Marché fin marocain

L’efficience des marchés financiers des pays émergents : l’exemple de la
bourse de Casablanca

Khalid BAKIR∗

Université d’Orléans
Laboratoire d’Economie d’Orléans
Faculté de Droit, d’Economie et de Gestion
E-Mail : bakir.khalid@caramail.com

Résumé : Les marchés financiers des pays émergents d’Asie, d’Amérique Latine et d’Europe
de l’Est ont suscité une littérature importante, destinée à comprendre leurs fonctionnements,
leurs organisations et leurs perspectives futures. Toutefois, peu d’études ont été consacrées au
marché financier marocain. C’est la raison pour laquelle ce travail a pour objectif principal
d’analyser l’efficience informationnelle de la bourse de Casablanca. Nous avons montré que
le marché boursier marocain n’a pas encore atteint le stade de maturité des pays développés.
En effet, bien que les autorités publiques aient entrepris d’importantes réformes de
libéralisation financière, cela n’a pas entraîné une amélioration significative de l’efficience de
ce marché.

∗
Je tiens à remercier tout particulièrement le Professeur Georges Gallais-Hamonno pour ses lectures attentives
ainsi que pour ses conseils. Toutes erreurs ou omissions restantes me sont pleinement imputables.

1 - Introduction
A l’instar de nombreux pays en développement, le Maroc cherche à accéder aux
marchés financiers globalisés et à intégrer une dynamique de croissance qui caractérise les
dragons asiatiques et les pays d’Amérique Latine. Pour ce faire, dès 1983, il adopte un plan
d’ajustement structurel qui vise le rétablissement des équilibres macro-économiques
notamment le déficit budgétaire, ainsi que le développement d’une économie de marché
libérale et compétitive. De ce fait, quatre séries de moyens sont mises en œuvre : la baisse des
dépenses publiques, la libéralisation de l’économie (les programmes de privatisations, la
réforme du système bancaire et financier), la libéralisation du commerce extérieur (la
suppression des interdictions d’importation, la réduction des droits de douanes) et l’incitation
à l’investissement national et étranger.

Le lancement des programmes de libéralisation, notamment les opérations de
privatisations, nécessite la mise en place préalable d’un ensemble de réformes dans le sens de
la modernisation et de la dynamisation du marché boursier marocain. Les réformes sont
initiées par les textes de la loi de 1993 et complétées en 1997. Ces derniers modifient
profondément les rôles et les modalités d’intervention des différents acteurs du marché
financier et mettent en place un certain nombre de principes fondamentaux :

- La création de la Société de la Bourse des Valeurs de Casablanca (SBVC), comme société
privée gestionnaire de la bourse de Casablanca ;
- La création du Conseil Déontologique des Valeurs Mobilières (CDVM) en tant qu’autorité
de contrôle des transactions et de protection des épargnants ;
- L’institution des sociétés de bourse dotées du monopole des transactions sur les valeurs
mobilières au Maroc ;
- L’institution de l’Association Professionnelle des Sociétés de Bourse (APSB) pour veiller au
respect par ses membres (les sociétés de bourse) de la réglementation en vigueur ;
- La création des Organismes de Placement Collectif des Valeurs Mobilières (OPCVM) pour
orienter l’épargne vers le marché boursier ;
- L’institution de l’Association des Sociétés de Gestion et Fonds d’Investissements Marocains
(AFSIM) pour améliorer et développer les services liés aux produits et aux placements de
l’épargne qu’offrent les OPCVM.
- L’institution du dépositaire central (MAROCLEAR) pour améliorer les procédures de
dénouement des transactions ;

Ces réformes ont pour objectif de dynamiser le marché des valeurs mobilières et de
faire passer le Maroc d’une économie d’endettement à une économie de marché plus saine et
plus viable. Nous pouvons conclure que c’est un pari réussi puisque le Maroc est considéré,
depuis le milieu des années 90, par la communauté financière internationale1, comme étant
un pays émergent.

En comparant les modes de cotation sur le plan international, on constate qu’il existe
deux grands types d’organisation de marché : les marchés dirigés par les ordres et les marchés
dirigés par les prix. Dans le système dirigé par les ordres, ce sont les ordres introduits sur le
marché par les participants qui déterminent les cours auxquels les actifs doivent être
échangés. L’organisation des échanges résulte donc de la confrontation générale des ordres

1
Le 3 novembre 1996, la Société Financière Internationale (SFI) intègre le Maroc dans sa liste des pays
émergents.

2

des clients par l’intermédiaire des sociétés de bourse. Dans le système dirigé par les prix, le
marché est dit « décentralisé » puisque chaque teneur de marché « market-maker » propose
ses propres conditions de prix d’achat et de vente. Ce sont donc les prix proposés par les
teneurs de marché qui suscitent l’introduction des ordres de la clientèle et entraînent les
échanges de titres.

La bourse de Casablanca a adopté le système d’un marché dirigé par les ordres. Pour
comprendre son fonctionnement, nous analysons brièvement sa structure, son système de
cotation, son degré d’automatisation, ses procédures d’échanges.

La modernisation de la Société de Bourse des Valeurs de Casablanca a entraîné le
démarrage de son système de cotation électronique en mars 1997. Le passage de la cotation à
la criée à la cotation électronique a eu lieu entre le 4 mars 1997 et le 15 juin 1998.
Aujourd’hui toutes les valeurs mobilières cotées à la bourse de Casablanca sont négociées sur
le système de cotation électronique à partir des stations de négociation mises à la disposition
des sociétés de bourse par l’autorité de marché.

La bourse de Casablanca est caractérisée par l’existence d’une fragmentation de son
marché boursier : le marché central et le marché de blocs. Le premier est conçu pour la
confrontation des ordres d’achat et de vente pour les valeurs mobilières admises à la cote
officielle. Le second est caractérisé par la négociation directe des valeurs mobilières inscrites
à la cote de la bourse mais qui portent sur des volumes d’échanges importants.

Les actions admises à la cote officielle de la bourse de Casablanca sont déterminées en
fonction de leur liquidité. La détermination du cours des valeurs les moins liquides se fait par
le mécanisme du fixing, alors que celle des valeurs les plus liquides par une cotation en
continu. Le mécanisme du fixing permet, au cours d’une séance de bourse, de déterminer un
cours quotidien des titres cotés en respectant, au mieux, l’équilibre de l’offre et la demande.
Inversement, les valeurs qui connaissent un traitement en continu peuvent avoir plusieurs
cours durant une séance boursière.

Le Maroc est, aujourd’hui, doté d’une bourse de valeurs fonctionnant selon des
standards reconnus par la communauté financière internationale. Cependant, les règles de
fonctionnement et d’organisation ne sont pas les seuls facteurs déterminants dans l’attrait
d’investissements locaux et étrangers. La recherche, l’analyse et l’exploitation de
l’information disponible remplissent aussi un rôle primordial dans la décision de placement
des investisseurs. Ces derniers s’intéressent à la pertinence de l’information publique révélée
sur le marché, à l’information privée qu’ils détiennent, à l’anticipation des informations
privées détenues par les autres agents économiques et à la détermination du degré de rapidité
avec lequel le marché intègre dans le cours des titres chaque catégorie d’information.

Dans un marché financier efficient, l’ensemble des informations disponibles sur le
marché est instantanément reflété dans le cours des actifs financiers concernés. Aucun actif
n’est alors sous-évalué ou sur-évalué, et la recherche d’informations devient inutile puisque
l’ensemble de l’information est déjà contenu dans le cours des titres concernés. L’objectif de
ce travail est d’étudier l’efficience informationnelle de la bourse de Casablanca.

2 - La base de données

3

La collecte, le traitement et la préparation des données pour les tests empiriques ont
été effectués, en grande partie, à partir des données fournies par la société de la bourse des
valeurs de Casablanca « SBVC ». La constitution de notre base de données a été une tâche
très difficile à réaliser et cela pour plusieurs raisons. Parmi celles-ci, nous citons : l’étroitesse
de la place de Casablanca, la faible fréquence des cotations sur certains titres et le manque
d’une banque de données comme celle de l’AFFI-SBF en France.

Le nombre de titres cotés au 31 décembre 2000 est de 53 valeurs. Toutefois, notre
échantillon est composé uniquement de 28 valeurs2 pour lesquelles nous disposons de
données quotidiennes sur une période de 5 ans allant de janvier 1996 à décembre 2000. Cette
période d’étude représente environ 36 000 données en prenant en compte les données
concernant l’indice général de la bourse de Casablanca. Nous disposons également des dates
de paiements et des montants de dividendes pour chaque valeur ainsi que des informations
concernant les augmentations de capital.

Les titres qui composent notre échantillon assure une représentativité significative et
de l’ensemble des valeurs marocaines cotées à la bourse de Casablanca. Le tableau ci-dessous
(tableau 1) présente l’ensemble de ces titres ainsi que les secteurs auxquels ils appartiennent.

