Les principaux résultats empiriques et interprétations

In document Université Nancy 2. École Doctorale de Sciences Juridiques, Politiques, Economiques et de Gestion CEREFIGE (Page 180-187)

Section 3 : La persistance des performances comme preuve empirique de la pertinence

4.2 Les principaux résultats empiriques et interprétations

Les résultats se présentent en partie de façon similaire à ceux d’une régression ordinaire.

Cependant, la qualité de l'ajustement n'est pas mesurée par leR2 mais par des instruments propres aux estimations par maximisation de la vraisemblance tels que AIC (Akaikes’s Information Criterion), BIC ou SBC.

Nous commençons par estimer un modèle qui ne comporte que des X (variables caractéristiques au niveau fonds). On suppose ici que seule la constante est aléatoire et que l’effet des X sur le rendement est fixe (i.e invariant selon les sociétés de gestion). Nous introduisons dans le modèle les 4 variables au niveau fonds à savoir : Millésime (l’année de la fondation du fonds), logsize (le logarithme de la taille du fonds), contribution (la contribution des gérants au capital du fonds) et souscription (la souscription minimale requise).

La variable Millésime est une variable de contrôle. L’effet fixe du millésime du fonds sur son rendement a été largement documenté dans la littérature du capital risque. Les résultats empiriques présentés dans le Tableau 28 nous le confirment. En fait, le capital risque est une industrie dont l’activité est influencée par l’évolution de la réglementation financière et juridique, relative au fonctionnement des marchés financiers, des industries, par l'émergence d'innovations intéressantes et incitant à la création d'entreprises pour les exploiter, par la conjoncture économique, et notamment le niveau des taux d'intérêt. La combinaison de ces diverses variables qui caractérisent l'environnement économique et institutionnel donne un millésime bon ou mauvais selon le cas, en termes de rendement. C'est ainsi que pratiquement tous les FCPI des années 1999-2000 ont été investis à contre-temps du fait de l’éclatement de la bulle Internet. Les entreprises, et surtout celles nouvellement créées, ont beaucoup souffert, ce qui pèse lourdement sur le rendement des fonds qui les ont financées.

Pierre Boulic (2003) montre aussi l'influence que peut avoir l'évolution de la réglementation sur la performance de fonds de générations différentes : avant la loi de finance 2002, les FCPI devaient respecter des ratios qui les obligeaient à investir l'essentiel des capitaux levés dans les deux premières années, et leur interdisaient d'investir plus de 15% de leur portefeuille sur une seule société. Ces ratios étaient très contraignants et source de difficultés injustifiées. La loi de finance de 2002 a allégé ces règles, permettant ainsi aux sociétés de gestion, grâce à une plus grande souplesse, d'accroître la performance des fonds constitués à partir de 2002.

Au final, ces modifications apportent de la souplesse pour les sociétés de gestion mais aussi pour les entreprises dans lesquelles elles investissent, donc elles accroissent, ceteris paribus, la performance des fonds à partir de 2002. Le millésime apparaît donc comme une variable de contrôle très influente, nécessaire pour isoler tout facteur autre que la qualité de l’équipe de gestion et les caractéristiques du fonds.

Les deux variables logsize et souscription servent à tester les hypothèses 4 et 6 :

La variable logsize est supposée avoir une influence positive sur la performance des fonds (hypothèse 4), la souscription minimale requise, prise comme proxy du degré de concurrence est supposée avoir une influence négative sur la performance (hypothèse 6)

Les résultats figurent dans le Tableau 28 (modèle dite « avec X mais sans Z »), c'est-à-dire dans un modèle qui n'inclut pas les variables de niveau "société de gestion".

On peut constater que l’introduction de variables caractéristiques (Xj) est très utile puisque la log-vraisemblance des résidus chute de 1087.4 à 945.7. Cette introduction permet de réduire (et donc d’expliquer) les variations résiduelles. La variance résiduelle chute de 38.6558 à 28.166. La variance de la constante aléatoire se réduit de 12.02 à 8.86.

La relation entre la taille et le rendement du fonds est négative et significative à un seuil de 2.2%. Ceteris paribus, un accroissement de 1% de la taille par rapport à la moyenne décroît le rendement 1.348 point de pourcentage. Ainsi, l’hypothèse 4a est rejetée dans le cas des fonds de capital risque français mais l’hypothèse 4b est retenue. Ces résultats concordent à ceux de Kaplan et Shoar (2003). Selon les estimations de ces auteurs, les fonds de grande taille et ceux gérés par des sociétés de gestion expérimentées génèrent des rendements plus élevés.

