Embed Size (px)
Citation preview
1
IMPACT DES INFORMATIONS FINANCIERES ET NON
FINANCIERES SUR LE COURS DES ACTIONS : UNE ETUDE
EMPIRIQUE SUR LA BOURSE REGIONALE DES VALEURS
MOBILIERES
EFFECT OF THE FINANCIAL AND NON-FINANCIAL
INFORMATIONS ON ASSET PRICE: AN EMPIRICAL STUDY TO
THE REGIONAL STOCK MARKET OF THE MOVABLE VALUES
Docteur Aboudou Ramanou YESSOUFOU
Enseignant-Chercheur en Sciences de Gestion,
Ecole Nationale d’Economie Appliquée et de management (ENEAM),
Laboratoire de Recherche sur les Performances et Développement des Organisations
Université d’Abomey Calavi (Bénin)
Tél. : +229. 97 96 36 95COTONOU, Bénin
Docteur Maxime CHANHOUN
Maître-Assistant du CAMES
Enseignant-Chercheur en Sciences de Gestion,
Faculté des Sciences Economiques et de Gestion (FASEG),
Laboratoire de Recherche sur les Performances et Développement des Organisations
Université d’Abomey Calavi (Bénin)
Tél. : +229. 95 95 86 76COTONOU, Bénin
2
IMPACT DES INFORMATIONS FINANCIERES ET NON
FINANCIERES SUR LE COURS DES ACTIONS : UNE ETUDE
EMPIRIQUE SUR LA BOURSE REGIONALE DES VALEURS
MOBILIERES
Résumé
Nombre d’auteurs se sont intéressés récemment à l’étude des relations qui existent entre la
publication d’informations financières et le cours boursier. Le présent article s’inscrit dans ce
cadre et vise à déterminer les principales informations financières et non financières qui
affectent le cours des actions sur la Bourse Régionale des Valeurs Mobilières. Les résultats
indiquent, à la lumière du modèle de Poisson, que le rendement des capitaux propres, le
bénéfice net par action, le ratio de liquidité immédiate et le nombre d’années d’expérience de
l’entreprise sur la bourse ont une relation significativement positive sur le cours des actions.
Mots-clés : actions, bourse, cours boursier, informations financières.
EFFECT OF THE FINANCIAL AND NON-FINANCIAL
INFORMATIONS ON ASSET PRICE: AN EMPIRICAL STUDY TO
THE REGIONAL STOCK MARKET OF THE MOVABLE VALUES
Abstract
Number of authors was interested lately in to study the relations that exist between the
publication of financial information and the course grant holders. The present article appears
in this setting and aim to determine the main financial and non-financialinformation that
affect assetprice on the Regional Stock market of the Movable Values. The results indicate, in
light of the Poisson model, that the output of the clean funds, the joint-stock net profit, the
ratio of immediate liquidity and the enterprise experience old years of the market have a
relation meaningfully positive on the asset price.
Key words: asset, stock exchange, price, financial information.
3
Introduction
A sa création en 1974, initialement dénommée Bourse des Valeurs d’Abidjan (BVA) et
exclusivement réservée aux entreprises ivoiriennes, la Bourse Régionale des Valeurs
Mobilières (BRVM) a connu trois grandes phases dans son processus d’institutionnalisation.
D’abord, une première période prend racine en 1976, date de démarrage effective des activités
de la BVA pour s’achever en décembre 1996, date de la transformation de celle-ci en BRVM,
pour servir désormais les pays membres de l’Union Economique et Monétaire Ouest
Africaine (UEMOA)1. Ensuite, la deuxième phase prend naissance le 16 septembre 1998, date
à laquelle la BRVM a commencé réellement ses opérations par des transactions relatives à
douze (12) sociétés sur un total de trente et cinq (35) sociétés transférées de la BVA pour finir
au 31 décembre 2003. Durant cette deuxième phase, les opérations boursières se déroulent
trois jours par semaine, c’est-à-dire les lundis, mercredis et vendredis. La troisième et dernière
période a débuté le 2 janvier 2004, date à laquelle la bourse a commencé sa cotation
journalière jusqu’à ce jour.
Aujourd’hui, après plus d’une décennie de cotation journalière, bien qu’elle ne présente pas
les caractéristiques envieuses de ses homologues des pays développés, en termes
d’organisation informationnelle et technologique, de transaction, de liquidité et
d’investisseurs, en l’occurrence (Allen et al., 2010 et Bayala, 2002), il y a lieu de s’intéresser
à la contribution active de tous les participants, pour faire de la BRVM, un marché efficient
au sens de Fama (1965). On précise qu’un marché est efficient lorsque son cours incorpore
intégralement et instantanément une nouvelle information disponible.
