Sentiment de l’investisseur et rendement des actions cotées : quels impacts des variables macroéconomiques

(1)

67

Investor sentiment and listed stock return: what impacts of macroeconomic variables

Sentiment de l’investisseur et rendement des actions cotées : quels impacts des variables macroéconomiques

Mustapha BENGRICH Enseignant Chercheur

FSJES Agadir Université Ibn Zohr, Agadir, Maroc m.bengrich@uiz.ac.ma

Mohamed EL GHADOUIA Doctorant

FSJES Agadir Université Ibn Zohr, Agadir, Maroc melghadouia@gmail.com

Abstract

The purpose of this paper is to analyze the impact of investor sentiment on stock returns and to show the role of macroeconomic variables (inflation rate, unemployment rate and growth rate) in the explanation of this return.

The sample consists of annual observations of fifty eight companies’ shares listed on the Casablanca Stock Exchange, observed over the period from 2010 to 219. The results obtained, by means of a correlational analysis and multiple linear regression, highlight the existence of positive and important correlation between stock return and its explanatory variables. Except for Inflation rate and Growth rate, they have negative and weak correlation with the return. The variables used are statistically significant to explain the return longitudinal variation of a share listed on the Moroccan stock Exchange.

Key words: Return; Inflation Ratio; Growth Ratio; Unemployment Ratio; Investor sentiment.

Résumé

L’objet de cet article consiste à analyser l’impact du sentiment de l’investisseur sur le rendement des actions et de montrer le rôle des variables macroéconomiques (taux d’inflation, taux de chômage et taux de croissance) dans l’explication de ce rendement. L’échantillon est constitué d’observations annuelles de cinquante huit sociétés cotées à la bourse des valeurs de Casablanca, observées sur la période qui s’étale de 2010 jusqu’à l’an 2019. Les résultats obtenus, au moyen d’une analyse corrélationnelle et d’une régression linéaire multiple, font ressortir l’existence des relations positives et importantes entre le rendement et ses variables explicatives sauf pour le taux d’inflation et le taux de croissance du pays, elles ont des relations négatives et faibles avec le return.

Les variables retenues sont statistiquement significatives pour expliquer la variation longitudinale du rendement d’une action cotée sur le marché boursier marocain.

Mots-clés : Rendement ; taux d’inflation ; taux de croissance ; taux de chômage ; Sentiment de l’investisseur.

Introduction

Une panoplie des efforts importants ont été déployés pour identifier les différents facteurs qui capturent le risque. Ces facteurs ont été identifiés à la fois sur la base des études empiriques et des théories existantes.

Il est à signaler que les sociétés cotées au marché financier sont obligées de publier leurs états de synthèses annuels qui peuvent fournir de bonnes informations pour les investisseurs intéressés par l’investissement de fonds. Les investisseurs peuvent savoir si l'entreprise a

(2)

68 enregistré un résultat net au cours de la période précédente en consultant ses états financiers.

Ces états financiers sont le résultat d'un processus comptable conçu pour répondre aux besoins d'informations en matière de prise de décision, de flux de trésorerie et d'autres informations liées aux décisions d'investissement. En général, parmi les ratios qui concrétisent ces informations comptables et financières, on peut citer la rentabilité des capitaux propres et le ratio d’indépendance financière.

L'ajout du sentiment aux variables sous-jacentes avancées par la théorie financière a contribué à une compréhension plus intégrale du comportement des investisseurs. La prise en compte des facteurs psychologiques ou comportementaux élargit l'approche de ce sujet et aide à l'expliquer en termes de prise de décision rationnelle. Isen (1987), Schwarz (2002) et Au et al.

(2003), entre autres, soutiennent que les émotions influencent le traitement de l'information et ont donc une incidence sur les décisions liées au marché.

En termes généraux, le sentiment des investisseurs est une croyance concernant les flux de trésorerie futurs et les risques d'investissement qui ne peuvent être justifiés par les fondamentaux (Chang et al, 2012). Baker et Wurgler (2007) le définissent plus spécifiquement comme l'optimisme (sentiment élevé) ou le pessimisme (sentiment faible) à l'égard des actions. Ils affirment qu'il existe deux canaux potentiels pour l'influence du sentiment des investisseurs sur les cours des actions: les limites de l'arbitrage et la difficulté de l'évaluation des entreprises. En ce qui concerne le premier de ces mécanismes, il indique que les limites de l'arbitrage varient selon les actions, tandis que le sentiment est uniforme. En ce qui concerne le second, il affirme que le sentiment stimule la demande relative d'actions qui sont vulnérables à la spéculation.

Suite à ce soubassement théorique, il est utile de poser la question suivante : dans quelle mesure le sentiment de l’investisseur impacte-il le rendement d’une action cotée sous contrôle des variables macroéconomiques ?

Le présent article aura pour objectif de présenter les indicateurs et tester la validité de leur relation linéaire avec le rendement. Pour ce faire, nous analysons d’abord, à travers une revue de littérature, les fondements théoriques de l’impact du sentiment de l’investisseur sur le rendement d’un titre. Nous exposerons ensuite la méthodologie de recherche adoptée pour mener à bien cette étude basée sur une approche en panel. Elle couvre une période de dix ans (2010-2019). Les données utilisées sont d’une fréquence annuelle et sont relatives aux sociétés cotées à la bourse des valeurs de Casablanca. Enfin, La dernière partie sera réservée à l’interprétation et discussion des résultats.

1

.

