I.I.4 TEST DE SIGNIFICATIVITÉ
Comment pouvons-nous juger de la significativité des
tests réalisés selon les modèles théoriques
réalisés précédemment? Plusieurs étapes
peuvent être mise en Ïuvre pour en tirer une hypothèse
viable. Afin de montrer la véracité du raisonnement
utilisé dans cette étude, nous allons dans un premier temps
étudi er, en passant par la technique des moindres carrés
ordinaires, un actif considéré indépendamment avant
d'initier une analyse sur données associées.
I.I.4.1 MOINDRES CARRÉS ORDINAIRES
Dans la littérature économétrique, une
rentabilité anormale est assimilable à un point aberrant par
rapport à une suite de variables iid. Dans notre étude, nous
usons des hypothèses classiques dans laquelle les moindres carrés
ordinaires sont donnés par le vecteur des espérances des
Ai lignes et de la matrice de variances-covariances des Ai
lignes et des Ai colonnes de cette erreur. Nous avons :
E öi Xi =
0
2
Vi ö i
|
'
Xi = 2( i) +
2( i) Xi
(Xi'Xi)
1Xi
|
|
vi, MM vi,
MM
1
(Rm, Rm)2
Oü I montre formellement la matrice identifiée par
les Ai lignes et des Ai colonnes. Parce qu'il prend en compte
un élément additionnel lié à l'étude de
l'indice de référence, les indicateurs v!,, de la diagonal
Vi dans le modèle de marché prend l'expression
suivante:
= 2( i) 1+ +
N
(Rm,t Rm)2
N
t
=2( i).Cm,
Oü Rm se rapporte au taux de
rentabilité moyen de l'indice de référence sur
Ni. Nous le verrons dans la sous-section suivante lorsque Pattel dans
son ouvrage publié en 1976 et Boehmer dans sa publication de 1991,
utilisent cette expression dans leurs tests statistiques. En outre, cette
formule permet de dissocier la hausse de la volatilité, exprimée
par l'écart-type des fluctuations des cours, et la perturbation
liée aux rentabilités anormales. Logiquement, l'accroissement de
la variance est une fonction décroissante du nombre d'observations N
utilisé pour estimer les valeurs des paramètres. Cela a pour
effet de lisser la volatilité de l'étude des rentabilités
normales. C'est pour cette raison qu'il est justifié d'utiliser un laps
de temps N équilibré entre stabilité et
précision. L'augmentation sera d'autant plus forte que les conditions de
marché dans lesquelles sont calculées les rentabilités
anormales s'écartent de celles qui avaient cours lors de la phase
d'estimation des paramètres. Dans les faits, la valeur
de a2(E1) est inconnue. Nous utiliserons alors l'estimateur sans
biais noté a2(E1). Pour ce faire, nous serons amenés
à utiliser l'estimateur 11L de la matrice de
variances-covariances des taux anormaux dont la formule est
donnée par15:
öVi ö 2(
i) + ö 2( i)
Xi
'(Xi'Xi)
1Xi
Exprimé par la quantité, calculé avec :
övi, MM = ö 2(
i) 1+ N1
|
+
|
(Rm, Rm)2
|
|
|
t
övi, M M = ö 2(
i).Cm,
1 5 Nous devons savoir si l'analyse de cette dernière
donnée est homoscédastique. En cas contraire, le risque
spécifique peut biaiser les calculs. Boehmer se propose d'étudier
se corollaire à travers une étude statistique.
|