Comment réglementer les ventes à découvert sans détériorer la liquidité de marches financières ?

 

Partie 2 : Revue de littérature

21.Le fonctionnement de la vente à découvert

211.La couverture de la vente à découvert

Par leur nature, les opérations sur les marchés boursiers se départagent en deux catégories bien distinctes, il y a les opérations à court terme ou au comptant, et les opérations à long terme, incluant la vente à découvert.

Les opérations au comptant et les opérations à terme

Par définition, « les opérations au comptant sont celles qui lient la fixation de prix et la livraison des devises. Cette dernière se fait au maximum deux jours ouvrables après la transaction elle-même (dates de valeur). »[1] Autrement dit, la détermination « au comptant » réside sur l’appartenance de la fixation du prix et de la livraison des produits à une seule date. Ici, l’auteur a prix l’illustration des marchés de devises dont le cours varie du jour au lendemain en fonction des volumes de l’offre et de la demande.

Par contre, les opérations à terme ou opérations forward sont des caractérisées par le décalage entre la fixation du prix des produits et la livraison. Cela peut être une durée de 1, 3, 6 ou 10 mois[2].

La spéculation à la hausse et la spéculation à la baisse

D’un autre point de vue, on peut aussi classifier deux types de raison qui poussent les investisseurs[3] à intervenir dans la bourse.  Les amateurs qui pratiquent la spéculation à la hausse et les professionnels qui s’initient à la spéculation à la baisse.

Dans la spéculation à la hausse, l’investisseur anticipe l’accroissement des cours des valeurs et va acheter des actions, ou des calls, il se peut aussi qu’il vendra des options put. Après un certain moment, il songera à garder la même position si les cours des valeurs accroissent ou les titres ne se tiennent plus. Ainsi le calcul des rendements d’un titre se fait par la différence entre le prix du titre à la hausse et le prix d’acquisition[4].

Par ailleurs, le deuxième type d’investisseur qui pratique la spéculation à la baisse s’opère d’une façon contraire au premier.  Il se lance à l’achat des options put ou à la vente d’un titre qu’il ne dispose pas tout en anticipant la baisse d’une valeur ou des marchés. Ainsi, le calcul des rendements se fait à partir de la différence le prix de vente initial et le prix de rachat à la fin de la période de découvert. Comme il est exposé dans la première partie, les supports habituels de la vente à découvert sont les actions en SRD, les contrats à terme ou futures et les options.

Pour illustrer ces propos, les figures ci-après apportent plus de clarification sur la spéculation à la hausse et celle à la baisse.

Les supports de la vente à découvert

Avant de mettre en exergue les différents supports possibles pour la vente à découvert, il convient en premier temps d’aborder ce que qu’elle signifie.

Au sens étroit du terme, un investisseur pratique la vente à découvert au moment ou il songe à vendre des actions qu’il ne détient en son portefeuille dans l’objectif de les racheter ultérieurement à un prix inférieur. Suivant cette définition, la vente à découvert rentre dans les opérations de spéculation à la baisse indiquée sur la figure en dessus.

Au sens large, l’AMF accorde une vision plus étendue de la vente à découvert. Selon ces propos, « il convient tout d’abord de noter que la notion de vente à découvert recouvre différentes acceptations et situations. On peut dans une première approche définir la vente à découvert comme une vente de titres qui expose le vendeur à un risque de gain ou de perte selon que respectivement le cours des titres vendus baisse après la cession ou au contraire monte. Elle s’oppose à une vente couverte, qui rend le vendeur insensible à une baisse ou à une hausse des titres concernés après leur cession. »[5] Cette approche de l’AMF se rapporte à une distinction basée sur l’ampleur des risques et l’existence de la couverture de la vente.

Compte ténu des risques qu’elle engendre, la vente à découvert est seulement praticable avec un nombre limité d’instrument à savoir les actions en SRD, les contrats à terme ou futures et le contrat d’option.

Le service de règlement différé ou SRD

Le SRD est un autre  type de marché sur lequel les investisseurs (spéculateurs à la baisse) prennent la peine de négocier des titres de nombreuses sociétés françaises ainsi que d’autres sociétés étrangères. Toutefois, certaines sociétés comme Michelin et Nestlé n’accordent aucun droit de vente à découvert pour leurs titres. Le trait caractéristique des opérations avec SRD est le paiement à crédit des actions et des obligations échangées, autrement dit, il faut attendre la fin du mois boursier pour que l’acheteur puisse payer le prix des titres et en contrepartie, le vendeur lui délivrera les titres négociés. Il faut noter que le mois boursier se termine 5 jours avant la fin du mois boursier classique. Si à ce période, l’acheteur et/ou le vendeur s’apprête à prolonger l’échéance du paiement, l’auteur devra formuler une demande de report en payant un taux d’intérêt.[6]

Tout compte fait, le processus de la vente à découvert s’apparente à celui-ci[7] : un investisseur désire investir en SRD sur des titres qu’il choisisse. En principe, il passera auprès d’un intermédiaire financier ou boursier avec un « ordre d’achat » avec mention « SRD ». L’intermédiaire, en retour, exige une « avance de fond » afin qu’il puisse porter garant de l’acquisition des titres comme une opération au comptant. Ensuite, il demande à l’acheteur de payer deux sommes à savoir les frais habituels et la commission de règlement différé. Une fois payé, l’acheteur pourra acquérir ses actions. Pour plus de clarté, le figure ci-après démontre ce processus.

 

En outre, les places boursières émettent certains critères pour qu’un titre soit éligible au service de règlement différé. Parmi ces places, on peut citer distinguer la place boursière de Paris à titre d’illustration qui diffuse trois conditions d’éligibilité à savoir :

-la valeur de la capitalisation boursière devra être supérieure ou égale à un milliard d’euros

-le volume moyen des capitaux échangés sur le marché devra être supérieur à un million d’euros

-les titres qui font l’objet des achats devront avoir une contrepartie ou bien une couverture selon leur nature. Cette somme s’appelle « couverture minimale règlementaire ».[8]

Les contrats et les marchés des futures

Un contrat future est un type de contrat de livraison ultérieure d’une marchandise, d’un lot de marchandise ou d’un produit financier  entre deux parties qui déterminent à l’avance le prix, le volume d’actions et l’intérêt généré. Au départ, le future sert à se couvrir des mauvaises conjonctures du contrat à terme « forward » sur les taux d’intérêt développé sur le CBOT ou Chicago Board of Trade à compter de l’année 1975. A cet égard, le contrat forward et le contrat future sur les taux d’intérêt ont des traits communs néanmoins, la souplesse du contrat future réside sur la possibilité de transformation d’un titre de dette en une transaction future suivant une date prédéterminée.

La démonstration du processus de contrat future est illustrée ci-après par un exemple[9] de contrat Long Gilt coté sur Euronext.Liffe.

L’Etat britannique émet des obligations d’une valeur de 100 000 livres à échanger sur le marché par le moyen d’un contrat future Long Gilt. Le 1^er février, un investisseur A liquide un future dont la valeur nominale est de 100 000 livres, à un prix de 115 et dont l’échéance est en en juin. Par ce contrat, l’agent A s’appète à transférer des obligations publiques de l’Etat britannique à une valeur de 100 000 livres à son cocontractant, l’agent B. Par contre, l’agent B s’apprête à acquérir des obligations de valeur nominale 100 000 livres avec un montant de 115 000 livres. Lorsque le contrat arrive à son terme, deux cas peuvent se présenter.

-si les taux d’intérêt sur le Long Gilt augmentent entre le mois de février et le mois de juin, l’acheteur, agent B, perd et le vendeur A gagne. Mais le gain de l’un est égale la perte de l’autre.

-si les taux d’intérêt sur le Long Gilt diminuent entre le mois de février et le mois de juin, l’agent B gagne et le vendeur A perd d’un montant égal.

Par exemple, si le cours diminue de 5000, le vendeur gagne 5000 parce qu’il vendait des obligations de valeur nominale 115 000 pour une valeur de 110 000, alors que l’acheteur perd le même montant parce qu’il achète à une valeur nominale de 115 000 pour des obligations de valeur 110 000. Dans le cas contraire, c’est-à-dire le cours augmente, les gains et les pertes se permutent.

En outre, les transactions des futures se font en général sur les marchés organisés partout dans le monde entre autres le NYFE, le CBOT, le CME, l’Euronext.Liffe et l’Eurex. La concurrence entre ces différentes places financières est rude car chacune d’entre elle tient à offrir des conditions très attractives pour attirer plus d’intervenants de nature à faire augmenter le nombre de transactions et de contrats. En plus, la globalisation des marchés financiers par le recours à la nouvelle technologie de traitement en « temps réel » des opérations permet de centraliser les données et les informations sur presque tous les marchés et de les diffuser rapidement au profit des investisseurs.

Les contrats d’options

Tout d’abord, l’option se définit comme « un contrat ou une entente entre un acheteur et un vendeur portant sur un titre ou un élément particulier, appelé élément sous-jacent. » Un élément sous-jacent figure parmi la liste suivante [10]:

-une action

-une obligation

-une monnaie

-un indice boursier

-un taux d’intérêt

-des créances et des dettes

-une matière première

Selon leur nature, on peut classer les options en deux grandes catégories à savoir :

-l’option d’achat ou call

-l’option de vente ou put

Dans une option de vente, l’acheteur paie le prix d’option et acquiert le droit de vendre les éléments sous-jacent à un prix d’exercice jusqu’au terme du contrat. Tandis que dans une option d’achat, l’acheteur paie le prix d’option et acquiert le droit d’acheter les éléments sous-jacent à un prix d’exercice jusqu’à l’échéance. En d’autres termes, le contrat d’option se rapproche à la définition d’une transmission temporaire d’un droit de propriété et d’un droit de vente et d’achat entre les deux parties. Et celui qui l’achète songe à en tirer profit en fonction de la qualité des éléments sous-jacent et de l’anticipation à la baisse. Il faut toujours se rappeler que les options ou les contrats d’options étudiés ici entrent dans le cadre de la spéculation à la baisse par la vente à découvert.

Par ailleurs, une autre classification des options apparait aussi en analysant la possibilité de l’exercice du droit d’option. Les options dont l’acheteur pourra exercer son droit tout au long de la période entre l’achat et l’échéance, s’appellent « options à l’américain », mais lorsqu’il ne peut l’exercer qu’à la limite de l’échéance, les options sont dites « options à l’européen ».

L’émergence d’une problématique de couverture de la vente à découvert

Les échanges de produits financiers et des matières premières sur les marchés boursières nécessitent, comme tout autre contrat d’ailleurs, l’existence d’une garantie pour inspirer la confiance des parties et pour éviter la spéculation sans provisions. Dans le cas traité ici, la vente à découvert, qui apparait comme une pratique non habituelle pour la plupart des investisseurs, devra adopter le même principe. Autrement dit, tout intervenant qui veut acheter des produits dérivés sur un contrat à terme et à découvert aura intérêt à disposer d’une somme quelconque qui servirait à couvrir ses opérations, ou dans d’autres cas plus complexe, l’investisseur devra monter d’autres types de couverture. Dans la section suivante, une technique de couverture la plus courante est proposée.

La couverture par l’empreint des titre

La première technique de couverture d’une vente à découvert consiste à « emprunter des titres » à d’autres intervenants à la bourse pour rassurer l’acheteur de la substance des titres vendus à découvert. La pratique est très commode et inspire plus de confiance à l’acheteur à découvert surtout les dispositifs règlementaires qui régissent un tel contrat renferment des clauses de plus en plus promettant.

