché, ils auront besoin de trouver le même actif évalué correctement sur un autre marché, ou un substituant parfait dans le but de prendre des positions d'arbitrage opposées. Sinon, ils vont faire face à ce qu'on appelle le risque fondamental : c'est le risque qu'une nouvelle information parvient sur le marché et change la valeur fondamentale d'un actif dans une direction non souhaitée.

2.2.2.2. Le risque des bruiteurs :

Le risque des bruiteurs est théoriquement nul. Même si les arbitragistes parviennent à couvrir totalement le risque fondamental en prenant une position longue sur un actif à prix réduit et une position courte sur le même actif lorsqu'il est cher, ils peuvent faire face à un autre risque celui des bruiteurs ; ce dernier implique que l'irrationalité des investisseurs sur le marché semble être plus forte et que leurs ordres conduisent à un prix différent de la valeur fondamentale.

La stratégie d'arbitrage mise en place, au lieu d'éliminer l'erreur d'évaluation¹⁵, elle va supporter le risque de voir cette erreur d'évaluation s'accentuer davantage.

2.2.2.3. Les coûts d'implantation :

L'arbitrage est une opération très coûteuse et ce à cause des commissions, des écarts acheteur-vendeur, des frais facturés pour emprunter des actifs (dans le but de prendre position à découvert) et du montant nécessaire des travaux en recherche (afin de trouver et de se renseigner sur l'erreur de l'évaluation).

15 Tel qu'énoncé par Delong et al. (1990), Shleifer et Vishny (1997) et shleifer (2000).

29

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Les limites à l'arbitrage sont confirmées de façon empirique par des cas évidents de mauvaise évaluation des prix incontestés pendant un temps relativement long, même si elles sont clairement visibles pour les investisseurs, en particulier les professionnels.

Il s'agit notamment de ce qu'on appelle les stocks du jumeau (Royal Dutch et Shell) constituant des substituts parfaits l'un à l'autre, mais les échanges restent à des niveaux de prix qui permettent, au moins théoriquement, les bénéfices d'arbitrage facile (Froot et Dabora (1999)).

2.3. Conséquences de la finance comportementale sur les praticiens du marché :

La finance comportementale à changé la vision néoclassique des marchés financiers. En effet, elle à eu un impact significatif et direct non seulement sur les investisseurs mais aussi sur la finance d'entreprises et les régulateurs du marché.

2.3.1. Les investisseurs :

L'HEMF exclut la possibilité de refaire les stratégies d'un investissement, en se basant sur l'information disponible, qui ont des rendements attendus excédant ceux du marché pour un niveau du risque systématique fixé ; en d'autre terme l'investisseur ne doit pas avoir le souhait de battre le marché. Si à court terme l'investisseur réalise des rendements anormaux, ce ci n'est pas dû à la stratégie du commerce utilisée ou aux ressources dépensées sur les analyses mais c'est un résultat de chance : Selon l'HEMF la stratégie de placement la plus adéquate est la stratégie passive : « vendre et détenir ».

Cependant, selon la finance comportementale, le marché n'est pas toujours efficient et les investisseurs qui font mieux que l'utilisation moyenne de l'information disponible sont capables de réaliser des rendements anormaux. Sur cette lumière, il sera profitable donc de rechercher les bonnes opportunités de placement et de dépenser les ressources sur l'enquête de la mauvaise évaluation du prix qui se produit de temps en temps.

Les stratégies de commerce actives semblent être meilleures que celles passives : les investisseurs actifs doivent toujours garder à l'esprit qu'ils peuvent être victimes des biais comportementaux et des heuristiques ; de ce fait , réaliser des rendements élevés est

30

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

possible et ce ci non seulement grâce à une meilleure analyse et stratégies mais également à un meilleur autocontrôle.

La finance comportementale n'ignore pas totalement l'utilité des outils analytiques traditionnels et les méthodes d'évaluation dérivées de la finance traditionnelle mais elle insiste que cette dernière doit être vu comme un benchmark théorique qui à besoin d'être enrichi par les divers aspects de la psychologie des investisseurs et les actions humaines.

2.3.2. La finance d'entreprise :

Si les marchés sont efficients alors le coût des fonds est toujours évalué correctement. La situation actuelle du marché ne doit avoir aucune influence sur la structure du capital des entreprises : les sociétés ne doivent pas être sur motivées à réaliser des offres du fonds supplémentaires quand ils sont potentiellement sur évalués et ne doivent pas racheter leurs réserves quand ils sont sous évalués.

La finance comportementale, de sa part, suppose que les évaluations élevées du marché constituent des motivations pour augmenter les fonds et vis versa ; les baisses évaluations du marché stimulent les entreprises à racheter leurs réserves. La finance comportementale joue un double rôle important, d'une part, elle aide à choisir le moment optimal pour une nouvelle offre ou un nouveau rachat. D'autre part, elle aide à planifier l'acquisition d'une autre entreprise dans un appel d'offre public.

Les aspects psychologiques sont aussi importants dans la communication avec le marché. En effet : les individus sur réagissent toujours aux bonnes informations et sous réagissent aux mauvaises, de plus, ils accordent autant d'attention aux rapports descriptifs qu'aux données statistiques ou numériques. Enfin, ils sont sensibles au contexte dans lequel l'information est donnée.

On ne doit pas oublier les directeurs des entreprises, ces derniers peuvent être sujet des biais comportementaux : par exemple, des faux jugements de la probabilité accompagnée par la sur confiance peut conduire à sous estimer le risque d'un projet de placement.

31

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

2.3.3. Les régulateurs du marché :

Rejeter l'HEMF résulte d'un défi sérieux pour ceux responsable de l'infrastructure du marché et de ses régulations. Il est évident que le mécanisme de l'auto régulation est imparfait et il nécessite des régulations propres qui tiennent en considération la possibilité d'un comportement humain irrationnel. Le but des régulateurs consiste alors en la concentration sur la création des conditions dans lesquelles les inclinaisons comportementales à le minimum d'impact dans le domaine de la valorisation des actifs et que le marché se comporte d'une manière proche des prédictions idéalistes de la théorie néoclassique.

Section 3 : Mise en lumière de l'énigme de volatilité excessive :

Investigation empirique sur le marché boursier tunisien :

D'un point de vue théorique et dans le contexte d'un marché efficient, le niveau de volatilité des taux de rentabilité devraient évoluer dans des marges raisonnables.

Cependant, les études premières de Shiller (1981) et Leroy et Porter (1981) ont mis en relief l'existence d'une volatilité excessive grâce aux tests des bornes de variance et ils ont reporté que la volatilité des cours des actions américaines excèdent énormément la borne appropriée. Une seconde génération d'étude sur cet énigme ont été menée à la suite par d'autres auteurs à l'instar de Mankiew, Romer et Shapiro(1985), Campbell et Shiller(1987) et West (1988) qui ont tous détecté l'existence de la volatilité excessive, à l'exception de Kleidon (1986) et Marsh et Merton (1986) qui ont critiqué ces découverts.

3.1. Description des variables et de l'échantillon :

L'étude empirique réalisée dans le cadre de ce chapitre porte sur les cours annuels, les dividendes et le nombre d'actions en circulation d'un échantillon de 20 entreprises cotées sur la bourse des valeurs mobilières de Tunis (BVMT). L'échantillon concerne dix banques, trois entreprises opérant dans l'industrie chimique, deux sociétés de développement, deux sociétés de leasing, une assurance, une entreprise agroalimentaire,

32

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

et une entreprise aérienne. La période d'étude s'étale de l'année 1997 jusqu'à l'année 2008.

3.2. Stratégies des tests :

3.2.1. Statistiques descriptives :

L'analyse de la statistique descriptive consiste à évaluer le Skewness qui est un indicateur d'asymétrie, calculer le Kurtosis qui présente un coefficient d'aplatissement et d'effectuer l'essai de Jarque-Bera qui présente un test de normalité.

3.2.1.1. Le Skewness :

C'est un outil statistique qui mesure le degré d'asymétrie de la distribution soit le moment d'ordre 3, il est définit par :

1 N ( 5 xt-13

S = N1 E ^-=1 - (1.5)

Où :

· N : Le nombre d'observations,

· xt : L'observation à l'instant (t),

· . : La moyenne des observations,

· 6 : L'estimateur de l'écart-type.

Trois cas sont à envisagés :

> S > 0 : La distribution est asymétrique vers la droite.

> S =0 : La distribution est qualifiée de normale et symétrique.

> S < 0 : La distribution est asymétrique vers la gauche.

3.2.1.2. Le Kurtosis :

C'est un coefficient qui mesure le degré d'aplatissement de la distribution soit le moment d'ordre 4, il est donné par l'équation suivante :

33

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

1 _N ec 5 t-x)4

K = N 1 E ^-=1 - (1.6)

Trois cas sont à envisagés :

> K > 3 : La distribution est dite pointue et donc leptokurtotique.

> K = 3 : La distribution est qualifiée de normale.

> K< 3 : La distribution est dite écrasée et donc playkurtotique.

3.2.1.3. Le test de Jarque-Bera :

C'est un test qui regroupe les deux coefficients mentionnés ci-dessus par la mesure de leur différence d'une série par rapport à ceux d'une distribution normale. Il permet de tester la normalité d'une distribution et il est calculé comme suit :

JB = N₅ -k (S² + (K- 4 ³⁾²) (1.7)

Où :

· K : Le nombre de variables explicatives(ou le nombre de coefficients estimés).

Si JB > g-ce (2) donc l'hypothèse de normalité des résidus au seuil a est rejetée.

3.2.1.4. Statistiques descriptives des séries des prix et des dividendes

34

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Tableau1 .1 : Statistiques descriptives de la série des prix

D'après le tableau 1.1 nous pouvons remarquer que

la distribution de la série des prix est significativement différente de la distribution normale au seuil de 1%. En effet, la série des prix est caractérisée par un coefficient d'asymétrie (S) égal à (0.789453) qui est supérieur à 0

donc une asymétrie vers la droite et par un coefficient d'aplatissement (K) égal à (2.742842) qui est inférieur à 3 et donc la distribution de la série des prix est playkurtotique. La statistique de Jarque -Bera est

supérieure à ë²(2) lu dans la table (probabilité

critique égal à (0.527415)) donc l'hypothèse de normalité de la série des prix est rejetée.

PRIX

Mean	36.03792
Median	35.07900
Maximum	52.68800
Minimum	28.39500
Std. Dev.	7.669389
Skewness (S)	0.789453
Kurtosis (K)	2.742842
Jarque-Bera	1.279537
Probability	0.527415
Sum	432.4550
Sum Sq. Dev.	647.0149
Observations	12

Tableau 1.2 : Statistiques descriptives de la série des dividendes

DIVIDENDE
Mean	1.122333
Median	1.213000
Maximum	1.528000
Minimum	0.008000
Std. Dev.	0.382530
Skewness (S)	-2.218016
Kurtosis (K)	7.304477
Jarque-Bera	19.10345
Probability	0.000071
Sum	13.46800
Sum Sq. Dev.	1.609625
Observations	12

A partir du tableau 1.2 nous pouvons constater que la distribution de la série des dividendes est

significativement différente de la distribution normale au seuil de 1%, et ce parce qu'elle est caractérisée par un coefficient d'asymétrie (S) égal à (-2.218016) qui est inférieur à 0 donc une asymétrie vers la gauche et par un coefficient d'aplatissement (K) égal à (7.304470) qui est largement supérieur à 3 et donc la distribution de la série des dividendes est leptokurtotique. La statistique de

Jarque -Bera est largement supérieure à ë²(2) lu dans la

table (probabilité critique égal à (0.000071)) donc l'hypothèse de normalité de la série des dividendes est rejetée.

35

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

3.2.2. Tests de stationnarité :

En vue d'étudier la stationnarité des deux séries, nous allons réaliser le test de Dickey-Fuller Augmenté (ADF). Ce test à été développé en 1981 en se basant sur l'hypothèse de corrélation des résidus åt et sur l'estimation par la méthode des moindres carrés ordinaires (MCO) des 3 modèles suivants :

· Modèle avec constante et tendance

?X~ = c + bt + _{ñX~_1} + ? öj

~~~ X~_~ + å~ (1.8)

~

· Modèle avec constante

?X~ = c + _{ñX~_1} + ? ö

~~~ X~_~ + å~ (1.9)

~

· Modèle sans constante ni tendance

?X~ = ñX~_1 + ? ö

~~~ X~_~ + å~ (1.10)

~

Sachant que les résidus (åt ) sont indépendamment et identiquement distribués (iid).

3.2.2.1. Test de stationnarité de la série de prix :

Tableau 1.3 : test de stationnarité de la série des prix : modèle avec tendance et constante
« en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -3.192777
Test critical values: 1% level -5.124875 5% level -3.933364 10% level -3.420030
Variable
Coefficient		Std. Error	t-Statistic	Prob.	PRIX (-1)
-1.123187		0.351790	-3.192777	0.0128	C
31.88795		10.60629	3.006513	0.0169	Trend (1997)
1.529708		0.796726	1.919992	0.0911

Selon le tableau 1.3, il est possible de constater que la tendance n'est pas significative, puisqu'elle présente une erreur de 9,11% qui est supérieure au seuil tolérable de 5%. Il en

36

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

résulte que le modèle approprié pour tester la stationnarité de la série des prix est celui qui ne présente pas de tendance. Par conséquent il convient de passer à la deuxième étape.

Tableau 1.4 : test de stationnarité de la série des prix : modèle avec constante

« en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -2.240283
Test critical values: 1% level -4.200056
5% level -3.175352
10% level -2.728985
Variable
Coefficient		Std. Error	t-Statistic	Prob.	PRIX (-1)
-0.733829		0.327561	-2.240283	0.0518	C
27.34292		11.78112	2.320911	0.0454

D'après ce tableau, il est possible de constater que la constante est significative du fait qu'elle est égale à 4,54% qui est inférieur au seuil tolérable de 5%. Il en résulte que le modèle avec constante semble être le plus approprié pour tester la stationnarité de la série des prix. Cependant l'application du test Augmented Dickey Fuller (ADF) sur la série des prix, fait ressortir la présence d'une racine unitaire dans la série en niveau, donc la série est non stationnaire du fait que la statistique ADF qui égale à(-2,240283) est supérieure à la valeur critique au seuil de 5% qui égale à ( -3,175352). D'où la nécessité de passer à l'étape suivante qui consiste à appliquer le test ADF sur la série en différence première dont le but est de tester l'ordre d'intégration de la série.

37

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Tableau 1.5: test de stationnarité de la série des prix : modèle avec constante

« en différence première »

t-Statistic						Augmented Dickey-Fuller test statistic -4.524365
Test critical values: 1% level -4.297073 5% level - 3.212696 10% level -2.747676
Variable
Coefficient		Std. Error	t-Statistic	Prob.	D(PRIX (-1))
-1.454486		0.321478	-4.524365	0.0019	C
2.021124		2.928067	0.690259	0.5096

Il en découle du tableau 1.5 que la série des prix est stationnaire en différence première et ce étant donné que la statistique ADF qui égale à (-4,524365) est inférieure à la valeur critique au seuil de 5% qui égal à (-3,212696).

Après avoir établit toutes les étapes nous pouvons conclure que notre série des prix est stationnaire en différence première uniquement avec constante.

3.2.2.2. Tests de stationnarité de la série des dividendes :

Tableau 1.6: test de stationnarité de la série des dividendes :
modèle avec tendance et constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -1.320162
Test critical values: 1% level -5.124875 5% level -3.933364 10% level -3.420030
Variable
Coefficient		Std. Error	t-Statistic	Prob.	DIVIDENDE(-1)
-1.101464		0.834340	-1.320162	0.2233	C
1.503915		1.010099	1.488878	0.1748	Trend (1997)
-0.044551		0.040171	-1.109018	0.2996

38

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Nous remarquons à partir du tableau 1.6 que la tendance n'est pas significative, puisqu'elle présente une erreur de 29,96% largement supérieure au seuil tolérable de 5%. Par conséquent, le modèle approprié pour tester la stationnarité de la série des dividendes est celui qui ne présente pas de tendance, d'où le recours à la deuxième étape.

Tableau 1.7 : test de stationnarité de la série des dividendes :

modèle avec constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -1.545842
Test critical values: 1% level -4.200056 5% level -3.175352 10% level -2.728985
Variable
Coefficient		Std. Error	t-Statistic	Prob.	DIVIDENDE(-1)
-1.281239		0.828830	-1.545842	0.1565	C
1.456589		1.022007	1.425224	0.1878

Le tableau 1.7 fait ressortir que la constante n'est pas significative du fait qu'elle est égale à 18,78% qui excède largement le seuil tolérable de 5%. Donc, il en résulte que le modèle le plus approprié pour tester la stationnarité de la série des dividendes est celui qui ne présente ni tendance ni constante.

Tableau 1.8 : test de stationnarité de la série des dividendes :

modèle sans tendance ni constante « en niveau »

				t-Statistic		Augmented Dickey-Fuller test statistic
-1.014160				Test critical values: 1% level
-2.792154				5% level
-1.977738				10% level
-1.602074				Variable
Coefficient		Std. Error	t-Statistic	Prob.	DIVIDENDE(-1)
-0.109011		0.107489	-1.014160	0.3344

Après avoir effectué le test de racine unitaire de Dickey -fuller sur la série des dividendes, nous avons vu que la série est non stationnaire en niveau et ce car la

39

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

statistique ADF qui égale à (-1.0141160) est supérieure à la valeur critique au seuil de 5% qui égal à (-1.977738). D'où la nécessité d'appliquer le test ADF sur la série en différence première et ce afin de tester l'ordre d'intégration de la série.

Tableau 1.9: test de stationnarité de la série des dividendes :

modèle sans tendance ni constante « en différence première »

t-Statistic						Augmented Dickey-Fuller test statistic -3.022920
Test critical values: 1% level -2.816740
5% level -1.982344
10% level -1.601144
Variable
Coefficient		Std. Error	t-Statistic	Prob.	D(DIVIDENDE(-1))
-1.610822		0.532870	-3.022920	0.0144

Il en découle de ce tableau que la série des dividendes est stationnaire en différence première et ce étant donné que la statistique ADF qui égale à (-3.022920) est inférieure à la valeur critique au seuil de 5% qui égal à (-1.982344).

Après avoir établit toutes les étapes nous pouvons conclure que notre série des dividendes est stationnaire en différence première sans constante ni tendance.

3.2.3. Test de bornes de variance « Variance Bounds Test » de Shiller (1981) :

3.2.3.1. Présentation du test :

Les cours exhibent une volatilité excessive relativement aux fondamentaux, afin de comparer les deux types de volatilité, Shiller à élaboré le test de bornes de variance. Soit :

Pt = Et(P_t^* \ It) (1.11)

Où :

· Pt *: Le prix rationnel ex post,

· Pt : L'expectation mathématique conditionnelle en (t) de Pt * sur toute l'information disponible ; en d'autre terme Pt est l'estimation optimale de Pt *,

40

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

· It: L'information disponible.

L'idée de Shiller est de comparer le prix rationnel ex post à celui du prix observé sur le marché. Si le marché est efficient et si le modèle est correct, les deux séries devraient exhiber la même dynamique du prix. Soit :

Ut = P_t^* - Pt (1.12)

Avec:

· Ut : L'erreur d'estimation.

Un principe fondamental des estimations optimales suppose que l'erreur d'estimation notée Ut doit être décolérée avec l'estimation c'est-à-dire :

cov[Pt, Ut] = 0 (1.13)

Si l'erreur d'estimation à montré une corrélation consistante avec l'estimation ellemême, ce ci implique que l'estimation doit être améliorée.

Le principe de statistique élémentaire dicte que la variance d'une somme de deux variables dé corrélées est la somme de leurs variances, on obtient ainsi,

v(P_t^*) = v(Ut) + v(Pt) (1.14)

Etant donné que les variances ne peuvent pas être négatives alors la variance des prix observés ne doit en aucun cas excéder la variance des prix rationnels ex- post :

v(Pt) = v(P_t^*) (1.15)

3.2.3.2. Détection de la volatilité excessive sur le marché boursier tunisien : Résultats et Commentaires :

Pour étudier l'existence de la volatilité excessive sur le marché boursier tunisien nous devons comparer la variance de l'indice des prix observés à celle de l'indice des prix ex-post. Pour ce faire nous allons suivre la démarche ci-dessous :

L'indice des prix observés d'une année (t) est donné par l'équation suivante :

41

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Pt = ? P W

~ (1.16)

~~~

Où :

· Pt: L'indice des prix observés au cours de l'année (t),

· I : Le nombre d'entreprises ; i=1,2, 20(dans notre étude),

· t : Le nombre d'années ; t = 1997, 1998, .2008(dans notre étude),

· Pit : Le cours de l'entreprise (i) au cours de l'année (t),

· Wit: Poids de l'entreprise(i) dans le marché au cours de l'année (t)

Wit est définit par :

~~~~

W = (1.17) CBMt

Avec :

· CBit: Capitalisation boursière de l'entreprise (i) au cours de l'année (t).

Elle est donnée par l'expression suivante :

CBit = Nit × Pit (1.18)

Où :

· Nit: Nombre de titres en circulation (admis) de l'entreprise (i) au cours de l'année (t),

· CBMt : Capitalisation boursière totale du marché au cours de l'année (t) qui

est définit par :

CB = ? CB

~ ~~~ (1.19)

Après avoir calculé les différents indices des prix observés correspondant à chaque année d'étude, nous devons passer à l'étape suivante à savoir le calcul des indices des dividendes observés qui serviront à leurs tours au calcul des indices des prix ex-post.

Formellement, l'indice des dividendes observés s'écrit de la manière suivante :

42

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

D = ? D1 × Wit

~ (1.20)

=i

Où :

· D~ : L'indice des dividendes observés au cours de l'année (t),

· D1~ : Le dividende de l'entreprise (i) au cours de l'année (t).

Une fois les deux indices construits, La troisième et la dernière étape consiste à calculer les indices des prix ex-post. Pour ce faire, nous allons commencer par le calcul de l'indice des prix ex-post de la dernière année de la période d'étude selon la formule suivante :

P~1

* = Pt~i + D~1 (1.21)

Le calcul des indices des prix ex-post pour le reste des années va se faire du bas en haut suivant cette formule :

* ~~~

P^* = P+i (1.22)

1+R

Avec :

· P *: L'indice des prix ex-post au cours de l'année (t),

· P~i

* : L'indice des prix ex-post au cours de l'année (t+1),

· D~ : L'indice des dividendes observés au cours de l'année (t).

· R : Le taux moyen de rentabilités observées, définit par :

R = ? Rt

~

~~1 (1.23)

T

43

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Les tableaux 1.10 et 1.11 résument l'essentiel des calculs :

Tableau 1.10 : calcul du taux moyen des rentabilités observées
sur le marché boursier tunisien

Année		R~ (rentabilités observées)	1997
-		1998
0,055		1999
0,302		2000
-0,046		2001
-0,062		2002
0,005		2003
0,014		2004
0,902		2005
-0,211		2006
0,043		2007
-0,035		2008
0,172		Taux moyen des rentabilités observées (R)
0,104= 10,4%

44

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Tableau 1.11 : calcul des indices des prix observés, des indices des dividendes
observés et des indices des prix ex-post

P t (Indice des prix observés)	D~ (Indice des dividendes observés)		~~ * (Indice des prix ex- post)	28,487
1,231	22,815		28,945
1,104	23,957		36,509
1,188	25,345		33,649
1,185	26,793		30,223
1,332	28,394		29,501
0,877	30,015		28,395
1,528	32,259		52,688
1,33	34,086		40,312
1,257	36,301		40,814
1,233	38,820		38,182
1,195	41,624		44,750
0,008	44,758		VAR(Pt)= 58,820
-	VAR(Pt^*)= 51,101

Les résultats obtenus dans le tableau 1.11 montrent que l'inégalité (1.12) caractéristique du test de bornes de variance est nettement violée, du fait que la variance des prix observés excède la variance des prix rationnels ex-post : ce ci nous conduit à fournir une preuve en faveur de la volatilité excessive sur le marché boursier tunisien.

Nos résultats semblent être conformes à ceux avancés par Shiller en 1981, ce dernier à appliqué ce test en utilisant des données annuelles du marché financier américain pour des périodes d'échantillonnage différentes : les séries S&P500 (1871-1979) et Dow Jones industriel (1928-1979). Ses propres résultats rapportés révèlent une violation de la borne de variance (la volatilité des prix observés est supérieure à celle des prix rationnels ex-post) ce qui lui a mené à conclure que les titres sont trop volatiles.

En guise de conclusion, nous relevons l'inefficience des deux marchés (tunisien et américain.

45

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Conclusion

D

ans ce chapitre, nous avons montré dans une première section que la théorie d'efficience à subi une évolution progressive, bien qu'elle semble être vérifiée empiriquement, et ce grâce au débat animé par le développement de la littérature des anomalies.

Au-delà de la présentation historique de l'évolution du paradigme classique de l'efficience des marchés, la deuxième section de ce chapitre nous à permis de présenter la notion de finance comportementale offrant des réponses aux critiques adressées à la théorie orthodoxe. Cette nouvelle approche se base sur le fait que les individus en général et les investisseurs en particulier, ne sont pas totalement rationnels dans leurs décisions, et ils peuvent effectuer des erreurs, à savoir les biais cognitifs.

La troisième section de ce chapitre à mis l'accent sur l'une des principales anomalies de la théorie classique, à savoir, la volatilité excessive, et nous avons relevé une preuve en faveur de son existence sur le marché boursier tunisien (1997-2008).

Dans la suite de ce travail, nous évoquerons, dans un premier temps, quelques biais évoqués ci-dessus en l'occurrence l'excès de confiance et le comportement grégaire, nous étudierons, dans un second temps, leurs influences sur la volatilité des cours boursiers à travers une revue de la littérature et nous testerons, dans un dernier temps, cette influence sur la BVMT.

46

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale
à travers l'excès de confiance et le comportement grégaire.

Chapitre 2

Etude de l'excès de confiance sur

les marchés financiers

	47

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Chapitre 2

Etude de l'excès de confiance sur les

marchés financiers

Les modèles de finance comportementale ont assumé, lors des expériences en psychologie, l'existence des comportements irrationnels qui fragilisent la

rationalité supposée de l'individu. L'excès de confiance est considéré comme l'un de ces comportements qui pousse l'individu à la faute dans l'élaboration de ses stratégies d'investissement et participe, par conséquent, avec d'autres comportements à éloigner l'hypothèse d'efficience informationnelle des marchés de la réalité au terrain.

