LA METHODOLOGIE DES ETUDES D EVENEMENTS DANS UN
|
|
- Beatrice Crevier
- il y a 8 ans
- Total affichages :
Transcription
1 LA METHODOLOGIE DES ETUDES D EVENEMENTS DANS UN UNIVERS CARACTERISE PAR DES CHANGEMENT DE REGIMES Jean-Gabriel COUSIN 1, Eric de BODT 2 1. INTRODUCTION Depuis Fama, Fisher, Jensen et Roll (1969), les études d évènements sont devenues une méthodologie de référence en finance. Nous supposerons, dans ce document, que cette approche est bien connue du lecteur 3. Les applications en ont, à ce point, été si nombreuses qu il serait illusoire de tenter d en faire le tour. De nombreux auteurs se sont également penchés sur les améliorations possibles de l approche initiale. Sans volonté aucune d exhaustivité, on citera notamment les travaux de Brown et Warner (1980,1985), qui se penchent sur la puissance et la spécification de différentes variantes de l approche initiale, Ball et Torous ( 1988), qui prennent explicitement en compte l incertitude autour de la détermination de la date d événement, Corrado (1989), qui propose un test robuste, ne supposant pas la normalité des taux de rentabilité anormaux des actions, Boehmer et al. (1991), dont l approche permet de neutraliser l effet de saut de variance induit par l événement, Salinger (1992), qui systématise l étude de l écart type des taux de rentabilité anormaux durant la période d événement dans les études d échantillons. Toutefois, et en un sens curieusement, la période d estimation, utilisée pour estimer les paramètres du modèle,qui permet d obtenir les taux de rentabilité dits normaux des actions, a fait l objet d une attention moins soutenue. Celle-ci se définit le plus souvent comme une période située en amont de l événement, durant laquelle il est possible d estimer proprement les paramètres du modèle de référence utilisé. Dans les études en données journalières, la fenêtre allant de 250 jours avant l événement à 30 jours avant ce dernier est souvent utilisée, assez mécaniquement. Ensuite, une période de quelques jours (assez variables selon les études) peut être neutralisée entre la fin de la période d estimation et l événement lui-même, 1 ESA-Université de Lille II- 1, Place Déliot BP Lille. Courriel : jgcousin@wanadoo.fr 2 Courriel : debodt@fin.ucl.ac.be 3 Campbell et al. (1997) présentent une synthèse intéressante des travaux effectués dans ce domaine. 1
2 selon que l on désire ou non prendre en compte l impact des fuites d information avant l annonce. La détermination mécanique de la période d estimation pose toutefois un problème, en particulier dans le cadre des études empiriques sur des échantillons de grande taille qui se généralisent aujourd hui 4. Il devient en effet, dans ce cadre, difficile d imaginer que le chercheur puisse, au cas par cas, s assurer du fait que la période d estimation n est pas contaminée par d autres événements spécifiques à l entreprise. Le risque est alors grand de biaiser l analyse. Imaginons en effet, dans le cadre d opérations de fusions et acquisitions par exemple, que l acquéreur ait, dans les mois qui précèdent, fait d autres opérations. Ce cas d espèce est fréquent. Déjà Malatesta et Tompson (1985)se sont penchés sur l impact des programmes de fusions et acquisitions, soulignant que les acquéreurs suivent souvent des stratégies de croissance externe qui s étalent dans le temps. La contribution récente de Fuller et al. (2002) souligne l importance de ce point. L inclusion de ces dernières dans la période d estimation des paramètres du modèle de détermination des taux de rentabilité normaux aura inévitablement des conséquences sur ces derniers. Plus gravement, peut-être encore, de tels événements risquent d augmenter de manière significative la variance des résidus du modèle, elle-même utilisée fréquemment pour tester la significativité des taux de rentabilités anormaux autour de l événement (une correction devant toutefois être faite pour tenir compte du fait qu il s agit de la variance de prévision (Salinger (1992)). Comme nous le montrerons dans la suite de ce document, ce biais réduit considérablement la puissance de l approche classique des études d événement, c est-à-dire sa capacité à détecter la présence de taux de rentabilité anormaux statistiquement significatifs lorsqu ils sont présents. C est à ce problème que nous nous attaquons dans ce travail. Nous poserons l hypothèse que, pour des raisons matérielles, essentiellement, le chercheur ne peut se permettre, pour l ensemble des entreprises de son échantillon, de s assurer au cas par cas, de l absence d événements concomitants dans la période d estimation. L approche proposée prend appui, à la fois sur les modèles désormais bien établis de la finance moderne, et en particulier sur le modèle de marché introduit par Sharpe (1964), mais également sur les modèles à changement de régimes, dénommés Markov-Switching Regressions Models (MS-Reg), notamment développés dans les travaux de Hamilton (1994), Krolzig (1997), Notre intuition initiale ² Fuller et al (2002), Mitchell et Stafford (1999) 2
3 est assez simple : l occurrence d un événement provoque un choc important sur le processus générateur des taux de rentabilité de l entreprise, ce choc pouvant être capté à l aide d un modèle à changement de régimes, notamment par une augmentation significative de la variance des résidus du modèle conditionnel au régime. Nous pourrons alors utiliser les paramètres obtenus dans le cadre du régime dans lequel se trouve le processus comme paramètres de référence pour l étude statistique des taux de rentabilité anormaux autour de la période d événement. En un certain sens, l approche proposée peut être comprise comme une méthode statistique de filtrage des données, permettant de neutraliser les chocs perturbateurs dans la période d estimation, sans qu il soit nécessaire pour le chercheur d en faire une recherche au cas par cas, jour après jour. Une autre vision de l approche proposée est celle d une spécification statistique, plus adaptée, du processus génération des taux de rentabilité des actions, permettant une meilleure spécification et puissance des tests sur les résidus du modèle, à savoir les taux de rentabilité anormaux. Le travail que nous effectuons est classique et prend appui sur celui réalisé par Brown et Warner (1980, 1985) ou Boehmer et al. (1991), pour