Définition

Par définition, un prêt ou un emprunt des titres est un contrat dans lequel deux parties d’engagent à échanger des titres à une date donnée sous condition de les restituer à une date ultérieure avec le paiement d’une commission de la part du débiteur. L’échange est une opération à titre temporaire qui ne dure que quelques jours ou quelques mois après la négociation. En contrepartie de l’échange, l’emprunteur devra payer une couverture nommée « collatéral », sous forme de titre ou en espèces, comme une garantie contre les risques de non-restitution des titres et dont la valeur dépend des cours des titres échangés[11].

Les caractéristiques de l’opération d’emprunt des titres

En général, l’opération d’emprunt des titres est caractérisée par l’existence d’un contrat, l’existence d’un marché

-Le contrat régissant l’emprunt

En principe, le contrat d’emprunt des titres retrace les aspects techniques, juridiques et économiques de l’échange, en d’autres mots, il renferme une clause pour le calcul des obligations financières de chacune des parties, les dispositifs relatifs au droit de propriété et de jouissance pour l’emprunteur et les autres intérêts et obligations économiques qui les incombent.

Le collatéral est une commission versée au préteur en échange des titres qu’ils procurent à l’emprunteur. Il y a deux types de collatéral qui peut fait l’objet d’une contrepartie des titres prêtés, ce sont des titres ou des espèces (cash). Par conséquent, le calcul de la rémunération varie en fonction de la nature du collatéral ainsi, la modalité de calcul et de paiement devra être indiqué d’une façon explicite dans les termes du contrat.

De surcroit, le contrat renferme aussi des indications tournant autour du droit de propriété et de jouissance de l’emprunteur des titres au moment ou pendant la période du prêt. Juridiquement parlant, les titres confèrent un certain nombre de droit à son propriété comme le droit de vote dans un assemblé général, le droit au dividende et le droit au coupon. Par suite, l’emprunt engendre une transmission de ces droits à l’emprunteur en retour du droit de collatéral pour le préteur. Cette transmission de droit par prêt des titres suscitent de nombreuses controverses au sein des organes législateurs et des professionnels en gestion et en finances, parce qu’au moment ou l’emprunteur acquiert les contreparties monétaires et statutaires de ces droits, son intérêt se trouve majoré et dépassent la valeur convenue estimée lors de la rédaction du contrat. A cet égard, quelques textes législatifs, notamment ceux de l’AMF, essaient d’apporter une neutralisation économique des intérêts portant sur les titres prêtés pour garantir la proportionnalité de rémunération des deux parties. Cet aspect législatif est détaillé dans la partie « Règlementation de la vente à découvert ».

Certes, le préteur n’échappe pas tout à fait au versement d’intérêts, il pourra au contraire payer des intérêts en fonction de la nature du collatéral. Si l’emprunteur tient à ce que le collatéral soit en espèce ou cash, le contrat devra stipuler le calcul des intérêts, appelés « rebates » qui en découlent, tout comme le calcul des intérêts, nommés « fees » que doit l’emprunteur. Une telle indication est d’autant plus importante que si les titres génèrent des valeurs et des intérêts considérables et d’une quantité importante.

Par ailleurs, il convient aussi d’aborder d’autres traits caractéristiques comme le natures du collatéral et les rémunérations de l’emprunt des titres.

-La nature du collatéral et les rémunérations de l’emprunt

La raison principale pour laquelle le préteur exige une garantie c’est de couvrir les risques de non remboursement des titres à la date convenue. Pour cela, la règlementation précise qu’il y a trois sortes d’instrument qui pourraient être servis comme collatéral à savoir :

– Les titres

– Les espèces

– La lettre de crédit

Toutefois, leur utilisation est délimitée par des critères d’exigibilité sur le marché et sur règlementation nationale que les deux parties devraient respecter afin de garantir la liquidité et l’échangeabilité du collatéral. Ainsi, l’emprunter devra procéder à une sélection des titres dans son portefeuille suivant la technique d’optimisation qu’il adopte.

En outre, le cours des titres affiche parfois une fluctuation du jour au lendemain en fonction de l’offre, de la demande et du prix. En effet, le préteur est tenu d’exiger une certaine marge de sécurité pour se couvrir des risques de variation de prix et de la défaillance de l’emprunteur. Dans ce même ordre d’idées, il est amené à effectuer une réévaluation quotidienne concernant les encours que ce soit sur les titres prêtés ou bien sur le collatéral, s’il observe une tendance quelconque qui pourra lui amener à la perte, il a le droit de demander plus de marge selon la nature de son collatéral. Si le collatéral est en espèce, il jouera sur les intérêts tandis que s’il est en titre, il jonglera sur les taux.

Un des avantages que le préteur pourra gagner avec le collatéral est qu’il a le possibilité de le réutiliser à d’autres opérations plus rémunératrices avant que n’arrive le terme du contrat de prêt. S’il est en titre, les parties pourraient donner l’initiative de les substituer pendant la durée du contrat et s’il est en espèce, elles ont la possibilité de les placer sur le marché monétaire par exemple.

En termes de rémunération, deux cas peuvent être mis en lumière.

– Pour le cas d’un collatéral en titre, le taux sur lequel le préteur accorde ses titres à l’emprunteur suit le cours journalier du titre-même. Comme celui là affiche des variations négatives que positives, ce taux de prêt suit le même principe. Autrement dit, la détermination dudit taux se fait en fonction de l’offre, de la demande, du prix et des psychologies des investisseurs intervenus sur le marché du même titre. Autant que la durée du prêt et longue, en raison de la durée du découvert, le principal est amené à réactualiser les taux de commission sur les titres prêtés ainsi que le taux qui sert à calculer la rémunération.

– Pour le cas d’un collatéral en espèce, le préteur procède au calcul de la rémunération en utilisant le taux moyen sur le marché monétaire. C’est pour cette raison que les deux parties devraient montrer plus de prudence en choisissant la devise sur laquelle le contrat est rattaché, si elles reposent le choix sur une devise dont le cours est instable ou en dépréciation, il y aura une perte certaine et elles devraient engager une mécanisme de réactualisation difficile pour essayer de maitriser la fluctuation. Par conséquent, l’intérêt du collatéral s’obtient par la différence entre le taux pratiqué et le rebate.

An dehors de cette technique, il existe encore d’autres comme le reverso repo ou l’achat ferme, mais dans en général, c’est la couverture par l’emprunt de titre qui est à la portée de la plupart des intervenants sur le marché vu que la vente à découvert est réservé à un nombre limité d’entre eux.

212. La gestion de suspens

Dans les opérations financières, l’adage « il n’y a pas de profit » sans risque influence beaucoup les esprits des intervenants au marché. Le risque le plus influent demeure le risque lié au non remboursement des espèces et le défaut de livraison des titres. Les professionnels l’appellent généralement « le dénouement ». L’utilisation de la notion « suspens » ou « pending » ou encore « fail » est très courant pour définir les impacts la disfonctionnement des informations à la portée des acheteurs et des vendeurs de titres qui pourrait bien entrainer le déséquilibre entre l’offre et la demande, première source de fluctuation des prix.

Mais quelles informations les parties nécessitent-elles pour que la transaction se déroule bien ?

Les critères d’appariement pour que la négociation aboutisse à une transaction des titres sont principalement :

– Le code d’identification du titre ou code ISIN.

– La quantité exprimée en nombre ou en valeur nominale.

– Le montant et le devise avec laquelle les numéraires seront exprimés.

– La date de la négociation du contrat.

– La date du règlement et de la livraison des titres et des contreparties.

En principe, la prévention de l’apparition des suspens pourrait être maitrisée en fonction de la matérialisation de la couverture de la vente à découvert par les techniques citées ci-dessus. Dans le cas contraire, il est vraiment difficile de connaitre à quel moment de la vente vont-il apparaitre.

Afin d’illustrer l’apparition des suspens, le figure ci-après apporte plus d’explication[12].

 

 

 

 

 

 

 

 

 

 

Pour les vendeurs à découvert, il dispose deux options pour régler leur problème :

– il devra profiter d’une prolongation de durée pour remettre tout en ordre ou

– il pourra s’aventurer à un mécanisme d’emprunt à taux élevé qui finirait par un rachat dans les mauvaises conditions économiques.

Tout compte fait, la vente à découvert fait partie intégrante du marché financier pris dans son ensemble. A cet égard, elle constitue une autre technique d’investissement profitable pour certains professionnels en bourse par l’intermédiaire de la spéculation à la baisse. Toutefois, son appellation n’insinue pas que les intervenants soient libres de procéder à leur guise, certes, la vente à découvert est soumise à une condition de provision pour garantir la substance des titres émises sur le marché. Alors, l’amplification de la vente à découvert influence considérablement l’état du marché malgré les contraintes règlementaires dont elle devrait se soumettre.

 

 

22. Les influences de la vente à découvert sur la liquidité des marchés financiers

La vente couverte tout comme la vente à découvert exerce des influences capitales sur la liquidité des marchés financiers. A première vue, on est succombé à affirmer qu’elles exercent des influences conjuguées ou complémentaires, pourtant, l’appréhension des risques encourus par les vendeurs à découvert conduit à une autre approche qui s’écarte de la première. Cette approche est basée sur une analyse du terme de contrat de vente et d’achat sur le marché, les opérations au comptant et les opérations à terme acquièrent des aspects différents dont le choix dépend étroitement au type d’investissement que les intervenants optent.

En principe, il est plutôt logique d’affirmer que les ventes au comptant contribuent à la liquidité d’une manière directe car la transformation des instruments financiers en numéraire est plus vite et plus rassurée que pour le cas des ventes à découvert. C’est en ce point que réside l’importance de cette partie, pour connaitre les influences de la vente à découvert sur la liquidité des marchés en optant pour la démonstration des effets négatifs et des effets positifs. Mais tout d’abord, un paragraphe concernant l’étude de la liquidité mérite d’être proposé.

Le concept de la liquidité des marchés financiers

Par définition, la liquidité « la capacité à échanger une quantité importante de titres sans décalage de prix significatif et en un temps minimum.[13]» La capacité à échanger englobe la capacité à vendre et la capacité à acheter. Ainsi, un marché est dite liquide si les opérations d’achat et de vente s’intensifient de jour en jour sans que les cours n’affichent une variation significatif dans un intervalle de temps déterminé. Par un autre raisonnement, la liquidité du marché est induite de la liquidité des produits qui y sont échangés comme les titres, c’est la théorie de la liquidité des actifs. Par conséquent, la liquidité de marché entraine évidement une liquidité de financement et une liquidité bancaire, et par suite, une liquidité monétaire sur l’ensemble des secteurs économiques au niveau national. A cet égard, le figure ci-après apporte plus de précision concernant ces liquidités en cascade pour démontrer ainsi que la liquidité des actifs est un bien fait pour l’économie toute entière.[14]

 

 

 

 

 

 

 

 

 

 

 

 

D’après ce schéma, la liquidité des marchés financiers est incorporée dans un processus de liquidité qui aboutirait à la liquidité financière. Tout compte fait, il existe des conditions en amont et des résultats en aval à la liquidité des marchés. Les conditions en amont sont simplement la liquidité des actifs financiers qui constitue un facteur déterminant de celle des marchés et entrainerait ensuite une liquidité des financements au niveau du secteur de distribution des crédits bancaires et des emprunts de titres. Mais quels sont les déterminants de cette liquidité des marchés ?

Les facteurs déterminants de la liquidité des marchés financiers

Il existe au moins trois facteurs qui permettent de confirmer qu’un marché est liquide ou non. Mais récemment, un quatrième facteur vient les rejoindre.

– L’immédiateté

Un facteur qui exprime la rapidité de l’exécution des ordres d’achat et de vente sur le marché.