Un tel excès de confiance à été observé dans divers domaines professionnels, notamment chez : les psychologues cliniques (Oskamp (1965)), les médecins et les infirmières (Christensen-Szalanski et Bushyhead (1981), Baumann, Deber et Thompson(1991)), les banquiers d'affaire (Staël von Holstein et S Carl-Axel(1972)), les ingénieurs (Kidd (1970)), les entrepreneurs (Cooper, Woo et Dunkelberg (1988)), les avocats (Wagenaar et Keren (1986)), les négociateurs ( Neale et Bazerman(1991)) et les managers (Rusoo et Schoemaker (1992)).

Dans leur travail portant sur le comportement des investisseurs, les pionniers Debondt et Thaler en 1985 déclarent le fait que les individus aient un excès de confiance comme l'une des caractéristiques les plus pertinentes dans la psychologie des jugements, et ce parce que des énigmes sur les marchés financiers, qui auparavant ne pouvaient pas

48

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

être résolus en utilisant la théorie économique standard, ont été justifiés, une fois l'excès de confiance de l'investisseur est détecté.

L'excès de confiance affecte les marchés financiers et principalement il affecte le volume de transaction, les rendements et la volatilité des titres et ce parce que les investisseurs sont très certains quant à leurs propres opinions et ne reconnaissent pas suffisamment les opinions des autres. Odean(1996) tout en partageant le même avis montre l'incapacité des investisseurs sur confiants à générer des profits extraordinaires et déduit la présence d'une volatilité excessive et d'un risque supplémentaire assumé.

Ce chapitre sera donc présenté comme suit : la première section présentera le phénomène d'excès de confiance, la deuxième section sera consacrée à la mise en évidence théorique de l'impact de ce phénomène sur la volatilité des cours boursiers, tandis que, la troisième section testera empiriquement l'existence de l'excès de confiance ainsi que son impact sur la volatilité des cours boursiers sur le marché boursier tunisien.

49

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Section 1 : Mise en évidence du phénomène de l'excès de confiance sur les

marchés financiers :

Le terme de d'excès de confiance (appelé aussi sur confiance ou confiance excessive) à été largement utilisé en psychologie à partir des années soixante, et c'est qu'avec le début des années soixante-dix que ce phénomène devient un domaine d'intérêt des économistes, principalement, en contexte du comportement dans les marchés financiers. En effet, la psychologie et la littérature de la science comportementale caractérisent ceux qui se comportent comme s'ils ont plus de capacités qu'ils possèdent effectivement, comme sur confiants.

Au sein de cette section, nous nous contenterons dans une première partie à présenter les définitions ainsi que les caractéristiques de l'excès de confiance. Dans la deuxième partie, seront traitées les différentes formes de l'excès de confiance. La troisième et la dernière partie aura pour objet d'énumérer les diagnostics et les remèdes de l'excès de confiance.

1.1. Définitions et caractéristiques de l'excès de confiance :

1.1.1. Définitions :

Une panoplie de définitions inclut celle proposée par : Mahajan (1992, p330) qui définit la sur confiance comme étant une surestimation de la probabilité d'un ensemble d'événements, celle proposée par : Daniel, Hirshleifer et Subrahman (1997) qui définissent l'investisseur sur confiant comme celui qui sur estime la prévision de son propre signal d'information privée. Cependant, Odean(1998) affirme que les investisseurs ne sont pas uniquement sur confiants quant à la prévision des signaux d'information qu'ils reçoivent mais aussi quant à l'interprétation de ces signaux. Et celle proposée par Shiller (1999) dans laquelle il affirme que les individus sur confiants pensent savoir plus qu'ils ne sachent vraiment, ils ont tendance à surestimer leurs capacités, connaissances et perspectives.

50

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

1.1.2. Caractéristiques :

Griffin et Tversky (1992) affirment que La tendance à se montrer excessivement confiant quant à son propre jugement de ses propres prévisions n'est pas propre à la finance, mais celle-ci constitue un terrain adéquat à la répétition de ces phénomènes car la prévision y est par nature très difficile.

Selon Odean (1998a), L'excès de confiance est une caractéristique des personnes, et non pas des marchés.

L'excès de confiance peut avoir deux effets, l'un est direct alors que l'autre est indirect : Daniel, Hirshleifer et Subrahmanyam (DHS) (1998) présentent l'effet direct de l'excès de confiance, ils exhibent que les investisseurs accordent plus d'importance à l'information privée dont ils utilisent dans leur choix. L'effet indirect se récapitule dans le fait que les investisseurs traitent l'information d'abord et ils mènent des choix biaisés à la suite. En cas de mauvais choix, les investisseurs maintiennent leurs positions malgré qu'elles sont perdantes et ce pour garder leurs confiances (Odean (1998a)).

Une littérature extensive montre les individus sont généralement sur confiants dans leurs jugements (Baberis et Thaler (2002)), et ils le sont aussi quant à la précision de leurs connaissances (Alpert et Raiffa (1982) et Odean (1996)).

Svenson (1981) affirme que les individus sur confiants sur estiment leurs propres capacités et se perçoivent comme étant plus compétents à évaluer les titres que ce qu'ils sont réellement de sorte qu'ils sous estiment leurs prévision de l'erreur de variance¹⁶.

Odean (1998) à constaté que l'analyse de la sur confiance d'un seul type de spéculateur présente une image trompeuse et incomplète, c'est la raison pour laquelle il à mener une étude sur différents spéculateurs, notamment, les preneurs de prix dans les marchés où l'information est largement diffusée, les initiés de l'activité stratégique dans les marchés où l'information est concentrée et les faiseurs du marché, en plus, il à examiné les marchés où l'information est coûteuse. Les principaux résultats de son étude sont :

16 Cette idée est cohérente avec les études de Cooper, Woo et Dunkelberg (1988), Taylor et Brown (1988)) et Daniel, Hirshleifer et Subrahmanyam (1997).

51

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

- le volume de transaction augmente lorsque les preneurs de prix, les initiés ou les faiseurs du marché sont sur confiants. Ceci est confirmé par les études empiriques de Statman et Thorley (1998) qui indiquent que la sur confiance crée de l'activité.

- les spéculateurs sur confiants peuvent causer les marchés à sous-réagir à l'information des spéculateurs rationnels conduisant à des rendements positivement corrélés. Les rendements sont aussi positivement corrélés lorsque les spéculateurs sous-évaluent une nouvelle information et sont négativement corrélés lorsqu'ils la sur évaluent.

- la confiance excessive réduit l'utilité espérée des spéculateurs qui détiennent des portefeuilles peu diversifiés. Lorsque l'information est coûteuse et les spéculateurs sont sur confiants, les spéculateurs informés se trouvent dans une situation plus pire que les spéculateurs non informé. Barber et Odean (2000) ont trouvé que les investisseurs individuels, ceux qui spéculent plus activement se trouvent dans une situation plus pire que ceux qui spéculent moins.

- la confiance excessive accroit la profondeur du marché

- les initiés sur confiants améliorent la qualité du prix, tandis que, les preneurs du prix l'aggrave.

- les spéculateurs sur confiants font accroitre la volatilité, cependant, les faiseurs du marché amortissent cet effet.

Afin d'approfondir son étude, Odean en 1999 à établit une cartographie qui met en évidence que tous les agents économiques sont touchés par l'excès de confiance, particulièrement lorsque l'environnement dans lequel ils évoluent est complexe.

De nombreuses études empiriques ont été menée afin de mettre en relief l'existence du biais de la sur confiance ;

La première étude empirique avancée est celle dû à l'économiste Odean en 1999 portant sur un échantillon de 10000 comptes de clients d'une société de courtage sise aux Etats -Unis et couvrant une période allant du janvier 1987 à décembre 1993. Cette étude stipule que le biais de sur confiance persiste que si l'écart entre les rendements moyens des

52

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

titres achetés et ceux des titres vendus n'arrive pas à couvrir les coûts de transaction¹⁷. En comparant cet écart aux coûts des transactions, Odean parvient à fournir une preuve en faveur du biais de sur confiance et ce car les rendements moyens des titres vendus excèdent largement ceux des titres achetés et par conséquent, la différence entre eux est négative et ne couvre pas les coûts de transaction.

Après cette première étude, Barber et Odean (2001) ont mené une autre étude sur un échantillon de 78000 ménages américains et sur une période allant de février 1991 à janvier 1997. Cette étude repose sur le fait que les investisseurs sur confiants croient fortement en leurs croyances et ignorent les croyances des investisseurs rationnels. Selon ces deux auteurs, ce comportement parvient à intensifier le volume de transaction, c'est la raison pour laquelle ils l'on pris comme une variable déterminante pour distinguer les investisseurs rationnels de ceux affectés par le biais de sur confiance.

Cette étude à débouchée sur deux principaux résultats :

- l'excès de confiance est un biais psychologique commun chez les hommes et les femmes.

- le degré de sur confiance est plus accentué chez les hommes que chez les femmes et chez les célibataires que chez les mariés.

Ayant fixé le même but, Kirchler et Maciejovsky (2002) examinent dans leur étude la sur confiance individuelle dans le contexte d'un marché des actifs expérimentaux. Au total, 72 participants ont échangé un actif risqué sur six marchés de 12 participants chacun. Leurs résultats indiquent que les spéculateurs sur le marché des actifs expérimentaux ne sont pas généralement exposés à la sur confiance. L'existence de la sur confiance est modérée par la méthodologie utilisée : soit celle des intervalles de la confiance subjective soit celle de la comparaison de la précision objective à la certitude subjective. Selon la première méthodologie, les participants sont sur confiants dans 12 des 13 périodes de négociation. En se basant sur la deuxième méthodologie, les participants ne peuvent être classés comme sur confiants qu'en trois périodes.

¹⁷ Les coûts de transaction dans ce cas s'élèvent à 5,9%.

53

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Toutes les études empiriques évoquées ci-dessus se sont mises d'accord sur la présence d'un excès de confiance parmi les investisseurs malgré la variété des méthodes économétriques utilisées, des échantillons et des périodes d'études, à l'exception de celle de Kirchler et Maciejovsky (2002).

1.2. Les différentes formes de l'excès de confiance :

Le phénomène d'excès de confiance constitue l'un des concepts les plus significatifs en finance comportementale moderne, il peut se manifester sous diverses formes dont nous citons les principales :

1.2.1. L'effet mieux que la moyenne : « better-than average effect »

La plupart d'entre nous, lorsqu'on se compare à un groupe (d'élèves, de travailleurs..), nous croyons être supérieur à un représentant moyen de ce groupe dans divers domaines.

Svenson en 1981 à démontré qu'on se comparant avec d'autres, les individus croient généralement être des conducteurs plus habiles et moins risqués qu'un conducteur "en moyenne".

Cet effet, exploré par Taylor et Brown (1988), stipule que les individus attribuent les succès à leurs habiletés et les échecs passés à la mal chance.

1.2.2. L'illusion de contrôle

L'illusion de contrôle à été trouvée par Langer (1975) dans divers expériences dont les tâches sont basées sur le hasard incluant la participation d'un concurrent confiant ou nerveux, le choix des billets de loterie ou d'en attribuer un, l'engagement dans des loteries familières ou non ou dans des jeux de hasard. Dans toutes ces situations, les participants se retrouvent exhiber une confiance excessive dans leurs contrôles sur les résultats des tâches basées sur le hasard.

54

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Les recherches en psychologie démontrent que les gens ont tendance à croire qu'ils sont en mesure d'influencer les événements qui sont en fait régis principalement, ou exclusivement, par le hasard (Taylor et Brown 1988).

L'existence d'illusion de contrôle dans des activités purement conduites par la chance à été prouvée expérimentalement, avec des participants qui sont convaincus que leurs compétences ou expériences passées peuvent influencer la prédiction du résultat de la tâche (Langer et Roth (1975)).

Presson et Benassi(1996) montrent que les attributs clé favorisant l'illusion de contrôle sont : l'information, les participations actives, la tâche de familiarité

1.2.3. Le mauvais calibrage : « miscalibration »

C'est la différence entre la précision et la probabilité attribuée (qu'une réponse donnée est correcte). L'excès de confiance à été définit comme une forme particulière de « miscalibration », pour laquelle la probabilité attribuée que les réponses données sont correctes dépasse la vraie précision des réponses.

1.2.4. L'illusion de connaissance

C'est-à-dire avoir le plus d'informations disponibles. Des niveaux accrus d'information ne conduisent pas nécessairement à une meilleure connaissance et ce parce que de nombreux investisseurs peuvent ne pas avoir la formation, l'expérience et les compétences nécessaires à interpréter ces informations.

1.3. Les diagnostics et les remèdes de l'excès de confiance :

1.3.1. Les diagnostics :

Selon Mangot (2004), l'investisseur est particulièrement sujet au biais d'excès de confiance si :

- il est persuadé d'être né sous une bonne étoile.

- il a constaté qu'il réussisse mieux quand il écoute ses intuitions plutôt que les conseils des autres.

55

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

- il suit ses propres règles en bourse, des règles non écrites qu'il aurait du mal à justifier.

- il gère lui-même son portefeuille et il ne le viendrait pas à l'idée de le faire gérer par quelqu'un d'autre.

- il relativise les opinions contraires quand il décide d'investir sur un titre. - il achète et vend très fréquemment.

- il est sûr d'avoir fait mieux que le marché ces derniers temps mais il ne connait pas avec exactitude ni ses performances ni celles du marché.

- il n'a qu'une seule source d'information qu'il suit sans sourciller.

1.3.2. Les remèdes :

Mangot (2004) à trouvé que l'investisseur peut largement corriger ce biais :

- en auditant ses performances et en les comparant à celle du marché, de manière à mesurer combien cela lui coûte de continuer à gérer lui-même.

- en conservant à l'esprit que les investisseurs qui gardent longtemps leurs titres sont ceux qui affichent les meilleures performances.

- en relativisant ses succès à la lumière des performances du marché.

- en tenant une comptabilité rigoureuse de ses réussites et de ses échecs.

- en passant ses opérations en bourse seulement après avoir confronté ses

raisonnements à la critique d'un autre investisseur. Il pourra pointer le doigt sur ses

oublis et ses raccourcis intellectuels.

- en multipliant ses sources d'information (analystes, journaux financiers )

56

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Section 2. Mise en évidence théorique de l'effet de l'excès de confiance sur

la volatilité des cours boursiers

L'excès de confiance est la croyance par un individu que ses qualités personnelles sont meilleurs qu'elles ne le sont réellement. Ainsi un investisseur sur confiant ne peut pas à la fois reconnaitre et s'ajuster à ses propres limites.

Shiller en 1989 signale, à travers un questionnaire envoyé à plusieurs investisseurs individuels et institutionnels juste après le krach de 19 octobre 1987, un niveau élevé de confiance chez les investisseurs dictant l'évolution futur du marché.

DeBondt et Thaler (1995, p393) affirment que «le facteur clé du comportement nécessaire pour comprendre le puzzle de la négociation est la sur confiance».

Les modèles théoriques prédisent que les investisseurs sur confiants négocient plus que le suggère le comportement rationnel. En effet, Kyle et Wang (1997), Benos (1998), Odean (1998a), et Glaser et Weber (2007) attestent qu'en raison, de leur confiance excessive, les investisseurs négocient plus fréquemment et que les gains de ces investisseurs provenant de ces négociations fréquentes sont à la fois en deçà de leurs attentes et insuffisantes pour compenser les coûts de négociation : Ce ci est réputé être l'effet le plus robuste de la sur confiance (Odean (1999) et Statman, Thorley et Vorking (2006)).

Des études récentes portant sur le comportement des investisseurs montrent que ces derniers effectuent généralement des échanges excessifs qui se révèlent à l'origine de la confiance excessive. C'est ainsi qu'Odean (1998) à montré que la confiance excessive et souvent considérée comme étant source d'importants volumes de transactions¹⁸ sur les marchés financiers.

En effet, les modèles de sur confiance d'Odean (1998a) et Gervais et Odean (2001) prédisent d'une part, que le marché à l'échelle des rendements élevés rend certains investisseurs sur confiants quant à la précision de leurs informations. Les investisseurs attribuent à tort l'échelle des gains du marché à leur capacité à sélectionner des actions, les

18 Les investisseurs sur confiants font plus de transaction que les investisseurs rationnels.

57

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

investisseurs sur confiants négocient plus fréquemment dans les périodes subséquentes en raison d'une inappropriée borne d'erreur serrée dans les prévisions des rendements. Et d'autre part, que le marché à l'échelle des pertes réduit l'excès de confiance des investisseurs et par conséquent réduit le volume des transactions dans les périodes subséquentes : il existe une relation linéaire entre l'excès de confiance et le volume de transaction.

Dans une autre étude, Barber et Odean (2000) ont analysé le comportement d'investissement de 66,465 ménages privés ayant des comptes à un courtier à escompte important durant la période allant de 1991 à 1996, ces deux auteurs ont constaté que ceux qui ont négocié le plus ont obtenu un rendement annuel de 11,4%, tandis que le rendement du marché était de 17.9%. Odean (2000) conjecture que le volume de transactions élevé est dû à l'excès de confiance. De plus, les investisseurs sont supposés surestimer la valeur de leurs informations privées, ce qui les provoquent trop activement aux échanges et, par conséquent, de gagner moins que la moyenne.

Statman et al. (2006) utilisent des données de niveau du marché américain pour tester l'hypothèse que la sur confiance conduit à un volume de transactions élevé. Ils soutiennent qu'après des rendements élevés le volume d'échanges ultérieurs sera d'autant plus élevé que le degré de réussite de l'investissement augmente la sur confiance. Ils trouvent une augmentation de l'activité après les marchés haussiers: le volume des transactions des actions (chiffre d'affaires) est positivement relié aux rendements décalés des actions. Cette constatation est cohérente avec l'hypothèse qui stipule qu'un degré plus élevé de sur confiance mène à l'accroissement du volume de transactions tant que les rendements passés élevés représentent un indicateur de la sur confiance.

Dans cet ordre d'idées, Daniel, Hirshleifer et Subrahmanyam (1998), dans leur modèle, développent une explication fondée sur les phénomènes de sur confiance et d'auto attribution pour expliquer les mouvements de prix anormaux. Ils montrent que la sur confiance des investisseurs à pour conséquence une sur réaction à leurs signaux privés, qui débouche sur une auto corrélation négative des rentabilités à long terme. Ainsi, en décidant, de prendre des positions acheteuses, ils vont provoquer une hausse des prix

58

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

qui n'aurait pas lieu d'être. Cette situation durera tant que l'information publique n'aura pas rétabli la situation.

Soucieux par ce niveau excessif de la volatilité, Shiller (1981, 1989) propose une méthode qui consiste à savoir si la volatilité peut être justifiée par les fondamentaux des actifs risqués. Cependant, cette méthode semble être inapte puisqu'elle ne permet pas d'identifier les sources de cette volatilité excessive.

Parallèlement, L'idée, selon laquelle, la volatilité excessive apparait comme la conséquence directe du volume de transaction à été traitée à travers une large littérature :

En effet, Benos (1996), Kyle et Wang (1997), Odean (1996) et Wang (1997) examinent les modèles avec des opérateurs statistiquement sur confiants. Dans ces modèles une plus grande sur confiance conduit à un plus grand volume de transaction attendu et une plus grande volatilité des prix. A l'exception d'Odean qui à montré qu'un teneur de marché sur confiant et averse au risque peut réduire la volatilité du marché.

De même, Darrat, Zhong et Cheng (2007) testent les implications du comportement de sur confiance en utilisant des U.S. données intra-journalières. Ils proposent plusieurs hypothèses testables pour les auto- corrélations du rendement intra-journalier, le volume de transaction, la volatilité du rendement et les relations causales entre le volume et la volatilité. Conformément au comportement de la sur confiance, Darrat et al. Suggèrent que les auto corrélations du rendement sont positives pour les courts décalages et baissent progressivement avec l'augmentation des décalages (retards). Egalement conforme au comportement de sur confiance accompagné du biais de l'attribution personnelle, la volatilité des rendements durant les périodes avec des nouvelles publiques est beaucoup plus élevé que durant les périodes sans nouvelles. Leur constations révèle que les investisseurs sur confiants sur réagissent aux nouvelles publiques qui confirme leurs signaux privés.

Ko et Huang (2007) affirment que la présence d'investisseurs sur-confiants s'accompagne souvent d'une volatilité excessive des cours, sous forme, de volume de transaction élevé et de phénomène de sur- et sous-réactions aux informations nouvelles.

59

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Acker et Duck (2008) montrent que les marchés où exercent des investisseurs surconfiants, exhibent souvent un niveau élevé de volume de transaction et une volatilité excessive des cours.

Glaser et Weber (2009), soulignent que les investisseurs sur confiants s'auto attribuent les rendements positifs passés du marché ce qui fait augmenter leurs volume de transaction et par conséquent amplifier les cours des actifs négociés.

Section 3 : Détection de l'excès de confiance et de son incidence sur la
volatilité des cours boursiers : Validation empirique sur le marché boursier

tunisien :

3.1. Description des variables et de l'échantillon :

La base de données de l'étude empirique réalisée dans le cadre de ce chapitre est constituée des observations mensuelles des cours de clôture, du nombre de titres traités et du nombre de titres admis d'un échantillon de 20 entreprises cotées sur le marché boursier tunisien pour une période d'étude allant du premier Janvier 2005 jusqu'au 31 Décembre 2008.

3.2. Détection de l'excès de confiance :

La présence du biais de sur confiance trouve sa plus célèbre illustration dans la vérification de la relation positive entre les volumes de transactions des actions et leurs rendements boursiers retardés. Notre objectif consiste alors à vérifier si, à court terme (à travers la fréquence mensuelle), les investisseurs opérant sur la BVMT exhibent une confiance excessive dans leurs comportements.

3.2.1. Mesure des rendements mensuels du marché :

Soit : R = ? ~~~

~

~~~ ~ (2.1)

60

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Avec :

· R~ : Le rendement mensuel du marché,

· K : Le nombre d'actions (titres distincts) sur le marché,

· R : Le rendement mensuel de l'action (i) définit par :

P1t+D1t^-P1 t_t

R1 = (2.2)

pi t-i

Où :

· Pt et P1 ~_~ : Les cours de clôture mensuels de l'action (i),

· D1~ : Le dividende servi sur l'action (i).

Les dividendes peuvent être négligés puisqu'ils sont faibles pour la période d'un

mois, le rendement mensuel R1~ 19 devient alors :

~~~

R1 = - 1 (2.3)

pi t-i

Notons que pour surmonter le problème de discontinuité des données, nous nous sommes servis de la méthode des prédécesseurs qui consiste à remplacer la donnée

manquante par le dernier cours disponible (~ ~ = P-1). Cette méthode est justifiée sur les

marchés efficients vérifiant l'hypothèse de la martingale selon laquelle, le cours d'aujourd'hui est le meilleur estimateur du cours de demain.