Cadre Théorique

L’objectif de cette section est de positionner cette recherche dans le cadre théorique de la gestion de portefeuille des actifs financiers. Il s’agit de se focaliser sur une revue de littérature de la finance comportementale et du lien entre le sentiment de l’investisseur et le rendement d’une action.

1.1. L’apparition de la finance comportementale

La finance comportementale est une discipline nouvellement développée de l'économie comportementale. Son objectif principal est de comprendre comment les gens prennent leur décision d'investissement et comment ils se comportent lorsqu'ils prennent la décision financière (DeBondt et al. 2010).

La finance comportementale considère les théories basées sur la psychologie pour élucider les anomalies des marchés financiers. Elle prend en considération les différents biais psychologiques que l'homme possède. Ces biais conduisent finalement à des décisions irrationnelles.

(3)

69 Stracca (2004) a précisé que la finance comportementale est un nouveau courant qui rejette les axiomes de Savage dont l’objectif de maximisation des préférences, qui n’est que le but principal d’un agent économique. Quant aux Frankfurter et McGoun (2001), ils ont précisé que les investisseurs se comportent comme des humains à titre individuel ou collectif, et non comme étant un groupe homogène d’individus rationnels comme les présente la finance classique.

En sus, la finance comportementale a pour objectif de comprendre comment la psychologie affecte la prise de décision d'investissement (Shefrin, 2005). Le modèle d'investissement ou le facteur comportemental qui affecte l'investissement comprennent la peur, l'amour, la cupidité, l'optimisme et l'instinct grégaire (Fischer et Gerhardt, 2007). Outre ces facteurs, il est également affecté par l'émotion, l'excès de confiance, le manque de confiance et la bulle boursière.

La finance comportementale tient compte de l'émotion humaine associée à toute prise de décision financière. C'est un nouveau champ de la finance moderne où le sentiment et l'émotion sont indispensables dans tout critère de prise de décision humaine (Mitroi et Oproiu, 2014).

En outre, les décisions d'investissement sont affectées par le nombre de facteurs psychologiques lors de la prise d'une décision d'investissement. Ces facteurs sont identifiés comme l'excès de confiance et l'optimisme, l'heuristique, la foi, le pessimisme, le comportement du troupeau et les biais de confirmation. Parmi ces biais, l'heuristique, la confirmation et le pessimisme rendent l'investisseur plus rationnel tandis que les bises comme la foi, l'excès de confiance et l'optimisme et le comportement grégaire varient d'un investisseur à l'autre et ces biais sont responsables du comportement irrationnel de l'investisseur (Syed et Bansal, 2018).

Jayaraman, Vasanthi et Ramaratnam (2012) ont souligné que la décision d'investissement d'un investisseur est motivée par le sentiment de l'investisseur et que le sentiment de l'investisseur est basé sur sa psychologie, ses attentes, son optimisme et sa confiance. Ces facteurs affectent le marché, ce qui conduit à des conditions de marché haussières et baissières.

1.2. Sentiment de l’investisseur et le rendement des actions

Le sentiment est censé affecter les rendements, car l'optimisme ou le pessimisme de l'investisseur peuvent induire des erreurs d'évaluation sur le marché boursier. L'optimisme (pessimisme) peut conduire les cours des actions bien au-dessus (en dessous) de ce que justifie la valeur fondamentale sous-jacente, car les investisseurs surévaluent (sous-évaluent) les prix des actifs en raison de l'optimisme (pessimisme).

Conformément à cette notion, Brown et Cliff (2004) précisent une forte association entre le sentiment et les rendements boursiers contemporains. Brown et Cliff (2005) constatent que le sentiment affecte la mauvaise évaluation du marché boursier américain.

En particulier, nous couvrons deux dimensions différentes des sentiments: le sentiment spécifique à l'action et le sentiment à l'échelle du marché. Comme son nom l'indique, le sentiment spécifique à une action est le sentiment pour chaque action individuelle (c'est-à-dire au niveau de l'action), tandis que le sentiment à l'échelle du marché se réfère généralement au sentiment qui prévaut sur le marché boursier.

De nombreux chercheurs ont tenté d'explorer la relation entre le sentiment des investisseurs et le rendement des actions. Lee et al., (2002) ont prouvé que les rendements excédentaires sont simultanément corrélés positivement aux changements de sentiment, et que l'ampleur des changements haussiers (baissiers) du sentiment conduit à des révisions à la baisse (à la hausse) de la volatilité et à des rendements excédentaires futurs plus élevés (plus faibles).

Baker et Wurgler (2006) soutiennent que le sentiment à l’échelle du marché devrait exercer des effets plus importants sur les actions.

(4)

70 Ben-Rephael et al., (2012) ont souligné que le sentiment des investisseurs est positivement corrélé au rendement excédentaire du marché au cours de la même période et négativement corrélé au rendement excédentaire des périodes ultérieures. Baker et al., (2006) ont prouvé que le sentiment mondial est un prédicteur à contre-courant des rendements nationaux. Les sentiments à la fois mondiaux et locaux sont des prédicteurs contraires de la série chronologique des rendements transversaux au sein des marchés. Wang et Sun (2004) ont montré que le sentiment des investisseurs n'affecte pas seulement les rendements des marchés boursiers de Shanghai et de Shenzhen, mais corrige également inversement les fluctuations de rendement de ces deux marchés dans une large mesure. L'étude de Huang et al., (2014) révèlent qu'il existe un effet transversal distinct entre l'indice de confiance des investisseurs et le rendement attendu du marché.