– La profondeur du marché

La profondeur peut être appréhendée par l’appréciation de la capacité de réaliser un volume considérable de transactions sans influencer le prix. En d’autres termes, c’est la capacité d’absorption du marché.

– La résilience

La résilience signifie le délai pour le prix de revenir sur un niveau d’équilibre initial après un période de perturbation. C’est en fait la mesure de la réactivité ou l’élasticité du prix du marché.

– L’étroitesse

Elle mesure l’importance du cout de transaction des actifs financiers en faisant la différence entre le cours de vente et le cours d’achat.

Par suite à l’exposé de ces quatre facteurs de liquidité de marché, il est systématiquement possible de rapprocher les caractéristiques de la vente à découvert pour en savoir ses influences négatifs et positifs.

 

221. Les influences négatives de la vente à découvert sur la liquidité des marchés financiers

Pour pouvoir analyser ces influences, il est nécessaire de se rappeler certaines caractéristiques de la vente à découvert :

– Le règlement est différé

– L’existence des opérations de couverture

– La durée du découvert peut faire l’objet d’un prolongement

– L’existence des risques de non remboursement et de non livraison

 

L’étude de ces caractéristiques fait apparaitre deux thèses complémentaires relatives à la procédure d’appariement et au contrôle de provisions des titres et des cash. La première thèse milite l’existence d’un disfonctionnement des informations mises à la disposition du vendeur et de l’acheteur. En outre, la procédure d’appariement devient de plus en plus complexe par la multiplication des critères comme la transparence de marché, l’organisation de l’échange et l’existence des couts de transactions. De cette façon, l’émission des titres devrait adopter une normalisation accrue pour qu’ils puissent faire l’objet d’une transaction, autrement dit, les institutions et les entreprises qui émettent leurs titres devraient compléter tous les critères d’appariement dans le but de garantir la liquidité de ceux-ci.

En outre, les titres émis sont soumis à deux types de contrôle à savoir le contrôle de cut-off et le contrôle de provision. Le premier type de contrôle consiste à vérifier la concordance entre la date du dénouement et celle de la réception des instructions de règlement/livraison. Logiquement, cette concordance n’est pas atteinte pour le cas d’une vente de titre à découvert parce que par simple raisonnement, la date de règlement pourrait être prolongée en fonction de la disponibilité financière de l’acheteur de titres vendus à découvert. Il en découle que la date de dénouement reste encore en suspens, ainsi, le contrôle pourrait ne pas être concluant.

Pour le deuxième contrôle de provisions des titres et du cash, les deux instructions, vente et achat, devraient passer par un contrôle chacun de leur coté. L’acheteur est amené à disposer les espèces suffisantes pour opérer l’achat, en retour, le vendeur est tenu de se procurer de la quantité des titres à échanger. Suite à ces propos, on sait bien que le vendeur peut vendre à découvert des titres qu’il ne possède pas encore à la date de la négociation et de la conclusion du contrat. Alors, il est difficile de garantir qu’il en possède en quantité suffisante au moment de la livraison surtout si l’opération de couverture par emprunt des titres aurait de complication.

Par conséquent, la vente à découvert agit sur les deux facteurs de liquidité à savoir l’immédiateté et l’étroitesse des marchés ce qui signifie qu’elle agit pour freiner la liquidité.

Afin d’illustrer ces propos, le schéma suivant démontre cette mécanisme.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Cependant, on peut énumérer aussi d’autres influences de la vente à découvert sur un coté positif.

 

222. Les influences positives de la vente à découvert sur la liquidité des marchés financiers

Pour dégager les influences positives de la vente à découvert, il faut surtout se focaliser sur les deux caractéristiques qui sont :

– La spéculation à la baisse

– La possibilité de replacement du collatéral

La plupart des intervenants à la bourse spécule à la hausse, autrement dit, qui voudrait acheter un titre qui prend un renversement de la cours à la baisse ? Pour cela, ces investisseurs ont tendance à placer leur argent dans les titres plus rémunérateurs et les titres les plus demandés sur le marché. A leur position, seule la rentabilité des titres qui leur importent pour faire du profit à court terme.

Cette empressement sur des titres à la hausse laisse à coté les titres en baisse sans acheteur, pourtant, ces titres pourraient bien être une source d’une mauvaise circulation des actifs surtout s’ils appartiennent à une société qui détiennent d’autres titres plus demandés. Une autre antithèse apparait pour contrecarrer ces explications, celle qui dit qu’un acteur n’arrive pas à céder un ensemble d’acteurs à une panique artificielle. Autrement dit, la spéculation à la baisse n’influe pas d’une façon notable la baisse du cours d’un instrument vu que le nombre des vendeurs à découvert est très restreint.

Par conclusion, la vente à découvert contribue alors à la circulation des actifs et participe à l’amélioration de la liquidité des marchés financiers.

En se basent à l’analyse de la possibilité de replacement d’un collatéral pendant la période du découvert, le vendeur à découvert aura la chance de se procurer des avantages supplémentaires sur le marché monétaire par exemple. Comme il est indiqué dans les sections antérieures, il y a des cas ou le préteur des titres dans les opérations de couverture, s’engage à miser le collatéral dans d’autres opération suivant le principe de la ré-hypothécabilité du collatéral. En ce moment, il viendra empiler la masse des intérêts des investisseurs pris dans son ensemble.

Le schéma proposé suivant contribue à emmètre plus de précision sur ce sujet.

 

 

 

 

 

 

 

 

 

 

 

 

 

L’analyse du schéma démontre que la vente à découvert, par la spéculation à la baisse fait augmenter la capacité d’absorption du marché car les mêmes les titres qui ne sont par encore détenus peuvent être vendus à découvert par ce mécanisme. En d’autres mots, elle participe directement à la liquidité du fait qu’à une date donnée, certains titres sont déjà vendus et prêts à être livrés, tandis que d’autres qui font l’objet d’une négociation par les opérations à comptant.

Cette liquidité entraine ensuite une augmentation de l’épargne au niveau national qui conduira certainement à une liquidité monétaire et une croissance économique à long terme. Pourtant, tant au niveau national qu’au niveau européen, la pratique de la vente à découvert suscite des polémiques en montrant des doigts qu’elle constitue une des origines de la spirale baissière sur le marché financier. Alors, les institutions de règlementation et de contrôle procèdent à une édification d’un arsenal de texte qui tente de contraindre la pratique de la vente à découvert par tous les moyens.

 

3. La règlementation de la vente à découvert

L’interdépendance entre les marchés financiers suite à la globalisation financière et au recours au traitement en temps réel des opérations rend difficile la règlementation nationale de la vente à découvert. D’un côté, si la règlementation s’avère stricte et contraignante, l’économie connaitra une fuite des capitaux qui entrainera surement des impacts négatifs sur les finances. D’un autre côté, si les dispositifs ne sont pas assez solides et en discordance avec les dispositifs européens, il est fort probable que les marchés se déstabilisent de temps en temps de nature à entrainer une déstabilisation économique sur le long terme. C’est la raison pour la quelle la section suivante aborde de façon plus détaillée la règlementation française sur la vente à découvert avant d’entamer ce volet sur une dimension plus grande, celle au niveau de l’Union Européenne.

 

31. La règlementation française de la vente à découvert

La pierre angulaire de la législation française concernant la vente à découvert est la décision du 19 septembre 2008 qui accorde plus de pouvoir à l’AMF. Ce texte stipule l’encadrement des ventes à découvert sur les titres de capital de 15 sociétés du secteur financier contées sur le marché français. Tout compte fait, le texte souligne trois points importants à savoir l’investissement court, la vente à découvert nue ainsi que les risques et l’utilité des ventes à découvert.

– La vente à découvert est un type d’investissement court ou position court

Par habitude, les investisseurs traditionnels interviennent sur les marchés boursiers en achetant des instruments financiers tout en espérant la hausse du cours pour les revendre ultérieurement. Cette technique est la spéculation à la hausse ou l’investissement à la position longue. Au contraire, la position est dite courte si l’investisseur détient une exposition économique sur des titres en tenant le rôle d’un vendeur.  A ce stade, il tient à la fois la position d’un acheteur et d’un vendeur. Par ailleurs, la vente à découvert directe confirme cette position courte de l’investisseur par le recours à des produits dérivés car la vente exige au moment de la négociation, une livraison immédiate ce qui procure rapidement un gain. Il y a des cas ou le vendeur emprunte des titres pour la couverture de sa vente à découvert, alors il pourrait réaliser une plus-value en les restituant si les cours baissent pendant la période de découvert.

– La vente à découvert nue

La vente à découvert est nue lorsque la situation suivante se présente : le vendeur ne dispose pas des provisions pour couvrir les titres à céder, c’est-à-dire qu’il n’empruntait pas des titres au préalable alors qu’il se lance dans une vente à découvert. Au sens très étroit, la livraison effective du titre devra être à la date J+3, mais comme le vendeur ne l’effectue pas, alors la vente est dite en suspens et son intention exprime clairement la volonté de spéculer.

– L’utilité et le risques des ventes à découvert

Par ces caractères, il est difficile d’affirmer que la vente à découvert soit une source de renversement de tendance à la baisse car tout le monde n’anticipe pas en même temps que tous les cours baissent simultanément. Par conséquent, les ventes à découvert ne constituent en aucun cas une menace pour les marchés boursiers pour créer une déstabilisation ou une chute brutale des cours.

En outre, l’utilité de la vente à découvert se rapporte aux points suivants : elle contribue à la couverture d’un portefeuille, à la circulation des titres et à leur liquidité, à la formation de prix, et enfin elle constitue un outil pour maitriser la formation d’une bulle spéculative à la hausse sauf si les ventes à découvert nues se prolifèrent.

En dehors de l’encadrement indiqué par ce texte, il prévoit aussi bien l’interdiction des transactions non sécurisées et la transparence des positions courtes sur les titres du secteur financier. Ces dispositions s’appliquent surtout aux établissements de crédits et établissements d’assurance touchant les titres de leur capital négociés sur les marchés réglementés françaises comme l’Euronext Paris, le MONEP et le MATIF.

Après la publication de cette décision, il a fallu attendre en octobre 2010 que la loi de la régulation bancaire et financière soit applicable en France pour les raisons suivantes :

– Renforcement du contrôle du secteur financier

– L’encadrement des ventes à découvert

– La régulation des marchés dérivés et Credit Default Swaps ou CDS

– Le contrôle des agences de notation

– L’encadrement de la rémunération des opérateurs de marchés

– Le renforcement de la sécurité des consommateurs

 

Appart la règlementation française, les vents à découvert nécessite aussi une règlementation de plus grande envergure au niveau européen. La raison en est simple, on assiste maintenant à la globalisation des marchés financiers par la disposition des informations en temps réel et centralisée en une seule plateforme. En effet, les mouvements observés sur les marchés français entraineront certainement des impacts négatifs ou positifs sur l’ensemble des marchés européens notamment sur les pays pris individuellement. Ainsi, la règlementation européenne est nécessaire à cet égard[15].

 

3.2. La règlementation européenne de la vente à découvert

Au niveau européen, l’encadrement de la vente à découvert fait partie des nouveaux textes récemment édifiés et publiés. C’est en 15 novembre 2011 que le Parlement européen publie un texte qui encadre les opérations de vente à découvert et les contrats d’échange sur risque de crédit.

Ce dispositif s’applique :

– Aux instruments financiers éligibles sur une plateforme de négociation de l’Union même s’ils font l’objet d’une négociation en dehors de ladite plateforme.

– Aux instruments dérivés qui se rapporte aux premiers précités ou à leur émetteur même les instruments qui font l’objet d’une négociation à l’extérieur de la plateforme.

– Les titres de créances dont les émetteurs sont les Etats membres ou bien l’Union, il en est de même pour les instruments dérivés qui en découlent.