Tableau 1 : Titres composants notre échantillon

Titres Abréviations Secteurs
Acred ACR Financement
Auto-Hall ATH Commerce
Banque Commerciale du Maroc BCM Banque
Banque Marocaine du Commerce Extérieur BCE Banque
Banque Marocaine du Commerce et de l’Industrie BCI Banque
Banque Nationale pour le Développement Economique BDE Banque
Branoma BNM Agro-alimentaire
Brasseries du Maroc SBM Brasserie
Carnaud CRN Emballage / Impression
Crédit du Maroc CDM Banque
Centrale Laitière CLT Brasserie
Crédit Immobilier et Hôtelier CIH Banque / Crédit
Ciment du Maroc CMA Construction / Matériaux
Cior CIO Construction / Matériaux
Cosumar CSR Industrie sucrière
Compagnie de Transport au Maroc CTM Transport
Diac Equipement DIE Financement / Crédit
Diac Salaf DIS Crédits à la consommation
Crédit Eqdom EQD Société Financière
General Tire Maroc GTM Industrie pneumatique
Lesieur LES Agro-alimentaire
Longometal LGT Commerce
ONA ONA Société de portefeuille
Samir SAM Pétrole et Mines
Société Nationale d’Investissement SNI Société d’investissement
Sofac Crédit SOF Financement / Crédit
Sonasid SID Industrie Métallurgique
Wafabank WFB Banque

2
Les données manquantes de notre série sont remplacées par la méthode du prédécesseur c’est à dire par les
derniers cours cotés disponibles. Par ailleurs, les titres qui connaissent un grand nombre de données manquantes
ont été supprimés de notre échantillon.

4

Les rentabilités des titres sont calculées de la manière suivante :

 S i ,t + Di ,t 
Ri ,t = ln
 S


 i ,t −1 
avec :
Ri ,t : la rentabilité du titre i à la période t ;
S i ,t :le cours du titre i à la période t ;
S i ,t −1 : le cours du titre i à la période t-1 ;
Di ,t :le dividende du titre i encaissé pendant la période t.

Quant à la rentabilité de l’indice, elle est mesurée comme suit :

 I 
Rm ,t = ln t 
I 
 t −1 
avec :
I t : la valeur de l’indice à la période t ;
I t −1 : la valeur de l’indice à la période t-1.

Graphique 1 : Evolution et rentabilités journalières de l’indice général de la bourse de
Casablanca

1000 0,05

900 0,04
800 0,03
échelle de l'indice en niveau

700

rentabilité de l'indice
0,02
600
0,01
500
0
400
-0,01
300

200 -0,02

100 -0,03

0 -0,04
02/01/96
20/03/96
07/06/96
28/08/96
12/11/96
28/01/97
15/04/97
03/07/97
22/09/97
08/12/97
23/02/98
14/05/98
31/07/98
16/10/98
04/01/99
24/03/99
08/06/99
25/08/1999
08/11/1999
25/01/2000
10/04/2000
27/06/2000
12/09/2000
27/11/2000

cours R = ln(cours t / cours t-1)

5

L’évolution de l’indice général de la bourse de Casablanca a connu une évolution en
deux phases principales. La première est celle de la hausse régulière allant de 1993 (date de la
réforme boursière de 1993) jusqu’au milieu de l’année 1998 (date de la fin des principales
réformes concernant le marché financier marocain). La deuxième phase est caractérisée par
une dépression boursière résultante de l’épuisement du potentiel qu’offre la réforme de 1993
complétée par celle de 1997.

3 - L’étude des caractéristiques de la distribution des rentabilités
La présence d’une série de taux de rentabilité qui suit une loi normale nous permet de
conclure que la répartition de ces taux de rentabilité autour de la moyenne est symétrique et
ne dépend que de l’écart type. Dans un tel cas, les deux tiers des observations sont à un écart
type autour de la moyenne, et plus de 95 % des taux de rentabilité sont compris entre 2 écarts
types par rapport à la moyenne. L’étude de la normalité des rentabilités est vérifiée à partir de
tests qui sont basés sur les coefficients de symétrie (appelé Skewness) noté Sk et
d’aplatissement (appelé Kurtosis) noté Ku. Pour avoir des distributions de taux de rentabilités
qui suivent des lois normales, il faut que la distribution soit symétrique c’est à dire la
skewness nulle, et que le coefficient de kurtosis égale à 3.

Le coefficient de symétrie se mesure par le rapport du moment centré d’ordre 3 au
cube de l’écart type. Le coefficient de kurtosis se mesure par le rapport entre le moment
centré d’ordre 4 et le carré du moment centré d’ordre 2.

1 (Ri,t − Ri )3 1 (Ri,t − Ri )4
N N

N∑ N∑
Ski = t =1
3 Kui = t =1
2
1 N
(Ri,t − Ri ) 
2
1 
2 2

 N ∑(Ri,t − Ri )  N ∑
N

 t =1   t =1 

avec :
N : le nombre d’observations
N
Ri = 1 ∑ Ri,t : la moyenne arithmétique des rentabilités du titre i.
N t =1

L’acceptation de l’hypothèse de normalité des taux de rentabilités des titres cotés sur
la place de Casablanca consiste à vérifier si la skewness et la kurtosis sont proches
respectivement de 0 et 3. Plusieurs tests peuvent vérifier cela, le plus connu dans la littérature
financière étant celui de Bera-Jarque. Il s’intéresse aux indicateurs de la mesure de la forme
de la distribution c’est à dire à la skewness et la kurtosis. Il est basé sur le fait que les
distributions asymptotiques de ces coefficients suivent une loi normale centrée réduite :

~
Sk = N Sk → N(0,1)
6
~
Ku = N (Ku −3) →N(0,1)
24

6

Le test joint de Bera-Jarque construit à partir de ces deux variables normales et indépendantes
suit une distribution de Chi-deux à deux degrés de liberté. Il est définit par :

BJ = N (Sk ) + N (Ku −3)
2 2
6 24

Si la statistique de Bera-jarque est inférieure à la valeur théorique du Chi-deux, l’hypothèse de
normalité est acceptée, sinon elle est rejetée.

Le tableau ci-dessous résume les statistiques concernant l’indice général de la bourse
de Casablanca sur la période allant de 1994 à 2000.

Tableau 2: Moments statistiques des rentabilités quotidiennes de l’indice IGB

Périodes Moyenne Ecart-type Skewness Kurtosis Bera- Normalité
jarque à 5%
1994-1995 0.00056 0.0035 -0.6804 25.2098 10232 rejet
1996 0.00109 0.00282 1.73193 7.08555 295.26 rejet
1997 0.00161 0.00493 -0.10225* 5.84104 83.5 rejet
1998 0.00074 0.00404 0.13147* 3.83418 35.2 rejet
1999 -0.00014 0.00501 -0.41299 11.2017 705 rejet
2000 -0.00066 0.00628 1.99589 14.1516 1455.54 rejet
1996-2000 0.00053 0.00482 0.64762 11.8209 4026.6 rejet
* : indique que le coefficient de skewness est significativement égal à 0 au seuil de 5 %

Au regard des valeurs des paramètres de forme et de leur significativité, la distribution
des rentabilités quotidiennes de l’indice général de la place de Casablanca s’éloigne de la
distribution normale. En effet, l’hypothèse de symétrie est globalement rejetée sauf pour
l’année 1997 et 1998 et la valeur de kurtosis est significativement supérieure à 3 quel que soit
la période retenue. Le test de Bera-Jarque rejette pour l’ensemble des périodes considérées
l’hypothèse de normalité des distributions des rentabilités de l’indice (la valeur théorique du
Chi-deux à 5 % est égale à 5.99). Cette déviation par rapport à la normalité signale donc la
présence d’un sommet plus pointu.

Par ailleurs, nous constatons que l’essentiel du caractère leptokurtique de notre série se
situe entre 1994 et 1995 (Ku = 25.21) c’est à dire la période qui suit la grande réforme du
marché boursier marocain. Quant à la période 1997-1998, elle est caractérisée par des
coefficients de kurtosis qui sont proche de 3 (non significative) et des coefficients de symétrie
qui sont significativement nuls. Bien que les résultats de 1997 et 1998 laissent à penser que le
marché devient de plus en plus mature, ils ne permettent pas de valider l’hypothèse de
normalité ni en 1997 ni en 1998 puisque la statistique de Bera-jarque est respectivement de
83.5 et 35.2.

La statistique de BJ étant très sensible à la présence des valeurs extrêmes, le test de
Chi-deux, considéré comme plus robuste, permet d’affiner les conclusions concernant la
normalité des rentabilités. Ce test permet de faire la comparaison de la distribution empirique
d’une variable aléatoire dans un échantillon par rapport à la distribution théorique supposée
être celle de la loi normale. Les résultats trouvés vont dans le même sens que ceux de BJ c’est
à dire le rejet de la normalité de la distribution des rentabilités de l’indice. A titre d’exemple,
le χ 2 calculé pour l’indice IGB sur la période allant du 01/01/1996 au 29/12/2000 est de

7

972.56, alors que pour accepter l’hypothèse de normalité, il faut qu’il soit inférieur au χ 2
théorique (37.65 avec 5% de risque et 44.31 avec 1% de risque).