ne citer qu eux. Dans un premier temps, en reposant sur un échantillon important d entreprises (quelques trois mille valeurs cotées sur les marchés américains composant l indice RUSSELL 3000), nous effectuons une étude de puissance et de spécification de différentes variantes de l approche classique en matière d étude d événement. Nous montrons, en troublant la période d estimation par des chocs aléatoires volontairement simulés, que ces dernières produisent des résultats de plus en plus biaisés. Nous montrons ensuite, toujours dans un cadre simulé, que l approche que nous proposons se révèle robuste à de telles perturbations. Notre objectif est, aussi rapidement que possible, d adjoindre à ce travail de simulation un travail sur un échantillon important d opérations de fusions et acquisitions, afin d étudier si, dans la réalité, le problème que nous analysons est susceptible de modifier de manière significative les conclusions des tests statistiques effectués concernant les taux de rentabilité anormaux, en particulier des acquéreurs, qui se révèlent souvent être des acquéreurs multiples (Fuller et al. (2002)). Nous consacrerons la première section de ce document à une présentation rapide des différentes alternatives classiquement suggérées aujourd hui dans le domaine des études d événements. Elle sera également consacrée à la présentation de l approche que nous proposons. Nous y introduirons aussi un certain nombre de rappels concernant les problèmes spécifiques que soulève l inférence statistique autour des modèles de type MS-Reg. Dans 3
4 notre deuxième section, nous présentons nos données et la méthodologie utilisée pour effectuer les tests de spécification et de puissance. Les résultats obtenus font l objet de la troisième section. Les multiples pistes de développement de ce travail en-cours sont abordées en conclusion. 2. METHODOLOGIE La méthode de simulation employée dans ce papier s inspire de celle de Brown et Warner (1980, 1985) et Boehmer et al (1991). Contrairement à une simulation de Monte-Carlo, où des valeurs sont générées aléatoirement à partir d une distribution statistique théorique, ces auteurs échantillonnent de véritables taux de rentabilité issus de la base de données CRSP 5. En sélectionnant aléatoirement des dates d évènements et des titres, ils créent des évènements simulés sans partir de l hypothèse d une distribution particulière des taux de rentabilité d actions. Des méthodologies similaires apparaissent également dans Corrado (1989,1992), Cowan (1992,1996) et Campbell et Wasley (1993), et de nombreuses autres contributions. Dans ce travail, l univers des titres que nous prenons en considération est celui de l indice RUSSELL ESTIMATION DES TAUX DE RENTABILITE ANORMAUX Dans le cadre de l approche classique des études d évènements, les taux de rentabilité anormaux sont définis comme les erreurs de prédiction d un modèle particulier caractérisant le processus générateur des taux de rentabilité des actions. Le modèle de marché est souvent utilisé 6, α j β R R + + jt j mt ε jt R jt =, où est le taux de rentabilité du titre j à la date t et est le taux de rentabilité du portefeuille de marché ou du portefeuille assimilé au marché à la date t. Le terme d erreur ε jt mesure les taux de rentabilité anormaux. Il est classiquement supposé identiquement distribué, gaussien et non auto-corrélé 7. Nous noterons sa variance Rmt 5 Base de données du Center for Research in Security Prices (CRSP) de l université de Chicago 6 Les études de Brown et Warner (1980 et 1985) montrent que les résultats obtenus sont largement robustes au choix de différents modèles en la matière. 7 Différentes corrections ont été proposées dans la littérature pour tenir compte du problème de l auto-corrélation des résidus du modèle de marché (par exemple, Rubacq (1982)). Comme nous l aborderons dans la suite de ce document, les tests dits robustes permettent de se passer de l hypothèses de résidus gaussiens. Notre travail porte en fait plus précisément sur l hypothèse de distribution unique et stable des résidus. 4
5 2 durant la période d estimation. Nous noterons la variance des taux de rentabilité anormaux durant la période d événement σ j ' σ 2 j 8. La période d estimation des paramètres du modèle de marché couvre la fenêtre de t=1 à t=200, et t =250 représente la date d événement 2 sélectionnée aléatoirement. Initialement, dans l approche classique, on suppose que σˆ j, obtenu sur la période d estimateur, est un estimateur non biaisé de la variance des résidus du modèle de marché en période normale. L estimation du β est réalisé par la méthode des moindres carrées ordinaires TESTS STATISTIQUES Notations Nous utiliserons tout au long du papier les notations proposées par Boehmer et al (1991), afin de décrire les différents tests statistiques. N A je nombre de titres dans l échantillon le taux de rentabilité anormal du titre j le jour d événement A jt T j le taux de rentabilité anormal du titre j au jour t le nombre de jours composant la période d estimation du titre j, égal à 200 jours pour notre simulation _ R m le taux de rentabilité moyen du portefeuille de marché durant la période d estimation ^ j S l écart type estimé des taux de rentabilité anormaux du titre j durant la période d estimation SR je le taux de rentabilité anormal standardisé du titre j à la date d événement, corrigé de l erreur de prévision (Salinger (1992)) : = ^ (R me Rm) A je / S j _ (1) Tj ( R R ) 2 m t= 1 mt _ ' 2 σ j 8 S agissant de la variance d erreur de prévision, est supérieur à. Salinger (1992) présente en détail la correction à effectuer. 9 Cowan et al (1996) ayant montrés que l ajustement de Scholes et Williams (1977) n apportait que peu d amélioration, cet ajustement ne sera pas effectué dans notre étude. 2 σ j 5