3.2.2. Mesure des volumes de transactions mensuels du marché :

Le volume de transaction est généralement représenté par une mesure relative (Statman et al (2006)), qui est le taux de rotation définit par :

19 On peut donner à _R~~ une approximation suite à la courte fréquence (fréquence mensuelle) et cette

approximation est retenue dans notre investigation empirique : R ln	~ ~~~ pi t-i~

61

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

? ~~~

~

~~~

Vt = (2.4)

~

Où :

· Vt : Le taux de rotation mensuel du marché,

· K : Le nombre d'actions distinctes sur le marché,

· V : Le taux de rotation mensuel de l'action (i), définit par :

~jt

V = (2.5)

Nt

Avec :

· n1t : Le nombre de titres échangés (titres traités) mensuellement de l'action

(i),

· N1~ : Le nombre mensuel de titres en circulation (titres admis) de l'action (i). 3.2.3. Analyse graphique des séries des rendements et des volumes de transactions mensuels du marché :

Figure 2.1 Graphiques des évolutions mensuelles des rendements et des volumes de transactions
du marché (Période : 01 Janvier 2005- 31Décembre 2008)

REND

3.0 2.5 2.0 1.5 1.0 0.5 0.0

2005 2006 2007 2008 VT

.12 .10 .08 .06 .04 .02 .00

2005 2006 2007 2008

Rendements mensuels volumes de transactions mensuels

62

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

L'analyse de l'évolution mensuelle des rendements du marché nous permet de déceler une certaine stabilité au niveau de la série qui se situe, au niveau de 1,5. Mais nous constatons une forte variabilité des rendements mensuels autour de la moyenne. L'intensité de cette variabilité est toutefois différente d'une sous période à une autre laissant penser à une sorte de non linéarité de la série des rendements du marché.

L'analyse de l'évolution mensuelle des volumes de transaction du marché nous permet de déceler une très grande volatilité.

3.2.4. Tests de stationnarité des séries des rendements et des volumes de transactions mensuels du marché :

3.2.4.1. Tests de stationnarité de la série des rendements mensuels du marché :

Tableau 2.1 : test de stationnarité de la série des rendements mensuels du marché : modèle

avec tendance et constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -4,967535
Test critical values: 1% level -4,165756 5% level -3,508508 10% level -3,184230
Variable
Coefficient		Std.Error	t-statistic	Prob.	RENDEMENT (-1)
-0,718813		0,144702	-4,967535	0,0000	C
0,769962		0,223458	3,445670	0,0013	Trend(2005)
0,016353		0,006441	2,538678	0,0147

Nous pouvons constater, à partir du tableau 2.1, que la tendance est significative, puisqu'elle présente une erreur de 1,47% qui est largement inférieure au seuil tolérable de 5%. Et que la constante est significative du fait qu'elle est égale à 0,13% qui est largement inférieur au seuil tolérable de 5%. Il en résulte que le modèle approprié pour tester la stationnarité de la série des rendements mensuels du marché est celui avec tendance et constante. La série est stationnaire du fait que la statistique ADF (Augmented Dickey Fuller) qui égale à (-4,165756) est inférieure au seuil 5% qui égale à (-3,508508).

	63

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Ainsi, nous pouvons conclure que notre série des rendements est stationnaire en niveau avec tendance et constante.

3.2.4.2. Tests de stationnarité de la série des volumes de transaction mensuels du marché :

Tableau 2.2 : test de stationnarité de la série des volumes de transactions mensuels du

marché : modèle avec tendance et constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -9,636677
Test critical values: 1% level -4,165756 5% level -3,508508 10% level -3,184230
Variable
Coefficient		Std.Error	t-statistic	Prob.	VOLUME(-1)
-1,361640		0,141298	-9,636677	0,0000	C
0,039840		0,007554	5,274238	0,0000	Trend(2005)
-0,000135		0,000232	-0,581549	0,5638

Il en découle du tableau 2.2 que la tendance n'est pas significative, puisqu'elle présente une erreur de 56,38% qui est largement supérieure au seuil tolérable de 5%. Il en résulte que le modèle approprié pour tester la stationnarité de la série des volumes de transactions mensuels du marché est celui qui ne présente pas de tendance. Par conséquent il convient de passer à la deuxième étape.

	64

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Tableau 2.3 : test de stationnarité de la série des volumes de transaction mensuels du

marché : modèle avec constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -9,694405
Test critical values: 1% level -3,577723 5% level -2,925169 10% level -2,600658
Variable
Coefficient		Std.Error	t-statistic	Prob.	VOLUME(-1)
-1,358968		0,140181	-9,694405	0,0000	C
0,036525		0,004919	7,425439	0,0000

Ce tableau fait ressortir que la constante est significative du fait qu'elle est égale à 0% qui est inférieur au seuil tolérable de 5%. Il en résulte que le modèle avec constante semble être le plus approprié pour tester la stationnarité de la série des volumes de transactions mensuels du marché. En plus, la série est stationnaire du fait que la statistique ADF (Augmented Dickey Fuller) qui égale à (-9,694405) est inférieure au seuil 5% qui égale à (-2,925169).

Après avoir établit toutes les étapes nous pouvons conclure que notre série des volumes de transactions est stationnaire en niveau uniquement avec constante.

3.2.5. Statistiques descriptives des séries des rendements et des volumes de transactions mensuels du marché :

L'analyse de la statistique descriptive consiste à évaluer le Skewness qui est un indicateur d'asymétrie, calculer le Kurtosis qui présente un coefficient d'aplatissement et d'effectuer l'essai de Jarque-Bera qui présente un test de normalité.

	65

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Tableau 2.4 : Statistiques descriptives de la série des rendements mensuels du marché

Series: RENDEMENT Sample 2005M01 2008M12 Observations 48

Mean		1.604136	Median
1.717996		Maximum
2.860136		Minimum
0.089750		Std. Dev.
0.615075		Skewness
-0.544909		Kurtosis
3.254658		Jarque-Bera
2.505110		Probability
0.285774

14 12 10 8 6 4 2 0

0.0 0.5 1.0 1.5 2.0 2.5 3.0

Les résultats obtenus soulignent que la distribution de la série des rendements mensuels du marché exhibe une significativité différentes d'une distribution normale au seuil 1%. D'une part, cette série présente un coefficient d'asymétrie (S) égal à (- 0,544909) qui est inférieur à 0 donc une asymétrie vers la gauche, d'autre part, la série présente un coefficient d'aplatissement (K) égale à (3.254658 ) qui est supérieur à 3 et donc la distribution de la série des rendements mensuels du marché est leptokurtotique. La

statistique de Jarque -Bera est supérieure à ë²(2) lu dans la table (probabilité critique

égale à (0,285774)) donc l'hypothèse de normalité de la série est rejetée.

	66

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Tableau 2.5 : Statistiques descriptives de la série des volumes de transactions mensuels du
marché

Series: VOLUME

Sample 2005M01 2008M12 Observations 48

Mean		0.026705	Median
0.017590		Maximum
0.105934		Minimum
0.005518		Std. Dev.
0.022463		Skewness
1.602669		Kurtosis
5.133525		Jarque-Bera
29.65224		Probability
0.000000

12 10 8 6 4 2 0

0.02 0.04 0.06 0.08 0.10

Les résultats obtenus soulignent que la distribution de la série des volumes de transactions mensuels du marché exhibe une significativité différentes d'une distribution normale au seuil 1%. D'une part, cette série présente un coefficient d'asymétrie (S) égal à (1.602669) qui est supérieur à 0 donc une asymétrie vers la droite, ce qui signifie que, durant la période d'étude, les volumes de transactions mensuels du marché ont subi plus de chocs positifs que des chocs négatifs, d'autre part, la série présente un coefficient d'aplatissement (K) égale à ( 5.133525) qui est largement supérieur à 3 et donc la distribution de la série des volumes de transactions mensuels du marché est

leptokurtotique. La statistique de Jarque -Bera est largement supérieure à ë²(2) lu dans

la table (probabilité critique est nulle) donc l'hypothèse de normalité de la série est rejetée.

3.2.6. Test de causalité bi-variée entre volume de transaction et rendement du marché :

Chuang et Lee (2006) testent l'existence d'une relation positive entre volume de transactions (représenté par le taux de rotation du marché) et rendements du marché en employant le test de causalité au sens de Granger (1969) réalisé sur le NYSE et l'AMEX.

	67

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Formellement, la causalité au sens de granger entre X et Y signifie que la prévision de Y fondée sur la connaissance des passées conjoint de X et Y est meilleure que la prévision fondée sur la seule connaissance du passé de Y. Conformément à la méthodologie suivie par Chuang et Lee(2006), nous estimons les équations représentatives d'un test de causalité bi-variée au sens de granger qui se présentent comme suit :

V = á~~ + ? â~~~

~~~ V + ? â~~~R~~~ + å~~

~

~ (2.6)

~~~

R = á~~ + ? â~~~

~~~ V + ? â~~~R~~~ + å~~

~

~ (2.7)

^~~~

Où :

· Vt : Le volume de transaction du mois (t) du marché (calculé sur la base du taux de rotation),

· Vt_j : Le volume de transaction mensuel retardé du marché,

· Rt : Le rendement du marché du mois (t),

· Rt_j : Le rendement mensuel retardé du marché ,

· Pt : Le nombre de retard déterminé à l'aide des critères Akaike (AIC) et Schwartz (SC).

Dans les tests de causalité bi-variée au sens de Granger, le rejet de l'hypothèse nulle

selon laquelle les rendements passés ne causent pas au sens de granger le volume de

transaction ( H0 : ₎612 = 0 ?j), fournit une évidence en faveur de notre hypothèse. Dés lors

que le volume est une variable non fondamentale de l'entreprise, le rejet de l'hypothèse
selon laquelle les volumes de transactions retardés ne cause pas au sens de Granger le

rendement du marché ( Ho : ₎621 = 0 ?j ) sera la preuve de l'inefficience du marché.

	68

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Tableau 2.6 : test de causalité bi-variée entre volume de transaction et rendements

mensuels du marché

Null Hypothesis	F- Statistic		Prob.	Vt does not Granger Cause R~
0,18812	0,6666		R~ does not Granger Cause V~
2,86139 *	(0,0978)

***, **,* : niveaux de significativité respectivement de 1%, 5% et 10%

La méthode de régression appliquée est celle des Moindres Carrés ordinaires (MCO). Le nombre de retards P= 1 (L'étude du corrélogramme de la série des rendements mensuels du marché, donnée par la figure (2.2) en annexe, montre que l'auto corrélation et l'auto corrélation partielle sont significatifs à l'ordre 1 au seuil de 1%).

Le tableau ci-dessus détecte une causalité unidirectionnelle au sens de Granger du rendement passé vers le volume de transactions à un niveau de significativité égale à 10%. Cependant, l'absence de causalité du volume de transactions passé vers le rendement témoigne l'absence d'éventuel effet de feedback positif sur le marché boursier tunisien.

Notre résultat obtenu est conforme avec les études empiriques de Chen, Firth et Rui (2001), Wang (2004) et Chuang et Lee (2006) et il confirme notre hypothèse de base selon laquelle les investisseurs opérant sur la BVMT exhibent une confiance excessive dans leurs comportements.

3.3. Test de l'effet de l'excès de confiance sur la volatilité conditionnelle des rendements boursiers

L'hypothèse selon laquelle la confiance excessive accroit la volatilité des cours boursiers à fait l'objet de nombreuses études, notamment, celles de DHS (1998), Odean (1998), Wang (1997) et Chuang et Lee(2006).

Etant donné que l'hypothèse de sur-confiance stipule que le volume de transaction et la volatilité augmentent avec l'excès de confiance, nous nous engagerons à étudier directement l'effet du volume de transaction, considéré comme proxy de la sur-confiance des investisseurs, sur la volatilité des cours boursiers.

	69

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

3.3.1. Décomposition du volume de transaction :

A l'instar de l'étude de Chuang et Lee (2006), nous décomposons le volume de transactions en deux éléments :

Vt = á + ? _i^P__i bi Rt_i + åt (2 .8)

Vt = [? _i^P_₁ bj RH] + [á + åt] (2.8a)

Vt = Excès de confiancet + Non excès de confiancet (2.8b)

Où :

· Excès de confiancet : C'est la composante du volume de transaction associé au

comportement des investisseurs sur confiants. Cette composante est mise en évidence à travers l'effet des rendements passés sur le volume de transaction.

· Non excès de confiancet : La constante et le terme résiduel forment la seconde

composante du volume de transaction lié à l'effet d'autres facteurs (autres que l'excès de confiance).

Le résultat de l'estimation du modèle (2.8) se résume dans le tableau ci-dessus :

Tableau 2.7 : décomposition du volume de transaction du marché et extraction de la
composante liée à l'excès de confiance

Variable	Coefficient	Std.Error	t-Statistic		Prob.	C b1
0,042351 -0,009797 *	0,009081 0,005347	4,663807 -1,832067	0,0000 0,0736

***,

** * : niveaux de significativité respectivement de 1%, 5% et 10%

,

Le signe négatif du paramètre estimé lié au rendement passé est un signe d'une relation négative retardée entre le volume de transaction et le rendement.

La présence de l'excès de confiance des investisseurs invite à scruter l'effet de ce biais sur la volatilité des rendements boursiers.

	70

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

3.3.2. Modélisation de l'espérance conditionnelle des rendements du marché :

Etant donné qu'on à vérifié au préalable la stationnarité et la normalité de la série des rendements mensuels du marché, nous pouvons ainsi appliquer directement le test de Box et Jenkins (1976).

Le processus stationnaire (R~ , t ? Z) autorégressif moyenne mobile d'ordre (p,

q) ou ARMA (p, q) est définit par la formulation suivante :

R = ö~ + ? ö

~ ~~~ R_1 + åt + ? èj

~~~ å~_~ (2.9)

~

Où :

· ö~ : est le terme constant,

· öj et 8: Sont des paramètres réels,

· å~,t ? Z : Est un bruit blanc de variance ó2

Conformément au test de Box et Jenkins, l'étape d'identification du modèle le plus approprié consiste à déterminer les ordres de retard p et q qui nécessite à son tour le recours à l'analyse des corrélogrammes des coefficients d'auto corrélation (FAC) et des coefficients d'auto corrélation partielle(FACP). A cet effet, nous allons estimer les paramètres des modèles candidats ARMA à l'aide de la méthode des moindres carrés ordinaires (MCO) qui présente une étape primordiale et obligatoire. Le choix de la spécification ARMA est réalisé à partir de la méthode des critères d'information, cette dernière consiste à retenir parmis un certain nombre de modèles estimés pour un nombre de retards allant de 0 à h ( h est le retard maximal) , celui dont le retard p minimise les critères d'Akaike (AIC) et Schwartz (SC) définis par :

~ AIC = log det ?~

~~~ ~ + (2.10) ~

~ ~~~ ~

SC = logdet ?~ ~ + N ~ (2.11)

	71

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Où :

· N : Le nombre de variables,

· T : Le nombre d'observations,

: Est un estimateur de la matrice variance covariance des résidus.

Tableau 2.8 : estimation du processus AR(p) par la méthode MCO

Retards	AR(1)		AR(2)	P=1
0,450498*** (0,0018)	-		P=2
0,405941** (0,0104)	0,091238 (0,5559)

***, **,* : niveaux de significativité respectivement de 1%, 5% et 10%.

L'analyse du tableau ci-dessus nous montre que le processus AR(1) est à retenir.

Tableau 2.9 : estimation du processus MA(q) par la méthode MCO

Retards	MA(1)	MA(2)	MA(3)		MA(4)
0,322765**					q=1
	-	-	-
(0,0254)
0,389769***	0,305590**				q=2
		-	-
(0,0091)	(0,0429)
0,421369***	0,513749***	0,268678*			q=3
			-
(0,0059)	(0,0011)	(0,0860)
0,452147***	0,561550***	0,324430	0,046320		q=4
(0,0051)	(0,0019)	(0,0654)	(0,7756)

***, **,* : niveaux de significativité respectivement de 1%, 5% et 10% Le processus à choisir d'après ce tableau MA(3).

A partir des résultats qui ont été fourni par les deux tableaux précédents, nous constater à priori que le modèle ARMA(1,3) est le modèle estimé par la méthode MCO.

	72

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Tableau 2.10 : estimation du processus ARMA (p,q) par la méthode MCO

	AR(1)	MA(1)	MA(2)		MA(3)	ARMA (1,0)
0,450498***					p=1 q=0
(0,0018)	-	-	-		ARMA (1,1)
0,593637**	-0,185154				p=1 q=1
(0,0294)	(0,5630)	-	-		ARMA (1,2)
0,221043	0,169719	0,413889**			p=1 q=2
(0,4892)	(0,5544)	(0,0115)	-		ARMA (1,3)
0,884596***	-0,636796***	-0,112171	-0,198003		p=1 q=3
(0,0000)	(0,0006)	(0,5383)	(0,2169)

***, **,* : niveaux de significativité respectivement de 1%, 5% et 10%

Le tableau montre que le processus à retenir est le ARMA(1,0) car le ARMA(1,3) est non significatif dans les processus MA(2) et MA(3).

3.3.3. Relation entre excès de confiance et volatilité conditionnelle des rendements du marché :

3.3.3.1. Asymétrie de la dynamique de la variance conditionnelle :

Le phénomène d'asymétrie de réponse de la variance conditionnelle aux chocs affectant la moyenne conditionnelle (appelé aussi effet d'endettement) est définit par la relation selon laquelle un choc négatif sur le rendement fait augmenter la volatilité plus que ne le fait un choc positif²⁰.

Deux explications peuvent être attribuées à ce phénomène :

· la première fait référence au levier financier définit par le ratio emprunts/ capitaux propres.

· La deuxième explication est le concept de « volatility feedback ».

Les processus GARCH (Generalized AutoRegressive Conditional Heteroskedasticity) sont des processus stochastiques qui permettent de modéliser les séries chronologiques dont la variance instantanée dépend du passé. Cependant, les modèles GARCH standards

20 Voir Schwert (1990) et Nelson (1991) pour plus de détail sur le phénomène d'asymétrie de la variance conditionnelle.

	73

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

ne permettent pas la détection d'asymétrie des perturbations sur la variance conditionnelle, pour ce faire on à eu recours au modèle EGARCH (GARCH Exponentiel) proposé par Nelson (1991) et qui permet de détecter un tel effet.

3.3.3.2. Spécification du modèle asymétrique :

La procédure du test de la relation entre la confiance excessive et la volatilité conditionnelle consiste à déterminer l'effet de la composante du volume de transaction due aux échanges des investisseurs sur-confiants sur la volatilité conditionnelle des rendements du marché.

Nous nous proposons d'estimer le modèle asymétrique proposé par Nelson (1991) et appliqué par Chuang et Lee (2006) : EGARCH (1,1) suivant :

Rt = ìt + çt

çt / (Vt, çt_i, çt_2 , ... ... . . , Rt_i , Rt_2, ... ... .. ) ~ GED(0, ht)

ln ht = ù + fi

(|it-i|+_t-ikit-i)

+ f2 ln ht_i + f3ECt + f4NECt (2.12)

Iih

Avec :

· Rt : Le rendement du marché à la date t,

· ìt : La moyenne conditionnelle de Rt à la date t sur l'ensemble

d'informations passées,

· çt : Les résidus issus de l'équation de la moyenne conditionnelle à la date (t),

· ht : La volatilité conditionnelle à la date t,

· k : Le paramètre mesurant l'effet d'asymétrie dans le processus EGARCH,

· ECt : La partie du volume de transaction motivée par la sur confiance des investisseurs à la date t,

· NECt : La composante du volume de transaction motivée par des facteurs

autres que l'excès de confiance à la date t,

	74

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

· f1 : Le paramètre mesurant la volatilité de la période précédente déterminée

par le résidu carré retardé ( å~~~

~ ),

· f : Le paramètre mesurant la relation de récurrence entre la variance conditionnelle à la date (t) à celle de la date précédente,

· f3 : Le paramètre mesurant l'effet de l'excès de confiance sur la variance conditionnelle,

· f4 : Le paramètre captant l'effet des facteurs autres que l'excès de confiance sur la variance conditionnelle.

La valeur positive (négative) du paramètre f3 implique que la volatilité conditionnelle augmente (diminue) de manière synchrone avec le volume de transaction lié à la confiance excessive des investisseurs. Ainsi, si le biais d'excès de confiance permet d'expliquer la volatilité excessive conditionnelle des rendements du marché, alors on

s'attend à ce que f3 > f4 > 0 avec f3 est statistiquement significatif.

Tableau 2.11 : effet de l'excès de confiance sur la volatilité conditionnelle des rendements

mensuels du marché (Période : 01 Janvier 2005- 31Décembre 2008)

Modèle : ARMA(1,0)-EGARCH(1,1)						Variables
Coefficients		Std.Error	Z- Statistic	Prob.	w
-2,275020***		0,176279	-12,90577	0,0000	f
-0,148661**		0,058743	-2,530695	0,0114	k
-0,129758**		0,052386	-2,476936	0,0133	f
-0,162290***		0,024673	-6,577727	0,0000	f3
-70,82283***		3,801153	-18,63193	0,0000	f4
0,494269**		0,196618	2,513855	0,0119	F-Statistic
40,35850***			0,000000		Log vraissemblance : ML-ARCH(Marquardt)= 28,79597
Distribution des résidus : GED

***, **,* : niveaux de significativité respectivement de 1%, 5% et 10%

	75

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Les résultats reportés au niveau du tableau ci-dessus indique que le biais d'excès de confiance n'as pas d'effet sur la volatilité des rendements mensuelles sur la BVMT. En

effet, la valeur négative du coefficient f3 témoigne que la volatilité conditionnelle diminue de manière synchrone avec le volume de transactions lié à la confiance excessive des investisseurs tunisiens. De plus, la significativité et la positivité du coefficient f4 au seuil

de 5% ( f4 = 0,494269) renforce l'absence d'un tel effet.

L'effet asymétrique du modèle E GARCH(1,1) est mis en évidence par le coefficient (k). Les bonnes nouvelles ont un impact de ( f1) alors que les mauvaises nouvelles ont un

impact de (f1+k), ainsi, étant donné que le coefficient (k) est significativement négatif (k=- 0,129758), alors l'hypothèse d'asymétrie selon laquelle l'effet d'un choc négatif sur les rendements fait augmenter la volatilité plus que ne le fait un choc positif est rejetée.

Nos résultats semblent être en contradiction avec ceux de Harris et Raviv (1993), Kandel et Pearson (1995), et Chuang et Lee (2006) qui ont affirmé l'existence d'une relation positive entre le volume de transactions et la volatilité conditionnelle.

	76

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Conclusion

Ce chapitre s'est attaché à une tentative d'explication de l'énigme de volatilité excessive des cours boursiers mensuels sur la BVMT à travers l'excès de confiance des investisseurs tunisiens.

La première section de ce chapitre à mis l'accent sur le phénomène d'excès de confiance sur les marchés financiers à travers ses définitions, ses caractéristiques, ses différentes formes, ses diagnostics et ses remèdes.

La seconde section à dévoilé une revue de la littérature concernant l'effet de l'excès de confiance sur la volatilité des cours boursiers : la majorité des études évoquées ont affirmé que la présence des investisseurs sur-confiants s'accompagne d'une volatilité excessive des cours boursiers sous forme de volume de transactions, ce dernier étant considéré comme l'indicateur de l'excès de confiance.

Quant à la troisième section, nous avons tenté de mener une validation empirique du l'effet constaté théoriquement dans la section précédente sur le marché boursier tunisien. Dans ce cadre nous avons testé dans un premier temps, l'existence de l'excès de confiance moyennant l'étude avancée par Chuang et Lee (2006) qui consiste à tester l'existence

d'une relation positive entre volume de transactions et rendements du marché en ayant recours au test de causalité au sens de Granger (1969). Nos résultats obtenus attestent que les investisseurs tunisiens exhibent une confiance excessive dans leurs comportements (causalité unidirectionnelle au sens de Granger du rendement passé vers le volume de transactions). Dans un second temps et après avoir décomposé le volume de transaction et déterminer le processus ARMA à retenir, nous avons testé l'effet de la composante du volume de transaction lié à l'excès de confiance sur la volatilité des rendements boursiers au travers le processus ARMA(1,0)-EGARCH(1,1), les principales résultats auxquels nous

avons aboutit témoigne l'absence d'un tel effet du fait que le coefficient ( f3) est négatif et

le coefficient (f4) est positif ce qui est en contradiction avec les retrouvailles de Chuang et Lee (2006).

	77

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Chapitre 3

Examen du comportement grégaire sur

les marchés financiers

78

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire. « Validation empirique sur la BVMT »

Chapitre 3

Examen du comportement grégaire sur les

marchés financiers

Les recherches académiques ont consacré un effort remarquable afin de comprendre le comportement d'investissement des participants au marché et

d'étudier son impact sur les cours des titres. Ce comportement est relié à un certain nombre de facteurs notamment l'horizon d'investissement, le comportement d'autres participants au marché, le degré de volatilité du marché

Dans ce chapitre nous allons investiguer le comportement d'investissement des participants au marché quant à leur tendance à imiter les actions des autres. L'imitation consiste pour un individu à en copier un autre parce qu'il lui prête une meilleure connaissance de la situation (il suppose qu'il est mieux informé).

L'idée du comportement grégaire n'est pas neuve : elle figurait dans le fameux adage de Keynes(1936)²¹ toutefois, les travaux récents de la finance comportementale lui ont donné de nouveaux fondements et de nouvelles preuves expérimentales et empiriques.

En cas du comportement grégaire, les cours des actifs ne reflètent pas toute l'information disponible sur le marché. Spécifiquement, quand un individu prend la décision, d'imiter les autres, qui s'oppose à sa propre information, cette dernière ne va pas être reflétée dans le cours de l'actif ce qui nuit l'estimation correcte de ce titre. Une telle

21 La métaphore de Keynes suppose que le marché boursier peut être comparé, le plus souvent, à un concours de beauté dans lequel le jury choisit la personne qui croit que les autres jurys vont choisir plutôt qu'il choisit la personne qu'il considère la plus belle.

79

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

situation à pour conséquence de déplacer le cours de l'action de plus en plus loin de la valeur fondamentale (VF) au détriment de l'efficience des marchés financiers²², de ce fait, le comportement grégaire peut contribuer à expliquer la volatilité excessive des cours (Park et Sabourian (2006)).

Ce chapitre sera donc réparti en trois sections : la première section présentera une analyse financière du comportement grégaire sur les marchés financiers. Une revue de la littérature de l'impact du comportement grégaire sur la volatilité des cours boursiers sera menée dans la seconde section. La troisième section sera consacrée à l'investigation empirique du comportement grégaire et de son impact sur la volatilité des cours boursiers sur la BVMT.

22 L'intuition de base des marchés efficients est que les opérateurs prennent position sur le marché en fonction de l'information dont ils disposent de leur situation propre, cette information est supposée commune à tous les agents et gratuite. Dés lors le prix de marché reflète toute l'information disponible et par conséquent le prix observé sur le marché égalise la valeur fondamentale.

80

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Section1 : Analyse financière des caractéristiques du comportement

grégaire sur les marchés financiers :

Il existe une multitude de situations sociales et économiques dans lesquelles nous sommes influencés dans notre prise de décisions par ce que les autres autour de nous font.²³

La tendance des participants aux marchés financiers de fonder leurs décisions sur celles des autres, plutôt que sur leurs informations privées, à été apparente à Keynes (1936), qui, selon lui, le comportement grégaire est susceptible de se produire que dans les situations où les décisions des autres sont observables, étant donné qu'on ne peut pas copier ce qu'on ne voit pas.

La première partie de cette section rappellera les définitions ainsi que les types du comportement grégaire. La deuxième partie mettra en avant les causes du comportement grégaire rationnel. Nous exposerons les différentes mesures de détection du comportement grégaire dans la troisième partie. Dans la quatrième et dernière partie seront présentées les différentes caractéristiques du comportement grégaire sur les marchés financiers.

1.1. Définitions et types du comportement grégaire :

Le volume absolu d'informations et les différents degrés de perfectionnement des investisseurs sur les marchés financiers suggèrent qu'il peut y avoir une tendance pour certains investisseurs à imiter les actions d'autres investisseurs. Cette tendance, appelée comportement grégaire (appelée aussi comportement mimétique ou comportement moutonnier ou mimétisme), apparaît en particulier pendant les périodes où l'incertitude dans les marchés augmente.

Une définition représentative du comportement grégaire comprenne « la tendance d'un groupe d'investisseurs à acheter (vendre) des titres particuliers en collaboration avec des commerçants, même si qu'un tel comportement serait différent s'ils devaient prendre

23 Voir Asch(1952) et Becker(1991) pour une revue plus détaillée.

81

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

leurs décisions d'investissement indépendamment » (Lakonishok, Shleifer et Vishny(1992)), « lorsque des individus modifient leurs croyances privées afin de les correspondre le plus étroitement avec les opinions exprimées publiquement d'autrui» (Cote et Sanders (1997)), «un groupe d'investisseurs négociant dans la même direction sur une période de temps» (Nofsinger et Sias (1999)) , et « un ensemble de comportements individuels présentant des corrélations » (Jondeau (2001)).

Dans la littérature, le mimétisme est supposé d'être dû à deux formes de comportement: rationnel et irrationnel. Selon Scharfstein et Stein (1990) le mimétisme rationnel est lié au problème principal-agent dans lequel les gestionnaires imitent les actions des autres, tout en ignorant complètement leurs propres informations privées afin de maintenir leurs réputations dans le marché : Bikhchandani et al. (1992) et Welch (1992) renvoient ce comportement à une cascade informationnelle. Cependant, Devenow et Welch (1996) utilisent la psychologie humaine pour expliquer le mimétisme irrationnel où les investisseurs négligent leurs croyances antérieures et suivent d'autres investisseurs aveuglément.