Graphique 2: Distribution des rentabilités journalières de l’indice IGB

450

400

350
nombre d'observations

300

250

200

150

100

50

0
25

75

25

75

25

75

25
5

5

5

5

5

5

5
,2

,7

,2

,7

,2

,7

,2

0,

0,

1,

1,

2,

2,

3,
-3

-2

-2

-1

-1

-0

-0

écart type par rapport à la moyenne (0)

Série observée série théorique

Graphiquement, il est clair que la distribution des rentabilités de l’indice général de la
bourse de Casablanca s’éloigne de la loi normale. Ainsi, nous pouvons constater la très forte
concentration de la distribution des rentabilités dans les deux classes modales situées autour
de la moyenne soit entre 0 et ± 0.25 fois l’écart type. Cette forme leptokurtique est la
caractéristique non pas que de l’indice général « IGB »mais aussi de l’ensemble des titres
cotés sur la place de Casablanca.

Le tableau ci-dessous nous donne les résultats de l’analyse de normalité (les
coefficients de skewness et de kurtosis) des rentabilités journalières des titres marocains sur la
période allant du 01 janvier 1996 au 29 décembre 2000. Les conclusions sont semblables à
celles obtenues pour l’indice « IGB » c’est à dire la non-normalité de l’ensemble des titres
cotés sur la place de Casablanca. En effet, le caractère leptokurtique est significatif pour
l’ensemble des titres puisque le coefficient de kurtosis atteint des valeurs largement
supérieures à 3 (kurtosis allant de 7.18 pour le titre BMCI à 898 pour le titre Auto Hall).
Quant au coefficient de symétrie, il est significativement nul pour trois titres seulement qui
sont : BMCE, BMCI, et LESIEUR. Par ailleurs, le test de BJ et le test de χ 2 rejettent
constamment l’hypothèse de normalité et cela quel que soit le titre considéré.

8

Tableau 3: Moments statistiques des rentabilités quotidiennes des titres marocains

Titres Moyenne Ecart type Skewness Kurtosis
ACRED 0.0005 0.01825 2.03028 69
AUTO-HALL -0.00115 0.04965 -27.7747 897
BCM 0.00058 0.00933 0.73932 11.48
BMCE 0.00043 0.01168 -0.00004* 21.69
BMCI 0.00088 0.01451 -0.03032* 7.18
BNDE 0.00038 0.02500 17.085 477.22
BRANOMA 0.00021 0.01554 0.31547 21.7
BRASSERIE 0.00054 0.01517 1.01066 16.07
CARNAUD 0.00068 0.01239 6.39999 126.99
CDM 0.00014 0.01357 0.53178 11.33
CENTRALE L. 0.00078 0.01408 0.18220 17.31
CIH -0.00048 0.02134 -0.31456 15.84
CIMAR 0.00051 0.01472 -0.22875 19.29
CIOR 0.00082 0.01308 0.55938 11.44
COSUMAR -0.00038 0.01663 -0.25320 11.33
CTM 0.00007 0.01411 0.35220 10.17
DIAC EQUIPEMENT 0.00053 0.02134 6.80752 168.83
DIAC SALAF 0.00077 0.02412 7.83378 164.60
EQDOM 0.00042 0.01780 0.01779 8.52
G. TIRE -0.00132 0.01803 -0.28692 12.11
LESIEUR 0.00033 0.01504 -0.06046* 12.69
LONGOMETAL -0.00117 0.02392 -0.71173 16.28
ONA 0.00107 0.00990 0.47811 9.31
SAMIR 0.00037 0.01372 4.65768 75.60
SNI 0.00073 0.01062 0.30702 10.56
SOFAC CREDIT 0.00038 0.04739 -0.10034 467.47
SONASID 0.00055 0.01456 0.83379 9.96
WAFABANK 0.00070 0.01244 0.54315 7.92
* : indique que le coefficient de skewness est significativement égal à 0 au seuil de 5 %.

4 - La stationnarité des rentabilités
Pour qu’une variable aléatoire soit prévisible, il faut qu’elle soit stationnaire. Dans
notre cas, la stationnarité des séries de rentabilités des titres marocains est étudiée en utilisant
le test de racine unitaire proposé par Dickey-Fuller (DF) et le test de Dickey-Fuller augmenté
(ADF). Les 4 régressions suivantes sont testées :

∆Ri ,t = α + φRi ,t −1 + ε i ,t (DF sans trend)

∆Ri ,t = α + δ t + φRi ,t −1 + ε i ,t (DF avec trend)

9

4
∆Ri ,t = α + φRi ,t −1 + ∑ λ j ∆Ri ,t − j + ε i ,t (ADF sans trend)
j =1

4
∆Ri ,t = α + δ t + φRi ,t −1 + ∑ λ j ∆Ri ,t − j + ε i ,t (ADF avec trend)
j =1

avec : ∆Ri ,t = Ri ,t − Ri ,t −1

Les résultats de ces tests de DF et ADF sont reportés dans les deux tableaux suivants :

Tableau 4 : Tests DF de stationnarité des rentabilités journalières des actions marocaines
(1996-2000)

Sans trend Avec trend
TITRES φ T-Stat φ T-Stat
ACRED -1.034 -36.25 -1.037 -36.42
AUTO-HALL -0.994 -34.84 -0.995 -34.91
BCM -0.880 -31.12 -0.886 -31.41
BMCE -0.888 -31.42 -0.897 -31.84
BMCI -0.963 -33.89 -0.970 -34.22
BNDE -1.007 -35.39 -1.006 -35.38
BRANOMA -0.958 -33.59 -0.965 -33.98
BRASSERIE -0.904 -32.15 -0.913 -32.39
CARNAUD -0.942 -33.08 -0.949 -33.45
CDM -1.079 -38.05 -1.080 -38.13
CIH -1.027 -36.36 -1.031 -36.59
CENTRALE L. -0.996 -34.99 -1.017 -36.08
CTM -0.922 -32.47 -0.924 -32.54
CIOR -0.884 -31.16 -0.888 -31.40
CIMAR -0.977 -34.22 -0.981 -34.43
COSUMAR -0.949 -33.29 -0.950 -33.32
DIAC EQUIPEMENT -0.978 -34.27 -0.983 -34.57
DIAC SALAF -0.945 -33.19 -0.958 -33.89
EQDOM -0.935 -32.92 -0.954 -33.93
G. TIRE -1.013 -35.60 -1.016 -35.81
LESIEUR -1.013 -35.60 -1.018 -35.86
LONGOMETAL -0.913 -32.20 -0.915 -32.30
ONA -0.787 -28.31 -0.794 -28.66
SAMIR -0.962 -33.14 -0.963 -33.20
SNI -0.813 -29.09 -0.818 -29.37
SOFAC CREDIT -1.461 -57.81 -1.461 -57.83
SONASID -0.938 -31.38 -0.944 -31.66
WAFABANK -0.902 -31.88 -0.911 -32.32
INDICE (IGB) -0.588 -22.72 -0.607 -23.61

10

Tableau 5 : Tests ADF de stationnarité des rentabilités journalières des titres marocains
(1996-2000)

Sans trend Avec trend
TITRES φ T-Stat φ T-Stat
ACRED -1.029 -36.16 -1.046 -36.85
AUTO-HALL -1.001 -35.09 -1.008 -35.35
BCM -0.924 -33.05 -0.945 -33.87
BMCE -0.983 -34.98 -1.023 -36.60
BMCI -0.805 -28.58 -0.827 -29.43
BNDE -1.080 -38.07 -1.081 -38.08
BRANOMA -0.859 -30.24 -0.890 -31.39
BRASSERIE -0.671 -23.94 -0.697 -24.92
CARNAUD -0.813 -28.66 -0.840 -29.68
CDM -1.050 -37.11 -1.057 -37.39
CIH -0.945 -33.67 -0.959 -34.23
CENTRALE L. -0.874 -30.82 -0.960 -34.18
CTM -0.862 -30.45 -0.866 -30.62
CIOR -0.725 -25.75 -0.739 -26.32
CIMAR -0.860 -30.22 -0.876 -30.81
COSUMAR -1.019 -35.82 -1.023 -35.97
DIAC EQUIPEMENT -0.961 -33.68 -0.988 -34.71
DIAC SALAF -0.915 -32.19 -0.977 -34.59
EQDOM -0.726 -25.85 -0.788 -28.21
G. TIRE -1.101 -38.83 -1.123 -39.68
LESIEUR -0.994 -34.96 -1.018 -35.91
LONGOMETAL -0.898 -31.75 -0.905 -32.05
ONA -0.844 -30.48 -0.875 -31.70
SAMIR -1.004 -34.63 -1.032 -35.61
SNI -0.989 -35.70 -1.019 -36.89
SOFAC CREDIT -1.919 -78.84 -1.922 -78.94
SONASID -0.976 -32.69 -1.003 -33.70
WAFABANK -0.872 -30.85 -0.908 -32.26
INDICE (IGB) -0.465 -18.09 -0.503 -19.65