Par ailleurs, les études récentes, sur le sujet, ont révélé que la publication des informations
financières affecte le cours boursier. Ce phénomène participe donc à l’orientation des
investisseurs sur les bourses de Casablanca (Boumessaoudi, 2017) de l’Inde (Bhatt &
Sumangala, 2012) du Pakistan (Asif et al., 2016, Farhan & Bakhirar, 2013), de Shangai (Wang
et al., 2013), en l’occurrence. Dans cette perspective, la présente étude se propose, à la
lumière du modèle de Poisson, de déterminer les principales informations financières et
éventuellement non financières qui pourraient influencer positivement ou négativement
le cours des actions sur la BRVM. Pour ce faire, l’étude est organisée en trois sections : la
1 Le Bénin, le Burkina Faso, la Côte d’Ivoire, la Guinée Bissau, le Mali, le Niger, le Sénégal et le Togo
composent l’Union Economique et Monétaire Ouest Africaine.
4
première section présente un aperçu théorique et empirique sur les informations financières
qui pourraient affecter le cours boursier, la deuxième section aborde les données et les
méthodes d’analyse, enfin, la troisième expose et discute les résultats de l’article.
1. Aperçu théorique des informations financières boursières
Le comportement des investisseurs en bourse, à la publication des informations financières, a
fait l’objet de plusieurs écrits tant théoriques qu’empiriques qu’il importe d’aborder
brièvement. Ces écrits abondent sur les marchés financiers des pays développés. Rares sont
les chercheurs qui s’y intéressent dans les jeunes marchés ou marchés africains,
particulièrement sur la BRVM, objet de la présente étude.
1.1 Effet financier informationnel : aperçu théorique récent
La littérature financière aborde récemment l’influence des informations financières,
nouvellement rendues disponibles, sur les marchés émergents, au Pakistan (Asif & al. 2016,
Farhan & Bathitar, 2013), au Sri Lanka (Menike & Prabath, 2014), en Inde (Bhatt &
Sumangala, 2012), en Chine à Shanghaï (Wang & Luo, 2013) même au Maghreb, à
Casablanca (Boumessaoudi, 2017). Cette littérature a constaté, sur ces marchés, une absence
d’efficience informationnelle. Ainsi, une publication des états financiers via le bénéfice, le
dividende et la valeur comptable, pourrait influencer le cours des actions sur ces marchés.
Ceux sont Ball & Brown (1968) qui ont mis en exergue cet effet bénéfice-cours. Les auteurs
ont constaté une corrélation positive entre le bénéfice et le cours boursier. Pour eux et pour
d’autres (Asif & Akbar, 2016), les investisseurs espèrent un retour rapide sur investissement à
tout profit marginal. Auparavant, Garcia-Ayuso et al. (1998) ont trouvé une relation entre le
bénéfice, la valeur comptable de l’entreprise et le cours boursier. Dès lors, une relation nourrie,
entre ces variables et le cours boursier, a commencé à avoir de beaux jours dans la littérature
financière. Khan & al. (2012) ont mis en exergue un lien fort positif entre la valeur comptable
par action et le cours boursier en comparaison dudividende par action et le bénéfice par
action.
Cette relation a particulièrement intéressé Glezakos & al.(2012), Menike& al. (2014), voire
tout récemment, Boumssaoudi (2017). Ces auteurs ont pu, chacun de son coté, moissonné et
faire ressortir un effet à considérer. Ainsi, le dividende par action, le bénéfice par action et/ou
la valeur comptable de l’entreprise ont une influence positive significative sur le cours
boursier. Il reste que nous n’avons pas eu connaissance de la mise en évidence de cette relation
sur les marchés en Afrique de l’Ouest, en particulier, sur la BRVM. C’est ce qui justifie
5
principalement la présente étude qui se propose de mettre en évidence, le cas échéant, les
principaux éléments explicatifs de ce phénomène qui s’observe depuis peu sur les marchés
boursiers émergents.
1.2Aperçu empirique récent de l’information financière et du cours boursier
Plusieurs d’auteurs ont récemment étudié l’effet d’une annonce des informations financières
sur le cours boursier. Les variables retenues pour les études concernent, en l’occurrence, le
bénéfice net par action (BNA) qui est le résultat net rapporté au nombre d’actions, la structure
financière par action (SFA), qui est l’ensemble des capitaux permanents rapporté au nombre
d’actions, le rendement des capitaux propres (RCP) qui rapporte le bénéfice net aux capitaux
propres, le ratio de liquidité générale (RLge) qui rapporte l’actif circulant au passif circulant
et le ratio de liquidité immédiate (RLim) qui rapporte l’actif circulant, excepté les créances et
les stocks, au passif circulant.