Il s'en suit de distinguer le mimétisme intentionnel du mimétisme fallacieux. Ce dernier comportement consiste pour un groupe à poursuivre des objectifs analogues tout en disposant d'un même ensemble d'informations de façon à ce que chacun des membres prenne des décisions similaires de façon indépendante. Néanmoins, Le mimétisme intentionnel intervient lorsque les investisseurs imitent délibérément le comportement de leurs pairs.

1.2. Les causes du comportement grégaire rationnel :

Selon Keynes le mimétisme est rationnel. Il fait l'hypothèse que les agents économiques sont ignorants, qu'ils sont incapables d'interpréter les informations qu'ils reçoivent, qu'ils ne peuvent pas donc anticiper le futur. Ainsi, il aura tout avantage à imiter les autres qui, eux, doivent savoir. Il est pourtant impossible de savoir s'ils savent vraiment.

82

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Les principales motivations à l'origine du comportement grégaire rationnel²⁴ sont: l'information imparfaite, le souci de la réputation et les structures de rémunération.

1.2.1. Modèles fondés sur l'information : Les cascades « Information-Based-Herding » :

Les modèles de base de Banerjee (1992), Bikhchandani, Hirshleifer et Welch (1992) et Welch (1992) supposent que l'opportunité d'investissement est disponible à tous les individus, au même prix, ce qui induit que l'offre est parfaitement élastique. Cette hypothèse est cohérente avec le fonctionnement des investissements directs étrangers dans des pays pratiquant des taux de change fixes. Cependant, ces modèles ne sont pas adaptés aux marchés de capitaux où les décisions d'investissement des individus seront reflétées dans le prix ultérieur de l'investissement.

Dans les modèles fondés sur l'information, les investisseurs peuvent observer les actions de leurs pairs, mais n'ont pas accès à leurs informations privées ou aux signaux qu'ils reçoivent. L'idée est qu'ils tirent les informations utiles de l'observation des décisions prises par les investisseurs en amont, au point d'ignorer, de façon rationnelle, leurs propres informations privées. Ainsi, une fois qu'une cascade est déclenchée, les décisions des investisseurs ne donnent plus aucune information sur leurs signaux aux investisseurs en aval. Or, l'optimum économique exigerait que chaque investisseur suive le signal qu'il a reçu à titre privé, car ce signal viendrait enrichir la somme des connaissances au profit de ses pairs. Le mimétisme crée ainsi une externalité négative dans la mesure où, dès que la cascade se déclenche, l'information publique cesse de s'accumuler.

Selon Bikhchandani et al. (1992), les personnes ayant accès à l'information qui est moins précise ont tendance à suivre l'exemple des personnes qui ont accès à l'information qui est plus précise que leur tienne. Ignorant leurs propres informations, ces personnes ont tendance à former des troupeaux, et les individus les mieux informés sont en mesure de prendre leurs décisions en premier lieu : Ces décideurs sont connus sous le nom de "

24 Bikhchandani et Sharma (2000) fournissent une revue compréhensive de la littérature portant sur les motivations qui sont à l'origine du comportement mimétique rationnel.

83

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

leaders de la mode" et ce phénomène est connu par " les cascades informationnelles" qui constituent, dés lors, l'explication privilégiée des comportements grégaires (Bikhchandani et al. (1998)).

Certes que les modèles des cascades informationnelles éclairent les prescriptions d'analystes financiers, que ce soit dans l'achat des titres particuliers ou dans le choix du style d'investissement, ils représentent certaines limites dont la plus importante est leur fragilité en raison des chocs exogènes (émission de nouveaux signaux, arrivée des agents mieux informés.....).

1.2.2. Modèles fondés sur la réputation « Reputation-Based-Herding » :

Le comportement grégaire rationnel peut s'expliquer également par des

considérations tenant aux relations principal-agent. En effet, Scharfstein et Stein (1990) et Trueman (1994) proposent une autre théorie du comportement grégaire rationnel sur la base de la réputation des gestionnaires dont la performance est souvent mesurée d'une manière relative. Chacun d'entre eux reçoit un signal d'information sur la rentabilité d'un investissement donné, le signal sera informatif si le gestionnaire est compétent et il serait un simple bruit si le gestionnaire est peu compétent.

L'idée de base de Scharfstein et Stein stipule que si le gestionnaire ainsi que son employeur sont incertains quant à la compétence du gestionnaire à sélectionner les meilleurs titres, alors le fait de suivre les autres professionnels de l'investissement entretient l'incertitude concernant la capacité du gestionnaire à gérer efficacement le portefeuille.

1.2.3. Modèles fondés sur la rémunération « Compensation-Based-Herding » :

Le fait de rémunérer un gestionnaire sur la base d'une comparaison entre sa propre performance et celle de ces pairs fausse ses incitations et il se finisse par un portefeuille inefficient (Roll (1992) et Brenan (1993)), Ce ci peut causer la création d'un comportement grégaire.

84

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Maug et Naik (1996) considèrent le cas d'un investisseur averse au risque (agent) dont la compensation augmente avec sa propre performance et diminue avec la performance d'un investisseur de référence, ces deux investisseurs sont supposés avoir une information imparfaite sur les rendements des titres. En premier lieu c'est l'investisseur de référence qui prend ses décisions d'investissements, ensuite l'agent choisit son portefeuille après avoir observé les actions de l'investisseur de référence.

Le mode de rémunération constitue ainsi une autre raison pour adopter la stratégie d'imitation. En effet, la rémunération de l'agent diminue s'il réalise une performance inférieure à celle de l'investisseur de référence. Ce mode de rémunération est optimal pour l'employeur en cas de problème d'aléa moral (AM) ou de sélection adverse (SA) dans la relation principal-agent.

Admiti et Pfeiderer (1997) analysent un modèle basé sur plusieurs actifs risqués, en matière de gestion de portefeuille déléguée, dans lequel l'agent dispose d'une information privée sur le rendement des titres. Ils ont trouvé que les contrats de rémunération des agents basés sur une référence sont inefficients, incompatibles avec le partage optimal des risques, et inefficaces pour surmonter les problèmes d'aléa moral et de sélection adverse.

1.3. Les mesures de détection du comportement grégaire sur les marchés financiers :

Le comportement grégaire se pose lorsque les investisseurs décident d'imiter les décisions observées des autres investisseurs sur le marché que de suivre leurs propres croyances et informations. Plusieurs mesures ont été mises au point pour détecter ce comportement dans les marchés financiers.

1.3.1. La mesure LSV de Lakonishok, Shleifer et Vishny (1992) :

Cette mesure se définit comme la tendance moyenne d'un groupe d'investisseurs à acheter (vendre) en même temps des actions données, par rapport à ce que l'on pourrait attendre si ces investisseurs agissaient de façon indépendante. Cette mesure évalue la corrélation des profils de négociation pour un groupe donné d'investisseurs et leur proportion à acheter et à vendre le même type d'actions. Le sous-ensemble d'investisseurs

85

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

se comporte en général d'un groupe homogène de gestionnaires auxquels on s'intéresse.

Soit B(i, t) et S(i, t) le nombre d'investisseurs de sous-ensemble qui achètent (vendent)

des actions i au trimestre t et H(i, t) la mesure du mimétisme relatif à l'action i pour le

trimestre t. cette mesure se définit alors de la manière suivante :

H(i, t) = |p(i, t) - p(t)| - AF(i, t) (3.1)

Où :

· p(i, t) = B(i,t)

B(i,t)+ S(i,t) : La proportion d'investisseurs du groupe qui achètent

des actions (i),

· p(t) est la moyenne de p(i, t) sur l'ensemble des actions (i) qui ont été

négociées par au moins un investisseur du groupe,

· AF(i, t) désigne le facteur d'ajustement :

AF(i, t) = E(|p(i,t) - p(t)|) (3.2)

Où :

L'espérance est calculée sous l'hypothèse nulle d'absence du mimétisme, de sorte

que B(i, t) suit une distribution binomiale de paramètre p(t). Si N(i, t) = B(i, t) +

S(i, t) est suffisamment élevé, le facteur d'ajustement est nul, puisque p(i, t) tend vers

p(t) quand le nombre d'opérateurs de marché actifs augmente. Si N(i, t) est faible, le

facteur d'ajustement sera en général positif. Des valeurs de H(i, t) significativement

différentes de zéro s'interprètent comme le signe d'un comportement grégaire.

Cette mesure présente un certain nombre d'inconvénients : D'abord, elle utilise uniquement le nombre d'investisseurs présents de part et d'autre du marché, sans tenir

86

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

compte du nombre d'actions achetées ou vendues. De plus, elle ne permet pas d'identifier des profils inter temporels de négociation. En outre, le choix de la catégorie d'investissement i et de l'intervalle du temps t durant lequel les données sont observées est très important. Enfin, la fréquence à laquelle les investisseurs négocient les titres est essentielle pour le choix de l'intervalle du temps t.

1.3.2. La mesure PCM (Portfolio-Change-Measure) de Wermers (1995) :

Wermers (1995) à proposé une nouvelle mesure conçue pour tenir compte à la fois de l'orientation et de l'intensité de l'activité de négociation des investisseurs. Cette mesure, connue sous le nom de mesure de la variation du portefeuille dans le cadre de négociations corrélées, évalue dans quelle mesure les parts de portefeuille assignées aux diverses actions par les différents investisseurs évoluent dans la même direction.

La PCM se définit de la manière suivante :

~

ñ~,ô

~,~ = 1 ~ ~ Äùfl,t_ô

~

? Äùfl,t (3.3)

fl=1,t

ó1,J(ô) N

Où:

· Äù~,t

~ : La variation de la part du titre n dans le portefeuille I durant la

période (t - 1, t)

· Äùfl,t_ô

~ : La variation de la part du titre n dans le portefeuille J durant la

période (t - ô - 1,t - ô)

· N~ : Le nombre d'actions situé à l'intersection du panier de titres négociables

du portefeuille I durant la période (t - 1, t) et du panier de titres négociables du

portefeuille J durant la période (t - ô - 1, t - ô)

· óI,T(ô) : La moyenne du produit des écarts types transversaux. Elle se définit

comme suit :

87

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

1/2

1 Ä ) (3.4)

¹ vT 1 1 Äù_n t 1 ¹² 1 J2 con t--ô

ów (ô) = _T Lat=1 m m

..t -
·t , Nt ,

1.3.3. La mesure CH de Christie et Huang (1995) :

La mesure de Christie et Huang est basée sur une mesure de la dispersion transversale des rendements :

~~/~

CSSD~ = ~? ~~,~~~~,~

~

~~~

(3.5)

N-1

Avec :

Ri_,t est le rendement de l'actif i au temps t et R_m,t est le rendement du marché.

Cette mesure examine l'ampleur de la dispersion en coupe transversale (ou volatilité) des rendements d'une action individuelle lors des changements importants de prix. Si la dispersion est faible durant les changements importants de prix alors Christie et Huang suggèrent qu'il n'y a pas une évidence du comportement mimétique. Toutefois, en se concentrant sur la variance des rendements qui limite gravement la valeur de la mesure CH, puisque la volatilité en coupe transversale sur les rendements n'est pas indépendante de la volatilité des séries chronologiques des rendements, la mesure CH ne peut donc pas être directement utilisée pour étudier le comportement grégaire.

1.3.4. La mesure CCK de Chang, Cheng et Khorana (2000) :

Chang, Cheng et Khorana (2000) ont proposé une nouvelle approche qui est plus puissante et moins stricte que celle proposée par CH (1995) afin de détecter le comportement mimétique sur des marchés boursiers internationaux. Cette approche est basée sur une mesure de la dispersion transversale absolue des rendements définit par :

1 CSAD~ = ? |R - R|

~ (3.6)

~~~

~

88

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Où :

· CSADt : Mesure la dispersion des rendements des titres par rapport au

rendement moyen du marché,

· Rit : Le rendement du titre i à l'instant (t),

· R_mt : La moyenne en coupe transversale des N rendements du portefeuille à l'instant (t),

· N : nombre de firmes.

1.3.5. La mesure de Hwang (2001) :

A l'instar des quatres autres mesures : LSV, PCM, CH et CCK, la mesure de Hwang est aussi une mesure de dispersion transversale. Cependant elle s'en différencie par une mesure relative à des facteurs (bêtas). Dans un modèle linéaire multi-facteur, les rendements de l'actif i à l'instant t peuvent s'exprimer en fonction des rendements du marché et des différents facteurs supposés non corrélés entre eux :

_vIC ,

rit = áit + ßimtrmt + ^-I- Lk=i ßikt i f i_ kt -I- :it (3.7)

La mesure relative est sans doute plus intéressante et pertinente s'agissant des groupes qui évaluent leurs performances en relatif par rapport à une référence, le plus souvent représentée par le marché lui-même ou par des indices sectoriels.

1.4. Les caractéristiques du comportement grégaire sur les marchés financiers :

Le mimétisme se pose quand les investisseurs décident d'imiter les décisions d'autrui ou d'observer les mouvements sur le marché plutôt que de suivre leurs propres croyances et informations.

Lorsqu'il s'agit du comportement grégaire nous devons distinguer deux horizons : le long terme et le court terme. Dans une perspective de long terme, les comportements grégaires contribuent à expliquer l'apparition et le développement des bulles spéculatives (Lux (1995)). Dans une perspective de court terme, les comportements grégaires

89

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

contribuent à expliquer pourquoi un changement de sentiment du marché peut entrainer des modifications soudaines du portefeuille, amplifier les variations des prix d'actifs financiers et créer ainsi des distorsions de prix et une volatilité supérieure à la normale (Nofsinger et Sias (1999)).

Un corps de recherche à été émergé en indiquant qu'une variété d'acteurs du marché depuis les investisseurs institutionnels (Nofsinger et Sias (1999) et Wermers (1999)), aux investisseurs des marchés étrangers (Choe et al. (1999) et Chang et al. (2000)), et les analystes financiers (Graham (1999), Hong et al. (2000) et Clement et Tse (2005))), s'engagent dans des comportements grégaires.

Il existe de nombreuses études empiriques qui détectent l'imitation (ou le comportement grégaire) dans différents contextes, suggérant qu'il s'agit d'un phénomène commun et très répandu sur les marchés financiers :

Christie et Huang (1995) ont utilisé la méthodologie CSSD (Cross-Sectional Standard Deviation) pour tester le comportement grégaire sur le marché américain et n'ont trouvé aucune preuve du mimétisme,

Chang et al. (2000) ont analysé le comportement des participants dans différents marchés boursiers internationaux (Etats-Unis, Hong Kong, Corée du Sud, Taïwan et le Japon) entre (1963-1997), spécifiquement leur tendance à exhiber le comportement grégaire. Leurs résultats n'ont indiqué aucune preuve du mimétisme de la part des participants aux marchés des États-Unis et de Hong Kong, par contre ils ont relevé une évidence partielle du mimétisme au Japon, et ils ont documenté une preuve significative du mimétisme dans les marchés émergents, notamment la Corée du Sud et Taïwan,

Hwang et Salmon (2004) ont utilisé les rendements journaliers des actions du premier Janvier 1993 au 30 Novembre 2002 pour examiner le comportement grégaire dans le marché boursier américain et celui de la Corée de Sud. Leur période d'étude comprend la crise asiatique de 1997, la crise russe de 1998, le marché haussier jusqu'au début 2000 ainsi que le récent marché baissier. Ils ont appliqué une nouvelle approche pour détecter le mimétisme basée sur la dispersion en coupe transversale du facteur de sensibilité et ils ont trouvé que le comportement grégaire vis à vis du marché montre des

90

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

mouvements significatifs et une indépendance persistante. Ils ont aboutit à deux constatations importantes :

- il existe une évidence du mimétisme vis-à-vis du portefeuille de marché qu'il soit haussier ou baissier.

- contrairement à la croyance populaire, la crise asiatique et en particulier la crise russe réduit le comportement grégaire.

Gleason, Mathur et Peterson (2004) ont employé les méthodes CSSD et CSAD (Cross-Sectional Absoulte Deviation) en utilisant des données intra-journalières pour examiner si les investisseurs optent pour le comportement grégaire durant les périodes de mouvements extrêmes des marchés ayant recours au secteur ETF «Exchange Traded Funds », leurs constations n'ont relevé aucune évidence du mimétisme,

Weiner et Green (2004) ont utilisé à la fois des méthodologies paramétriques et non paramétriques et ils ont trouvé peu de preuves du mimétisme dans l'huile de chauffage et dans le pétrole brut à terme,

Une autre étude menée par Demirer et Kutan (2006) qui ont employé la méthode CH pour examiner le comportement grégaire sur le marché d'action chinois en utilisant des données journalières des rendements d'actions de 1999 à 2002 pour 375 actions chinoises, cependant, ils n'ont relevé aucune évidence du mimétisme,

Une étude plus récente à été menée par Demirer, Gubo et Kutan (2007), Ces derniers ont examiné la présence du mimétisme parmi les marchés boursiers internationaux dans six lieux géographiques. Ils ont utilisé différentes méthodologies proposées par Christie et Huang (1995) et Chang et al. (2000) et ont testé par la suite si les rendements se comportent conformément à ce qu'il a été prédit par le modèle CAPM (Capital Asset Pricing Model) au cours des périodes de stress sur le marché. Ils ont appliqué les deux méthodes à un certain nombre de marchés boursiers en Afrique, Asie, Europe occidentale, Europe centrale et orientale, en Amérique latine et au Moyen-Orient. Leurs résultats n'ont indiqué aucune preuve du mimétisme dans toutes les régions géographiques à l'exception des marchés boursiers en Asie et au Moyen-Orient.

91

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Section2. Mise en évidence théorique de la répercussion du comportement

grégaire sur la volatilité des cours boursiers

Le comportement grégaire se manifeste dans les marchés financiers par le fait que les investisseurs agissent en tant que troupeaux à la même action en l'achetant (la vendant) au même temps même s'il n'existe pas une information qui supporte leurs actions, ces dernières seront à la suite déstabilisées et induisent la volatilité excessive dans les marchés financiers²⁵.

La relation entre le comportement des investisseurs et la volatilité du marché à été examinée dans des recherches antérieurs et dans divers marchés financiers, la majorité des retrouvailles soutiennent l'idée que la volatilité s'accroit avec les investisseurs irrationnels²⁶ et avec les maux informés et la liquidité sur les marchés²⁷.

Toutes les études évoquées ci-dessous attestent avec force que la volatilité excessive apparait comme une conséquence du comportement grégaire :

En effet, West(1988) supporte le fait que la volatilité excessive est due essentiellement à des phénomènes de modes ou de manies.

De plus, Topol(1991), Orlean(1995), Christie et Huang(1995) et Shiller(2000) déclarent que le comportement grégaire des investisseurs alimente l'exubérance irrationnelle des marchés et fait amplifier les niveaux de volatilité. Cette intuition a été appuyée par Eichengreen et al. (1998) pour le cas de la crise asiatique.

Dans la même lignée d'idée, Calvo et Mendoza(1998), Choe, Kho et Stulz(1999) et Chari et Kehoe(2002) retiennent que les investisseurs qui s'engagent dans des stratégies

²⁵Spieser (2000), Froot, Scharfstein et Stein (1992) et Park et Sabourian (2006) affirment que le comportement grégaire constitue l'une des explications privilégiées de l'apparition de la volatilité excessive sur les marchés financiers.

26 Friedman(1953) affirme que les investisseurs irrationnels déstabilisent les prix et ce en achetant lorsque les prix sont élevés et en vendant lorsque ces prix sont bas.

27 Wang(1993) observe que l'information asymétrique peut conduire à la volatilité et que les investisseurs mal informé tendent à suivre la tendance du marché en achetant quand les prix augmentent et en vendant quand les prix diminuent : ce comportement peut être assimilé au comportement grégaire.

92

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

de suivisme et des boucles de rétroaction, peuvent passer notablement les cours loin de leurs valeurs fondamentales et contribuer substantiellement à un excès de volatilité sur les marchés qu'ils y accèdent.

En outre, Shiller (1990), Morris et Shin (1999) et Persaud (2000) concluent que l'adoption du mimétisme par les participants aux marchés amplifie la volatilité, déstabilise les marchés et augmente la fragilité du tout le système financier.

Cette relation à été documentée, également, par Avramov, Chordia et Goyal (2006), qui prétendent que le mimétisme et les négociations à contre-courant ont un fort impact sur la volatilité quotidienne.

D'autre part Oehler et Chao(2002) ont identifié une relation positive entre le volume de transaction et la volatilité excessive, et ce car en analysant le comportement grégaire, ils ont aboutit à ce qu'il intensifie le volume de transaction dans un sous-ensemble de titres et, par, conséquent, augmente la volatilité potentielle des prix. Ce ci a été confirmé plus récemment par l'étude empirique de Tan et al. (2008) qui ont constaté, en analysant le marché boursier chinois, que le comportement grégaire des investisseurs amplifie la volatilité des rendements et les volumes de transaction.

Dans le même ordre d'idée, Cajueiro et Tabak (2009) constatent, qu'en adoptant des stratégies de suivisme, les investisseurs peuvent contribuer à un excès de volatilité sur les marchés y opérant.

Section 3 : Détection du comportement grégaire et de son incidence sur la volatilité des cours boursiers : Validation empirique sur le marché boursier tunisien

3.1. Description des variables et de l'échantillon :

La base de données de l'étude empirique réalisée dans le cadre de ce chapitre est constituée des observations mensuelles des cours de clôture d'un échantillon de 20 entreprises cotées sur le marché boursier tunisien pour la période d'étude s'étalant du premier Janvier 2005 jusqu'au 31 Décembre 2008.

93

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

3.2. Détection du comportement grégaire :

Afin de détecter le comportement grégaire sur le marché boursier tunisien, nous allons utiliser la méthodologie proposée par Tan et al. (2008) basée sur les travaux de Chang, Cheng et Khorana (2000) qui ont proposé une nouvelle mesure du comportement grégaire faisant appel au CAPM (Capital Asset Pricing Model), à savoir, l'écart-type transversal absolu des rendements (CSAD). Au sens de CCK (2000), si les investisseurs imitent alors une relation non linéaire se déduira entre l'écart type transversal absolu des rendements mensuels et le rendement mensuel moyen du marché durant les périodes de forte fluctuation des cours boursiers.

Notre objectif consiste alors à vérifier si, à court terme (à travers la fréquence mensuelle), les investisseurs opérant sur la BVMT exhibent un comportement mimétique. Pour ce faire, nous allons calculer, dans un premier temps, les écarts types transversaux absolus des rendements ainsi que les rendements moyens du marché tout en analysant la normalité et la stationnarité de ces deux séries. Puis, dans un second temps, nous allons estimer la régression des CSAD sur le rendement moyen du marché ainsi que son carré.

