CHAPITRE 2. ANALYSE DES PACTES D’ACTIONNAIRES LORS DES INTRODUCTIONS EN
2.3. PRESENTATION DE L'ECHANTILLON ET DES RESULTATS DES TESTS
2.3.2. Résultats des tests univariés
Dans le tableau 2.3, nous avons procédé à des tests de différence de moyenne
paramétriques et non paramétriques sur les divers facteurs pouvant influencer la présence d'un
pacte d'actionnaires lors de l'introduction en bourse. Pour le groupe de 63 entreprises présentant
un pacte d'actionnaires, la valeur moyenne de la variable PROBAVENTE est de 7,25 contre 5,09
pour les 229 entreprises ne disposant pas d'un pacte d'actionnaires. Cette différence est
statistiquement significative au seuil de respectivement 1 % et 5 % pour le test de différence de
moyenne de Student et le test de différence de rang de Wilcoxon. Ce résultat signifie que plus la
proportion d'OPA réalisées dans le secteur d'activité de la firme dans les trois années précédant
son introduction en bourse est importante, plus il est probable que les actionnaires de cette
dernière mettent en place un pacte. Si l'on admet que cette variable est une bonne approximation
de la probabilité qu'un investisseur désireux de racheter l'entreprise se présente une fois son
introduction en bourse réalisée, alors ce résultat corrobore l'hypothèse H1. Il est fort possible
néanmoins que l'intensité des fusions et acquisitions dans le secteur d'une firme au cours des trois
années précédant son introduction en bourse soit une très mauvaise approximation de la situation
future une fois l'introduction en bourse passée. Quoi qu'il en soit, il semblerait que les dirigeants,
après avoir observé une forte activité de fusions et acquisitions dans leur secteur, aient estimé
qu'il était fort possible qu'un investisseur externe s'intéresse à leur firme et qu'il était plus prudent
de protéger le contrôle, soit pour tout simplement rester à la tête de l'entreprise, soit pour
pouvoir mieux négocier la cession du contrôle. Dans la deuxième ligne du tableau 2.3, nous
observons que la concentration du capital (variable CAPCONC correspondant à l'indice de
Herfindahl du pourcentage d'actions détenues par chacun des actionnaires présents lors de
l'introduction en bourse) est significativement plus faible dans les 63 entreprises présentant un
pacte d'actionnaires. Ce résultat est statistiquement significatif au seuil de 1 % pour le test de
Student et de Wilcoxon. Il semblerait donc que ce soient les entreprises dont l'actionnariat est
très dispersé qui mettent en place des pactes d'actionnaires. Ces deux résultats laissent penser que
les pactes d'actionnaires sont un moyen de conserver le contrôle de l'entreprise, qui sera d'autant
plus intéressant qu'aucun actionnaire ne détient une majorité du capital.
Les cinq variables suivantes correspondent à nos mesures de la probabilité d'un transfert de
richesse ex post (CCFDIV, EXTCA, NBADMCA, FCF et CAPRIS). Seule la moyenne de la
variable EXTCA mesurant l'indépendance du conseil d'administration est significativement
différente entre le groupe d'entreprises présentant un pacte et celui qui n’en présente pas. La
moyenne est de 8,74 pour le premier groupe et de 13,65 pour le second (t de Student de 2,19). Ce
résultat corrobore l'hypothèse H3, puisque les entreprises ayant adopté un pacte d'actionnaires
sont aussi celles qui ont en moyenne un conseil d'administration moins indépendant et qui
pourraient donc présenter une probabilité de transfert de richesse ex post accrue.
2.3.3. Résultats des tests multivariés
2.3.3.1. Facteurs explicatifs de la présence de pactes d’actionnaires lors de l’introduction en bourse
Le tableau 2.4 présente les résultats de nos estimations de modèles logistiques dont la
variable dépendante prend la valeur 1 lorsqu'il existe un pacte d'actionnaires et 0 s’il n’y en a pas.
Dans les quatre modèles présentés, la variable PROBAVENTE présente un coefficient positif
d'environ 0,09 et statistiquement significatif au seuil de 5 % dans les modèles 1 et 3, et au seuil de
1 % dans le modèle 2. Ce résultat corrobore l'hypothèse H1 et confirme le test de différence de
moyenne du tableau 2.3. Il semblerait donc que l'intensité des opérations de fusion-acquisition
réalisées dans le secteur d'une entreprise incite ses actionnaires à mettre en place un pacte. De
même, le résultat trouvé dans le tableau 2.3 concernant la variable CAPCONC se trouve
confirmé dans nos régressions. En effet, le coefficient est négatif et significatif au seuil de 1 %,
avec une statistique t supérieure ou égale à 4,16 selon les modèles. Nous pouvons donc conclure
qu'un pacte d'actionnaires semble d'autant plus utile qu'il n'y a pas d'actionnaires majoritaires.
