Performance opérationnelle_dauphine2007 - CEREG

Quel Présage à Long Terme pour la Performance Opérationnelle des
Entreprises Émettrices d’Obligations Convertibles en France
Elbadraoui Khalid
ATER
Institut de Gestion de Rennes
CREM UMR CNRS n° 6181
khalid.elbadraoui@univ-rennes1.fr
Lilti Jean Jacques
Professeur des Universités
Institut de Gestion de Rennes
CREM UMR CNRS n° 6181
jean-jacques.lilti@univ-rennes1.fr
(Version août 2007)
M’zali Bouchra
Professeur Titulaire
Ecole des Sciences de la Gestion
Université du Québec à Montréal
mzali.bouchra@uqam.ca
Résumé :
Abstract:
Dans le présent article nous analysons la
performance opérationnelle à long terme d’un
échantillon de 97 placements d’Obligations
Convertibles (OC) opérés par voie d’appel
public à l’épargne en France entre 1990 et 2002.
Nos résultats, robustes aux étalons, aux
modèles et aux indicateurs de mesure de
performance utilisés, mettent en exergue une
sous-performance, économiquement et
statistiquement significative, des émetteurs
d’OC relativement à leurs firmes comparables
sur un horizon de long terme après l’émission.
Cette conclusion, en harmonie avec les
résultats obtenus sur le marché américain, est
l’une des explications plausibles de la sousperformance
boursière mise en relief
récemment chez les émetteurs d’OC en France.
En revanche, notre recherche ne fournit
aucune évidence quant à la surperformance
opérationnelle des entreprises émettrices avant
l’émission d’OC.
Par ailleurs, l’étude des déterminants de la
performance opérationnelle à long terme des
entreprises émettrices à l’aide de la régression
PLS (Partial Least Squares), montre que la
sous-performance de ces dernières doit être
relativisée par un certain nombre de facteurs
caractérisant la firme émettrice et l’offre d’OC.
Mots clés : Emission d’obligations convertibles,
Performance opérationnelle à long terme,
Sous-performance, Surperformance.
Classification JEL : G14; G32 ; L25
Our paper analyzes the long-run operating
performance of a sample of 97 public
convertible bonds (CB) issues made on the
French market from 1990 to 2002.
Based on the operating performance, firms
issuing convertible bonds under-perform
substantially non-issuing firms from pre to
post-issue periods. Our findings are robust
with respect to the various benchmarks and
operating performance measures employed.
This post-offering earning downturn confirms
findings of previous studies undertaken in the
USA market and is consistent with the poor
long term post-issue stock price performance
recently highlighted on the French CB market.
However, offering companies do not exhibit
any significant increase in operating
profitability prior to the issue.
We also examine the relation between several
factors and operating performance using PLS
(Partial Least Squares) regression approach.
Our results show a strong relationship
between the post-issue change in operating
performance and some issuer and issue
features.
Keywords: Convertible bonds offering, Longrun
operating performance, Underperformance,
Over-performance.
JEL classification: G14; G32; L25
Copyright © 2007. Tous droits réservés. All rights reserved. 1

1. Introduction
Très peu d’entreprises génèrent suffisamment de fonds à l’interne pour combler tous leurs
besoins de liquidité ou d’investissement. Même les entreprises rentables sont amenées à se
procurer des capitaux externes pour prendre de l’expansion et maintenir leur compétitivité
sur des marchés caractérisés par une concurrence de plus en plus exacerbée.
Le financement externe des entreprises présente des formes diverses et variées. Pour
l’essentiel, l’entreprise a recours à des émissions de titres primaires tels que les actions et les
obligations. Mais elle peut également recourir à un financement par des titres hybrides tels
que les obligations convertibles (ci-après OC), et c’est ce à ce mode de financement que nous
nous intéresserons plus particulièrement dans le cadre de cette étude.
Depuis le milieu des années 1990, les émissions d’OC ont connu en France un essor
considérable à cause, notamment, des changements, aussi bien structurels que conjoncturels,
qui ne cessent de marquer le marché boursier. Cependant, les théories d’agence et du signal
nous enseignent que dans un marché imparfait, le financement par OC n’est pas sans
incidence sur la valeur de la firme. Ce constat rejoint l'expérience des études 1 empiriques,
réalisées sur différentes périodes et dans plusieurs pays. La principale conclusion qui se
dégage de ces études, dites « études événementielles à court terme », est que l’annonce de
l’émission d’OC est associée en moyenne à un signal négatif mais avec une ampleur moins
prononcée que celle observée chez les émetteurs d’actions. Sachant que les émissions
d’obligations sèches n’entrainent en moyenne aucune réaction, ce résultat est cohérent avec
la théorie du financement hiérarchique (Pecking Order Theory) de Myers et Majluf (1984) et le
modèle de Stein (1992).