La résolution émet aussi quelques définitions sur les terminologies utilisées dans le monde de la finance surtout de la vente à découvert afin d’éviter les divergences d’interprétation qui pourrait conduire à une désinformation entre les intervenants venant des pays différents. Ces définitions abordent les termes suivants : spécialiste en valeur du Trésor, contrepartie centrale, contrat d’échange sur risque de crédit, instrument financier, Etat membre d’origine, entreprise d’investissement, dette souveraine, contrat d’échange sur défaut souverain, émetteur souverain, capital en action émis, dette souveraine émise, entreprise locale, activité de tenue de marché, système multilatéral de négociation, plateforme principale, marché règlementé, autorité compétente pertinente, vente à découvert, journée de négociation, plateforme de négociation et volume d’échange.

En résumé, le texte édifié par le Parlement porte les rubriques suivantes :

– Dispositions générales

– transparence des positions courtes nettes

– Ventes à découvert non couvert

– Pouvoir et autorités compétentes

– Les pouvoirs de l’AEMF

– Les rôles des autorités compétentes

– Les actes délégués

– Les actes d’exécution

– Les dispositions transitoires et finales

En outre, un Conseil de mise en œuvre a été déjà fondé en 2010 selon le règlement n°1095/2010 par le Parlement et le Conseil. Le but de cette création est de faire en sorte que la notification et la divulgation des positions courtes nettes soient effectives pour les instruments financiers et les ventes à découvert non nues, et appliqué de manière uniforme sur l’ensemble des pays de l’Union. Ainsi, ce but acquerra une substance législative.[16]

 

Partie 3. Méthodologie

 

L’étude des ventes à découvert fait partie intégrante de celle des finances des marchés. Ainsi, après la synthèse de la littérature sur ce thème, la logique scientifique amène à une étape expérimentale faite à partir des données observées sur le terrain. Dans cette partie « méthodologie », l’analyse se fera en trois étapes successives, de prime à bord, la première étape essaie de synthétiser les travaux antérieurs déjà effectués les questions qui tournent autour du sujet, ensuite, la seconde étape se rapporte à la collecte de données utilisés pour la modélisation et enfin, la troisième étape se focalise sur le choix d’un modèle économétrique à utiliser ainsi qu’une courte exposé sur les arguments de ce choix.

 

3.1.Les travaux antérieurs

 

Parmi une multitude de thèses soutenues par de nombreux auteurs spécialisés dans la finance des marchés, l’étude de la liquidité gagne une place inégalable. Par ces études, les premiers groupes d’auteurs se focalisaient à l’analyse de la variation de la liquidité d’un marché en fonction des nombreuses circonstances.

Malgré les études empiriques effectuées, nul ne parviendrait à démontrer les origines de la variation de la liquidité par l’utilisation de l’analyse multivariée. Autrement dit, ces recherches justifiaient seulement des thèses de la liquidité en fonction des analyses à caractère individuel des titres et des actions, au détriment des recherches qui prendraient compte de la corrélation entre les variables « volume », « prix » et les autres variables d’information. Parmi des auteurs figurent Garbade (1982), Brock et Kleidon (1992), Jacoby, Fowler et Gottesman (2000).

En outre, chaque groupe d’auteurs ont pris peu à peu leur position et choisit, en fonction de leur inspiration, de démontrer la variation de la liquidité par une cause à l’issue de leur inspiration. Wood, Mc Inish et Ord (1985), Mc Inish et Wood (1992) choisissaient la variable effet de la saisonnalité pour démontrer cette thèse. En 1993, Lee, Mucklow et Ready ont focalisé leur approche sur l’effet de la diffusion des informations financières des entreprises sur la liquidité. Par ailleurs, certains auteurs prenaient le temps d’étudier l’effet d’une décision stratégie à la variation de la liquidité, pour cela, Koski en 1996 opte pour l’effet de la distribution des dividendes, Desai, Nimalendra et Venkataraman (1998) analysaient l’effet de la division d’actions entre les actionnaires et Foster et Viswanathan (1994) démontrent l’effet de la diffusion d’information sur la prise de contrôle d’une entité par une autre.

Après ces recherches, l’étude avance maintenant sur l’interaction de la liquidité des titres à la liquidité du marché. Certains auteurs décident de prouver que la détérioration de la liquidité du marché occasionne un phénomène similaire sur l’ensemble des titres sur le marché. Le cas le plus typique est l’impact de l’effondrement boursier de 1987 sur le cours de l’ensemble des titres selon les thèses de Roll (1988), Amihud, Mendelson et Wood (1990). Par contre, les travaux de Roll et Subrahmanyam (2000) sont vraiment décisifs à la compréhension des facteurs communs de la liquidité du marché. A cet égard, ils effectuent une analyse des 1169 actions sur le marché NYSE en 1992 pour détecter ainsi les interférences des différents indicateurs de la liquidité, d’après les résultats, la valeur du coefficient de régression se montre significative au sens statistique du terme. Dans une thèse soutenue récemment, Emonet-Fournier a pu démontrer l’existence et la corrélation des facteurs communs de la liquidité des titres et ses conséquences sur la liquidité du marché.

Pourtant, les spéculateurs de la vente à découvert tentent toujours de récupérer du profit par l’investissement à la baisse. De nos jours, le marché accueille de jours en jours un volume important de vente à découvert sur les produits sous-jacents, de ce fait, le cours des actions sur le marché à court terme est toujours influencé par les cours des actions sur le marché à terme notamment le SRD. Cette situation montre que la liquidité de marché dépend non seulement de la liquidité des titres sur le marché au comptant, mais elle dépend aussi et surtout du marché à terme. Par analogie, la réglementation qui essaie de limiter la spéculation sur ces marchés à terme surtout sur la vente à découvert limitera, en conséquence, la liquidité de ceux-ci. Selon les hypothèses de Diamond et Verrecchia (1987), la limitation de la spéculation sur les ventes à découvert entrainent une asymétrie d’information sur le prix du marché. En fait, le prix ne révèle plus toutes les informations fondamentales nécessaires aux investisseurs et entrainera ainsi un renchérissement des couts d’exécution des transactions pour les non spéculateurs et des couts d’emprunt pour les émetteurs souverains. En effet, la restriction des ventes à découvert sur le marché à terme dessèche la liquidité du marché. Cette thèse a été confirmée par les travaux de Boehmer, Jones et Zhang (2009) justifiant ainsi que la limitation de spéculation sur un bon nombre d’action fait augmenter l’écart entre le prix d’achat et de vente. Cette situation affecte la sensibilité et la volatilité du prix comparant aux actions sans restriction.

Une fois la restriction est mise en place, cela affecte totalement les comportements des investisseurs et les conduit à adopter une autre stratégie. Mais comme Harrison et Kreps (1978) le confirme, il y a une interaction entre l’évaluation et les stratégies des investisseurs sur le marché. Une circonstance qui pourra généraliser une crise financière car la restriction assèche la liquidité de titres sur la marché à terme, l’interdépendance des marchés financiers est devenu un système qui répand cette problème de liquidité sur le marché au comptant. Dans cette optique, l’évaluation fondamentaliste des investisseurs est engloutie par l’évaluation basée sur le prix à l’issu de la connaissance du concept de liquidité, et la contagion du problème de liquidité des marchés à terme vers les marchés au comptant devient une conjoncture incontrôlable.

 

 

3.3.Collecte des données

 

La table des données est formée des informations recueillies sur le site d’Euronext. Trois catégories des données sont collectées à savoir le cours de l’indice CAC40 jour, le cours de CAC 40 index futur jour pour le marché de future et les cours des actions SRD des sociétés cotées, composant l’indice CAC 40 et dont les valeurs sont éligibles en SRD sur Euronext.

Le période d’observation débute le 3 janvier au 30 novembre 2011 en cours journalier. Pour toutes les observations, six caractères les unissent dont la date de la cotation, le prix de l’action en SRD à l’ouverture de la cotation, celle au clôture, le cours le plus bas et le cours le plus haut ainsi que le volume de transaction effectué chaque jours.

Le choix des individus observés, c’est-à-dire, repose sur l’éligibilité de leur action en SRD sur Euronext suivant les deux critères tels que :

• Le volume de capitaux échangé par jour
• La valeur de la capitalisation boursière

Pour le volume de capitaux échangé, le minimal devrait atteindre 1 million d’euros pour le SRD et 100 000 euros pour le SRD « long-seulement » tandis que la capitalisation boursière devra atteindre, pour les deux types, une valeur minimale de 1 milliard d’euros. Avec l’application de ces critères, la plupart des sociétés cotées sur Euronext possède des actions éligibles en SRD.

A cet égard, la liste des sociétés cotées sont représentés par le tableau suivant.

Libellé	ISIN	Code Euronext	Mnémo	CFI classification
ADP	FR0010340141	FR0010340141	ADP	ESVUFB Equities
AIR FRANCE -KLM	FR0000031122	FR0000031122	AF	ESVUFB Equities
AIR LIQUIDE	FR0000120073	FR0000120073	AI	ESVUFN Equities
ALCATEL-LUCENT	FR0000130007	FR0000130007	ALU	ESEUFB Equities
ALSTOM	FR0010220475	FR0010220475	ALO	ESVUFB Equities
AXA	FR0000120628	FR0000120628	CS	ESEUFB Equities
BNP PARIBAS ACT.A	FR0000131104	FR0000131104	BNP	ESEUFB Equities
BOUYGUES	FR0000120503	FR0000120503	EN	ESXUFR Equities
CAP GEMINI	FR0000125338	FR0000125338	CAP	ESVUFB Equities
CARREFOUR	FR0000120172	FR0000120172	CA	ESEUFB Equities
CREDIT AGRICOLE	FR0000045072	FR0000045072	ACA	ESVUFB Equities
DANONE	FR0000120644	FR0000120644	BN	ESEUFB Equities
EADS	NL0000235190	NL0000235190	EAD	ESXUFB Equities
EDF	FR0010242511	FR0010242511	EDF	ESVUFB Equities
ESSILOR INTL.	FR0000121667	FR0000121667	EI	ESEUFB Equities
FRANCE TELECOM	FR0000133308	FR0000133308	FTE	ESVUFB Equities
GDF SUEZ	FR0010208488	FR0010208488	GSZ	ESVUFB Equities
LAFARGE	FR0000120537	FR0000120537	LG	ESETFB Equities
L’OREAL	FR0000120321	FR0000120321	OR	ESVUFB Equities
LVMH	FR0000121014	FR0000121014	MC	ESEUFB Equities
MICHELIN	FR0000121261	FR0000121261	ML	ESEUFR Equities
PERNOD RICARD	FR0000120693	FR0000120693	RI	ESEUFB Equities
PEUGEOT	FR0000121501	FR0000121501	UG	ESEUFB Equities
PPR	FR0000121485	FR0000121485	PP	ESVUFB Equities
PUBLICIS GROUPE SA	FR0000130577	FR0000130577	PUB	ESEUFB Equities
RENAULT	FR0000131906	FR0000131906	RNO	ESVUFB Equities
SAFRAN	FR0000073272	FR0000073272	SAF	ESEUFB Equities
SAINT GOBAIN	FR0000125007	FR0000125007	SGO	ESEUFB Equities
SANOFI	FR0000120578	FR0000120578	SAN	ESEUFB Equities
SCHNEIDER ELECTRIC	FR0000121972	FR0000121972	SU	ESEUFB Equities
SOCIETE GENERALE	FR0000130809	FR0000130809	GLE	ESEUFB Equities
STMICROELECTRONICS	NL0000226223	NL0000226223	STM	ESXUFR Equities
SUEZ ENVIRONNEMENT	FR0010613471	FR0010613471	SEV	ESXUFB Equities
TECHNIP	FR0000131708	FR0000131708	TEC	ESEUFB Equities
TOTAL	FR0000120271	FR0000120271	FP	ESEUFB Equities
UNIBAIL-RODAMCO	FR0000124711	FR0000124711	UL	ESVUFB Equities
VALLOUREC	FR0000120354	FR0000120354	VK	ESEUFB Equities
VEOLIA ENVIRON.	FR0000124141	FR0000124141	VIE	ESVUFB Equities
VINCI	FR0000125486	FR0000125486	DG	ESVUFB Equities

 

Le choix de caractères étudiés de chaque série d’observation dépend étroitement de la nature de l’étude. Les prix sont utilisés pour la détermination de la fourchette de prix dans l’appréciation de l’immédiateté du marché, ensuite, les volumes servent au calcul la profondeur de marché, c’est-à-dire la capacité d’absorption du marché. En outre, le calcul de la moyenne est commun à tous les caractères.