Brown et Cliff (2005) ont trouvé une relation positive entre le sentiment et les rendements futurs de 25 portefeuilles formés sur la base de Fama et French (1993). Fisher et Statman (2003) et Baker et Wurgler (2006), entre autres, ont affirmé également une association similaire. Des études internationales sont effectuées par Schmeling (2009) à partir d'un échantillon de 18 pays industrialisés. Elles indiquent que le sentiment prédit les futurs rendements globaux des actions. Cependant, les résultats ne sont pas universels car le sentiment ne montre aucune capacité prédictive dans certains pays.

En outre, Berger et Turtle (2012) ont indiqué que le sentiment affecte les actions présentant des caractéristiques d'entreprise spécifiques, en particulier les entreprises qui sont transparentes, tandis que Zhu et Niu (2016) ont souligné que les entreprises avec des incertitudes d'information élevées sont plus affectées par le sentiment.

1.3.Variables macroéconomiques et le return des actions

Nous avons inclus des variables macroéconomiques, comme variables de contrôle, pour tenir compte des différentes conditions macroéconomiques. Cela nous permet, dans une certaine mesure, d'isoler l'effet du sentiment de celui des conditions économiques. Il peut être nécessaire de s'assurer que les résultats obtenus ne reflètent pas simplement les variations du cycle économique. Baker et Wurgler (2006) et Lemmon et Portniaguina (2006) ont considéré également cet aspect et tentent d'isoler l'effet des facteurs macroéconomiques de celui du sentiment. De même, Schmeling (2009) a également utilisé plusieurs variables macroéconomiques dans leur régression de panel. Cependant, Chen et al. (2013) ont choisi le cycle économique comme seul facteur pour représenter les conditions macroéconomiques.

Plus précisément, ces variables de contrôle du rendement d’une action retenues sont : le taux d’inflation, le taux de croissance et le taux de chômage.

Sood (1995) a étudié la relation entre les facteurs macroéconomiques et le rendement des titres cotés sur le marché boursier Indien sur une période pré-libéralisée de 1986-1989. Les résultats de cette étude ont montré que le taux d’inflation, le taux d'intérêt et le taux croissance peuvent être considérés comme les facteurs de risque systématiques affectant les rendements des titres.

De nombreuses études ont démontré une relation significative entre le taux de croissance du PIB et les rendements boursiers. Dimson et al., (2002) ont étudié la relation entre le taux de croissance (Growth rate) et les rendements boursiers sur la période de 1900 à 2000 pour seize pays développés. Ils ont constaté que les rendements boursiers étaient négativement liés au taux de croissance du PIB. Ensuite, le professeur Ritter (2005) a mis à jour cette relation en 2002 dans son travail d’article. Il a examiné les données pour voir si la relation entre le taux de croissance du PIB et le rendement des marchés boursiers pouvait avoir changé au cours du XXe siècle. Il a analysé les données de dix neuf pays développés sur la période de 1970 à 2002. Il a également confirmé qu'il existe une relation négative entre le rendement des marchés boursiers et le taux de croissance du PIB.

(5)

71 Dans le même ordre d’idées, Nishiyama, et al., (2011) ont proposé de tester cette relation en utilisant une régression des séries chronologiques pour les moments conditionnels. En utilisant des données mensuelles sur l'indice boursier S&P 500 et le taux de chômage pour la période 1950-2014, ils ont constaté que le taux de chômage est à l'origine de la moyenne conditionnelle des rendements boursiers. Ainsi, le taux de chômage a un impact non linéaire sur les rendements boursiers.

De ce qui précède, il est possible de présumer que les indicateurs du sentiment susmentionnés peuvent influencer et à un niveau donné de signification statistique le rendement d’une action.

A cet égard, nous allons tester dans cette étude l’existence d’une relation linéaire entre le rendement d’une action et le sentiment d’une action en précisant le rôle des variables de contrôle. Il s'agira de se prononcer sur le niveau de significativité de ces déterminants qui expliquent ou prédisent mieux le rendement d’un titre.

2. Cadre méthodologique

Ce développement, consacré à la méthodologie déployée, présentera successivement l’échantillon ainsi que les données de l’étude, les variables observées dans le cadre de cette recherche et leurs mesures, et enfin les analyses et tests statistiques effectuées.

2.1. L’échantillon et les données de l’étude

L’échantillon de base comprend soixante-quinze (75) actions de différentes sociétés cotées à la bourse des valeurs de Casablanca. Après l’ajustement de cet échantillon, suite à la pérennité et la continuité de cotation des sociétés sur la période de notre analyse, cinquante-huit (58) actions ont été effectivement retenues. Les données ont été collectées sur une période d’étude qui s’étale sur dix années (2010-2019). De plus, ces données se composent d’un certain nombre de séries de rentabilité annuelles des actions choisies qui sont cotées sur les différents marchés de la bourse de Casablanca. Enfin, et dans le but d'enrichir la revue de littérature et l’étude empirique, les informations fournies dans cette présente recherche sont recueillies auprès de sources secondaires.

2.2. Définition et mesures des variables

Toutes les variables ont été mesurées à partir des données quantitatives disponibles sur le site de la bourse de Casablanca. Aussi, pour simplifier l’analyse, nous avons tenté de mesurer la variable dépendante (rendement) et les variables indépendantes (SENT_1, SENT_2, INR, GR et UR).

2.2.1. Mesure de la variable endogène

La rentabilité des actions dans cette étude est calculée en utilisant la formule suivante Broquet

& al., (2009) :

Avec ;

Rit : la rentabilité entre les dates 0 et t ; Ct : le cours à l’instant t ;

Co : le cours à l’instant 0 ;

Dt : le dividende payé entre les dates 0 et t.