Toutefois, des études plus récentes ayant observé le comportement du cours boursier de
l’émetteur sur une longue période après l’émission, s’accordent pour dire que la baisse
enregistrée au moment de l’annonce de l’émission n'était pas proportionnelle à la portée
réelle de la nouvelle à cet instant et que le cours de l’émetteur continue à décliner plusieurs
mois d'affilée après l’émission. Autrement dit, les investisseurs commettent
systématiquement des erreurs dans la façon dont ils traitent le signal envoyé par l’entreprise
émettrice lors de l’annonce de l’offre d’OC et tardent à reconnaître ses effets réels sur la
valeur de l’entreprise. Cette réaction biaisée, connue sous le nom du phénomène de « sousréaction
», va à l’encontre du principe de l’efficience informationnelle des marchés qui
suppose que l’information est intégrée rapidement et adéquatement dans les prix des titres.
De nombreux auteurs se sont donc tournés vers les études d’événement à long terme afin
de vérifier jusqu’à quel point la réaction négative du cours de l’émetteur enregistrée au
moment de l’annonce de l’émission d’OC persiste pendant la période post-émission. Spiess
et Affleck-Graves (1999), par exemple, ont reporté une sous-performance moyenne de l’ordre
de -36.95%, significative au seuil de 1%, pour les émetteurs américains d’OC relativement à
des entreprises comparables sur une période post-émission de cinq années. Ce recul de la
performance boursière sur le long terme a été également confirmé sur les marchés japonais
(Kang et al., 1999), anglais (Abhyankar et Ho, 2002) et français (Elbadraoui, 2007).
Etant donné que l’information comptable constitue une source d’information
déterminante pour les investisseurs, certains auteurs se sont interrogés : dans quelle mesure
le déclin de la performance boursière à long terme des firmes suite à une émission d’OC
refléterait la dégradation de leur performance opérationnelle 2
Cette question a catalysé de nombreuses recherches qui se sont basées sur la méthodologie
des études événementielles à long terme et sur des indicateurs comptables de performance.
1 Voir Cheng et al. 2005 ou Abhyankar et Dunning (1999) pour une revue de littérature récente et exhaustive.
2 Dite aussi performance économique ou d’exploitation. Il s’agit de la rentabilité procurée par les outils de
production en place, abstraction faite du mode de financement.
Copyright © 2007. Tous droits réservés. All rights reserved. 2

Toutes réalisées dans le contexte américain 3 , ces études concluent que les entreprises
émettrices d’OC sous-performent des entreprises comparables sur un horizon de long terme
(trois à cinq ans) après l’émission. Certaines de ces études ont également montré que cette
sous-performance des firmes émettrices est précédée d’une amélioration significative de leur
rentabilité opérationnelle anormale, laissant supposer que le comportement de financement
de ces firmes est édicté par des considérations de timing.
Les conclusions de ces études sur les émissions d’OC sont comparables à celles de
McLaughlin et al. (1996) et Loughran et Ritter (1997), qui ont mis en évidence une baisse
(hausse) significative de l’ensemble des indicateurs des firmes américaines après (avant)
l’émission d’actions. Ces résultats renforcent l’argument de Stein (1992) selon lequel l’OC est
un substitut de l’action (Backdoor equity) et contribue en même temps à l’enrichissement de la
littérature sur la structure du capital.
L’objectif de cette étude est d’examiner la performance opérationnelle à long terme des
émetteurs d’OC en France et ce, avant et après l’émission. Sur la base des émissions d’OC
réalisées entre 1990-2002, nous visons d’une part, à détecter les gains ou pertes de valeur
enregistrés par les entreprises émettrices postérieurement et antérieurement à l’offre d’OC.
D’autre part, nous visons à identifier les facteurs susceptibles d’expliquer le niveau de la
performance opérationnelle des émetteurs observée après l’émission et ce, en effectuant une
analyse multivariée fondée sur l’approche PLS.