 

3.4.Calculs économétriques

 

Les calculs économétriques utilisent la régression linéaire des variables étudiés de chaque titre par rapport à ceux du marché CAC40. Cette méthode prend en compte les fourchettes de prix entre le cours haut et le cours bas pour les deux unités statistiques étudiées. Dans une première étape, la régression entre l’indice CAC40 index future et l’indice CAC40 jour pour déterminer la nature de la corrélation entre le marché de future et le marché au comptant. Tandis que la deuxième étape consiste à déterminer la régression des actions éligibles pour le SRD avec le cours et la capitalisation du marché CAC40 jour au comptant.

Dans toutes les démonstrations ultérieures, les formules suivantes sont utilisées :

• Fourchette de prix cotée :

fc = prix haut – prix bas

• Fourchette relative de prix :

fr = fc / ((prix haut + prix bas)/2)

 

3.4.1.Etude de la corrélation entre le CAC40 index future et le CAC40 jour

L’intérêt de l’étude réside sur l’appréhension de la nature de la corrélation entre ces deux indices pour justifier ainsi l’interdépendance entre leurs liquidités respectives. Ensuite, les résultats servent à examiner quelques scénarios concernant la variation des caractéristiques du marché en fonction de la variation de l’indice CAC40 index future, c’est-à-dire mesurer le poids du marché des futures sur le marché du CAC40 jour.

 

L’appréciation de la corrélation ces deux indices passe par l’étude du coefficient de régression de la droite de régression

Y = a + bX

Avec Y est la fourchette de prix cotée de l’indice CAC40 jour, variable expliquée et X, celle de l’indice CAC40 index future ou variable explicative.

Les calculs donnent les résultats du tableau suivant :

 

Régression de la fourchette de prix cotée du marché CAC40 en fonction de celle de l’indice CAC40 index future

 

	Coefficient	Erreur Std	t de Student	p. critique
const	6,0822	2,05653	2,9575	0,00349	***
fc_future	0,713256	0,0208735	34,1705	<0,00001	***

 

Moy. var. dép.	66,15021		Éc. type var. dép.	39,44260
Somme carrés résidus	41992,08		Éc. type de régression	14,82747
R2	0,859416		R2 ajusté	0,858680
F(1, 191)	1167,621		p. critique (F)	2,64e-83
Log de vraisemblance	-793,2708		Critère d’Akaike	1590,542
Critère de Schwarz	1597,067		Hannan-Quinn	1593,184

 

 

Les statistiques descriptives des deux variables donnent :

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fc_future (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
84,2166	71,0000	23,2000	343,100
Écart type	C.V.	Asymétrie	Ex. aplatissement
51,2651	0,608729	2,25919	6,90020

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fc_cac40 (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
66,1502	56,1400	13,7900	234,550
Écart type	C.V.	Asymétrie	Ex. aplatissement
39,4426	0,596258	1,96314	4,54733

 

Par conséquent, la formule de la régression donne

Y  = 6.0822 + 0.713256 X

Test de significativité du coefficient de régression :

• Le test de Student donne une valeur largement supérieure à abs(1.96), en effet b est significatif avec une p critique très infime (<0.0001).
• Le coefficient de corrélation est compris entre 0.1 et 9.7%, (0.85%), donc il existe une forte corrélation entre la fourchette de prix du marché et celle du marché de future.

 Etude de réglementation :

• Si la valeur de X (indice CAC40 index future) est au maximum, c’est-à-dire 343.1, alors Y max théorique donne une valeur de 250.7899, nettement supérieure à 234.550. En effet, il faut surveiller le marché de future de ne pas éteindre l’écart de prix maximum, autrement dit, l’immédiateté de l’indice CAC40 jour est plus grand que celle de l’indice CAC40 index future.
• Si la valeur de X est au minimum, c’est-à-dire 23.2, Y donne 22.629 sensiblement égale à 23. Alors, la même mesure que précédent reste valable parce ce que leur immédiateté est similaire à un écart de prix minimum.

Dans cette deuxième démonstration, la variable utilisée est la fourchette de prix relative pour corriger les problèmes économétriques. Ainsi les résultats sont donnés par les tableaux suivants :

 

Régression de la fourchette de prix relative du marché CAC40 en fonction de celle de l’indice CAC40 index future

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,0012194	0,000541999	2,2498	0,02560	**
fr_future	0,732799	0,0184968	39,6175	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,003705		Éc. type de régression	0,004404
R2	0,891511		R2 ajusté	0,890943
F(1, 191)	1569,549		p. critique (F)	4,62e-94
Log de vraisemblance	774,2091		Critère d’Akaike	-1544,418
Critère de Schwarz	-1537,893		Hannan-Quinn	-1541,776

 

Statistiques descriptives, utilisant les observations 1 – 386

pour la variable fr_future (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0237667	0,0182883	0,00586837	0,108999
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0171841	0,723034	2,30329	6,70366

 

 

Statistiques descriptives, utilisant les observations 1 – 386

pour la variable fr_cac40 (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0186356	0,0143366	0,00344451	0,0752118
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0133367	0,715657	2,08341	4,66609

 

 

L’utilisation de la fourchette relative améliore les résultats des tests statistiques des variables. Cette amélioration se voie sur les valeurs de t, R² et b. La valeur de la t de Student donne 39.61 qui est nettement supérieure à 34.17 dans les précédentes observations. En outre, R² donne 0.891% au lieu de 0.859% dans les résultats de fourchettes cotées, enfin, la valeur de b vaut 0.732799 affirmant une corrélation plus rapprochée entre Y et X. En tout, l’utilisation des fourchettes relatives donne plus de précision que les fourchettes cotées dans la mesure de l’interdépendance entre la liquidité du marché des futures et celle du marché jour pour l’indice CAC40.

 

3.4.2.Etude de corrélation les actions éligibles au SRD et la liquidité du marché de l’indice CAC40

La corrélation entre les actions éligibles en SRD et la liquidité du marché CAC40 peut être appréciée en faisant une régression entre les variables de la liquidité fourchette de prix. Après, il faut tester la significativité du coefficient de corrélation pour confirmer la nature de la régression.

 

 

Dans tous les calculs, les variables fourchettes de prix cotée et relative sont encore valables. Seulement, l’étude porte individuellement sur les titres SRD, puis les résultats sont résumés dans un tableau indiquant les principaux titres les mieux cotés qui tirent la liquidité du marché de titre SRD.

 

 

 

• Les actions SRD d’Air France

 

Modèle 5: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00225276	0,00103006	2,1870	0,02996	**
fr_air_France	0,487115	0,025597	19,0301	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011792		Éc. type de régression	0,007857
R2	0,654703		R2 ajusté	0,652895
F(1, 191)	362,1464		p. critique (F)	5,61e-46
Log de vraisemblance	662,4855		Critère d’Akaike	-1320,971
Critère de Schwarz	-1314,446		Hannan-Quinn	-1318,328

 

Statistiques descriptives, utilisant les observations 1 – 386

pour la variable fr_air_France (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0336324	0,0274510	0,00945017	0,170050
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0221534	0,658690	2,46412	8,76305

 

• Les actions SRD de ADP

 

Modèle 6: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00115937	0,00127718	-0,9078	0,36515
fr_air_ADP	0,965719	0,0551075	17,5243	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,013095		Éc. type de régression	0,008280
R2	0,616543		R2 ajusté	0,614536
F(1, 191)	307,1006		p. critique (F)	1,29e-41
Log de vraisemblance	652,3702		Critère d’Akaike	-1300,740
Critère de Schwarz	-1294,215		Hannan-Quinn	-1298,098

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_ADP (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0204977	0,0181425	0,00732351	0,0820522
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0108438	0,529024	2,55480	9,38577

• Les actions SRD de Air Liquid

 

Modèle 3: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00313564	0,00102353	-3,0636	0,00250	***
fr_Air_Liquid	1,07591	0,0446949	24,0724	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,008466		Éc. type de régression	0,006658
R2	0,752102		R2 ajusté	0,750804
F(1, 191)	579,4790		p. critique (F)	9,44e-60
Log de vraisemblance	694,4645		Critère d’Akaike	-1384,929
Critère de Schwarz	-1378,404		Hannan-Quinn	-1382,287

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_Air_Liquid (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0202352	0,0173538	0,00636075	0,0764430
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0107501	0,531256	2,17861	6,55815

 

• Les actions d’Alcatel-Lucent

 

Modèle 4: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00388802	0,00133506	2,9122	0,00402	***
fr_Alcatel_luce	0,361824	0,0278688	12,9831	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,018141		Éc. type de régression	0,009746
R2	0,468798		R2 ajusté	0,466017
F(1, 191)	168,5620		p. critique (F)	4,84e-28
Log de vraisemblance	620,9194		Critère d’Akaike	-1237,839
Critère de Schwarz	-1231,313		Hannan-Quinn	-1235,196

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_Alcatel (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0407591	0,0332410	0,0111083	0,161962
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0252374	0,619185	2,14026	5,76115

• Les actions d’Alstom

 

Modèle 1: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000451964	0,000926297	-0,4879	0,62616
fr_Alstom	0,653425	0,027138	24,0778	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,008463		Éc. type de régression	0,006656
R2	0,752187		R2 ajusté	0,750889
F(1, 191)	579,7417		p. critique (F)	9,14e-60
Log de vraisemblance	694,4975		Critère d’Akaike	-1384,995
Critère de Schwarz	-1378,470		Hannan-Quinn	-1382,352

 

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_Alstom (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0292116	0,0234506	0,00894044	0,100646
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0177018	0,605984	1,88888	3,78035

 

• Les actions d’AXA

 

Modèle 2: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,000659974	0,000912516	0,7232	0,47041
fr_Axa	0,470696	0,0201543	23,3546	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,008857		Éc. type de régression	0,006810
R2	0,740644		R2 ajusté	0,739286
F(1, 191)	545,4385		p. critique (F)	7,12e-58
Log de vraisemblance	690,1040		Critère d’Akaike	-1376,208
Critère de Schwarz	-1369,683		Hannan-Quinn	-1373,566

 

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_Axa (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0381895	0,0302632	0,0129032	0,165391
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0243845	0,638512	2,13996	5,84141

 

• Les actions de BNP Paribas

 

Modèle 3: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00586299	0,000982949	5,9647	<0,00001	***
fr_bnp	0,317546	0,0190694	16,6521	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,013929		Éc. type de régression	0,008540
R2	0,592135		R2 ajusté	0,590000
F(1, 191)	277,2927		p. critique (F)	4,76e-39
Log de vraisemblance	646,4154		Critère d’Akaike	-1288,831
Critère de Schwarz	-1282,305		Hannan-Quinn	-1286,188