Ainsi, Boumssaoudi (2017), Zhu (2003), Wang et al. (2013) ont mis en évidence l’effet BNA-
cours boursier. Dans leurs études, les auteurs ont pu examiner une corrélation positive
significative entre ces deux variables. Par ailleurs, contrairement à l’idée primitive de
Modigliani et Miller (1958), qui ont affirmé, théoriquement que, la structure financière
n’affecte pas la valeur de la firme, certains auteurs ont, de façon empirique, constaté une
corrélation positive significative entre l’importance de la dette et la rentabilité financière de la
firme (Asif et al., 2016). Tout simplement, parce qu’un amoindrissement fiscal, induit par les
intérêts courus, impacte positivement la valeur de la firme Modigliani et Miller (op. cit.).
D’autres variables financières influencent aussi le cours boursier. Ce sont les cas des
liquidités générale et/ou immédiate. La liquidité d’une entreprise se définit comme sa capacité
à rembourser ses dettes à court terme. La liquidité générale prend en compte la valeur des
stocks ; tandis que la liquidité immédiate l’ignore du fait qu’ils soient moins liquides. Un fort
ratio de liquidité est souhaitable à toute entreprise et l’exclut d’une éventuelle défaillance.
Ainsi, Florou et Chavelas (2010) ont examiné une corrélation positive entre le ratio de
liquidité générale et le cours boursier. Par contre, Farhan et Bakhitar (2013) en n’ont observé
une corrélation négative dans le secteur pétrolier. Pour les auteurs, les équipes dirigeantes des
entreprises de ce secteur, n’ont pas su optimaliser la gestion de leurs actifs circulants.
S’agissant du ratio de liquidité immédiate, ce sont les auteurs comme Boumssaoudi (op. cit.),
Wang et al. (op. cit.) qui l’ont mis en évidence. Ils ont remarqué un effet positif entre ce ratio
(RLim) et le cours boursier. Pour finir, d’autres auteurs (Asif et al., 2016, Wang et al., 2013)
6
ont examiné un effet positif très significatif entre le Return on equity (ROE) encore appelé le
Rendement des capitaux propres (RCP). Car, un fort taux de ce rendement montre que la
firme dispose de ressources propres pour financer sa croissance.
Ceci étant, il convient de préciser que les variables précédemment abordées sont celles
explicatives de la variable expliquée Market value per share (MVS), le plus souvent utilisé par
les auteurs suscités, en l’occurrence Boumssaoudi (2017), Farhan et Bakhitar (2013), Bhatt et
Sumanagala (2012). Car, c’est le MVS qui permet d’étudier la performance des managers
dans la création de la valeur pour l’actionnariat. Il est obtenu en rapportant le cours boursier à
la valeur comptable de l’action.
2. Données et modèles d’analyse
2.1 Données et variables
Les données de l’étude sont des données secondaires. Elles sont obtenues sur l’internet via les
fichiers de la BRVM. Ces données concernent les cours boursiers journaliers, les rendements
annuels du marché et les indicateurs de performance financière. Ces données couvrent
initialement la période 2010-2017 et concernent 43 entreprises. Après des traitements
adéquats en fonction des objectifs de l’étude, les données disponibles couvrent la période
2011-2016 et concernent finalement 38 entreprises cotées sur les 42 entreprises ; soit un
pourcentage d’environ 86 %.
Les autres données, surtout des données comptables, proviennent du fichier de la BRVM
retenue pour l’étude et concernent notamment, les capitaux propres, les dettes financières, le
passif circulant, l’actif circulant, le nombre d’actions, le dividende distribué. Après avoir
respecté tous les critères ainsi décrits et éliminé toutes les entreprises ayant des données
manquantes pour la période 2010-2017, notre échantillon se réduit à 36 entreprises retenues
pour l’étude sur la période 2010-2016 et réparties dans six secteurs principaux : industriel,
financier, distribution… avec respectivement 11, 8, 6… entreprises constituant l’échantillon
d’étude (cf.tableau 1. Annexe). Par la suite, la mesure des variables est exposée.
Les mesures des variables indépendantes et dépendantes sont présentées successivement. A
l’instar de nombre d’auteurs évoqués supra, en l’occurrence, Boumessaoudi (2017), Wang et
al. (2013) Asif et al. (2016), Farhan & Bakhitar (2013), Bhatt & Sumangala (2012), les
variables indépendantes de l’article sont : le bénéfice net par action (BNA), la structure
financière par action (SFA), le rendement des capitaux propres (RCP), le ratio de liquidité
générale (RLg) et le ratio de liquidité immédiate (RLi).
7
En plus de ces variables explicatives, la littérature financière nous suggère d’y ajouter, au
besoin, le dividende net par action (DNA) et le price earning ratio (PER) qui sont des
indicateurs de performance financière, souvent utilisés dans les études financières des
entreprises cotées (Brown & Warner, 1968, Odjo, 2017, Yessoufou, 2015). A ces variables
quantitatives, il importe de s’intéresser à certaines variables qualitatives propres à l’entreprise
comme son secteur d’activité, le nombre d’années d’expérience accumulé sur la bourse, le
nombre annuel de transactions opérées sur le titre sur le marché boursier (Yessoufou, op. cit.).