3.2.1. Mesure des rendements mensuels du marché :

1

Rmt = ? R1~

~~~ (3.8)

~

Avec :

· R_mt : La moyenne pondérée des rendements mensuels de N entreprises,

· N : Le nombre d'entreprises,

· R1~ : Le rendement mensuel de l'entreprise (i) définit par :

P1t+D1t^-P1 t_t

R1 = (3.9)

pi t-i

Où :

· P et P1 t_i : Les cours de clôture mensuels de l'action (i),

· D1~ : Le dividende servi sur l'action (i).

94

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Dans cette partie empirique nous allons faire une approximation du Rit par le Logarithme népérien²⁸ définit par :

Rit r---- ln ( ^Pit ) (3.10)

Pi t-s

3.2.2. Mesure des CSAD mensuels du marché :

N

CSADt = iE i_i|Rit -- R_mt| (3.11)

N --

Où :

· CSADt : Mesure la dispersion des rendements mensuels des titres par

rapport au rendement mensuel moyen du marché,

· Rit : Le rendement mensuel du titre (i),

· R_mt : La moyenne mensuelle en coupe transversale des N rendements du portefeuille,

· N : Nombre d'entreprises.

²⁸ On utilise le Log pour comprimer les séries, stationnariser les variances et affecter des probabilités uniquement aux valeurs positives puisque les cours ne peuvent pas être négatifs.

95

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

3.2.3. Analyse graphique des séries des rendements et des CSAD mensuels du marché :

Figure 3.1 Graphiques des évolutions mensuelles des rendements et des CSAD du marché
(Période : 01 janvier 2005- 31décembre 2008)

RMT

.12 .08 .04 .00 -.04 -.08 -.12

2005 2006 2007 2008 CSADT

.20 .16 .12 .08 .04 .00

2005 2006 2007 2008

Rendements mensuels CSAD mensuels

L'analyse de l'évolution mensuelle des rendements du marché nous permet de déceler une certaine stabilité au niveau de la série qui se situe, au niveau de zéro. Mais nous constatons une forte variabilité des rendements mensuels autour de la moyenne. L'intensité de cette variabilité est toutefois différente d'une sous période à une autre laissant penser à une sorte de non linéarité de la série des rendements du marché.

L'analyse de l'évolution mensuelle des volumes de transaction du marché nous permet de déceler une très grande volatilité avec une tendance remarquable à la hausse en 2006.

96

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

3.2.4. Tests de stationnarité des séries des rendements et des CSAD mensuels du marché :

3.2.4.1. Tests de stationnarité de la série des rendements mensuels du marché :

Tableau 3.1: test de stationnarité de la série des rendements mensuels du marché : modèle

avec tendance et constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -4,939672
Test critical values: 1% level -4,165756 5% level -3,508508 10% level -3,184230
Variable
Coefficient		Std.Error	t-statistic	Prob.	RENDEMENT (-1)
-0,714581		0,144702	-4,939672	0,0000	C
0,008679		0,010754	0,807034	0,4240	Trend(2005)
-0,000220		0,000388	-0,566927	0,5736

Nous pouvons constater, à partir du tableau 3.1, que la tendance est non significative, puisqu'elle présente une erreur de 57,36% qui est largement supérieure au seuil tolérable de 5%. Il en résulte que le modèle approprié pour tester la stationnarité de la série des rendements mensuels du marché est celui qui ne présente pas de tendance. D'où le recours à l'étape suivante.

97

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Tableau 3.2: test de stationnarité de la série des rendements mensuels du marché :

modèle avec constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -4,949662
Test critical values: 1% level -3,577723 5% level -2,925169 10% level -2,600658
Variable
Coefficient		Std. Error	t-Statistic	Prob.	RENDEMENT (-1)
-0,708900		0,143222	-4,949662	0.0000	C
0,003374		0,005260	0,641442	0.5245

Le tableau 3.2 fait ressortir que la constante n'est pas significative du fait qu'elle est égale à 52,45% qui excède largement le seuil tolérable de 5%. Il en résulte des deux tableaux précédents que le modèle le plus approprié pour tester la stationnarité de la série des rendements mensuels du marché est celui qui ne présente ni tendance ni constante.

Tableau 3.3: test de stationnarité de la série des rendements mensuels du marché :

modèle sans tendance ni constante « en niveau »

				t-Statistic		Augmented Dickey-Fuller test statistic
-4,940016				Test critical values: 1% level
-2.615093				5% level
-1.947975				10% level
- 1.612408				Variable
Coefficient		Std. Error	t-Statistic	Prob.	RENDEMENT (-1)
-0,695860		0,140862	-4,940016	0,0000

Après avoir effectué le test de racine unitaire de Dickey -fuller sur la série des rendements mensuels du marché, nous avons vu que la série est stationnaire en niveau et ce car la statistique ADF qui égale à (-4,940016) est inférieure à la valeur critique au seuil de 5% qui égal à (-1,947975).

98

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Après avoir établit toutes les étapes nous pouvons conclure que notre série des rendements mensuels du marché est stationnaire en niveau sans constante ni tendance.

3.2.4.2. Tests de stationnarité des CSAD mensuels du marché :

Tableau 3.4: test de stationnarité de la série des CSAD mensuels du marché : modèle avec

tendance et constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -4,012242
Test critical values: 1% level -4,165756 5% level -3,508508 10% level -3,184230
Variable
Coefficient		Std.Error	t-statistic	Prob.	CSAD (-1)
-0,535679		0,133511	-4,100242	0,0002	C
0,023348		0,009602	2,431630	0,0192	Trend(2005)
9,45E-05		0,000301	-0,314152	0,7549

Il en découle du tableau 3.4 que la tendance n'est pas significative, puisqu'elle présente une erreur de 75,49 % qui est largement supérieure au seuil tolérable de 5%. Il en résulte que le modèle approprié pour tester la stationnarité de la série des CSAD mensuels du marché est celui qui ne présente pas de tendance. Par conséquent il convient de passer à la deuxième étape.

99

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Tableau 3.5: test de stationnarité de la série des CSAD mensuels du marché : modèle avec

constante « en niveau »

t-Statistic						Augmented Dickey-Fuller test statistic -4,059579
Test critical values: 1% level -3,577723 5% level -2,925169 10% level -2,600658
Variable
Coefficient		Std. Error	t-statistic	Prob.	CSAD(-1)
-0,528398		0,130161	-4,059579	0,0002	C
0,025272		0,007319	3,453198	0,0012

Ce tableau fait ressortir que la constante est significative du fait qu'elle est égale à 0,12% qui est inférieur au seuil tolérable de 5%. Il en résulte que le modèle avec constante semble être le plus approprié pour tester la stationnarité de la série des volumes de transactions mensuels du marché. En plus, la série est stationnaire du fait que la statistique ADF (Augmented Dickey Fuller) qui égale à (-4,059579) est inférieure au seuil 5% qui égale à (-2,925169).

Après avoir établit toutes les étapes nous pouvons conclure que notre série des CSAD est stationnaire en niveau uniquement avec constante.

100

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

3.2.5. Statistiques descriptives des séries des rendements et des CSAD mensuels du marché :

Tableau 3.6: Statistiques descriptives de la série des rendements mensuels du marché

Series: RMT

Sample 2005M01 2008M12 Observations 48

Mean 0.004718

Median 0.006431

Maximum 0.083818

Minimum -0.102751

Std. Dev. 0.036516

Skewness -0.279557

Kurtosis 4.157611

Jarque-Bera 3.305347
Probability 0.191537

12 10 8 6 4 2 0

-0.10 -0.05 -0.00 0.05

Les résultats obtenus soulignent que la distribution de la série des rendements mensuels du marché exhibe une significativité différentes d'une distribution normale au seuil 1%. D'une part, cette série présente un coefficient d'asymétrie (S) égal à (-0,279557) qui est inférieur à 0 donc une asymétrie vers la gauche, d'autre part, la série présente un coefficient d'aplatissement (K) égale à (4,157611 ) qui est supérieur à 3 et donc la distribution de la série des rendements mensuels du marché est leptokurtotique. La

statistique de Jarque -Bera est supérieure à ë²(2) lu dans la table (probabilité critique

égale à (0,191537) ) donc l'hypothèse de normalité de la série est rejetée.

101

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Tableau 3.7: Statistiques descriptives de la série des CSAD mensuels du marché

Series: CSADT

Sample 2005M01 2008M12 Observations 48

Mean		0.046920	Median
0.040757		Maximum
0.162376		Minimum
0.001712		Std. Dev.
0.030625		Skewness
1.800398		Kurtosis
7.237374		Jarque-Bera
61.84214		Probability
0.000000

12 10 8 6 4 2 0

0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16

Les résultats obtenus soulignent que la distribution de la série des CSAD mensuels du marché exhibe une significativité différentes d'une distribution normale au seuil 1%. D'une part, cette série présente un coefficient d'asymétrie (S) égal à (1,800398) qui est supérieur à 0 donc une asymétrie vers la droite, d'autre part, la série présente un coefficient d'aplatissement (K) égale à ( 7,237374) qui est largement supérieur à 3 et donc la distribution de la série des CSAD mensuels du marché est leptokurtotique. La statistique

de Jarque -Bera est largement supérieure à ë²(2) lu dans la table (probabilité critique est

nulle) donc l'hypothèse de normalité de la série est rejetée.

3.2.6. Spécification de Chang, Cheng et Khorana (2000):

La spécification de CCK (2000) qui consiste à régresser les écarts-type transversaux absolus des rendements sur le rendement moyen du marché ainsi que son carré, est définit de la manière suivante :

CSAD = á + _ãiIRm,tI + ã2R~,

~ + åt (3.12)

102

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Cette régression permet de détecter le comportement grégaire, pour la fréquence mensuelle, sur le marché boursier tunisien ; c-à-d, qu'elle permet d'identifier si les investisseurs tunisiens ont tendance, pour la fréquence mensuelle, à s'aligner avec le comportement agrégé du marché tunisien. Dés lors, durant les fortes fluctuations des cours boursiers on s'attend à ce que l'accroissement des CSAD soit moins proportionnel

pour des valeurs extrêmes de ( Rm,t).La non linéarité entre CSAD et ( Rm,t ) est appréhendée par le coefficient (ã2).

Tableau 3.8: Ecart-type transversal absolu et comportement grégaire
(Période : 01 Janvier 2005- 31 Décembre 2008)

~ + åt CSAD = á + ã1IRrn,tI + ã2R11,						Variables
Coefficient		Std. Error	t- Statistic	Prob.	á
0,026645***		0,005661	4,707131	0,0000	ã~
0,698285*		0,413730	1,687779	0,0984	ã2
1,935946		4,726152	0,409624	0,6840	R^2= 0,554798
~^~2= 0,535011
F- statistic
28,03887***				0,000000	Durbin-Watson
1,468483

***, **,* : niveaux de significativité respectivement de 1%, 5% et 10%

Le tableau (3.8) fait ressortir que le pouvoir explicatif du modèle utilisé dépasse 53%

(j²= 0,535011).

Le coefficient du terme quadratique ( ã2) est positif et statistiquement non significatif traduisant l'absence d'une relation non linéaire entre l'écart-type transversal absolu et le rendement mensuel moyen du marché ; ce qui renvoi à une augmentation de l'écart-type transversal absolu durant les périodes de fortes fluctuations des cours boursiers. Ces résultats nous permettent de souligner l'absence du comportement grégaire, pour la fréquence mensuelle, manifesté par les investisseurs tunisiens.

103

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

En plus, le coefficient de la valeur absolue du rendement moyen du marché (ã1) est positif et statistiquement significatif au seuil de 10%, ce qui laisse envisager que CSAD

augmente avec l'accroissement _delRm,t1, ce ci confirme nos retrouvailles et se trouve en accord avec les modèles rationnels d'évaluation des actifs financiers qui supposent que les investisseurs suivent uniquement leurs propres informations.

3.3. Le comportement grégaire asymétrique :

Chang, Cheng et Khorana (2000) constatent que le comportement grégaire peut être plus accentué durant les périodes de stress sur les marchés financiers.

Partant de cette constatation et conformément à la démarche proposée par l'étude de Tan et al. (2008), nous allons examiner si le comportement grégaire varie selon les conditions du marché, particulièrement, s'il varie avec les rendements du marché, le volume de transactions et la volatilité.

3.3.1. Effets asymétriques du rendement du marché :

Etant donné que le rendement du marché peut affecter le comportement des investisseurs, nous examinerons la possibilité d'effets asymétriques du comportement grégaire aussi bien en marché haussier que baissier.

Les effets asymétriques seront examinés à travers les deux spécifications ci-dessous :

CSAD^It^laut = á + ã~ ~~~~~R~,~

~~~~~ + ã~ ~~~~~R~,~

~~~~~~ + åt si R_m,t > 0 (3.13)

CSAD¹?" = á + ã~ ~~~~R~,~

~~~~ + ã~ ~~~~R~,~

~~~~~ + åt si R_m,t < 0 (3.14)

Avec :

· R^il_m^ar^t, R^b_m^at^s : Sont respectivement les moyenne pondérées des rendements

mensuels lorsque le marché boursier tunisien est haussier ou baissier,

· (R^h_m^ar^t)², (R^b_m^aZ)² : Sont respectivement les valeurs carrées de (R,

~~~~) et

(R,

~~~),

104

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

· CSADt^haut : Sont respectivement les CSAD mensuels correspondant au

(R^h_m^ar^t) et (R^h_m^aZ).

Tableau 3.9: Estimation du comportement grégaire dans les marchés boursiers tunisien
haussier et baissier

		CSAD^it^iaut = á + ãi^b' I R^igr I + ã^b2' (R^igr)^2 + åt si R,,t > 0				Variables
		Coefficient	t-Statistic	Prob.	á
		0,028329***	4,289302	0,0002	ãi~aut
		1,082235*	2,056231	0,0503	ãhaut
		-8,003066	-1,258647	0,2198	R^~~= 0,328593
CSADt'^as = á + ãi^bas I R^igf I + ã^b2^as (RIM)^z + åt si R,t < 0		Variables
		Coefficients	t-Statistic	Prob.	á
		0,016722**	2,299479	0,0344	ã~^bas
		1,165808**	2,292300	0,0349	b ã^as2
		1,915700	0,348527	0,7317	R~~ =0,788261

***,

** * : niveaux de significativité respectivement de 1%, 5% et 10%

,

Le tableau ci-dessus fournit une preuve à l'encontre de l'existence du comportement grégaire, pour la fréquence mensuelle, sur la marché boursier tunisien. En effet, le coefficient ã2 est négatif et non significatif pour le marché haussier et il est positif et non significatif pour le marché baissier. En plus la positivité et la significativité du coefficient ãi dans les deux marchés haussier et baissier confirme le résultat obtenu. : Le rendement du marché ne véhicule aucune information favorable à l'émergence du comportement grégaire sur le marché boursier tunisien.

105

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

3.3.2. Effets asymétriques du volume de transactions

Etant donné que le niveau du comportement grégaire peut être associé au volume de transactions, nous examinerons ici la possibilité de la présence d'éventuels effets asymétriques durant les périodes caractérisées par de forts ou faibles volumes de transaction. Vt est définit comme fort s'il est plus grand que la moyenne pondérée des Vt de six mois²⁹ qui précédent notre période d'étude, et vis-versa.

Les effets asymétriques seront examinés à travers les deux spécifications ci-dessous :

CSADr^f°rt = á + ã~ ^~~~~~~~R_~,~

~~~~~~~ + ã~ ^~~~~~~~R_~,~

~~~~~~~~ + åt (3.15)

CSADr^faible = á + ã~ ^~~~~~~~~~R_~,~

~~~~~~~~~ + ã~ ^~~~~~~~~~R_~,~

~~~~~~~~~~ + åt (3.16)

Avec : v-fort et v -faible réfèrent respectivement au volume de transactions fort et faible.

Tableau 3.10: Estimation du comportement grégaire durant les périodes de fort et faible
volume de transactions sur le marché boursier tunisien

CSADy^-fort = á + ã^vi^-fc'^t I K4'^11 + ã^v2^-f"^t(R;V^°1^2 + åt					Variables
Coefficient		t-Statistic	Prob.	á
0,028042**		2,520083	0,0208	ãiv-fort
0,554958		0,791330	0,4385	ã2v-fort
4,390150		0,590227	0,5620	R^~~= 0,541759
CSADy-faible = á + ãvi-faibleiRwaiblei + ãv2-faible (Kaaible)^2 + åt
Variables
Coefficients		t-Statistic	Prob.	á
0,020427***		3,464440	0,0022	ã~v-faible
1,617475***		3,042015	0,0060	ã2v-faible
-13,94165*		-1,938407	0,0655	R~~ =0,464289

***,

** * : niveaux de significativité respectivement de 1%, 5% et 10% ,

²⁹ Ce choix à été effectué d'une manière arbitraire.

106

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Les résultats des régressions de l'asymétrie Volume-Comportement grégaire reportés par le tableau (3.10) montrent que le coefficient ^ã47-faible est significativement négatif fournissant une évidence du comportement grégaire, cependant, le coefficient ã2^-Thrt n'exhibe pas un signe négatif, ce qui nous conduit à conclure à ce que le comportement grégaire manifesté par les investisseurs tunisiens ne se produit que durant les périodes de faible volume de transactions.

3.3.3. Effets asymétriques de la volatilité :

Nous examinerons les effets asymétriques du comportement grégaire à l'égard de la volatilité. Identiquement à la démarche utilisée pour le rendement du marché et le volume de transaction, la volatilité du marché est supposée être forte si elle dépasse la moyenne pondérée des volatilités de six mois qui précédent notre période d'étude, et vis-versa.

Les effets asymétriques seront examinés à travers les deux spécifications ci-dessous :

CSAD~^~~~~~~~~ = á + ã~^~~~~~~~~~R~,~ ~~~~~~~~~ + ã~^~~~~~~~~~R~,~ ~~~~~~~~~~ + åt

(3.17)

CSAD_~^~~~~~~~~~~ = á + ã_~ ^~~~~~~~~~~~R_~,~