Nous nous sommes demandé si l'influence positive de la probabilité d'apparition d'un acquéreur
n’est pas d'autant plus importante qu'il n’existe pas d'actionnaire majoritaire. Pour ce faire, nous
avons estimé le modèle 1 (résultats non reportés) en remplaçant la variable CAPCONC par une
variable dichotomique prenant la valeur 1 si les droits de vote du premier actionnaire sont
strictement inférieurs à 50 % de l'ensemble des droits de vote post-introduction et 0 s’ils ne le
sont pas. Nous avons ajouté un terme d'interaction entre cette variable et la variable
PROBAVENTE. La variable dichotomique ajoutée présente un coefficient positif dont le t de
Student est de 3,26, confirmant le fait que les pactes d'actionnaires sont mis en place plus souvent
dans les entreprises où il n'existe pas d'actionnaire majoritaire. La variable PROBAVENTE
conserve son effet positif et statistiquement significatif au seuil de 5 % sur la probabilité de
mettre en place un pacte d'actionnaires, mais le terme d'interaction ne présente aucun effet
statistiquement significatif. Cela nous amène à conclure que les variables PROBAVENTE et
CAPCONC ont chacune un effet indépendant sur la probabilité de mise en place d'un pacte
d'actionnaires. Ce résultat nous permet de déduire que les pactes d’actionnaires peuvent
effectivement servir à négocier au mieux une cession anticipée de la firme, même lorsqu’il existe
un actionnaire majoritaire. D’autre part, ils permettent d’obtenir la majorité des droits de vote
dans les entreprises où l’actionnariat est dispersé ; mais cela ne semble pas être lié à la volonté de
négocier au mieux une cession future de l’entreprise. La première explication est que notre
variable PROBAVENTE n’est pas une bonne mesure de la probabilité anticipée par les
actionnaires d’une opération de cession du contrôle. La seconde explication peut résider dans la
volonté de protéger ou d’obtenir des bénéfices privés et finalement, le pacte d’actionnaires peut
aussi avoir pour motivation d’organiser une meilleure gestion de la firme en fédérant les
actionnaires importants autour d’un pacte.
L'indépendance du conseil d'administration mesurée par la variable EXTCA présente un
coefficient négatif de -0,02 statistiquement significatif au seuil de 5 % dans la première régression,
ce qui confirme le test de différence de moyenne présenté dans le tableau 2.3. Plus le conseil
d’administration est indépendant, moins il est nécessaire de mettre en place un pacte
d’actionnaires. Ce résultat confirme l’hypothèse H3. De même, cette hypothèse est confirmée par
l’effet positif et significatif au seuil de 10 % de la variable FCF. Plus le risque de
surinvestissement est élevé, et plus il est probable d’observer la mise en place d’un pacte
d’actionnaires. Ces deux résultats semblent montrer que les actionnaires mettent en place un
pacte pour se protéger d’un risque accru de transfert de richesse ex post. Il est aussi possible de
penser que le pacte protègera les nouveaux actionnaires minoritaires.
Finalement, il semblerait que la présence d’une entreprise de capital-risque au sein du
conseil d’administration ait une influence négative sur la probabilité qu’ont les actionnaires de
mettre en place un pacte d’actionnaires. La variable CAPRIS présente un coefficient négatif et
statistiquement significatif au seuil de 5 %. Ce résultat corrobore aussi l’hypothèse H3, puisque
nous pensons que la présence d’une entreprise de capital-risque au conseil d’administration
devrait, toutes choses égales par ailleurs, réduire la possibilité qu’ont les actionnaires majoritaires
d’opérer un transfert de richesse au détriment des investisseurs minoritaires.
Les quatre modèles présentés dans le tableau 2.4 sont tous globalement significatifs,
puisque les statistiques du Chi-deux de chaque modèle estimé sont toutes significatives au seuil de
1 %. Par ailleurs, nos modèles permettent de reclasser correctement entre 77,74 % et 79,45 % de
nos observations.
