1

HEC MONTRÉAL

L’INCERTITUDE ECONOMIQUE ET SON IMPACT SUR

L’INVESTISSEMENT CORPORATIF ET LE COUT DU CAPITAL:

UNE ETUDE CANADIENNE

par

Patrick Gilbert

Sciences de la gestion

(Finance de marché)

Mémoire présenté en vue de l’obtention

du grade de maîtrise ès sciences

(M.Sc)

Mai 2015

Patrick Gilbert, 2015

2

Table des matières Chapitre 1. Définition de l’incertitude économique ........................................................................ 6

1.1 Distinction entre incertitude économique et volatilité ........................................................ 6

1.2 L’incertitude comme étalement à moyenne constante ........................................................ 7

1.3 Spécifier l’incertitude économique de l’incertitude générale ............................................. 8

Chapitre 2. Revue de littérature ...................................................................................................... 10

2.1 Mesure de l’incertitude économique .................................................................................. 10

2.2 Incertitude et impact sur le marché des capitaux............................................................... 12

2.3 Déterminants et mesure de l’investissement des entreprises ............................................ 16

2.4 Déterminants et mesure du coût du capital ........................................................................ 17

2.5 Contributions à la littérature ............................................................................................... 20

Chapitre 3. Méthodologie ............................................................................................................... 21

3.1 Construction de l’indice général d’incertitude économique (GEUI) ............................... 21

3.1.1 Les bases de l’indice GEUI : l’indice Economic Policy Uncertainty (EPU) ........... 21

3.1.2 Construction de l’indice General Economic Uncertainty Index (GEUI) ................. 23

3.2 Modèles empiriques étudiés................................................................................................ 25

3.2.1 Étude de l’impact de l’incertitude économique sur le coût du capital...................... 25

3.2.2 Régressions étudiant l’impact de l’incertitude économique canadienne sur

l’investissement ........................................................................................................................... 27

3.3 Données utilisées ................................................................................................................. 28

3.3.1 Modèles de régression portant sur l’étude du rendement excédentaire canadien .... 29

3.3.2 Modèles de régression portant sur l’étude de l’investissement corporatif ............... 30

Chapitre 4. Résultats ....................................................................................................................... 32

4.1 Évolution des indices GEUI canadien et américain durant la période 2001-2014 .......... 32

4.2 Statistiques descriptives ...................................................................................................... 33

3

4.3 Résultats des modèles de régression portant sur l’impact de l’incertitude économique

générale sur la prime de risque canadienne ................................................................................... 36

4.4 Modèles de régression portant sur l’impact de l’incertitude économique sur

l’investissement des entreprises ..................................................................................................... 39

Chapitre 5. Discussion de la méthodologie et des résultats .......................................................... 42

5.1 Mesure de l’incertitude économique générale ................................................................... 42

5.2 Modèles de régression et échantillonnage ......................................................................... 42

5.2.1 Variables dépendantes ................................................................................................. 43

5.2.2 Variables de contrôle ................................................................................................... 43

5.2.3 Période d’analyse ......................................................................................................... 43

5.2.4 Modèle de régression par moindre carrés ordinaires ................................................. 44

5.2.5 Inclusion du coût de la dette dans les modèles de régression ................................... 44

Chapitre 6. Tests de robustesse et mesures alternatives d’incertitude économique .................... 45

6.1 Mesures alternatives du coût du capital ............................................................................. 45

6.1.1 Modèles modifiant la variable dépendante représentant le coût du capital.............. 45

6.1.2 Modèles alternatifs étudiant l’impact de l’incertitude économique canadienne et

américaine sur le coût du capital ................................................................................................ 47

6.2 Modèles alternatifs de l’impact de l’incertitude économique générale sur

l’investissement des entreprises ..................................................................................................... 51

BIBLIOGRAPHIE.............................................................................................................................. 56

ANNEXE A : Tests de stationnarité des variables utilisées dans les régressions .......................... 58

4

INTRODUCTION

Depuis la dernière crise financière de 2008, un climat d’incertitude au niveau macro-économique

s’est installé sur le marché des capitaux. Si la crise de liquidité semble s’être résorbée, on

constate que l’incertitude au niveau budgétaire de plusieurs puissances mondiales encourage les

investisseurs à la prudence, et à faire une collecte d’information plus importante afin de prendre

de meilleures décisions d’investissement.

D’autre part, la reprise économique n’a pas progressé aussi rapidement que ce que les principaux

observateurs avaient prévu. Plusieurs mesures ont été prises au niveau gouvernemental afin

d’encourager la relance. Parmi celles-ci, on retrouve des crédits d’impôt pour les grandes

entreprises, afin de stimuler l’investissement privé, ou alors des mesures « d’assouplissement

monétaire » (Quantitative Easing) aux États-Unis. Cependant, les résultats de ces programmes

semblent mitigés, les firmes privées préférant augmenter leurs réserves de liquidité et l’épargne

de précaution dans la conjoncture actuelle.

Le cas du Canada retient particulièrement notre attention, du fait de sa proximité avec le marché

américain des capitaux. En effet, une grande majorité du commerce canadien se fait avec son

voisin du sud, ce qui fait en sorte que son économie est exposée aux aléas de la conjoncture des

États-Unis. Il sera intéressant d’étudier l’impact de l’incertitude économique canadienne sur les

investissements corporatifs.

Nous pouvons également voir à la lumière de ces constats qu’une meilleure compréhension du

comportement des investisseurs en situation d’incertitude économique permettrait aux acteurs de

trouver des solutions plus adaptées aux politiques économiques visant à stimuler l’investissement

des entreprises.

Nous proposons dans cette étude un ajustement à une mesure d’incertitude existante afin de

quantifier l’incertitude économique générale avec moins de contraintes. De plus, nous présentons

des modèles plus simples, qui ont cependant une certaine robustesse. Les résultats de notre étude

montrent que l’incertitude économique générale canadienne a un impact négatif et significatif sur

le rendement excédentaire canadien, ainsi que sur le taux d’investissement dans l’économie

5

canadienne. Nous constatons également que l’impact de l’incertitude économique est plus

prononcé en l’analysant avec un retard d’une période, et cet impact peut être plus fort que celui

de la volatilité des rendements boursiers (mesurée par l’indice VIX), de manière relative.

Finalement, nous constatons que l’incertitude économique générale américaine n’a pas d’impact

significatif sur le marché des capitaux canadien.

Dans une première partie, nous ferons la distinction entre les principales sources d’incertitude

qui peuvent avoir un impact sur le marché des capitaux et ses acteurs. En second lieu, nous

passerons en revue la littérature portant sur l’incertitude économique, notamment ses différentes

mesures, pour ensuite étudier son impact sur le marché des capitaux. La troisième partie portera

sur la méthodologie que nous choisirons afin de cerner les conséquences de l’incertitude

économique sur l’investissement des entreprises. Avec des modèles similaires, nous étudierons

ensuite les résultats des modèles évaluant l’impact de l’incertitude économique sur le coût en

capital des entreprises. Finalement, après une cinquième partie consistant en une discussion des

résultats obtenus, nous procéderons à des tests de robustesse visant à corroborer les résultats

obtenus précédemment.

6

Chapitre 1. Définition de l’incertitude économique Avant d’étudier les impacts de l’incertitude économique, il est important dans un premier temps

de définir ce que l’on entend par ce terme. De plus, nous ferons la distinction entre le risque

associé aux marchés financiers et reconnu dans la littérature, notamment par l’écart-type des

rendements du marché, et l’incertitude économique. Nous ajouterons aussi à cette partie une

distinction entre différentes formes de risque. Nous présenterons également cette notion

d’incertitude comme étant un étalement à moyenne constante de la distribution des rendements

futurs, comme proposé par Bernanke (1983), et ensuite par Dixit et Pindyck (1994) .

Finalement, nous distinguerons l’incertitude économique d’autres formes d’incertitude plus

générales.

1.1 Distinction entre incertitude économique et volatilité Il y a en effet une différence entre le risque perçu sur le marché des capitaux, souvent considéré

en termes de volatilité (écart-type des rendements du portefeuille de marché), et l’incertitude.

Cette dernière notion peut être définie comme étant un manque substantiel d’information, qui

affecte le comportement des investisseurs, et qui jette de l’ombre sur les performances futures

d’un actif financier.

La volatilité observée sur les marchés a une importance capitale en ce qui a trait au

comportement des investisseurs. Ceux-ci veulent optimiser leur allocation d’actif ou leurs

décisions d’investissement, et doivent considérer le risque associé à chaque actif. Bloom (2009)

présente la volatilité implicite des indices boursiers (S&P 500) comme une mesure représentative

de l’incertitude sur les marchés. L’auteur présente également l’incertitude économique comme

étant un choc de deuxième ordre sur les indices macroéconomiques, accompagnant un

évènement d’actualité majeur (comme une crise pétrolière ou même un attentat terroriste tel le 11

septembre 2001) ou précédant une annonce importante (discours des gouverneurs de la Banque

Centrale, annonce de la politique monétaire à venir, réforme fiscale importante etc.).

Par ailleurs, il est important de distinguer deux dimensions du risque perçu par les investisseurs.

Sandmo (1970) explique la différence entre le risque de revenu et le risque de capital, qui ont

des effets opposés sur le comportement des individus sur le marché. En effet, d’un côté les

investisseurs veulent épargner dans le but de garder un niveau de consommation stable durant

7

toute leur vie. D’un autre côté, l’épargne des investisseurs procure un risque de perte de capital

qui incite à la consommation immédiate. Notre étude permettra donc de vérifier de manière

empirique lequel des deux effets prédomine en période d’incertitude économique, soient

l’épargne de précaution ou l’investissement immédiat sous forme de dépenses en capital.

Comme nous le verrons dans la section suivante, on peut également percevoir que ces

évènements d’actualité sont source d’incertitude dans la mesure où ils créent des étalements à

moyenne constante sur la distribution des rendements des actifs financiers sur le marché.

1.2 L’incertitude comme étalement à moyenne constante Un actif financier (une action ordinaire par exemple) peut être considéré comme risqué dû à la

dispersion des rendements possibles, mais peut avoir un degré relativement faible d’incertitude.

En effet, un investisseur peut avoir une aversion faible pour le risque, et peut donc s’engager

dans un placement risqué, si bien sûr cette stratégie respecte son allocation optimale des

ressources. On peut donc supposer que l’incertitude est une représentation du manque

d’information quant à la distribution des rendements potentiels d’un titre financier, ou alors de la

productivité à l’échelle nationale. Ce manque d’information amène les agents sur le marché à

extraire davantage d’information, comme le soutient Dzielinski (2010) .

Si l’incertitude économique peut être simulée par des chocs de deuxième ordre provenant

d’évènements d’actualité tel qu’exposé par Bloom (2009) , ceux-ci peuvent également être vus

comme des étalements à moyenne constante (Mean-Preserving Spread) sur la distribution future

des rendements d’un investissement, qu’il s’agisse d’un actif financier ou d’un investissement

dans un projet (investissement corporatif). Dans ce cas, cela explique la baisse de l’utilité de la

consommation des agents, étant donné qu’un étalement à moyenne constante est, pour tout agent

averse au risque, nuisible à l’investissement.

Cette dernière notion nous permet de valider ce qu’avance Bernanke (1983) à propos de la

théorie de l’investissement irréversible (Irreversible Investment). En effet, un évènement

d’incertitude dans le marché peut inciter les investisseurs à attendre la résolution d’une

incertitude au niveau économique ou législatif (annonce de la Banque Centrale, résultats d’une

élection législative, etc.) pour ensuite déterminer leur stratégie d’investissement optimale. Cette

8

décision est comparée à la perte des rendements espérés à court terme si un projet était mis en

place immédiatement. Il est important de noter que les investisseurs accordent une importance

particulière aux mauvaises nouvelles car celles-ci peuvent faire regretter une décision

irréversible de la part des agents. L’incertitude générant une volatilité plus importante dans la

distribution des rendements espérés, les investisseurs vont surtout porter leur attention sur les

scénarios faisant en sorte que l’espérance des flux monétaires futurs d’un projet soit en deçà des

coûts de celui-ci. Ce phénomène est connu sous le nom de « Bad News Principle », et est repris

par Dixit et Pindyck (1994) .

Dans le cadre de notre analyse, nous devrons être en mesure de spécifier notre notion

d’évènement d’incertitude économique. La section suivante distinguera l’incertitude

économique, que nous voulons étudier, par rapport à d’autres sources d’incertitude plus

générales et plus rares au Canada.

1.3 Spécifier l’incertitude économique de l’incertitude générale Une autre distinction intéressante à effectuer dans le cadre de notre analyse est d’extraire

l’incertitude économique par rapport à l’incertitude générale. Celle-ci peut être reliée à plusieurs

phénomènes qui ne sont pas économiques, tels des catastrophes naturelles, des attentats

terroristes ou même des chocs politiques indépendants de l’économie (scandale politique, coup

d’État, etc.). Baker et Bloom (2011) ont en effet analysé l’impact de ces chocs sur le marché des

capitaux, plus particulièrement sur la volatilité et le rendement des indices boursiers. Les auteurs

ont observé que ces chocs apportent des impacts de premier et de deuxième ordre de manière

significative, augmentant surtout la volatilité des rendements du marché.

Pour la suite de cette étude, nous considèrerons que l’incertitude économique sera définie comme

étant l’ensemble des éléments de source économique et politique faisant en sorte de réduire la

qualité des prévisions des investisseurs, ce qui les incitera à rechercher davantage d’information

pour prendre leurs décisions. Ces évènements engendrent des étalements à moyenne constante

sur la distribution future des rendements d’un investissement corporatif, et peut inciter les agents

à conserver leur option d’attendre d’avoir davantage d’information afin de prendre une meilleure

décision d’investissement. Parmi les éléments d’incertitude économique, nous inclurons les

9

décisions politiques visant à influencer l’environnement économique, qu’il s’agisse d’une

annonce de politique monétaire, une réforme fiscale, ou alors un changement de gouvernement

(annonce d’élections).

Dans le prochain chapitre, nous analyserons les articles de la littérature existante sur lesquels

notre étude est fondée.

10

Chapitre 2. Revue de littérature Les recherches portant sur l’incertitude économique sont relativement nouvelles dans la

littérature, et leur contribution gagne en importance, surtout dans le contexte actuel. La notion

d’incertitude économique étant relativement large, la littérature consacrée à ce sujet est assez

variée, et touche à la fois le domaine économique et politique. En effet, les gouvernements et les

banques centrales ont un rôle central sur l’activité économique, ce qui fait en sorte que les

principaux acteurs du marché des capitaux doivent anticiper les principales modifications aux

politiques fiscales et monétaires envisagées, ainsi qu’évaluer les actifs financiers. Ceux-ci sont

également sensibles au comportement des investisseurs selon leur degré d’incertitude.

Lors de notre revue de littérature, nous nous intéresserons aux recherches qui ont été effectuées

afin de définir et mesurer l’incertitude économique, pour ensuite étudier l’impact de celle-ci sur

le marché des capitaux et sur les investisseurs. Par la suite, nous étudierons en détails les

principaux déterminants de l’investissement des entreprises, ainsi que du coût du capital.

2.1 Mesure de l’incertitude économique Peu de recherches ont été consacrées à mesurer l’incertitude économique de manière empirique.