2.2.2. Mesure des variables exogènes

Le tableau ci-dessous présente les variables explicatives et leurs mesures.

, = − +

(6)

72 Tableau N°1. Mesures des variables explicatives

Variables Mesures Références

Sentiment spécifique (SENT_1)

Log (Va,t)- Log (Va, t-1) Liao et al. (2011), Sentiment à l’échelle du

marché (SENT_2)

Log (Vm,t)- Log (Vm, t-1)

Liao et al. (2011), Source : Liao et al., (2011)

Tableau N°1. Mesures des variables de contrôle

Variables Mesures Références

Inflation Rate (INR)

la différence entre le IPCN et le IPCN-1, divisé par IPCN-1

Moussa (2015), Singh (2011) Growth Rate

(GR)

la différence entre le PIBN et le PIBN-1, divisé par le PIBN-1

Bunda and Desquilbet (2008), Muthama et al., (2013) Unemployment

Rate (UR)

Rapport entre le nombre de chômeurs et le nombre de personnes actives

Horváth et al. (2012), Munteanu (2012), Singh et

Sharma, (2016) Source : Moussa (2015), Singh (2011) ; Bunda and Desquilbet (2008), Muthama et al.,

(2013) ; Horváth et al. (2012), Munteanu (2012), Singh et Sharma, (2016) 2.3. Méthode d’analyse et Tests statistiques et économétriques

Cette recherche adopte une méthode longitudinale quantitative. Tout d’abord, le traitement des données est effectué à l'aide du logiciel Excel. Ensuite, nous avons eu recours à des tests statistiques univariés, bivariés et multivariés en utilisant le logiciel Eviews version 8. Ainsi, les méthodes statistiques univariées sont liées à une seule variable et regroupent des tests paramétriques et non paramétriques (Glele Kakaï et al., 2016). En effet, cette méthode comprend une analyse descriptive des variables avec la présentation de quelques indicateurs de tendance centrale. Ensuite, les tests bivariés sont relatifs au test de corrélation qui a été mis en évidence pour vérifier les rôles présupposés des variables exogènes sur la variable rendement et pour faire ressortir le sens et la force de la relation. Pour donner plus de signification à l’analyse, le test de Hausman vise à spécifier le modèle approprié qui devra faciliter par la suite la détermination du niveau de contribution significative des facteurs de risques dans l'explication du rendement.

Enfin, on effectuera une analyse de régression linéaire multiple car il s'agit d'étudier la relation entre les variables. Comme variable dépendante, il y a le rendement et comme variables indépendantes, il y a le sentiment spécifique (SENT_1) et le sentiment à l’échelle du marché (SENT_2). Cette analyse multivariée cherche d’une part à quantifier l’association entre la variable rendement et ses variables explicatives. D’autre part, elle introduit dans l'analyse uniquement les variables qui ont une contribution statistiquement significative dans l'explication du phénomène étudié « rendement ». En précisant également l’impact des variables de contrôle sur le rendement.

3. Résultats et discussions

Cette section traite d’abord les statistiques descriptives. Ensuite, nous présentons les différents tests des données collectées dans lesquels nous vérifions l’existence ou non de la relation entre le rendement et les indicateurs de sentiment. Enfin, une analyse explicative pour quantifier l’association entre la variable rendement et ses variables explicatives.

(7)

73 3.1. Les résultats de l’étude statistique descriptive

Le tableau n°2 fournit des statistiques descriptives basées sur 580observations annuelles de toutes les variables utilisées dans cette analyse.

Tableau N°2. Statistiques descriptives

RETURN SENT_1 SENT_2 INR GR UR

Mean -0.0020 0.513 0.304 0.0127 0.0352 0.0918

Median 0.0010 0.020 0.130 0.0135 0.0350 0.0907 Maximum 0.1020 1.250 1.002 0.0190 0.0520 0.0970 Minimum -0.1940 0.657 0.657 0.0040 0.0110 0.0891 Std. Dev. 0.0327 0.054 0.072 0.0046 0.0111 0.0023

Observations 580 580 580 580 580 580

Source : Logiciel Eviews V8.

Parmi les cinquante huit, cinquante cinq actions, soit presque 95% affichent des rendements positifs et parfois négatifs sur la période de l’étude. Tandis que, 7% montrent des rendements positifs. D’après les données collectées, il semble que presque 52% des actions réalisent des rendements supérieurs à la moyenne qui est de (-0.002%).

En plus, le tableau récapitule les valeurs moyennes du taux de l'inflation, du taux de croissance et du taux de chômage qui sont respectivement de 0.0127, 0.0352 et 0.0918. En effet, le taux de la croissance économique marocain varie entre 1.10% (en 2016) et 5.20% (en 2011) pour enregistrer une valeur supérieure à la moyenne de 3.20% en 2019. Le taux d’inflation a une valeur maximale de 1.90% enregistrée en 2013 et en 2018. Quant au taux de chômage, il est toujours de 9% sauf en 2011 et 2012, il était de 8%.

En outre, le tableau n°2 montre également les statistiques des indicateurs de sentiment sur la période dès 2010 jusqu’à l’année 2019. Les résultats montrent une chute brutale des indicateurs de sentiment en 2012 et 2015. Ces périodes coïncident avec le ralentissement de l’économie internationale qui s’est traduit par un taux de croissance de 3,3% en 2012 contre 3,8% enregistré en 2011 et une baisse de -6.40% de capitalisation boursière en 2015 qui est dû à une chute brutale du volume de transactions. Vu que le rendement moyen a connu une baisse en parallèle, cela nous permet d’arriver à conclure que les indicateurs de sentiment de l’investisseur concordent avec l’évolution du rendement.

