projet sas_evaluation l'efficacite du marche boursier au vietnam
TRANSCRIPT
MASTER ECONOMIE MONETAIRE ET FINANCIERE
PROJET SAS
Evaluation l’efficacité du marché boursier vietnamien
Professeur : Charlotte de Lorgeril
Etudiant : Thu-Phuong Do
1
Résumé
Ce projet vise à étudier l’efficience informationnelle du marché boursier vietnamien depuis sa créationen 2000 jusqu’à maintenant. Les statistiques et les tests économétriques réalisés sur les rendements enlogarithme tous suggèrent que le rendement passé a certain impact sur celui au courant. Autrement dit,le marché boursier vietnamien n’est pas efficace, même sous forme faible.
Donnée : l’indice de prix VNIndex au 28 juillet 2000 au 29 mars 2013.
1- Introduction
La théorie de l’efficience des marchés financiers (HEM théorie) est beaucoup traitée depuis les annéessoixante. Eugene Fama se débat dans sa thèse que dans un marché actif, y compris les investisseursinformés et rationnels, le prix d’actif reflète correctement toutes les informations disponibles. End’autres termes, l’enjeu HEM suggère que les investisseurs ne peuvent pas surperformer le marché.Dans ce projet, je n’aborde que l’efficience informationnelle du marché.
Il existe de différentes formes de l’efficience informationnelle. Dans le marché efficient de type faible,les cours des titres reflètent tout ce qu’on peut déduire de leur historique. Dans le marché de formesemi-forte, on prétend que les cours réagissent instantanément aux informations publiques, quelles quesoit au niveau macro comme les indicateurs économiques et financiers ou au niveau micro comme lesrésultats de l’entreprise. Enfin, le marché atteint la forme forte quand toutes les informations privéessont également reflétées dans le cours du titre.
Comme les autres pays en voie de développement, le Vietnam cherche à accéder au marché financiermondial par la création de la bourse à Hochiminh Ville (HoSE) en 2000, et puis celle à Hanoi (HNX) en2005. D’ores et déjà, très peu études dans ce domaine ont été consacrées au marché boursier duVietnam. Deux études significatives1 dans ce thème tous concluent que le marché boursier vietnamienn’atteint pas la forme faible. Toutefois, les deux travaux utilisent la base de données avant 2008 – datede déclenchement de la crise financière mondiale.
L’objectif de ce travail est d’étudier l’efficience informationnelle de la bourse vietnamienne en prenanten compte le contexte actuelle de la crise.
2- Méthodologies
Les tests d’efficience informationnelle sont réalisés sur les rendements de l’indice boursier représentatifdu marché vietnamien VNIndex du 28 juillet 2000 au 29 mars 20132 s’agissant de 2993 observations
1 Trung-Thanh LE (2009), « Améliorer les mécanismes de surveillance de transactions des valeurs mobilières sur lemarché boursier vienamnien », Travail de recherche scientifique du Ministère
Anh-Tuan DANG (2010), « Développement du marché des capitaux au Vietnam », Thèse de doctorat ESEN Hanoi
2 Source : http://www.cophieu68.com/
2
quotidiennes (cf. Annexe1). Cet indice, calculé par la « State Securities Commission » est la moyennepondérée par le nombre de transactions de toutes les valeurs cotées en HoSE.
Les rendements ont calculés selon la formule :
Rndt = ln (Indice t/Indice t-1)
Afin d’approfondir l’étude, la population est divisée en deux échantillons grâce à l’événement del’inauguration de la bourse à Hanoi le 13 juillet 2005. Cet événement marque l’évolution importante dumarché financier au Vietnam.
Dans un premier temps, j’effectuerai les statistiques descriptives et l’observation graphique des sériesde rendements pour retirer le jugement initial. Dans le deuxième temps, je ferai les testséconométriques pour confirmer le jugement.