Selon l’étude de Dzielinski (2010) , cette incertitude encourage les investisseurs à une collecte

plus importante d’information sur l’état général de l’économie, ou alors sur les derniers

développements à l’échelle politique. L’auteur considère la fonctionnalité « Google Trends »,

disponible sur le site Internet de Google, comme étant une mesure adéquate afin de cerner

l’incertitude des investisseurs. Cet outil permet de relever l’intérêt suscité par certain thèmes

selon la période choisie. Dzielinski propose de comptabiliser les recherches contenant le mot-clé

« économie » effectuées sur Google, sur une période allant de 2004 à aujourd’hui. Cette mesure

est efficace dans la mesure où elle permet de relever le niveau de recherche d’information des

investisseurs sur le marché, mais contient toutefois peu d’information sur le niveau d’incertitude

au niveau des investisseurs privés. Comme mesure alternative d’incertitude, Dzielinski propose

les indices des indices de confiance des investisseurs, tels que le Barron’s Confidence Index, le

Shiller’s one year confidence index, ainsi que le State Street Investor Confidence Index.

11

Comme nous l’avons noté dans le chapitre précédent, une mesure approximative de l’incertitude

économique peut être la volatilité du marché des actions. Bloom (2009) utilise cette variable afin

de créer un processus stochastique simulant des chocs d’incertitude sur le marché.

D’autre part, plusieurs articles ont souligné la contribution de la couverture médiatique de

l’actualité économique sur le comportement des investisseurs. Alexopoulos et Cao (2011)

considèrent un indice NEUS (Newspaper-based Economic Uncertainty Sentiment), constitué du

nombre d’articles du New-York Times contenant des mots-clés reliés à l’incertitude économique.

Les auteurs observent une corrélation positive entre le nombre d’articles concernant l’incertitude

économique et le volume de transactions, la vélocité (définie comme étant le ratio dollar share

turnover sur la capitalisation boursière) et la volatilité du marché (dispersion entre le sommet et

le creux des prix pour une journée de transaction). Ces relations ont cependant un effet négatif

sur le rendement des actions ordinaires sur le marché américain.

Baker, Bloom et Davis (2013) ont pu rassembler différentes mesures d’incertitude que nous

avons présentées précédemment afin de proposer un indice d’incertitude économique et politique

(« Economic Policy Uncertainty », ou EPU). Cette mesure est constituée de trois variables

regroupant différentes sources d’incertitude, dont la couverture médiatique accordée à des

évènements économiques et politiques, ainsi que de mesures de dispersion au niveau des

prévisions économiques des analystes. Celles-ci portent notamment sur l’inflation anticipée et

l’atteinte de l’équilibre budgétaire en ce qui concerne le Canada. L’indice de référence américain

est accompagné de ses équivalents de plusieurs pays ou zones économiques, dont le Canada, et

tous ces indices sont disponibles sur leur site Internet.

Plus récemment, Bhagat et Obreja (2013) ont développé une nouvelle mesure d’incertitude, qui

est davantage centrée sur l’incertitude des flux monétaires au niveau des firmes individuelles. En

effet, les auteurs ont calculé la dispersion dans la distribution des flux monétaires futurs des

entreprises, à l’aide d’un modèle dynamique utilisant des données de panel visant à isoler

l’innovation des flux monétaires pour une entreprise donnée. Le modèle dynamique utilise la

méthodologie GMM telle que proposé par Arellano et Bond(1991) . Les auteurs ont compilé les

flux monétaires de chaque entreprise américaine, en contrôlant les impacts de la productivité, de

la production (output), des prix, et des principaux facteurs de production. Par la suite, les auteurs

effectuent une projection des résidus, élevés au carré, obtenus lors de la première étape vers des

12

variables capturant l’incertitude des flux monétaires futurs. Parmi les variables choisies, on

retrouve l’indice S&P500 VIX (élevé au carré afin d’éviter de travailler sur une mesure de

variance).

2.2 Incertitude et impact sur le marché des capitaux Comme nous l’avons mentionné en première partie, l’incertitude au niveau politique n’est pas

automatiquement de source économique. Baker et Bloom (2011) ont souligné que des

évènements d’incertitude politique pouvaient avoir un impact important sur le marché des

capitaux en termes de rendements et de volatilité des indices boursiers. Ces évènements

regroupent les révolutions, coups d’État, qui sont indépendants dans une certaine mesure des

politiques économiques.

Au niveau de l’incertitude politique Pastor et Veronesi (2011) ont démontré que les investisseurs

exigent une prime de risque de marché plus élevée lorsque les conditions économiques se

détériorent. Cet effet est dû aux anticipations des investisseurs face à des réformes politiques

visant à stimuler l’économie. Ces réformes constituent un choc orthogonal aux évènements

économiques, ce qui crée un climat d’incertitude. L’impact est d’autant plus grand que la

volatilité des coûts politiques associés à ces réformes est grande.

L’analyse de Pastor et Veronesi rejoint le principe d’irréversibilité des investissements

(« Irreversible Investment ») évoqué par Bernanke (1983) . Cette théorie semble plus complète

que la théorie orthodoxe (« Orthodox Theory »), basée sur la Valeur actuelle nette d’un projet et

la décision d’investissement appropriée. Une présentation et une comparaison de ces deux

théories ont été publiées par Dixit et Pindyck (1994) .

Dans la théorie de l’investissement irréversible, l’investisseur détient l’option d’entreprendre son

projet immédiatement, profitant des rendements à court terme espérés, ou alors de reporter sa

décision dans le temps, sacrifiant ces rendements en échange d’une information plus éclairée, ce

qui lui permet de prendre une meilleure décision d’investissement. Celle-ci doit comparer

l’espérance des rendements futurs actualisés de l’investissement à la valeur de l’option, qui

consiste au coût d’abandon du projet. Ce coût est d’autant plus élevé que l’irréversibilité du

projet est grande. Bernanke (1983) pose également comme hypothèse que l’attente d’information

permet toujours de prendre de meilleures décisions. Dans cette étude, on constate que lorsque

13

l’incertitude augmente, la valeur de l’option d’abandon augmente, ce qui ralentit les investisseurs

dans leurs décisions d’investissement. En effet, les agents du marché préfèreront attendre la

venue de nouvelles informations avant de déterminer leur stratégie optimale. L’irréversibilité de

l’investissement fait également en sorte que les investisseurs attendent des conditions

économiques suffisamment bonnes afin de s’engager dans un projet, et suffisamment mauvaises

pour se retirer d’un projet qui n’est pas rentable.

L’étude de McDonald et Siegel (1982) soutient également le principe d’investissement

irréversible, et les auteurs font le constat qu’il n’est pas suffisant d’évaluer la rentabilité d’un

projet en effectuant une analyse coût-bénéfices « brute ». En effet, en fonction du processus suivi

par les bénéfices futurs du projet ainsi que les coûts associés à celui-ci, il peut être optimal

d’attendre la période où la valeur présente des bénéfices est égale au double du coût du projet.

De manière générale, plus la variabilité des bénéfices d’un projet est grande, plus la valeur

actuelle de ceux-ci doit être grande par rapport aux coûts afin d’entreprendre un projet

d’investissement.

Les études de Bernanke (1983) et de Siegel et McDonald (1982) démontrent la raison pourquoi

les investisseurs portent une attention particulière aux mauvaises nouvelles qui peuvent remettre

en doute la rentabilité d’un projet ou augmenter la variabilité des bénéfices anticipés. Ce

phénomène est connu sous le nom de « Bad news effect principle », observé de manière

empirique par l’étude de Bloom (2009) , où l’on constate une pause des investissements

lorsqu’un choc d’incertitude économique affecte le marché. Ce choc influence également la

production industrielle durant environ 6 mois, pour ensuite observer un phénomène de

surcompensation (overshooting) durant les mois suivants. L’auteur observe également une

corrélation significative entre l’écart au niveau de la croissance des profits à l’échelle des

entreprises et la volatilité du rendement des indices boursiers, ce qui semble confirmer un lien

entre l’incertitude et la volatilité.

Ces résultats sont appuyés par l’étude de Guiso et Parigi (1999) qui observent une diminution de

l’investissement des entreprises italiennes en réponse à l’incertitude face à la demande.

En contrepoids aux études précédentes, Caballero (1991) suggère que la relation entre

incertitude et niveau d’investissement est positive, et que la présence de coûts d’ajustement

14

asymétriques n’est pas suffisante afin d’induire une relation inverse entre l’incertitude et

l’investissement. Pour que cette relation soit validée, il est nécessaire d’avoir une concurrence

imparfaite. Cette conclusion rejoint celles avancées par Hartman (1972) et Abel (1983) , qui

s’appliquaient à des cas de coûts d’ajustements symétriques et convexes dans un cadre de

concurrence parfaite. L’auteur souligne également le fait que les décisions d’investissement sont

principalement prises en fonction de la disponibilité et du coût du capital, ainsi que de la

rentabilité de celui-ci.

En réaction aux résultats contradictoires des recherches théoriques précédentes, Leahy et Whited

(1996) ont proposé une étude empirique s’intéressant aux conséquences de l’incertitude

économique sur l’investissement. Les auteurs font d’abord la distinction entre deux théories sur

deux différents aspects. Premièrement, ils séparent les théories étudiant la firme de manière

individuelle, l’incertitude reflétant la variance d’un élément central de leur environnement

d’affaires, et les théories étudiant la firme en liaison avec les autres, l’accent étant mis sur la

covariance entre les rendements des différents projets d’investissement. Dans le premier cas,

l’incertitude économique a un impact sur le niveau d’investissement, alors que dans le second les

effets sont ressentis uniquement si la covariance entre les rendements des firmes est touchée.

Leahy et Whited (1996) font également la distinction entre les travaux représentant le revenu

marginal brut du capital (marginal revenue product of capital) comme une fonction concave ou

convexe d’une variable aléatoire. Dans le cas de cette dernière fonction, augmenter l’incertitude

(donc la variance de la variable aléatoire étudiée) inciterait l’investissement selon l’inégalité de

Jensen, alors que le contraire se produirait dans le cas d’une fonction concave. Dans le cas d’un

investissement irréversible, les rendements anticipés deviennent asymétriques. Ce faisant, une

incertitude économique plus élevée rendra les investissements moins attrayants. En effet,

l’incertitude augmente le risque baissier des rendements d’un investissement sans en contrepartie

augmenter le potentiel haussier de ceux-ci.

L’effet de l’incertitude économique peut également être de retarder des investissements

corporatifs, même si la conjoncture est favorable à l’emploi et l’investissement. Bhagat et Obreja

(2013) suggèrent que lorsque surviennent des périodes d’incertitude élevée, par exemple la crise

de 2008-2009, les firmes ayant un bon potentiel d’investissement (mesuré par un Q de Tobin

élevé) et de faibles contraintes financières (beaucoup de liquidités et peu de levier financier)

15

préfèrent attendre la résolution de cette incertitude, à la fois au niveau macroéconomique, et au

niveau de leur propre incertitude face à leurs flux monétaires futurs. De plus, Les impacts de

l’incertitude par rapport aux flux monétaires futurs ne se limitent pas à l’investissement

corporatif dans des biens tangibles, mais également dans l’investissement dans des actifs

intangibles et au niveau de l’emploi corporatif.

Gulen et Ion (2013) confirment l’impact négatif de l’incertitude sur l’investissement corporatif.

En utilisant la variable EPU développée par Baker, Bloom et Davis (2013), les auteurs observent

que les entreprises, en concordance avec le principe d’investissement irréversible de Bernanke

(1983), subissent des pressions quant à leur coût d’emprunt, et préfèrent retarder leurs

investissements, particulièrement dans des contextes de concurrence faible, de contraintes

financières élevées et de degré élevé d’irréversibilité des investissement. Cette étude estime que

durant la crise financière de 2007 à 2009, le niveau d’investissement corporatif a chuté de 32%,

et les deux-tiers de cette chute seraient attribuables à l’incertitude reliée aux politiques

économiques.

Un autre exemple d’évènement d’incertitude faisant en sorte que les investisseurs attendent la

résolution de celle-ci avant d’investir est l’anticipation des résultats d’une élection. Julio et Yook

(2012) ont évalué l’impact des élections sur le cycle d’investissement des entreprises. Ils ont

mis en lumière une relation inverse entre le degré d’incertitude qu’engendre le processus

électoral, notamment en examinant les élections serrées, et l’investissement des entreprises,

mesuré avec le taux d’investissement et le Q de Tobin. Nous retenons de cet article que les

entreprises semblent prudentes face à la montée d’une incertitude politique, ce qui les incite à

augmenter leur niveau d’encaisse dans la même mesure que leur niveau d’investissement

diminue. Durant la période post-électorale, lorsque l’incertitude est résolue, les auteurs observent

un niveau d’investissement corporatif supérieur à celui des années ne tenant pas d’élections,

avant de se stabiliser jusqu’au prochain scrutin.

L’incertitude au niveau économique peut également se refléter sur les politiques fiscales

adoptées par le gouvernement. Fernandez-Villaverde et al. (2012) ont étudié l’impact de

chocs temporaires affectant l’incertitude concernant la politique fiscale des États-Unis. Les

auteurs ont constaté dans un premier temps que la volatilité au niveau de la taxation ainsi qu’au

niveau des dépenses gouvernementales. De plus, ils suggèrent que les chocs temporaires

16

d’incertitude, surtout au niveau des taux d’imposition anticipés, ont un impact négatif sur le

cycle économique des États-Unis, que ce soit à l’échelle des investissements, de la

consommation, de la production nationale ainsi que des heures travaillées.

On peut constater que l’on ne peut pas exclure l’incertitude politique de notre analyse de

l’incertitude économique générale. En effet, les causes de révolution ou de conflit interne

peuvent être perçues comme des éléments d’incertitude de la population par rapport à l’économie

du pays. Même les périodes électorales reflètent une certaine incertitude économique car les

investisseurs hésitent entre plusieurs partis politiques qui proposent des réformes économiques

différentes. L’article de Gonul et Colak (2013) démontre en effet que les périodes électorales au

niveau des gouverneurs des États américains impactent de manière négative l’activité des

premiers appels publics à l’épargne aux États-Unis.

Il faudra donc prendre en compte les évènements de nature économique et politique sous une

même variable, qui aura pour objectif de représenter l’incertitude économique de manière

générale. Nous étudierons par la suite si cette variable d’incertitude économique a un impact

marginal sur le marché des capitaux comparativement à l’incertitude économique ou politique.

Les prochaines sections auront pour objectif de cerner les principaux déterminants de

l’investissement des entreprises ainsi que du coût du capital.

2.3 Déterminants et mesure de l’investissement des entreprises Dans cette section, nous analyserons les principaux déterminants de l’investissement des

entreprises, ainsi que des différentes mesures proposées afin de mesurer celui-ci.

Outre les facteurs théoriques qui définissent l’investissement des entreprises, plusieurs éléments

doivent être pris en considération. Par exemple, des caractéristiques comportementales des

gestionnaires peuvent influencer le niveau d’investissement. L’étude de Malmendier et Tate

(2005) soutient que l’optimisme de la part des dirigeants d’entreprise peut engendrer des

distorsions du niveau optimal d’investissement. En effet, les auteurs observent que les

gestionnaires les plus confiants, définis comme étant ceux qui ne réduisent pas leur exposition au

risque idiosyncratique de leur entreprise, ont une sensibilité accrue de leur niveau

d’investissement en capital, surtout dans des situations où le financement de l’entreprise est

dépendant des investisseurs externes de fonds propres. Il y aura donc un excès de dépenses en

17

capital dans le cas où le financement interne est la principale source des investissements, alors

que l’on observe un resserrement de ceux-ci lorsque l’entreprise dépend surtout du financement

externe.

L’article de Damodaran (2008) souligne de son côté l’importance du coût du capital, par le biais

de la prime de risque, dans le niveau d’investissement des entreprises. Celles-ci voudront

entreprendre des projets qui génèrent un rendement supérieur au coût du capital. Une hausse de

celui-ci aura de ce fait un impact négatif sur le niveau d’investissement corporatif, qui aura

comme conséquence de ralentir la croissance économique.