6 Approches de références Les tests statistiques utilisés sont les tests en coupe transversale standardisés de Boehmer et al (1991), des rangs de Corrado (1989) et celui que nous proposons utilisant les modèles MS- Var. L hypothèse nulle pour chaque test est l absence de taux de rentabilité anormaux, ou, plus précisément, que la moyenne en coupe transversale de ces taux de rentabilité anormaux est nulle. Le test standardisé de Boehmer et al. (1991) est similaire à celui de Patell (1976), mais à la différence de ce dernier, les auteurs utilisent la variance estimée, coupe transversale des erreurs d estimation standardisées, en lieu et place de la variance théorique. Cette procédure permet de tenir compte d un éventuel accroissement de la variance des taux de rentabilité anormaux le jour de l événement (les auteurs parlent d event induced variance) en l estimant en coupe transversale. Le test de Boehmer et al s écrit alors de la manière suivante : Z = 1 N( N 1) 1 N N N j= 1 ( SR SR je N ie j= 1 j= 1 SR N ie ) 2 (2) Boehmer et al (1991) montrent que ce test est bien spécifié pour un échantillon de titres issus du NYSE-AMEX sous l hypothèse nulle, et ce, même lorsque la variance augmente lors de la date d événement. De plus, lorsqu il n y a aucune augmentation de la variance, ce test est aussi puissant que l approche classique. C est pour ces raisons que nous étalonnerons notre test par rapport à celui là. Le second test est le test des rangs, développé par Corrado (1989). Sa procédure traite la période d estimation et la période d événement comme une seule série temporelle de 250 jours (notre test fera de même), et assigne un rang à chaque taux de rentabilité anormal quotidien de chaque firme. En suivant la notation de Corrado, soit K jt représente le rang du rendement anormal A jt dans la série des 250 rendements anormaux quotidiens du titre j. Le rang un est accordé au plus faible rendement anormal de la série. Soit K =rank( A jt ) jt, t = 1,,250, où A implique que K et 250 K 1 jt A jt' jt K jt ' jt 6
7 Par construction le rang moyen est égal à ( 0.5 T ) , soit, dans notre cas, 125,5. La statistique de rang ( K 125,5), pour le taux de rentabilité anormal A, permet de construire jt le test statistique suivant à la date d événement : jt T = 1 N N j= 1 ( K je S( K) 125.5) (3) L écart type S(K) est alors calculé à partir de l ensemble de la période de 250 jours : 250 N S ( K) = 1 ( 1 ( K 125,5)) 250 N 2 jt (4) t= 1 j= 1 La procédure ainsi employée transforme la distribution des taux de rentabilité anormaux en une distribution uniforme à travers les différentes valeurs de rang possible, sans prise en compte de la forme de la distribution originale. Corrado (1989), Corrado et Zivney (1992) et Campbell et Wasley (1993) montrent, à l aide de simulations, que le test des rangs est correctement spécifié et puissant. Cowan(1992) rapporte que ce test est mal spécifié pour les titres issue du Nasdaq (titres connaissant un faible volume d échange), et Boehmer et al (1991) montrent qu il l est également en cas d augmentation de la variance des taux de rentabilité du titre lors de la période d événement. D autres améliorations ont également été apportées. Ball et Torous (1988) étudient le cas d une date d événement incertaine. Utilisant une technique fondée sur un estimateur de maximum de vraisemblance, ils mesurent, simultanément, les taux de rentabilité de la période d estimation, leur variance et la probabilité d occurrence de l événement, pour chaque jour de la fenêtre d évènements. Lorsque qu une performance anormale est présente et que la date d événement est incertaine, leur simulation montre que la méthode rejette l hypothèse nulle plus fréquemment que les tests traditionnels. Nimalendram (1994) présente une méthodologie utilisant un modèle mixte composé d un processus de poisson couplé à un mouvement brownien standard, afin de séparer les effets d arrivé d information des stratégie 7
8 de trading autour des évènements. Il démontre que son modèle est plus puissant, si on le compare aux estimateurs traditionnels, pour des évènements aux annonces multiples. Ces approches pourraient, à priori, sembler adaptées à l analyse de la situation qui nous intéresse, à savoir l existence d une période d estimation troublée. Toutefois, une analyse détaillée met en évidence de nombreux problèmes techniques. Le nombre de combinaisons étudiées, dans la méthode de Ball et Touros (1988), devient rapidement explosif. L approche de Nimalendram ne permet pas l identification des périodes d arrivée d informations et semble peu adaptée à l estimation de l impact de l arrivée d informations sur une période courte. Modèle à saut de régimes Pour l élaboration de notre test, nous considérons une modélisation statistique du processus générateur des taux de rentabilité, pour lequel les paramètres du modèle de marché et la variance des résidus peuvent changer lors de différents régimes. Le régime est représenté par une variable exogène dont la valeur est non observable. L analyse est réalisée dans le cadre des Markov Switching Regime largement diffusé par les travaux de Hamilton (1994). Soit S t le régime dans lequel se trouve le processus à une date t. Il existe N régimes possibles ( = 1,2,,N). Dans notre cas nous poserons N=2 10. Notre modèle de base est donc le S t suivant : = si S =1 avec ε N(0; ) (5) y t α 1 + β1 R m, t + ε1, t y t α 2+ β2 R m, t + ε2, t t 1, t~ σ1 = si S =2 avec ε N(0; ) t 1, t~ σ 2 St est non observable et il convient, afin de compléter le modèle, de spécifier les propriétés de ce processus. Dans les modèle MS-Var, qui signifie que le régime courant S t S t est un processus de Markov de premier ordre, ce dépend uniquement du régime de la période précédente. La chaîne de Markov est alors caractérisée par 4 probabilités de transition : S t 1 P( S = p, t 1 St 1 = 1) = t 1 St 1 = 2) = 11 P( S = p, Ce choix repose à la fois sur la volonté de conserver des modèles parcimonieux et des analyses de spécification réalisées suivant la méthodologie développée par Krolzig (1997). 8
9 P( S = p, t 2 St 1 = 1) = t 2 St 1 = 2) = 21 P( S = p, 22 p ij est égale à la probabilité que le régime i en t-1 soit suivi du régime j en t. p pour i, j =1, 2 et p i p 1 pour i = 1,2 0 ij 1 + i 2= L estimation du modèle MS-Var à deux régimes repose donc sur l estimation des paramètres θ = ( α1, α2, β1, β2, σ1, σ 2) et des probabilités de transition pij. L inférence repose sur l estimation des probabilités d occurrence des régimes tout au long de la période de temps étudié. f( y t 2 = Ω = 1 ( yt α j β j Rm, t) st j, t 1; θ ) exp 2 j=1,2 (6) 2πσ 2σ j j S étant non observable, la vraisemblance L ( θ) f( Ω ; 1θ) est égale à : t t = yt t f yt Ω ; θ) = f( yt, S = 1 Ω ; θ) + f( yt, S = 2 Ω ; ) (7) ( t 1 t t 1 t t 1 θ P La relation fondamentale des probabilités conditionnelle, { } { A B} P AB d écrire : =, nous permet P B [ f ( y S = 1, Ω ; θ ) P( S = 1 Ω ; θ )] + [ f ( y S = 2, Ω ; θ ) P( S = 2 Ω ; )] f (8) ( yt Ωt ; θ ) = t t t 1 t t 1 t t t 1 t t 1 1 θ {} Afin d obtenir une estimation des différents paramètres du modèle, il nous faut donc estimer P ( S t j ; 1θ), j=1,2, soit la probabilité que le processus soit dans le régime j à la date t, et = Ωt cela connaissant l ensemble des observations de l échantillon (période d estimation et période d évènements) L inférence réalisé sur le régime dans lequel on se trouve en utilisant l ensemble de l information disponible est appelée smoothed inference. 9