Selon l’auteur, l’importance de ces variables n’est plus à démontrer dans l’orientation du
comportement des investisseurs sur le marché boursier.
Par ailleurs, le tableau 2, en annexe, décrit statistiquement, les autres variables explicatives de
l’article. Ce tableau 2 indique que la variable RCF en logarithme présente le plus fort moyen
établi à 8,7 suivi par ceux de BNA, RLi, AGE… En outre, la variable RLge présente en
logarithme le plus fort écart-type de 29,8253 suivi des variables VNT, SFA… qui présentent
respectivement 23,6985, 17,0679 comme écarts-types. Il en est de même de la variable
expliquée qui est le Q de Tobin (1956), généralement utilisé par nombre de chercheurs. Il
rapporte la capitalisation boursière à la valeur comptable de l’entreprise. Ce Q évalue, mieux
que le MVS, la performance de l’équipe dirigeante dans la création de la valeur pour
l’actionnariat.
Enfin, le tableau 3 (en Annexe) expose la corrélation entre les variables de l’étude. A la
lecture de ce tableau 3, on y observe que la plupart des variables explicatives sont en
corrélation positive avec la variable dépendante Q, excepté les variables SFA, RLge et NRS
qui sont en corrélation négative avec celle-ci.
2.2 Modèles économétriques d’analyse
Il convient de rappeler que la présente étude vise à identifier les informations financières
rendues publiques dans les états financiers qui influencent le cours boursier des entreprises
cotées à la BRVM couvrant la période 2011-2016. Pour y parvenir, le modèle logarithme
linéaire ou modèle de Poisson est mobilisé :
𝑙𝑛𝑄𝑖,𝑡 = 𝛽0 + 𝛽1lnBNA𝑖,𝑡 + 𝛽2lnSFA𝑖,𝑡 + 𝛽3lnRCP𝑖,𝑡 + 𝛽4lnRLg𝑖,𝑡 + 𝛽5lnRLi𝑖,𝑡 + 𝛽6lnNRS𝑖,𝑡
+ 𝛽7lnAGE𝑖,𝑡 + 𝛽8lnV𝑁𝑇𝑖,𝑡 + 𝜀𝑖,𝑡 (1. 𝑓)2
2Le passage à l’équation 1.f supra a obéi aux équations successives suivantes :
− 𝑙𝑛𝑄𝑖,𝑡 = 𝛽0 + 𝛽1lnBNA𝑖,𝑡 + 𝛽2lnSFA𝑖,𝑡 + 𝛽3lnRCP𝑖,𝑡 + 𝜀𝑖,𝑡 (1. 𝑎) relative uniquement à certains éléments du
passif ;
8
où :
- ln : le logarithme népérien
- Qit : Q de Tobin du titre i à la date t;
- 𝛽0 : la constante du modèle ;
- 𝛽𝑖 : les paramètres (élasticités ou sensibilités) du modèle ;
- BNAit : Bénéfice net par action du titre i à la date t ;
- SFAit : Structure Financière par Action du titre i à la date t;
- RCPit : Rendement des Capitaux Propres du titre i à la date t ;
- RLgit : Ratio de liquidité générale du titre i à la date t ;
- RLiit : Ratio de liquidité immédiate du titre i à la date t ;
- NRSit : Niveau de risque du secteur d’activité du titre i à la date t ;
- AGEit : Année d’ancienneté d’introduction en bourse du titre i à la date t ;
- VNTit : Variation du nombre de transactions annuel du titre i à la date t.
S’agissant du secteur d’activité, son importance se mesure par l’amoindrissement de son
niveau du risque total mesuré par l’écart-type. La référence, via le modèle Tobit, est le secteur
financier qui est moins risqué que les autres secteurs sur la BRVM (Yessoufou, 2015).