Outre le coût du capital et la prime de risque, l’investissement des entreprises est également

affecté par l’épargne de précaution. Leland (1968) définit celle-ci comme étant la somme

supplémentaire des montants épargnés en raison de l’incertitude reliée aux revenus futurs. Les

investisseurs ayant une fonction d’utilité concave dû à leur aversion au risque, ceux-ci souhaitent

lisser leur profil de consommation à travers le temps, et l’épargne de précaution sert à s’assurer

d’obtenir un certain niveau de consommation dans le futur.

D’un autre côté, ce type d’épargne de précaution est uniquement relié au risque de revenu.

Comme nous l’avons expliqué au chapitre précédent, Sandmo (1970) fait la distinction entre le

risque de revenu et le risque de croissance du capital. Dans ce dernier cas, les investisseurs ont

intérêt à consommer leurs revenus immédiatement car le risque de rendement peut entrainer des

pertes qui feront diminuer la consommation future.

Les deux études mentionnées précédemment permettent de déterminer que la troisième dérivée

de la fonction d’utilité permet de mesurer le niveau de prudence des investisseurs, et leur

propension à consacrer une partie de leurs choix de consommation envers l’épargne de

précaution. L’étude de Kimball (1990) soutient cette théorie, et permet de tracer des parallèles

reliant les principes d’aversion au risque énoncés par Arrow et Pratt, et l’épargne de précaution.

2.4 Déterminants et mesure du coût du capital Dans cette section, nous aborderons les principaux déterminants du coût en capital des

entreprises, ainsi que des différentes méthodes afin d’évaluer celui-ci. Tout d’abord, nous

introduirons des bases théoriques sur le coût du capital, ainsi que certaines différences

géographiques entre le Canada et les États-Unis dans le calcul de ce dernier. Par la suite, nous

18

aborderons des modèles classiques d’évaluation du coût du capital, avant d’étudier des modèles

plus récents tentant d’inférer un coût du capital implicite basé sur des prévisions à long terme.

À l’échelle macroéconomique, le coût du capital a une influence majeure auprès du niveau de

croissance économique. En effet, Shoven et Topper (1992) soutiennent que le coût du capital

détermine le niveau d’investissement à l’échelle d’un pays, ce qui a une incidence sur le niveau

des salaires et de la productivité.

L’étude de Shoven et de Topper (1992) soulève également des enjeux géographiques entre le

Canada et les États-Unis. Les auteurs indiquent que le coût du capital au niveau du Canada, un

pays développé ayant tout de même une économie plus petite que les États-Unis, est davantage

sensible aux fluctuations des déterminants du coût du capital américain qu’inversement. Par

exemple, lorsque les États-Unis ont abaissé le niveau du taux d’impôt corporatif en 1986, les

observateurs ont craint une fuite de capitaux provenant du Canada vers les États-Unis, ce qui

aurait eu une incidence négative sur l’économie canadienne. Cette crainte peut être dissipée dans

la mesure où le Canada compense cette mesure par une baisse de son niveau d’impôt corporatif.

Une méthode qui permet d’évaluer le coût du capital dans une économie est d’étudier la prime de

risque de marché, tel que soutenu par Damodaran (2008). D’après celui-ci, cette mesure reflète le

prix que les investisseurs d’une économie sont prêts à payer pour détenir un certain niveau de

risque. Cette même prime de risque peut également être approximée par le ratio de rendement du

dividende (Dividende/Prix). L’auteur prévient par ailleurs qu’il y a plusieurs manières d’estimer

la prime de risque pour un même marché, soient la prime de risque tirée des rendements

historiques, des sondages demandant à divers acteurs quel serait leur prime de risque exigée afin

de détenir une certaine classe d’actifs, et une prime de risque implicite calculée à partir des prix

observés actuellement sur le marché. On observe des différences significatives dans ces trois

différentes mesures, tant au niveau de la valeur absolue de la prime de risque calculée qu’au

niveau de la volatilité de cette prime à travers le temps. On remarque également des niveaux de

la prime de risque très différents selon le pays observé.

Les auteurs Gebhardt, Lee et Swaminathan (2001) ont quant à eux développé une

méthodologie permettant d’estimer une version du « coût du capital implicite » en utilisant un

modèle de bénéfice résiduel actualisé (Residual Income Model, ou RIM) et le cours des actions

19

de ces firmes. Cette mesure de coût du capital implicite est fonction de plusieurs variables

exogènes telles le type d’industrie, le ratio valeur aux livres sur valeur marchande, le taux

d’intérêt prévu à long terme ainsi que la dispersion dans les prévisions d’analystes quant aux

bénéfices futurs de la compagnie. La plupart de ces mesures étant stable à long terme et pouvant

être évaluées de manière ex ante, elles peuvent donc fournir une bonne estimation du risque

perçu de l’entreprise chez les investisseurs.

Une autre contribution majeure de cet article a été de changer l’approche d’évaluation du coût du

capital. En effet, plusieurs études empiriques antérieures utilisent un ou des modèles d’évaluation

prenant en considération les rendements prévus ou observés des entreprises. Étant donné que le

rendement anticipé n’est pas une donnée observable, plusieurs tests des modèles classiques

d’évaluation tels le Modèle d’Évaluation Des Actifs Financiers (MÉDAF) et l’Arbitrage Pricing

Theory (APT) utilisent comme substitut le rendement réalisé. Les auteurs évitent donc

« l’imprécision inévitable »1 d’une évaluation de la prime de risque en utilisant un modèle de

bénéfice résiduel actualisé. L’étude de Gode et Mohanram (2003) soutient également que le

fait d’induire la prime de risque anticipée à partir de rendement observés pose problème en

raison de la faible corrélation entre les rendements anticipés et les rendements observés.

L’étude de Gode et Mohanram (2003) soulève une problématique concernant l’évaluation du

coût du capital de manière implicite. En effet, les méthodes précédentes sont basées sur les

prévisions à long terme d’analystes, qui servent d’approximation des anticipations de marché.

Cependant, les principales données utilisées ne sont pas observables sur la durée de vie de

l’entreprise, et les chercheurs doivent donc se baser sur les prévisions d’analystes. Les données

les plus utilisées sont les prévisions de bénéfices sur un an, deux ans, ainsi que le taux de

croissance à long terme (sur les cinq dernières années).

De leur côté, Gode et Mohanram (2003) proposent d’inférer le coût du capital des entreprises en

utilisant un modèle D’Ohlson-Juettner. Ce modèle consiste à faire converger de manière

asymptotique le taux de croissance à court terme des bénéfices vers un taux de croissance

perpétuel équivalent au taux de croissance de l’économie. L’avantage d’une telle mesure est le

fait de ne pas avoir besoin des prévisions à long terme d’analystes en ce qui concerne la valeur

1 Citation tirée de l’article de Fama, French (1997)

20

aux livres ou alors le rendement des fonds propres. De plus, ce modèle permet avec une seule

variable de déterminer à la fois le taux de croissance perpétuel ainsi que le taux de convergence

vers cette valeur. Les auteurs utilisent le modèle Ohlson-Juettner afin d’inférer une prime de

risque implicite.

2.5 Contributions à la littérature Notre étude apportera plusieurs contributions à la littérature scientifique. Tout d’abord, nous

proposerons une généralisation quant à la mesure de l’incertitude économique. En effet, celle-ci

est seulement estimée à partir d’un sous-ensemble, que ce soit l’incertitude quant aux politiques

économiques (par exemple l’indice EPU de Baker, Bloom et Davis), ou alors le modèle

d’incertitude quant aux flux monétaires de Bhagat (2013) . Notre étude apportera un ajustement

à l’indice EPU de Baker, Bloom et Davis, qui permettra d’estimer une mesure d’incertitude

économique générale, et simplifie la collecte de données en retirant une contrainte de recherche.

Par la suite, notre étude se démarque de la littérature existante dans la mesure où nous ferons une

analyse de l’économie canadienne. À notre connaissance, il n’y a pas encore eu de recherches

académiques s’intéressant à l’incertitude économique spécifiquement au Canada. Finalement,

nous contribuerons à la littérature académique en faisant le lien direct entre l’incertitude

économique et le coût du capital, par le biais de la prime de risque. Nous étudierons également

l’impact de cette incertitude sur le niveau d’investissement des entreprises canadiennes à

l’échelle macroéconomique. Les modèles utilisés seront simplifiés, ce qui a comme effet de

rendre les conclusions de la littérature plus robustes.

Dans le prochain chapitre, nous détaillerons les étapes de la méthodologie utilisée dans notre

analyse.

21

Chapitre 3. Méthodologie Afin d’étudier l’impact de l’incertitude économique sur l’investissement corporatif et le coût du

capital au Canada, nous devons dans un premier temps quantifier cette incertitude. Étant donné

que la littérature s’intéresse surtout à quantifier l’incertitude politique, nous tenterons de choisir

la mesure la plus globale possible, pouvant regrouper toutes les sources d’incertitude qu’un

acteur du marché des capitaux puisse avoir. C’est pourquoi nous présenterons une nouvelle

mesure d’incertitude économique générale, nommée GEUI (General Economic Uncertainty

Index).

Dans ce chapitre, nous analyserons la composition de l’indice GEUI, largement inspiré de

l’indice EPU proposé par Baker, Bloom et Davis (2013). Nous étudierons premièrement la

structure de celui-ci, ainsi que les raisons nous menant à faire les ajustements qui permettent

d’aboutir à un indice général GEUI d’incertitude économique. Par la suite, nous présenterons

l’indice GEUI, sa composition, ainsi que sa sensibilité face à d’autres variables

macroéconomiques. Nous poserons finalement les hypothèses de notre analyse, en vue des

modèles de régression effectués dans le chapitre suivant. Nous conclurons par la mise en place

des modèles empiriques de régression utilisés.

3.1 Construction de l’indice général d’incertitude économique (GEUI) Afin de représenter l’incertitude économique, nous nous inspirerons des travaux de Baker,

Bloom et Davis (2013). Comme nous l’avons vu dans le chapitre précédent, ceux-ci ont présenté

un indice d’incertitude économique EPU (Economic Policy Uncertainty) pour le Canada. La

section suivante présentera en détail la composition de cet indice EPU. Par la suite, nous

justifierons les raisons qui nous poussent à utiliser cette méthodologie comme base de l’indice

GEUI (General Economic Uncertainty Index).

3.1.1 Les bases de l’indice GEUI : l’indice Economic Policy Uncertainty (EPU)2

Dans cette section, nous détaillons la composition de l’indice que nous appelons EPU, développé

par Baker, Bloom et Davis (2013). Ceux-ci ont conçu un indice propre aux États-Unis, puis un

indice canadien plus récemment. Les données obtenues par les auteurs sont disponibles sur leur

site internet.

2 Cette section résume les travaux de Baker, Bloom et Davis (2013)

22

L’indice EPU que les auteurs ont conçu afin de représenter l’incertitude économique du Canada

est construit de manière similaire à l’indice EPU des États-Unis, que nous avons étudié dans la

section précédente. Auparavant, il était composé de trois composantes majeures, soient la

couverture médiatique de l’incertitude économique au Canada et la dispersion dans les prévisions

d’analystes en ce qui concerne le niveau d’inflation, ainsi que de l’équilibre budgétaire. Plus

récemment, Baker, Bloom et Davis ont seulement conservé l’indice de couverture médiatique du

pays, qui a une très forte corrélation avec l’indice global. La présente section détaille les étapes

de construction de l’indice EPU global du Canada.

Couverture médiatique : L’indice de couverture médiatique pour l’indice EPU est mis en place

de manière similaire que l’indice de couverture des États-Unis. En effet, les auteurs recensent le

nombre d’articles de cinq journaux nationaux, qui sont The Gazette3, Vancouver Sun, Toronto

Star, Ottawa Citizen et le Globe and Mail, ainsi que des articles du groupe CNW (Canadian

Newswire), comportant au moins un mot-clé dans chacune des trois catégories suivantes, soient

l’incertitude (« uncertainty » ou « uncertain »), l’économie (« economic » ou « economy ») et

des termes reliées aux politiques économiques (« policy », « tax », « spending », « regulation »,

« central bank », « budget » et « deficit »).

Étant donné la différence entre le nombre d’articles diffusé par chacun de ces quotidiens, cet

indice se doit d’être normalisé. En premier lieu, la série temporelle mensuelle obtenue est

normalisée par le nombre d’articles du même quotidien dans le même mois comportant le mot-

clé « today » (aujourd’hui). Ensuite, la série de chaque quotidien national est normalisée afin

d’obtenir un écart-type unitaire sur les données d’avant août 2011. Les cinq séries normalisées

sont sommées, et normalisées de nouveau afin d’obtenir une moyenne de 100 pour la période

avant 2011. Les données disponibles sur le site Internet des auteurs montrent une série

temporelle mensuelle débutant en janvier 1990.

Cet indice de couverture médiatique était auparavant combiné à deux autres indices, soient un

indice de dispersion dans les prévisions d’analystes quant au niveau d’inflation et de l’équilibre

budgétaire. On observe toutefois que la corrélation entre un indice composé de ces trois séries

3 Ce quotidien couvre la province de Québec, et facilite la recherche étant donné qu’il est un des seuls quotidiens québécois anglophones.

23

mensuelles est très forte face à l’indice de couverture médiatique, ce qui simplifie la

représentation de l’incertitude sur le marché.

Dans la prochaine section, nous justifierons les ajustements que nous effectuerons à l’indice EPU

canadien que nous avons étudié afin d’obtenir un indice d’incertitude économique générale

(General Economic Uncertainty Index, ou GEUI). Nous constaterons que la modification

majeure apportée concerne la méthode de recensement des articles dans les quotidiens

nationaux.

3.1.2 Construction de l’indice General Economic Uncertainty Index (GEUI)

Dans cette section, nous proposerons une modification à l’indice EPU du Canada afin de mieux

représenter l’incertitude économique de manière générale, non seulement l’incertitude reliée aux

politiques économiques. Dans leur étude, Baker, Bloom et Davis (2013) suggèrent que cette

forme d’incertitude reflète environ le deux-tiers de l’ensemble de l’incertitude relevée. Cette

valeur est difficile à évaluer de manière exacte, et est calculée par les auteurs d’après une

recherche par mots-clés dans les médias nationaux. Cependant, dans le cadre de notre étude, il

n’est pas nécessaire de limiter notre recherche à l’incertitude face aux politiques économiques,

même si elle semble un bon estimateur de l’ensemble de l’incertitude présente sur le marché des

capitaux.

L’indice GEUI que nous proposons sera donc largement inspiré des travaux de Baker, Bloom et

Davis (2013), qui eux-mêmes s’inspirent de plusieurs études récentes sur l’incertitude

économique, abordées dans le chapitre précédent. Cette méthodologie offre plusieurs avantages.

En effet, elle s’inspire de plusieurs manières de mesurer l’incertitude économique, soient la

couverture médiatique proposée par Alexopoulos (2011) et Dzielinski (2010), ainsi que les

mesures de dispersion dans les prévisions d’analystes suggérées par les articles de Sill (2013) et

Bachmann (2010) . Cependant, dans le cadre de notre étude, nous aurons uniquement besoin de

l’indice de couverture médiatique EPU à des fins de comparaison.

Finalement, nous utiliserons les données de Baker, Bloom et Davis car celles-ci sont disponibles

sur leur site Internet, ce qui facilite la compilation et la comparaison des données. De plus, ces

données sont reconnues et utilisées dans la littérature actuelle, notamment dans les travaux de

Pastor et Veronesi (2011) .