10 Le test que nous proposons, consiste simplement en l adaptation de l approche de Boehmer et al. (1991), substituant au modèle de marché le modèle à deux états présentés à l équation (5). Cette approche présente a priori de multiples avantages : outre la possibilité de réaliser de l inférence sur le régime dans lequel le processus se trouve, la modélisation des taux de rentabilité anormaux sous la forme de gaussienne répond à l intuition de Roll (1987), à savoir que le vrai processus générateur des taux de rentabilité des actions serait un mélange de gaussienne. Il permet ainsi de corriger le test de significativité de la non normalité des taux de rentabilité anormaux.. Il prend également en compte l asymétrie (à vérifier) et les queues de distribution épaisses ainsi que l hétéroscédasticité de la variance conditionnelle, et cela, en n imposant aucune structure au saut de variance 12. Il possède de ce point de vue un avantage indéniable sur la rigidité des modèles GARCH 13. Enfin, l approche proposée génère à la fois le régime, les taux de rentabilité anormaux et la variance nécessaire pour réaliser l inférence, et ce,en laissant la possibilité d introduire une ou plusieurs variables exogènes. L ensemble de ces avantages devrait permettre à notre test de gagner en spécificité et en puissance face aux tests classiques, en particulier lorsque des événements importants troublent la période d estimation. 3. DONNEES 3.1 Sélection de l échantillon Nous construisons 250 échantillons de 50 titres chacun tirés aléatoirement parmi l ensemble des valeurs composant l indice Russell 3000 au 01/03/02. Cet indice est composé des 3000 plus importantes capitalisations boursières des Etats-Unis, et représente approximativement 98% du marché action américain. La capitalisation boursière moyenne est de 4 milliards de dollars et la médiane de 700 millions de dollars. Le minimum est de 128 millions de dollar, le maximum de 309 milliards. Pour l ensemble des valeurs le composant, on utilise les cours du 1/01//90 au 01/03/02, soit approximativement 3000 observations. Tous les titres et les dates d évènements sont tirés aléatoirement avec replacement. Nous sélectionnons les titres et les 12 Ces propriétés des modèles MS-Reg sont exposées en détail dans Krolzig (1997). 13 Savickas (2001) propose une utilisation des modèles GARCH dans le cadre des études d événements. 10
11 dates d évènements qui respectent les contraintes suivantes : pour faire partie de l échantillon, une valeur doit posséder au minimum 50 rendements quotidiens lors de la période d estimation (du jour 1 au jour 200) et aucun rendement manquant dans les 30 jours entourant l évènement (230 à 260 ; évènement en 250). Chaque portefeuille de 50 titres est tiré indépendamment des autres. 3.2 Simulation d évènements lors de la période d estimation Notre simulation se propose d étudier l incidence sur les tests de significativité de la présence éventuelle d évènements brouillant la période d estimation. Le niveau de performance anormale injecté durant la période d estimation prend les valeurs successives de 0%, ± 1%, ± 2% et ± 4%, et ces chocs sont de variance non nulle. Une variance différente de zéro implique que chaque titre connaît des niveaux différents de «pollution» de sa période d estimation. Notre simulation d accroissement de variance lors de la période d estimation pour chaque titre i prendra la forme générale kσ où σ 2 représente la variance du titre i durant la période d estimation non bruitée, et k prend les valeurs 0.5, 1, 2 et 4. Dans un premier temps, le nombre d évènements durant la période d estimation est déterminé en deux étapes. Un tirage aléatoire dans une loi de Poisson de moyenne 2 est réalisé. Il représente le nombre d événements durant la période d estimation. Ensuite, le nombre de jours durant lesquels se manifestent ces évènements est également tiré aléatoirement dans une loi de Poisson de moyenne 4. Cette méthodologie nous permet de générer des arrivées d information aléatoires durant la période d estimation. Le figure 1 présente un exemple type de résultats obtenus à l aide de cette procédure. La courbe continue représente la trace initiale des taux de rentabilité. La courbe pointillée représente celle obtenue après applications des d événements simulés durant la période d estimation. 2 i i 11
12 fig1: exemple de l'incidence de l'application de choc durant la période d estimation 4. RESULTATS Tous les résultats présentés par la suite reposent sur l utilisation d un seuil de significativité de 5%. 4.1 TESTS STATISTIQUES SANS EVENEMENTS DURANT LA PERIODE D ESTIMATION Dans un premier temps, et afin d étudier le comportement de l approche que nous proposons dans le même cadre que celui des travaux de référence, nous étudions la spécification et la puissance des trois approches (Boehmer (1991), Corrado (1989) et MS-Reg) lorsque aucun événement ne vient troubler la période d estimation. Le tableau 1 reprend les résultats obtenus. Lorsque le niveau de rentabilité anormal artificiel est nul, les tests doivent rejeter l hypothèse nulle d absence de performance anormal dans 5% des cas (test de spécification). Tableau 1 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal - Aucun évènement artificiel durant la période d'estimation Niveau de rendement anormal injecté lors du jour d'événement Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% Test de Boehmer 6,8% 28,8% 22,0% 66,8% 72,0% 100,0% 97,6% Test de Corrado 5,6% 42,8% 29,2% 88,8% 85,6% 99,2% 100,0% Test MS-Reg 4,8% 24,0% 36,0% 62,0% 83,2% 97,6% 98,0% 12