~~~~~~~~~~~ + ã_~ ^~~~~~~~~~~~R_~,~

~~~~~~~~~~~~ + å_~ (3.18)

Avec :

· ó~² - fort et ó~² - faible réfèrent respectivement à la forte et faible volatilité

du marché,

· ó~² : est calculé comme étant le carré du rendement du portefeuille du marché à la date (t).

107

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Tableau 3.11: Estimation du comportement grégaire durant les périodes de forte et
faible volatilité sur le marché boursier tunisien

CSADr^--fbrt = á + ãr^--fc'^t 14,^2,,i^fc'^t I + ã^el2^2--fort (4,^2,,i^fm.9^2 + åt
Variables	Coefficient	t-Statistic	Prob.
á	0,136819	1,513067	0,1585
ã~ó~2--fort	-2,992282	-1,047965	0,3171
ã~ó~2--fort	29,78506	1,404759	0,1877
R^~~= 0,290012
2 CSAD~ó~2-faible = á + ãió~^2-faible 14,^2jfaible I + ã2ó~^2-faible (4,^2jfaible) + åt
Variables	Coefficients	t-Statistic	Prob.
á	0,026610***	3,655846	0,0009
ã~ó~2--faible	-0,194768	-0,156469	0,8767
ã2ó~2-faible	69,53997	44,83511	0,1310
R~~ =0,350811

***, **,* : niveaux de significativité respectivement de 1%, 5% et 10%

Ce tableau montre que les deux coefficients ^ã22-fort et ã2^2-faiblesont non

significativement positifs, ce qui fournit une preuve de l'absence, pour la fréquence
mensuelle, du comportement grégaire sur le marché boursier tunisien. Par ailleurs les
deux coefficients ^ã72-fort et ^ã72-faible sont non significativement négatifs ce qui laisse

envisager que CSAD mensuel diminue avec l'accroissement _delRm,t1 en période de forte et faible volatilité.

Le paragraphe ci-dessous à présenté une analyse des modèles asymétriques du comportement grégaire sur le marché boursier tunisien sur une base mensuelle en faisant référence sur la direction du rendement du marché( tableau (3.9)) et le niveau du volume de transactions ( tableau (3.10)) et la volatilité (tableau (3.11)). Les résultats auxquels nous sommes parvenus relèvent que la tendance des investisseurs à suivre l'opinion moyenne

108

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

du marché est indépendante à la fois du rendement du marché (qu'il soit en hausse ou en baisse) et du niveau de la volatilité (qu'il soit fort ou faible). Cependant, cette tendance se produit uniquement durant les périodes de faible volume de transactions sur le marché boursier tunisien.

109

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Conclusion

Ce chapitre s'est attaché à une tentative d'explication de l'énigme de volatilité excessive des cours boursiers mensuels sur la BVMT à travers le comportement grégaire manifesté des investisseurs tunisiens.

L'analyse financière du comportement grégaire sur les marchés financiers à fait l'objet de la première section, dans laquelle nous avons présenté ses définitions, ses types, ses causes ainsi que ses différentes caractéristiques.

La seconde section de ce chapitre à été consacrée à une revue de la littérature de la répercussion du comportement grégaire sur la volatilité des cours boursiers qui atteste avec force que la volatilité excessive des cours boursiers apparaît comme une conséquence de la tendance des investisseurs à suivre l'opinion moyenne du marché.

Quant à la dernière section, nous avons essayé de mener une validation empirique du fait constaté théoriquement dans la section précédente sur le marché boursier tunisien. Dans ce cadre nous avons testé l'existence du comportement grégaire moyennant l'étude de Tan et al. (2008) qui ont utilisé la méthodologie suggérée par Chang, Cheng et Khorana (2000) qui consiste à calculer les écarts types transversaux absolus et ce afin de déceler le degré de divergence dans le comportement des investisseurs tunisiens. Les résultats auxquels nous sommes aboutit laissent apparaître l'absence de ce comportement durant les fortes fluctuations des cours boursiers mensuels sur la période allant du premier Janvier 2005 jusqu'au 31 Décembre 2008sur la BVMT .

Dans le but d'affiner notre investigation empirique et conformément à l'étude proposée au travers par Tan et al. (2008), nous allons étudier l'existence ainsi que les effets asymétriques du comportement grégaire vis-à-vis des différentes conditions du marché boursier tunisien (rendement du marché, volume de transaction, volatilité), les résultats dévoilés ont confirmé ceux trouvé par la procédure de CCK (2000), sauf le fait que, sous

110

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

une condition de faible volume de transaction, le comportement grégaire apparaît sur le marché boursier tunisien.

En guise de conclusion, nous pouvons constater que le comportement grégaire n'existe pas sur le marché boursier tunisien pou la période allant du premier Janvier 2005 jusqu'au 31 Décembre 2008.

111

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Conclusion générale

112

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.

Conclusion générale

L'objectif de ce mémoire était d'apporter une explication de l'un des plus fameux puzzles de la théorie d'efficience, à savoir, la volatilité excessive, par la finance comportementale à travers l'excès de confiance et le comportement grégaire.

Sur cette base ce mémoire s'est articulé autour de trois chapitres et trois démarches empiriques :

> Le premier chapitre à été consacré à remettre en question l'efficience du marché boursier tunisien moyennant le test de bornes de variance de Shiller (1981), ce dernier, en menant son étude sur le marché boursier américain, à aboutit à ce que les cours boursiers exhibent une volatilité excessive par rapport à celle de leurs valeurs fondamentales. En s'inspirant de la méthodologie de Shiller (1981) nous avons également parvenus à conclure en faveur de l'existence d'une volatilité excessive sur le marché boursier tunisien du fait que la variance des prix observés excède celle des prix rationnels ex- post.

> Le second chapitre s'est focalisé sur la détection du biais d'excès de confiance des investisseurs tunisiens et sur son incidence sur la volatilité des cours boursiers sur la BVMT. Pour celà, nous avons procéder selon l'étude suggérée par Chuang et Lee (2006) en deux étapes. La première étape consiste à faire recours au test de causalité au sens de Granger (1969) pour déceler une relation positive entre volume de transaction et rendements du marché, nos résultats obtenus ainsi dévoilent que les investisseurs tunisiens exhibent une confiance excessive dans leurs comportements en raison de l'existence d'une causalité unidirectionnelle au sens de Granger du rendement passé vers le volume de transactions. La seconde étape consiste à décomposer le volume de transaction et à déterminer le processus ARMA à retenir , puis à tester l'effet de la composante du volume de transaction lié à l'excès

113

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

de confiance sur la volatilité conditionnelle des rendements boursiers à travers le
processus ARMA(1,0)-EGARCH(1,1). Nos résultats témoignent l'absence d'un tel

effet puisque le coefficient ( f3) est négatif et le coefficient (f4) est positif, ce qui est

en contradiction avec les aboutissements de Chuang et Lee (2006).

> Le dernier chapitre s'est orienté vers la détection du comportement grégaire des investisseurs tunisiens et son incidence sur la volatilité des cours boursiers sur la BVMT. De ce fait nous avons procéder selon l'étude de Tan et al. (2008) ; dans un premier temps nous avons calculé les écarts types transversaux absolus conformément à la méthodologie proposée par Chang, Cheng et Khorana (2000) et ce afin de déceler le degré de divergence dans le comportement des investisseurs tunisiens. Nos résultats laissent apparaître l'absence de ce comportement durant les fortes fluctuations des cours boursiers mensuels sur la période allant du premier Janvier 2005 jusqu'au 31 Décembre 2008 sur la BVMT. Dans un second temps nous avons étudié l'existence ainsi que les effets asymétriques du comportement grégaire vis-à-vis des différentes conditions du marché boursier tunisien (rendement du marché, volume de transaction, volatilité), les résultats obtenus ont confirmé ceux trouvé par la procédure de CCK (2000), sauf le fait que le comportement grégaire apparaît sous la condition d faible volume de transactions.

Enfin une étude tout aussi intéressante pourrait être réalisée dans le même cadre de recherche, il s'agit de tester la contribution d'autres biais psychologiques tels que(le biais d'ancrage, le biais de disponibilité, l'heuristique de représentativité, le biais de conservatisme....) à l'explication de l'énigme de volatilité excessive des cours boursiers. Cette nouvelle étude serait d'autant plus approfondie si elle tienne en considération toute les fréquences possibles (journalière, hebdomadaire, et mensuelle) pour un échantillon encore plus élevé.

114

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Annexe

115

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.

+ Les entreprises tunisiennes qui composent l'échantillon utilisé au niveau des

trois chapitres sont :

ASTREE, Air Liquide Tunisie, STIL ,BH, ICF, AMS, Tunisie Leasing, Amen Bank, SPDIT, UIB, BNA, ATB, TUNISAIR, BT, ALKIMIA, UBCI, STB, BS, BIAT,CIL.

+ Tableau 1.1 : Statistiques descriptives de la série des prix

Date: 09/26/09
Time: 17:54

Sample: 1997 2008

	DIVIDENDE
Mean	1.122333
Median	1.213000
Maximum	1.528000
Minimum	0.008000
Std. Dev.	0.382530
Skewness	-2.218016
Kurtosis	7.304477
Jarque-Bera	19.10345
Probability	0.000071
Sum	13.46800
Sum Sq. Dev.	1.609625
Observations	12

116

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

Date: 09/26/09
Time: 17:55

Sample: 1997 2008

	PRIX
Mean	36.03792
Median	35.07900
Maximum	52.68800
Minimum	28.39500
Std. Dev.	7.669389
Skewness	0.789453
Kurtosis	2.742842
Jarque-Bera	1.279537
Probability	0.527415
Sum	432.4550
Sum Sq. Dev.	647.0149
Observations	12

117

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

constante « en niveau »

Null Hypothesis: PRIX has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.192777 0.1361

Test critical values: 1% level -5.124875

5% level -3.933364

10% level -3.420030

*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 11

Augmented Dickey-Fuller Test Equation Dependent Variable: D(PRIX)

Method: Least Squares

Date: 09/26/09 Time: 17:56

Sample (adjusted): 1998 2008

Included observations: 11 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
PRIX(-1) C @TREND(1997)	-1.123187 31.88795 1.529708	0.351790 -3.192777 10.60629 3.006513 0.796726 1.919992	0.0128 0.0169 0.0911
R-squared	0.560519	Mean dependent var	1.478455
Adjusted R-squared	0.450649	S.D. dependent var	9.212354
S.E. of regression	6.828033	Akaike info criterion	6.906951
Sum squared resid	372.9763	Schwarz criterion	7.015468
Log likelihood	-34.98823	Hannan-Quinn criter.	6.838547
F-statistic	5.101646	Durbin-Watson stat	2.060256
Prob(F-statistic)	0.037304

118

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

en niveau »

Null Hypothesis: PRIX has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.240283 0.2043

Test critical values: 1% level -4.200056

5% level -3.175352

10% level -2.728985

*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 11

Augmented Dickey-Fuller Test Equation Dependent Variable: D(PRIX)

Method: Least Squares

Date: 09/26/09 Time: 17:59

Sample (adjusted): 1998 2008

Included observations: 11 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
PRIX(-1)	-0.733829	0.327561 -2.240283	0.0518
C	27.34292	11.78112 2.320911	0.0454
R-squared	0.358008	Mean dependent var	1.478455
Adjusted R-squared	0.286676	S.D. dependent var	9.212354
S.E. of regression	7.780619	Akaike info criterion	7.104115
Sum squared resid	544.8423	Schwarz criterion	7.176459
Log likelihood	-37.07263	Hannan-Quinn criter.	7.058511
F-statistic	5.018866	Durbin-Watson stat	2.058506
Prob(F-statistic)	0.051819

119

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

différence première »

Null Hypothesis: D(PRIX) has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.524365 0.0072

Test critical values: 1% level -4.297073

5% level -3.212696

10% level -2.747676

*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 10

Augmented Dickey-Fuller Test Equation Dependent Variable: D(PRIX,2)

Method: Least Squares

Date: 09/26/09 Time: 18:02

Sample (adjusted): 1999 2008

Included observations: 10 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
D(PRIX(-1))	-1.454486	0.321478 -4.524365	0.0019
C	2.021124	2.928067 0.690259	0.5096
R-squared	0.719001	Mean dependent var	0.611000
Adjusted R-squared	0.683876	S.D. dependent var	16.37488
S.E. of regression	9.206756	Akaike info criterion	7.454609
Sum squared resid	678.1149	Schwarz criterion	7.515126
Log likelihood	-35.27304	Hannan-Quinn criter.	7.388222
F-statistic	20.46988	Durbin-Watson stat	2.118155
Prob(F-statistic)	0.001939

120

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.

« Validation empirique sur la BVMT »

tendance et constante « en niveau »

Null Hypothesis: DIVIDENDE has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.320162 0.8241

Test critical values: 1% level -5.124875

5% level -3.933364

10% level -3.420030

*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 11

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DIVIDENDE)

Method: Least Squares

Date: 09/26/09 Time: 18:03

Sample (adjusted): 1998 2008

Included observations: 11 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
DIVIDENDE(-1) C @TREND(1997)	-1.101464 1.503915 -0.044551	0.834340 -1.320162 1.010099 1.488878 0.040171 -1.109018	0.2233 0.1748 0.2996
R-squared	0.315103	Mean dependent var	-0.111182
Adjusted R-squared	0.143879	S.D. dependent var	0.446674
S.E. of regression	0.413293	Akaike info criterion	1.297681
Sum squared resid	1.366489	Schwarz criterion	1.406198
Log likelihood	-4.137246	Hannan-Quinn criter.	1.229276
F-statistic	1.840297	Durbin-Watson stat	1.430533
Prob(F-statistic)	0.220039

121

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

constante « en niveau »

Null Hypothesis: DIVIDENDE has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.545842 0.4747

Test critical values: 1% level -4.200056

5% level -3.175352

10% level -2.728985

*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 11

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DIVIDENDE)

Method: Least Squares

Date: 09/26/09 Time: 18:06

Sample (adjusted): 1998 2008

Included observations: 11 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
DIVIDENDE(-1)	-1.281239	0.828830 -1.545842	0.1565
C	1.456589	1.022007 1.425224	0.1878
R-squared	0.209807	Mean dependent var	-0.111182
Adjusted R-squared	0.122008	S.D. dependent var	0.446674
S.E. of regression	0.418539	Akaike info criterion	1.258872
Sum squared resid	1.576573	Schwarz criterion	1.331216
Log likelihood	-4.923795	Hannan-Quinn criter.	1.213269
F-statistic	2.389626	Durbin-Watson stat	1.220381
Prob(F-statistic)	0.156544

122

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

tendance ni constante « en niveau »

Null Hypothesis: DIVIDENDE has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.014160 0.2593

Test critical values: 1% level -2.792154

5% level -1.977738

10% level -1.602074

*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 11

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DIVIDENDE)

Method: Least Squares

Date: 09/26/09 Time: 18:07

Sample (adjusted): 1998 2008

Included observations: 11 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
DIVIDENDE(-1)	-0.109011	0.107489 -1.014160	0.3344
R-squared	0.031464	Mean dependent var	-0.111182
Adjusted R-squared	0.031464	S.D. dependent var	0.446674
S.E. of regression	0.439591	Akaike info criterion	1.280563
Sum squared resid	1.932400	Schwarz criterion	1.316735
Log likelihood	-6.043094	Hannan-Quinn criter.	1.257761
Durbin-Watson stat	1.797977

123

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

tendance ni constante « en différence première »

Null Hypothesis: D(DIVIDENDE) has a unit root Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.022920 0.0067

Test critical values: 1% level -2.816740

5% level -1.982344

10% level -1.601144

*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 10

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DIVIDENDE,2) Method: Least Squares

Date: 09/26/09 Time: 18:37

Sample (adjusted): 1999 2008

Included observations: 10 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
D(DIVIDENDE(-1))	-1.610822	0.532870 -3.022920	0.0144
R-squared	0.488349	Mean dependent var	-0.106000
Adjusted R-squared	0.488349	S.D. dependent var	0.633078
S.E. of regression	0.452840	Akaike info criterion	1.348082
Sum squared resid	1.845573	Schwarz criterion	1.378340
Log likelihood	-5.740409	Hannan-Quinn criter.	1.314888
Durbin-Watson stat	1.277417

124

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

modèle avec tendance et constante « en niveau »

Null Hypothesis: RENDEMENT has a unit root Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.967535 0.0011

Test critical values: 1% level -4.165756

5% level -3.508508

10% level -3.184230

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(RENDEMENT) Method: Least Squares

Date: 05/09/10 Time: 14:48

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
RENDEMENT(-1) C @TREND(2005M01)	-0.718813 0.769962 0.016353	0.144702 -4.967535 0.223458 3.445670 0.006441 2.538678	0.0000 0.0013 0.0147
R-squared	0.360049	Mean dependent var	0.021498
Adjusted R-squared	0.330960	S.D. dependent var	0.649914
S.E. of regression	0.531596	Akaike info criterion	1.635836
Sum squared resid	12.43415	Schwarz criterion	1.753930
Log likelihood	-35.44214	Hannan-Quinn criter.	1.680276
F-statistic	12.37761	Durbin-Watson stat	1.977557
Prob(F-statistic)	0.000054

125

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

du marché : modèle avec tendance et constante « en niveau »

Null Hypothesis: VOLUME has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -9.636677 0.0000

Test critical values: 1% level -4.165756

5% level -3.508508

10% level -3.184230

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(VOLUME)

Method: Least Squares

Date: 05/04/10 Time: 13:44

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
VOLUME(-1) C @TREND(2005M01)	-1.361640 0.039840 -0.000135	0.141298 -9.636677 0.007554 5.274238 0.000232 -0.581549	0.0000 0.0000 0.5638
R-squared	0.678686	Mean dependent var	-0.000285
Adjusted R-squared	0.664080	S.D. dependent var	0.037263
S.E. of regression	0.021597	Akaike info criterion	-4.770832
Sum squared resid	0.020523	Schwarz criterion	-4.652738
Log likelihood	115.1146	Hannan-Quinn criter.	-4.726393
F-statistic	46.46877	Durbin-Watson stat	2.099563
Prob(F-statistic)	0.000000

126

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

du marché : modèle avec constante « en niveau »

Null Hypothesis: VOLUME has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -9.694405 0.0000

Test critical values: 1% level -3.577723

5% level -2.925169

10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(VOLUME)

Method: Least Squares

Date: 05/04/10 Time: 13:51

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
VOLUME(-1)	-1.358968	0.140181 -9.694405	0.0000
C	0.036525	0.004919 7.425439	0.0000
R-squared	0.676216	Mean dependent var	-0.000285
Adjusted R-squared	0.669021	S.D. dependent var	0.037263
S.E. of regression	0.021438	Akaike info criterion	-4.805729
Sum squared resid	0.020680	Schwarz criterion	-4.726999
Log likelihood	114.9346	Hannan-Quinn criter.	-4.776102
F-statistic	93.98150	Durbin-Watson stat	2.088023
Prob(F-statistic)	0.000000

127

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

+ Figure 2.2 : Corrélogramme de la série des rendements mensuels du marché

Date: 05/10/10 Time: 11:12 Sample: 2005M01 2008M12 Included observations: 48
Autocorrelation		Partial Correlation			AC	PAC	Q-Stat	Prob
. |***	|	. |***	|	1	0.434	0.434	9.6166	0.002
. |**	|	. | .	|	2	0.246	0.072	12.784	0.002
. | .	|	.*| .	|	3	-0.009	-0.173	12.788	0.005
. | .	|	. | .	|	4	-0.064	-0.025	13.009	0.011
.*| .	|	. | .	|	5	-0.078	0.000	13.350	0.020
. |*.	|	. |**	|	6	0.142	0.240	14.507	0.024
. |*.	|	. | .	|	7	0.123	-0.016	15.399	0.031
. |*.	|	. | .	|	8	0.168	0.036	17.088	0.029
. |*.	|	. |*.	|	9	0.195	0.148	19.437	0.022
. |*.	|	. |*.	|	10	0.192	0.090	21.769	0.016
. |*.	|	. |*.	|	11	0.165	0.079	23.538	0.015
. |*.	|	. | .	|	12	0.112	-0.024	24.375	0.018
.*| .	|	**| .	|	13	-0.156	-0.284	26.050	0.017
**| .	|	.*| .	|	14	-0.230	-0.109	29.793	0.008
**| .	|	.*| .	|	15	-0.255	-0.090	34.536	0.003
. | .	|	. |*.	|	16	-0.036	0.142	34.634	0.004
. | .	|	.*| .	|	17	-0.024	-0.142	34.680	0.007
. |*.	|	. |*.	|	18	0.208	0.130	38.155	0.004
. |*.	|	. | .	|	19	0.131	0.045	39.578	0.004
. | .	|	.*| .	|	20	0.019	-0.103	39.608	0.006

128

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

+ Tableau 2.6 : test de causalité au sens de Granger

Pairwise Granger Causality Tests Date: 05/10/10 Time: 11:39

Sample: 2005M01 2008M12 Lags: 1

Null Hypothesis: Obs F-Statistic Prob.

VT does not Granger Cause REND 47 0.18812 0.6666

REND does not Granger Cause VT 2.86139 0.0978

+ Tableau 2.7 : décomposition du volume de transaction du marché et extraction de

la composante liée à l'excès de confiance

Dependent Variable: VT

Method: Least Squares

Date: 05/11/10 Time: 13:00

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	0.042351	0.009081 4.663807	0.0000
REND(-1)	-0.009797	0.005347 -1.832067	0.0736
R-squared	0.069411	Mean dependent var	0.026802
Adjusted R-squared	0.048731	S.D. dependent var	0.022696
S.E. of regression	0.022136	Akaike info criterion	-4.741632
Sum squared resid	0.022049	Schwarz criterion	-4.662902
Log likelihood	113.4283	Hannan-Quinn criter.	-4.712005
F-statistic	3.356468	Durbin-Watson stat	2.646820
Prob(F-statistic)	0.073565

129

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

AR(1) de la série des rendements mensuels du marché

Dependent Variable: REND

Method: Least Squares

Date: 05/10/10 Time: 11:14

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments Convergence achieved after 3 iterations

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.626358	0.149719 10.86277	0.0000
AR(1)	0.450498	0.135964 3.313366	0.0018
R-squared	0.196118	Mean dependent var	1.608733
Adjusted R-squared	0.178254	S.D. dependent var	0.620891
S.E. of regression	0.562839	Akaike info criterion	1.729974
Sum squared resid	14.25544	Schwarz criterion	1.808704
Log likelihood	-38.65440	Hannan-Quinn criter.	1.759601
F-statistic	10.97840	Durbin-Watson stat	2.056127
Prob(F-statistic)	0.001826
Inverted AR Roots	.45

130

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

AR(2) de la série des rendements mensuels du marché

Dependent Variable: REND

Method: Least Squares

Date: 05/10/10 Time: 11:15

Sample (adjusted): 2005M03 2008M12 Included observations: 46 after adjustments Convergence achieved after 3 iterations

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.656860	0.168234 9.848547	0.0000
AR(1)	0.405941	0.151438 2.680568	0.0104		AR(2)
0.091238	0.153719 0.593539	0.5559
R-squared	0.201127	Mean dependent var	1.622554
Adjusted R-squared	0.163970	S.D. dependent var	0.620399
S.E. of regression	0.567260	Akaike info criterion	1.766996
Sum squared resid	13.83671	Schwarz criterion	1.886255
Log likelihood	-37.64090	Hannan-Quinn criter.	1.811671
F-statistic	5.412904	Durbin-Watson stat	1.936018
Prob(F-statistic)	0.008003
Inverted AR Roots	.57	-.16

131

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

MA(1) de la série de rendement

Dependent Variable: REND Method: Least Squares

Date: 05/10/10 Time: 11:16 Sample: 2005M01 2008M12 Included observations: 48

Convergence achieved after 18 iterations

MA Backcast: 2004M12

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.607086	0.109575 14.66650	0.0000
MA(1)	0.322761	0.139720 2.310053	0.0254
R-squared	0.141194	Mean dependent var	1.604136
Adjusted R-squared	0.122524	S.D. dependent var	0.615075
S.E. of regression	0.576164	Akaike info criterion	1.775924
Sum squared resid	15.27037	Schwarz criterion	1.853890
Log likelihood	-40.62217	Hannan-Quinn criter.	1.805387
F-statistic	7.562736	Durbin-Watson stat	1.787916
Prob(F-statistic)	0.008490
Inverted MA Roots	-.32

132

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Date: 05/10/10 Time: 11:17 Sample: 2005M01 2008M12 Included observations: 48

Convergence achieved after 10 iterations

MA Backcast: 2004M11	2004M12
Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.618529	0.134977 11.99112	0.0000
MA(1)	0.389769	0.142938 2.726835	0.0091		MA(2)
0.305590	0.146623 2.084183	0.0429
R-squared	0.218067	Mean dependent var	1.604136
Adjusted R-squared	0.183314	S.D. dependent var	0.615075
S.E. of regression	0.555848	Akaike info criterion	1.723817
Sum squared resid	13.90350	Schwarz criterion	1.840767
Log likelihood	-38.37160	Hannan-Quinn criter.	1.768012
F-statistic	6.274832	Durbin-Watson stat	1.899313
Prob(F-statistic)	0.003947
Inverted MA Roots	-.19+.52i	-.19-.52i

133

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Date: 05/10/10 Time: 11:17 Sample: 2005M01 2008M12 Included observations: 48

Convergence achieved after 13 iterations

MA Backcast: 2004M10	2004M12
Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.638999	0.174563 9.389140	0.0000
MA(1)	0.421369	0.145450 2.897004	0.0059		MA(2)
0.513749	0.147268 3.488538	0.0011	MA(3)
0.268678	0.152973 1.756374	0.0860
R-squared	0.243721	Mean dependent var	1.604136
Adjusted R-squared	0.192156	S.D. dependent var	0.615075
S.E. of regression	0.552830	Akaike info criterion	1.732125
Sum squared resid	13.44735	Schwarz criterion	1.888058
Log likelihood	-37.57099	Hannan-Quinn criter.	1.791052
F-statistic	4.726523	Durbin-Watson stat	1.965434
Prob(F-statistic)	0.006057
Inverted MA Roots	.03-.74i	.03+.74i -.49

134

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Date: 05/10/10 Time: 11:18 Sample: 2005M01 2008M12 Included observations: 48

Convergence achieved after 35 iterations

MA Backcast: 2004M09 2004M12

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.645445	0.191155 8.607900	0.0000
MA(1)	0.452147	0.153208 2.951199	0.0051		MA(2)
0.561550	0.169346 3.315986	0.0019	MA(3)
0.324430	0.171569 1.890965	0.0654	MA(4)
0.046320	0.161461 0.286881	0.7756
R-squared	0.244192	Mean dependent var	1.604136
Adjusted R-squared	0.173884	S.D. dependent var	0.615075
S.E. of regression	0.559048	Akaike info criterion	1.773169
Sum squared resid	13.43898	Schwarz criterion	1.968085
Log likelihood	-37.55604	Hannan-Quinn criter.	1.846828
F-statistic	3.473181	Durbin-Watson stat	1.999096
Prob(F-statistic)	0.015196
Inverted MA Roots	.07-.75i	.07+.75i -.22	-.38

135

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

+ Tableau 2.10 : estimation du processus ARMA (p,q) par la méthode MCO

ARMA(1,0) de la série de rendement

Dependent Variable: REND

Method: Least Squares

Date: 05/10/10 Time: 11:14

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments Convergence achieved after 3 iterations

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.626358	0.149719 10.86277	0.0000
AR(1)	0.450498	0.135964 3.313366	0.0018
R-squared	0.196118	Mean dependent var	1.608733
Adjusted R-squared	0.178254	S.D. dependent var	0.620891
S.E. of regression	0.562839	Akaike info criterion	1.729974
Sum squared resid	14.25544	Schwarz criterion	1.808704
Log likelihood	-38.65440	Hannan-Quinn criter.	1.759601
F-statistic	10.97840	Durbin-Watson stat	2.056127
Prob(F-statistic)	0.001826
Inverted AR Roots	.45

136

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Sample (adjusted): 2005M02 2008M12

Included observations: 47 after adjustments

Convergence achieved after 6 iterations

MA Backcast: 2005M01

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.643209	0.169261 9.708140	0.0000
AR(1)	0.593637	0.263616 2.251904	0.0294
MA(1)	-0.185154	0.317686 -0.582821	0.5630
R-squared	0.202620	Mean dependent var	1.608733
Adjusted R-squared	0.166376	S.D. dependent var	0.620891
S.E. of regression	0.566892	Akaike info criterion	1.764407
Sum squared resid	14.14014	Schwarz criterion	1.882501
Log likelihood	-38.46356	Hannan-Quinn criter.	1.808847
F-statistic	5.590363	Durbin-Watson stat	1.951621
Prob(F-statistic)	0.006865
Inverted AR Roots	.59
Inverted MA Roots	.19

137

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments Convergence achieved after 30 iterations

MA Backcast: 2004M12	2005M01
Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.628843	0.164336 9.911650	0.0000
AR(1)	0.221043	0.316911 0.697493	0.4892
MA(1)	0.169719	0.284822 0.595877	0.5544		MA(2)
0.413889	0.156674 2.641717	0.0115
R-squared	0.247255	Mean dependent var	1.608733
Adjusted R-squared	0.194738	S.D. dependent var	0.620891
S.E. of regression	0.557165	Akaike info criterion	1.749355
Sum squared resid	13.34862	Schwarz criterion	1.906814
Log likelihood	-37.10984	Hannan-Quinn criter.	1.808608
F-statistic	4.708095	Durbin-Watson stat	1.934337
Prob(F-statistic)	0.006274
Inverted AR Roots	.22
Inverted MA Roots	-.08-.64i	-.08+.64i

138