24

Afin de construire notre indice GEUI, nous allons apporter une modification à l’indice EPU en

ce qui concerne la couverture médiatique de l’incertitude économique. Dans l’indice développé

par les auteurs, ceux-ci recensent le nombre d’articles comportant des mots-clés appartenant à

trois thèmes distincts, soient l’incertitude, l’économie et la politique économique. Étant donné le

fait que nous travaillerons sur l’incertitude économique générale, nous allons uniquement

conserver les deux premières catégories de mots-clés dans notre analyse. Nous proposerons donc

de comptabiliser le nombre d’articles de quotidiens nationaux comportant un des mots-clés

suivants : « economic » ou « economy » en tant que termes reliés à l’économie, ainsi que

« uncertainty » ou « uncertain » en tant que termes reliés à l’incertitude. Les quotidiens

nationaux retenus seront les mêmes que ceux de l’indice EPU canadien, soient The Gazette4,

Vancouver Sun, Toronto Star, Ottawa Citizen et le Globe and Mail. Nous nous limiterons à ces

cinq journaux car ils couvrent la majorité des grands centres économiques canadiens.

Après avoir comptabilisé le nombre d’articles contenant au moins un mot-clé de chaque

catégorie (incertitude et économie), nous procèderons aux mêmes étapes de normalisation que

pour l’indice EPU détaillé dans la section précédente. En effet, dans notre indice GEUI, la série

temporelle mensuelle obtenue est normalisée par le nombre d’articles du même quotidien dans le

même mois comportant le mot-clé « today » (aujourd’hui). Ensuite, la série de chaque quotidien

national est normalisée afin d’obtenir un écart-type unitaire sur les données d’avant août 2011

pour l’indice canadien, et d’avant 2010 pour l’indice des États-Unis.

Par la suite, les séries normalisées de chaque quotidien sont sommées, à raison des cinq

quotidiens canadiens et des dix quotidiens des États-Unis. Les données sont normalisées de

nouveau afin d’obtenir une moyenne de 100 pour la période avant 2013 pour les deux indices.

Nous obtenons donc un indice canadien avec des données datant de 1990 à décembre 2014.

Afin de faire la collecte de données, nous utilisons les bases de données Factiva ainsi que

LexisNexis Academic, qui permettent de recenser le nombre d’articles de journaux spécifiques,

comportant un ou plusieurs mots-clés, sur une période donnée. Nous pouvons ainsi obtenir une

série mensuelle pour l’indice GEUI.

4 Ce quotidien couvre la province de Québec, et facilite la recherche étant donné qu’il est un des seuls quotidiens québécois anglophones.

25

Dans la prochaine section, nous analyserons les modèles de régression étudiés afin d’évaluer

l’impact de l’incertitude économique sur le coût du capital, par le biais de la prime de risque,

ainsi que l’investissement corporatif. Par la suite, nous présenterons les données utilisées afin de

mener notre étude empirique.

3.2 Modèles empiriques étudiés Dans cette section, nous présentons les modèles empirique utilisés afin d’étudier l’impact de

l’incertitude économique sur l’investissement et le coût du capital. Nous débuterons par l’étude

de la prime de risque, servant à évaluer la relation entre l’incertitude et le coût du capital, avant

d’étendre l’analyse à l’investissement. L’ensemble des régressions linéaires se fera par la

méthode des moindres carrés ordinaires (MCO).

3.2.1 Étude de l’impact de l’incertitude économique sur le coût du capital

Nous allons étudier de deux manières l’impact de l’incertitude économique sur le coût du capital.

Celui-ci étant plus facile à évaluer pour une entreprise que pour une économie entière, nous nous

tournerons vers la prime de risque afin d’avoir une analyse du comportement des investisseurs.

La prime de risque se définit comme étant la différence entre le rendement de l’indice boursier

S&P/TSX Total Return et un rendement sans risque, que nous définirons par le rendement des

Bons du Trésor 1 mois du gouvernement canadien.

On peut s’attendre à ce qu’une diminution du niveau de la prime de risque, que ce soit par une

hausse du rendement du marché boursier ou par une baisse du taux sans risque, soit synonyme

d’une hausse du coût du capital, ce qui nuirait ultimement à l’investissement. À l’inverse, une

diminution de la prime de risque inciterait les entreprises à investir, le coût du capital étant moins

élevé.

Nous étudierons donc dans un premier modèle de régression l’impact de notre indice

d’incertitude économique générale GEUICAN sur la prime de risque historique. L’équation

principale de ce modèle est la suivante5 :

où :

5 Une liste des variables utilisées et leur définition est disponible en Annexe

26

DIFFCPICAN est la première différence de la série mensuelle de l’Indice des Prix à la

Consommation (IPC)

DIFFUNEMPCAN est la première différence de la série mensuelle du taux de chômage

canadien

DIFFVIXCAN est la première différence de la série mensuelle de l’indice VIX canadien

DIFFGEUICAN est la première différence de l’indice mensuel GEUI canadien (General

Economic Uncertainty Index)

RPREMCAN est le niveau de la prime de risque canadienne, en considérant soit le

rendement excédentaire de l’indice S&P/TSX Total Return (RPREMCANTOT) ou la

première différence du rendement du dividende canadien (DIFFDYCAN)

et représentent respectivement la constante et le terme d’erreur du modèle de

régression

Nous étudierons ce modèle de régression sous quatre formes différentes. Dans les deux premiers

modèles étudiés, nous prendrons comme variable dépendante la première différence du

rendement excédentaire canadien (DIFFRPREMCANTOT), les variables indépendantes étant

contemporaines en premier lieu (Modèle 1) ou ayant une période de retard (Modèle 2). Les deux

modèles suivants utilisent le rendement du dividende canadien (DIFFDYCAN) comme variable

dépendante, les variables indépendantes étant contemporaines (Modèle 3) ou ayant une période

(un mois) de retard (Modèle 4). Les résultats de ces régressions sont dans le Tableau 1 du

chapitre suivant. Tous les modèles présentés ont des termes d’erreur robustes, en appliquant la

correction de Newey-West.

Nous ferons également des tests de robustesse de ce modèle en utilisant à la fois des variables

d’incertitude canadienne et américaine, soient les variables GEUICAN et GEUIUSA. Les

modèles et leurs résultats seront présentés au chapitre 6.

Tous les modèles de régression seront constitués des quatre mêmes variables indépendantes,

soient les séries différenciées de l’IPC canadien, du taux de chômage, l’indice VIX du Canada,

ainsi que l’indice GEUI canadien, qui est l’objet de notre étude. Les deux premières variables

sont des variables servant à contrôler les effets macroéconomiques sur le marché. L’indice VIX

est utilisé afin de différencier l’effet de la volatilité de celui de l’incertitude économique.

27

Par la suite. Nous étudierons l’impact de l’incertitude économique canadienne sur

l’investissement.

3.2.2 Régressions étudiant l’impact de l’incertitude économique canadienne sur

l’investissement

Dans cette section, nous présentons les deux modèles étudiant l’impact de l’incertitude

canadienne sur l’investissement. Ces modèles sont similaires à ceux de la section précédente, et

se veulent la suite du raisonnement commencé précédemment. En effet, si l’on observe une

hausse de la prime de risque, on peut en déduire une hausse du coût du capital, ce qui devrait

avoir comme effet de diminuer l’investissement. Par conséquent, si dans les modèles précédents

nous parvenons à la conclusion que l’incertitude économique a un effet positif et significatif sur

le coût du capital, l’effet de l’incertitude économique devrait être négatif sur l’investissement. À

l’inverse, si le coût du capital est affecté négativement par l’incertitude économique, nous

pouvons nous attendre à une augmentation des investissements en situation d’incertitude.

Cependant, il est possible que l’incertitude économique ait un effet positif sur l’épargne de

précaution, ce qui ferait en sorte de diminuer la prime de risque du fait de la hausse du

rendement sans risque, ainsi que de produire une pression à la baisse sur les investissements, en

raison de l’attente des investisseurs de meilleures conditions économiques pour procéder à des

investissements, surtout s’ils ont un degré élevé d’irréversibilité.

Nous allons donc étudier un modèle similaire à celui de la section précédente. En effet, la seule

modification sera au niveau de la variable dépendante, qui mesurera le niveau d’investissement à

l’échelle macroéconomique. Celui-ci sera calculé par le taux d’investissement de l’économie

canadienne, variable détaillée dans la section suivante. Nous obtenons donc le modèle de

régression suivant :

où :

DIFFCPICAN est la première différence de la série trimestrielle de l’Indice des Prix à la

Consommation (IPC)

DIFFUNEMPCAN est la première différence de la série trimestrielle du taux de chômage

canadien

28

DIFFVIXCAN est la première différence de la série trimestrielle de l’indice VIX

canadien

DIFFGEUICAN est la première différence de l’indice trimestriel GEUI canadien

(General Economic Uncertainty Index)

INVCAN est la série trimestrielle de l’investissement dans l’économie canadienne,

utilisant soit la première différence du taux d’investissement (DIFFIRCAN), soit la

première différence du taux d’investissement des entreprises dans l’économie canadienne

(DIFFIRECAN).

et représentent respectivement la constante et le terme d’erreur du modèle de

régression6

Nous étudierons ce modèle sous quatre formes différentes. Dans les deux premiers modèles

étudiés, nous prendrons comme variable dépendante la première différence du taux

d’investissement dans l’économie canadienne (DIFFIRCAN), les variables indépendantes étant

contemporaines en premier lieu (Modèle 1) ou ayant une période de retard (Modèle 2). Les deux

modèles suivants utilisent le taux d’investissement des entreprises dans l’économie canadienne

(DIFFIRECAN) comme variable dépendante, les variables indépendantes étant contemporaines

(Modèle 3) ou ayant une période (un trimestre) de retard (Modèle 4). Les résultats de ces

régressions sont présentés dans le tableau 2 du chapitre suivant. Tous les modèles mentionnés

ont des termes d’erreur robustes, en appliquant la correction de Newey-West.

Nous ferons également des tests de robustesse de ce modèle en utilisant à la fois des variables

d’incertitude canadienne et américaine, soient les variables GEUICAN et GEUIUSA. Les

modèles et leurs résultats seront présentés au chapitre 6.

La section suivante fournit davantage de détails sur l’ensemble des variables utilisées dans les

modèles de régression, notamment en ce qui a trait à la mesure de l’investissement dans

l’économie canadienne.

3.3 Données utilisées Les régressions sont effectuées en utilisant des données sur 10 ans, de janvier 2004 à décembre

2014. Dans le cas des modèles visant à étudier l’impact de l’incertitude économique générale sur 6 Une liste des variables utilisées et leur définition est disponible en Annexe

29

le rendement excédentaire, nous utiliserons des séries mensuelles. Cependant, dans le cas de

l’étude de l’investissement des entreprises au niveau macroéconomique, les données nous

permettent seulement d’obtenir des séries temporelles sur une base trimestrielle sur la même

période. Dans un premier temps, nous présenterons les données utilisées pour les modèles visant

à étudier le rendement excédentaire, pour ensuite analyser les données des modèles portant sur

l’investissement corporatif.

3.3.1 Modèles de régression portant sur l’étude du rendement excédentaire canadien

Nous utiliserons quatre variables indépendantes pour l’ensemble des modèles étudiant le

rendement excédentaire canadien, soient l’indice des prix à la consommation (IPC) canadien, le

taux de chômage, l’indice VIX canadien ainsi que l’indice d’incertitude économique générale

GEUI. Les deux premières variables sont extraites de la base de données CANSIM(Statistiques

Canada - CANSIM)(Statistiques Canada - CANSIM)(Statistiques Canada - CANSIM) de

Statistiques Canada, et sont incluses dans les modèles afin de contrôler les effets de la

conjoncture économique sur le rendement excédentaire. En effet, l’inflation permet de mesurer

les anticipations des investisseurs, notamment au niveau des taux d’intérêts futurs, et le taux de

chômage est une mesure qui a un impact direct sur la politique monétaire, budgétaire et fiscale

d’un pays comme le Canada. Nous utilisons également la variable de volatilité VIX afin de

démontrer la distinction entre l’incertitude économique et la volatilité des rendements boursiers,

tel qu’expliqué au premier chapitre.

Cet indice VIX canadien est la combinaison de deux sous-indices, la méthodologie ayant changé

en 2009. La période d’octobre 2009 à octobre 2010 contenait deux valeurs possibles pour

l’indice VIX, dépendamment de la méthodologie utilisée, et nous avons choisi les données de la

méthodologie la plus récente. Les deux séries temporelles sont disponibles sur le site de la

Bourse TMX.

Dans le cas de l’indice d’incertitude économique générale, nous utiliserons l’indice GEUI tel que

décrit dans la première section. Le recensement des articles de journaux a été effectué avec les

bases de données LexisNexis Academic et Factiva. Le traitement de ces données afin d’obtenir

un indice mensuel a été réalisé par les logiciels Microsoft Excel et Matlab.

30

Nous utiliserons plusieurs variables dépendantes visant à évaluer la prime de risque et ses

caractéristiques, qui par extension reflètent l’évolution du coût du capital au Canada. Dans un

premier temps, nous utiliserons le rendement excédentaire historique observé sur le marché

canadien durant les dix dernières années. Nous définirons ce rendement excédentaire comme

étant la différence entre le rendement mensuel de l’indice S&P/TSX Total Return et un

rendement sans risque, soit celui des Bons du Trésor d’une échéance d’un mois, émis par la

Banque du Canada. Cette première série est obtenue par la base de données Bloomberg, et le

rendement sans risque est disponible sur CANSIM.

Nous allons également étudier l’impact de l’incertitude sur la volatilité du rendement

excédentaire canadien. Afin de quantifier cette volatilité, nous calculons l’écart-type des

rendements quotidiens de l’indice S&P/TSX Total Return sur une base mensuelle. De plus, nous

mettrons le niveau du rendement excédentaire en proportion de sa volatilité mensuelle, pour

créer l’équivalent d’un ratio de Sharpe.

Finalement, nous inclurons dans notre analyse des substituts du rendement excédentaire utilisés

dans la littérature. Nous prendrons le rendement du dividende de l’indice S&P/TSX, extrait de la

base de données WRDS, ainsi que le ratio cours-bénéfice de l’indice S&P/TSX ajusté pour le

cycle économique (Cycle-Adjusted Price-Earnings Ratio). Afin d’obtenir cette dernière série

temporelle, nous utilisons la méthodologie utilisée par Robert Shiller sur son site Internet. En

effet, nous calculons, à partir du ratio cours-bénéfice de l’indice S&P/TSX, la valeur implicite

des bénéfices en divisant la valeur de l’indice boursier à son ratio cours-bénéfice. Par la suite, à

l’aide de l’indice des prix à la consommation, nous obtenons un indice S&P/TSX ajusté pour

l’inflation, ainsi qu’une valeur des bénéfices également ajustée pour l’inflation. Le ratio cours-

bénéfice de l’indice S&P/TSX ajusté pour le cycle économique est le quotient de l’indice

boursier par la moyenne des bénéfices sur les dix années précédentes (120 mois). Il est à noter

qu’en raison de la disponibilité des données, les six premières valeurs de cette série, soit de

janvier à juin 2004, la moyenne des bénéfices est calculée sur un peu moins de 120 mois, plus

précisément de 114 à 119 progressivement.

3.3.2 Modèles de régression portant sur l’étude de l’investissement corporatif

Les modèles portant sur l’investissement des entreprises canadiennes à l’échelle

macroéconomique incluront les mêmes variables indépendantes que les modèles précédents,

31

soient l’indice des prix à la consommation, le taux de chômage, l’indice de volatilité VIX ainsi

que l’indice d’incertitude économique GEUI. La seule différence est que nous devons convertir

ces séries mensuelles en séries trimestrielles. Nous procéderons donc en prenant la dernière

valeur observée pour chaque trimestre, au lieu de faire la moyenne des trois mois du trimestre.

Nous constatons que ces deux séries sont très fortement corrélées, et il n’y a pas d’impact

significatif sur les résultats obtenus.

Nous utiliserons deux variables dépendantes afin d’évaluer l’impact de l’incertitude économique.