13 Pour un niveau de taux de rentabilité anormal nul, les taux de rejet des trois tests fournissent des résultats assez proches, qui se situent dans l intervalle de confiance à 99% ( 3,3% - 6,8%). Cela nous amène à conclure à la bonne spécification de ces trois tests dans ce cadre. Par contre, les niveaux de puissance, selon le signe du choc injecté artificiellement, connaissent des évolutions différentes. Le gain de puissance est évident et très important pour la détection des performances anormales positives : le test MS-Var rejette l hypothèse nulle d absence de performance anormale, lors d un choc de 0,5%, de 14 points plus souvent que le test de Boehmer (1991) et plus de 7 points que le test de Corrado (1989). Ce gain s estompe avec l accroissement du choc, tout en restant significatif au regard des performances du test de Boehmer (1991). Mis à part le test de Boehmer (1991), pour la détection de taux de rentabilité anormaux négatifs, les tests étudiés présentent une importante asymétrie de leur niveau de puissance. Pour un choc artificiel de -0,5%, le taux de rejet pour le test MS-Reg est de 12 points inférieur à celui d un choc de même ampleur mais de signe positif. Le même résultat, mais en sens inverse, est observé pour le test de Corrado (1989). Cette asymétrie de comportement des différentes approches (en particulier, les résultats obtenus lorsque l on injecte des taux de rentabilité négatifs) a fait l objet de peu d attention dans la littérature jusqu à présent et son étude sera l une des priorités des nos prochains travaux. 4.2 TESTS STATISTIQUES AVEC EVENEMENTS DURANT LA PERIODE D ESTIMATION Nous simulons à présent des évènements durant la période d estimation, se manifestant par un accroissement de la variance et un saut de moyenne. A priori, l inclusion de tels événements dans la période d estimation des paramètres du modèle de détermination des taux de rentabilité normaux devrait avoir des conséquences sur la spécification et la puissance des approches classiques. 13
14 Tableau 2 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal évènement artificiel injecté durant la période d'estimation de moyenne nulle Niveau de rendement anormal Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% k=0,5 Test de Boehmer 3,6% 28,8% 28,4% 65,6% 69,2% 97,6% 98,4% Test de Corrado 2,8% 41,6% 30,8% 86,8% 86,4% 100,0% 100,0% Test MS-Reg 2,0% 25,2% 39,6% 64,8% 81,6% 96,4% 96,8% k=1 Test de Boehmer 4,4% 28,8% 25,2% 69,6% 74,8% 98,0% 99,6% Test de Corrado 5,2% 43,2% 32,0% 91,6% 88,0% 100,0% 100,0% Test MS-Reg 4,8% 23,2% 36,0% 68,0% 84,4% 97,6% 99,2% k=2 Test de Boehmer 5,2% 28,8% 23,6% 74,4% 71,2% 99,6% 97,2% Test de Corrado 4,8% 39,2% 29,6% 92,0% 86,0% 100,0% 99,6% Test MS-Reg 4,8% 25,2% 36,0% 71,2% 81,6% 99,2% 98,0% k=4 Test de Boehmer 6,8% 34,0% 28,4% 68,8% 72,0% 98,4% 97,6% Test de Corrado 4,4% 38,8% 34,8% 89,2% 85,2% 100,0% 100,0% Test MS-Reg 5,2% 29,6% 38,4% 72,4% 80,8% 98,4% 98,0% Le tableau 2 reprend les résultats de nos simulations. La supériorité du test MS-Reg sur les deux autres est impressionnante pour la détection des rendements anormaux faibles et positifs (+0,5%) : le gain est au minimum de 10 points sur le test de Boehmer (1991) et ce quel que soit le niveau de variance induite. Par rapport au test de Corrado (1989) le gain paraît plus faible mais reste conséquent (plus de 6 points pour k=2). Le problème de l asymétrie de la puissance persiste et devra faire l objet d investigations dans le futur. Par contre, pour la détection de chocs plus importants à la date d événements (1% et 2%), le test de Corrado (1989) domine les deux autres approches. Les tableaux 3 et 4 reprennent les résultats du cas où l événement artificiel injecté durant la période d estimation est de moyenne 1% et 1%. La bonne spécification du test de Boehmer (1991) semble souffrir de l augmentation de la variance des évènements artificiels. Dans le tableau 3, pour k=2, le test rejette dans 8% des cas l hypothèse nulle d absence de taux de rentabilité anormaux. L écart de puissance entre les approches classiques et l approche MS- Reg s accentue. Pour k=1, le test MS-Reg présente un gain de près de 20 points sur les deux autres approches pour la détection d un choc de 0.5% et de plus de 15 points sur le test de Boehmer (1991) et de 8 points sur le test de Corrado (1989) pour la détection d un choc de 14
15 1%. Le problème de l asymétrie de la puissance persiste, même si les résultats semblent montrer une atténuation de l écart entre les différentes approches. Tableau 3 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal évènement artificiel durant la période d'estimation de moyenne égale à 1,0% Niveau de rendement anormal Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% k=0,5 Test de Boehmer 6,4% 32,0% 22,4% 71,6% 65,6% 98,0% 98,0% Test de Corrado 1,6% 36,8% 25,2% 86,8% 76,4% 100,0% 100,0% Test MS-Reg 4,0% 27,6% 40,0% 66,4% 83,6% 97,6% 98,0% k=1 Test de Boehmer 6,8% 35,2% 21,2% 71,6% 67,6% 99,6% 98,0% Test de Corrado 4,8% 38,0% 22,4% 88,8% 81,2% 100,0% 100,0% Test MS-Reg 6,8% 26,0% 41,2% 67,2% 82,8% 98,4% 98,0% k=2 Test de Boehmer 8,0% 34,0% 19,6% 73,6% 65,2% 99,6% 98,4% Test de Corrado 3,2% 36,8% 24,8% 89,6% 79,6% 100,0% 100,0% Test MS-Reg 6,8% 24,8% 33,6% 71,2% 78,8% 98,0% 98,4% k=4 Test de Boehmer 7,2% 34,8% 19,6% 73,6% 68,4% 100,0% 98,8% Test de Corrado 6,0% 44,4% 24,8% 89,6% 85,2% 100,0% 100,0% Test MS-Reg 6,4% 28,4% 33,6% 66,8% 77,6% 100,0% 98,4% Tableau 4 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal évènement artificiel durant la période d'estimation de moyenne égale à -1,0% Niveau de rendement anormal Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% k=0,5 Test de Boehmer 5,6% 29,6% 30,0% 67,6% 72,0% 98,0% 98,0% Test de Corrado 3,2% 32,4% 31,6% 84,0% 85,2% 99,6% 100,0% Test MS-Reg 5,2% 22,0% 39,2% 62,4% 81,2% 98,8% 97,6% k=1 Test de Boehmer 4,4% 27,6% 29,6% 66,4% 71,6% 97,2% 98,8% Test de Corrado 2,4% 32,8% 28,4% 84,8% 81,6% 100,0% 100,0% Test MS-Reg 6,4% 30,8% 41,6% 63,2% 78,8% 96,0% 98,4% k=2 Test de Boehmer 5,6% 28,8% 27,6% 70,4% 72,8% 99,2% 98,8% Test de Corrado 4,4% 32,8% 30,0% 85,6% 80,8% 100,0% 100,0% Test MS-Reg 5,6% 21,6% 41,2% 68,8% 81,6% 96,8% 98,4% k=4 Test de Boehmer 4,0% 24,4% 28,0% 68,4% 68,8% 99,2% 96,8% Test de Corrado 2,8% 34,8% 29,6% 86,0% 83,2% 100,0% 100,0% Test MS-Reg 4,4% 22,4% 32,8% 68,0% 82,8% 99,2% 98,4% 15