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_bnp (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0402229	0,0301589	0,0114479	0,219782
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0323186	0,803487	2,66952	8,72949

 

• Les actions SRD de Bouygues

 

Modèle 4: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00137236	0,000844232	1,6256	0,10569
fr_bouygues	0,75608	0,0306887	24,6371	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,008174		Éc. type de régression	0,006542
R2	0,760647		R2 ajusté	0,759394
F(1, 191)	606,9849		p. critique (F)	3,29e-61
Log de vraisemblance	697,8495		Critère d’Akaike	-1391,699
Critère de Schwarz	-1385,174		Hannan-Quinn	-1389,056

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_bouygues (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0228326	0,0183829	0,00561360	0,0874891
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0153841	0,673779	2,23305	5,33752

 

• Les actions SRD de Cap Gemini

 

Modèle 5: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00281308	0,000975863	2,8827	0,00440	***
fr_cap_gem	0,585757	0,0297628	19,6808	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011279		Éc. type de régression	0,007684
R2	0,669741		R2 ajusté	0,668012
F(1, 191)	387,3344		p. critique (F)	7,90e-48
Log de vraisemblance	666,7826		Critère d’Akaike	-1329,565
Critère de Schwarz	-1323,040		Hannan-Quinn	-1326,923

 

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_cap_gem (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0270122	0,0219352	0,00652681	0,119627
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0186331	0,689805	2,09555	5,35254

 

• Les actions SRD Renault

 

Modèle 1: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,0018778	0,00111898	-1,6781	0,09495	*
fr_renault	0,579056	0,0277885	20,8380	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,010433		Éc. type de régression	0,007391
R2	0,694509		R2 ajusté	0,692909
F(1, 191)	434,2220		p. critique (F)	4,53e-51
Log de vraisemblance	674,3052		Critère d’Akaike	-1344,610
Critère de Schwarz	-1338,085		Hannan-Quinn	-1341,968

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_renault (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0354257	0,0302429	0,0105554	0,114196
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0191941	0,541813	1,85007	4,10232

 

• Les actions SRD de PPR

 

Modèle 2: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000576924	0,00113168	-0,5098	0,61078
fr_ppr	0,799089	0,0409824	19,4983	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011420		Éc. type de régression	0,007732
R2	0,665608		R2 ajusté	0,663857
F(1, 191)	380,1851		p. critique (F)	2,60e-47
Log de vraisemblance	665,5822		Critère d’Akaike	-1327,164
Critère de Schwarz	-1320,639		Hannan-Quinn	-1324,522

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_ppr (193 observations valides)

Moyenne	Médiane	Minimum	Maximum
0,0240431	0,0201587	0,00717451	0,0864887
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0136164	0,566335	1,91029	4,13538

 

• Les actions SRD Peugeot

 

Modèle 3: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00166858	0,00109957	-1,5175	0,13080
fr_peugeot	0,559667	0,026583	21,0536	<0,00001	***

 

 

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,010284		Éc. type de régression	0,007338
R2	0,698859		R2 ajusté	0,697282
F(1, 191)	443,2547		p. critique (F)	1,15e-51
Log de vraisemblance	675,6893		Critère d’Akaike	-1347,379
Critère de Schwarz	-1340,853		Hannan-Quinn	-1344,736

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_peugeot (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0362791	0,0314136	0,0113409	0,143064
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0199211	0,549108	2,15978	6,82104

 

• Les actions SRD de Pernod Ricard

 

Modèle 4: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000305673	0,00104022	-0,2939	0,76919
fr_pernod	0,912204	0,0431911	21,1202	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,010239		Éc. type de régression	0,007322
R2	0,700187		R2 ajusté	0,698617
F(1, 191)	446,0629		p. critique (F)	7,53e-52
Log de vraisemblance	676,1157		Critère d’Akaike	-1348,231
Critère de Schwarz	-1341,706		Hannan-Quinn	-1345,589

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_pernod (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0207643	0,0171962	0,00595011	0,0777806
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0122339	0,589178	2,08479	4,86253

 

• Les actions SRD de Michelin

Modèle 5: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000599502	0,000964567	-0,6215	0,53500
fr_michelin	0,611188	0,0263494	23,1955	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,008947		Éc. type de régression	0,006844
R2	0,738009		R2 ajusté	0,736637
F(1, 191)	538,0313		p. critique (F)	1,87e-57
Log de vraisemblance	689,1285		Critère d’Akaike	-1374,257
Critère de Schwarz	-1367,732		Hannan-Quinn	-1371,614

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_michelin (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0314717	0,0263440	0,00952381	0,131370
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0187458	0,595641	2,28796	6,50809

 

• Les actions SRD de LVMH

 

Modèle 6: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,0012038	0,00123627	-0,9737	0,33142
fr_lvmh	0,751	0,0412825	18,1917	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,012497		Éc. type de régression	0,008089
R2	0,634057		R2 ajusté	0,632141
F(1, 191)	330,9397		p. critique (F)	1,46e-43
Log de vraisemblance	656,8816		Critère d’Akaike	-1309,763
Critère de Schwarz	-1303,238		Hannan-Quinn	-1307,121

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_lvmh (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0264173	0,0223910	0,00978213	0,0874610
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0141408	0,535284	2,01078	4,81613

 

• Les actions SRD de Vinci

 

Modèle 7: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000886995	0,000621538	-1,4271	0,15518
fr_vinci	0,785959	0,0210865	37,2731	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,004128		Éc. type de régression	0,004649
R2	0,879136		R2 ajusté	0,878503
F(1, 191)	1389,285		p. critique (F)	1,41e-89
Log de vraisemblance	763,7851		Critère d’Akaike	-1523,570
Critère de Schwarz	-1517,045		Hannan-Quinn	-1520,928

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_vinci (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0248393	0,0209304	0,00705550	0,101655
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0159103	0,640529	2,13982	5,28993

 

• Les actions SRD de Veolia

 

Modèle 8: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,0059274	0,000853439	6,9453	<0,00001	***
fr_veolia	0,434157	0,0221564	19,5951	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011345		Éc. type de régression	0,007707
R2	0,667807		R2 ajusté	0,666068
F(1, 191)	383,9672		p. critique (F)	1,38e-47
Log de vraisemblance	666,2191		Critère d’Akaike	-1328,438
Critère de Schwarz	-1321,913		Hannan-Quinn	-1325,796

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_veolia (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0292710	0,0201005	0,00843882	0,242678
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0251031	0,857610	4,07971	26,7604

 

 

• Les actions SRD de Vallourec

 

Modèle 9: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,000816878	0,00105115	0,7771	0,43804
fr_vallourec	0,63355	0,0318637	19,8832	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011125		Éc. type de régression	0,007632
R2	0,674250		R2 ajusté	0,672545
F(1, 191)	395,3399		p. critique (F)	2,12e-48
Log de vraisemblance	668,1092		Critère d’Akaike	-1332,218
Critère de Schwarz	-1325,693		Hannan-Quinn	-1329,576

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_vallourec (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0281253	0,0224266	0,00818148	0,102688
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0172854	0,614586	1,98093	4,77291

 

• Les actions SRD Unibail

 

Modèle 10: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	6,53636e-05	0,00092054	0,0710	0,94347
fr_unibail	0,914772	0,0385576	23,7248	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,008652		Éc. type de régression	0,006731
R2	0,746640		R2 ajusté	0,745313
F(1, 191)	562,8675		p. critique (F)	7,60e-59
Log de vraisemblance	692,3613		Critère d’Akaike	-1380,723
Critère de Schwarz	-1374,197		Hannan-Quinn	-1378,080

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_unibail (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0203004	0,0163488	0,00499844	0,106464
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0125977	0,620564	2,78154	12,1812

 

• Les actions SRD Technip

 

Modèle 11: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00192136	0,001029	1,8672	0,06340	*
fr_technip	0,565137	0,0292023	19,3524	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011534		Éc. type de régression	0,007771
R2	0,662256		R2 ajusté	0,660488
F(1, 191)	374,5173		p. critique (F)	6,75e-47
Log de vraisemblance	664,6198		Critère d’Akaike	-1325,240
Critère de Schwarz	-1318,714		Hannan-Quinn	-1322,597

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_technip (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0295756	0,0245373	0,00587215	0,126463
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0192047	0,649344	2,11130	5,73127

 

• Les actions SRD de Total

 

Modèle 12: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00388399	0,000810315	-4,7932	<0,00001	***
fr_total	1,06495	0,0337008	31,6001	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,005483		Éc. type de régression	0,005358
R2	0,839437		R2 ajusté	0,838597
F(1, 191)	998,5657		p. critique (F)	8,66e-78
Log de vraisemblance	736,3775		Critère d’Akaike	-1468,755
Critère de Schwarz	-1462,230		Hannan-Quinn	-1466,112

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_total (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0211462	0,0180262	0,00563592	0,0713576
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0114740	0,542603	1,73963	3,68914

 

• Les actions SRD de STMicroelectronics

 

Modèle 13: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00173524	0,00104315	1,6635	0,09786	*
fr_stm	0,821194	0,0427092	19,2275	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011633		Éc. type de régression	0,007804
R2	0,659353		R2 ajusté	0,657570
F(1, 191)	369,6985		p. critique (F)	1,53e-46
Log de vraisemblance	663,7941		Critère d’Akaike	-1323,588
Critère de Schwarz	-1317,063		Hannan-Quinn	-1320,946

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_stm (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0205803	0,0164734	0,00413793	0,0766204
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0131875	0,640784	1,99134	4,41273

 

• Les actions SRD de Société Générale

 

Modèle 14: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00509077	0,000874848	5,8190	<0,00001	***
fr_sg	0,285133	0,0143352	19,8904	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011119		Éc. type de régression	0,007630
R2	0,674410		R2 ajusté	0,672706
F(1, 191)	395,6282		p. critique (F)	2,02e-48
Log de vraisemblance	668,1566		Critère d’Akaike	-1332,313
Critère de Schwarz	-1325,788		Hannan-Quinn	-1329,671

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_sg (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0475036	0,0357124	0,0127616	0,308370
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0384117	0,808606	3,17878	13,9050

 

• Les actions SRD de Sanofi

 

Modèle 15: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00147175	0,000935973	-1,5724	0,11751
fr_sanofi	0,948035	0,0382076	24,8127	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,008086		Éc. type de régression	0,006507
R2	0,763225		R2 ajusté	0,761985
F(1, 191)	615,6721		p. critique (F)	1,17e-61
Log de vraisemblance	698,8944		Critère d’Akaike	-1393,789
Critère de Schwarz	-1387,263		Hannan-Quinn	-1391,146

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_sanofi (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0212095	0,0176698	0,00616854	0,0802231
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0122900	0,579455	2,30459	7,07652

 

• Les actions SRD de SCHNEIDER ELECTRIC

Modèle 16: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-3,28132e-06	0,00102476	-0,0032	0,99745
fr_schneider	0,606669	0,0286292	21,1906	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,010191		Éc. type de régression	0,007305
R2	0,701581		R2 ajusté	0,700019
F(1, 191)	449,0402		p. critique (F)	4,82e-52
Log de vraisemblance	676,5656		Critère d’Akaike	-1349,131
Critère de Schwarz	-1342,606		Hannan-Quinn	-1346,489

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_schneider (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0307234	0,0269776	0,00946608	0,109027
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0184135	0,599332	1,85569	3,82807

 

• Les actions SRD de Saint Gobin

 

Modèle 17: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00119787	0,000695119	-1,7233	0,08646	*
fr_gobin	0,661971	0,0197165	33,5745	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,004948		Éc. type de régression	0,005090
R2	0,855111		R2 ajusté	0,854352
F(1, 191)	1127,250		p. critique (F)	4,71e-82
Log de vraisemblance	746,2897		Critère d’Akaike	-1488,579
Critère de Schwarz	-1482,054		Hannan-Quinn	-1485,937