Le modèle économétrique pour tester cette forme se base sur la théorie de marche au hasard3. Lerendement de l’indice boursier pour le marché de forme l’efficience faible satisfait deux critères : (1) lanormalité de la distribution de rendements, (2) l’aléatoire avec dérive de la série (ou non-stationnarité).
L’aléatoire est réalisé par le « Runs test » ou Wald–Wolfowitz test4. La stationnarité de la série est faiteen utilisant le test de racine unitaire par la méthode proposée par Dicky-Fuller5 et le corrélogramme.
3- Statistiques descriptives
Crée après la crise économique asiatique en 1997, la bourse vietnamienne n’est pas influencée par lesimpacts négatifs à cause des flux de capitaux. Le graphique (cf. Annexe 2) nous montre que l’indiceVNIndex fluctue largement, notamment pendant la période 2006 – 2009. L’année 2007 marque uneévolution remarquable du marché boursier vietnamien suite à la bonne conjoncture macroéconomique.L’indice atteignait le niveau record de 1170 points le 12 mars 2007. Et pourtant, certains investisseurscraignent que cette forte augmentation soit l’effet d’une bulle spéculative. En fait, au milieu de la crisefinancière mondiale, l’indice VNIndex chute fortement à l’ordre 235 points le 24 février 2009, soitenviron 80% pendant deux ans. A partir de l’année 2010 jusqu’à présent, l’indice fluctue autour duniveau 500 points. A cause de cette forte volatilité, on doute de l’efficience du marché.
3 La théorie de marche au hazard (ou « Random Walk Theory ») dit que dans un marché efficient, l’évolution desprix sont indépendante des prix passés. Il est totalement impossible de prévoir les prix futurs car ils sont aléatoires.
4 Dans le cadre de « Runs test », la nulle hypothèse est que la série étudiée est aléatoire. Le nombre de « runs » estune variable aléatoire dont la distribution est conditionnelle sachant le nombre de valeurs positives et de valeursnégatives.
5 Le test de non stationnarité largement utilisé est le test de racine unitaire proposé par Dickey et Fuller en 1979.L’hypothèse nulle est la présence de racine unitaire, soit la non-stationnarité de type stochastique.
3
Tableau 1: Les statistiques descriptives
Population Echantillon 1 Echantillon 2Moyenne 0.00053184 0.00085162 0.00035252Médian 0.000000 0.000000 0.000356Mode 0.000000 0.000000 0.000000Skew -0.1894436 -0.5270584 -0.0392263
Kurtosis6 2.26890342 6.63142128 0.53418339Source : Récapitulatif des résultats obtenus par la procédure « proc means » dans le programme SAS
Selon les résultats présentés dans le tableau 1, on voit que les trois séries sont des séries centréesréduites fluctuant autour la valeur moyenne de zéro. Une série suivant la distribution normale a lekurtosis de l’ordre 3 (ou l’excess kurtosis de l’ordre zéro) et le coefficient d’asymétrie nul. Dans ce cas, leskew négatif signifie qu’il y a plus de valeurs négatives que valeurs positives, c’est-à-dire, plus deprobabilité de perte que de gain. Quant au kurtosis, il existe l’hétérogénéité parmi les trois séries, maistoutes les trois ne suivent pas parfaitement la loi normale. Or, on constate également que le coefficientd’asymétrie et l’excess kurtosis pour l’échantillon 2 s’approche du niveau d’une distribution normale.Ces statistiques impliquent que les rendements de l’échantillon 2 repatinent plus uniformément que lesdeux autres (cf. Annexe 5). En effet, la représentation graphique confirme mon observation (cf. Figure 3,Annexe 6).