2.3.3.2. Pactes d’actionnaires et probabilité que la firme fasse l’objet d’une acquisition postérieurement à
l’introduction en bourse
Pour tester l’hypothèse H2, nous avons conduit des régressions logistiques dont la variable
dépendante prend la valeur 1 si l’entreprise a fait l’objet d’une acquisition sur la période
1996-2005. Nous avons suivi chaque entreprise depuis son introduction en bourse jusqu’au 31
décembre 2005, en analysant les annonces faisant état d’une opération de fusion-acquisition et
disponibles sur le site de l’Autorité des marchés financiers. Nous sommes partis des 292
entreprises constituant notre échantillon initial. Pour ne pas biaiser l’analyse, nous avons éliminé
les entreprises radiées de la cote pour cause de faillite, ce qui nous a laissé 275 entreprises.
Les résultats sont présentés dans le tableau 2.5. Lorsque l’on considère l’échantillon total de
275, on constate que la variable PACTE n’a pas d’influence significative. La présence d’un pacte
ne semble donc pas jouer sur la probabilité de faire l’objet d’une OPA. Par contre, on remarque
un effet positif et significatif au seuil de 5 % (modèles 2 et 4) de la variable PACTEOPA, ce qui
semble indiquer que lorsque le pacte est défini de manière à offrir une protection anti-OPA
hostile, cela augmente la probabilité de faire l’objet d’une OPA amicale. Cependant, seul le
modèle 4 est significatif et seulement au seuil marginal de 10 %. Si comme le pense Zingales
(1995), il est optimal de conserver le contrôle pour négocier au mieux la cession de l’entreprise,
alors les entreprises pour lesquelles l’actionnaire majoritaire détient plus de 50 % des droits de
vote post-introduction n’ont rien à faire. Le problème se pose pour les entreprises dont la taille et
le risque sont tellement importants qu’il n’existe pas d’actionnaire détenant une telle fraction des
droits de vote. Dans ce cas, un pacte d’actionnaires peut être intéressant en permettant une
coordination de plusieurs actionnaires dans le but de conserver la majorité des droits de vote.
Pour examiner ce point, nous avons estimé les mêmes modèles, mais en nous restreignant aux
firmes pour lesquelles il n’existe pas d’actionnaires détenant plus de la moitié des droits de vote
(modèles 5 à 8). Nous constatons que la variable PACTE a une incidence positive et significative
au seuil de 1 % dans les modèles 5 et 7. La variable PACTEOPA conserve l’effet positif trouvé
dans les modèles 2 et 4. Elle est significative au seuil de 5 % dans le modèle 6 et au seuil de 1 %
dans le modèle 8. Ces quatre derniers modèles sont tous globalement significatifs au seuil de 5 %
pour les modèles 4 et 5 et au seuil de 1 % pour les modèles 6 et 7.
2.3.3.3. Analyse de survie et probabilité de cession
Dans les régressions logistiques du paragraphe précédent, les différentes entreprises qui
constituent notre échantillon n’ont pas forcément été observées pendant la même période. En
effet, nous avons collecté les dates de fusion-acquisition jusqu’au 31 décembre 2005 pour chaque
entreprise. Ainsi, celles qui ont été introduites au cours de l’année 1996 ont été observées sur une
période d’au moins neuf ans ; celles qui ont été introduites en 1997 sur une période d’au moins
huit ans, et ainsi de suite. Cette différence dans la période d’observation peut produire un biais
dans l’analyse qui précède, puisque toutes choses égales par ailleurs, la probabilité d’observer une
OPA est croissante avec la longueur de la période d’observation. Pour tenir compte de ce biais et
nous assurer de la validité de nos résultats, nous avons réalisé une analyse de survie. Cette
méthode, très largement utilisée dans le domaine médical, permet d’analyser la fréquence d’un
évènement unique tout en tenant compte du délai de survenu de cet évènement. L’avantage de la
méthode est aussi de pouvoir tenir compte des individus incomplètement suivis.
La réalisation d’une analyse de survie nécessite de définir trois dates :
- La date de fin d’observation : c’est la date à laquelle le chercheur commence son analyse
et stoppe son observation ; pour nous, il s’agit du 31 décembre 2005.
- La date d’entrée dans l’échantillon : il s’agit du point de départ de l’observation, qui doit
être le même pour tous les individus, mais dont la date peut différer d’un individu à
l’autre ; dans le cas qui nous intéresse, la date d’entrée dans l’échantillon est évidemment
l’introduction en bourse de la firme.