Le reste de cet article est organisé de la manière suivante. Dans la deuxième section nous
présenterons le cadre théorique des émissions d’OC. Dans la troisième section nous
passerons en revue les principaux résultats des études empiriques précédentes. Les données
utilisées et la méthodologie adoptée seront décrites dans les sections quatre et cinq
respectivement. Dans la section six nous présenterons et commenterons les résultats de
l’étude d’événement. Enfin, et avant de conclure, ces derniers feront l’objet d’une analyse
multivariée dans la section sept.
2. La revue de la littérature théorique
Grâce à leur nature hybride, les OC sont très souvent mises en avant par les nouveaux
courants de la théorie financière moderne comme une solution aux imperfections liées aux
modes de financement de la firme et à son organisation managériale. Ces imperfections, qui
s’illustrent essentiellement par les conflits d’agence et les problèmes d’hasard moral, sont
génératrices de coûts qui ne sont pas sans incidence sur la performance opérationnelle de la
firme et, de là, sur sa valeur.
Les motifs sous-jacents aux émissions d’OC émanent de plusieurs théories. Nous
présenterons dans cette section les théories les plus importantes. Quant aux implications de
ces théories sur la performance opérationnelle post-émission des émetteurs, elles seront
analysées en détail lors de la description des variables exogènes utilisées dans les modèles de
régression (paragraphe 7.3).
2.1. Réduction des conflits d’agence liés à la dette
Jensen et Meckling (1976) sont parmi les premiers à avoir identifié le danger de
substitution d’actifs ou d’investissement sous-optimal. Les actionnaires-dirigeants peuvent
en effet avoir une forte incitation à accroître la richesse des actionnaires au détriment de celle
des obligataires et ce, en émettant de nouvelles dettes ou en sélectionnant des projets
d’investissement très risqués (projets à VAN négative) qui, en cas de succès, leur
procureraient des gains potentiels très élevés. Dans le cadre plus particulier d’un
financement par OC, Green (1984) a modélisé les conflits d’intérêts entre les actionnaires et
les créanciers et a affirmé que les coûts d’agence de la dette sont la motivation la plus
3 À notre connaissance, il n’existe aucune étude publiée sur la performance opérationnelle à long terme des
entreprises émettrices d’OC dans un pays autre que les États-Unis.
Copyright © 2007. Tous droits réservés. All rights reserved. 3

importante d’une émission d’OC. En effet, la valeur de l’OC est faite de deux composantes :
l’une correspond à la valeur du plancher obligataire et l’autre à la valeur de l’option d’achat
sur les actions de l’entreprise émettrice. Or, cette dernière composante est fonction du cours
du sous-jacent, ce qui permet aux créanciers, en tant qu’actionnaires potentiels, de profiter
d’une éventuelle hausse de la valeur des capitaux propres et de faire barrage aux transferts
de richesse dus aux comportements des dirigeants. La clause de convertibilité de l’OC peut
être donc analysée comme un engagement de la part des dirigeants à ne pas procéder à des
substitutions d’actifs.
2.2. Insensibilité au risque de l’émetteur
Brennan et Schwartz (1988) montrent que les OC sont traditionnellement émises par des
entreprises qui peuvent être rangées dans une ou plusieurs des catégories suivantes : (1)
« entreprises perçues par les investisseurs comme étant risquées » ; (2) « entreprises dont le
risque est difficilement estimable » ; (3) « entreprises dont la politique d’investissement est
délicate à prévoir par les investisseurs ». Ainsi, les firmes dont le risque d’exploitation et/ou
financier est élevé verront leurs cours subir une importante décote en cas de financement par
actions nouvelles (coût de sélection adverse). De même, au cas où ces firmes optent pour
l’émission d’obligations sèches, les bailleurs de fonds exigeront un taux d’intérêt sans risque
majoré d’une importante prime de risque de défaut, en rémunération du risque qu’ils
accepteront d’encourir.
La valeur de l’OC est par contre relativement insensible au risque de l’entreprise
émettrice. Cela s’explique par le fait que la baisse de la valeur de la composante obligataire
engendrée par un accroissement du risque de l’émetteur serait compensée, au moins
partiellement, par l’amélioration de la valeur de la composante optionnelle qui serait
produite par le même accroissement du risque. Ce mécanisme de compensation, confirmé
également par le modèle de Brennan et Kraus (1987), permet d’arriver à un compromis entre
l’émetteur et le souscripteur sur la valeur de l’instrument financier même en cas de
désaccord sur le risque de la firme.