4- Tests économétriques
a. Test de racine unitaire
La stationnarité d’une série est confirmée selon le test de racine unitaire, notamment le test Dickey-Fuller avec l’hypothèse nulle et l’hypothèse alternative comme suit :
H0 : La série a une racine unitaire
H1 : La série n’a aucune racine unitaire
D’après la théorie de marche au hasard, le marché de forme faible suit la marche aléatoire avec dérive.Autrement dit, la série de rendements a une racine unitaire. Effectuant le test Dickey-Fuller de l’ordre de4 retards pour trois séries, on obtient la P-value de 0,0000631338, 0,0000645404, 0,00006357217
respectivement. Sachant que la P-value est inférieure au niveau de confiance α = 1%, on refuse la nullehypothèse. Les séries sont stationnaires, donc les rendements sont prévisibles. Cela implique que lemarché boursier n’atteint pas la forme faible selon la théorie EMH.
6 Il s’agit de l’excess kurtotis
7 Résultats obtenus par le macro %dftest inclut dans le logiciel SAS
4
b. Le « Runs test »
Le « Runs test » est utilisé pour tester l’aléatoire d’une série dont le critère critique (Test value) est soitla moyenne, le médian soit le mode. Etant donné que les trois séries ont ces trois valeurs nulles sauf lamoyenne (presque nulle), je choisis la seule valeur critique nulle pour utiliser dans le test. L’hypothèsenulle est que la série étudiée est aléatoire.
Tableau 2: Les résultats de « Runs test » sur 3 séries
Population Echantillon 1 Echantillon 2Test value 0 0 0
Cases >= Test value (n) 1487 513 974Cases < Test value (m) 1453 527 926Nombre de « runs » 1124 338 786
Z -12.7959 -11.3509 -7.54971Source : Récapitulatif des résultats obtenus par le macro %run_test écrit dans le programme SAS
Dans tous les trois tests, on voit que la valeur absolue de Z est supérieure de 1,96 au niveau deconfiance α = 5%. On refuse l’hypothèse nulle, ainsi la série de rendements de l’indice VNIndex n’est pasaléatoire quelle que soit la période concernée. Ce résultat conforme à celui que l’on a obtenu dansl’étape précédent.
c. Le corrélogramme
Une autre façon de voir la stationnarité et l’aléatoire d’une série est via le corrélogramme avec lesfonctions de l’autocorrélation (acf) et de la corrélation partielle (pacf).
Prendre la série de l’ensemble de la population, on voit le corrélogramme comme suit :Tableau 3: Le corrélogramme à 24 retards - Population
AutocorrelationsLag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error0 0.00029084 1.00000 | |********************| 01 0.00009198 0.31625 | .|****** | 0.0182822 0.00001468 0.05048 | .|* | 0.0200273 5.34225E-6 0.01837 | .|. | 0.0200694 0.00003021 0.10388 | .|** | 0.0200755 0.00003528 0.12131 | .|** | 0.0202546 0.00002706 0.09303 | .|** | 0.0204957 0.00001482 0.05097 | .|* | 0.0206368 8.86406E-6 0.03048 | .|* | 0.0206789 9.55367E-6 0.03285 | .|* | 0.02069310 0.00001229 0.04224 | .|* | 0.02071011 0.00001671 0.05747 | .|* | 0.02073912 7.12069E-6 0.02448 | .|. | 0.020792
5
AutocorrelationsLag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error13 0.00001062 0.03652 | .|* | 0.02080214 0.00002052 0.07056 | .|* | 0.02082315 0.00001905 0.06549 | .|* | 0.02090316 0.00001217 0.04184 | .|* | 0.02097217 8.96367E-6 0.03082 | .|* | 0.02099918 0.00001083 0.03724 | .|* | 0.02101519 0.00001281 0.04404 | .|* | 0.02103720 0.00001387 0.04770 | .|* | 0.02106721 0.00001540 0.05295 | .|* | 0.02110322 0.00001503 0.05169 | .|* | 0.02114823 6.29988E-6 0.02166 | .|. | 0.02119024 4.22022E-6 0.01451 | .|. | 0.021197
Selon Fama (1965), « un coefficient d’autocorrélation d’une série de prix sera nul si les variations sontaléatoires, positif si une hausse supérieure à la moyenne pendant la période t est suivie par une haussesupérieure à la moyenne pendant la période t+1, et négatif si la fluctuation de prix pendant la période t-1tend à compenser une hausse ou une baisse pendant la période t »8.