3.2. Résultats de l’étude économétrique

Nous avons procédé à l’analyse économétrique de la relation entre le rendement et les indicateurs du sentiment. Les résultats des tests ci-dessous ont été obtenus en appliquant le logiciel Eviews 8 sur les variables mesurées sur la période de l’étude pour chaque action.

3.2.1. Test de corrélation entre le rendement et les variables exogènes

D’après le tableau n°3, il existe une relation négative et faible (r = -0.137) entre le rendement et le taux de croissance. Cela suggère que plus le GR augmente, plus l’action ne réalise pas un rendement positif. On observe également des liens positifs entre le rendement et le SENT_1, et SENT_2. Cela signifie que plus le sentiment de l’investisseur est fort, plus la société concernée réalise un rendement important.

Tableau N° 3. Corrélation entre le rendement et les variables exogènes RETURN SENT_1 SENT_2 INR GR UR

RETURN 1.000 0.663 0.523 -0.484 -0.137 0.656 SENT_1 0.663 1.000 0.431 0.007 0.010 0.330 SENT_2 0.523 0.431 1.000 0.004 0.022 0.004

INR -0.484 0.007 0.004 1.000 -0.042 0.048

GR -0.137 0.010 0.022 -0.042 1.000 -0.262

UR 0.656 0.330 0.004 0.048 -0.262 1.000

Source : Elaboré par les auteurs

(8)

74 De même, il existe une relation positive et importante entre le rendement et le taux de chômage qui est de (r=0.656).

3.2.2. Test d’homogénéité

Pour ce faire, on a fait référence à la procédure générale de test présentée dans Hsiao (2003).

Tableau N°4. Procédure générale du test d’homogénéité

Tests Statistiques de Fisher F-stat. P-value Modèle approprié

Test 1

F1 =(SCRc − SCR)/(N − 1)(K + 1) SCR/[NT − N(K + 1)]

3.2201 0.0457

 Si H¹0 acceptée : Modèle Pooled

 Si H¹0 rejetée : Test 2

Test 2

F2 =(SCR′c − SCR)/(N − 1)K SCR/[NT − N(K + 1)]

0.1354 0.8972

 Si H²0 acceptée : Test 3

 Si H²0 rejetée : Test 3

Test 3

F3 =(SCRc − SCR′c)/(N − 1)(K + 1) SCR′c/[N(T − 1) − K]

2.7598 0.0524

 Si H³0 acceptée : Modèle Pooled

 Si H³0 rejetée : modèle à effets individuels

Suite aux résultats obtenus, l’hypothèse nulle H¹0 d’une parfaite homogénéité est rejetée et on passe au deuxième test. Pour ce test, les statistiques de Fisher et sa p-value pour le deuxième test montrent qu’on a accepté l’hypothèse H²0 et on admet le modèle de panel avec homogénéité des coefficients βi et on passe au test suivant d’homogénéité des coefficients αi . On a rejeté, donc, l’hypothèse H³₀afin d’opter à un modèle à effets individuels qui dû à l’hétérogénéité de la constante αi .

Maintenant, il convient de déterminer la nature de cet effet, s’il s’agit d’un effet fixe ou effet aléatoire. Pour ce faire, on doit faire le test d’Hausman.

3.2.3. Test Hausman

Pour mesurer le niveau d’explication du rendement par les variables exogènes retenues, on doit modéliser les données de panel et faire une analyse économétrique. Pour cette raison, on a fait référence au test Hausman qui va nous aider à choisir la spécification adéquate en modèle à effets aléatoires et modèle à effets fixes.

Tableau N°5: Hausman Test

Hausman Test Test Summary

Prob.

Cross-section random

1.0000 Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

SENT_1 0.898113 0.898113 -0.000000 0.0000

SENT_2 0.975420 0.975420 -0.000000 0.0000

On voit que la probabilité de ce test est supérieure à 5%, on accepte donc l’hypothèse nulle qui stipule que le modèle à effets aléatoires est privilégié et approprié. Ainsi, on opte pour le modèle à effets individuels aléatoires.

(9)

75 3.3. Analyse de la régression multiple et validation du modèle

Avant l’estimation du modèle de régression, il convient d’abord de vérifier quelques prémisses.

Tableau N°6: Random-effects model

La lecture du tableau n°6 fait apparaitre des relations significatives et les indicateurs du sentiment de l’investisseur et les variables macroéconomiques. A cet égard, les variables indépendantes (SENT_1, SENT_2, INR, GR et UR) sont individuellement significatives pour expliquer la variable dépendante. En plus, puisque laprob=0.0000< 5% pour F-statistic (F=6.12), les variables indépendantes sont conjointement significatives pour expliquer la variable dépendante. Toutefois, on ne constate que 33.45 % du rendement d’une action qui est expliquée par ces variables exogènes choisis (R²= 0.3345). Donc, le modèle est adéquat aux données observées mais non pas fortement. D’où, la régression est de qualité moyenne.

3.3.1. Test de multicolinéarité entre les variables explicatives

L’absence de multicolinéarité entre les variables explicatives est une condition fondamentale pour mener à bien une régression linéaire. Pour faire ce test, nous avons calculé les coefficients de corrélations entre ces variables, ainsi que les VIF «Variance Inflation Factor ».

Le tableau n°7 montre que tous les coefficients de corrélations sont inférieurs à 0,9 qui correspond à la limite à partir de laquelle on commence généralement à avoir des problèmes sérieux de multicolinéarité.