16 Le tableau 4 dénote une relative constance, au regard des résultats des autres approches, dans la puissance du test MS-Reg vis à vis du signe du choc injecté durant la période d estimation. Le test de Corrado (1989) souffre mécaniquement de l adjonction de chocs non-nuls en moyenne : il lui est plus difficile de détecter un choc positif dans la fenêtre d événement si la période d estimation est elle-même «polluée» positivement. Les tableaux 5 et 6 reprennent les résultats du cas où l événement artificiel injecté durant la période d estimation est de moyenne 2% et 2%. Le test de Boehmer (1991) accentue sa mauvaise spécification : dans le tableau 5, pour k = 2, en l absence de choc injecté le jour d événement, il réfute l hypothèse nulle d absence de taux de rentabilité anormale dans 11,6% des cas au lieu des 5% attendus. Le test MS-Reg reste le plus puissant pour les chocs faibles et le devient également pour les chocs plus important (1%). Les gains de puissance se confirment avec l accroissement du choc. Tableau 5 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal évènement artificiel injecté durant la période d'estimation de moyenne égale à 2,0% Niveau de rendement anormal Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% k=0,5 Test de Boehmer 8,8% 36,8% 20,8% 79,2% 64,4% 98,4% 96,8% Test de Corrado 2,8% 33,6% 13,6% 78,0% 66,0% 100,0% 99,2% Test MS-Reg 7,6% 32,0% 31,6% 70,8% 82,0% 96,4% 98,8% k=1 Test de Boehmer 4,4% 36,4% 17,2% 74,8% 61,6% 99,6% 97,6% Test de Corrado 1,6% 30,4% 15,6% 76,4% 62,4% 100,0% 98,8% Test MS-Reg 4,8% 28,8% 36,0% 68,4% 82,0% 98,8% 99,2% k=2 Test de Boehmer 11,6% 36,4% 19,2% 78,0% 61,6% 100,0% 96,4% Test de Corrado 4,0% 24,4% 18,4% 84,0% 66,8% 100,0% 99,6% Test MS-Reg 6,4% 23,2% 29,6% 73,2% 80,4% 100,0% 98,0% k=4 Test de Boehmer 5,6% 32,4% 16,4% 77,6% 65,2% 99,2% 98,4% Test de Corrado 5,2% 36,0% 17,6% 84,8% 73,2% 100,0% 100,0% Test MS-Reg 6,0% 27,2% 32,4% 66,8% 81,2% 99,6% 98,4% Le tableau 6 confirme ces remarques, tout en estompant le problème de l asymétrie de la puissance. Ce problème semble s atténuer lors de l injection d évènements artificiels durant la 16
17 période d estimation de moyenne non nulle et négative. Dans ce cas précis notre approche MS-Reg semble la mieux spécifié et la plus puissante dans tous les cas de figure. Tableau 6 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal évènement artificiel injecté durant la période d'estimation de moyenne égale à -2,0% Niveau de rendement anormal Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% k=0,5 Test de Boehmer 6,8% 20,8% 29,6% 63,2% 75,2% 98,4% 98,0% Test de Corrado 3,2% 24,4% 19,6% 70,0% 73,6% 100,0% 99,6% Test MS-Var 6,4% 20,4% 37,2% 62,0% 84,4% 98,0% 98,8% k=1 Test de Boehmer 6,0% 28,8% 32,8% 60,0% 77,2% 99,2% 99,6% Test de Corrado 4,0% 20,8% 19,2% 70,8% 80,4% 100,0% 100,0% Test MS-Var 4,0% 26,8% 41,6% 63,6% 85,2% 98,0% 99,2% k=2 Test de Boehmer 6,4% 24,4% 31,6% 66,0% 72,8% 99,6% 99,2% Test de Corrado 2,4% 24,4% 22,4% 75,2% 75,6% 100,0% 100,0% Test MS-Var 4,8% 22,8% 38,8% 68,0% 78,4% 98,8% 98,0% k=4 Test de Boehmer 6,4% 24,0% 33,6% 66,0% 74,0% 99,2% 98,4% Test de Corrado 2,0% 30,4% 27,6% 75,2% 79,6% 100,0% 100,0% Test MS-Var 5,2% 22,4% 44,8% 68,0% 78,0% 98,4% 98,4% Les tableaux 7 et 8 confirment les résultats précédents. Le test de Corrado(1989) est fortement biaisé en fonction du signe et de l ampleur de la moyenne du choc injecté lors de la période d estimation. Le test de Boehmer (1991) souffre d une mauvaise spécification qui s aggrave également avec l ampleur de la variance du choc injecté. De même, plus le choc est important en valeur absolue et plus la variance de celui-ci est importante, plus le gain de puissance de l approche MS-Reg est importante. Au regard du tableau 7, on peut affirmer que l écart entre les puissances des différentes approches s accentue encore : pour k=2 le test MS-Reg rejette l hypothèse nulle d absence de performance anormale lors d un choc de 0,5% de 20 points plus souvent que le test de Boehmer (1991) et de plus de 23 points que le test de Corrado (1989) et lors d un choc de 1% de près de 20 points le test de Boehmer (1991) et de 30 points le test de Corrado (1989). Dans la situation représentée par le tableau 8, le test MS-Reg est systématiquement le plus puissant. 17
18 Tableau 7 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal évènement artificiel injecté durant la période d'estimation de moyenne égale à 4,0% Niveau de rendement anormal Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% k=0,5 Test de Boehmer 7,6% 40,4% 13,6% 76,4% 57,6% 99,2% 97,2% Test de Corrado 1,2% 17,2% 6,4% 58,0% 35,6% 98,0% 90,8% Test MS-Var 5,2% 24,8% 28,0% 66,4% 85,2% 98,4% 97,6% k=1 Test de Boehmer 0,4% 46,4% 16,0% 76,0% 57,2% 99,2% 96,0% Test de Corrado 10,4% 14,8% 7,2% 62,4% 42,4% 99,2% 93,6% Test MS-Var 3,6% 27,6% 35,2% 72,0% 80,8% 98,4% 98,0% k=2 Test de Boehmer 10,8% 43,2% 11,6% 74,0% 62,0% 99,2% 95,6% Test de Corrado 0,4% 18,0% 6,8% 66,8% 51,2% 99,6% 96,0% Test MS-Var 4,0% 29,2% 30,4% 68,4% 81,2% 99,2% 98,4% k=4 Test de Boehmer 11,6% 44,4% 9,6% 75,6% 48,0% 99,2% 96,8% Test de Corrado 2,4% 26,4% 13,6% 72,0% 51,6% 100,0% 98,8% Test MS-Var 6,0% 26,8% 34,0% 65,6% 76,0% 98,8% 96,8% Tableau 8 Taux de rejet de l'hypothèse nulle d'absence de rendement anormal évènement artificiel injecté durant la période d'estimation de moyenne égale à -4,0% Niveau de rendement anormal Test 0,0% -0,5% 0,5% -1,0% 1,0% -2,0% 2,0% niveau de significativité : 5% k=0,5 Test de Boehmer 8,4% 22,8% 37,2% 58,8% 79,2% 98,4% 99,6% Test de Corrado 1,6% 11,6% 9,6% 40,0% 49,6% 91,2% 99,2% Test MS-Var 5,2% 22,8% 43,2% 65,2% 84,4% 99,6% 99,2% k=1 Test de Boehmer 8,8% 17,6% 33,2% 62,4% 78,4% 97,6% 98,4% Test de Corrado 0,8% 15,2% 8,8% 50,8% 54,8% 95,2% 98,0% Test MS-Var 6,4% 24,8% 34,0% 65,2% 84,0% 98,8% 98,8% k=2 Test de Boehmer 7,2% 23,2% 39,6% 59,6% 79,6% 98,0% 99,6% Test de Corrado 0,8% 18,4% 17,2% 56,8% 63,6% 95,2% 99,6% Test MS-Var 4,8% 24,4% 39,2% 70,8% 84,4% 98,4% 98,4% k=4 Test de Boehmer 8,4% 21,2% 44,4% 58,0% 83,2% 98,0% 99,2% Test de Corrado 0,8% 17,6% 19,2% 62,0% 69,6% 97,6% 99,6% Test MS-Var 4,0% 26,0% 41,2% 68,0% 86,8% 98,4% 98,8% 18