On note d’abord que les coefficients de corrélation sont tous différents de zéro. Le coefficient est le plussignificatif au premier retard (0.31625). A partir de deuxième retard, les coefficients sont faibles. Or, cerésultat signifie certain impact du rendement passé à celui actuel. En effet, la fonction del’autocorrélation au premier retard est encore significative. Ensuite, sachant que l’acf diminuerapidement, il semble que la série soit stationnaire. Idem pour l’échantillon 1 et l’échantillon 2, on reçoitle même résultat.
A priori, on voit que le rendement au jour t dépende largement à celui au jour t-1 et au jour t-5 (soit unesemaine avant). Afin d’enrichir l’étude, j’effectue la régression linéaire dont la variable rndt(t) sera lavariable endogène, la variable rndt(t-1) et rndt(t-5) seront les variables exogènes.
d. Régression linéaire de rendements de l’indice VNIndex
La formule complète de cette régression est comme suit :
Rndt(t) = β0 + β1*Rndt(t-1) + β2*Rndt(t-5) + ɛt
Si le rendement actuel ne dépende pas de ceux au jour t-1 et t-5, les coefficients associés à ces deuxvariables β1, β2 seront nuls. En appliquant la procédure proc reg, on obtient un modèle avec le R-carréde 10,75%. Le F-test indique que ce modèle est globalement significatif. Le fait que le rendement actuel
8 CHIKHI Mohamed (2004), Etude économétrique de l’efficience informationnelle face aux anomalies sur lesmarchés boursiers, Université de l’Ouargla, page 4
6
est prévisible à partir des rendements historiques est confirmé. Par ailleurs, les paramètres du modèles,sauf l’intercepte β0 sont tous significatifs selon le t-test (cf. Annexe 10). On pourrait affirmer denouveau que la variation du cours sur le marché boursier vietnamien fluctue dépendamment de cellesdans le passé.
5- Conclusion
Après avoir réalisé des tests économétriques, on peut déduire que premièrement les trois séries sontstationnaires, autrement dit, elles ne suivent pas la marche au hasard. Deuxièmement, elles ne sont pasaléatoires. C’est-à-dire, il paraît possible de déduire le cours courant d’actif sur le marché grâce à sonhistorique. Etant donné qu’il va à l’encontre de la théorie de l’efficience du marché, on peut conclureque le marché boursier vietnamien n’atteint pas de forme faible. Donc, il ne s’avère pas nécessaire deréaliser les tests pour tester l’efficience de forme semi-faible et de forme forte faible.
Or, tient en compte que la deuxième période (du 13 juillet 2005 au 29 mars 2013), on voit que ladistribution de rendements de cette série s’approche à la loi normale et que le coefficient Z pour le« Runs test » est beaucoup faible que les deux autres séries. Cette période comprend l’époque de lacrise actuelle, mais elle se comporte mieux que la première période. Malgré que la conclusion finalereste inchangée pour la deuxième période, il semble que le marché boursier vietnamien s’approche deplus en plus à la l’efficience informationnelle de forme faible pour cette période.