Nous utiliserons le taux d’investissement dans l’économie canadienne, calculé comme étant le

niveau d’investissement durant un mois donné divisé par le niveau du PIB réel du mois

précédent. Les variables servant à mesurer le niveau d’investissement sont la Formation Brute de

Capital Fixe (FBCF) ainsi que la Formation Brute de Capital Fixe des Entreprises (FBCFE). Ces

données macroéconomiques sont obtenues à partir de Statistiques Canada, sur la base de données

CANSIM.

Afin d’obtenir des résultats qui peuvent être interprétés, nous avons vérifié la stationnarité de

l’ensemble des variables. Nous avons d’abord analysé la fonction d’autocorrélation de celles-ci,

puis nous avons effectué des tests statistiques de stationnarité. Plus précisément, nous avons

réalisé un test de Dickey-Fuller à l’aide du logiciel RATS. Nous constatons que pour l’ensemble

des variables indépendantes de nos modèles, nous devons procéder à une première

différenciation. En effectuant cette opération, nous obtenons des résultats significatifs à 1% pour

l’ensemble des variables. Dans le cas des variables dépendantes des modèles portant sur

l’investissement, nous devons également effectuer une première différence afin d’obtenir un

processus stationnaire. Les variables dépendantes des modèles portant sur le rendement

excédentaire, quant à eux, sont généralement stationnaires sans avoir besoin de différenciation, à

l’exception du rendement du dividende et du ratio cours-bénéfice ajusté pour le cycle

économique, qui ont besoin d’être différenciés une fois afin de rejeter l’hypothèse d’une racine

unitaire. Nous ferons tout de même une première différenciation de toutes les variables utilisées

dans cette étude.

Le prochain chapitre présentera l’évolution des indices d’incertitude économique canadienne et

américaine, avant d’analyser les résultats des modèles de régression présentés.

32

Chapitre 4. Résultats Dans cette section, nous présentons une analyse des indices d’incertitude économique que nous

avons proposés dans le chapitre précédent, ainsi que des résultats des modèles de régressions

spécifiés. Nous ferons l’analyse des modèles portant sur les effets de l’incertitude économique

sur le rendement excédentaire canadien en premier lieu, pour ensuite étudier l’impact de

l’incertitude sur l’investissement corporatif.

Tel que mentionné dans le chapitre précédent, nous utiliserons les quatre mêmes variables

indépendantes, soient les séries mensuelles différenciées de l’IPC canadien, de l’indice VIX

canadien, du taux de chômage et de l’indice GEUI canadien. Nous utilisons des séries

différenciées d’une période afin d’obtenir de respecter la stationnarité des variables utilisées dans

les modèles de régression.

4.1 Évolution des indices GEUI canadien et américain durant la période

2001-2014 Nous étudierons dans un premier temps l’évolution de l’indice GEUI canadien durant la période

de 2000 à 2014. Celle-ci est intéressante du fait qu’elle contient une crise économique majeure,

soit la crise financière de 2008. Cela met en valeur la capacité de l’indice GEUI à refléter le

climat d’incertitude sur le marché selon le contexte économique.

À titre de comparaison, nous constituerons un indice d’incertitude économique générale pour les

États-Unis, que nous appellerons l’indice GEUI américain. Celui-ci est conçu de manière

identique à l’indice GEUI canadien (tel qu’exposé au chapitre précédent), en utilisant cinq

quotidiens américains d’envergure, soient le Boston Globe, le USA Today, le New York Times,

le Wall Street Journal et le Washington Post. Nous obtenons donc le graphique 1 ci-dessous:

33

Graphique 1 : Évolution des indices d’incertitude économique générale au Canada et aux

États-Unis au cours de la période 2001-2014

Le graphique 1 nous permet de constater que les deux séries sont fortement corrélées. En effet,

le coefficient de corrélation entre les deux séries est de 0.87572878. Nous pouvons donc

observer des hausses du niveau d’incertitude économique lors de l’éclatement de la bulle

technologique en 2001, lors de la crise de 2008, ainsi que des périodes d’incertitude plus élevées

durant les quatre dernières années de l’échantillon étudié, notamment en raison de la crise

budgétaire européenne et une certaine faiblesse de l’économie américaine. On constate par

ailleurs que d’après les indices GEUI ci-dessus, l’année 2014 aura été plus incertaine du côté

canadien, notamment en raison de la pression à la baisse du cours du pétrole, et des premiers

signes de faiblesse de l’économie canadienne.

Les sections suivantes montrent les statistiques descriptives des variables utilisées dans les

modèles de régression, suivies des résultats de ceux-ci.

4.2 Statistiques descriptives Le Tableau 1 ci-dessous présente les statistiques descriptives des variables dépendantes et

indépendantes utilisées dans les modèles de régression.

0

50

100

150

200

250

300

35001

/01/

2001

01/0

6/20

0101

/11/

2001

01/0

4/20

0201

/09/

2002

01/0

2/20

0301

/07/

2003

01/1

2/20

0301

/05/

2004

01/1

0/20

0401

/03/

2005

01/0

8/20

0501

/01/

2006

01/0

6/20

0601

/11/

2006

01/0

4/20

0701

/09/

2007

01/0

2/20

0801

/07/

2008

01/1

2/20

0801

/05/

2009

01/1

0/20

0901

/03/

2010

01/0

8/20

1001

/01/

2011

01/0

6/20

1101

/11/

2011

01/0

4/20

1201

/09/

2012

01/0

2/20

1301

/07/

2013

01/1

2/20

1301

/05/

2014

01/1

0/20

14

Val

eur d

e l'i

ndic

e G

EUI

Date

Évolution des indices d'incertitude économique générale au niveau du Canada (GEUICAN) et des États-Unis (GEUIUSA)

GEUIUSA GEUICAN

34

Tableau 1 Statistiques descriptives des variables étudiées

Section A : Variables indépendantes des modèles portant sur le coût du capital

N Moyenne Écart-

type Médiane Min Max

Inflation 144 114.19 7.11 115.50 101.80 125.50

Chômage 144 7.08% 0.70% 7.1% 5.9% 8.7%

Indice de volatilité VIX canadien 144 18.23 8.58 16.01 9.62 60.95

Incertitude économique générale

canadienne 144 112.42 69.75 105.65 24.32 318.11

Incertitude économique générale

américaine 144 101.57 46.37 96.28 34.38 239.46

Section B : Variables dépendantes utilisées dans les modèles portant sur le coût du capital

Rendement excédentaire canadien 144 0.70% 3.81% 1.26% -16.42% 11.45%

Rendement du dividende canadien 144 2.55% 0.58% 2.61% 1.57% 4.17%

Ratio de Sharpe canadien ajusté 144 1.80 4.09 2.10 -7.37 12.34

Ratio cours-bénéfice canadien ajusté 132 26.54 5.25 25.00 18.04 36.84

Section C : Variables indépendantes utilisées dans les modèles portant sur l’investissement

Inflation 48 114.34 7.09 115.65 102.30 125.50

Chômage 48 7.08% 0.70% 7.1% 5.9% 8.6%

Indice de volatilité VIX canadien 48 17.35 7.54 15.09 9.84 43.14

Incertitude économique générale

canadienne 48 113.89 71.34 99.85 24.32 318.11

Incertitude économique générale

américaine 48 100.07 44.77 100.58 34.40 211.72

Section D : Variables dépendantes utilisées dans les modèles portant sur l’investissement

Taux d’investissement dans l’économie canadienne 48 24.35% 1.31% 24.89% 21.14% 25.90%

Taux d’investissement des entreprises dans l’économie canadienne 48 20.15% 1.19% 20.74% 17.64% 21.58%

35

Les sections A et B correspondent respectivement aux statistiques descriptives des variables

indépendantes et dépendantes utilisées dans les modèles portant sur le coût du capital. Les séries

sont mensuelles. Les sections C et D correspondent respectivement aux statistiques descriptives

des variables indépendantes et dépendantes utilisées dans les modèles portant sur

l’investissement. Les séries sont trimestrielles.

La définition et les sources des variables sont présentées au troisième chapitre. Une liste des

variables utilisées est également présentée à l’Annexe. Les quatre sections de ce tableau

présentent les statistiques descriptives des séries avant d’être différenciées. « N » représente le

nombre d’observations de la série.

Nous constatons premièrement que, comme sur le Graphique 1 de la section précédente,

l’incertitude économique générale canadienne est plus volatile que son équivalent américain si

l’on regarde son écart-type (69.75 pour l’indice du Canada comparé à 46.37 aux États-Unis).

Cela est notamment dû au nombre plus petit d’articles de journaux compilés dans les quotidiens

canadiens. D’autre part, les variables dépendantes des modèles de régression portant sur le coût

du capital permettent de vérifier l’impact de l’incertitude économique sur des séries de

différentes volatilités. En effet, nous pouvons remarquer que l’écart-type du rendement

excédentaire canadien est très élevé (3.81%), ainsi que son étendue, comparativement à une série

comme le rendement du dividende canadien, qui a une faible mesure de dispersion.

Du côté de la section C et D du tableau, notons que par construction, le taux d’investissement des

entreprises dans l’économie canadienne est plus faible que le taux d’investissement général. Les

deux séries ont un comportement similaire, ayant une faible dispersion. Nous remarquons par

ailleurs que dans l’indice de volatilité VIX trimestriel a une étendue et un écart-type plus faible

que l’indice mensuel.

Les sections suivantes présentent les résultats des modèles de régression présentés au chapitre

précédent.

36

4.3 Résultats des modèles de régression portant sur l’impact de l’incertitude

économique générale sur la prime de risque canadienne Nous analyserons en premier lieu les résultats des modèles ayant comme variable dépendante la

prime de risque canadienne. Celle-ci est estimée à l’aide de deux variables dépendantes, soient le

rendement excédentaire canadien et la première différence du rendement du dividende canadien,

tel que mentionné au chapitre précédent. Les résultats de ces régressions sont présentés dans le

Tableau 2 ci-dessous.

Nous constatons tout d’abord que les indices de volatilité VIX et d’incertitude économique

générale GEUI ont un impact négatif et significatif sur le niveau du rendement excédentaire

canadien (Modèles 1 et 2). En effet, dans le modèle où les variables indépendantes sont

contemporaines à la variable dépendante (Modèle 1), une augmentation d’une unité de l’indice

VIX fait diminuer le rendement excédentaire canadien de 45.33 points de base, et une hausse

d’une unité de l’indice d’incertitude économique générale GEUI entraine une diminution du

rendement excédentaire de 2.22 points de base. Une augmentation d’une unité de chacun de ces

indices fait diminuer le rendement excédentaire canadien de 20.44 et 3.72 points de base

respectivement lorsque ces variables sont analysées avec un mois de retard. Notons également

que l’effet de l’inflation est positif et statistiquement significatif dans le Modèle 1, où elle est

analysée de manière contemporaine. Par ailleurs, les régressions analysant l’impact de

l’incertitude économique sur la première différence du rendement excédentaire n’ont pas généré

de résultats significatifs.

Ces résultats permettent de supporter l’hypothèse comme quoi l’incertitude économique

générale, ainsi que la volatilité des rendements boursiers, a un effet sur l’épargne de précaution

des investisseurs, ce qui augmente le rendement sans risque. L’effet de l’incertitude peut

également être dû à une diminution des rendements du marché boursier en période d’incertitude

et de volatilité. Ces deux effets peuvent être simultanés.

Nous pouvons observer que la volatilité des rendements boursiers, captée par l’indice VIX,

apporte un effet plus important sur le niveau du rendement excédentaire canadien, mais cet effet

diminue de plus de moitié en l’espace d’un mois, alors que les effets de l’incertitude économique

générale sont plus faibles, mais constants sur les deux périodes étudiées. Nous constatons même

37

que l’effet de l’incertitude économique est plus fort lorsqu’étudié avec un mois de retard. De

plus, tel que présenté dans les statistiques descriptives (Tableau 1), l’écart-type de l’indice GEUI

est beaucoup plus élevé que celui de l’indice VIX. En effet, une augmentation d’un écart-type de

l’indice VIX entraine une diminution du rendement excédentaire canadien de 389 points de base

de manière contemporaine, comparativement à 175 points de base avec une période de retard. De

l’autre côté, ces valeurs sont respectivement de 155 points de base et de 259 points de base pour

l’indice GEUI canadien. Nous constatons donc que l’effet de l’incertitude est presque équivalent

à celui de la volatilité de manière contemporaine, alors que l’effet de l’incertitude économique

est plus fort de manière relative lorsque les variables indépendantes sont étudiées avec une

période de retard.

En ce qui concerne la première différence du rendement du dividende canadien, nous constatons

qu’elle est influencée de manière positive et significative par l’indice de volatilité VIX et l’indice

d’incertitude économique générale GEUI. En effet, une hausse d’un écart-type de l’indice VIX

augmente de 1.36 points de base le rendement du dividende canadien, alors que pour l’indice

GEUI canadien, cette augmentation est de 0.06 points de base, si l’on étudie les variables

indépendantes de manière contemporaine (Modèle 3). Dans le cas où ces variables sont étudiées

avec un mois de retard (Modèle 4), ces augmentations sont de 0.74 et 0.08 points de base

respectivement.

Nous supposons que ces résultats sont principalement causés par la baisse du niveau des prix des

actions en période d’incertitude et de volatilité, ce qui expliquerait également la diminution du

rendement excédentaire canadien. Nous remarquons également les mêmes effets observés dans

les Modèles 1 et 2, soient une certaine constance de l’impact de l’incertitude économique

générale à travers les périodes étudiées, et une diminution rapide de l’effet de la volatilité sur le

rendement du dividende canadien. De manière relative, l’effet de la volatilité est plus fort que

l’effet de l’incertitude économique de manière contemporaine, avec une augmentation de 11.67

points de base du rendement du dividende suite à une hausse d’un écart-type de l’indice VIX,

comparativement à 4.19 points de base pour l’indice GEUI. Lorsque les variables indépendantes

sont étudiées selon le Modèle 4, ces valeurs passent à 6.34 points de base, comparé à 5.58 points

de base. Nous pouvons donc constater qu’avec une période de retard, l’effet de l’incertitude

économique est presque équivalent à celui de la volatilité.

38

Tableau 2 Impact de l’incertitude économique générale sur la prime de risque canadienne

Le tableau présente les résultats de la régression définie selon l’équation suivante :

Les variables dépendantes sont indiquées sur la troisième ligne du tableau, et les variables

indépendantes sont indiquées dans la première colonne. Celles-ci sont contemporaines pour les

Modèles 1 et 3, et ont une période de retard pour les Modèles 2 et 4. Toutes les variables sont

différenciées d’une période (un mois), à l’exception du rendement excédentaire canadien. Celles-

ci sont définies au chapitre 3, ainsi qu’en Annexe. Les erreurs-type sont indiquées entre crochets

sous les valeurs des coefficients, *, ** et *** représentant des significativités statistiques

respectives de 10%, 5% et 1%. Les résidus sont corrigés par la méthode de Newey-West. L’unité

de la variable dépendante est le pourcentage (1%).

Mesure de la prime de risque

Modèle 1 Modèle 2 Modèle 3 Modèle 4

Rendement excédentaire

canadien

Rendement du dividende

canadien

Inflation 1.8884

[0.6779]***

-0.5313

[0.6995]

-0.0262

[0.0215]

0.0041

[0.0222]

Taux de chômage -0.1328

[2.0401]

-1.4360

[2.4513]

-0.0108

[0.0765]

-0.1028

[0.0977]

Volatilité -0.4533

[0.1154] ***

-0.2044

[0.1074] *

0.0136

[0.0035] ***

0.0074

[0.0031] **

Incertitude économique générale

canadienne (GEUI)

-0.0222

[0.0095] **

-0.0372

[0.0112] ***

0.0006

[0.0003] **

0.0008

[0.0003] **

Constante 0.3833

[0.2844]

0.7787

[0.3288] **

0.0121

[0.0092]

0.0062

[0.0105]

Nombre d’observations 143 142 143 142

R2 0.40 0.19 0.30 0.16

39

La prochaine section présentera les résultats des régressions étudiant l’impact de l’incertitude

économique sur l’investissement. Nous vérifierons également si les résultats obtenus dans cette

section corroborent les conclusions que nous venons d’obtenir.