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_gobin (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0299613	0,0242192	0,00796813	0,116657
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0186304	0,621815	2,05570	4,69077

 

• Les actions SRD de Safran

 

Modèle 18: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00186064	0,00149151	1,2475	0,21375
fr_safran	0,511775	0,0400687	12,7724	<0,00001	***

 

 

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,018419		Éc. type de régression	0,009820
R2	0,460658		R2 ajusté	0,457834
F(1, 191)	163,1350		p. critique (F)	2,09e-27
Log de vraisemblance	619,4518		Critère d’Akaike	-1234,904
Critère de Schwarz	-1228,378		Hannan-Quinn	-1232,261

 

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_safran (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0327781	0,0291635	0,00725295	0,126218
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0176872	0,539605	2,00226	6,22867

 

• Les actions SRD de PUBLICIS GROUPE SA

 

Modèle 1: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000886094	0,00121569	-0,7289	0,46697
fr_public	0,854157	0,0467348	18,2767	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,012423		Éc. type de régression	0,008065
R2	0,636217		R2 ajusté	0,634312
F(1, 191)	334,0376		p. critique (F)	8,28e-44
Log de vraisemblance	657,4527		Critère d’Akaike	-1310,905
Critère de Schwarz	-1304,380		Hannan-Quinn	-1308,263

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_public (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0228550	0,0194628	0,00843444	0,0948999
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0124541	0,544921	2,20559	6,91126

 

• Les actions SRD L’Oréal

 

Modèle 3: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00278299	0,00106121	-2,6225	0,00943	***
fr_loreal	1,08072	0,0472829	22,8565	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,009143		Éc. type de régression	0,006919
R2	0,732275		R2 ajusté	0,730873
F(1, 191)	522,4176		p. critique (F)	1,49e-56
Log de vraisemblance	687,0393		Critère d’Akaike	-1370,079
Critère de Schwarz	-1363,553		Hannan-Quinn	-1367,436

 

 

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_loreal (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0198188	0,0167118	0,00546235	0,0745763
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0105602	0,532838	1,90974	5,23954

 

• Les actions SRD de Lafarge

 

Modèle 4: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000537807	0,000984962	-0,5460	0,58569
fr_lafarge	0,663824	0,0293443	22,6219	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,009282		Éc. type de régression	0,006971
R2	0,728211		R2 ajusté	0,726788
F(1, 191)	511,7513		p. critique (F)	6,28e-56
Log de vraisemblance	685,5856		Critère d’Akaike	-1367,171
Critère de Schwarz	-1360,646		Hannan-Quinn	-1364,529

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_lafarge (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0288833	0,0244369	0,00789489	0,102376
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0171445	0,593578	1,76458	3,51462

 

• Les actions SRD de GDF Suez

 

Modèle 5: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00158801	0,000801704	-1,9808	0,04905	**
fr_gdf	0,811081	0,0276304	29,3547	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,006196		Éc. type de régression	0,005696
R2	0,818561		R2 ajusté	0,817611
F(1, 191)	861,6964		p. critique (F)	1,03e-72
Log de vraisemblance	724,5820		Critère d’Akaike	-1445,164
Critère de Schwarz	-1438,639		Hannan-Quinn	-1442,521

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_gdf (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0249342	0,0208228	0,00650695	0,0899016
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0148768	0,596644	2,00618	4,60704

 

• Les actions SRD de France Telecom

 

Modèle 6: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00152826	0,000738875	-2,0684	0,03995	**
fr_frtelecom	1,08797	0,0341052	31,9005	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,005397		Éc. type de régression	0,005316
R2	0,841971		R2 ajusté	0,841144
F(1, 191)	1017,640		p. critique (F)	1,89e-78
Log de vraisemblance	737,9126		Critère d’Akaike	-1471,825
Critère de Schwarz	-1465,300		Hannan-Quinn	-1469,183

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_frtelecom (193 observations valides)

 

 

Moyenne	Médiane	Minimum	Maximum
0,0185335	0,0158629	0,00478545	0,0799069
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0112481	0,606909	2,33361	7,14867

 

• Les actions SRD d’Essilor

 

Modèle 7: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000715035	0,00136021	-0,5257	0,59972
fr_essilor	1,12673	0,0702462	16,0397	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,014551		Éc. type de régression	0,008728
R2	0,573920		R2 ajusté	0,571690
F(1, 191)	257,2730		p. critique (F)	3,13e-37
Log de vraisemblance	642,1992		Critère d’Akaike	-1280,398
Critère de Schwarz	-1273,873		Hannan-Quinn	-1277,756

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_essilor (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0171742	0,0156130	0,00452602	0,0744391
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,00896717	0,522131	2,34004	9,24000

 

• Les actions SRD d’EDF

 

Modèle 9: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00326433	0,0013284	2,4573	0,01489	**
fr_edf	0,644878	0,0476768	13,5260	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,017443		Éc. type de régression	0,009556
R2	0,489241		R2 ajusté	0,486567
F(1, 191)	182,9530		p. critique (F)	1,12e-29
Log de vraisemblance	624,7064		Critère d’Akaike	-1245,413
Critère de Schwarz	-1238,887		Hannan-Quinn	-1242,770

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_edf (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0238360	0,0191855	0,00710413	0,0814348
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0144655	0,606876	1,93653	3,85752

 

• Les actions SRD de l’EADS

 

Modèle 10: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,000686855	0,0013153	-0,5222	0,60213
fr_eads	0,675745	0,0406541	16,6218	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,013959		Éc. type de régression	0,008549
R2	0,591256		R2 ajusté	0,589116
F(1, 191)	276,2848		p. critique (F)	5,85e-39
Log de vraisemblance	646,2075		Critère d’Akaike	-1288,415
Critère de Schwarz	-1281,890		Hannan-Quinn	-1285,772

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_eads (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0285943	0,0247701	0,00876466	0,0792079
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0151759	0,530730	1,38396	1,71002

 

• Les actions SRD de Danone

Modèle 11: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,000384248	0,000999219	0,3845	0,70100
fr_danone	0,945631	0,0441497	21,4187	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,010039		Éc. type de régression	0,007250
R2	0,706046		R2 ajusté	0,704507
F(1, 191)	458,7620		p. critique (F)	1,14e-52
Log de vraisemblance	678,0204		Critère d’Akaike	-1352,041
Critère de Schwarz	-1345,515		Hannan-Quinn	-1349,398

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_danone (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0193007	0,0158543	0,00389257	0,0747110
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0118507	0,614002	2,07928	5,16541

 

• Les actions SRD de Crédit Agricole

Modèle 12: MCO, utilisant les observations 1-193

Variable dépendante : fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00347478	0,000999826	3,4754	0,00063	***
fr_credit	0,344267	0,0185694	18,5395	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,012199		Éc. type de régression	0,007992
R2	0,642798		R2 ajusté	0,640928
F(1, 191)	343,7118		p. critique (F)	1,44e-44
Log de vraisemblance	659,2146		Critère d’Akaike	-1314,429
Critère de Schwarz	-1307,904		Hannan-Quinn	-1311,787

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_credit (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0440380	0,0336517	0,0131163	0,244739
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0310593	0,705283	2,63007	10,0186

 

• Les actions SRD de Carrefour

Modèle 13: MCO, utilisant les observations 1-193

Variable dépendante: fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00132111	0,00122328	-1,0800	0,28151
fr_carefour	0,764077	0,0413149	18,4940	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,012237		Éc. type de régression	0,008004
R2	0,641670		R2 ajusté	0,639794
F(1, 191)	342,0279		p. critique (F)	1,95e-44
Log de vraisemblance	658,9102		Critère d’Akaike	-1313,820
Critère de Schwarz	-1307,295		Hannan-Quinn	-1311,178

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_carefour (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0261188	0,0228195	0,00596584	0,0836774
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0139820	0,535322	1,31500	1,91353

 

• Les actions SRD de Vivendi

Modèle 14: MCO, utilisant les observations 1-193

Variable dépendante: fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	-0,00138349	0,000919902	-1,5040	0,13425
fr_vivendi	0,909765	0,0361227	25,1854	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,007903		Éc. type de régression	0,006433
R2	0,768570		R2 ajusté	0,767359
F(1, 191)	634,3050		p. critique (F)	1,32e-62
Log de vraisemblance	701,0980		Critère d’Akaike	-1398,196
Critère de Schwarz	-1391,671		Hannan-Quinn	-1395,553

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_vivendi (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0220047	0,0182909	0,00590110	0,0757421
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0128517	0,584045	1,75866	3,55209

 

• Les actions SRD d’Accor

Modèle 15: MCO, utilisant les observations 1-193

Variable dépendante: fr_cac40

 

	Coefficient	Erreur Std	t de Student	p. critique
const	0,00178082	0,00101251	1,7588	0,08021	*
fr_accor	0,577217	0,0291061	19,8315	<0,00001	***

 

Moy. var. dép.	0,018636		Éc. type var. dép.	0,013337
Somme carrés résidus	0,011164		Éc. type de régression	0,007645
R2	0,673106		R2 ajusté	0,671395
F(1, 191)	393,2878		p. critique (F)	2,96e-48
Log de vraisemblance	667,7709		Critère d’Akaike	-1331,542
Critère de Schwarz	-1325,016		Hannan-Quinn	-1328,899

 

 

Statistiques descriptives, utilisant les observations 1 – 193

pour la variable fr_accor (193 observations valides)

 

Moyenne	Médiane	Minimum	Maximum
0,0292001	0,0233953	0,00745499	0,112211
Écart type	C.V.	Asymétrie	Ex. aplatissement
0,0189562	0,649183	1,90075	4,27126

 

Les résultats que montrent ces tableaux, affirment que la liquidité des marchés des actions SRD sur l’indice CAC40 influe directement sur la liquidité du marché en général. Cette influence est vérifiée en utilisant le test de significativité de b de chaque droite de régression. Il y a aussi la lecture du coefficient de corrélation R² qui montre pour la plupart des observations une valeur supérieure à 50%, autrement dit, plus de 50% du couple (X, Y) appartient à la droite de régression. A titre de comparaison, le tableau suivant montre l’ensemble des caractéristiques de chaque droite de régression à tous les actions éligibles en SRD sur l’indice CAC40.

 

Tableau de régression des fourchettes de prix relatives des actions par rapport au marché CAC40.