Références
1. BAKIR Khalid, L’efficience des marchés financiers des pays émergents : l’exemple de la bourse deCasablanca, Mémoire de fin d’études, Université d’Orléans
2. CHIKHI Mohamed (2004), Etude économétrique de l’efficience informationnelle face auxanomalies sur les marchés boursiers, Université de l’Ouargla
3. DANG Anh-Tuan (2010), Développement du marché des capitaux au Vietnam, Thèse de doctoratESEN Hanoi
4. LE Trung-Thanh (2009), Améliorer les mécanismes de surveillance de transactions des valeursmobilières sur le marché boursier vietnamien, Travail de recherche scientifique du Ministère
5. Database : http://www.cophieu68.com/
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
1
ANNEXE 1: DESCRIPTION DE LA BASE DE DONNEE
The CONTENTS Procedure
Data Set Name PROJET.VNINDEX Observations 2993Member Type DATA Variables 3Engine V9 Indexes 0Created Friday, April 20, 2012 02:58:24 PM Observation Length 24Last Modified Friday, April 20, 2012 02:58:24 PM Deleted Observations 0Protection Compressed NOData Set Type Sorted NOLabelData Representation WINDOWS_32Encoding wlatin1 Western (Windows)
Engine/Host Dependent Information
Data Set Page Size 4096Number of Data Set Pages 19First Data Page 1Max Obs per Page 168Obs in First Data Page 114Number of Data Set Repairs 0Filename D:\Phuong\Master 201\SAS\Projet\vnindex.sas7bdatRelease Created 9.0201M0Host Created W32_VSPRO
Alphabetic List of Variables and Attributes
# Variable Type Len Format
1 date Num 8 DDMMYY10.3 rndt Num 82 vnindex Num 8
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
2
ANNEXE 2 : EVOLUTION DE L’INDICE VNINDEX 2000 – 2013Q1
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
3
ANNEXE 3 : STATISTIQUES DESCRIPTIVES DE LA POPULATION
Variable : rndt
Moments
N 2992 Sum Weights 2992
Mean 0.00053184 Sum Observations 1.59127394
Std Deviation 0.01705682 Variance 0.00029094
Skewness -0.1894436 Kurtosis 2.26890342
Uncorrected SS 0.87103368 Corrected SS 0.87018737
Coeff Variation 3207.11712 Std Error Mean 0.00031183
Basic Statistical Measures
Location Variability
Mean 0.000532 Std Deviation 0.01706
Median 0.000000 Variance 0.0002909
Mode 0.000000 Range 0.15397
Interquartile Range 0.01618
Tests for Location: Mu0=0
Test Statistic p Value
Student's t t 1.705556 Pr > |t| 0.0882
Sign M 17.5 Pr >= |M| 0.5306
Signed Rank S 105558.5 Pr >= |S| 0.0217
Quantiles (Definition 5)
Quantile Estimate
100% Max 0.07740689
99% 0.04481279
95% 0.02856595
90% 0.01902231
75% Q3 0.00899181
50% Median 0.00000000
25% Q1 -0.00719093
10% -0.01775589
5% -0.02873219
1% -0.04665440
0% Min -0.07656180
Extreme Observations
Lowest Highest
Value Obs Value Obs
-0.0765618 144 0.0643072 134
-0.0713627 169 0.0653095 135
-0.0709337 138 0.0662494 167
-0.0704225 164 0.0666596 181
-0.0679606 158 0.0774069 1457
Missing Values
MissingValue Count
Percent Of
All ObsMissing
Obs
. 1 0.03 100.00
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
4
ANNEXE 4: STATISTIQUES DESCRIPTIVES DE L’ECHANTILLON 1
Variable : rndt
Moments
N 1075 Sum Weights 1075
Mean 0.00085162 Sum Observations 0.91549041
Std Deviation 0.01608142 Variance 0.00025861
Skewness -0.5270584 Kurtosis 6.63142128