- La date de dernière consultation : il s’agit soit de la date où l’évènement d’intérêt survient,
soit de la date de fin d’observation si ce dernier n’est toujours pas survenu lorsque le
chercheur met fin à son étude. Dans notre présente recherche, il s’agira de la date
d’annonce de l’opération de fusion-acquisition si elle survient, ou alors du 31 décembre
2005 dans le cas contraire.
Ainsi, le temps d’observation de chaque individu n’est pas le même : les premiers individus sont
suivis plus longtemps que les derniers. Le temps de survie T pour chaque individu est défini
par le temps écoulé entre la date de dernière consultation et la date d’analyse.
Une fois les dates et le temps de survie T définis, il est possible de procéder à l’estimation
du modèle. Celle-ci peut se faire selon plusieurs méthodes. Tout d’abord, on peut estimer la
probabilité de survivre jusqu’à la date t ou au-delà ; c’est ce que l’on appelle la fonction de survie
ou courbe de vie S t( ) définie par :
( ) ( ) 1 ( )
S t =P T t≥ = −F t (1)
avec ( )F t , la fonction de distribution de la variable aléatoire T. On a généralement recours à
l’estimation non paramétrique de Kaplan-Meier. En classant chronologiquement les dates de
dernière consultation notées t
( )jde la manière suivante : t
( )1≤t
( )2...≤t
( )n, l’estimateur est donné
par :
( )
( ) |ˆ 1
j j j t t jd
S t
n
≤⎛ ⎞
= ⎜⎜ − ⎟⎟
⎝ ⎠
∏
avec d
jle nombre d’individus pour lesquels l’évènement est intervenu à la date t
( )j, et n
jle
nombre d’individus pour lesquels l’évènement n’est pas intervenu et qui risquent encore de le
voir se réaliser (en incluant ceux qui n’ont pas encore expérimenté l’évènement à la date de fin
d’observation). Le produit est réalisé sur l’ensemble des dates inférieures ou égales à t. Une fois
l’estimateur calculé pour chaque date, il est possible d’en donner une représentation graphique.
La figure 2.1 donne l’évolution de la fonction de survie sur la période d’observation allant de la
date d’introduction à la date de fin d’observation. À la date 0, la probabilité de survivre est bien
évidemment de 1 et elle décroît pour finir à un niveau d’environ 0,6. Ce résultat veut dire que la
probabilité de ne pas subir une OPA évaluée à la date du 31 décembre 2005 est d’environ 0,6.
Cette seule conclusion ne présente pas grand intérêt pour notre étude et ne nous apporte pas de
réponse sur l’incidence que peut avoir un pacte d’actionnaires sur la probabilité de faire l’objet
d’une OPA. Néanmoins, il est possible de répondre à cette question en comparant la fonction de
survie des entreprises ayant adopté un pacte avec celles qui n’en ont pas adopté. La figure 2.2
nous donne le graphe des fonctions de survie des deux groupes. On s’aperçoit que la fonction de
survie des entreprises présentant un pacte se situe en dessous de celle des entreprises n’ayant pas
adopté de pacte à partir du 800
ejour jusqu’au 2 900
ejour environ. Un test dit du « Logrank » ou
de « Mantel-Haenszel » permet d’estimer si les deux fonctions de survie sont significativement
différentes l’une de l’autre. Le test est construit à partir du nombre d’occurrences prévu et
observé de l’évènement étudié dans chacun des groupes pour chaque date d’occurrence de
l’évènement. Les nombres d’occurrences attendues et réalisées à chaque date d’occurrence sont
ensuite additionnés. Soit j =1,...,J le nombre de dates où l’on observe une OPA dans l’un ou
l’autre des groupes ; et pour chaque date j, soit respectivement n
1jet n
2j, le nombre de sujets « à
risque » (ceux qui n’ont pas encore expérimenté d’OPA où qui sont arrivés à la date de fin
d’observation) pour le groupe de firmes avec un pacte et le groupe de firmes sans pacte. De
même, à chaque date j, o
1jet o
2jreprésentent respectivement le nombre d’OPA observées pour
le groupe de firmes avec un pacte et le groupe de firmes sans pacte. Notonsn
j=n
1j+n
2jet
1 2
j j j
o =o +o . Le test se définit alors par :
( )
2 1 1 1 1 1 1ˆ
ˆ ˆ
J J j j j j J j jo e
Q
V e
= = =⎛ ⎞
−
⎜ ⎟
⎝ ⎠
= ∑ ∑
∑
avec ˆ
1 1j j j jn
e o
n
= et ( ) (
1)(
1)( )