Actions	b	t	R²	R² ajusté	nb d’obs
Accor	0,577217	19,8315	0,673106	0,671395	193
ADP	0,965719	17,5243	0,616543	0,614536	193
Air France	0,487115	19,0301	0,654703	0,652895	193
Air Liquid	1,07591	24,0724	0,752102	0,750804	193
Alcatel-Lucent	0,361824	12,9831	0,468798	0,466017	193
Alstom	0,653425	24,0778	0,752187	0,750889	193
AXA	0,470696	23,3546	0,740644	0,739286	193
BNP Paribas	0,317546	16,6521	0,592135	0,59	193
Bouygues	0,75608	24,6371	0,760647	0,759394	193
Cap Gemini	0,585757	19,6808	0,669741	0,668012	193
Carrefour	0,764077	18,494	0,64167	0,639794	193
Crédit Agricole	0,344267	18,5395	0,642798	0,640928	193
Danone	0,945631	21,4187	0,706046	0,704507	193
EADS	0,675745	16,6218	0,591256	0,589116	193
EDF	0,644878	13,526	0,489241	0,486567	193
Essilor	1,12673	16,0397	0,57392	0,57169	193
France Telecom	1,08797	31,9005	0,841971	0,841144	193
GDF Suez	0,811081	29,3547	0,818561	0,817611	193
L’Oréal	1,08072	22,8565	0,732275	0,730873	193
Lafarge	0,663824	22,6219	0,728211	0,726788	193
LVMH	0,751	18,1917	0,634057	0,632141	193
Michelin	0,611188	23,1955	0,738009	0,736637	193
Pernod Ricard	0,912204	21,1202	0,700187	0,698617	193
Peugeot	0,559667	21,0536	0,698859	0,697282	193
PPR	0,799089	19,4983	0,665608	0,663857	193
PUBLICIS GROUPE SA	0,854157	18,2767	0,636217	0,634312	193
Renault	0,579056	20,838	0,694509	0,692909	193
Safran	0,511775	12,7724	0,460658	0,457834	193
Saint Gobin	0,661971	33,5745	0,855111	0,854352	193
Sanofi	0,948035	24,8127	0,763225	0,761985	193
SCHNEIDER ELECTRIC	0,606669	21,1906	0,701581	0,700019	193
Société Générale	0,285133	19,8904	0,67441	0,672706	193
STMicroelectronics	0,821194	19,2275	0,659353	0,65757	193
Technip	0,565137	19,3524	0,662256	0,660488	193
Total	1,06495	31,6001	0,839437	0,838597	193
Unibail	0,914772	23,7248	0,74664	0,745313	193
Vallourec	0,63355	19,8832	0,67425	0,672545	193
Veolia	0,434157	19,5951	0,667807	0,666068	193
Vinci	0,785959	37,2731	0,879136	0,878503	193
Vivendi	0,909765	25,1854	0,76857	0,767359	193

 

Dans ces calculs, la valeur du coefficient directeur de chaque étude de corrélation présente une certaine disparité, qui exprime une instabilité de cours durant la période de 9 mois d’observations. En fait, les actions des 7 sociétés sur 40 ont une corrélation inférieure à 0.5 c’est-à-dire que leur intervalle n’influe pas celle du prix du marché en général. Pourtant, les actions SRD de 28 sur 40 sociétés ont une corrélation significative avec la fourchette de prix exprimée par le marché en général. Ce qui affirme que la liquidité des titres SRD tire la liquidité du marché, en plus, les 5 autres actions, qui ont un coefficient de régression supérieur à 1 amplifient cette situation.

 

Dans une autre approche, la lecture du coefficient de corrélation permet d’insister sur corrélation entre les deux variables. Les plus faibles de ce coefficient appartiennent à l’étude de corrélation des actions de Safran, Alcatel-Lucent et EDF.

 

Indication sur la règlementation

• La plupart des sociétés cotées en bourse sous l’indice CAC40 émet des actions éligibles en SRD. Par conséquence, la variation de leur position sur le marché affecte considérablement le cours et la liquidité de ce marché du fait aussi que ce sont ces actions qui forment les caractéristiques des informations publiées.
• La restriction des ventes à découvert se fait avec la manipulation des volumes d’actions émis sur le marché. Celle-ci tire l’écart de prix entre cours haut et cours bas. Sur le volet économétrique, cette mesure se fait en analysant la droite de régression entre la variation des prix et la variation des volumes. Cette équation sera étudiée dans le paragraphe en dessous.

 

Etude de régression entre la variation de prix et la variation de volume pour la règlementation

L’objectif de la présente étude se rapporte à l’appréhension de la variation des prix en fonction de la variation de volume échangé sur le marché. Pour cela, les unités statistiques qui forment l’échantillon sont extraites du tableau de récapitulation précédent avec les actions qui possèdent un coefficient de régression supérieur ou égal à 1. Dans ce cas, les actions les plus représentatifs sont ceux d’Air Liquid, Essilor, France Telecom, L’Oréal, et Total.

Les variables utilisées dans cette étude sont la fourchette de prix relative et la variation relative du volume de chaque titre.

• Fourchette relative : fr = (prix haut – prix bas)/((prix haut + prix bas)/2)
• Variation relative de volume : vr = (V t – V t-1)/ V t-1

 

La collecte des résultats des cinq droites de régression se résume dans le tableau suivant :

 

Tableau de régression entre la variation de volume et la variation relative de l’écart de prix

actions	const	b	t	r²	r² ajusté
air liquid	0,0206327	-0,0014886	-0,5091	0,001355	-0,003874
total	0,0221077	-0,00374283	-1,2	0,007478	0,002282
l’oreal	0,0202914	-0,00162147	-0,7777	0,003157	-0,002062
France telecom	0,0195532	-0,00340253	-1,405	0,010223	0,005041
essilor	0,0177636	-0,00208034	-1,015	0,005368	0,00016

 

La lecture de la valeur du coefficient de régression confirme l’existence d’une corrélation négative entre les deux variables, c’est-à-dire qu’une augmentation de volume dans la partie de la variable explicative, entraine une augmentation de prix dans la partie variable expliquée. En effet, la réglementation sur le volume a un impact sur la fourchette de prix relative, autrement dit, elle conduit à un écartement entre le prix haut et le prix le plus bas. A cet effet, il faut toujours se référer au modèle de marché (formule de régression mis à jour) pour évaluer techniquement la restriction des volumes de vente à découvert, il s’agit ici d’une décision basée sur une démarche scientifique et non d’une inspiration politique.

 

Conclusion

 

Les ventes à découvert font partie intégrante des marchés financiers, notamment pour l’indice CAC40. Leur liquidité, comme celle du marché, est exprimée par la capacité d’absorption, l’immédiateté de retour du prix à l’équilibre, et qui affecte la liquidité du marché au sens statistique du terme. Ces dernières années, des dispositifs pris par les puissances publiques nationales et européennes prévoient la restriction des ventes à découvert. Pourtant, de nombreuses recherches empiriques affirment que la restriction des ventes à découvert assèche la liquidité du marché en général du fait que la corrélation des actions SRD et des futures avec la liquidité du marché est démontré positive dans la présente étude. C’est à ce point que la partie méthodologie démontre la corrélation entre les variations des fourchettes de prix relatives des actions SRD et des futures et celle du marché du CAC40. Les actions des sociétés cotées sur CAC40 confirment individuellement cette corrélation avec une meilleure qualité. Ainsi, la réglementation des ventes à découvert devrait passer par l’édification d’un modèle pour chaque marché expliquant l’interdépendance des variables citées ultérieurement. Une fois conçu, le modèle servira de base pour l’étude d’impact de la restriction de volume sur l’écart des prix haut et prix bas. De cette procédure, la restriction ne se ferait pas par tâtonnement mais avec une prévision issue de l’utilisation du modèle économétrique qui affiche des valeurs théoriques plus proche de la réalité.

 

 

 

BIBLIOGRAPHIE

 

Ouvrages

 

CHEHMANA A. LENOIR T. MEDA L. PETRAS C. Les produits dérivés. Propédeutique en financer : HEC Montreal, 2005

 

DEBON Marie-Ange, HELLEBUYCK Jean-Pierre. Rapport du groupe de travail sur les ventes à découvert. Publication de l’AMF, 23 février 2009

 

DUQUERROY Anne. Liquidité et fonctionnement des marchés financiers. Conférence sur les Théorie et réalité des crises financières. 7 octobre 2009

 

EMONET-FOURNIER Caroline. Les facteurs communs de la liquidité : une étude empirique sur le marché parisien des actions. Thèse de Doctorat. CEREG. Université Paris IX Dauphine

 

MISHKIN Frederic. Monnaie, banque et marchés financiers. Chapitre complémentaire – Les produits dérivés.  8^e Ed. Pearson Education, 2007

 

Rapports

 

Rapport sur le projet de loi de régulation bancaire et financière.

 

Résolution législative du Parlement européen du 15 novembre 2011.

 

Site web

 

Wikipedia. Prêt/emprunt des titres. [en ligne]. Disponible sur http://fr.wikipedia.org/wiki/Pr%C3%AAt/emprunt_de_titres>, consulté le 23 décembre 2011.

 

VERNIMMEN Pierre. Service de règlement différé. [en ligne]. Disponible sur < http://www.vernimmen.net/html/glossaire/definition_service_de_reglement_differe.html >, consulté le 22 novembre 2011

 

Fimarkets.com. Règlement et livraison. [en ligne]. Disponible sur <http://www.fimarkets.com/pages/reglement_livraison.php#denouement>, consulté le 23 novembre 2011

 

Easybourse.com. La vente à découvert (VAD) et Le SRD. [en ligne]. Disponible sur < http://www.easybourse.com/bourse/pedagogie/fiche/la-vente-a-decouvert-vad-et-le-srd-76 >, consulté le 19 novembre 2011

 

Edubourse.com. Spéculer à la hausse. [en ligne]. Disponible sur <http://www.edubourse.com/lexique/speculer-a-la-hausse.php>, consulté le 22 novembre 2011.

 

BOURGUINAT Henri. Change : Les opérations de change. [en ligne]. Disponible sur <http://www.universalis.fr/encyclopedie/change-les-operations-de-change/3-les-operations/> consulté le 22 novembre 2011

 

 

[1] BOURGUINAT Henri. Change : Les opérations de change. [en ligne]. Disponible sur <http://www.universalis.fr/encyclopedie/change-les-operations-de-change/3-les-operations/> consulté le 22 novembre 2011

[2] Idem.

[3] Au sens large, les investisseurs englobent toute personne, morale ou physique, qui s’intéresse à la bourse et s’y opèrent.

[4] Edubourse.com. Spéculer à la hausse. [en ligne]. Disponible sur <http://www.edubourse.com/lexique/speculer-a-la-hausse.php>, consulté le 22 novembre 2011.

[5] DEBON Marie-Ange, HELLEBUYCK Jean-Pierre. Rapport du groupe de travail sur les ventes à découvert. Publication de l’AMF, 23 février 2009, page 5

[6] VERNIMMEN Pierre. Service de règlement différé. [en ligne]. Disponible sur < http://www.vernimmen.net/html/glossaire/definition_service_de_reglement_differe.html >, consulté le 22 novembre 2011

[7] Easybourse.com. La vente à découvert (VAD) et Le SRD. [en ligne]. Disponible sur < http://www.easybourse.com/bourse/pedagogie/fiche/la-vente-a-decouvert-vad-et-le-srd-76 >, consulté le 19 novembre 2011

[8] Les détails seront exposés dans la partie « couverture ».

[9] MISHKIN Frederic. Monnaie, banque et marchés financiers. Chapitre complémentaire – Les produits dérivés.  8^e Ed. Pearson Education, 2007, page 3

[10] CHEHMANA A. LENOIR T. MEDA L. PETRAS C. Les produits dérivés. Propédeutique en financer : HEC Montreal, 2005, page 5, page 9

[11] Wikipedia. Prêt/emprunt des titres. [en ligne]. Disponible sur http://fr.wikipedia.org/wiki/Pr%C3%AAt/emprunt_de_titres>, consulté le 23 décembre 2011.

[12] Fimarkets.com. Règlement et livraison. [en ligne]. Disponible sur <http://www.fimarkets.com/pages/reglement_livraison.php#denouement>, consulté le 23 novembre 2011

[13] EMONET-FOURNIER Caroline. Les facteurs communs de la liquidité : une étude empirique sur le marché parisien des actions. Thèse de Doctorat. CEREG. Université Paris IX Dauphine, page 2

[14] DUQUERROY Anne. Liquidité et fonctionnement des marchés financiers. Conférence sur les Théorie et réalité des crises financières. 7 octobre 2009, page 2

[15] Rapport sur le projet de loi de régulation bancaire et financière.

[16] Résolution législative du Parlement européen du 15 novembre 2011.