Dans ces régressions, l’hypothèse nulle : φ = 0 (processus non stationnaire) est testé
contre l’hypothèse alternative : φ < 0 (processus stationnaire). Si la statistique du coefficient
φ est inférieure à la valeur critique (ou supérieure en valeur absolue), nous rejettons
l’hypothèse d’existence d’une racine unitaire (la série sera donc stationnaire). Si la statistique
est supérieure à la valeur critique (ou inférieur en valeur absolue) puisqu’elle est toujours
négative), le coefficient φ est significativement non différent de zéro au seuil de risque choisi
et par conséquent l’hypothèse de racine unitaire est acceptée. Dans notre travail, le coefficient
φ est significativement négatif et différent de zéro pour l’ensemble des valeurs (pour des

11

seuils de risque de 1 % et 5 %). Les séries de rentabilités observées sur le marché marocain
sont donc stables et stationnaires et par conséquent prévisibles.

5 - La dépendance des rentabilités

La prévisibilité des rentabilités des titres et de l’indice peut être examinée en estimant
les coefficients de corrélation. Ces derniers mesurent la relation qui existe entre la valeur prise
par une variable aléatoire à la période t et la valeur prise par cette même variable k périodes
auparavant. Formellement :

N −k

N −k ∑
1 (Ri,t − Ri)(Ri,t − k − Ri)
ρi(k)= t =1
N

N∑
1 (Ri,t − Ri)
t =1
avec :
N
Ri = 1 ∑ Ri,t
N t =1

Le tableau ci-dessous permet d’analyser les autocorrélations des rentabilités
quotidiennes de l’indice général de la bourse de Casablanca. Pour chaque ordre k
(k = 1,…20), nous calculons le coefficient d’autocorrélation ainsi que la statistique de Student
correspondante.

Tableau 6 : Autocorrélations des rentabilités quotidiennes de l’IGB (1996-2000)

Retards ρ (k ) T-Stat
1 0.412 8.376
2 0.222 6.736
3 0.155 4.536
4 0.121 3.495
5 0.137 3.929
6 0.078 2.191
7 0.047* 1.322
8 0.057* 1.605
9 0.105 2.945
10 0.110 3.057
11 0.102 2.811
12 0.074 2.034
13 0.083 2.267
14 0.117 3.194
15 0.085 2.311
16 0.081 2.187
17 0.041* 1.087
18 0.049* 1.303
19 0.054* 1.434
20 0.103 2.745
* : indique que le coefficient de corrélation est significativement nul au seuil de 5%

12

Si le marché est efficient au sens faible, nous devrons obtenir des coefficients
d’autocorrélations non significativement différents de zéro. Cette constatation n’est pas
validée sur le marché marocain puisque l’autocorrélation d’ordre 1 est supérieure à 40 % pour
l’indice « IGB ». Cela signifie que les rentabilités quotidiennes sont prévisibles en utilisant
uniquement les rentabilités quotidiennes du jour précédent t-1. En revanche, à partir de l’ordre
7, on constate quelques coefficients significativement nuls. Ce résultat montre, par exemple,
qu’on ne peut pas prévoir les rentabilités de la période t par les rentabilités de la période t-7.
Ce dernier résultat ne signifie pas que le marché est imprévisible lorsqu’on prend en
considération les rentabilités de plusieurs jours auparavant pour prévoir celles d’aujourd’hui.
D’ailleurs, les coefficients d’autocorrélation mesurées à partir de données hebdomadaires
donnent des résultats significativement différent de zéro confirmant ainsi l’hypothèse de la
dépendance des rentabilités.

Par ailleurs, nous constatons que ces coefficients de corrélation sérielles sont
constamment positifs et cela quel que soit l’ordre d’autocorrélation. Cela signifie qu’une
hausse des rentabilités succède la plupart du temps à une hausse, et inversement. Pour
compléter notre étude concernant la dépendance des rentabilités des valeurs marocaines, nous
calculons, pour un décalage d’ordre 1, les autocorrélations pour les titres individuels.

Tableau 7: Coefficients d’autocorrélation d’ordre 1 et le t-stat correspondant des rentabilités
des titres marocains

TITRES ρ (1) T-Stat TITRES ρ (1) T-Stat
ACRED -0.034* -0.679 CIMAR 0.023* 0.472
AUTO-HALL 0.006* 0.125 COSUMAR 0.051* 1.035
BCM 0.120 2.434 DIAC EQUIPEMENT 0.022* 0.447
BMCE 0.112 2.261 DIAC SALAF 0.055* 1.122
BMCI 0.037* 0.743 EQDOM 0.065* 1.323
BNDE -0.007* -0.135 G. TIRE -0.013* -0.254
BRANOMA 0.042* 0.850 LESIEUR -0.013* -0.259
BRASSERIE 0.096* 1.949 LONGOMETAL 0.087* 1.762
CARNAUD 0.058* 1.184 ONA 0.213 4.330
CDM -0.078* -1.589 SAMIR 0.038* 0.767
CIH -0.027* -0.549 SNI 0.187 3.798
CENTRALE L. 0.004* 0.071 SOFAC CREDIT -0.461 -9.324
CTM 0.078* 1.581 SONASID 0.061* 1.247
CIOR 0.116 2.352 WAFABANK 0.098 1.987
* : indique que le coefficient d’autocorrélation est significativement égal à zéro au seuil de 5%

Nous constatons que 21 titres sur 28 sont caractérisés par des coefficients
d’autocorrélation d’ordre 1 significativement nuls. Ce résultat laisse à penser que la plupart
des titres marocains sont caractérisés par des variations aléatoires. Néanmoins, on ne peut pas
conclure rapidement à l’indépendance des rentabilités des valeurs cotées sur la place de
Casablanca. Plusieurs raisons peuvent être à l’origine de cette indépendance des rentabilités.
Nous pouvons citer principalement les problèmes d’asynchronisme et de la faible fréquence
de transaction.

13

Nous complétons notre étude par deux tests supplémentaires : le premier est un test
paramétrique «test du Portemanteau » et le deuxième est un test non paramétrique «test des
runs ». Le premier consiste à mesurer l’autocorrélation des K premiers ordres en vérifiant la
nullité de l’autocorrélation globale, représentée dans notre cas par les 20 premiers
coefficients. La corrélation nulle nous permet de conclure que les rentabilités sont
indépendantes et cela dès qu’elles sont distribuées selon une loi normale, ce qui n’est pas le
cas avec les rentabilités journaliers de nos titres. D’ailleurs, c’est la raison pour laquelle, Nous
utilisons un deuxième test appelé test des « runs » qui s’applique indépendamment de la
forme de la distribution étudiée.

L’autocorrélation des K premiers ordres

La statistique de portemanteau mesure l’autocorrélation des K premiers ordres et elle
se calcule de la manière suivante :

K
Q(K)= N ∑[ρ(k)]
2
ˆ
k =1
avec :

N : le nombre d’observations
ρ (k ) : le coefficient d’autocorrélation d’ordre k
ˆ

En pratique si Q(k) < χ 12−α (K) on accepte l’hypothèse d’indépendance des rentabilités
(c’est à dire la marche aléatoire) et cela pour un risque de α %. Dans le cas contraire, on
refuse l’hypothèse de marche au hasard et par conséquent l’hypothèse de dépendance des
rentabilités est acceptée.

Nous avons calculé la statistique de portemanteau pour K égal à 5, 10, 15 et 20 de
chacun des 28 titres retenus dans notre échantillon ainsi que pour l’indice « IGB » et cela
toujours sur la même période c’est à dire celle allant du 02 janvier 1996 au 29 décembre 2000.

Les statistiques de Portemanteau Q(K) permettent de rejeter l’hypothèse
d’indépendance des rentabilités quotidiennes pour la plupart des valeurs. Ce rejet s’affirme au
fur et à mesure de l’augmentation de la valeur de K prise en considération. Ainsi, pour un
K=15 ou K=20, 23 valeurs sur 28 rejettent l’hypothèse de la marche aléatoire alors que pour
un K=5 et K=10, le rejet de l’hypothèse d’indépendance est significative respectivement que
sur 16 et 18 valeurs. L’hypothèse d’indépendance est rejetée aussi pour les rentabilités du
marché calculées sur la base de l’indice général de la bourse de Casablanca et cela quel que
soit la valeur de K. Ces résultats confirment donc l’existence de corrélations sérielles dans les
séries de rentabilités des titres marocains.

