H-KONG
|
.3 .2 .1 .0
-.1
-.2
-.3
-.4
|
|
1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5
|
.3 .2 .1 .0
-.1
-.2
-.3
-.4
|
|
1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5
1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5
1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5
1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5
|
.2
.1
.0
-.1
-.2
-.3
-.4
|
|
|
1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5
|
USA
SING POUR
On constate à la figure 5 que l'indice japonais
à une allure différente de celle des autres pays. En effet, de
1990 environ à 2007, aucune tendance ne semble se détacher de la
série, celle-ci atteignant une sorte de plateforme. Étant
donné que cette tranche représente plus de la moitié de
l'échantillon, cela pourrait s'avérer un élément
important au niveau des tests de normalité qui seront effectués.
De plus, on constate que le marché japonais a connu une croissance
spectaculaire parmi tous les pays, toutes les époques confondues, sans
indices passant d'environ 1000 à 4500 au cours de la période
1985-1989.
Tableau 5 : récapitulatif des statistiques
descriptives des rendements
|
France
|
G.B
|
USA
|
Japan
|
Singapour
|
H.Kong
|
Monde
|
|
Moyenne (%parannée)
|
8.64
|
7.20
|
6.99
|
6.61
|
5.86
|
5.68
|
7.16
|
|
Écart type (%parannée)
|
22.75
|
20.45
|
15.74
|
21.76
|
28.17
|
33.08
|
15.81
|
|
Asymétrie
|
-0.66*
|
-0.57*
|
-0.98*
|
0.12
|
-0.41*
|
0.42*
|
-0.68*
|
|
Aplatissemet
|
6.03*
|
5.88*
|
8.85*
|
3.50
|
7.38*
|
10.62*
|
8.79*
|
|
Minimum en%
|
-32.07
|
-31.34
|
-30.95
|
-18.26
|
-45.23
|
-47.86
|
-24.54
|
|
Maximum en %
|
23.27
|
19.91
|
15.95
|
23.83
|
42.42
|
58.13
|
21.54
|
|
JB
|
192.00*
|
168.29*
|
666.67*
|
557
|
347.86*
|
1026*
|
61904*
|
|
Q12
|
13.27
|
32.16
|
13.00
|
18.89
|
18.13
|
33.93
|
15.20
|
* significatif au seuil de 1%
** significatif au seuil de 5%
*** significatif au seuil de 10%
JB. test de normalité de Jaque-Bera Q(12) : test de
Ljung-Box d'ordre 12
La lecture de ce tableau nous renseigne que les coefficients
d'asymétrie sont majoritairement significativement négatifs, la
distribution des séries est étalée vers la gauche, ce qui
prouve que, dans la plupart du temps, l'effet d'un choc négatif est plus
important que celui d'un choc positif. On remarque aussi le caractère
leptokurtique des séries de rendements car le coefficient
d'aplatissement centré est supérieur à trois pour toutes
les séries. L'aplatissement excédentaire témoigne d'une
forte occurrence des points extrêmes, donc une distribution à
queues épaisses. En définitive, exception faite du Japon,
l'hypothèse de la normalité est rejetée pour tous les
marchés nationaux y compris le marché mondial comme l'illustre le
test de Jaque et Berra. Ceci nous conforte dans l'estimation d'un modèle
non linéaire et plus particulièrement d'un modèle de type
GARCH multivarié asymétrique présenté plus haut qui
permet de capter ces propriétés.
En scrutant aussi ce tableau, il est manifeste que la France a
le rendement mensuel moyen le plus important, Hong Kong a le score le plus bas.
En terme de volatilité ce sont les États-Unis qui sont le
marché le moins volatil ce qui pourrait s'expliquer par le fait que les
rentabilités sont toutes converties en dollar américain et par
conséquent la variance non conditionnelle n'inclue pas pour le cas
américain le risque de change. Sans surprise, les marchés les
plus volatils sont les deux marchés émergents à savoir :
Singapour et Hong Kong.
Le test de Ljung-Box nous confirme l'absence
d'autocorrélation sérielle pour tous les indices financiers,
raison pour laquelle l'inclusion d'un ajustement autorégressif (AR) dans
le processus régissant la moyenne ne s'impose pas.
Le tableau 2 quant à lui nous éclaire sur les
corrélations des rendements des différents marchés
étudiés et l'indice mondial.
Tableau 6 : Corrélations des
rentabilités
|
CORRÉLATION
|
FRANCE
|
SINGAPOUR
|
JAPAN
|
GB
|
USA
|
H,KONG
|
MONDE
|
|
FRANCE
|
1
|
|
|
|
|
|
|
|
SINGAPOUR
|
0,37603521
|
1
|
|
|
|
|
|
|
JAPAN
|
0,40092226
|
0,38312411
|
1
|
|
|
|
|
|
GB
|
0,54666827
|
0,41430782
|
0,38622527
|
1
|
|
|
|
|
USA
|
0,525724
|
0,51581535
|
0,3579113
|
0,55481716
|
1
|
|
|
|
H,KONG
|
0,34048409
|
0,64804139
|
0,33385661
|
0,38316968
|
0,47313219
|
1
|
|
|
MONDE
|
0,61877033
|
0,50502593
|
0,66077484
|
0,67499472
|
0,7956911
|
0,46160933
|
1
|
Ce tableau nous indique que les marchés
industrialisés occidentaux et le Japon sont fortement
corrélés avec l'indice mondial comme le témoigne la
dernière ligne. Sans surprise la corrélation la plus consistante
avec l'indice mondial est celle des Etats-Unis qui s'élève
à presque 80%. H.Kong présente une corrélation de 64% avec
le Singapour.
L'analyse de ces corrélations inconditionnelles
suggère a priori que l'intérêt de la stratégie de la
diversification demeure alléchant de point de vue de l'optimisation du
rapport rendement risque.
Nous savons, d autre part, que le processus GARCH (1,1) est le
mieux adaptable pour la modélisation des séries
financières. Ceci est un fait stylisé très bien
documenté dans la littérature empirique de Bollerslev (1986),
Pour nous en convaincre, nous établirons dans le tableau 7 les
autocorrélations et les corrélations croisées des
carrés des excès de rentabilités.
Tableau 7 : Autocorrélations et
corrélations croisées des excès de
rentabilités
| 