Tableau N° 7: Matrice de Corrélation entre les variables indépendantes

SENT_1 SENT_2 INR GR UR

SENT_1 1.000 0.431 0.007 0.010 0.330 SENT_2 0.431 1.000 0.004 0.022 0.004

INR 0.007 0.004 1.000 -0.042 0.048

GR 0.010 0.022 -0.042 1.000 -0.262

UR 0.330 0.004 0.048 -0.262 1.000

Source: Elaboré par les auteurs

De plus, d’après le tableau n°8, nous pouvons remarquer que toutes les variables explicatives ont une valeur du VIF « Variance Inflation Factor » qui est inférieure à dix, limite suggérée par Gujarati (2004). Ces résultats nous permettent de conclure que nous n’avons pas un problème sérieux de multicolinéarité entre les variables exogènes.

Dependent Variable: RETURN Method: Panel Least Squares

Variable Coefficient Std. Error t-Statistic Prob.

SENT_1 0.898113 0.065480 9.81023 0.0000

SENT_2 0.975420 0.089745 7.15218 0.0000

INR -0.867882 0.058450 -14.84882 0.0000

GR -0.111886 0.024993 -4.47664 0.0000

UR 1.826841 0.167161 10.92860 0.0000

C -0.108908 0.004238 -25.69588 0.0000

R-squared 0.334557

Adjusted R-squared 0.331309

F-statistic 6.1273

Prob(F-statistic) 0.000000

(10)

76 Tableau N° 8: Variance Inflation Factors

Variance Inflation Factors Sample: 1-580 (Observations) Included observations: 580

Variable

Coefficient Variance

Uncentered VIF

Centered VIF SENT_1 0.001523 4.223584 1.145947 SENT_2 7.23E-07 126.5250 1.175501

INR 8.29E-09 1.071176 1.008278

GR 6.11E-10 1.288419 1.040392

UR 2.64E-06 1.459075 1.138682

Source: Elaboré par les auteurs 3.3.2. La distribution des résidus

On voit sur la figure n°1 que Jarque-Berastatistic = 32.72 avec une probabilité de p=0.00<05%. On rejette donc l’hypothèse nulle selon laquelle les résidus suivent une loi normale ce qui n’est pas favorable pour cette régression.

Figure N° 1: Residuals’ normality test

Source: Elaboré par les auteurs 3.3.3. L’auto-corrélation des résidus

Sur le tableau n°9, on voit que laprob=0.0000<0.05, donc on opte pour l’hypothèse alternative et on rejette l’hypothèse nulle selon laquelle les résidus sont non auto-corrélés.En effet, les résidus ont un problème d’auto-corrélation, ce qui est non désirable.

Tableau N° 9: Breusch-Godfreytest Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1946.898 Prob. F 0.0000

Dependent Variable: RESID

SENT_1 1.36E-05 2.24E-06 3.418472 0.0000

SENT_2 1.035248 1.006727 1.239622 0.0000

INR -0.745441 0.018310 -9.93050 0.0000

GR 0.124564 0.035855 30.51491 0.0000

UR 0.292441 0.016310 17.93050 0.0000

C -0.054463 0.001754 -31.04397 0.0000

0 20 40 60 80 100 120

-0 .005 0.000 0.005 0.010

Series: Residuals Sample 1 580 Observations 580 Mean -3.89e-17 Median 0.000524 Maximum 0.012825 Minimum -0.008586 Std. Dev. 0.005916 Skewness 0.579229 Kurtosis 2.889722 Jarque-Bera 32.72614 Probability 0.000000

(11)

77

RESID(-1) -1.850810 0.029892 -61.91607 0.0000

RESID(-2) -1.044837 0.025695 -40.66362 0.0000

R-squared 0.471915

Adjusted R-squared 0.470348

Durbin-Watson stat 2.781620

F-statistic 56.2564

Prob(F-statistic) 0.000000

Source: Elaboré par les auteurs 3.3.4.Homoscédasticité des variances des résidus

On utilise le test de Breusch-Pagan-Godfrey, on obtient une prob=0.000 inférieure à 5%. En effet, le test est significatif,on rejette l’hypothèse nulle selon laquelle les variances des résidus sont homoscédastiques. Ainsi, les variances des résidus ne sont pas homoscédastiques, ce qui est non désirable.

Tableau N° 10: Heteroskedasticitytest Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 24.60480 Prob. F (9,570) 0.0523

Obs*R-squared 114.3383 Prob. Chi-Square 0.0000

Dependent Variable: RESID^2

C 0.000322 2.99E-05 10.79795 0.0000

SENT_1 0.004567 3.22E-10 4.84361 0.0000

SENT_2 0.005474 2.99E-8 3.12335 0.0000

INR -0.005850 0.000135 -43.37467 0.0000

GR 0.001663 5.77E-05 28.84361 0.0000

UR -0.013297 0.000386 -34.47160 0.0000

Source: Elaboré par les auteurs 3.3.5. Estimation des coefficients de pondération du modèle linéaire

Malgré le faible coefficient de détermination, autrement dit, l’explication moyenne de la variable dépendante à partir des variables exogènes, il en résulte que, les résultats obtenus permettent maintenant de dresser l’équation de régression suivante :

Figure N° 2: Estimation Equation Estimation Equation:

=========================

RETURN = C(0) +C(1)* SENT_1+ C(2)* SENT_2+ C(3)* INR+ C(4)* GR+ C(5)* UR

Substituted Coefficients:

=========================

RETURN = -0.108908+ 0.898113*SENT_1+ 0.975420*SENT_2-0.867882*INR- 0.111886*GR *+ 1.826841*UR

Source: Elaboré par les auteurs

Nous constatons donc que la variabilité expliquée par les variables SENT_1, SENT_2, INR, GR et UR est importante.