14

Tableau 8 : Résultats du test portemanteau (Q) pour K=5, 10, 15, 20

Q
TITRES K=5 K=10 K=15 K=20
ACRED 7.66 10.37 19.23 20.99
AUTO-HALL 0.33 0.46 0.63 3.39
BCM 50.01* 58.07* 65.47* 71.06*
BMCE 32.70* 36.95* 39.28* 44.06*
BMCI 26.46* 31.21* 39.94* 50.74*
BNDE 5.64 7.90 9.04 9.62
BRANOMA 10.24 24.61* 28.91* 45.80*
BRASSERIE 50.26* 53.39* 55.86* 56.99*
CARNAUD 14.16* 39.40* 43.74* 48.68*
CDM 12.85* 15.70 29.05* 43.03*
CIH 15.99* 21.80* 32.20* 37*
CENTRALE L. 11.81* 23.23* 39.21* 56.37*
CTM 15.85* 37.61* 54.56* 58.61*
CIOR 44.22* 59.54* 68.92* 75.70*
CIMAR 6.40 9.45 29.18* 33.75*
COSUMAR 8.629 11.11 14.80 18.68
DIAC EQUIPEMENT 1.004 2.69 4.48 21
DIAC SALAF 6.71 10.50 48.55* 54.81*
EQDOM 37.14* 45.79* 54.32* 56.47*
G. TIRE 6.69 53.63* 62.65* 65.31*
LESIEUR 3.27 15.97 28.71* 37.34*
LONGOMETAL 18.56* 31.81* 50.99* 56.56*
ONA 67.67* 72.26* 88.14* 90.19*
SAMIR 5.57 29.89* 36.10* 53.69*
SNI 66.64* 68.33* 75.41* 76.71*
SOFAC CREDIT 263.41* 263.78* 265.21* 265.54*
SONASID 9.31 22.81* 34.65* 37.68*
WAFABANK 13.98* 16.16 35.66* 38.71*
INDICE 342.84* 385.77* 440.05* 469.90*
* :indique que la statistique est significative au seuil de 5 %

Les tests d’autocorrélation constituent les principaux tests d’efficience faible des
marchés financiers. Ainsi des coefficients d’autocorrélation nuls équivaut à l’indépendance
des rentabilités à condition que les variables soient normales. Toutefois, les résultats des tests
de normalité montrent que la distribution des rentabilités des titres cotés sur le marché
marocain dévie fortement de celle d’une loi normale. C’est la raison pour laquelle, nous
complétons notre étude par un test non paramétrique : le test des « runs » appelé test de
séquences.

15

Le test des runs

Le test non paramétrique des séquences homogènes ( test des runs ) mesure le degré de
dépendance existant à travers des séries historiques de cours ou de rentabilités, et cela
indépendamment de leur distribution. Il s’intéresse uniquement aux suites de signes (+/-) des
variations (positives/négatives) des cours ou des rentabilités des actifs.

Un run positif est une séquence de fluctuations des cours positifs précédée par une
fluctuation nulle ou négative et inversement pour un run négatif. Le test statistique est basé
sur l’appréciation de manière probabiliste de la différence éventuelle entre le nombre de runs
espérés dans un contexte aléatoire et le nombre de runs effectivement observés pour
l’échantillon sélectionné.

Dans le cas où les changements de cours des actifs seraient positivement corrélés, on
devrait observer de longs runs (des séries longues de signes positifs ou de signes négatifs),
alors que si les changements de cours des actifs sont négativement corrélés, on devrait avoir
des runs courts c’est à dire des changements répétés de signes. Si les changements sont
indépendants, aucun des deux cas ne devrait être observé.

Si dans une série de changements de cours ou de rentabilités, les signes de ces derniers
sont distribués de manière aléatoire, le nombre total de runs suit une distribution normale dont
on peut facilement calculer l’espérance µ et l’écart type σ . Formellement :

3
N ( N + 1) − ∑ ni2
µ= i =1

N
1
 3 2 3 2  3
2
∑ ni  ∑ ni + N ( N + 1)  − 2 N ∑ ni3 − N 3 
σ =  i =1  i =1  i =1 
 N ( N − 1)
2

 
 
avec :
ni : le nombre de rentabilités pour chaque signe (positifs, nuls, et négatifs).
N : le nombre d’observations.

L’hypothèse nulle de marche au hasard est : H0 : P1=P2
avec :
P1 : est la probabilité qu’un signe positif succède à un signe négatif ou inversement.
P2 : est la probabilité qu’un signe positif succède à un signe positif ou un signe négatif à un
signe négatif.
L’hypothèse alternative est H1 : P1>P2 (autocorrélation négative), P1<P2 (autocorrélation
positive).

L’appréciation probabiliste de l’écart entre le nombre espéré et le nombre de runs observé est
déterminée par la statistique suivante :

16

X −µ
Z=
σ
avec :
X : le nombre de runs observé.

Le rejet ou l’acceptation du comportement aléatoire des fluctuations des cours, et par
conséquent de l’efficience du marché, repose sur la valeur de Z. Si P(Z)>0.05 (dans le cas
d’un niveau de confiance de 5 %), on ne peut rejeter l’hypothèse d’indépendance.

Nous présentons dans le tableau ci dessous les résultats obtenus par le test des runs
pour chacun des titres de notre échantillon ainsi que pour l’indice général. Nous avons ainsi
calculé le nombre de runs observé, le nombre de runs espéré, l’écart type des runs et la
Z-statistique.

Tableau 9: Résultats du test des runs (Z)

TITRES Nombre de runs Nombre de runs Evart-type des Z-statistic
observé (X) espéré ( µ ) runs
ACRED 220 252 5.56 -5.77
AUTO-HALL 348 382 8.32 -4.10
BCM 653 808.82 16.35 -9.53
BMCE 694 808.38 16.46 -6.95
BMCI 721 803.75 16.29 -5.08
BNDE 648 769.74 15.77 -7.72
BRANOMA 362 417.85 9.07 -6.15
BRASSERIE 639 713.54 14.82 -5.03
CARNAUD 107 126.04 2.69 -7.09
CDM 610 692.36 14.45 -5.7
CIH 726 805 16.32 -4.85
CENTRALE L. 435 456.23 9.88 -2.15
CTM 670 781.65 15.95 -6.99
CIOR 725 826 16.57 -6.10
CIMAR 588 703.75 14.64 -7.90
COSUMAR 513 622.64 13.19 -8.31
DIAC EQUIPEMENT 171 188.70 4.19 -4.22
DIAC SALAF 451 538 11.52 -7.55
EQDOM 730 824 16.55 -5.68
G. TIRE 713 722.91 15 -0.66*
LESIEUR 502 549.83 11.76 -4.07
LONGOMETAL 505 599 12.77 -7.43
ONA 669 821.22 16.52 -9.22
SAMIR 667 783 16.16 -7.19
SNI 692 816.28 16.49 -7.54
SOFAC CREDIT 472 520 11.26 -4.28
SONASID 665 727.17 15.61 -3.98
WAFABANK 716 822.49 16.54 -6.44
INDICE (IGB) 449 626.37 17.41 -10.19
* :indique que la statistique est significative au seuil de 5 %

Les valeurs de Z sont pour l’ensemble des titres négatives puisque le nombre de runs
théorique est toujours supérieur au nombre de runs calculé. Ce résultat correspond à
l’existence de dépendances positives dans les séries de rentabilités. Par ailleurs, la seule
statistique significative au seuil de 5 % est celle du titre G.Tire. Pour les autres valeurs, nous

17

obtenons des coefficients non significatifs ce qui nous permet de rejeter l’hypothèse
d’indépendance des rentabilités pour 27 titres sur 28 ainsi que pour l’indice général.

6 - Anomalies boursières sur le marché marocain des actions

Depuis la fin des années 70, les travaux empiriques se sont multipliés pour détecter
l’existence d’anomalies ou de saisonnalités dans les rentabilités des actifs boursiers. Ces
travaux ont été réalisés principalement sur les marchés financiers des pays développés.
Toutefois, cette dernière décennie, nous avons constaté l’apparition de plusieurs travaux
concernant les pays émergents. Ces études ont, bien sûr, remis en cause l’hypothèse
d’efficience informationnelle des marchés financiers. En effet, dans le cas d’existence
d’anomalies, les prix des titres ne reflètent pas correctement l’ensemble de l’information
disponible.

L’effet taille

Pour identifier l’effet taille, les valeurs de notre échantillon vont être classées par
niveau de capitalisation boursière. Et pour chaque date, 3 portefeuilles sont construit. Le
premier est formé des titres de forte capitalisation, le deuxième de capitalisation moyenne, et
le troisième portefeuille des titres de faible capitalisation boursière. L’analyse de l’effet taille
est étudiée en examinant les rentabilités quotidiennes des trois portefeuilles de capitalisation.