Uncorrected SS 0.27852899 Corrected SS 0.27774934
Coeff Variation 1888.33501 Std Error Mean 0.00049048
Basic Statistical Measures
Location Variability
Mean 0.000852 Std Deviation 0.01608
Median 0.000000 Variance 0.0002586
Mode 0.000000 Range 0.14322
Interquartile Range 0.01053
Tests for Location: Mu0=0
Test Statistic p Value
Student's t t 1.736302 Pr > |t| 0.0828
Sign M -6.5 Pr >= |M| 0.7097
Signed Rank S 19718.5 Pr >= |S| 0.0415
Quantiles (Definition 5)
Quantile Estimate
100% Max 0.06665961
99% 0.05940871
95% 0.01931856
90% 0.01785762
75% Q3 0.00622732
50% Median 0.00000000
25% Q1 -0.00430664
10% -0.01276953
5% -0.01821086
1% -0.06595797
0% Min -0.07656180
Extreme Observations
Lowest Highest
Value Obs Value Obs
-0.0765618 144 0.0638944 133
-0.0713627 169 0.0643072 134
-0.0709337 138 0.0653095 135
-0.0704225 164 0.0662494 167
-0.0679606 158 0.0666596 181
Missing Values
MissingValue Count
Percent Of
All ObsMissing
Obs
. 1 0.09 100.00
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
5
ANNEXE 5 : STATISTIQUES DESCRIPTIVES DE L’ECHANTILLON 2
Variable : rndt
Moments
N 1917 Sum Weights 1917
Mean 0.00035252 Sum Observations 0.67578353
Std Deviation 0.0175817 Variance 0.00030912
Skewness -0.0392263 Kurtosis 0.53418339
Uncorrected SS 0.59250469 Corrected SS 0.59226646
Coeff Variation 4987.41292 Std Error Mean 0.00040156
Basic Statistical Measures
Location Variability
Mean 0.000353 Std Deviation 0.01758
Median 0.000356 Variance 0.0003091
Mode 0.000000 Range 0.12703
Interquartile Range 0.02007
Tests for Location: Mu0=0
Test Statistic p Value
Student's t t 0.877881 Pr > |t| 0.3801
Sign M 24 Pr >= |M| 0.2809
Signed Rank S 28062 Pr >= |S| 0.2408
Quantiles (Definition 5)
Quantile Estimate
100% Max 0.077406888
99% 0.042982883
95% 0.031467254
90% 0.022144395
75% Q3 0.010321889
50% Median 0.000355999
25% Q1 -0.009748666
10% -0.021255385
5% -0.031152003
1% -0.044543873
0% Min -0.049626459
Extreme Observations
Lowest Highest
Value Obs Value Obs
-0.0496265 200 0.0463798 656
-0.0481571 669 0.0465295 964
-0.0480130 1767 0.0467045 269
-0.0479852 201 0.0474257 55
-0.0478979 802 0.0774069 381
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
6
ANNEXE 6 : GRAPHIQUES DE LA DISTRIBUTION DE RENDEMENTS DE L’INDICE
Figure 1 : La distribution de rendements de l’indice VNIndex
Figure 2 : La distribution de rendements de l’indice VNIndex du 28 Juillet 2000 au 13 Juillet 2005
Figure 3 : La distribution de rendements de l’indice VNIndex du 14 Juillet 2005 au 29 mars 2013
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
7
ANNEXE 7 : CORRELOGRAM - POPULATION
Autocorrelations
Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error
0 0.00029084 1.00000 | |********************| 0
1 0.00009198 0.31625 | .|****** | 0.018282
2 0.00001468 0.05048 | .|* | 0.020027
3 5.34225E-6 0.01837 | .|. | 0.020069
4 0.00003021 0.10388 | .|** | 0.020075
5 0.00003528 0.12131 | .|** | 0.020254
6 0.00002706 0.09303 | .|** | 0.020495
7 0.00001482 0.05097 | .|* | 0.020636
8 8.86406E-6 0.03048 | .|* | 0.020678
9 9.55367E-6 0.03285 | .|* | 0.020693
10 0.00001229 0.04224 | .|* | 0.020710
11 0.00001671 0.05747 | .|* | 0.020739