4.4 Modèles de régression portant sur l’impact de l’incertitude économique

sur l’investissement des entreprises

Les résultats de la section précédente suggèrent que l’incertitude économique générale a un effet

négatif sur le niveau du rendement excédentaire canadien. Dépendamment du niveau du taux

sans risque, ainsi que du rendement espéré du marché boursier, les investisseurs prennent la

décision d’investir, ou d’attendre la résolution de l’incertitude avant de lancer un projet

d’investissement, surtout si celui-ci a un degré élevé d’irréversibilité.

Le Tableau 3 ci-dessous présente les résultats de modèles de régression mesurant l’impact de

l’incertitude économique générale sur l’investissement, tel que défini au chapitre précédent.

Nous constatons que l’incertitude économique générale a un effet négatif et significatif sur le

taux d’investissement, uniquement lorsque les variables indépendantes sont étudiées avec une

période de retard (Modèles 2 et 4). Une augmentation d’un écart-type de l’indice GEUI canadien

entraine une diminution du taux d’investissement et du taux d’investissement des entreprises de

22.05 et 20.04 points de base respectivement. Cependant, l’impact de l’incertitude économique

sur l’investissement n’est pas statistiquement significatif si les variables indépendantes sont

analysées de manière contemporaine (Modèles 1 et 3). Cela peut être dû à l’effet « wait and see »

proposé par Bernanke (1983), qui consiste au fait que les entreprises retiennent leurs projets

d’investissement, surtout les projets irréversibles, jusqu’au moment où l’incertitude se résorbe.

D’autre part, nous pouvons observer que l’indice de volatilité VIX a un impact négatif et

significatif sur le taux d’investissement dans l’économie canadienne, à l’exception du Modèle 4

où les résultats ne sont pas significatifs. En effet, l’augmentation d’un écart-type de l’indice VIX

entraine une diminution du taux d’investissement général de 17.14 points de base de manière

contemporaine, et 14.75 points de base avec un trimestre de retard. L’effet de l’indice VIX est

40

similaire pour le taux d’investissement des entreprises, avec une diminution de 15.21 points de

base par unité si les variables indépendantes sont analysées de manière contemporaine (Modèle

3). Nous constatons que lorsque les variables indépendantes sont analysées avec un trimestre de

retard (Modèles 2 et 4), l’impact de l’incertitude économique générale est plus fort que celui de

la volatilité.

Notons également qu’un des déterminants de l’investissement est le taux de chômage. Celui-ci,

d’après les résultats obtenus, a un effet contemporain négatif et significatif sur le taux

d’investissement dans l’économie canadienne. Une augmentation de 100 points de base du taux

de chômage entraine une diminution du taux d’investissement de 89.40 points de base, et une

diminution du taux d’investissement des entreprises de 92.71 points de base.

Notre étude permet de conclure que l’incertitude économique générale a un effet négatif et

significatif sur le coût du capital canadien, par le biais du rendement excédentaire canadien. Cet

impact, causé par l’épargne de précaution et la diminution des rendements boursiers, est plus

soutenu dans le temps que celui de la volatilité des rendements du marché boursier, capté par

l’indice VIX. L’incertitude permet également d’observer un impact négatif et significatif sur le

taux d’investissement dans l’économie canadienne, plus fort que celui de l’indice VIX lorsque

les variables indépendantes sont étudiées avec un trimestre de retard.

Les résultats obtenus corroborent ceux des études de Bloom (2009), Baker, Bloom et Davis

(2013) en ce qui a trait à l’effet de l’incertitude sur la croissance économique et l’investissement.

De plus, l’effet « Wait and see » proposé par Bernanke (1983), qui consiste à attendre la

résolution de l’incertitude afin de démarrer un projet d’investissement, et qui est appuyé par

Bhagat et Obreja (2013), ainsi que Dixit et Pindyck (1994), semble confirmé par les résultats

observés dans les régressions portant sur l’investissement.

L’étude de Caballero (1991) suggère qu’il est nécessaire, en plus de l’incertitude économique,

d’avoir un contexte de concurrence imparfaite pour observer une relation négative avec

l’investissement. À la lumière des résultats obtenus, on peut soumettre l’idée que le marché des

capitaux canadiens est en situation de concurrence imparfaite.

Le chapitre suivant présentera une discussion des résultats obtenus, ainsi que les limites de notre

méthodologie. Nous conclurons par d’autres tests de régression afin de vérifier la robustesse des

résultats obtenus.

41

Tableau 3 Impact de l’incertitude économique générale sur l’investissement

Le tableau présente les résultats de la régression définie selon l’équation suivante :

Les variables dépendantes sont indiquées sur la troisième ligne du tableau, et les variables

indépendantes sont indiquées dans la première colonne. Celles-ci sont contemporaines pour les

Modèles 1 et 3, et ont une période de retard pour les Modèles 2 et 4. Toutes les variables sont

différenciées d’une période (un trimestre). Celles-ci sont définies au chapitre 3, ainsi qu’en

Annexe. Les erreurs-type sont indiquées entre crochets sous les valeurs des coefficients, *, ** et

*** représentant des significativités statistiques respectives de 10%, 5% et 1%. Les résidus sont

corrigés avec la méthode de Newey-West. L’unité de la variable dépendante est le point de base

(0.01%).

Mesure de l’investissement

Modèle 1 Modèle 2 Modèle 3 Modèle 4

Taux d’investissement dans

l’économie canadienne

Taux d’investissement des

entreprises dans l’économie

canadienne

Inflation 7.8041

[6.4983]

6.6712

[9.2075]

8.7352

[6.0040]

7.8136

[8.9910]

Taux de chômage -89.4026

[20.0139] ***

-26.5696

[21.1751]

-92.7053

[20.2490] ***

-37.8717

[20.0360] *

Volatilité -2.2731

[0.8787] ***

-1.9562

[1.0037] *

-2.0169

[0.8185] **

-1.6198

[1.1575]

Incertitude économique

générale canadienne (GEUI)

0.0476

[0.1080]

-0.3091

[0.1583]*

0.0767

[0.1033]

-0.2809

[0.1604] *

Constante 2.7434

[5.4710]

3.9680

[8.4246]

1.3596

[5.0571]

2.4253

[8.1190]

Nombre d’observations 47 46 47 46

R2 0.49 0.35 0.57 0.35

42

Chapitre 5. Discussion de la méthodologie et des résultats

Si l’étude permet de cerner l’impact de l’incertitude économique sur le marché des capitaux,

plusieurs limites sont à considérer par rapport à la méthodologie. Dans ce chapitre, nous allons

étudier certaines hypothèses qui peuvent influencer de manière significative les résultats obtenus.

5.1 Mesure de l’incertitude économique générale Notre étude utilise de manière exhaustive des variables mesurant l’incertitude économique,

soient l’indice GEUI canadien, largement inspirés des indices EPU développés par Baker, Bloom

et Davis(2013) . Par définition, l’incertitude économique est difficilement mesurable. La présente

section présentera des limites à considérer dans l’interprétation de notre indice GEUI.

Le fait d’inclure un indice relevant le nombre d’articles de journaux portant sur l’incertitude

économique générale comporte certains risques. En effet, nous n’avons pas d’indication, outre le

nombre d’articles publiés, sur la gravité de l’évènement discuté dans les articles. De plus, les

articles peuvent être consacrés à des évènements se déroulant à l’extérieur des frontières, ce qui

peut biaiser à la hausse l’indice national d’incertitude économique. D’autre part, plusieurs sujets

très techniques peuvent ne pas être couverts par les journaux de masse, ce qui pourrait avoir

comme effet de sous-estimer l’incertitude économique captée par cet indice. Il est donc difficile

de déterminer quel sera l’effet net de ces deux limites.

Par ailleurs, il est possible d’inclure dans l’indice d’incertitude économique générale les

éléments de dispersion dans les prévisions d’analystes, tels que décrits dans l’étude de Sill

(1992)

5.2 Modèles de régression et échantillonnage Les résultats des modèles économétriques que nous présentons dans notre étude sont fortement

influencés par ses différentes composantes, soient les variables dépendantes étudiées, les

variables de contrôle (variables indépendantes), ainsi que la période analysée.

43

5.2.1 Variables dépendantes

Dans les modèles de régression étudiant l’impact de l’incertitude économique sur le coût du

capital, nous utilisons le rendement excédentaire canadien en tant que substitut de celui-ci. En

effet, il est difficile d’évaluer un coût du capital global pour l’économie canadienne, alors que la

mesure du rendement excédentaire est plus précise. Toutefois, celui-ci donne une indication

théorique du comportement futur des investisseurs quant à leur coût en capital, mais des biais

peuvent être possibles dans ce processus.

Par ailleurs, l’étude de Damodaran (2008) présente le rendement du dividende comme étant un

substitut de la prime de risque. Nous observons dans nos résultats un effet contradictoire de

l’indice d’incertitude économique générale sur le rendement du dividende canadien et sur la

prime de risque canadienne, ce qui semble indiquer que cette relation n’est pas vérifiée. Nous

constatons qu’il n’y a pas de consensus dans la littérature à ce propos.

5.2.2 Variables de contrôle

Nos modèles de régression contiennent chacun trois variables de contrôle, en plus de la variable

représentant l’incertitude économique générale. Il s’agit de l’indice des prix à la consommation

(IPC), du taux de chômage canadien, ainsi que de l’indice VIX canadien, représentant la

volatilité des rendements boursiers. Les résultats des régressions seront fortement influencés par

le retrait ou l’ajout de nouvelles variables de contrôle. Nous avons choisi celles-ci afin de mettre

en relief l’incertitude économique et la volatilité, tel que décrit au premier chapitre, ainsi que de

prendre en compte les effets de la conjoncture sur le rendement excédentaire et l’investissement

au Canada. Ces variables indépendantes sont également utilisées dans la littérature, par exemple

dans l’étude de Durnev (2010).

5.2.3 Période d’analyse

Notre étude est effectuée sur une période de plus de dix ans, soit de 2003 à 2014. Un des

avantages de cette durée est que nous pouvons analyser un cycle économique presque complet,

qui inclut une période de forte volatilité et de forte incertitude, soit la crise financière de 2008.

La principale raison qui nous force à limiter l’étude à une décennie est le fait que l’indice VIX

canadien possède des données jusqu’à la fin de 2002, ce qui nous empêche de remonter plus loin

dans le temps. Le fait d’augmenter ou de réduire la fenêtre temporelle étudiée peut avoir une

incidence significative sur les résultats obtenus. Cela est surtout vrai pour les modèles de

44

régression étudiant l’impact de l’incertitude économique sur l’investissement, étant donné que

les données du PIB et de la Formation Brute de Capital Fixe sont trimestrielles. Nous nous

retrouvons donc avec un total de 48 données par variable, ce qui donne un effet significatif à

chacune d’entre elles.

5.2.4 Modèle de régression par moindre carrés ordinaires

Nous effectuons la totalité de nos régressions linéaires par la méthodologie des moindres carrés

ordinaires. Nous faisons donc une analyse sur des effets de premier ordre de l’incertitude

économique générale sur le coût du capital et sur l’investissement au Canada. Il est possible que

certains effets de deuxième ordre de l’incertitude économique soient laissés de côté par notre

étude.

5.2.5 Inclusion du coût de la dette dans les modèles de régression

Finalement, le coût de la dette n’est pas pris en compte dans les modèles économétriques

présentés. Nous avons préféré nous concentrer sur l’impact de l’incertitude économique sur le

marché boursier, en raison de la disponibilité des données et de la sensibilité du rendement des

obligations corporatives face aux variations de marché. En effet, selon le Modèle d’Évaluation

des Actifs Financiers (MÉDAF), le coefficient Beta de la dette est faible, ce qui donne le

rendement espéré du marché boursier comme mesure principale de risque d’un actif financier.

D’un autre côté, l’inclusion de la variable d’inflation (CPICAN) permet de refléter une partie des

anticipations des investisseurs, notamment en ce qui a trait aux taux d’intérêts.

Nous présenterons dans le prochain chapitre des tests de robustesse contenant des mesures

alternatives au coût du capital et à l’investissement comme variables dépendantes. Nous

vérifierons si les résultats obtenus sont consistants avec ceux présentés au quatrième chapitre,

ainsi qu’avec la littérature existante.

45

Chapitre 6. Tests de robustesse et mesures alternatives d’incertitude

économique Dans ce chapitre, nous présentons des tests économétriques visant à valider les hypothèses

soutenues dans cette étude. Nous allons entre autres modifier les variables dépendantes de nos

modèles de régression afin de vérifier les effets de l’incertitude économique générale sur

l’économie canadienne. Dans un premier temps, nous analyserons deux modèles étudiant

l’impact de cette mesure sur le coût du capital, avant de proposer des modèles étudiant l’impact

de l’incertitude sur l’investissement des entreprises canadiennes. Par la suite, nous étudierons les

résultats de modèles de régression ayant pour variables indépendantes les mesures d’incertitude

canadiennes et américaines simultanément.

6.1 Mesures alternatives du coût du capital Nous proposerons plusieurs modèles similaires à ceux présentés au troisième chapitre. Dans un

premier temps, nous modifierons la variable dépendante étudiée. Les modèles subséquents

auront comme différence d’ajouter une variable indépendante, soit la première différence de

l’indice américain d’incertitude économique générale (GEUIUSA).

6.1.1 Modèles modifiant la variable dépendante représentant le coût du capital

Dans cette section, nous nous intéresserons à deux variantes du coût du capital. Nous reprenons

l’équation de régression des modèles portant sur le coût du capital au chapitre précédent7 :

où :

DIFFCPICAN est la première différence de la série mensuelle de l’Indice des Prix à la

Consommation (IPC)

DIFFUNEMPCAN est la première différence de la série mensuelle du taux de chômage

canadien

DIFFVIXCAN est la première différence de la série mensuelle de l’indice VIX canadien

DIFFGEUICAN est la première différence de l’indice mensuel GEUI canadien (General

Economic Uncertainty Index)

7 Les définitions des variables sont disponibles à l’Annexe

46

RPREMCAN est le niveau de la prime de risque canadienne, en considérant soit le

rendement excédentaire de l’indice S&P/TSX Total Return (RPREMCANTOT) ou la

première différence du rendement du dividende canadien (DIFFDYCAN)

et représentent respectivement la constante et le terme d’erreur du modèle de

régression

Nous étudierons cette même équation de régression, cette fois-ci en modifiant la variable

dépendante RPREMCAN sous deux déclinaisons. Les résultats sont présentés ci-dessous dans le

Tableau 4. Dans un premier temps, nous étudierons l’impact de l’incertitude économique sur le

ratio cours-bénéfice ajusté pour le cycle économique (Cycle-Adjusted Price-Earnings Ratio, ou

DIFFCAPECAN). D’une manière similaire au troisième chapitre, nous proposons un premier

modèle où les variables indépendantes sont contemporaines (Modèle 1), et un deuxième où les

variables indépendantes sont retardées d’un mois (Modèle 2) puis sur le ratio de Sharpe canadien

ajusté (SHRPCANTOT). Pour obtenir cette dernière variable, nous calculerons le quotient du

rendement excédentaire, tel que défini au troisième chapitre, avec la volatilité mensuelle des

rendements de l’indice S&P/TSX Total Return. Afin de mesurer cette volatilité, nous calculons

l’écart-type des rendements de cet indice pour tous les jours ouvrables du mois en question, et

nous obtenons une série mensuelle. Le Modèle 3 montre les résultats de la régression ayant les

variables indépendantes contemporaines, tandis que celles-ci sont retardées d’une période (un

mois) dans le Modèle 4.