Le tableau ci-dessous reprend les caractéristiques des rentabilités quotidiennes des
trois classes de capitalisation. Le nombre de données correspond au nombre total des
rentabilités quotidiennes empilées par portefeuille sur toute la période d’étude. Quant au
pourcentage des rentabilités négatives (respectivement positives et nulles), il correspond au
rapport du nombre de rentabilités négatives (respectivement le nombre de rentabilités
positives et nulles) par le nombre total des rentabilités. Parmi les autres statistiques étudiées,
on trouve la performance moyenne annuelle (rentabilité moyenne annuelle) de chaque
portefeuille, ainsi que la volatilité annuelle (mesurée par l’écart type multiplié par 252 ). La
dernière statistique analysée est le risque systématique. Ce dernier est obtenu par la régression
des moindres carrés ordinaires des rentabilités quotidiennes des titres empilés sur celles de
l’indice général de la bourse de Casablanca.

Tableau 10 : Statistiques par classe de capitalisation sur le marché marocain
(2/01/96 au 29/12/00)

Portefeuille 1 2 3
Nombre de données 12 338 11 014 11 106
Rentabilités nulles 37.15 % 58.85 % 73.66 %
Rentabilités négatives 30.30 % 21.13 % 13.05 %
Rentabilités positives 32.55 % 20.02 % 13.29 %
Rentabilité moyenne annuelle 16.78 % 6.53 % -3.31 %
Volatilité annuelle 19.87 % 27.26 % 45.52 %
Le risque systématique (Bêta) 0.716 0.551 0.446

Le pourcentage des rentabilités nulles est un indicateur de liquidité du marché. A titre
d'exemple, le portefeuille 3 composé de titres de faible capitalisation boursière connaît un
pourcentage très élevé de rentabilités nulles (73.66 %). En fait, les cours varient très peu

18

d’une séance à l’autre en raison du faible volume des transactions. Ce phénomène est une
caractéristique des marchés boursiers émergent les moins avancés.

En ce qui concerne les rentabilités positives, elles sont croissantes par rapport à la
capitalisation boursière. Plus la capitalisation du portefeuille est importante, plus le
pourcentage des rentabilités positives est élevé. Ce résultat ne signifie pas qu’en détenant des
titres à forte capitalisation boursière, nous réaliserons automatiquement plus de rentabilités
positives que si nous détenions des titres à faible capitalisation. D’ailleurs, le pourcentage des
rentabilités négatives est plus élevé pour le portefeuille de forte capitalisation boursière
(portefeuille1) que pour le portefeuille de faible capitalisation (portefeuille 3).

La volatilité annuelle du portefeuille à forte capitalisation boursière est moins élevée
que celle du portefeuille à capitalisation moyenne et faible. Par ailleurs, les petites
capitalisations ont un risque systématique (bêta) inférieur à celui des fortes capitalisations. Le
portefeuille 1 a une sensibilité de 0.7165 contre 0.5509 pour le portefeuille 2 et 0.4463 pour le
portefeuille 3.

L’effet mois de l’année

Plusieurs travaux réalisés sur les marchés boursiers des pays développés ont montré
l’existence d’un effet mois de l’année notamment au mois de janvier. Ils ont montré que les
rentabilités boursières sont, en moyenne, plus élevées au mois de janvier que durant les autres
mois de l’année.

En ce qui concerne les marchés boursiers des pays émergents, l’effet mois de l’année
n’a pas toujours été décelé. Et quand il existe, il n’est pas spécifique au mois de janvier. Ainsi,
notre travail sur le marché marocain se focalisera sur l’ensemble des mois de l’année et non
pas seulement sur le mois de janvier.

L’effet du mois de l’année est étudié par l’équation de la régression suivante :

12
Rimt =α1 +∑α k Dk,t +ε i,t
,
k =2
avec :
Rimt : la rentabilité mensuelle du titre i
,

Dk ,t : une variable dichotomique qui prend la valeur de 1 si la date est le mois k et 0 sinon.
k = 2 pour le mois de février, 3 pour mars, etc.
α 1 : mesure la rentabilité moyenne du mois de janvier.
α k : représente l’excédent de rentabilité du mois k relativement au mois de janvier.

La rentabilité moyenne du mois k est la somme de α 1 et α k . Ainsi, les statistiques qui
en découlent pour les coefficients α k refléteront la significativité de la différence des mois k
par rapport au mois de janvier. Si la rentabilité espérée est identique pour chaque mois de
l’année, on obtiendra des coefficients α 2 ......α 12 nuls. Le rejet de cette hypothèse suppose que
la rentabilité moyenne d’un des mois de l’année est significativement différente de celle du
mois de janvier.

19

L’équation de régression ci-dessus est appliquée à l’ensemble des titres ainsi qu’à
l’indice général de la bourse de Casablanca sur la période allant de janvier 1996 à décembre
2000. Les résultats (cf. annexe 1) indiquent qu’il n’existe pas d’effet significatif du mois de
l’année comme celui observé sur de nombreux pays développés. Toutefois, l’indice général de
la bourse de Casablanca connaît une hausse importante principalement au mois de mars,
d’avril et d’août. En outre, des baisses de rentabilités sont observées les trois derniers mois de
l’année. D’ailleurs, 23 titres (respectivement 21 et 15 titres) de notre échantillon connaissent
des rentabilités négatives au mois d’octobre (respectivement au mois de novembre et
décembre) contre uniquement 6 pour le mois de janvier.

Dans notre travail, nous nous sommes aussi intéressés à l’existence éventuelle d’un
effet « Ramadan ». Entre 1996 et 2000, le mois du Ramadan a eu lieu entre le mois de
décembre et le mois de mars. Les rentabilités spécifiques de ce mois pendant la période allant
de janvier 1996 à décembre 2000 ne permet de détecter aucun résultat significatif.

L’effet jour de la semaine

De la même manière que pour l’effet mois de l’année, l’impact du jour de la semaine
est étudié en analysant l’équation de la régression suivante :

5
Ri,t =α1+∑α k Dk,t +εi,t
k =2
où :
Dk ,t =1 si t est le jour k et 0 sinon
k=2 pour le mardi, k=3 pour le mercredi, etc.
α 1 : mesure la rentabilité moyenne du lundi
α k : représente l’excédent de rentabilité des autres jours de la semaine par rapport au lundi.

La rentabilité moyenne des autres jours (autre que le lundi) de la semaine est obtenue en
additionnant les coefficients α k et α 1 .

L’équation de régression ci-dessus est donc appliquée à l’ensemble à l’ensemble des
titres, ainsi qu’à l’indice général de la bourse de Casablanca et cela sur la période allant de
janvier 1996 à décembre 2000. Les résultats (cf. annexe 2) de l’effet jour de semaine sur les
rentabilités n’apportent pas de conclusions significatives. Toutefois, des rentabilités élevées,
par rapport aux autres jours de la semaine, sont observées le lundi notamment pour l’indice
général de la bourse de Casablanca. A titre d’exemple, la rentabilité quotidienne moyenne de
l’indice est de 0.0928 % le lundi alors qu’elle est de 0.0103 % le mardi, 0.0048 % le mercredi
et 0.0639 % le jeudi. Nous constatons que le vendredi est caractérisé aussi par des rentabilités
quotidiennes élevées. D’ailleurs 21 titres de notre échantillon ont des rentabilités positives le
vendredi contre 12 titres le mardi par exemple.

20

7 - Conclusion
A l’instar de la plupart des pays en développement, le Maroc n’a pas échappé aux
transformations radicales concernant l’organisation et le fonctionnement des marchés
financiers. Les réformes adoptées depuis 1993 ont été déterminantes dans le développement
de son marché boursier mais cela n’a pas entraîné une amélioration significative de
l’efficience informationnelle de ce marché.

Les résultats de nos travaux empiriques montrent bien que le marché boursier
marocain n’a pas encore atteint le stade de maturité. Les principaux résultats obtenus sont les
suivants :

- La distribution des rentabilités quotidiennes de l’indice général de la bourse de Casablanca
et des titres marocains dévie de celle de la loi normale.
- Les tests de stationnarité montrent que les séries de rentabilités observées sur le marché
marocain sont stationnaires et, par conséquent, prévisibles.
- L’hypothèse d’indépendance des rentabilités est rejetée pour la plupart des titres ainsi que
pour l’indice général.
- La volatilité annuelle du portefeuille à forte capitalisation boursière est moins élevée que
celle du portefeuille à faible capitalisation.
- Le portefeuille composé de titres à forte capitalisation boursière a un risque systématique
supérieur à celui composé de titres à faible capitalisation.
- Il n’existe pas d’effet significatif du mois de l’année bien que l’indice général de la bourse
de Casablanca connaisse une hausse importante au mois de mars, d’avril et d’août.
- Il n’existe pas d’effet significatif au mois du ramadan.
- L’effet jour de la semaine n’est pas significatif bien que des rentabilités élevées soient
observées le lundi et le vendredi.
- Le marché ne s’ajuste que lentement aux nouvelles informations (distribution de dividendes
et modifications de capital).