12 7.12069E-6 0.02448 | .|. | 0.020792
13 0.00001062 0.03652 | .|* | 0.020802
14 0.00002052 0.07056 | .|* | 0.020823
15 0.00001905 0.06549 | .|* | 0.020903
16 0.00001217 0.04184 | .|* | 0.020972
17 8.96367E-6 0.03082 | .|* | 0.020999
18 0.00001083 0.03724 | .|* | 0.021015
19 0.00001281 0.04404 | .|* | 0.021037
20 0.00001387 0.04770 | .|* | 0.021067
21 0.00001540 0.05295 | .|* | 0.021103
22 0.00001503 0.05169 | .|* | 0.021148
23 6.29988E-6 0.02166 | .|. | 0.021190
24 4.22022E-6 0.01451 | .|. | 0.021197
"." marks two standard errors
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
8
Partial Autocorrelations
Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
1 0.31625 | .|****** |
2 -0.05504 | *|. |
3 0.02110 | .|. |
4 0.10502 | .|** |
5 0.06232 | .|* |
6 0.04005 | .|* |
7 0.01386 | .|. |
8 0.00540 | .|. |
9 0.00959 | .|. |
10 0.01472 | .|. |
11 0.03038 | .|* |
12 -0.01229 | .|. |
13 0.03000 | .|* |
14 0.05001 | .|* |
15 0.01919 | .|. |
16 0.00929 | .|. |
17 0.01000 | .|. |
18 0.01341 | .|. |
19 0.01296 | .|. |
20 0.01665 | .|. |
21 0.02478 | .|. |
22 0.02039 | .|. |
23 -0.01105 | .|. |
24 -0.00122 | .|. |
Autocorrelation Check for White Noise
ToLag Chi-Square DF Pr > ChiSq Autocorrelations
6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093
12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024
18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037
24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
9
ANNEXE 8 : CORRELOGRAM – ECHANTILLON 1
Autocorrelations
Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error
0 0.00029084 1.00000 | |********************| 0
1 0.00009198 0.31625 | .|****** | 0.018282
2 0.00001468 0.05048 | .|* | 0.020027
3 5.34225E-6 0.01837 | .|. | 0.020069
4 0.00003021 0.10388 | .|** | 0.020075
5 0.00003528 0.12131 | .|** | 0.020254
6 0.00002706 0.09303 | .|** | 0.020495
7 0.00001482 0.05097 | .|* | 0.020636
8 8.86406E-6 0.03048 | .|* | 0.020678
9 9.55367E-6 0.03285 | .|* | 0.020693
10 0.00001229 0.04224 | .|* | 0.020710
11 0.00001671 0.05747 | .|* | 0.020739
12 7.12069E-6 0.02448 | .|. | 0.020792
13 0.00001062 0.03652 | .|* | 0.020802
14 0.00002052 0.07056 | .|* | 0.020823
15 0.00001905 0.06549 | .|* | 0.020903
16 0.00001217 0.04184 | .|* | 0.020972
17 8.96367E-6 0.03082 | .|* | 0.020999
18 0.00001083 0.03724 | .|* | 0.021015
19 0.00001281 0.04404 | .|* | 0.021037
20 0.00001387 0.04770 | .|* | 0.021067
21 0.00001540 0.05295 | .|* | 0.021103
22 0.00001503 0.05169 | .|* | 0.021148
23 6.29988E-6 0.02166 | .|. | 0.021190
24 4.22022E-6 0.01451 | .|. | 0.021197
"." marks two standard errors
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
10
Partial Autocorrelations
Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
1 0.31625 | .|****** |
2 -0.05504 | *|. |
3 0.02110 | .|. |
4 0.10502 | .|** |
5 0.06232 | .|* |
6 0.04005 | .|* |
7 0.01386 | .|. |
8 0.00540 | .|. |
9 0.00959 | .|. |
10 0.01472 | .|. |
11 0.03038 | .|* |
12 -0.01229 | .|. |
13 0.03000 | .|* |
14 0.05001 | .|* |
15 0.01919 | .|. |
16 0.00929 | .|. |
17 0.01000 | .|. |
18 0.01341 | .|. |
19 0.01296 | .|. |
20 0.01665 | .|. |
21 0.02478 | .|. |