Cependant, lorsque ces auteurs contrôlent l’identité des sociétés de gestion, la relation entre la taille et la performance est toujours significative mais négative et la relation entre l’expérience et la performance disparaît. Cela implique que les fonds meilleurs tendent à limiter volontairement la taille pour éviter la zone de rendements décroissants. La similitude entre les résultats de Kaplan et Shoar (2003) et les nôtres a mis en évidence la pertinence de l’approche mulitniveaux qui permet de contrôler l’effet famille de fonds d’une manière efficace.

Le signe de la relation entre la souscription minimale et le rendement est négatif et cette relation est très significative. Ce résultat soutient l’hypothèse six.

Le signe de la relation entre la contribution des gérants au capital du fonds et la performance du fonds est positif ce qui implique un impact positif du co-investissement des gérants sur la performance du fonds, mais la relation n'est absolument pas significative. La probabilité limite de conclure à tort de l’hypothèse 4 s’élève à 71%.

L'influence des variables représentatives de la stratégie de la société de gestion:

Comme les deux modèles (modèle vide et modèle avec X mais sans Z) montrent que la

géographie, les secteurs et les stades d’intervention et une variable représentant le statut de propriété des sociétés de gestion. On aboutit à un modèle dont seule la constant aléatoire est expliquée par des variables Z. Ce modèle implique que l’effet des X est fixe et qu’il n’existe pas d’effet d’interrelation des Z sur l’effet des X sur le rendement.

Les résultats figurent dans le Tableau 28. Les résultats montrent d’abord que l’introduction de ces Z apporte une réelle amélioration au modèle. -2ResLL passe de 971.9 à 921.8. La variance de la constate aléatoire chute de 8.867 au 5.8155 et n’est pas significativement différente de 0.

La relation entre la taille du fonds, la souscription requise minimale et son rendement est toujours négative et significative. On ne trouve toujours pas d’impact de la contribution des gérants au capital du fonds sur le rendement.

La stratégie de spécialisation selon le secteur a un impact favorable sur la performance des fonds :

Comme l’hypothèse 3 le suggère, les fonds dont les sociétés de gestion sont plus spécialisées dans certains secteurs réalisent de meilleurs rendements. Le signe de la relation entre le degré de spécialisation est positif et le coefficient est significatif à 7%. Une unité supplémentaire de spécialisation augmente le rendement de 10.97 points de pourcentage. Par contre, la spécialisation selon les stades d’intervention pénalise le rendement des fonds. Le signe de la variable Herfstage est négatif et significatif à 7.1%.

On ne trouve pas l’existence de l’impact du degré de spécialisation géographique sur le rendement. Il est possible que la variable Herfnation ne soit pas assez dispersée. Ce qui signifie que très peu de sociétés de gestion de FCPI investissent hors de la France.

Il se confirme donc que la stratégie de spécialisation permet de pallier l'inefficience du marché du capital-risque. En effet, ce marché est caractérisé par de fortes asymétries informationnelles entre les différentes parties prenantes (actionnaires, dirigeants, prêteurs…) et par un risque important de sélection contraire et des aléas de moralité. Lorsque les capital-risqueurs étudient l’opportunité de financer le démarrage ou le développement d’une entreprise, ils sont soumis à un risque de sélection contraire, car il leur est difficile d’évaluer les capacités et la performance de leurs managers (Amit et al., 1990) , et l’efficacité de leur contrôle après l’opération en est également limitée (Stiglitz et Weiss, 1981). Le degré de spécialisation dans certains secteurs permet aux capital-risqueurs de réduire ces asymétries

Les sociétés de gestion indépendantes génèrent pas des performances significativement mielleures que les filiales de banque, comme le prévoyait l'hypothèse 2. Le signe de la variable Firm_type est positif, mais son effet n'est pas significatif. On peut penser que les banques sont soucieuses de rentabiliser correctement leurs filiales dévolues à l'activité de financement du capital-risque, ce qui n'est nullement contradictoire avec leur souhait de réaliser ultérieurement avec les entreprises financées des opérations rentables d'une autre nature, après les avoir récupérées comme clientes directes.

Nous avons recherché si la taille de la société de gestion a une influence sur la performance des fonds. Pour cela, nous avons introduit la variable Firm_taille, représentée par l’effectif de l’équipe de gestion, dans le dernier modèle. Son coefficient n’est pas significatif. Nous l’avons donc enlevée du modèle car sa présence détériorait les significativités des coefficients des variables Herfstage et Herfindustry.

