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

_{( )j}

de la manière suivante : t

_{( )1}

≤t

_{( )2}

...≤t

_{( )n}

, l’estimateur est donné

par :

( )

( ) |

ˆ ₁

j j j t t j

d

S t

n

≤

⎛ ⎞

= ⎜_⎜ − ⎟_⎟

⎝ ⎠

∏

avec d

_j

le nombre d’individus pour lesquels l’évènement est intervenu à la date t

_{( )j}

, et n

_j

le

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

e

jour jusqu’au 2 900

e

jour 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

_1j

et 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

_1j

et o

_2j

représentent 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

_2j

et

1 2

j j j

o =o +o . Le test se définit alors par :

( )

2 1 1 1 1 1 1

ˆ

ˆ ˆ

J J j j j j J j j

o e

Q

V e

= = =

⎛ ⎞

−

⎜ ⎟

⎝ ⎠

= ∑ ∑

∑

avec ˆ

₁ ¹j j j j

n

e o

n

= et ( ) ⁽

1

⁾⁽

1

^{)( )}

1

/ 1 /

ˆ ˆ

1

j j j j j j j j j

o 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( )t}

la 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)