2.3. Réduction des conflits d’agence liés aux capitaux propres
Green (1984) considère l’OC comme un substitut de la dette et n’identifie donc pas
explicitement les coûts d’agence inhérents aux conflits d’intérêts entre les dirigeants et les
actionnaires. Jensen (1986) et Stulz (1990) ont fourni plus de détails à cet égard. Selon ces
deux auteurs, dans les entreprises arrivées à maturité, les cash-flows sont abondants et les
occasions d’investissement réellement rentables sont rares. Jensen a désigné par le terme Free
Cash-flows cette abondance de disponibilités qui aboutit souvent à des affectations peu
judicieuses. Dans un tel contexte, le recours à une augmentation du capital pourrait inciter
les dirigeants à poursuivre leurs propres objectifs afin de maximiser leur richesse
personnelle. Cette situation, souvent rencontré dans les firmes managériales, est
communément désignée sous le terme de « surinvestissement ».
Les actionnaires qui perçoivent que les dirigeants s’écartent un peu trop de la rigueur
dont feraient preuve les dirigeants propriétaires pourraient songer à surveiller efficacement
leurs mandataires. Or, cette tâche est quasiment impossible à réaliser par un actionnariat
dispersé même si la loi lui en donne théoriquement le droit.
Une possibilité pour réduire alors le coût d’agence des fonds propres tout en assurant une
grande flexibilité par rapport à une dette classique est le recours à un emprunt obligataire
convertible. La présence de ce dernier contraint les dirigeants à une discipline beaucoup plus
stricte. Ils doivent en fait veiller à ce que la rentabilité de l’entreprise soit améliorée afin
d’encourager les créanciers à exercer l’option de conversion dont ils disposent et mettre
l’entreprise à l’abri des échéances régulières imposées par le service de la dette (Mayers
1998).
Copyright © 2007. Tous droits réservés. All rights reserved. 4

2.4. Réduction des coûts de sélection adverse et des coûts de détresse financière
Stein (1992) propose un modèle 4 dans lequel il montre que les entreprises caractérisées par
une forte asymétrie informationnelle et/ou un niveau d’endettement élevé seront favorables
à une émission d’OC plutôt qu’à une émission d’actions ou d’obligations sèches, et ceux pour
deux principales raisons : (1) Le recours à la dette sèche aggrave les coûts de faillite (cost of
financial distress) de cette catégorie d’entreprise ; (2) Le financement par émission d’actions
nouvelles, même s’il va améliorer la capacité d’endettement de l’entreprise, risque d’être très
coûteux à cause du sous-investissement que pourrait engendrer l’asymétrie d’information
entre les dirigeants et les investisseurs externes (Myers et Majluf, 1984).
Ces deux coûts de financement externe, généralement observés chez les entreprises qui
ont un fort potentiel de croissance et/ou une petite taille, peuvent être atténués grâce aux
propriétés de l’OC. En effet, les entreprises n’auront en principe recours à un financement
par OC que dans la mesure où elles anticiperont une hausse du cours de leurs actions. Dès
lors, une émission d’OC est un signal fort difficilement imitable par les entreprises en
pénurie d’opportunités d’investissement profitables, car si le cours de l’action n’augmente
pas suffisamment après l’émission, les porteurs d’OC n’auront aucun intérêt à exercer
l’option de conversion. L’émetteur serait par conséquent contraint à rembourser sa dette.
Selon Stein (1992), les OC sont un moyen approprié pour augmenter le capital d’une façon
différée dans un contexte d’asymétrie d’information, et sont de ce fait considérées comme un
substitut des fonds propres (Backdoor equity) 5 .
2.5. Eviter les coûts du financement séquentiel
Mayers (1998) montre, à l’aide d’un modèle (sans formulation mathématique) appuyé par
deux études empiriques, qu’en présence de problème de surinvestissement, les entreprises se
servent des OC pour échapper aux coûts associés au financement séquentiel. Si l’entreprise
dispose d’opportunités d’investissements profitables, les obligataires préfèreront convertir,
laissant la disposition des fonds à l'entreprise. Dans le cas contraire, ils n'exerceront pas
l’option de conversion, et les managers devront rembourser, ce qui supprime le problème de
l'incitation à surinvestir.