Pour finir, il urge de préciser que l’analyse économétrique adoptée fait intervenir, de façon
progressive, chaque variable du modèle afin d’identifier celle (s) qui se révèlent être
− 𝑙𝑛𝑄𝑖,𝑡 = 𝛽0 + 𝛽4lnRLg𝑖,𝑡 + 𝛽5lnRLi𝑖,𝑡 + 𝜀𝑖,𝑡 (1. 𝑏) relative uniquement à certains éléments de l’actif du
bilan ;
− 𝑙𝑛𝑄𝑖,𝑡 = 𝛽0 + 𝛽1lnBNA𝑖,𝑡 + 𝛽2lnSFA𝑖,𝑡 + 𝛽3lnRCP𝑖,𝑡+𝛽4lnRLg𝑖,𝑡 + 𝛽5lnRLi𝑖,𝑡 + 𝜀𝑖,𝑡 (1. 𝑐) combinaison de
(1.a) et (1.b) ;
− 𝑙𝑛𝑄𝑖,𝑡 = 𝛽0 + 𝛽6NRS𝑖,𝑡 + 𝛽7lnAGE𝑖,𝑡 + 𝛽8lnV𝑁𝑇𝑖,𝑡 + 𝜀𝑖,𝑡 (1. 𝑑) relative uniquement aux variables
qualitatives ;
− 𝑙𝑛𝑄𝑖,𝑡 = 𝛽0 + 𝛽4lnRLg𝑖,𝑡 + 𝛽5lnRLi𝑖,𝑡 + 𝛽6lnNRS𝑖,𝑡 + 𝛽7lnAGE𝑖,𝑡 + 𝛽8lnVNT𝑖,𝑡 + 𝜀𝑖,𝑡 (1. 𝑒) combinant (1.b)
et (1.d). On a négligé intuitivement une combinaison entre les modèles combinant (1.a) et (1.d) avant de passer
directement au modèle (1.f) supra.
9
théoriquement satisfaisantes, statistiquement significatives et économétriquement validées.
L’usage du logiciel Eviews 7, via la méthode des moindres carrés ordinaires (MCO) et du
maximum de vraisemblance, a permis d’avoir les résultats infra.
3. Résultats : analyse et discussion
Le tableau 4 en annexe présente les résultats du modèle de Poisson entre la variable expliquée
ln Q et les variables explicatives, notamment ln BNA, ln SFA, ln RCP… Il convient de
rappeler que les résultats sont obtenus, de façon progressive, en régressant:
- 1. la variable expliquée lnQ avec les variables explicatives financières : les variables
explicatives du passif du bilan ln BNA, ln SFA et ln RCP (modèle 1.a), les variables
explicatives de l’actif du bilan ln RLge et ln RLi (modèle 1.b) et une combinaison des
modèles (1.a et 1.b) donnant le modèle (1.c);
- 2. la variable expliquée lnQ avec les variables non financières lnNRC, lnAGE et
lnNTR (modele 1.d) ;
- 3. la variable expliquée lnQ avec la combinaison des variables financières et non
financières donnant les modèles (1.e & 1.f) dont les résultats de l’estimation du
modèle (1.f) se présentent comme suit :
𝑙𝑛𝑄𝑖,𝑡 = 0.6163 + 0.0024lnBNA𝑖,𝑡 + 0.0018lnSFA𝑖,𝑡 + 0.0131lnRCP𝑖,𝑡 − 0.0431lnRLg𝑖,𝑡
+ 0.0033lnRLi𝑖,𝑡 + 0.2877lnNRS𝑖,𝑡 + 0.0141lnAGE𝑖,𝑡 − 0.2173lnV𝑁𝑇𝑖,𝑡 + 𝑒𝑖,𝑡
Les résultats de ce modèle (1.f) du tableau 4 (en annexe) montrent clairement que toutes les
variables explicatives sont positivement corrélées avec la variable explicative lnQ, sauf les
variables explicatives lnRLg et lnVNT qui ont une corrélation négative et non significative
avec elle. Parmi les variables explicatives, positivement corrélées, avec la variable expliquée
lnQ, seules les variables lnBNA et lnAGE sont significatives au seuil de 1% et les variables ln
RCP et ln lnRLi le sont au seuil de 5%. Après avoir pris certaines précautions
économétriques, les tests de Breush-Godfreyet de White respectivement relatifs à l’absence
d’autocorrélation et à l’homoscédasticité des erreurs dans le modèle(1.f) et en réduisant les
variables explicatives aux celles seulement significatives, on obtient le résultat suivant (cf.
tableau 5 en annexe) :
𝑙𝑛𝑄𝑖,𝑡 = 0.25648 + 0.0167lnBNA𝑖,𝑡 + 0.0098lnRCP𝑖,𝑡 + 0.0046lnRLi𝑖,𝑡 + 0.0024lnAGE𝑖,𝑡 + 𝑒𝑖,𝑡
10
qui améliore la qualité de l’estimation du modèle avec un coefficient de détermination R2
s’établissant à 57%.
Il importe de discuter à présent les résultats de l’étude avec ceux antérieurs. Nos résultats
confirment ceux des auteurs comme Boumessaoudi (2017), Wang et al. (2013), Zhu (2003)
qui ont trouvé une corrélation positive significative entre la variable expliquée et le bénéfice
net par action (BNA) ainsi que le ratio de liquidité immédiate (RLi). Il en est de même de nos
résultats avec ceux d’Asif et al. (2016) et Wang et al. (op. cit.) en ce qui concerne le
rendement des capitaux propres. Tout ceci en rapport avec les informations financières.
