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


Home | Publier un mémoire | Une page au hasard

 > 

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


par Mohammed EL MASSAADI
Université Mohammed V de Rabat - Master 2022
  

précédent sommaire suivant

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

3.3.1.4. Estimation du modèle DCC-GARCH (1, 1) pour les rendements géométriques de l'indice sectoriel « Bâtiments et MC» et l'indice principal « MASI ».

Le tableau 4 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 « Bâtiments et MC».

Variable

Paramètre

Value

Std. Error

t-stat

Pr(>|t|)

MASI
Index

Equation de la moyenne

Il1

0.000451

0.000136

3.3280

0.000875

Equation de la variance

Ù

0.000005

0.000001

8.7768

 
 

0.203335

0.000000á1

0.023785

8.5489

0.000000

I31

0.691917

0.031131

22.2261

0.000000

Persistance : á1 + I31

0.895252

Secteur

Bâtiments et MC

Equation de la moyenne

Il1

0.000516

0.000292

1.7679

0.077081

Equation de la variance

Ù

0.000047

0.000014

3.3352

0.000852

á1

0.221462

0.055538

3.9876

0.00067

I31

0.553276

0.096736

5.7194

0.000000

Persistance : á1 + I31

0.774738

MASI/

Bâtiments et MC

Equation de la corrélation

áDCC

0.077747

0.017547

4.4309

0.000009

I3DCC

0.783195

0.057778

13.5553

0.000000

Persistance : áDCC + I3DCC

0.860942

Tableau 4 : Estimation du modèle DCC-GARCH pour le « MASI » et l'indice « Bâtiments et MC».

Nous remarquons d'après le tableau 4 exhibant les paramètres du modèle DCC-GARCH (1.1) entre le « MASI », et l'indice sectoriel « Bâtiments et MC», que les coefficients du modèle de corrélation conditionnelle DCC-GARCH sont statistiquement significatifs au seuil de 1%.

Les paramètres conjoints áDCC et I3DCC 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 cours est dynamique.

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

à zéro (áDCC 0), le coefficient I3DCC est largement supérieur à zéro (I3DCC >>> 0), et la somme de
deux qui est inférieure à 1 ( áDCC + I3DCC < 1).

De plus, Ces paramètres de corrélation stimulés montrent une adhésion à la restriction qui leur est imposée, à savoir áDCC + I3DCC = 0.077747 + 0.783195 = 0.860942 < 1, ce qui suggère que la matrice de corrélation estimée Dt est définie positive.

Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022 Page 81 sur 113

Mohammed EL MASSAADI FSJES-Agdal MSDG/Finance 2021-2022 Page 82 sur 113

Le coefficient I3occ étant égal à 0.860942 est proche de la valeur de 1, cette valeur du coefficient beta montre une forte corrélation conditionnelle entre les deux indices. Le coefficient apcc étant égal à 0.077747 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 sectoriel « Bâtiments et MC» au « MASI ». La persistance de la corrélation conditionnelle calculée à travers la somme est très importante, elle atteint 0.860942 est proche de 1.

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

La figure 4 affiche la corrélation conditionnelle dynamique entre le « MASI » et l'indice «Bâtiments et MC», estimée par le modèle DCC-GARCH (1,1) :

MASI/BAT&MC

.80 .75 .70 .65 .60 .55 .50

 

16 17 18 19 20 21 22

Figure 4 : Corrélation conditionnelle dynamique entre l'indice sectoriel « Bâtiments et MC»

et l'indice principal « MASI » estimée par le modèle DCC-GARCH(1,1).

La figure 4 illustre la corrélation conditionnelle entre l'indice sectoriel « Bâtiments et MC» et l'indice principal « MASI », la corrélation conditionnelle estimée entre les deux indices reste en général non stable avec de faibles fluctuations, elle fluctue dans l'ensemble entre 0.6 et 0.75. On remarque aussi que la corrélation diminue vers le début de l'année 2020 jusqu'au 0.55.

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.

précédent sommaire suivant






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








"Il faut répondre au mal par la rectitude, au bien par le bien."   Confucius