21

Annexe 1 :

Effet mois de l’année (1)

Janvier « α 1 » Février « α 2 » Mars « α 3 » Avril « α 4 » Mai « α 5 » Juin « α 6 »
ACRED 0.158 (0.314) -0.214 (-0.592) -0.181 (-0.323) 0.275 (0.245) 0.087 (0.105) 0.002 (0.003)
AUTO-HALL -0.232 (-0.703) 0.251 (0.764) 0.371 (1.274) 0.582 (0.648) 0.114 (0.192) 0.107 (0.180)
BCM 0.834 (0.687) -0.085 (-0.296) 0.055 (0.150) 0.033 (0.128) -0.139 (-0.371) 0.077 (0.290)
BMCE 0.095 (0.396) 0.210 (0.522) 0.150 (0.205) 0.059 (0.175) -0.217 (-0.359) 0.050 (0.264)
BMCI 0.233 (0.819) -0.078 (-0.184) 0.065 (0.124) -0.170 (-0.209) -0.291 (-0.562) -0.075 (-0.119)
BNDE -0.086 (-0.189) 0.053 (0.143) 0.186 (0.824) -0.070 (-0.199) 0.041 (0.105) -0.101 (-0.207)
BRANOMA -0.078 (-0.341) -0.026 (-0.185) 0.197 (0.549) 0.386 (0.944) 0.116 (0.133) -0.022 (-0.050)

BRASSERIE 0.223 (0.005) -0.206 (-0.712) -0.105 (-0.199) -0.014 (-0.014) -0.183 (-0.174) 0.049 (0.106)

CARNAUD 0.026 (0.447) 0.187 (0.567) -0.002 (-0.030) -0.003 (0.033) 0.432 (0.585) 0.071 (0.201)

CDM 0.021 (0.081) 0.011 (0.043) 0.202 (0.438) -0.024 (-0.072) -0.239 (-0.403) 0.248 (0.848)

CENTRALE L. 0.018 (0.055) 0.052 (0.177) 0.192 (0.516) 0.293 (0.811) -0.064 (-0.087) 0.031 (0.058)

CIH 0.093 (0.126) -0.316 (-0.455) -0.465 (-0.845) -0.201 (0.267) -0.115 (-0.106) -0.013 (-0.014)

CIMAR 0.211 (0.003) 0.094 (0.175) -0.027 (-0.069) 0.061 (0.129) -0.187 (-0.195) -0.318 (-1.319)

CIOR 0.239 (0.695) -0.209 (-0.532) 0.101 (0.137) 0.013 (0.033) -0.397 (-0.509) -0.279 (-0.873)

COSUMAR -0.087 (-0.219) -0.075 (-0.317) 0.142 (0.401) 0.099 (0.609) -0.233 (-0.276) 0.260 (0.409)

CTM -0.004 (-0.003) 0.166 (0.441) 0.099 (0.149) 0.222 (0.330) -0.160 (-0.497) -0.046 (-0.117)

DIAC EQUIP 0.089 (0.447) 0.194 (0.848) -0.144 (-0.404) 0.193 (0.359) 0.026 (0.059) 0.229 (0.204)

DIAC SALAF 0.137 (0.207) -0.156 (-0.280) -0.209 (-0.377) 0.805 (0.684) 0.008 (0.071) -0.412 (-0.458)

EQDOM 0.217 (0.750) -0.297 (-0.755) 0.063 (0.095) 0.241 (0.179) -0.431 (-0.457) -0.174 (1.086)

G.TIRE -0.108 (-1.047) 0.045 (0.164) 0.007 (0.048) -0.075 (-0.248) 0.112 (0.602) -0.256 (-0.765)

LESIEUR 0.029 (0.166) -0.017 (-0.048) 0.162 (0.649) 0.415 (0.548) -0.123 (-0.203) 0.049 (0.130)

LONGOMETAL 0.097 (0.166) -0.628 (-1.301) 0.176 (0.230) -0.126 (-0.287) -0.418 (-0.457) -0.373 (-0.534)

ONA 0.283 (0.829) -0.235 (-0.725) -0.142 (-0.336) -0.043 (-0.083) -0.307 (-0.492) -0.122 (-0.284)

SAMIR 0.184 (0.689) -0.147 (-0.349) 0.234 (1.289) -0.035 (-0.072) 0.099 (0.247) -0.149 (-0.473)

SNI 0.123 (0.572) -0.019 (-0.034) -0.025 (-0.086) 0.093 (0.201) -0.113 (-0.231) -0.025 (-0.137)

SOFAC CREDIT 0.098 (0.275) -0.070 (-0.485) 0.224 (0.614) 0.048 (0.088) -0.016 (-0.033) -0.249 (-0.711)

SONASID 0.192 (0.663) -0.181 (-0.353) 0.065 (0.094) -0.081 (-0.144) -0.249 (-0.353) -0.132 (-0.347)

WAFABANK 0.244 (0.680) -0.226 (-0.721) -0.175 (-0.257) -0.192 (-0.355) -0.233 (-0.299) -0.116 (-0.379)

INDICE 0.146 (0.682) -0.068 (-0.285) 0.017 (0.053) 0.016 (0.043) -0.172 (-0.332) -0.196 (-0.637)

Les coefficients sont exprimés en pourcentage
Entre parenthèse : le T-Statistique de chaque coefficient

22

Effet mois de l’année (2)

Juillet « α 7 » Août « α 8 » Sept « α 9 » Oct « α 10 » Nov « α 11 » Déc « α 12 »
ACRED -0.084 (-0.178) -0.304 (-0.589) -0.237 (-0.342) -0.226 (-0.493) -0.227(-0.452) -0.204 (-0.321)

AUTO-HALL 0.154 (0.422) 0.331 (0.842) 0.246 (0.528) 0.162 (0.548) -1.391 (-0.394) 0.404 (0.985)

BCM 0.071 (0.398) 0.033 (0.111) -0.036 (-0.122) -0.081 (-0.510) -0.091 (-0.667) -0.087 (-0.399)

BMCE -0.240 (-0.581) -0.210 (-0.522) -0.061 (-0.229) -0.185 (-0.730) -0.163 (-0.911) -0.145 (-0.686)

BMCI -0.164 (-1.081) 0.100 (0.289) -0.134 (-0.216) -0.324 (-1.296) -0.247 (-0.598) -0.403 (-1.201)

BNDE 0.086 (0.246) 0.082 (0.166) 0.097 (0.162) -0.109 (-0.259) -0.005 (-0.009) 0.105 (0.593)

BRANOMA 0.089 (0.283) 0.104 (0.313) 0.154 (0.631) 0.014 (0.093) 0.034 (0.105) 0.091 (0.273)

BRASSERIE -0.318 (-1.198) -0.022 (-0.049) -0.090 (-0.184) -0.350 (-0.721) -0.458 (-1.076) -0.226 (-0.545)

CARNAUD -0.245 (-0.261) -0.068 (0.489) -0.018 (-0.127) -0.138 (-0.570) 0.063 (0.269) 0.104 (0.489)

CDM -0.033 (-0.159) 0.184 (0.606) -0.125 (-0.361) -0.164 (-0.568) -0.079 (-0.271) -0.111 (-0.348)

CENTRALE L. 0.052 (0.164) 0.014 (0.329) 0.034 (0.458) -0.065 (-0.336) 0.066 (0.202) -0.071 (-0.147)

CIH -0.103 (-0.207) -0.030 (-0.033) -0.036 (-0.033) -0.125 (-0.163) -0.172 (-0.259) -0.096 (-0.118)

CIMAR -0.261 (-1.426) 0.158 (0.337) -0.243 (-0.772) -0.324 (-1.214) -0.312 (-1.504) -0.462 (-1.318)

CIOR -0.188 (-0.616) 0.262 (0.631) -0.281 (-0.553) -0.257 (-0.717) 0.331 (-1.561) -0.301 (-0.765)

COSUMAR 0.131 (0.331) 0.088 (0.169) 0.085 (0.139) -0.173 (-0.267) 0.033 (0.081) 0.165 (0.399)

CTM 0.104 (0.302) 0.051 (0.225) -0.026 (-0.079) -0.126 (-0.609) -0.204 (-0.499) 0.005 (0.020)

DIAC EQUIP -0.361 (-0.839) 0.262 (0.613) -0.124 ( -0.475) -0.102 (-0.519) -0.423 (-0.834) -0.089 (-0.332)

DIAC SALAF -0.225 (-0.324) 0.056 (0.089) -0.248 (-0.513) -0.055 (-0.072) -0.173 (-0.225) -0.105 (-0.128)