Nous constatons que l’incertitude économique générale a un effet négatif et significatif sur les

deux variables dépendantes étudiées, lorsque les variables indépendantes ont une période (un

mois) de retard (Modèles 2 et 4). En effet, dans ces modèles, une hausse d’un écart-type de

l’indice GEUI entraine une diminution du ratio cours-bénéfice ajusté pour le cycle économique

et du ratio de Sharpe canadien ajusté de 72.54 points de base et 205.07 points de base

respectivement.

D’un autre côté, on constate que l’indice de volatilité VIX a également un effet négatif sur ces

variables dépendantes. Cependant, la significativité est plus faible pour les modèles ayant les

variables indépendantes retardées d’un mois, n’ayant pas d’impact significatif sur le ratio cours-

bénéfice canadien ajusté et ayant un seuil de significativité de 10% dans le cas du ratio de Sharpe

canadien ajusté. Nous observons cependant que l’impact de la volatilité se fait surtout sentir de

47

manière contemporaine (Modèles 1 et 3). Une hausse d’un écart-type de l’indice VIX mensuel

entraine une diminution du ratio cours-bénéfice ajusté pour le cycle économique et du ratio de

Sharpe canadien ajusté de 41.87 points de base et 280.22 points de base respectivement. Cette

dernière valeur est cohérente avec le fait que par définition, le ratio de Sharpe contient la

volatilité des rendements du marché au dénominateur, valeur captée par l’indice VIX lors de sa

composition.

6.1.2 Modèles alternatifs étudiant l’impact de l’incertitude économique canadienne et

américaine sur le coût du capital

Dans cette section, nous modifions les modèles présentés au troisième chapitre pour y ajouter

une cinquième variable indépendante, soit la première différence de la série mensuelle de

l’indice américain d’incertitude économique générale (GEUIUSA). L’objectif visé est d’étudier

l’impact d’inclure l’incertitude économique canadienne et américaine de manière simultanée.

Nous obtenons dons l’équation de régression suivante :

où :

DIFFCPICAN est la première différence de la série mensuelle de l’Indice des Prix à la

Consommation (IPC)

DIFFUNEMPCAN est la première différence de la série mensuelle du taux de chômage

canadien

DIFFVIXCAN est la première différence de la série mensuelle de l’indice VIX canadien

DIFFGEUICAN est la première différence de l’indice mensuel GEUI canadien (General

Economic Uncertainty Index)

DIFFGEUIUSA est la première différence de l’indice mensuel GEUI américain (General

Economic Uncertainty Index)

RPREMCAN est le niveau de la prime de risque canadienne, en considérant soit le

rendement excédentaire de l’indice S&P/TSX Total Return (RPREMCANTOT) ou la

première différence du rendement du dividende canadien (DIFFDYCAN)

48

Tableau 4 Impact de l’incertitude économique générale canadienne sur la prime de risque

canadienne, utilisant des variables dépendantes alternatives

Le tableau présente les résultats de la régression définie selon l’équation suivante :

Les variables dépendantes sont indiquées sur la troisième ligne du tableau, et les variables

indépendantes sont indiquées dans la première colonne. Celles-ci sont contemporaines pour les

Modèles 1 et 3, et ont une période de retard pour les Modèles 2 et 4. Toutes les variables sont

différenciées d’une période (un mois), sauf le ratio de Sharpe canadien ajusté. Celles-ci sont

définies au chapitre 3, ainsi qu’en Annexe. Les erreurs-type sont indiquées entre crochets sous

les valeurs des coefficients, *, ** et *** représentant des significativités statistiques respectives

de 10%, 5% et 1%. Les résidus sont corrigés par la méthode de Newey-West. Les variables

dépendantes sont des ratios, et nous conservons ces valeurs telles quelles.

Mesure de la prime de risque

Modèle 1 Modèle 2 Modèle 3 Modèle 4

Ratio cours-bénéfices ajusté

pour le cycle économique

Ratio de Sharpe canadien

ajusté

Inflation

0.2559

[0.2156]

-0.1087

[0.2218]

1.1232

[0.6732] *

-1.3934

[0.7741] *

Taux de chômage

-0.4436

[0.6015]

-0.4199

[0.5464]

1.8482

[2.1731]

-2.6401

[2.0332]

Volatilité

-0.0488

[0.0293] *

0.0136

[0.0238]

-0.3266

[0.0962] ***

-0.1063

[0.0631] *

Incertitude économique générale

(GEUI)

-0.0059

[0.0040]

-0.0104

[0.0035] ***

-0.0113

[0.0092]

-0.0294

[0.0091] ***

Constante

-0.0802

[0.1019]

-0.0263

[0.0961]

1.6282

[0.3398] ***

2.0322

[0.3514] ***

Nombre d’observations 131 131 143 142

R2 0.11 0.11 0.30 0.24

49

et représentent respectivement la constante et le terme d’erreur du modèle de

régression8

Nous étudierons ce modèle de régression sous quatre formes différentes. Dans les deux

premiers modèles étudiés, nous prendrons comme variable dépendante le niveau du

rendement excédentaire canadien (RPREMCANTOT), les variables indépendantes étant

contemporaines en premier lieu (Modèle 1) ou ayant une période de retard (Modèle 2). Les

deux modèles suivants utilisent le rendement du dividende canadien (DIFFDYCAN) comme

variable dépendante, les variables indépendantes étant contemporaines (Modèle 3) ou ayant

une période (un mois) de retard (Modèle 4). Les résultats de ces régressions sont dans le

Tableau 5 ci-dessous.

Nous pouvons observer dans un premier temps que l’indice de volatilité VIX a un effet

significatif sur tous les modèles. De manière similaire aux résultats du Tableau 2, nous

pouvons remarquer que la volatilité des rendements boursiers a un impact négatif et

significatif sur le rendement excédentaire. En effet, une hausse d’un écart-type de l’indice

VIX entraine une diminution du rendement excédentaire de 370.23 points de base de manière

contemporaine (Modèle 1), et de 184.30 points de base avec une période de retard (Modèle

2). De plus, une hausse d’un écart-type de l’indice VIX entraine une hausse du rendement du

dividende canadien de 11.33 points de base de manière contemporaine (Modèle 3), et de 6.52

points de base avec une période de retard (Modèle 4). Ces résultats sont comparables à ceux

du Tableau 2 au quatrième chapitre.

Nous pouvons constater par ailleurs que l’incertitude économique américaine n’a pas

d’impact significatif sur le coût du capital canadien. De l’autre côté, l’indice GEUI canadien

a un impact significatif dans les modèles où les variables indépendantes sont analysées avec

un mois de retard (Modèles 2 et 4). Dans ces modèles, une hausse d’un écart-type de l’indice

GEUI entraine une diminution du rendement excédentaire canadien de 283.19 points de base,

ainsi qu’une augmentation du rendement du dividende de 6.28 points de base. Dans le cas du

8 Une liste des variables utilisées et leur définition est disponible en Annexe

50

Tableau 5 Impact de l’incertitude économique générale canadienne et américaine sur la prime de risque canadienne

Le tableau présente les résultats de la régression définie selon l’équation suivante :

Les variables dépendantes sont indiquées sur la troisième ligne du tableau, et les variables

indépendantes sont indiquées dans la première colonne. Celles-ci sont contemporaines pour les

Modèles 1 et 3, et ont une période de retard pour les Modèles 2 et 4. Toutes les variables sont

différenciées d’une période (un mois), à l’exception du rendement excédentaire canadien. Celles-

ci sont définies au chapitre 3, ainsi qu’en Annexe. Les erreurs-type sont indiquées entre crochets

sous les valeurs des coefficients, *, ** et *** représentant des significativités statistiques

respectives de 10%, 5% et 1%. Les résidus sont corrigés par la méthode de Newey-West. L’unité

des variables dépendantes est le pourcentage (1%)

Mesure de la prime de risque

Modèle 1 Modèle 2 Modèle 3 Modèle 4

Rendement excédentaire

canadien

Rendement du dividende

canadien

Inflation 1.8994

[0.6786] ***

-0.5388

[0.7021]

-0.0263

[0.0216]

0.0043

[0.0223]

Taux de chômage -0.0523

[2.0948]

-1.4751

[2.4361]

-0.0122

[0.0773]

-0.1020

[0.0973]

Volatilité -0.4315

[0.1144] ***

-0.2148

[0.1045] **

0.0132

[0.0035] ***

0.0076

[0.0030] **

Incertitude économique générale

canadienne (GEUICAN)

-0.0152

[0.0117]

-0.0406

[0.0126] ***

0.0005

[0.0004]

0.0009

[0.0004] **

Incertitude économique générale

américaine (GEUIUSA)

-0.0198

[0.0123]

0.0096

[0.0119]

0.0003

[0.0004]

-0.0002

[0.0004]

Constante 0.3821

[0.2840]

0.7800

[0.3293] **

0.0121

[0.0092]

0.0061

[0.0106]

Nombre d’observations 143 142 143 142

R2 0.41 0.20 0.31 0.16

51

rendement excédentaire canadien, nous constatons que l’impact de l’incertitude économique est

plus fort que celui de l’indice VIX avec un retard d’une période.

La prochaine section abordera des tests de robustesse portant sur l’impact de l’incertitude

économique générale sur l’investissement.

6.2 Modèles alternatifs de l’impact de l’incertitude économique générale sur

l’investissement des entreprises

Dans cette section, nous modifions les modèles présentés au troisième chapitre pour y ajouter

une cinquième variable indépendante, soit la première différence de la série trimestrielle de

l’indice américain d’incertitude économique générale (GEUIUSA). L’objectif visé est d’étudier

l’impact d’inclure l’incertitude économique canadienne et américaine de manière simultanée.

Nous obtenons dons l’équation de régression suivante :

où :

DIFFCPICAN est la première différence de la série trimestrielle de l’Indice des Prix à la

Consommation (IPC)

DIFFUNEMPCAN est la première différence de la série trimestrielle du taux de chômage

canadien

DIFFVIXCAN est la première différence de la série trimestrielle de l’indice VIX

canadien

DIFFGEUICAN est la première différence de l’indice trimestriel GEUI canadien

(General Economic Uncertainty Index)

DIFFGEUIUSA est la première différence de l’indice trimestriel GEUI américain

(General Economic Uncertainty Index)

52

INVCAN est la série trimestrielle de l’investissement dans l’économie canadienne,

utilisant soit la première différence du taux d’investissement (DIFFIRCAN), soit la

première différence du taux d’investissement des entreprises dans l’économie canadienne

(DIFFIRECAN).

et représentent respectivement la constante et le terme d’erreur du modèle de

régression9

Nous étudierons ce modèle sous quatre formes différentes. Dans les deux premiers modèles

étudiés, nous prendrons comme variable dépendante la première différence du taux

d’investissement dans l’économie canadienne (DIFFIRCAN), les variables indépendantes étant

contemporaines en premier lieu (Modèle 1) ou ayant une période de retard (Modèle 2). Les deux

modèles suivants utilisent le taux d’investissement des entreprises dans l’économie canadienne

(DIFFIRECAN) comme variable dépendante, les variables indépendantes étant contemporaines

(Modèle 3) ou ayant une période (un trimestre) de retard (Modèle 4). Les résultats de ces

régressions sont présentés dans le Tableau 6 ci-dessous.

Nous observons que les résultats sont similaires à ceux observés au quatrième chapitre, au

Tableau 3. En effet, le taux de chômage est toujours un facteur déterminant du taux

d’investissement. L’impact de l’indice de volatilité VIX est également négatif et significatif sur

les trois premiers modèles, dans des proportions comparables.

En ce qui concerne l’incertitude économique générale américaine (GEUIUSA), nous pouvons

observer qu’elle n’a pas d’impact significatif sur le taux d’investissement au Canada. Seule

l’incertitude économique générale canadienne (GEUICAN) a un impact négatif et significatif sur

ces taux d’investissement, lorsque les variables indépendantes sont analysées avec un trimestre

de retard (Modèles 2 et 4). En effet, une hausse d’un écart-type de l’indice GEUI canadien

entraine une diminution du taux d’investissement de 24.46 points de base, et une diminution du

taux d’investissements des entreprises canadiennes de 24.88 points de base.

9 Une liste des variables utilisées et leur définition est disponible en Annexe

53

Tableau 6 Impact de l’incertitude économique générale canadienne et américaine sur l’investissement des entreprises canadiennes

Le tableau présente les résultats de la régression définie selon l’équation suivante :

Les variables dépendantes sont indiquées sur la troisième ligne du tableau, et les variables indépendantes sont indiquées dans la première colonne. Celles-ci sont contemporaines pour les Modèles 1 et 3, et ont une période de retard pour les Modèles 2 et 4. Toutes les variables sont différenciées d’une période (un trimestre). Celles-ci sont définies au chapitre 3, ainsi qu’en Annexe. Les erreurs-type sont indiquées entre crochets sous les valeurs des coefficients, *, ** et *** représentant des significativités statistiques respectives de 10%, 5% et 1%. Les résidus sont corrigés avec la méthode de Newey-West. L’unité de la variable dépendante est le point de base (0.01%).

Mesure de l’investissement

Modèle 1 Modèle 2 Modèle 3 Modèle 4

Taux d’investissement dans

l’économie canadienne

Taux d’investissement des

entreprises dans

l’économie canadienne

Inflation 8.4320

[6.5530]

8.9908

[9.7830]

8.9755

[6.1094]

9.8558

[9.7090]

Taux de chômage -90.5135

[20.3201] ***

-29.6927

[20.5153]

-93.1305

[20.2028]

***

-40.6213

[20.0549]

**

Volatilité -2.5798

[1.1583] **

-2.9411

[1.4475] **

-2.1343

[1.0248] **

-2.4869

[1.6423]

Incertitude économique générale

canadienne

0.0217

[0.1445]

-0.3863

[0.1920] **

0.0668

[0.1445]

-0.3488

[0.1961] *

Incertitude économique générale

américaine

0.1022

[0.2674]

0.3212

[0.2913]

0.0391

[0.2469]

0.2828

[0.2970]

Constante 2.5253

[5.4709]

3.0197

[8.6592]

1.2761

[5.1107]

1.5904

[8.4337]

Nombre d’observations 47 46 47 46

R2 0.50 0.37 0.57 0.37

54

CONCLUSION

L’incertitude économique est un thème qui gagne en popularité, surtout depuis les dernières

années, où les investisseurs réalisent son importance et ses effets sur l’économie. Notre étude

permet d’introduire un indice d’incertitude économique générale canadien (GEUI), inspiré des

travaux de Baker, Bloom et Davis (2013). En effet, cet indice permet de retirer la contrainte

consistant à se concentrer sur l’incertitude quant aux politiques économiques, pour obtenir une

analyse plus complète de l’incertitude. De plus, nous avons analysé l’impact de celle-ci sur le

marché des capitaux, plus précisément au niveau du rendement excédentaire et de

l’investissement.

Les résultats obtenus indiquent que l’incertitude économique générale a un effet dissuasif sur

l’investissement, surtout l’investissement corporatif. Les effets observés sur le coût du capital,

plus précisément le rendement excédentaire, sont mitigés dans la mesure où l’on observe un

impact négatif sur le rendement excédentaire canadien, mais de l’autre côté un effet positif sur le

rendement du dividende, un substitut de la prime de risque d’après l’étude de Damodaran (2008).