Mais l’originalité de notre étude a consisté à ouvrir une brèche aux informations non
financières dans le contexte ouest africain, telles que la prise en compte du niveau du risque
du secteur d’activité (NRS), du nombre des transactions effectuées (NTR) et du nombre
d’années d’expérience de l’entreprise à la cotation boursière (AGE). A ce niveau, seule celui-
ci (AGE) qui est une variable non financière participe à l’orientation des investisseurs sur la
Bourse Régionale des Valeurs Mobilières à l’instar des variables purement financières
évoquées précédemment.
Conclusion : limites et perspectives
Nombre de recherches se sont penchées, tout récemment, sur les relations qui pourraient
exister entre la publication d’informations financières et le cours boursier. Notre étude
s’inscrit dans cette lignée et a eu pour objectif de déterminer les principales informations
financières et non financières, à même d’influencer le cours des actions sur la Bourse
Régionale des Valeurs Mobilières. Pour y arriver, l’étude a mobilisé les travaux antérieurs
tant théoriques qu’empiriques. Ces travaux recommandent l’utilisation des variables
financières explicatives comme le bénéfice net par action ou BNA (Boumssaoudi, 2017, Zhu,
2003, Wang et al., 2013), la structure financière par action ou SFA (Asif et al., 2016), le
rendement des capitaux propres (RCP), le ratio de liquidité générale (RLge) et le ratio de
liquidité immédiate (RLim) abordés par Florou et Chavelas (2010).
A ces variables financières, nous y avons ajouté, à la lumière des travaux de Yessoufou
(2015) et Odjo (2017), les variables non financières comme le niveau du risque du secteur
d’activité (NRS), le nombre annuel de transactions sur un titre (NTR) et le nombre d’années
d’expérience en cotation boursière à la BRVM qui pourraient éventuellement expliquer la
variable dépendante de l’étude qu’est le Q de Tobin ou le market value per share (MVS). Les
données disponibles utilisées par l’article ont été prélevées dans les fichiers de la BRVM et
11
ont couvert la période 2011-2016. Ces données secondaires ont concerné trente et six (36)
entreprises cotées.
Par la suite, après avoir pris certaines précautions économétriques et en faiant usage du
modèle de Poisson, les résultats obtenus ont montré que seuls le rendement des capitaux
propres (RCP), le bénéfice net par action (BNA), le ratio de liquidité immédiate (RLi) et le
nombre d’années d’expérience de l’entreprise sur la bourse (AGE) ont une relation
significativement positive sur le cours des actions. Ces résultats de l’étude ont confirmé ceux
des auteurs antérieurs, notamment Boumessaoudi (2017), Wang et al. (2013), Zhu (2003),
Asif et al. (2016) du point de vue effet informations financières (RCP, BNA et RLi).
Au-delà, les résultats obtenus ont révélé qu’une autre variable, mais cette fois, non financière
participe aussi à l’orientation des investisseurs sur la BRVM. Il existe probablement d’autres
variables explicatives tant financières que non financières non prises en compte dans la
présente étude comme les variables macroéconomiques tels que le taux d’intérêt, le taux de
change, le produit intérieur brut, l’absence de culture financière comme le suggère
Boumessaoudi. La prise en compte de ces limites de l’étude pourrait constituer des axes de
recherches ultérieures.
12
Références bibliographiques
Allen F., Otchere I. et Senbet L., (2010) : “African Financial Systems: A Review”, Wharton
Financial Institutions Center, University of Pennsylvania, Working paper, pp 10-11.
Asif M., Arif K., & Akbar K., (2016) : “Impact of Accounting Information on Share Price :
Empirical Evidence from Pakistan Stock Exchange”, International Finance and
Banking,Vol.3,N°1.
Ball R. & Brown P., (1968) : “An Empirical Evaluation of Accounting Income”, Journal of
Accounting Research, 6,159-178.
Bayala B. S. A., (2002) : "La bourse régionale des valeurs mobilières en Afrique de l’Ouest.
L’introduction en bourse : pourquoi et pourquoi pas ? Les sociétés et les investisseurs", Thèse
de doctorat en Sciences Economiques, Université de Groningen.
Bhatt P. & Sumangala J. K, (2012) : “Impact of Earnings per share on Market Value of an
equity share : An Empirical Study in Indian Capital Market”, Journal of Finance, Accounting
and Management, 3(2),1-14.
Boumessaoudi N., (2017) : L’impact des informations financières sur le cours boursier : étude
empirique sur la Bourse de valeur de Casablanca », Revue d’Etude en Management et Finance
d’Organisation, N° 5, juillet, pp.1-15.
Fama E. F., (1970) : "Efficient Capital Markets: a Review of Theory and Empirical Work",
Journal of Finance, vol. 25.