EQDOM -0.199 (-0.954) 0.046 (0.099) -0.349 (-0.620) -0.192 (-0.424) -0.648 (-1.415) -0.191 (-0.444)

G.TIRE 0.079 (0.286) 0.441 (0.976) -0.283 (-0.864) -0.180 (-0.547) 0.035 (0.215) -0.209 (-0.332)

LESIEUR -0.081 (-0.286) 0.059 (0.207) -0.235 (-0.492) -0.132 (-0.510) 0.084 (0.179) -0.115 (-0.477)

LONGOMETAL -0.075 (-0.094) -0.233 (-0.542) -0.134 (-0.262) -0.629 (-1.169) -0.051 (-0.074) -0.126 (-0.241)

ONA -0.182 (-0.685) 0.006 (0.015) -0.248 (-0.644) -0.186 (-0.514) -0.467 (–1.842) -0.239 (-0.610)

SAMIR -0.249 (-1.215) 0.121 (0.419) -0.284 (-1.432) -0.203 (-0.997) -0.107 (-0.307) -0.255 (-1.888)

SNI -0.026 (-0.110) 0.188 (0.392) -0.125 (-0.516) -0.195 (-1.105) -0.215 (-1.287) -0.141 (-0.510)

SOFAC CREDIT -0.248 (-0.333) -0.019 (-0.056) 0.058 (0.113) -0.119 (-0.231) -0.129 (-0.272) -0.176 (-0.381)

SONASID -0.116 (-0.575) 0.246 (0.503) -0.269 (–0.949) -0.371 (-1.244) -0.378 (-1.676) -0.189(-0.546)

WAFABANK -0.154 (-0.609) 0.082 (0.169) -0.242 (-0416) -0.230 (-0.517) -0.401 (-1.543) -0.231 (-0.646)

INDICE -0.137 (-0.867) 0.053 (0.195) -0.153 (-0.500) -0.183 (-0.889) -0.230 (–1.34) -0.167 (-0.688)

Les coefficients sont exprimés en pourcentage
Entre parenthèse : le T-Statistique de chaque coefficient

23

Annexe 2 :

Effet jour de semaine

Lundi « α 1 » Mardi « α 2 » Mercredi « α 3 » Jeudi « α 4 » Vendredi « α 5 »
ACRED 0.0159 -0.0424 0.1120 0.0736 -0.0405
AUTO-HALL -0.8917 0.8491 0.9061 1.0176 0.8421
BCM -0.0112 -0.0272 0.1186 0.1226 0.1020
BMCE -0.1329 0.1442 0.1554 0.1601 0.3041
BMCI 0.0390 0.0341 0.0796 0.0173 0.1412
BNDE -0.0091 -0.1485 0.1303 0.6241 0.0740
BRANOMA 0.0496 -0.2469 -0.0721 0.0168 0.1352
BRASSERIE 0.1010 -0.1075 -0.0252 -0.1774 0.0891
CARNAUD 0.0272 0.0786 0.2273 0.1768 0.2522
CDM 0.1011 -0.1744 -0.1920 0.0376 0.0013
CENTRALE L. 0.1225 0.0289 -0.1131 -0.1523 0.0482
CIH 0.0486 -0.0703 0.0398 -0.1109 -0.0491
CIOR 0.1232 -0.1991 -0.0990 0.0985 0.0097
CIMAR 0.0874 -0.2124 0.0364 -0.0474 0.0051
COSUMAR -0.0118 -0.1088 0.0387 0.0120 -0.1490
CTM -0.1433 0.1814 0.1590 0.1029 0.2542
DIAC EQUIP -0.0339 -0.1319 0.2090 0.1908 0.0463
DIAC SALAF 0.0753 0.0383 0.3598 -0.2055 -0.0561
EQDOM -0.2173 0.2591 0.3319 0.3041 0.6252
G.TIRE -0.2758 0.0818 0.2657 -0.0037 0.1250
LESIEUR -0.0129 0.0856 -0.0763 0.2146 0.0896
LONGOMETAL -0.0089 -0.1188 -0.0224 -0.2554 -0.1792
ONA 0.0079 0.0228 0.0871 0.1404 0.1760
SAMIR -0.0629 0.1212 0.0399 0.0634 0.0271
SNI -0.0491 0.1858 0.0418 0.1604 0.1720
SOFAC CREDIT 0.3149 -0.7315 -0.2302 -0.1539 -0.1760
SONASID -0.0888 0.1271 -0.0762 0.2009 0.2292
WAFABANK -0.0476 -0.0003 0.0546 0.3368 0.1852
INDICE (IGB) 0.0928 -0.0825 -0.0880 -0.0289 -0.0031
Note : Les coefficients sont non significativement différent de zéro au seuil de 5 %.
Les coefficients sont exprimés en pourcentage.

24

Bibliographie

Abeysekera S.P. (2001) « Efficient Markets Hypothesis and the Emerging Capital Market in
Sri Lanka: Evidence From the Colombo Stock Exchange », Journal of Business, Finance and
Accounting, 28 (1), Janvier / Mars.

Abraham A. et IkenberyD.L. (1994) « The Individual Investor and the Weekend-Effect »,
Journal of Financial and Quantitative Analysis, n°29, pp 263-277.

Al Loughani N.E. (1999) « Recent Trends and Market Inefficiency in the Kuwait Stock
Exchange : Evidence From the Post-Liberation Era » Workshop on Arab Stock Markets,
Kuwait.

Amihud Y. et Mendelson H. (1991b) « Volatility, Efficiency and Trading : Evidence From
the Japanese Stock Market », Journal of Finance, 46, pp1765-1789.

Bekaert G. et Harvey C.R. (1997) « Emerging Equity Market Volatility », Journal of
Financial Economics, vol 43, n° 1, Janvier, pp 29-77.

Belkahia R. (1997) « Le renouveau et les perspectives du marché des actions de la bourse des
valeurs de Casablanca », Finances et Développement, Septembre.

Broquet C., Capiau Huart M.C. et Legrand O. (1990) « Efficience de la bourse de Bruxelles :
un nouvel examen », Analyse Financière, 4ème trimestre, pp 61-73.

Chang P., Rhee G. et Soedigno S. (1995) « Price Volatility of Indonesian Stocks », Pacific-
basin Finance Journal, vol 3, pp 337-355.

Claessens S., Dasgupta S. et Glen J. (1995) « Return Behavior in Emerging Stock Markets »,
The World Bank Economic Review, n° 1, vol 9, Janvier, pp 131-151

Fama E. (1965) « The Behavior of Stock Market Prices », Journal of Business, 38, January,
pp 34-105.

Fama E. (1970) « Efficient Capital Markets : a Review of Theory and Empirical Work »,
Journal of Finance, 25, pp 383-417.

Fama E. (1991) « Efficient Capital Markets : II », Journal of Finance, December, 46, pp
1575-1618.

French K.R. (1980) « Stock Returns and the Weekend Effect », Journal of Financial
Economics, 8, march, pp 55-70.

Frennberg P. et Hansson B. (1993) « Testing the Random Walk Hypothesis on Swedish Stock
Prices : 1919-1990 », Journal of Banking and Finance 17, pp 175-191.

Gillet R. (1991) « L’efficience informationnelle du marché boursier : aspects théoriques et
empiriques », Thèse de doctorat U.C.L., CIACO, Louvain-la-Neuve.

25

Hamon J. et Jacquillat B. (1992) « Le marché français des actions, études empiriques (1977-
1991) », PUF, Paris.

Jaffe J. et Westerfield R. (1989) « Is There a Monthly Effect in Stock Returns ? Evidence
From Foreign Countries », Journal of Banking and Finance, 13, may, pp 237-244.

Lee I., Petit R. et Swankoski M. (1990) « Daily Return Relationships Among Asian Stock
Markets », Journal of Business Finance and Accounting, vol 17, pp 265-284.

Lyons R.K. (1995) « Tests of Microstructural Hypothesis in the Foreign Exchange Market »,
Journal of Financial Economics, n° 39, October November, pp 321-351.

Mai H.M., Rigobert M.J. et Tchemeni E. (1998) « Prévisibilité des rentabilités sur le marché
Jamaïcain des actions », Cahier de Recherche n° 9805, Université de Paris Dauphine.

Mai H.M., Rigobert M.J. et Tchemeni E. (1998) « Anomalies boursières sur le marché
Jamaïcain des actions », Cahier de Recherche n° 9806, Université de Paris Dauphine.

Solnik B. et Bousquet L. (1990) « Day-of- the- Week Effect, on the Paris Bourse », Journal
of Banking and Finance, 14, n° 2-3, pp 461-468.

Thaler R.H. (1987) « Anomalies : Week-end, Holiday, Turn of the Month and Intraday
Effects », Journal of Economic Perspectives, automne.

26

Marché fin marocain

Contenu connexe

Tendances (20)

En vedette (20)

Similaire à Marché fin marocain (14)

Marché fin marocain