Toutefois, on semble observer une relation claire entre le rendement boursier et l’incertitude

économique, dans la mesure où, parmi les quatre modèles consacrés au rendement excédentaire,

l’impact de l’incertitude peut être expliqué par une baisse du rendement des indices boursiers.

Ces résultats corroborent ceux des études de Dzielinski (2010) et Alexopoulos et Cohen (2011).

Une des principales contributions de notre étude est d’analyser l’impact de l’incertitude

économique canadienne sur son marché des capitaux. À notre connaissance, il s’agit de la

première étude consacrée à ce phénomène au Canada. De plus, nous parvenons à des résultats

corroborant la majeure partie de la littérature existante en utilisant des modèles plus simples, ce

qui rend les conclusions plus robustes. Il serait pertinent, dans les prochaines études sur

l’incertitude économique, de s’intéresser aux effets de l’incertitude économique d’un pays sur le

marché des capitaux d’un pays voisin, par exemple le Canada et les États-Unis. Par ailleurs, il

serait intéressant d’étudier le phénomène de l’incertitude économique sur une période plus

longue, ce qui pourrait aider les investisseurs, ainsi que les décideurs publics, à prendre de

55

meilleures décisions d’investissement. En ayant des échantillons de données sur une plus longue

période, il serait pertinent d’évaluer l’impact de l’incertitude économique comme indicateur

retardé de plusieurs périodes de variables majeures de l’économie canadienne, telles le coût du

capital ou l’investissement corporatif canadien.

56

BIBLIOGRAPHIE

Abel, A. (1983). « Optimal Investment under Uncertainty », American Economic Review, vol. 73, no 1, p. 228-233.

Alexopoulos, M. et Cao, M. (2011). How News Reports on Economy-wide Risks and Uncertainties Affect Stock Market Liquidity and Returns, University of Toronto et York University, 30 p.

Arellano, M. et Bond, S. (1991). « Some Tests of Specification for Panel Data : Monte Carlo Evidence and an Application to Employment Equations », The Review of Economic Studies, vol. 58, no 2, p. 277-297.

Bachmann, R., Elstner, S. et Sims, E. (2010). Uncertainty and Economic Activity : Evidence from Business Survey Data, University of Michigan, 49 p.

Baker, S. , Bloom, N. et Davis, S. J. (2013). Measuring Economic Policy Uncertainty, Stanford University, 48 p.

Baker, S. , Bloom, N. et Davis, S. J. (2015). Policy Uncertainty. Récupéré le 25 mai 2015 de http://www.policyuncertainty.com/index.html

Baker, S. et Bloom, N. (2011). Does Uncertainty Drive Business Cycles? Using Disasters as a Natural Experiment, Stanford University, 25 p.

Bernanke, B. (1983). « Irreversibility, Uncertainty, and Cyclical Investment », Quarterly Journal of Economics, vol. 98, no 1, p. 85-106.

Bhagat, S. et Obreja, I (2013). Employment, Corporate Investment and Cash Flow Uncertainty, University of Colorado at Boulder, 47 p.

Bloom, N. (2009). « The Impact of Uncertainty Shocks », Econometrica, vol. 77, no 3, p. 623-685.

Caballero, R. (1991). « On the Sign of Investment-Uncertainty Relationship », The American Economic Review, vol. 81, no 1, p. 279-288.

Colak, G. , Durnev, A. et Qian, Y. (2013). Political Uncertainty and IPO Activity : Evidence from U.S. Gubernatorial Elections, Florida State University, 48 p.

Damodaran, A. (2008). Equity Risk Premiums (ERP) : Determinants, Estimation and Implications, Stern School of Business, 77 p.

Dixit, A. et Pindyck, R. (1994). Investment Under Uncertainty, Princeton University press, Princeton University.

Durnev, A. (2010). The Real Effects of Political Uncertainty : Elections and Investment Sensitivity to Stock Prices, McGill University, 55 p.

Dzielinski, M. (2010). Measuring Economic Uncertainty and its Impact on the Stock Market, no 638, National Centre of Competence in Research Financial Valuation and Risk Management, 22 p.

Fernandez-Villaverde, J., Guerron-Quintana, P. , Kuester, K. et Rubio-Ramirez, J. (2012). Fiscal Volatility Shocks and Economic Activity, Federal Reserve Bank of Philadelphia, 61 p.

Gebhart, W. , Lee, C. et Swaminathan, B. (2001). « Toward an Implied Cost of Capital », Journal of Accounting Research, vol. 39, no 1, p. 135-176.

Gode, D. et Mohanram, P. (2003). « Inferring the Cost of Capital Using the Ohlson–Juettner Model », Review of Accounting Studies, vol. 8, p. 32.

Google (2015). Google Trends. Récupéré le 25 mai 2015 de https://www.google.com/trends/

57

Guiso, L. et Parigi, G. (1999). « Investment and Demand Uncertainty », The Quarterly Journal of Economics, vol. 114, no 1, p. 185-227.

Gulen, H. et Ion, M. (2013). Policy Uncertainty and Corporate Investment, Purdue University, 46 p.

Hartman, R. (1972). « The Effects of Price and Cost Uncertainty on Investment », Journal of Economic Theory, vol. 5, no 2, p. 258-266.

Julio, B. et et Yook, Y. (2012). « Political Uncertainty and Corporate Investment Cycles », The Journal of Finance, vol. 67, no 1, p. 45-84.

Kimball, M. (1990). « Precautionary Saving in the Small and in the Large », Econometrica, vol. 58, no 1, p. 53-73.

Leahy, J. et Whited, T. (1996). « The Effect of Uncertainty on Investment : Some Stylized Facts », Journal of Money, Credit and Banking, vol. 28, no 1, p. 64-83.

Leland, H. (1968). « Saving and Uncertainty : The Precautionary Demand for Savings », Quarterly Journal of Economics, vol. 82, no 1, p. 465-472.

Malmendier, U. et Tate, G. (2005). « CEO Overconfidence and Corporate Investment », The Journal of Finance, vol. 60, no 6, p. 2661-2700.

Mcdonald, R. et Siegel, D. (1982). The Value of Waiting to Invest, no 1019, National Bureau of Economic Research.

Pastor, L. et Veronesi, P. (2011). Political Uncertainty and Risk Premia, University of Chicago, 47 p.

Sandmo, A. (1970). « The Effect of Capital Risk on Optimal Saving Decisions », The Quarterly Journal of Economics, vol. 92, no 4, p. 653-680.

Shiller, R. (2015). Récupéré le 25 mai 2015 http://www.econ.yale.edu/~shiller/data/ie_data.xls Shoven, J. et Topper, M. (1992). « The Cost of Capital in Canada, the United States, and Japan »,

dans J. Shoven et J. Whalley (dir.), Canada-U.S. Tax Comparisons, National Bureau of Economic Research, University of Chicago Press, p. 217-236.

Sill, K. (2012). Measuring Economic Uncertainty Using the Survey of Professional Forecasters, Philadelphia Fed.

Statistiques, Canada (2015). CANSIM. http://www5.statcan.gc.ca/cansim/home-accueil?lang=eng TMX, Groupe (2015). Récupéré le 25 mai 2015 https://www.m-x.ca/indicesmx_vixc_en.php

58

ANNEXE A : Tests de stationnarité des variables utilisées dans les régressions

Les deux tableaux suivants (Tableau 13 et Tableau 14) présentent les valeurs de la fonction

d’autocorrélation de toutes les variables utilisées dans les modèles de régression linéaire. Le

Tableau 13 regroupe les variables nécessaires pour les modèles analysant l’impact de

l’incertitude économique générale sur le niveau du rendement excédentaire, tandis que le

Tableau 14 contient les variables analysant l’effet de l’incertitude économique générale sur le

taux d’investissement canadien. Suite à chaque tableau, nous présenterons la définition de

chaque variable.

Afin de vérifier la stationnarité des variables utilisées, nous effectuons un test par la méthode de

Dickey-Fuller. Les deux dernières colonnes des Tableaux 13 et 14 présentent le nombre

d’observations, ainsi que la valeur critique de la statistique T pour chaque variable. Cette valeur

critique est accompagnée de deux étoiles (**) pour un résultat rejetant l’hypothèse nulle d’un

processus contenant une racine unitaire à un seuil de significativité de 95%, et trois étoiles (***)

pour un résultat rejetant cette même hypothèse nulle à un seuil de 99%.

Par la suite, nous présenterons les graphiques des fonctions d’autocorrélation de chaque variable.

Les variables mensuelles seront analysées jusqu’à 24 retards, et les variables trimestrielles vont

jusqu’à 12 périodes de retard. Les Tableaux 13 et 14 présentent également les valeurs

numériques des sept premiers retards de chaque variable.

59

Définitions des variables des modèles de régression

Nom de la Variable Définition

CPICAN Indice des Prix à la Consommation (IPC) du Canada (Statistiques Canada)

DIFFCPICAN Première différence de la série de l’Indice des Prix à la Consommation (IPC)

VIXCAN Indice de volatilité VIX canadien (Bourse TMX)

DIFFVIXCAN Première différence de la série de l’Indice de volatilité VIX canadien

DYCAN Rendement du dividende canadien (WRDS)

DIFFDYCAN Première différence de la série du rendement du dividende canadien

UNEMPCAN Taux de chômage canadien (Statistiques Canada)

DIFFUNEMPCAN Première différence de la série du taux de chômage canadien

GEUICAN Indice d’incertitude économique générale canadien

DIFFGEUICAN Première différence de la série de l’Indice d’incertitude économique générale canadien

GEUIUSA Indice d’incertitude économique générale américain

DIFFGEUIUSA Première différence de la série de l’Indice d’incertitude économique générale américain

CAPECAN Ratio cours-bénéfice ajusté pour le cycle économique (Méthodologie de Robert Shiller)

DIFFCAPECAN Première différence de la série du ratio cours-bénéfice ajusté pour le cycle économique

RPREMCANTOT Niveau du rendement excédentaire canadien (S&P/TSX Total Return – Bons du Trésor 1 mois)

SIGMARPREM Volatilité des rendements journaliers de l’indice S&P/TSX Total Return

DIFFSIGMARPREM Première différence de la série de la volatilité des rendements journaliers de l’indice S&P/TSX Total Return

SHRPCANTOT Ratio de Sharpe ajusté canadien : rendement de l’indice S&P/TSX total Return / Volatilité des rendements

TSXTOTRETURN Rendement de l’indice S&P/TSX Total Return

DIFFTSXTOTRETURN Première différence de la série du rendement de l’indice S&P/TSX Total Return IRCAN Taux d’investissement canadien : Formation Brute de Capital Fixet / Produit Intérieur Brutt-1 (PIB)

DIFFIRCAN Première différence de la série du taux d’investissement canadien

IRECAN Taux d’investissement des entreprises canadiennes : Formation Brute de Capital Fixe des Entreprises (FBCFE)t / PIBt-1 )

DIFFIRECAN Première différence de la série du taux d’investissement des entreprises canadiennes

60

Tableau 13 : Fonction d’autocorrélation et test de stationnarité Dickey-Fuller des variables utilisées dans les régressions

analysant l’impact de l’incertitude économique générale sur le niveau du rendement excédentaire canadien

Variables Mensuelles

Fonction d'autocorrélation Test de stationnarité Dickey-Fuller

Retard Nombre d'observations

valeur critique Statistique T Nom de la Variable 1 2 3 4 5 6 7

CPICAN 0.980423 0.959847 0.938612 0.916174 0.893915 0.871713 0.848993 144 -2.44026

DIFFCPICAN 0.21385 -0.00417 -0.10193 -0.10550 -0.15802 -0.03002 -0.22480 143 -9.33265***

VIXCAN 0.85595 0.72707 0.67790 0.61352 0.50623 0.41088 0.35780 144 -3.34900

DIFFVIXCAN -0.05034 -0.27833 0.06560 0.15592 -0.04261 -0.14836 -0.11305 143 -12.4032***

DYCAN 0.972681 0.939378 0.896577 0.847829 0.796565 0.747387 0.705322 144 -1.74251

DIFFDYCAN 0.15602 0.24033 0.12208 0.06227 -0.07661 -0.17876 -0.14022 143 -10.0746***

UNEMPCAN 0.97050 0.93589 0.89619 0.85268 0.80381 0.75086 0.69633 144 -1.33204

DIFFUNEMPCAN 0.09317 0.07991 0.09053 0.09824 0.09066 0.04100 -0.02744 143 -10.7395***

GEUICAN 0.893235 0.814704 0.702105 0.625643 0.570898 0.521453 0.478901 144 -3.63530**

DIFFGEUICAN -0.12686 0.14735 -0.15251 -0.09689 -0.02083 -0.02729 -0.15123 143 -13.3690***

CAPECAN 0.976545 0.944620 0.905881 0.862733 0.817175 0.777060 0.742873 132 -1.80860

DIFFCAPECAN 0.21921 0.18852 0.09942 0.07230 -0.10049 -0.15162 -0.06553 131 -9.05364***

RPREMCANTOT 0.20538 0.16048 0.08118 0.05944 -0.10516 -0.16713 -0.11029 144 -9.64706***

SIGMARPREM 0.80190 0.66730 0.52811 0.43327 0.39282 0.33378 0.33956 144 -3.90664**

DIFFSIGMARPREM -0.15551 0.00866 -0.10878 -0.13604 0.04726 -0.16362 0.08303 143 -13.7424***

SHRPCANTOT 0.09099 0.05617 0.00842 0.02476 0.03854 -0.02677 0.01977 144 -10.9188***

TSXTOTRETURN 0.20485 0.16127 0.08225 0.06097 -0.10396 -0.16475 -0.10784 144 -9.67569***

DIFFTSXTOTRETURN -0.47231 0.01986 -0.03421 0.09297 -0.06676 -0.07225 0.01522 143 -19.6945***

61

Tableau 14 : Fonction d’autocorrélation et test de stationnarité Dickey-Fuller des variables utilisées dans les régressions analysant l’impact de l’incertitude économique générale sur le taux d’investissement canadien

Variables Trimestrielles

Fonction d'autocorrélation Test de stationnarité Dickey-Fuller

Retard Nombre d'observations

valeur critique Statistique T Nom de la Variable 1 2 3 4 5 6 7

CPICAN 0.941931 0.873398 0.808272 0.745607 0.684131 0.622758 0.560617 48 -3.28236

DIFFCPICAN -0.12472 -0.34686 -0.14000 0.38877 -0.04731 -0.15691 -0.15132 47 -7.38963***

VIXCAN 0.64170 0.48346 0.29326 0.13076 0.12180 -0.01738 -0.04177 48 -3.15885

DIFFVIXCAN -0.26292 0.04539 -0.03475 -0.22124 0.18588 -0.15848 0.00397 47 -8.73385***

UNEMPCAN 0.89261 0.75398 0.59669 0.40629 0.26636 0.09764 -0.03542 48 -1.48422

DIFFUNEMPCAN 0.15292 0.10763 0.18503 -0.22205 0.11109 -0.13677 -0.13647 47 -5.65751***

GEUICAN 0.696948 0.516391 0.484416 0.462999 0.408546 0.302691 0.303160 48 -4.16476***

DIFFGEUICAN -0.14491 -0.24969 -0.00740 0.04939 0.09420 -0.19306 0.17098 47 -7.86476***

IRCAN 0.87625 0.69616 0.52944 0.38707 0.29079 0.20334 0.11354 48 -2.57467

DIFFIRCAN 0.47130 0.06907 -0.12954 -0.33712 -0.07961 0.05345 -0.06786 47 -3.94894***

IRECAN 0.88508 0.70011 0.51726 0.34837 0.21888 0.09998 -0.01952 48 -2.10886

DIFFIRECAN 0.51965 0.14570 -0.03640 -0.26632 -0.08771 0.03650 -0.07376 47 -3.70744***

62