22 0.02039 | .|. |
23 -0.01105 | .|. |
24 -0.00122 | .|. |
Autocorrelation Check for White Noise
ToLag Chi-Square DF Pr > ChiSq Autocorrelations
6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093
12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024
18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037
24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
11
ANNEXE 9 : CORRELOGRAM – ECHANTILLON 2
Autocorrelations
Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error
0 0.00029084 1.00000 | |********************| 0
1 0.00009198 0.31625 | .|****** | 0.018282
2 0.00001468 0.05048 | .|* | 0.020027
3 5.34225E-6 0.01837 | .|. | 0.020069
4 0.00003021 0.10388 | .|** | 0.020075
5 0.00003528 0.12131 | .|** | 0.020254
6 0.00002706 0.09303 | .|** | 0.020495
7 0.00001482 0.05097 | .|* | 0.020636
8 8.86406E-6 0.03048 | .|* | 0.020678
9 9.55367E-6 0.03285 | .|* | 0.020693
10 0.00001229 0.04224 | .|* | 0.020710
11 0.00001671 0.05747 | .|* | 0.020739
12 7.12069E-6 0.02448 | .|. | 0.020792
13 0.00001062 0.03652 | .|* | 0.020802
14 0.00002052 0.07056 | .|* | 0.020823
15 0.00001905 0.06549 | .|* | 0.020903
16 0.00001217 0.04184 | .|* | 0.020972
17 8.96367E-6 0.03082 | .|* | 0.020999
18 0.00001083 0.03724 | .|* | 0.021015
19 0.00001281 0.04404 | .|* | 0.021037
20 0.00001387 0.04770 | .|* | 0.021067
21 0.00001540 0.05295 | .|* | 0.021103
22 0.00001503 0.05169 | .|* | 0.021148
23 6.29988E-6 0.02166 | .|. | 0.021190
24 4.22022E-6 0.01451 | .|. | 0.021197
"." marks two standard errors
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
12
Partial Autocorrelations
Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
1 0.31625 | .|****** |
2 -0.05504 | *|. |
3 0.02110 | .|. |
4 0.10502 | .|** |
5 0.06232 | .|* |
6 0.04005 | .|* |
7 0.01386 | .|. |
8 0.00540 | .|. |
9 0.00959 | .|. |
10 0.01472 | .|. |
11 0.03038 | .|* |
12 -0.01229 | .|. |
13 0.03000 | .|* |
14 0.05001 | .|* |
15 0.01919 | .|. |
16 0.00929 | .|. |
17 0.01000 | .|. |
18 0.01341 | .|. |
19 0.01296 | .|. |
20 0.01665 | .|. |
21 0.02478 | .|. |
22 0.02039 | .|. |
23 -0.01105 | .|. |
24 -0.00122 | .|. |
Autocorrelation Check for White Noise
ToLag Chi-Square DF Pr > ChiSq Autocorrelations
6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093
12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024
18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037
24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015
Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
13
ANNEXE 10 : REGRESSION LINEAIRE
The REG ProcedureModel: MODEL1
Dependent Variable: rndt
Number of Observations Read 2993Number of Observations Used 2987Number of Observations with Missing Values 6
Analysis of Variance
Sum of MeanSource DF Squares Square F Value Pr > F
Model 2 0.09336 0.04668 179.62 <.0001Error 2984 0.77554 0.00025990Corrected Total 2986 0.86890
Root MSE 0.01612 R-Square 0.1075Dependent Mean 0.00050511 Adj R-Sq 0.1069Coeff Var 3191.63646
Parameter Estimates
Parameter StandardVariable DF Estimate Error t Value Pr > |t|
Intercept 1 0.00030131 0.00029522 1.02 0.3075rndt_1 1 0.30610 0.01739 17.61 <.0001
rndt_5 1 0.08953 0.01738 5.15 <.0001