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments Convergence achieved after 37 iterations

MA Backcast: 2004M11	2005M01
Variable	Coefficient	Std. Error t-Statistic	Prob.
C	1.844815	0.141639 13.02476	0.0000
AR(1)	0.884596	0.076870 11.50771	0.0000
MA(1)	-0.636796	0.170541 -3.733981	0.0006		MA(2)
-0.112171	0.180765 -0.620537	0.5383	MA(3)
-0.198003	0.157951 -1.253572	0.2169
R-squared	0.344105	Mean dependent var	1.608733
Adjusted R-squared	0.281639	S.D. dependent var	0.620891
S.E. of regression	0.526243	Akaike info criterion	1.654182
Sum squared resid	11.63115	Schwarz criterion	1.851007
Log likelihood	-33.87328	Hannan-Quinn criter.	1.728249
F-statistic	5.508667	Durbin-Watson stat	1.985102
Prob(F-statistic)	0.001171
Inverted AR Roots	.88
Inverted MA Roots	.97	-.16+.42i -.16-.42i

139

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

+ Tableau 2.11 : effet de l'excès de confiance sur la volatilité conditionnelle des

rendements mensuels du marché (Période : 01 Janvier 2005- 31Décembre 2008)

Dependent Variable: RT

Method: ML - ARCH (Marquardt) - Generalized error distribution (GED) Date: 05/26/10 Time: 13:50

Sample (adjusted): 2005M02 2008M11

Included observations: 46 after adjustments

Convergence achieved after 11 iterations

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6) *RESID(-1)/@SQRT(GARCH(-1)) + C(7)*LOG(GARCH(-1)) + C(8)*EC + C(9)*NEC

Coefficient Std. Error z-Statistic Prob.

GARCH 3.185270 0.851250 3.741872 0.0002

C 0.382515 0.024292 15.74632 0.0000

AR(1) 0.174814 0.018639 9.379135 0.0000

Variance Equation

C(4) -2.275020 0.176279 -12.90577 0.0000

C(5) -0.148661 0.058743 -2.530695 0.0114

C(6) -0.129758 0.052386 -2.476936 0.0133

C(7) -0.162290 0.024673 -6.577727 0.0000

C(8) -70.82283 3.801153 -18.63193 0.0000

C(9) 0.494269 0.196618 2.513855 0.0119

GED PARAMETER 0.261403 0.055364 4.721502 0.0000

R-squared 0.909826 Mean dependent var 1.591564

Adjusted R-squared 0.887282 S.D. dependent var 0.616368

S.E. of regression 0.206936 Akaike info criterion -0.817216

Sum squared resid 1.541617 Schwarz criterion -0.419685

Log likelihood 28.79597 Hannan-Quinn criter. -0.668299

F-statistic 40.35850 Durbin-Watson stat 1.601845

Prob(F-statistic) 0.000000

140

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

modèle avec tendance et constante « en niveau »

Null Hypothesis: RMT has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.939672 0.0011

Test critical values: 1% level -4.165756

5% level -3.508508

10% level -3.184230

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(RMT)

Method: Least Squares

Date: 05/22/10 Time: 21:49

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
RMT(-1) C @TREND(2005M01)	-0.714581 0.008679 -0.000220	0.144662 -4.939672 0.010754 0.807034 0.000388 -0.566927	0.0000 0.4240 0.5736
R-squared	0.357206	Mean dependent var	-0.000322
Adjusted R-squared	0.327988	S.D. dependent var	0.043877
S.E. of regression	0.035969	Akaike info criterion	-3.750641
Sum squared resid	0.056924	Schwarz criterion	-3.632547
Log likelihood	91.14007	Hannan-Quinn criter.	-3.706201
F-statistic	12.22556	Durbin-Watson stat	1.876243
Prob(F-statistic)	0.000060

141

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

marché : modèle avec constante « en niveau »

Null Hypothesis: RMT has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.949662 0.0002

Test critical values: 1% level -3.577723

5% level -2.925169

10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(RMT)

Method: Least Squares

Date: 05/22/10 Time: 21:52

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
RMT(-1)	-0.708900	0.143222 -4.949662	0.0000
C	0.003374	0.005260 0.641442	0.5245
R-squared	0.352510	Mean dependent var	-0.000322
Adjusted R-squared	0.338121	S.D. dependent var	0.043877
S.E. of regression	0.035696	Akaike info criterion	-3.785916
Sum squared resid	0.057340	Schwarz criterion	-3.707187
Log likelihood	90.96903	Hannan-Quinn criter.	-3.756290
F-statistic	24.49915	Durbin-Watson stat	1.871484
Prob(F-statistic)	0.000011

142

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

modèle sans tendance ni constante « en niveau »

Null Hypothesis: RMT has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.940016 0.0000

Test critical values: 1% level -2.615093

5% level -1.947975

10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(RMT)

Method: Least Squares

Date: 05/22/10 Time: 21:52

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
RMT(-1)	-0.695860	0.140862 -4.940016	0.0000
R-squared	0.346590	Mean dependent var	-0.000322
Adjusted R-squared	0.346590	S.D. dependent var	0.043877
S.E. of regression	0.035467	Akaike info criterion	-3.819368
Sum squared resid	0.057865	Schwarz criterion	-3.780003
Log likelihood	90.75514	Hannan-Quinn criter.	-3.804555
Durbin-Watson stat	1.875073

143

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

modèle avec tendance et constante « en niveau »

Null Hypothesis: CSADT has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.012242 0.0149

Test critical values: 1% level -4.165756

5% level -3.508508

10% level -3.184230

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(CSADT)

Method: Least Squares

Date: 05/22/10 Time: 21:57

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
CSADT(-1) C @TREND(2005M01)	-0.535679 0.023348 9.45E-05	0.133511 -4.012242 0.009602 2.431630 0.000301 0.314152	0.0002 0.0192 0.7549
R-squared	0.269695	Mean dependent var	0.000336
Adjusted R-squared	0.236499	S.D. dependent var	0.031533
S.E. of regression	0.027553	Akaike info criterion	-4.283725
Sum squared resid	0.033403	Schwarz criterion	-4.165630
Log likelihood	103.6675	Hannan-Quinn criter.	-4.239285
F-statistic	8.124395	Durbin-Watson stat	2.021166
Prob(F-statistic)	0.000993

144

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

modèle avec constante « en niveau »

Null Hypothesis: CSADT has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.059579 0.0026

Test critical values: 1% level -3.577723

5% level -2.925169

10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(CSADT)

Method: Least Squares

Date: 05/22/10 Time: 21:58

Sample (adjusted): 2005M02 2008M12 Included observations: 47 after adjustments

	Coefficient	Std. Error t-Statistic	Prob.
CSADT(-1)	-0.528398	0.130161 -4.059579	0.0002
C	0.025272	0.007319 3.453198	0.0012
R-squared	0.268057	Mean dependent var	0.000336
Adjusted R-squared	0.251791	S.D. dependent var	0.031533
S.E. of regression	0.027275	Akaike info criterion	-4.324038
Sum squared resid	0.033478	Schwarz criterion	-4.245308
Log likelihood	103.6149	Hannan-Quinn criter.	-4.294411
F-statistic	16.48018	Durbin-Watson stat	2.031446
Prob(F-statistic)	0.000194

145

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

+ Tableau 3.8: Ecart-type transversal absolu et comportement grégaire

(Période : 01 Janvier 2005- 31 Décembre 2008)

Dependent Variable: CSADT Method: Least Squares

Date: 05/22/10 Time: 22:03 Sample: 2005M01 2008M12 Included observations: 48

CSADT=C(1)+C(2)*ABS(RMT)+C(3)*RMT^{^}2

Variable	Coefficient	Std. Error t-Statistic	Prob.
C(1) C(2) C(3)	0.026645 0.698285 1.935946	0.005661 4.707131 0.413730 1.687779 4.726152 0.409624	0.0000 0.0984 0.6840
R-squared	0.554798	Mean dependent var	0.046920
Adjusted R-squared	0.535011	S.D. dependent var	0.030625
S.E. of regression	0.020883	Akaike info criterion	-4.839296
Sum squared resid	0.019625	Schwarz criterion	-4.722346
Log likelihood	119.1431	Hannan-Quinn criter.	-4.795100
F-statistic	28.03887	Durbin-Watson stat	1.468483
Prob(F-statistic)	0.000000

146

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

+ Tableau 3.9: Estimation du comportement grégaire dans les marchés boursiers

tunisien haussier et baissier

Le marché boursier tunisien haussier

Dependent Variable: CSADT

Method: Least Squares

Date: 05/24/10 Time: 09:24

Sample: 1 28

Included observations: 28

CSADT=C(1)+C(2)*ABS(RMT)+C(3)*RMT^{^}2

Variable	Coefficient	Std. Error t-Statistic	Prob.
C(1) C(2) C(3)	0.028329 1.082235 -8.003066	0.006605 4.289302 0.526320 2.056231 6.358469 -1.258647	0.0002 0.0503 0.2198
R-squared	0.378326	Mean dependent var	0.045965
Adjusted R-squared	0.328593	S.D. dependent var	0.018985
S.E. of regression	0.015557	Akaike info criterion	-5.387715
Sum squared resid	0.006050	Schwarz criterion	-5.244979
Log likelihood	78.42801	Hannan-Quinn criter.	-5.344079
F-statistic	7.607017	Durbin-Watson stat	1.312408
Prob(F-statistic)	0.002627

147

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Le marché boursier tunisien baissier

Dependent Variable: CSADT

Method: Least Squares

Date: 05/24/10 Time: 09:26

Sample: 1 20

Included observations: 20

CSADT=C(1)+C(2)* ABS(RMT)+C(3)*RMT^{^}2

Variable	Coefficient	Std. Error t-Statistic	Prob.
C(1) C(2) C(3)	0.016722 1.165808 1.915700	0.007272 2.299479 0.508576 2.292300 5.496555 0.348527	0.0344 0.0349 0.7317
R-squared	0.810549	Mean dependent var	0.048258
Adjusted R-squared	0.788261	S.D. dependent var	0.042480
S.E. of regression	0.019547	Akaike info criterion	-4.894476
Sum squared resid	0.006496	Schwarz criterion	-4.745116
Log likelihood	51.94476	Hannan-Quinn criter.	-4.865320
F-statistic	36.36660	Durbin-Watson stat	1.665378
Prob(F-statistic)	0.000001

+ Tableau 3.10: Estimation du comportement grégaire durant les périodes de fort et

faible volume de transactions sur le marché boursier tunisien

Fort volume de transactions sur le marché boursier tunisien

Dependent Variable: CSADT

Method: Least Squares

Date: 05/24/10 Time: 09:35

Sample (adjusted): 1 22

Included observations: 22 after adjustments CSADT=C(1)+C(2)*ABS(RMT)+C(3)*RMT^{^}2

Variable	Coefficient	Std. Error t-Statistic	Prob.
C(1) C(2) C(3)	0.028042 0.554958 4.390150	0.011127 2.520083 0.701298 0.791330 7.438069 0.590227	0.0208 0.4385 0.5620
R-squared	0.585401	Mean dependent var	0.054959
Adjusted R-squared	0.541759	S.D. dependent var	0.038630
S.E. of regression	0.026150	Akaike info criterion	-4.323832
Sum squared resid	0.012992	Schwarz criterion	-4.175054
Log likelihood	50.56216	Hannan-Quinn criter.	-4.288785
F-statistic	13.41370	Durbin-Watson stat	2.214351
Prob(F-statistic)	0.000233

148

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Faible volume de transactions sur le marché boursier tunisien

Dependent Variable: CSADT

Method: Least Squares

Date: 05/24/10 Time: 09:38

Sample: 1 25

Included observations: 25

CSADT=C(1)+C(2)*ABS(RMT)+C(3)*RMT^{^}2

Variable	Coefficient	Std. Error t-Statistic	Prob.
C(1) C(2) C(3)	0.020427 1.617475 -13.94165	0.005896 3.464440 0.531712 3.042015 7.192320 -1.938407	0.0022 0.0060 0.0655
R-squared	0.508932	Mean dependent var	0.040990
Adjusted R-squared	0.464289	S.D. dependent var	0.020025
S.E. of regression	0.014657	Akaike info criterion	-5.495696
Sum squared resid	0.004726	Schwarz criterion	-5.349431
Log likelihood	71.69620	Hannan-Quinn criter.	-5.455128
F-statistic	11.40015	Durbin-Watson stat	1.614857
Prob(F-statistic)	0.000400

+ Tableau 3.11: Estimation du comportement grégaire durant les périodes de forte

et faible volatilité sur le marché boursier tunisien

Forte volatilité sur le marché boursier tunisien

Dependent Variable: CSADT

Method: Least Squares

Date: 05/24/10 Time: 12:29

Sample: 1 14

Included observations: 14

CSADT=C(1)+C(2)*ABS(RMT)+C(3)*RMT^{^}2

Variable	Coefficient	Std. Error t-Statistic	Prob.
C(1) C(2) C(3)	0.136819 -2.992282 29.78506	0.090425 1.513067 2.855325 -1.047965 21.20297 1.404759	0.1585 0.3171 0.1877
R-squared	0.399241	Mean dependent var	0.076183
Adjusted R-squared	0.290012	S.D. dependent var	0.034976
S.E. of regression	0.029471	Akaike info criterion	-4.023386
Sum squared resid	0.009554	Schwarz criterion	-3.886445
Log likelihood	31.16370	Hannan-Quinn criter.	-4.036063
F-statistic	3.655083	Durbin-Watson stat	1.919359
Prob(F-statistic)	0.060653

149

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Faible volatilité sur le marché boursier tunisien

Dependent Variable: CSADT

Method: Least Squares

Date: 05/24/10 Time: 12:25

Sample: 1 34

Included observations: 34

CSADT=C(1)+C(2)*ABS(RMT)+C(3)*RMT^{^}2

Variable	Coefficient	Std. Error t-Statistic	Prob.
C(1) C(2) C(3)	0.026610 -0.194768 69.53997	0.007279 3.655846 1.244769 -0.156469 44.83511 1.551016	0.0009 0.8767 0.1310
R-squared	0.390156	Mean dependent var	0.034871
Adjusted R-squared	0.350811	S.D. dependent var	0.018465
S.E. of regression	0.014878	Akaike info criterion	-5.493817
Sum squared resid	0.006862	Schwarz criterion	-5.359138
Log likelihood	96.39489	Hannan-Quinn criter.	-5.447887
F-statistic	9.916345	Durbin-Watson stat	1.959261
Prob(F-statistic)	0.000469

150

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Références bibliographiques

151

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à
travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Références bibliographiques

1. Acker, D., and NW. Duck, 2008, «Cross-cultural overconfidence and biased self-attribution», The Journal of Socio-Economics, 37, pp 1815-1824.

2. Acta Psychological, 47(2), pp143-148.

3. Admiti, A., and P. Pfeiderer, 1997, «Does It All Add Up? Benchmarks and the Compensation of Active Portflolio Managers», Journal of Business, 70, pp323-350.

4. Aftalion, F., 2005, « Le MEDAF et la Finance Comportementale», Revue Française de Gestion, 31, pp203-214.

5. Akhter, S., and MA. Misir , 2005, «Capital Markets Efficiency: Evidence from the Emerging Capital Market with Particular Reference to Dhaka Stock Exchange», South Asian Journal of Management, 12(3), pp35-51.

6. Albouy, M., et G. Charreaux, «La finance comportementale ou l'émergence d'un nouveau paradigme dominant?», Revue Française de Gestion, 2005/4, No157, pp139-143.

7. Alpert, M., and H. Raiffa, 1982, « A progress Report on the Training of probability Assessors» in Judgment Under Uncertainty: Heuristics and Biases, ed D. Kahneman, P. Slovic, and A. Tversky, Cambridge university press, pp 294-305.

8. Asch, S., 1952, Social Psychology, Englewood Cliffs, New Jersey, Prentice-Hall.

9. Avramov, D., T. Chordia, and A. Goyal, 2006, «Liquidity and autocorrelations in individual stock returns», Journal of Finance, 61(5), pp2365-2394.

10. Baker, HK., and JR. Nofsinger, 2002, «Psychological Biases of Investors», Financial Services Review, 11(2), pp97-116.

11. Banerjee, A.V., 1992, «A simple model of Herd behavior», The Quarterly Journal of Economics, 107(3), pp 797-817.

152

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

12. Banz, RW., 1981, « The relationship between return and market value of common stocks», Journal of Financial Economics, 9(1), pp3-18.

13. Barber, BM., and T. Odean, 2000, «Trading is hazardous to your wealth: The common stock investment performance of individual investors», Journal of Finance, 55(2), pp773-806.

14. Barber, BM., and T. Odean, 2001, «Boyswill be boys: Gender, Overconfidence and Common Stock Investment», Quarterly Journal of Economics, 116(1), pp261-292.

15. Barberis, N., A. Schleifer, and R. Vishny, 1998, «A model of investor sentiment», Journal of Financial Economics, 49, pp 307-343.

16. Barberis, N., and R. Thaler, 2002, «A survey of Behavioral Finance», Hand Book of the Economics of Finance. Elsevier Science B.V. 1052-1121.

17. Barberis, N., M. Huang, and T. Santos, 2001, «Prospect theory and Asset prices», The Quarterly Journal of Economics, 116(1), pp1-53.

18. Barberis,N., and R. Thaler, 2002, « A Survey of Behavioral Finance», Working Paper.

19. Basu, S, 1977, «Investment performance of common Stocks in relation to their price-earnings ratios: A test of the Efficient Market Hypothesis», The Journal of Finance, 32(3), pp 663-682.

20. Baumann, AO., RB.Deber, and GG.Thompson, 1991, «Overconfidence among Physicians and Nurses: The Micro-Certainty, Macro-Uncertainty Phenomenon», Social Science et Medicine, 32, pp167-174.

21. Becker, G.S., 1991, «A Note on Restaurant Pricing and Other Examples of Social Influence on Prices», Journal of Political Economy, 99 (5), pp1109-1116.

22. Benos, A.V., 1996, «Overconfidence speculators in call markets: Trade pattern and survival», Working Paper, HEC school of management.

23. Benos, A.V., 1998, «Aggressiveness and survival of overconfident traders», Journal of Financial Markets, 1 (3-4), pp353-383.

24. Bikhchandani, S., and S. Sharma, 2000, «Herd Behavior in Financial Markets», IMF Staff Papers, 47(3), pp 279-310.

153

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

25. Bikhchandani, S., D. Hirshleifer and I. Welch, 1998, «Learning from the Behavior of Others: Conformity, Fads, and Informational Cascades», Journal of Economic Perspectives, 12(3), pp151-170.

26. Bikhchandani, S., D. Hirshleifer, and I. Welch, 1992, «A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades», Journal of Political Economy, 100(5), pp992-1026.

27. Black, F., 1986, «Noise», Journal of Finance, 41(3), pp529-543.

28. Boubaker, A., 2004, « Tests de l'efficience informationnelle sur le marché boursier tunisien», Annales d'Economie et de Gestion, 7(14), pp83-117.

29. Bourbonnais, R., 2000, «Econométrie-Manuel et Exercices Corrigés», 3ème édition, DUNOD, pp 1-314.

30. Box, G. and M. Jenkins, 1976, «Time Series Analysis: Forecasting and Control», Holden-Day, revised edition.

31. Brenan, M., 1993, «Agency and Asset Prices», Finance Working Paper N°. 6-93, UCLA.

32. Bulkey, G., and I. Tonks, 1992, «Trading Rules and Excess Volatility», Journal of Financial and Quantitative Analysis, 27(3), pp365-382.

33. Busse, JA ., and TC. Green, 2002, «Market Efficiency in Real-Time», Journal of Financial Economics, 65, pp415-437.

34. Cajueiro, DO., and B.M. Tabak, 2009, «Multifractality and herding behavior in the Japanese stock market», Chaos, Solitons and Fractals, 40(1), pp 497-504.

35. Calvo, G., and E. Mendoza, 1998, «Rational herd behavior and globalization of securities markets», Mimeo, University of Maryland.

36. Campbell, J.Y and R.J. Shiller, 1987, «Co-integration and tests of present value models», Journal of Political Economy, 95, pp1062-1088.

37. Chan, WS., RM. Frankel, and SP. Kothari, 2003, «Testing Behavioral Finance Theories Using Trends and Sequences in Financial Performance», Social Science Research Network.

154

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

38. Chang, EC., JW. Cheng, and A. Khorana, 2000, «An examination of herd behavior in equity markets: An international perspective», Journal of Banking and Finance, 24(10), pp 1651-1679.

39. Chari, V.V., and P.J. Kehoe, 2002, «On the Robustness of Herds», Working Paper 622, Federal Reserve Bank of Minneapolis.

40. Chen, G., KA. Kim, JR. Nofsinger, and OM. Rui, 2007,«Trading Performance, Disposition Effect, Overconfidence, Representativeness Bias, and Experience of Emerging Market Investors», Journal of behavioral decision making, 20(4),p.425.

41. Chen, G., M. Firth, and O. Riu, 2001, «The Dynamic Relation Between Stock Returns, Trading Volume, and Volatility», Financial Review, 38, 153-174.

42. Chen, J., 2003, «An Entropy Theory of Psychology and its Implication to Behavioral Finance «, Social Science Research Network Electronic Paper Collection.

43. Chirstensen-Szalanski, Jay J., and JB. Bushyhead, 1981, «Physician's use of probabilistic information in a real clinical setting», Journal of Experimental Psychology: Human Perception and Performance, 7(4), pp928-935.

44. Choe, H., B. Kho, and R. Stulz, 1999, «Do foreign investors destabilize stock markets? The Korean experience in 1997», Journal of Financial Economics, 54(2), pp227-264.

45. Christie, WG., and RD .Huang, 1995, «Following the Pied Piper: Do Individual Returns Herd around the Market?», Financial Analysts Journal, 51(4), pp31-37.

46. Chuang, W-I., and B-S. Lee, 2006, «An empirical evaluation of the overconfidence hypothesis», Journal of Banking and Finance, 30(9), pp 2489-2515.

47. Clement, MB., and SY. Tse, 2005, «Financial Analyst Characteristics and Herding Behavior in Forecasting», Journal of Finance, 60(1), pp307-341.

48. Cooper, A.C., C.Y. Woo and W.C. Dunkelberg, 1988, «Entrepreneur's perceived chances for success», Journal of Business Venturing, 3, pp97-108.

49. Cote,I., and D.Sanders, 1997, « Herding Behavior: Explanations and Implications», Behavioral Research in Accounting, 9(1), pp20-45.

155

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

50. Coval, JD., and T. Shumway, 2005, «Do Behavioral Biases Affect Prices?», Journal of Finance, 60(1), pp1-34.

51. Coval, JD., and TJ. Moskowitz, 1999, «Home Bias at Home: Local Equity Preference in Domestic Portfolios», Journal of Finance, 54(6), pp2045-2073.

52. Coval, JD., and TJ. Moskowitz, 2001, «The Geography of Investment: Informed Trading and Asset Prices», Journal of Political Economy, 109(4), pp 811-841.

53. Cowles, A., 1960, «A Revision of Previous Conclusions Regarding Stock Price Behavior», Economtrica, 28(4), pp909-915.

54. Cowles, A., and H. Jones, 1937, «Some a posteriori probabilities in stock market action», Econometrica, 5, pp280-294.

55. Cuthberston, K., and S. Hyde, 2002, « Excess volatility and efficiency in French and German stock markets», Economic Modelling, 19, pp 399-418.

56. Daniel, K., D. Hirshleifer, and A. Subrahmanyam, 1997, «A Theory of Overconfidence, Self-Attribution, and Security Market Under-and Over reactions», Working Paper.

57. Daniel, K., D. Hirshleifer, and A. Subrahmanyam, 1998, «Investor psychology and security market under- and over reactions», Journal of Finance, 53 (6), pp1839- 1885.

58. Daniel, K., D. Hirshleifer, and SH. Teoh, 2002, «Investor psychology in capital markets: Evidence and policy implications», Journal of Monetary Economics, 49, pp139-209.

59. Darrat, AF., M.Zhong, and L.Cheng, 2007, « Testing the Implications of Overconfidence for Intraday Trading», Journal of Banking and Finance, 31(9), pp2711-2729.

60. De Bondt, W.F ., 1993, «Betting on trends. Intuitive forecasts of financial risk and return», International Journal of Forecasting, 9(3), pp355-371.

61. De Bondt, W.F., and R. Thaler, 1985, « Does the Stock Market Overreact?», Journal of Finance, 40(3), pp793-808.

156

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

62. De Long, J.B., and M. Becht , 1992, « Excess volatility and the German stock market», NBER Working Paper.

63. De Long, JB., A. Shleifer, LH. Summers, and RJ. Waldmann, 1990, «Noise Trader Risk in Financial Markets», Journal of Political Economy, 98(4), pp703-738.

64. Debondt, W.F., and R. Thaler., 1995, « Financial decision making in markets and firms: A behavioural perspective», in R.A. Jarrow, V. Maksimovic, and W.T. Ziemba, (eds.): Handbooks in Operations Research and Management Science, Finance, 9, pp383-410.

65. Demirer, R.J., D. Gubo, and A.M. Kutan, 2007, «An Analysis of Cross -Country Herd Behavior in Stock Markets: A Regional Perspective», Working Paper, London.

66. Demirer,R., A.M. Kutan, 2006, « Does Herding Behavior exist in Chinese Stock Markets?», Journal of International Financial Markets, Institutions and Money, 16(2), pp123-142.

67. Devenow, A., and I. Welch, 1996, «Rational Herding in Financial Economics», European Economic Review, 40(3-5), pp 603-615.

68. Dickey, D.A., and W.A. Fuller, 1981, Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Econometrica 49, 1057-1072.

69. Dumas, B., 2003, «Why the excess volatility?», Europlace Institute Conference.

70. Dunbar, FC., and D. Heller, 2006,« Fraud on The Market Meets Behavioral Finance», Delaware Journal of Corporate Law, 31(2), p.455.

71. Editorial Viewpoint, 1988, «October'87 and the Efficient Market», Financial Analysts Journal, 44(1), pp6-7.

72. Editorial, 2004, «Introduction to the special issue on behavioral finance», Journal of Empirical Finance, 11, pp 423-427.

73. Eichengreen, B.J., D.J. Mathieson., B. Chadha., A. Jansen., L. Kodes., and S. Sharma., 1998, «Hedge Funds and Financial Market dynamics», Occasional Paper, N° 166, International Monetary Fund.

157

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

74. Fama, EF., 1963, «Mandelbrot and the Stable Paretian Hypothesis», Journal of Business, 36(4), pp420-429.

75. Fama, EF., 1965a, «Random Walks in Stock Market Prices», Financial Analysts Journal, 21, pp55-59.

76. Fama, EF., 1965b, « The Behavior of Stock Market Prices», Journal of Business, 38(1), pp34-105.

77. Fama, EF., 1970, «Efficient Capital Markets: A Review of Theory and Empirical Work», Journal of Finance, 25(2), pp 383-417.

78. Fama, EF., 1991, «Efficient Capital Markets II», Journal of Finance, 46(5), pp 1575- 1617.

79. Fama, EF., 1998, «Market efficiency, long-term returns, and behavioral finance», Journal of Financial Economics, 49, pp 283-306.

80. Fama, EF., and KR. French, 1996, «Multifactor Explanations of Asset Pricing Anomalies», Journal of Finance, 51(1), pp55-84.

81. Fama, EF., and ME. Blume, 1966, «Filter Rules and Stock-Market Trading», Journal of Business, 39(1), pp226-241.

82. Fama, EF., and RF. French, 1992, « The Cross -Section of Expected Stock Returns», Journal of Finance, 47(2), pp427-465.

83. Fernandes, JLB., and JRH. Ornelas, 2005, «Momentum and Reversal Puzzle in Emerging Markets», Social Science Research Network.

84. Flavin, MA., 1983, «Excess Volatility in the Financial Markets: A Reassessment of the Empirical Evidence», Journal of Political Economy, 91(6), pp929-956.

85. French, KR., and R. Roll, 1986, «Stock Return Variances: The Arrival of Information and the Reaction of Traders», Journal of Financial Economics, 17(1), pp5-26.

86. Frieder, L., «Evidence on Behavioral Biases in Trading Activity», The Anderson School, Working Paper.

87. Friedman, M., 1953, «The case of Flexible Exchange Rates», in Milton Friedman (ed.), Essays in Positive Economics, University of Chicago Press, Chicago; IL.

158

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

88. Froot, K., and E. Dabora, 1999, «How are stock prices affected by the location of trade?», Journal of Financial Economics, 53(2), pp189-216.

89. Froot, K.A., D.S. Scharfstein and J.C. Stein, 1992, «Herd on the street; Informational Inefficiencies in a market with short-term speculation», Journal of Finance, 47, pp1461-1484.

90. Gervais, S., and T. Odean, 2001, «Learning to Be Overconfident», Review of Financial Studies, 14(1), pp1-27.

91. Glaser, M., and M. Weber, 2007, «Overconfidence and trading volume», Geneve Risk and Insurance Review, 32, pp1-36.

92. Glaser, M., and M. Weber, 2009, «Which past returns affect trading volume?», Journal of Financial Markets, 12, pp1-31.

93. Gleason, KC., I. Mathur, and MA. Peterson, 2004, «Analysis of intraday herding behavior among the sector ETFs», Journal of Empirical Finance, 11, pp 681-694.

94. Graham, J.R, 1999, «Herding among Investment Newsletters: Theory and Evidence», journal of Finance, 54, pp237-268.

95. Granger, C., 1969, «Investigating Causal Relationship between Econometric Methods and Cross-Spectral Methods», Econometrica, 37, 424-439.

96. Griffin, D., and A. Tversky, 1992, «The Weighing of Evidence and The Determinants of Confidence», Cognitive Psychology, 24, pp411-435.

97. Grossman, SJ., and RJ. Shiller, 1981, «The Determinants of the Variability of Stock Market Prices», American Economic Review, 71(2), pp222-227.

98. Harris, M., and A. Raviv, 1993, «Differences of Opinion Make a Horse Race», Review of financial Studies, 6, pp 222-227.

99. Hetherington, A., 2006, «Betting Against Efficiency: Behavioral Finance in an NFL Gambling Exchange», Yale University, Social Science Research Network.

100. Hibbert, AM., RT. Daigler, and B. Dupoyet, 2008, «A behavioral explanation for the negative asymmetric return-volatility relation», Journal of Banking and Finance, 32(10), pp 2254-2266.

159

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

101. Hiraki, T., and A. Ito, 2009, «Investor biases in Japan: Another pathology of Keiretsu», Pacific- Basin Finance Journal, 17, pp 100-124.

102. Hirshleifer, D., 2001, «Investor Psychology and Asset Pricing» Journal of Finance, 56(4), pp1533-1598.

103. Hirshleifer, D., 2007, «Psychological Bias as a driver of Financial Regulation», Social Science Research Network.

104. Hirshleifer, D., and G.Y.Luo, «On the Survival of Overconfident Traders in a Competitive Securities Market», Working Paper.

105. Hong, H., T. Lim, and J. Stein, 2000, «Bad News travels slowly, Size, Analyst Coverage, and the Profitability of Momentum Strategies», Journal of Finance, 55, pp265-295.

106. Huberman, G., 2001, «Familiarity Breeds Investment», Review of Financial Studies, 14(3), pp659-680.

107. Hwang, S., and M. Salmon, 2001, «A New measure of Herding and Empirical Evidence».

108. Hwang, S., and M. salmon, 2004, «Market stress and herding», Journal of Empirical Finance, 11, pp 585-616.

109. Jensen. MC., 1978, «Some Anomalous Evidence Regarding Market Efficiency», Journal of Financial Economics, 6(2/3), pp95-101.

110. John von Neumann and Oskar Morgenstern: Theory of Games and Economic Behavior, Princeton University Press (1944).