Tableau 28 : Troismodèles multiniveaux

L’échantillon se compose de 163 FCPI gérés par 29 sociétés de gestion. La variable dépendante est le taux de rendement interne. Les variables indépendantes sont le millésime du fonds, le logarithme de la taille du fonds, la souscription minimale requise pour investir dans le fonds, la contribution du gérant au capital du fonds, le type de la société de gestion et les mesures de diversification selon la géographie, les secteurs et les stades d’intervention au niveau "société de gestion" .

Variances-covariances

estimées

Modèle vide

(ni X ni Z) Modèle avec X mais sans Z Modèle complet

Avec X et Z

Variance Paramètre estimé Probabilité critique

Paramètre estimé

Probabilité

critique Paramètre estimé probabilité critique

Constante aléatoire 12.028 0.0152 8.867 0.06 5.8188 0.173

Variance résiduelle 39.63 <0.0001 31.229 <0.0001 31.9166 <0.0001

Donc ICC=23.2%

Effets fixes

Constante 1.6042 0.567 -1.6096 0.717

Millésime 0.738 0.0127 0.655 0.027

Logsize -1.348 0.0204 -1.1822 0.035

Souscription -0.00089 - 0.0001 -0.0009 0.0001

Contribution 0.755 0.735 0.8164 0.709

Herfnation 5.641 0.1259

Herfindustry 10.973 0.076

Herfstage -9.795 0.071

Firm_type 1.12 0.46

Critères d’ajustement -2 Residual Log

likelihood 1087.4 945.7 921.8

AIC (plus

petit=meilleur) 1097.4 949.7 925.8

Nombre

d’observation 163 146 146

Nombre de sociétés

de gestion 29 29 29

Méthode

d’estimation REML REML REML

Struture choisie pour la matrice des

variances-covariances

Sans objet (une seule variance, celle de la constante aléatoire et

donc pas de covariance)

Aucune structure imposée (covariance et

variance)

« composantes de la variance »

Conclusion

L’objectif de ce travail est d’analyser les facteurs au niveau micro associés à la performance des fonds du capital risque dans le contexte français. La sous-performance moyenne des fonds FCPI par rapport aux fonds américains est accompagnée d’une importante hétérogénéité parmi les fonds. Le rendement est notamment lié à la taille et surtout à l’effet de la société de gestion, aux choix stratégiques d’investissement.

Les résultats empiriques montrent qu’à la différence du cas américain, la relation entre la taille des fonds et la performance est négative. Ceci met en question la transposabilité des résultats américains au cas français.

Nos résultats empiriques sont aussi en cohérence avec le modèle de Paolo Fulghieri et Merih Sevilir qui montre que les sociétés de gestion plus spécialisées gèrent de portefeuilles plus petits et avec le fait que les sociétés de gestion plus spécialisés génèrent de meilleures performances que les sociétés de gestion qui préfèrent une stratégie d’investissement diversifié. A noter que c’est la spécialisation selon les secteurs non pas selon les stades d’investissement influence positivement la performance. Ce résultat est conforme à la littérature de la spécialisation du capital risque et laisse penser que la spécialisation permet aux sociétés de gestion de faire face aux problèmes d’asymétries d’information et aux conflits agent principal. Au contraire, la spécialisation selon les stades d’intervention pénalise la performance des fonds du capital risque. Les implications de ces résultats sont doubles.

Premièrement, le degré d’implication des capital-risqueurs dans la gestion de l’entreprise au cours des étapes de la vie de l’entreprise financé renforce la rentabilité de l’investissement.

Deuxièmement, le capital risque est une activité risqué dont le taux de réussite est très faible.

La logique d’investissement du capital risque se repose sur l’idée que quelques investissements réussis exceptionnellement compensent les pertes ou l’insuffisance de rendement sur la majorité des autres investissements. Une fois que certains projets bien sélectionnées révèlent leurs potentialité, il faut donc laisser courir le profit. Plus on accompagne l’entreprise dans son développement, plus le profit est important.

Enfin, cet article nous apprend que toutes les performances des fonds du capital risque ne sont pas seulement dues à la chance, et que l’investisseur a raison de chercher à choisir le meilleur gestionnaire. En revanche, ni le fait d’inciter les gérants à co-investir dans les fonds, ni le

Chapitre 2 : Les déterminants des stratégies de

In document Université Nancy 2. École Doctorale de Sciences Juridiques, Politiques, Economiques et de Gestion CEREFIGE (Page 180-187)