(12)

78 3.4. Discussion des résultats

L’étude économétrique effectuée présente les résultats de la régression de panel, y compris les estimations des coefficients et la valeur du coefficient de détermination. Nous régressons les rendements des actions en fonction du sentiment spécifique aux actions et du sentiment à l'échelle du marché pour tenir compte de l'hétérogénéité des entreprises. Nous incluons également des variables de contrôle au niveau du marché dans la régression: le taux de croissance (GR), le taux d’inflation (INR) et le taux de chômage (UR). Les résultats montrent que le sentiment de l’investisseur influe significativement sur le rendement d’une action.

Plus particulièrement, les coefficients de corrélation et de détermination pour l’indicateur SENT_1 sont positifs et statistiquement significatifs au niveau de 5%. Cette constatation est cohérente avec la notion selon laquelle le sentiment spécifique aux actions est positivement associé aux rendements des actions. En effet, une augmentation du sentiment spécifique aux actions serait accompagnée d'une augmentation des rendements des actions. De même, une baisse du sentiment est suivie d'une baisse des rendements.

De même, les coefficients sont positifs et significatifs pour l’indicateur SENT_2, ce qui impliquerait qu'une augmentation (diminution) du sentiment est associée à une augmentation (diminution) des rendements boursiers. En effet, le sentiment général du marché a un effet positif sur la détermination des cours des actions. Ce résultat confirme les résultats obtenus par Lee et al., (2002) ; Baker et Wurgler (2006) ; Ben-Rephael et all. (2012) et Brown et Cliff (2004, 2005).

En ce qui concerne les variables macroéconomiques, ils influencent le rendement d’une action. En effet, la variation du taux d’inflation et du taux de croissance affecte négativement le rendement d’une action. Tandis que, le taux de chômage a un effet positif sur le rendement.

Cela pourrait s'expliquer par le fait que lorsque le taux de croissance du PIB augmente, signifiant une augmentation des ventes des entreprises, les cours des actions des entreprises diminuent. Cela veut dire que, les taux de croissance élevés du PIB ne se traduisent pas nécessairement par une augmentation des bénéfices des entreprises. On peut également montrer qu'en cas d'augmentation du taux d'inflation, les rendements des actions entreprises baissent. Cela a été constaté pour les 19 pays développés dans les années 1900-2011 par Ritter (2005).

Conclusion

Dans cette étude, nous avons examiné le lien entre les rendements et le sentiment des investisseurs sur le marché boursier marocain. Dans l'ensemble, le sentiment de l’investisseur semble être positivement lié aux rendements des actions. Plus précisément, il existe une relation significative et positive entre le sentiment et les rendements spécifiques aux actions pour l'échantillon global. D'un autre côté, nous constatons que l'effet du sentiment à l'échelle du marché est positivement lié aux rendements pour les cinquante-huit (58) sociétés.

Cette étude a comblé le vide de la littérature en examinant l'effet du sentiment des investisseurs sur les rendements des actions du marché boursier marocain. Les résultats démontrent que le sentiment affecte également les rendements des actions et réaffirment l'importance du sentiment des investisseurs. En outre, nous élargissons la littérature en mettant en lumière l'effet de deux dimensions du sentiment, le sentiment à l'échelle du marché et le sentiment spécifique aux actions, sur les rendements des actions. D'un point de vue pratique, les conclusions de cet article peuvent être pertinentes pour les investisseurs, car les résultats suggèrent que le sentiment a un effet sur les cours des actions. De plus, nous avons montré que les cours sont impactés par deux sentiments distincts: le sentiment à l'échelle du marché et le sentiment spécifique à l'action. Les investisseurs peuvent utiliser ces résultats pour guider leurs décisions d'investissement. En bref, le papier contribue à la littérature

(13)

79 limitée sur le sentiment des investisseurs et ouvre la voie à de futures études pour mener des enquêtes supplémentaires sur le sentiment des investisseurs.

Cependant, nous signalons, en outre, que nos résultats présentent des limites dans la mesure où la taille de l’échantillon est insuffisante. Il est composé uniquement des sociétés actives sur le marché et choisies suite à leur pérennité et à leur continuité de cotation sur la période de l’étude. Enfin, notre recherche suggère une poursuite des travaux qui pourraient s’orienter sur l’examen des effets des autres indicateurs de la finance comportementale tels que les biais cognitifs et psychologiques sur la rentabilité des actions.

Références Bibliographiques

 Au, K., Chan, F., Wang, D. & Vertinsky I., (2003). Mood in foreign exchange trading:

cognitive processes and performance. Organ. Behav. Hum. Decis. Process, Vol.91, pp.322- 328.

 Baker, M. & Wurgler, J. (2006). Investor sentiment and the cross section of stock returns.

Journal of Finance, vol. 61, N°. 4, pp. 1645–1680.

 Baker, M. & WurglerJ., (2007). Investor sentiment in the stock market. Journal of Economic Perspectives, Vol.21, N°2, pp.129-151.

 Ben-Rephael, A. & Kandel, S. & Wohl, A., (2012). Measuring investor sentiment with mutual fund flows,” Journal of Financial Economics, Vol. 104, N°. 2, pp. 363–382.

 Berger, D., & Turtle, H. J. (2012). Cross-sectional performance and investor sentiment in a multiple risk factor model. Journal of Banking & Finance, Vol.36, N°4, pp. 1107–1121.