111. Jondeau, E., 2001, « Le comportement mimétique sur les marchés de capitaux », Bulletin de la banque de France, No 95, pp85-95.

112. Kahneman, D., and A. Tversky, 1974, «Judgment under Uncertainty: Heuristics and Biases», Science, 185, pp1124-1131.

113. Kahneman, D., and A. tversky, 1979, «Prospect Theory: An Analysis of Decision Under Risk», Econometrica, 47(2), pp263-291.

114. Kahneman, D., and A. Tversky, 1982, «Intuitive Predictions: Biases and Corrective Procedures».

160

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

115. Kandel, E., and ND. Pearson, 1995, «Differential Interpretation of Public Signals and Trade in Speculative Markets», Journal of Political Economy, 103(4), pp831- 872.

116. Kang, J-K., and RM. Stulz, 1997, «Why is there a home bias? An analysis of foreign portfolio equity ownership in Japan», Journal of Financial Economics, 46, pp3-28.

117. Karpoff, JM., 1987, «The relation between price changes and trading volume: A survey», Journal of Financial and Quantitative Analysis, 22, pp109-126.

118. Keynes, J.M., 1936, «The General Theory of Employment, Interest and Money», Macmillan Cambridge University Press, for Royal Economic Society.

119. Kidd, JB., 1970, «The utilization of subjective probabilities in production planning», Acta Psychological, 34, pp338-347.

120. Kim, KA .,and JR. Nofsinger, 2008, «Behavioral finance in Asia», Pacific-Basin Finance Journal, 16, pp 1-7.

121. Kirchler,E., and B. Maciejovsky, 2002, « Simultaneous over and under confidence: Evidence from Experimental Asset Markets», journal of risk and uncertainty, 25 (1), pp65-85.

122. Kleidon, A., 1986, «Variance bounds tests and stock price valuation models», Journal of Political Economy, 94, pp443-477.

123. Ko, K.J., and Z. Huang, 2007, « Arrogance can be a virtue: Overconfidence, information acquisition, and market efficiency», Journal of Financial Economics, 84, pp529-560.

124. Kyle, AS., and FA. Wang, 1997, «Speculation duoply with agreement to disagree: Can overconfidence survive the market test?», Journal of Finance, 52, pp2073-2090.

125. Lakonishok, J., A. Shleifer, and R. Vishny, 1992, «The impact of institutional trading on stock prices», Journal of Financial Economics, 32(1), pp23-44.

126. Lakonishok, J., A. Shleifer, and R. Vishny, 1994, «Contrarian investment, extrapolation, and risk», Journal of Finance, 48(5), pp1541-1578.

127. Lamoureux, CG., and WD. Lastrapes, 1990, «Heteroskedasticity in stock return data: Volume versus GARCH effects», Journal of Finance, 45, pp221-229.

161

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

128. Langer, E.J., 1975, «The illusion of control», Journal of Personality and Social Psychology, 32(2), pp311-328.

129. Langer,E.J and J. Roth, 1975, «Heads I win, tails it's chance: The illusion of control as function of the sequence of outcomes in a purely chance task», Journal of Personality and Social Psychology, 32(6), pp951-955.

130. Leroy, S., and R. Porter, 1981, «The present value reaction: Tests based on Variance Bounds», Econometrica, 49, pp555-574.

131. Lintner, J., 1965, «The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets», The Review of Economics and Statistics, 47(1), pp13-37.

132. Lo, AW., « Efficient Markets Hypothesis», Working Paper.

133. Lo, AW., 1991,«Long-Term Memory in Stock Market Prices», Econometrica, 59(5), pp1279-1313.

134. Lo, AW., 2004, «The Adaptive Markets Hypothesis: Market Efficiency From an Evolutionary Perspective», Working Paper.

135. Lo, AW., and AC. Mac Kinlay, 1988, « Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test», The Review of Financial Studies, 1(1), pp41-66.

136. Lucas, RE., 1978, « Asset Prices in An Exchange Economy », Econometrica, 46(6), pp1429-1445.

137. Lux, T., 1995, «Herd Behavior, Bubbles and Crashes», The Economic Journal, 105 (431), pp 881-896.

138. Mahajan, J., 1992, «The Overconfidence effect in Marketing Management Predictions», Journal of Marketing Research, 29, pp329-342.

139. Mangot, M., Paris 2004, « Les Comportements en bourse, 6 erreurs
psychologiques qui coûtent cher », Galino éditeur.

140. Mankiew, N.G., D. Romer, and M.D. Shapiro, 1985, « An unbiased Reexamination of Stock Market Volatility », Journal of Finance, 40, pp677-687.

162

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

141. Marimon, R., 1993, «Expectationally Driven Market Volatility: An Experimental Study», Journal of Economic Theory, 61(1), pp74-103.

142. Markowitz, H., 1952, «Portfolio Selection», Journal of Finance», 7(1), pp77-91.

143. Marsh, T., and R. Merton, 1986, «Dividend variability and variance bounds tests for the rationality of stock market prices», American Economic Review, 76, pp483- 498.

144. Marshall, BR., «How Quickly is Temporary Market Inefficiency Removed? », Massey University, Social Science Research Network.

145. Maug, E., and N. Naik, 1996, «Herding and Delegated Portfolio Management»', London Business School mimeo.

146. Mehra, R., and E.C. Prescott, 1985, «The Equity Premium: A Puzzle», Journal of Monetary Economics, 15(2), pp 145-161.

147. Mignon, V., 1998, « Marchés financiers et Modélisation des rentabilités boursières», Economica.

148. Morris, S., and H.S. shin, 1999, «Risk management with interdependent choice», Oxford Review of Economic policy, 15(3), pp653-686.

149. Mossin, J., 1966, «Equilibrium in a Capital Asset Market», Econometrica, 34(4), pp768-783.

150. Muth, JF., 1961, «Rational Expectations and the Theory of Price Movements», Econometrica, 29(3), pp315-335.

151. Naughton, T., 2002, «The winner is behavioral finance? , Journal of Financial
Services Marketing, 7(2), pp110-112.

152. Neale, M.A., and M.H. Bazerman, 1991, «Cognition and Rationality in negotiation», New York: The Free Press.

153. Nelson, D.B., 1991, «Conditional Heteroskedasticity in Asset Returns: A New Approach», Econometrica, 59(2), pp347-370.

154. Nofsinger, J., and R. Sias, 1999, «Herding and Feed back Trading by Institutional and Individual Investors», Journal of Finance, 54(6), pp2263-2295.

163

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

155. Odean, T., 1996, «Volume, Volatility, Price and Profit when all Traders are above Average», Working Paper series #266, University of California at Berkeley.

156. Odean, T., 1998a, «Volume, Volatility, Price, and Profit When All Traders Are Above Average», Journal of Finance, 53(6), pp1887-1934.

157. Odean, T., 1998b, «Are Investors Reluctant to Realize their Losses?» , Journal of Finance, 53, pp 1775-1798.

158. Odean, T., 1999, «Do Investors Trade Too Much?», American Economic Review, 89(5), pp1279-1298.

159. Oehler, A., and G. Chao, 2002, «Institutional Herding in Bond Markets», Unpublished Working Paper, Bamberg University, Germany.

160. Olsen, RA., 1998, «Behavioral Finance and Its Implications for Stock-Price Volatility», Financial Analysts Journal, 54(2), pp10-18.

161. Orléan, A., 1995, «Bayesian interactions and collective dynamics of opinion: herd behavior and mimetic contagion», Journal of Economic Behavior and Organization, 28(2), pp257-274.

162. Oskamp, S., 1965, «Overconfidence in case-study judgments», Journal of Consulting Psychology, 29(3), pp261-265.

163. Park, A., and H. Sabourian, 2006, «Herd Behavior in Efficient Financial Markets», Working Paper tepica-249, University of Toronto.

164. Persaud, A., 2000, «Sending the Herd off the Cliff Edge: The Disturbing Interaction Between Herding and Market-Sensitive Risk Management Practices», in Jacques de Larosière Essays on Global Finance, Washington.

165. Petty, RE, F. Gleicher and SM. Baker, 1991, «Multiple Roles for Affect in Persuasion, Emotion and Social Judgments «, Oxford: Pregamon Press, pp181-200.

166. Presson, PK., and VA. Benassi, 1996, «Illusion of Control: A meta-analytic review», Journal of Social Behavior and Personality, 11(3), pp493-510.

167. Reinganum, JF., 1981, « Market Structure and the diffusion of New technology», The Bell Journal of Economics.

164

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

168. Ricciardi, V., 2005, «A Research Starting Point for the New Scholar: A Unique Perspective of Behavioral Finance», Social Science Research Network.

169. Ricciardi, V., and HK. Simon, 2000, «What is Behavioral Finance?», Business, Education and Technology Journal, 2(1), pp26-34.

170. Ritter, JR., 2003, «Behavioral Finance», Pacific-Basin Finance Journal, 11, pp 429- 437.

171. Roll, R., 1992, «A Mean/Variance Analysis of tracking error», Journal of Portfolio Management, pp13-22.

172. Russo, J.E., and P.J.H. Schoemaker, 1992, «Managing overconfidence», Sloan Management Review, 33, pp7-17.

173. Samuelson, P., 1965, «Proof That Properly Anticipated Prices Fluctuate Randomly», Industrial Management Review, 6(2), pp41-49.

174. Saunders, EM ., 1993, «Stock Prices and Wall Street Weather», American Economic Review, 83(5), pp1337-1345.

175. Scharfstein, D.S., and J.C. Stein, 1990, «Herd Behavior and Investment«, American Economic Review, 80(3), pp465-479.

176. Scheinkman, J., and W. Xiong, 2003, «Overconfidence and Speculative bubbles», Journal of Political Economy, 111(6), p.1183.

177. Schwert, G.W., 1990, «Stock Volatility and The Crash of `87», The Review of Financial Studies, 3(1), pp 77-102.

178. Schwert, GW, 1989, «Why does stock market volatility change overtime?», Journal of Finance, 44, pp1115-1153

179. Sharpe, WF., 1964, «Capital Asset Prices: A theory of market equilibrium under conditions of risk», Journal of Finance, 19(3), pp425-442.

180. Shefrin, H., 2000, «Beyond Greed and Fear: Understanding Behavioral Finance and the Psychology of Investing», Boston MA: Harvard Business School Press.

181. Shefrin, H., 2002, «Beyond Greed and Fear: Understanding Behavioral Finance and the Psychology of Investing», Oxford University Press.

165

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

182. Shefrin, H., 2005, «A Behavioral Approach to Asset Pricing» Elsevier Academic Press.

183. Shefrin, H., and M. Statman, 1985, «the disposition to sell winners too early and ride losers too long: Theory and Evidence, Journal of Finance, 40(3), pp777-790.

184. Shiller, RJ., 1981, «Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?», American Economic Review, 71(3), pp421-436.

185. Shiller, RJ., 1989, « Market Volatility», Cambridge: MIT press.

186. Shiller, RJ., 1990, «Investor behavior in the October 1987 stock market crash», American Economic Review, 80, pp465-479.

187. Shiller, RJ., 1990, «Market Volatility and Investor Behavior», The American Economic Review, 80(2), pp58-62.

188. Shiller, RJ., 1999, «Human Behavior and the Efficiency of the Financial System», in Handbook of Macroeconomics, J. Taylor and M. Woodford( eds.), Amsterdam: Elsevier Science, pp 1305-1340.

189. Shiller, RJ., 2000, «Measuring Bubble Expectations and Investor Confidence», Journal of Psychology and Financial Markets, 1(1), pp49-60.

190. Shiller, RJ., 2002, «From Efficient Market Theory to Behavioral Finance», Cowles Foundation Discussion Paper No 1385.

191. Shleifer, A., 2000, «Inefficient Markets: An Introduction to Behavioral Finance», Oxford University Press.

192. Shleifer, A., and RW. Vishny, 1997, «The Limits of Arbitrage», Journal of Finance, 52(1), pp35-55.

193. Shleifer,A., and LH. Summes (1990), «The noise trader Approach to Finance», Journal of Economic Perspectives, 4(2), pp19-33.

194. Spieser, P., 2000, «information économique et marchés financiers «, Gestion, Politique générale, finance et marketing, Paris, Economica.

195. Staël Von Holstein and S. Carl-Axel, 1972, «Probabilistic forecasting: An experiment related to the stock market», Organizational Behavior and Human Performance, 8(1), pp139-158.

166

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

196. Statman, M., and S. Thorley, 1998, « Overconfidence and Trading volume», Working Paper, Santa Clara University.

197. Statman, M., S. Thorley, and K. Vorkink, 2006, «Investor Overconfidence and Trading Volume», Review of Financial Studies, 19(4), pp 1531-1565.

198. Stewart, P., 2006, «Behavioral Finance- Not To Be Ignored», Trusts and Estates, 145(6), pp46-50.

199. Stout, LA., 2003, «The Mechanisms of Market Inefficiency: An Introduction to the New Finance», Journal of Corporation Law, 28(4), p.635-669.

200. Suh, J., 2005, «Home Bias among Institutional Investors: A Study of The Economist Quarterly Portfolio Poll», Journal of Japanese and International Economies, 19(1), pp72-95.

201. Svenson, O., 1981, «Are we all less risky and more skilful than our fellow drivers?».

202. Tan, L.,TC. Chiang, JR. Mason and E. Nelling, 2008, «Herding behavior in Chinese markets: An examination of A and B shares», Pacific-Basin Finance Journal, 16, pp61-77.

203. Tao, L., 2003, «Overconfidence and Asset Prices», Duke University.

204. Taylor, S., and J.D. Brown, 1988, «Illusion and well-being: A social psychological perspective on Mental Health», Psychological Bulletin, 103(2), pp193-210.

205. Thaler, R., 1993, «Advances in behavioral finance», New York: Russell Sage Foundation.

206. Topol, R., 1991, « Bubbles and volatility of stock prices: effect of mimetic contagion», Economic Journal, 101, pp 786-800.

207. Trueman, B., 1994, «Analyst Forecasts and Herding Behavior», Review of Financial Studies, 7(1), pp97-124.

208. Utukus, SP., 2004, «Book Reviews», Journal of Pension Economics and Finance, 3(1), pp104-105.

209. Wagenaar, W., and G.B.Keren, 1986, «Does the expert know? The reliability of predictions and confidence ratings of experts», eds. E. Hollnagel, G. Maneini, and

167

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

D. Woods, Intelligent Decision Support in Process Environments, Berlin: Springer, pp 87-107.

210. Wang, A., 1997, «Overconfidence, Delegated Fund Management, and Survival», Working Paper, Columbia University.

211. Wang, H., 2004, «Dynamic volume-volatility relation», Working Paper.

212. Wang, J., 1993, «A model of intertemporal asset prices under asymmetric information», Review of Economic Studies, 60, pp249-282.

213. Weiner, R.J., and M.A. Green, 2004, «Do birds of a feather flock together? Speculator Herding in Derivatives Markets», Working Paper, George Washington University.

214. Welch, I., 1992, «Sequential sales, learning, and Cascades», the Journal of finance, 47(4), pp695-732.

215. Wermers, R., 1995, « Herding, Trade reversals, and the Cascading by Institutional Investors », University of Colorado mimeo.

216. Wermers, R., 1999, «Mutual Fund Herding and the Impact on Stock Prices», Journal of Finance, 54, pp581-622.

217. West, K.D, 1988, «Dividend innovations and stock price volatility», Econometrica, 56, pp37-62.

218. West, K.D., 1988, «Bubbles, Fads and Stock Price Volatility Tests: A Partial Evaluation», Journal of Finance, 43, pp639-656.

219. Wu, C-H., C-S. Wu, and VW. Liu, 2009, «The conservatism bias in an emerging stock market: Evidence from Taiwan», Pacific-Basin Finance Journal.

220. Zhou, RT., and RN. Lai, 2009, «Herding and Information Based Trading», Journal of Empirical Finance.

168

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Table des matières

Introduction générale 1

Chapitre1 : De la théorie d'efficience des marchés financiers à la finance

comportementale 5

Introduction 6

Section 1 : Prédiction de la théorie d'efficience 8

1.1. Revue de la théorie d'efficience des marchés financiers : L'hypothèse classique.. 8

1.2. Les formes d'efficience 11

1.2.1. La forme faible 11

1.2.2. La forme semi-forte .. 12

1.2.3. La forme forte 12

1.3. Les conditions nécessaires à l'efficience des marchés financiers 13

1.3.1. La gratuité et la libre circulation de l'information 13

1.3.2. La rationalité des investisseurs et les anticipations rationnelles 13

1.3.3. La liquidité et l'atomicité des investisseurs 14

1.3.4. L'absence des coûts de transaction . 14

1.4. Remise en cause de la théorie d'efficience 15

1.4.1. Les critiques adressées à la théorie d'efficience 15

1.4.1.1. La définition elle-même 15

1.4.1.2. Les conditions nécessaires à l'efficience des marchés financiers 15

1.4.1.3. Le problème d'hypothèse jointe 16

1.4.2. Les anomalies . 16

169

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

1.4.2.1. L'énigme du biais maison : « The home bias puzzle » 16

1.4.2.2. L'énigme de la prime des fonds : « The equity premium puzzle » . 17

1.4.2.3. L'effet taille : « Size effect » 17

1.4.2.4. L'effet PER : « Price-Earning-Ratio » ou «Book-To-Market» 17

1.4.2.5. Renversement des prix à long terme: « long-term price reversal » 18

1.4.2.6. La volatilité excessive et le volume excessif : « Excess volatility and volume ».. 18

Section 2 : La finance comportementale 19

2.1. Emergence de la finance comportementale .. 20

2.2. Les fondements de la finance comportementale 22

2.2.1. La psychologie de l'investisseur 22

2.2.1.1. Les croyances : (les biais cognitifs ou les biais comportementaux) .. 22

2.2.1.1.1. Le biais de conservatisme : « Conservatism bias » .. 23

2.2.1.1.2. L'heuristique de représentativité : « Representativeness bias » 23

2.2.1.1.3. Le biais de disponibilité : « Availibility bias » . 24

2.2.1.1.4. Le biais d'ancrage : « Anchoring bias » . 24

2.2.1.1.5. L'excès de confiance : « Overconfidence » 24

2.2.1.1.6. Le comportement grégaire (ou le comportement mimétique ou le

comportement moutonnier) : « Herd behavior » . 24

2.2.1.2. Les préférences . 25

2.2.1.2.1. La notion d'aversion à la perte 26

2.2.1.3. Les émotions humaines et les humeurs 27

2.2.2. Les limites à l'arbitrage 28

2.2.2.1. Le risque fondamental 29

2.2.2.2. Le risque des bruiteurs 29

170

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

2.2.2.3. Les coûts d'implantation 29

2.3. Conséquences de la finance comportementale sur les praticiens du marché .. 30

2.3.1. Les investisseurs 30

2.3.2. La finance d'entreprise ... 31

2.3.3. Les régulateurs du marché 32

Section 3 : Mise en lumière de l'énigme de volatilité excessive : Investigation

empirique sur le marché boursier tunisien 32

3.1. Description des variables et de l'échantillon 32

3.2. Stratégies des tests 33

3.2.1. Statistiques descriptives 33

3.2.1.1. Le Skewness .. 33

3.2.1.2. Le Kurtosis 33

3.2.1.3. Le test de Jarque-Bera .. 34

3.2.1.4. Statistiques descriptives des séries des prix et des dividendes 34

3.2.2. Tests de stationnarité .. 36

3.2.2.1. Tests de stationnarité de la série des prix 36

3.2.2.2. Tests de stationnarité de la série des dividendes 38

3.2.3. Test de bornes de variance : « Variance Bounds Test » de Shiller (1981) .. 40

3.2.3.1. Présentation du test . 40

3.2.3.2. Détection de la volatilité excessive sur le marché boursier tunisien : Résultats

et Commentaires 41

Conclusion . 46

Chapitre 2 : Etude de l'excès de confiance sur les marchés financiers 47

Introduction 48

Section 1 : Mise en évidence du phénomène de l'excès de confiance sur les marchés

financiers . 50

171

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

1.1. Définitions et caractéristiques de l'excès de confiance 50

1.1.1. Définitions 50

1.1.2. Caractéristiques .. 51

1.2. Les différentes formes de l'excès de confiance 54

1.2.1. L'effet mieux que la moyenne : « better-than-average effect » 54

1.2.2. L'illusion de contrôle . 54

1.2.3. Le mauvais calibrage : « miscalibration » 55

1.2.4. L'illusion de connaissance 55

1.3. Les diagnostics et les remèdes de l'excès de confiance . 55

1.3.1. Les diagnostics 55

1.3.2. Les remèdes 56

Section 2 : Mise en évidence théorique de l'effet de l'excès de confiance sur la

volatilité des cours boursiers 57

Section 3 : Détection de l'excès de confiance et de son incidence sur la volatilité des 60

cours boursiers : Validation empirique sur le marché boursier tunisien

3.1. Description des variables et de l'échantillon 60

3.2. Détection de l'excès de confiance .. 60

3.2.1. Mesure des rendements mensuels du marché .. 60

3.2.2. Mesure des volumes de transactions mensuels du marché 61

3.2.3 Analyse graphique des séries des rendements et des volumes de transactions

mensuels du marché . 62

3.2.4 Tests de stationnarité des séries des rendements et des volumes de

transactions mensuels du marché 63

3.2.4.1. Tests de stationnarité de la série des rendements mensuels

du marché 63

3.2.4.2. Tests de stationnarité de la série des volumes de transactions mensuels du

marché . 64

172

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

3.2.5. Statistiques descriptives des séries des rendements et des volumes de

transactions mensuels du marché 65

3.2.6. Test de causalité bi-variée entre volume de transaction et rendement du

marché . 67

3.3. Test de l'effet de l'excès de confiance sur la volatilité conditionnelle des

rendements boursiers 69

3.3.1. Décomposition du volume de transaction . 70

3.3.2. Modélisation de l'espérance conditionnelle des rendements du marché . 71

3.3.3. Relation entre excès de confiance et volatilité conditionnelle des rendements

du marché 73

3.3.3.1. Asymétrie de la dynamique de la variance conditionnelle 73

3.3.3.2. Spécification du modèle asymétrique 74

Conclusion . 77

Chapitre 3 : Examen du comportement grégaire sur les marchés

financiers 78

Introduction 79

Section 1 : Analyse financière des caractéristiques du comportement grégaire sur les

marchés financiers . 81

1.1. Définitions et types du comportement grégaire .. 81

1.2. Les causes du comportement grégaire rationnel 82

1.2.1. Modèles fondés sur l'information : Les cascades « Information-Based Herding

and Cascades » 83

1.2.2. Modèles fondés sur la réputation : « Reputation-Based

Herding » 84

1.2.3. Modèles fondés sur la rémunération : « Compensation-Based

Herding » 84

1.3. Les mesures de détection du comportement grégaire sur les marchés

financiers 85

1.3.1. La mesure LSV de Lakonishok,Shleifer et Vishny (1992) 85

1.3.2. La mesure PCM (Portfolio-Change-Measure) de Wermers (1995) . 87

173

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

1.3.3. La mesure CH de Christie et Huang (1995) 88

1.3.4. La mesure CCK de Chang, Cheng et Khorana (2000) .. 88

1.3.5. La mesure de Hwang (2001) . 89

1.4. Les caractéristiques du comportement grégaire sur les marchés financiers 89

Section 2 : Mise en évidence théorique de la répercussion du comportement grégaire

sur la volatilité des cours boursiers . 92

Section 3 : Détection du comportement grégaire et de son incidence sur la volatilité

des cours boursiers : validation empirique sur le marché boursier tunisien 93

3.1. Description des variables et de l'échantillon 93

3.2. Détection du comportement grégaire 94

3.2.1. Mesure des rendements mensuels du marché . 94

3.2.2. Mesure des CSAD mensuels du marché 95

3.2.3. Analyse graphique des séries des rendements et des CSAD mensuels du

marché . 96

3.2.4. Tests de stationnarité des séries des rendements et des CSAD mensuels du

marché . 97

3.2.4.1. Tests de stationnarité de la série des rendements mensuels du marché ... 97

3.2.4.2. Tests de stationnarité de la série des CSAD mensuels du marché . 99

3.2.5. Statistiques descriptives des séries des rendements et des CSAD mensuels du

marché . 101

3.2.6. Spécification de Chang, Cheng et Khorana (2000) 102

3.3. Le comportement grégaire asymétrique .. 104

3.3.1. Effets asymétriques du rendement du marché 104

3.3.2. Effets asymétriques du volume de transactions 106

3.3.3. Effets asymétrique de la volatilité .. 107

Conclusion 110

Conclusion générale . 112

174

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Annexe 115

Références bibliographiques . 151

Table de matières .................................................................................... 169

175

L'énigme de volatilité excessive des cours boursiers : Explication par la finance comportementale à

travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Excess volatility puzzle of stock prices: Explanation by behavioral finance across
overconfidence and herd behavior.
« Empirical validation on the Tunisian Stock Exchange Market »

Abstract

T

he emphasis on behavioral finance in recent decades has motivated us to dissert this memoir which aims to allow readers, not only, to know different behavioral biases, but also, to understand their contributions to explain the excess volatility of stock prices.

In order to achieve this purpose, we began by challenging the efficient market hypothesis and its inability to elucidate observed anomaly in financial markets. This was the reason bellow the appearance of a new field- behavioral finance, which assumes to bring a new light on the actual functioning of markets and its deficiencies, through a variety of behavioral biases. Our interest in this approach is focused particularly on the clarification of excess volatility across psychological aspects of investors, that is, the bias of overconfidence and the bias of herding behavior.

Once excess volatility is detected on the Tunisian Stock Exchange Market using Variance Bounds Test of Shiller (1981), a literature review will be conducted including the presentation of the two biases mentioned above and their contributions to explain excess volatility puzzle in stock prices. After this theoretical body, two empirical studies will be developed: the first one intended to detect overconfidence and to identify whether excess volatility of observed securities on the Tunisian stock market result from investors`s overconfidence, is inspired by the study of Chuang and Lee (2006) based on an asymmetric model EGARCH (1, 1). The second one intended to detect herd behavior and to identify whether excess volatility of observed securities on the Tunisian stock market result from investors's herd behavior, is inspired by the study of Tan et al. (2008) based on the calculation of Cross-Sectional Absolute Deviation (CSAD: measure of detection of herd behavior) according to the methodology proposed by Chang, Cheng et Khorana (2000) then on the regression of the asymmetric effects of herd behavior through market return, trading volume and volatility.

Key words: Efficient market hypothesis, Anomaly, Excess volatility, Behavioral finance, Variance Bounds Test, Overconfidence, Herd behavior, EGARCH.

L'énigme de volatilité excessive des cours boursiers : Explication par la finance
comportementale à travers l'excès de confiance et le comportement grégaire.
« Validation empirique sur la BVMT »

Résumé

L

`importance accordée à la finance comportementale ces dernières décennies est à l'origine de la dissertation de ce travail de recherche dont le but est de permettre aux lecteurs, non seulement ,de connaitre les différents biais comportementaux , mais aussi, de saisir leurs contributions à l'explication de la volatilité excessive des cours boursiers.

Ayant fixé l'objectif à aborder, nous avons commencé par une remise en cause de l'hypothèse d'efficience des marchés financiers, tout en mettant en exergue son incapacité à élucider les anomalies observées sur les marchés financiers, ce qui à donner naissance à une nouvelle voie de recherche- la finance comportementale, qui, elle, cependant, à consentit d'apporter un éclairage nouveau sur le fonctionnement réel des marchés ainsi que ses anomalies à travers une panoplie de biais comportementaux . Notre intérêt dans cette démarche, est porté, en particulier, sur l'éclaircissement du caractère excessif de la volatilité par des aspects psychologiques des investisseurs, à savoir, le biais d'excès de confiance et le biais du comportement grégaire.

Une fois la volatilité excessive est détectée sur le marché boursier tunisien à l'aide du test de bornes de variance de Shiller (1981), une revue de la littérature sera menée traitant la présentation des deux biais évoqués cidessus ainsi que leurs contributions à l'explication de l'énigme de volatilité excessive des cours boursiers. Après ce corpus théorique, deux études empiriques seront élaborées : la première étude empirique visant à détecter l'excès de confiance et à identifier si la volatilité excessive des titres observés sur le marché boursier tunisien résulte de l'excès de confiance des investisseurs, est inspirée par l'étude de Chuang et Lee (2006) portant sur un modèle asymétrique EGARCH (1,1). La seconde étude visant à détecter le comportement grégaire et à identifier si la volatilité des titres observés sur le marché boursier tunisien est due au comportement grégaire des investisseurs, est inspirée par l'étude de Tan et al. (2008) qui consiste, à calculer l'écart type absolu transversal (CSAD : mesure de la détection du comportement grégaire) conformément à méthodologie proposée par Chang, Cheng et Khorana (2000), puis de régresser les effets asymétriques du comportement grégaire moyennant le rendement du marché, le volume de transactions et la volatilité.