Farhan M. M. & Bakhirar A., (2013) : “Value Relevance of Accounting Information : Evidence
from Fuel and Energy Sector of Pakistan”, Journal of Basicand Applied Scientific Research,
3(7)884-891.
Florou C. & Chavelas C., (2010) : “Key Accounting Value Drivers that Affect Stock Returns :
Evidence from Greece”, Managerial Finance, 36(11),921-930.
Garcia-Ayuso M., Monterrey J. & Pineda C., (1998) : “Empirical evidence on the convex
relationship between prices earnings and book values : ther oleofab normal earnings inequity
valuation”,Workingpaper.University of Seville.
Glezakos M. & Kafouros C., (2011) : “The Impact of Accounting Information on Stock Prices :
Evidence from the Athens Stock Exchange”, International Journal of Economics and Finance
Vol.4,N°2.
Odjo S., (2017) : “Frontière efficiente et réputation : une étude empirique sur la Bourse Régionale
des Valeurs Mobilières”, Mémoire de master, Pigier-Bénin.
Wang J., Fu G. & Luo C., (2013) : “Accounting Information and Stock Price Reaction of Listed
Companies—Empirical Evidence from 60 Listed Companies in Shanghai Stock Exchange”,
Journal of Business & Management Volume 2, Issue 2,11-21.
Zhu,W.X.(2003) :“The Information of Stock Price in Response to the Volume of Circulating
Common Stocks”, China Soft Science, 2003(2),44-47.
Yessoufou A. R., (2015) : “Dividende, réaction boursière et réputation dans le contexte
culturel africain : une étude empirique sur la Bourse Régionale des Valeurs Mobilières”,
Thèse de Doctorat en Sciences de Gestion, FASEG/UAC.
13
ANNEXE
Tableau 1 : Catégorisation sectorielle de l’échantillon d’étude 2011-2016
Source : les auteurs, 2018
Tableau 2 : Caractéristiques descriptives des variables (Nombre d’observations : 288)
Secteurs Effectif
Echantillon
Effectif
Moyen
Pourcentage
(%)
Industrie 11 11 100,00
Public 4 4 100,00
Finance 8 12 66,67
Transport 2 2 100,00
Agriculture 4 5 80,00
Distribution
autre secteur
6
1
7
1
85,7
100,00
TOTAL 36 42 85,71
Variables Mesures Nbr
Obs.
Min Mean Max Std.
Dev.
lnQ
𝑙𝑛𝐶𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝐵𝑜𝑢𝑟𝑠𝑖è𝑟𝑒
𝑉𝑎𝑙𝑒𝑢𝑟 𝐶𝑜𝑚𝑝𝑡𝑎𝑏𝑙𝑒
288
3,6892
5,7897
6,6598
11,0329
lnBNA
𝑙𝑛𝐵é𝑛é𝑓𝑖𝑐𝑒 𝑁𝑒𝑡
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑′𝑎𝑐𝑡𝑖𝑜𝑛𝑠
288
6,3506
8,0369
9,7258
14,052
lnSFA
𝑙𝑛𝐶𝑎𝑝𝑖𝑡𝑎𝑢𝑥 𝑃𝑟𝑜𝑝𝑟𝑒𝑠 + 𝐷𝑒𝑡𝑡𝑒𝑠 𝐹𝑖𝑛𝑎𝑛𝑐𝑖è𝑟𝑒𝑠
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑′𝑎𝑐𝑡𝑖𝑜𝑛𝑠
288
2,7698
3,6797
6,6977
17,0679
lnRCP
𝑙𝑛𝑅é𝑠𝑢𝑙𝑡𝑎𝑡 𝑁𝑒𝑡
𝐶𝑎𝑝𝑖𝑡𝑎𝑢𝑥 𝑃𝑟𝑜𝑝𝑟𝑒𝑠
288
3,6264
8,6964
19,5298
12,5512
lnRLge
𝑙𝑛𝐴𝑐𝑡𝑖𝑓 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡
𝑃𝑎𝑠𝑠𝑖𝑓 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡
288
0,3506
4,1627
7,4762
29,8253
lnRLim
𝑙𝑛𝐴𝑐𝑡𝑖𝑓 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡 − 𝑆𝑡𝑜𝑐𝑘𝑠