1/ 1 /
ˆ ˆ
1
j j j j j j j j jo n n n n n o
V e
n
− −
=
− . Cette statistique est
distribuée selon une loi du Chi-deux à un degré de liberté avec comme hypothèse nulle que la
fonction de survie des deux groupes est identique. Le tableau 2.6 donne les résultats de ce test de
différence de courbe de survie pour des groupes constitués à partir des variables PACTE et
PACTEOPA. Le test correspondant à la figure 2.2 est de 0,76 et non significatif pour la variable
PACTE. Les fonctions de survie des groupes définis en fonction de cette variable se trouvent
dans la figure 2.3. La statistique correspondant au test du « Logrank » est de 4,29 avec une
probabilité de 0,0384, ce qui nous permet de rejeter l’hypothèse nulle au seuil de 1 %. La courbe
des entreprises pour lesquelles la variable PACTEOPA est égale à 1 se situe en dessous de l’autre
courbe, ce qui indique que les entreprises disposant d’un pacte d’actionnaires les protégeant des
OPA hostiles ont une probabilité de ne pas faire l’objet d’une OPA significativement plus faible.
Ce résultat confirme celui des analyses de régressions logistiques et indique que la mise en place
d’un pacte d’actionnaires offrant une protection contre les OPA hostiles augmente la probabilité
d’occurrence d’une fusion ou acquisition amicale. Nous avons répété, dans le tableau 2.6, ces
deux analyses en ne considérant que les entreprises qui ne disposent pas d’un actionnaire
majoritaire (c’est-à-dire si le premier actionnaire détient une fraction des droits de vote inférieure
à 50%) pour la variable PACTE (figure 2.4) et la variable PACTEOPA (figure 2.5). Les valeurs
des tests de différence sont, pour les variables PACTE et PACTEOPA, respectivement de 7,74
(significatif au seuil de 1 %) et de 5,69 (significatif au seuil de 5 %). Ces résultats corroborent
l’hypothèse H2.
Cette méthode ne nous permet d’analyser l’influence que d’une variable sur la fonction de
survie ; mais il est aussi possible d’inclure plusieurs variables en utilisant le modèle de Cox,
proche du modèle de régression logistique. Il permet d’exprimer la relation entre le risque
instantané de survenu de l’évènement étudié et des facteurs de risques exprimés sous la forme de
variables qualitatives ou quantitatives. L’estimation de ce modèle nécessite de définir une fonction
de risque donnant à un individu le risque instantané à la date t d’expérimenter l’évènement étudié,
sachant que cet évènement n’est pas encore survenu. Pour notre étude, la fonction de risque
modélisera donc le risque instantané à la date t que l’entreprise fasse l’objet d’une OPA. La
fonction de risque est donnée par :
( ) f t( )( )
h t
S t
=
où f t( ) représente la densité de probabilité du temps de survie T et S t( ) la fonction de survie
précédemment définie. La fonction de risque se calcule donc en divisant la probabilité
instantanée de survenu d’une OPA à la date t par la probabilité de ne pas subir d’OPA jusqu’à la
date t. Dans le modèle de Cox, la fonction de risque de l’individu i est modélisée de la sorte :
( )
0( )exp( )
i i
h t =h t X′β
avec h
0( )tla fonction de risque de référence, β les coefficients de régression et X
i′ un vecteur de
variables explicatives. La fonction de risque de référence correspond à celle qui est obtenue
lorsque toutes les variables sont nulles ; cette quantité n’est pas spécifiée dans le modèle.
L’hypothèse principale du modèle est que le risque de chaque individu i est un multiple constant
dans le temps des fonctions de risque des autres individus j. Le facteur de proportionnalité est
( )
exp⎛⎜ X
i−X
j′β⎞⎟
⎝ ⎠, aussi appelé le ratio de risque. Les coefficients de régression permettent donc
de calculer l’incidence sur le risque de survenu de l’évènement lorsqu’une des variables
explicatives augmente d’une unité et que les autres restent constantes. L’estimation des
paramètres β se fait en maximisant la fonction de vraisemblance partielle donnée par :
Dans le document
Les engagements contractuels des actionnaires de référence lors de l'introduction en bourse
(Page 116-200)