 Broquet, C. et Cobbaut, R. et Gillet, R. et Van Den Berg A. (2009). Gestion de portefeuille, Edition De Boeck.

 Brown, G. W., & Cliff, M. T., (2004). Investor sentiment and the near-term stockmarket.

Journal of Empirical Finance, Vol.11, N°1, pp. 1–27.

 Brown, G. W., & Cliff, M. T. (2005). Investor sentiment and asset valuation. Journal of Business, Vol.78, N°2, pp. 405–440.

 Chang, Y. Y., Faff, R., & HwangC-Y., (2012). Ocal and global sentiment effects, and the role oflegal, trading and information environments. Available at SSRN:http://ssrn.com/abstract=1800550 or http://dx.doi.org/10.2139/ssrn.1800550. 2012.

 Chen, M.-P., Chen, P.-F., & Lee, C.-C., (2013). Asymmetric effects of investor sentimenton industry stock returns: Panel data evidence. Emerging Markets Review, Vol.14, N°0, pp. 35–54.

 DeBondt W., Forbes, W., Hamalainen, P. and Muradoglu (2010). What can behavioral finance teach us about finance?”, Qualitative research in Financial Markets, Vol. 2 No. 1, pp- 29-36.

 Dimson, E., & Marsh, P., & Staunton, M., (2002). Triumph of the Optimists: 101 Years of Global Investment Returns, Princeton University Press, Princeton.

 Fama, E.F., & French, K.R., (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, Vol.33, N°1, pp. 3-56.

 Fisher, K. L., & Statman, M. (2003). Consumer confidence and stock returns. Journal of Portfolio Management, Vol.30, N°1, pp. 115–127.

 Fischer, R., & Gerhardt, R., (2007). Investment mistakes of individual investors and the impact of financial advice. SSRN Electronic Journal, August 23.

 Frankfurter, G.M., & McGoun, E.G., (2001). Anomalies in finance: what are they and what are they good for ? International review of financial analysis, Vol. 10, N°4, pp.407-429.

 Glele Kakaï, R-L. & Lykke, A-M. (2016), Aperçu sur les méthodes statistiques univariées utilisées dans les études de végétation, Annales des Sciences Agronomiques 20, spécial Projet Undesert-UE, 113-138.

 Gujarati, D., (2004). Basic Econometrics. 4th ed., McGraw-Hill, New York.

(14)

80

 Huang, C., & Yang, X., & Yang, X.,& Sheng, H.,(2014). An empirical study of the effect of investor sentiment on returns of different industries. Mathematical problems in engineering, Vol.45, pp. 1-11.

 Hsiao, .C, (2003). Analysis of panel Data. Combridge University Press, Combridge.

 Isen, A. M., (1987). Positive affect, cognitive processes, and social behaviour. In L.

Berkowitz (Ed.), Advances in Experimental Social Psychology, 20, 203-253, San Diego:

Academic Press.

 Jayaraman, R., Vasanthi, G. & Ramaratnam, M.S. (2012). A Study on Influencence of Psychological factors on Investor Behavior in Equity Investment. Journal of Business Management & Social Science Research, Vol. 3, N°. 10, pp. 58-65.

 Lee, W. Y. & . Jiang, C. X & Indro, D. C. (2002). Stock market volatility, excess returns, and the role of investor sentiment. Journal of Banking and Finance, vol. 26, N°. 12, pp. 2277–

2299.

 Lemmon, M., & Portniaguina, E. (2006). Consumer confidence and asset prices: Some empirical evidence. Review of Financial Studies, Vol.19, N°4, pp. 1499–1529.

 Mitroi, A. and Oproiu, A. (2014), Behavioral Finance: New Research Trends, Socioeconomics, and Investor Emotions”, Theoretical and Applied Economics, Vol. XXI, No.

4(593), pp. 153-166.

 Nishiyama, Y., & Hitomi, K., & Kawasaki, Y., & Jeong, K., (2011). A consistent nonparametric test for nonlinear causality-Specification in time series regression. Journal of Econometrics, Vol.165, pp. 112-127.

 Ritter, R., (2005). Economic Growth and Equity Returns, Pacific-Basin Finance Journal.

Vol.13, pp.489 –503.

Schwarz, N. “Emotion, cognition, and decision making” Cognition and Emotion, 14, (2002):433-440.

 Schmeling, M., (2009). Investor sentiment and stock returns: Some international evidence.

Journal of Empirical Finance, Vol.16, N°3, pp. 394–408.

 Stracca, L., (2004). Behavioral finance and asset prices: where do we stand? Journal of Economic psychology, Vol.25, Issue 3, pp. 373-405.

 Shefrin, H. (2005). Behavioral corporate finance. Journal of applied corporate finance, Vol.14, Issue 3.

 Syed, Z., & Bansal, R., (2018). Do investors exhibit behavioral biases in investment decision making? A systematic review. Qualitative research in financial markets, Vol.10, N°

2, pp. 210-251.

 Sood, K. (1995). Pricing behaviour of the Indian capital market: a comparative analysis in the CAPM, the APT and the macro-economic context. FPM Dissertation, Indian Institute of Management, Ahmadabad.

 Wang, M. & Sun, J.J., (2004). Stock market returns, volatility and role of investor sentiment in China. Economic Research Journal, N°. 10, pp. 75–83.

 Zhu, B., & Niu, F. (2016). Investor sentiment, accounting information and stock price:

Evidence from China. Pacific-Basin Finance Journal, Vol.38, pp.125–134.