19 Conclusion La méthodologie classique des études d événement repose sur une série de paramètres. Depuis l étude initiale de Fama, Fisher, Jensen et Roll (1969), les applications de cette méthodologie en finance ont été innombrables. De multiples améliorations de la méthodologie de base ont également été proposées. Nous nous penchons dans ce travail sur le problème de la détermination d une période d estimation «propre». Les données issues de cette période sont utilisées pour estimer les paramètres du processus générateur des taux de rentabilité normaux. Il doit donc s agir d une période d activité normale durant laquelle aucun événement majeur ne vient troubler la vie de l entreprise. Jusqu à présent, la seule possibilité offerte au chercheur pour valider cette hypothèse a été, pour chacune des entreprises qui constituent son échantillon, de procéder à une étude minutieuse de la presse financière. Lorsque le travail est effectué sur des échantillons de grande taille, ce qui peut se révéler critique afin d obtenir des résultats statistiquement significatifs, une telle démarche est difficilement envisageable. L approche que nous proposons dans ce document apporte une solution de nature statistique à ce problème. Elle prend appui sur les modèles à changement de régimes, dénommés dans la littérature anglo-saxonne Markov-Switching Regressions Models, notamment développés dans les travaux de Hamilton (1994), Krolzig (1997). Les résultats obtenus montrent bien la grande sensibilité des approches classiques à l injection d évènements artificiels durant la période d évènements. L approche de Boehmer (1991) connaît rapidement des problèmes de spécification et de puissance. La présence de choc durant la période d estimation trouble également, très significativement, la puissance du test de Corrado (1989). Parallèlement à ces résultats, l approche que nous proposons conserve un niveau de puissance le plus souvent supérieur aux deux autres approches et ne connaît pas de problème de spécification. Cette étude n en est qu à une phase exploratoire. De nombreux travaux devront compléter ces résultats : - il est nécessaire de mieux comprendre, voire de trouver une solution, au problème de l asymétrie du comportement des tests étudiés selon que le choc envisagé soit d espérance positive ou négative. - les résultats déjà obtenus doivent être confirmés lorsque le choc injecté à la date d événement est stochastique. 19
20 - une extension potentiellement intéressante de notre approche sera également de l étendre au cas des études d événements avec régression en variables binaires. - une autre piste d amélioration de l approche actuelle est l utilisation d un estimateur des taux de rentabilité anormaux basé sur la moyenne des rentabilités anormales dans chaque état pondérée par la probabilité de l état en question. Il nous restera ensuite à envisager l application de l approche sur un échantillon significatif d opérations de fusions et acquisitions afin, en particulier en ce qui concerne les acquéreurs, d étudier l impact des acquisitions multiples sur la significativité statistique des résultats classiquement présentés dans la littérature financière. Bibliographie Ball, C., et W. Torous, 1988, Investigating security-price performance in the presence of event-date uncertainty, Journal of Financial Economics, 22, Boehmer, E., J. Musumeci, et A. Poulsen, 1991, Event-study methodology ender conditions of event induced variance, Journal of Financial Economics, 30, Brown, S., et J. Warner, 1980, Measuring security price performance, Journal of Financial Economics, 8, Brown, S., et J. Warner, 1985, Using daily stock returns: The case of event studies, Journal of Financial Economics, 14, Campbell John W., et al, 1997, The Econometrics of Financial Markets", Princeton University Press. Campbell, J. Cynthia et Wasley Charles E., 1993, Measuring security price performance using daily NASDAQ return, Journal of Financial Economics, 33, Corrado, C., 1989, A nonparametric test for abnormal security price performance in event studies, Journal of Financial Economics, 23, Cowan Arnold R., et Sergeant Anne M. A., 1996, Trading frequency and event study test spécification, Journal of Banking and Finance, 20, Fama, E., L. Fisher, M. Jensen, and R. Roll, 1969, The adjustement of stock prices to new information, International Economic Review, 10, Fuller K., J. Netter et M. Stegemoller, 2002, What do returns to acquiring firms tell us? Evidence from Firms that make many acquisitions, Journal of Finance, Août Hamilton James D., 1994, Time series analysis, Princeton University Press. 20
21 Krolzig H.-M., 1997, Markov-Switching Vector Autoregressions, University of Oxford, UK Lecture Notes in Economics and Mathematical Systems, Vol Springer, XIV. Malatesta P. et Thompson R., 1985, Partially Anticipated Events : A Model of Stock Price Reactions with an Application to Corporate Acquisitions, Journal of Financial Economics, 14, Mitchell M. et E. Stafford, 2000, Managerial decisions and long-term stock price performance, Journal of Business, 73, Nimalendram M., 1994, Estimating the effects of information surprises and trading on stock returns using a mixed jump-diffusion model, The Review of Financial Studies, vol.7, N 3, Roll, R., R-Squared, Journal of Finance, 43, 2, Salinger, M., 1992, Standard errors in event studies, The Journal of Financial and Quantitave Analysis, 27, Savickas, R., 2001, Abnormal Return, SSRN electronic paper collection. 21
Does it pay to improve Corporate Governance? An empirical analysis of European Equities
Does it pay to improve Corporate Governance? An empirical analysis of European Equities Joseph GAWER NATIXIS Asset Management Université Paris Dauphine joseph.gawer@am.natixis.com Association Française
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailwww.styleanalytics.com
www.styleanalytics.com Style Analytics EuroPerformance a le plaisir de vous présenter Style Analytics, outil de mesure des risques et de la performance des fonds d investissement. Style Analytics offre
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailFORMATION ET DIPLOMES OBTENUS
Jean Gabriel Cousin Faculté de Finance, Banque et Comptabilité Université Lille Nord de France né le 27/01/1976 1, Place Déliot 2 enfants 59000 Lille tél. : 03.20.90.76.06 courriel : jgcousin@univ-lille2.fr
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIE PAR MATHIEU SISTO NOVEMBRE
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLe montant des garanties constituées aux fins du STPGV est-il excessif?
