Memoire Online - Mesure de l'interdépendance du marché boursier marocain par le modèle DCC-GARCH

Le tableau 2 affiche l'estimation de l'équation de la moyenne conditionnelle, l'équation de la variance et l'équation de la corrélation pour la série des rendements géométriques de l'indice bancaire.

Variable	Paramètre	Value	Std. Error	t-stat	Pr(>\|t\|)
Masi Index	Equation de la moyenne
	Il1	0.000451	0.000136	3.3118	0.000927
	Equation de la variance
	Ù	0.000005	0.000001	8.9378	0.000000
	á1	0.203335	0.023544	8.6364	0.000000
	13₁	0.691917	0.030795	22.4685	0.000000
	Persistance : á₁ + 13₁	0.895252
Secteur Assurances	Equation de la moyenne
	Il₁	0.000339	0.000171	1.9770	0.048045
	Equation de la variance
	Ù	0.000007	0000001	13.2427	0.000000
	á₁	0.148133	0.018106	8.1816	0.000000
	131	0.755418	0.024826	30.4285	0.000000
	Persistance : á1 + 131	0.903551
Masi/ Assurances	Equation de la corrélation
	áocc	0.053644	0.010801	4.96668	0.000001
	13occ	0.917910	0.018355	50.0077	0.000000
	Persistance : áocc + 13occ	0.971554

Tableau 2 : Estimation du modèle DCC-GARCH pour l'indice « MASI » et l'indice Bancaire.

Nous remarquons d'après le tableau 2 exhibant les paramètres du modèle DCC-GARCH (1.1) entre le « MASI », le principal indice de la Bourse marocaine et l'indice du secteur bancaire, que les coefficients du modèle de corrélation conditionnelle DCC-GARCH sont statistiquement significatifs au seuil de 1%.

Les paramètres conjoints áocc ^et 13occ sont plus significatifs que les paramètres individuels a et [3 qui sont estimés du modèle GARCH univarié. Cela montre que la volatilité capturée par la méthode GARCH (1,1) est sous-estimée, mais la volatilité capturée par le modèle DCC-GARCH est plus traitée et estimée avec plus de précision.

Cependant, les paramètres de corrélation DCC-GARCH pour la période étudiée sont également différents de zéro, ce qui implique que la corrélation entre les deux indices est dynamique.

Nos résultats sont cohérents avec ceux de la théorie. Le coefficient est approximativement égal

à zéro (áocc 0), le coefficient 13occ est largement supérieur à zéro (13occ >>> 0), et la somme
de deux qui est inférieure à 1 ( _áocc + 13occ < 1).

De plus, Ces paramètres de corrélation stimulés montrent une adhésion à la restriction qui leur est imposée, à savoir áocc + 13occ = 0.053644 + 0.917910 = 0.971554 < 1, ce qui suggère que la matrice de corrélation estimée D_t est définie positive.

Le coefficient I3occ étant égal à 0.917910 est proche de la valeur de 1, cette valeur du coefficient beta montre une forte corrélation conditionnelle entre les deux indices. Le coefficient aocc étant égal à 0.053644 est proche de 0. D'autre part, les deux coefficients sont statistiquement significatifs( p - value < 5%), cette significativité des coefficients confirme la sensibilité de l'indice Bancaire à l'indice principal « MASI ». La persistance de la corrélation conditionnelle calculée à travers la somme de aDcc ^et IDCc et est très importante, elle atteint 0.917910 est proche de 1.

Nos résultats montrent que le rendement de l'indice du secteur Bancaire est influencé par la volatilité de l'indice « MASI ». Les chocs de volatilité du marché ont un effet persistant sur le rendement de l'indice du secteur Bancaire. Au vu de ces résultats concluants, nous pouvons conclure que les deux indices sont fortement interdépendants.

La figure 2 affiche la corrélation conditionnelle dynamique entre l'indice Bancaire et l'indice principal « MASI » estimée par le modèle DCC-GARCH (1,1) :

Figure 2 : Corrélation conditionnelle dynamique entre l'indice Bancaire et le « MASI » estimée par le modèle DCC-GARCH(1,1).

La figure 2 illustre la corrélation conditionnelle entre le secteur « Assurances » et l'indice « MASI », la corrélation conditionnelle estimée entre les deux indices reste en général non stable avec de faibles fluctuations, elle fluctue dans l'ensemble entre 0.75 et 0.86. On remarque aussi que la corrélation diminue vers le début de l'année 2017 jusqu'au 0.7.

Il est clair qu'il existe une corrélation dynamique conditionnelle entre les deux indices qui évolue en fonction du temps bien le coefficient est parfois grand et parfois petit.

Mesure de l'interdépendance du marché boursier marocain par le modèle DCC-GARCH

3.3.1.2. Estimation du modèle DCC-GARCH (1, 1) pour les rendements géométriques de l'indice du secteur bancaire et l'indice « MASI ».