𝑃𝑎𝑠𝑠𝑖𝑓 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡
288
3,6523
7,2398
15,7615
8,7823
lnNRS
ln(écart-type des rendements des titres)
288
2,6284
4,9236
8,6235
2,1347
lnVNT
𝑙𝑛𝑁𝑇𝑡 − 𝑁𝑇𝑡−1
𝑁𝑇𝑡−1(∗)
288
0,8732
2,6538
7,5412
23,6985
lnAGE Nombre d’âges d’ancienneté 288 0,6744 1,7535 2,9957 1,8723
14
Source : les auteurs, 2018
Tableau N° 3 : Corrélation entre les variables étudiées
lnQ lnBNA lnSFA lnRCP lnRLge lnRLim lnNRS lnVNT lnAGE
lnQ 1.0000 lnBNA 0.2633 1.0000
lnSFA -0.0009 -0.0429 1.0000 lnRCP 0.2385 0.1133 0.1536 1.0000
lnRLge -0.2546 -0.1157 -0.4163 -0.0162 1.0000 lnRLim 0.2251 0.1243 -0.0133 0.0014 0.0285 1.0000
lnNRS -0.0005 -0.0263 -0.0164 0.0104 -0.0336 0.0019 1.0000 lnVNT 0.0097 -0.0328 0.0144 -0.0087 0.0126 -0.0652 0.0127 1.0000
lnAGE 0.1274 0.1335 -0.0433 0.0649 -0.0324 0.0951 -0.1861 0.1042 1.0000
Source : les auteurs, 2018
Tableau 4 : Régressions linéaire de Poisson (2010-2016) 𝑙𝑜𝑔𝑄𝑖,𝑡 = 𝛽0 + 𝛽1𝑙𝑜𝑔BNA𝑖,𝑡 + 𝛽2𝑙𝑜𝑔SFA𝑖,𝑡 + 𝛽2𝑙𝑜𝑔RLg𝑖,𝑡 + 𝛽4𝑙𝑜𝑔RLi𝑖,𝑡 + 𝛽3𝑙𝑜𝑔RCP𝑖,𝑡 + 𝛽6logNRS𝑖,𝑡
+ 𝛽7𝑙𝑜𝑔AGE𝑖,𝑡 + 𝛽8𝑙𝑜𝑔𝑁𝑇𝑅𝑖,𝑡 + 𝜀𝑖,𝑡 (1. 𝑓)
lnQ Attentes (1.f) (1.e) (1.d) (1.c) (1.b) (1.a)
logBNA
(p-value)
+ 0.00244**
(0.0000)
- - 0.00126*
(0.0001)
- 0.00163*
(0.0001)
logSFA
(p-value)
+ 0.00176
(0.0760)
- - 0.00285
(0.5730)
- 0.00175
(0.530)
logRCP
(p-value)
+ 0.01308*
(0.0438)
- - 0.0110*
(0.0322)
- 0.0110*
(0.0421)
logRLg
(p-value)
+/- -0.04314
(0.0030)
-0.03623
(0.0042)
- -0.0561
(0.0330)
-0.03623
(0.0468)
-
logRLi
(p-value)
+ 0.00333**
(0.0000)
0.00232**
(0.0000)
- 0.00428**
(0.0000)
0.00289**
(0.0001)
-
logNRS
(p-value)
+/- 0.28768
(0.0610)
0.287688
(0.0710)
0.23521
(0.0420)
- - -
logAGE
(p-value)
+ 0.01412*
(0.006)
0.00628*
(0.0001)
0.0126*
(0.0001)
- - -
logNTR
(p-value)
+ -0.21733
(0.0540)
-0.26945
(0.0000)
-0.53349
(0.0000)
- - -
Constante
(p-value)
0.616267
(0.000)
0.532965
(0.0000)
0.616098
(0.0000)
0.456475
(0.0000)
0.518097
(0.0000)
0.66267
(0.0000)
σ2 0.186803 0.234372 0.367328 0.332748 0.427445 0.521838
F
(p-value)
8,25
(0.0000)
4,37
(0.0001)
8,15
(0.0001)
11,02
(0.0002)
9,23
(0.0001)
6,67
(0.0000)
15
R2 35% 15% 5% 24% 14% 12%
**Significatif au seuil de 1 % ; *Significatif au seuil de 5 % ; la p-value se trouve entre parenthèses
Source : les auteurs, 2018
Tableau 5 : Régressions linéaire de Poisson avec les variables significatives (2010-2016)
𝑙𝑜𝑔𝑄𝑖,𝑡 = 𝛼0 + 𝛼1𝑙𝑜𝑔BNA𝑖,𝑡 + 𝛼2𝑙𝑜𝑔RCP𝑖,𝑡+𝛼3𝑙𝑜𝑔RLi𝑖,𝑡+𝛼4logAGE𝑖,𝑡 + 𝜀𝑖,𝑡
**Significatif au seuil de 1 % ; *Significatif au seuil de 5 % .
Source : les auteurs, 2018
lnQ Coef. Std. Error z 𝑃 > |𝑧|
lnBNA 0.01672 0.008750 3.47 0.0000
lnRCP 0.09795 0.034571 4.36 0.0001
lnRLim 0.04589 0.019303 4.08 0.0000
lnAGE 0.02411 0.163845 2.75 0.0001
Constante 0.15647 0.118394 7.03 0.0000
σ2 0.95537 0.03573
F 0.15647 0.41463
R2 56,987%