Le montant des garanties constituées aux fins du STPGV est-il excessif? Kim McPhail et Anastasia Vakos* L e système canadien de transfert des paiements de grande valeur (STPGV) sert à effectuer les paiements
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailAnalyse de la relation entre primes de terme et prime de change dans un cadre d équilibre international
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 46 1997 Analyse de la relation entre primes de terme et prime de change dans un cadre d équilibre international Hubert de LA BRUSLERIE, Jean MATHIS * RÉSUMÉ. Cet
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
Plus en détailCAISSE REGIONALE DU CREDIT AGRICOLE MUTUEL D AQUITAINE
CAISSE REGIONALE DU CREDIT AGRICOLE MUTUEL D AQUITAINE Eléments d appréciation du prix de rachat des CCI émis par la CRCAM d Aquitaine dans le cadre de l approbation par l'assemblée générale des sociétaires,
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailFormat de l avis d efficience
AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation
Plus en détailLes pratiques de simulation de crise: enquête auprès de quarante-trois grands établissements financiers
Ingo Fender (+41 61) 280 9458 ingo.fender@bis.org Michael S. Gibson (+1 202) 452 2495 michael.s.gibson@frb.gov Les pratiques de simulation de crise: enquête auprès de quarante-trois grands établissements
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL APPLICATION EMPIRIQUE DU MODÈLE D'ÉVALUATION DES ACTIFS FINANCIERS
UNIVERSITÉ DU QUÉBEC À MONTRÉAL APPLICATION EMPIRIQUE DU MODÈLE D'ÉVALUATION DES ACTIFS FINANCIERS (MEDAF) INCONDITIONNEL À DES ACTIONS DE BANQUES ET DE COMPAGNIES PÉTROLIÈRES CANADIENNES MÉMOIRE PRÉSENTÉ
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailCorefris RAPPORT ANNUEL 2011. Annexe 3 : La hausse des prix de l immobilier est-elle associée à une «bulle» de crédit en France?
Annexe 3 : La hausse des prix de l immobilier est-elle associée à une «bulle» de crédit en France? (DGTrésor) 1. Indépendamment de facteurs d offre et de demande, qui jouent indéniablement sur les prix,
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailLe modèle de régression linéaire
Chapitre 2 Le modèle de régression linéaire 2.1 Introduction L économétrie traite de la construction de modèles. Le premier point de l analyse consiste à se poser la question : «Quel est le modèle?». Le
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailLes débats sur l évolution des
D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4
Plus en détailANTISELECTION ET CHOIX D'ASSURANCE : LE CAS DU VOL EN HABITATION UNE APPROCHE DE LA MESURE DU PHENOMENE
ANTISELECTION ET CHOIX D'ASSURANCE : LE CAS DU VOL EN HABITATION UNE APPROCHE DE LA MESURE DU PHENOMENE Yannick MACÉ Statisticien-Economiste Responsable du Secteur Analyses Techniques, Groupama (C.C.A.M.A.)
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailPROJET DE GESTION PORTEFEUILLE. Evaluation d une Stratégie de Trading
PROJET DE GESTION PORTEFEUILLE Evaluation d une Stratégie de Trading Encadré par M. Philippe Bernard Master 1 Economie Appliquée-Ingénierie Economique et Financière Taylan Kunal 2011-2012 Sommaire 1) Introduction
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailProduction des Services d Assurance non-vie selon le SCN 2008
REPUBLIQUE DU CAMEROUN Paix - Travail Patrie ---------- INSTITUT NATIONAL DE LA STATISTIQUE ---------- REPUBLIC OF CAMEROON Peace - Work Fatherland ---------- NATIONAL INSTITUTE OF STATISTICS ----------
Plus en détailAnalyse des risques financiers
Analyse des risques financiers Version du 1 er octobre 2014 Cette fiche s'adresse aux services de l État mandatés pour mener une analyse financière et est susceptible de contribuer à la définition du niveau
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailDEUXIÈME ÉTUDE D'IMPACT QUANTITATIVE SUR LE RISQUE DE MARCHÉ SOMMAIRE DES RÉSULTATS
Deuxième étude d impact quantitative sur le risque de marché Sommaire des résultats Comité mixte BSIF, AMF et Assuris Janvier 2011 DEUXIÈME ÉTUDE D'IMPACT QUANTITATIVE SUR LE RISQUE DE MARCHÉ SOMMAIRE
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailAttitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014
Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailCNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité
1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :
Plus en détailLes variables financières sont-elles utiles pour anticiper la croissance économique?
Les variables financières sont-elles utiles pour anticiper la croissance économique? Quelques évidences économétriques 1 Laurent Ferrara * Dans la littérature économétrique récente, le rôle des variables
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailMéthodes de la gestion indicielle
Méthodes de la gestion indicielle La gestion répliquante : Ce type de gestion indicielle peut être mis en œuvre par trois manières, soit par une réplication pure, une réplication synthétique, ou une réplication
Plus en détailÉconométrie, causalité et analyse des politiques
Économétrie, causalité et analyse des politiques Jean-Marie Dufour Université de Montréal October 2006 This work was supported by the Canada Research Chair Program (Chair in Econometrics, Université de
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailDIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002
Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance
Plus en détailModélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme
Modélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme Trading system : Trend following Breakout Janvier 1996 - Janvier 2009 Etude de la performance du système Le
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailIntégration régionale et croissance:
Introduction Intégration régionale et croissance: Le cas de l Afrique Centrale DAGBA Xavier et BARICAKO Joseph 11 octobre 2013 Par DAGBA Xavier et BARICAKO Joseph AEC 2013 1 / 16 Plan Introduction Contexte
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailINCIDENCE DU COMMERCE EXTÉRIEUR SUR LE COMMERCE INTÉRIEUR : NOUVELLE ANALYSE DE LA COURBE EN «L» NOUVELLE ANALYSE DE LA COURBE EN «L»
INCIDENCE DU COMMERCE EXTÉRIEUR SUR LE COMMERCE INTÉRIEUR : NOUVELLE ANALYSE DE LA COURBE EN «L» INCIDENCE DU COMMERCE EXTÉRIEUR SUR LE COMMERCE INTÉRIEUR : NOUVELLE ANALYSE DE LA COURBE EN «L» ARTICLE
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailEvaluer l ampleur des économies d agglomération
Pierre-Philippe Combes GREQAM - Université d Aix-Marseille Ecole d Economie de Paris CEPR Janvier 2008 Supports de la présentation Combes, P.-P., T. Mayer et J.-T. Thisse, 2006, chap. 11. Economie Géographique,
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailmaster Principes de Finance d Entreprise Corporate Finance Création de valeur Philippe Thomas Collection BANQUE FINANCE ASSURANCE
Collection master BANQUE FINANCE ASSURANCE Principes de Finance d Entreprise Corporate Finance Création de valeur Philippe Thomas Table des matières Introduction... 9 Chapitre 1 L entreprise : l investissement
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailPrimaire. analyse a priori. Lucie Passaplan et Sébastien Toninato 1
Primaire l ESCALIER Une activité sur les multiples et diviseurs en fin de primaire Lucie Passaplan et Sébastien Toninato 1 Dans le but d observer les stratégies usitées dans la résolution d un problème
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détail