3. La revue de la littérature empirique
La première étude ayant analysé la performance opérationnelle des entreprises émettrices
d’OC remonte aux travaux pionniers de Hansen et Crutchley (1990). Les résultats de cette
étude montrent que les entreprises émettrices ont une rentabilité économique
significativement inférieure à celle des entreprises non émettrices sur une période postémission
de trois ans. Hansen et Crutchley (1990) vont même jusqu’à arguer que ce déclin de
la rentabilité économique a été anticipé par les dirigeants au moment de l’émission et que les
fonds levés serviront à le compenser.
Mc Laughlin et al. (1998) ont eux aussi examiné la performance économique des émetteurs
sur les six années fiscales entourant celle de l’émission 6 . Les résultats de leur étude révèlent,
d’un côté, une augmentation plus que proportionnelle de la rentabilité économique des
4 Ce modèle, qui est une adaptation du modèle de Myers et Majluf (1984), identifie à travers une formalisation
mathématique parcimonieuse le moyen de financement le plus approprié en fonction de la situation de la firme
en termes d’asymétrie d’information et de détresse financière.
5 Les enquêtes menées auprès des responsables financiers de certaines entreprises américaines (Pilcher, 1955 ;
Brigham, 1966 ; Hoffmeister, 1977) ont montré que la principale motivation d’une émission d’OC est la volonté
de les convertir en capitaux propres suite à une éventuelle évolution favorable des cours. En France, selon les
prospectus de l’AMF (Autorité des Marchés Financiers) 58% des émissions de notre échantillon sont effectuées
dans le but de renforcer la structure financière de l’entreprise. Pour le reste, les émetteurs projettent de consacrer
les fonds levés à des projets d’investissement.
6 Ces années seront notées dans le reste du présent article : année -3, année -2, année -1, année +1, année +2 et
année +3 ; avec année 0 : année fiscale de l’émission.
Copyright © 2007. Tous droits réservés. All rights reserved. 5

entreprises émettrices par rapport à celle des firmes comparables pendant la période préémission,
et de l’autre côté une sous-performance économique statistiquement significative
des émetteurs pendant la période post-émission. Ce déclin de la performance opérationnelle
des émetteurs postérieurement à l’émission a été également confirmé par Lee et Loughran
(1998). Cependant, ces derniers montrent, contrairement aux conclusions de McLaughlin et
al. (1998), que les entreprises émettrices n’affichent aucune surperformance opérationnelle
avant l’émission. Les rentabilités économiques étant restées quasi-stables pendant la période
pré-émission.
Tableau 1 : Synthèse des études empiriques précédentes
Auteurs
Hansen et
Crutchley
(1990)
Mc
Laughlin et
al. (1998)
Lee et
Loughran
(1998)
Lewis et al.
(2001)
Pays
USA
USA
USA
USA
Mesure de
performance
• Rentabilité
économique
• Rentabilité
économique
• Rentabilité
économique
• Rentabilité
commerciale
• Rentabilité
économique
• Rentabilité
commerciale
• Rentabilité
économique
Etalon
Portefeuille
de référence
Entreprise de
contrôle
Entreprise de
contrôle
Entreprise de
contrôle
Période
1975
1982
1980
1993
1975
1990
1979
1990
Taille de
l’échantill
on
Performance
Préémission
Postémission
67 (-) (1)
828 (+) (2) (-) (3)
986 (-) (4) (-) (4)
566 (+) (5) (-) (5)
Bae et al.
Entreprise de 1985
USA
77 (+)
(2002)
contrôle 1990
(6) (-) (7)
Notes : (1) La sous-performance moyenne des émetteurs sur la fenêtre (+1;+3) varie de 1.99% (significatif au seuil de 1%) à 2.08%
(significatif au seuil de 1%) Selon la méthodologie appliquée. (2) La surperformance médiane est estimée à 0.4% sur la fenêtre (-2 ;-1). Ce
résultat est significatif au seuil de 10%. (3) La sous-performance médiane est de l’ordre de 0.3% (significatif au seuil de 1%), 0.5%
(significatif au seuil de 1%) et 0.2% (significatif au seuil de 10%) sur les fenêtres (-1;+1), (-1;+2) et (-1;+3) respectivement. (4) Les écarts de
performances médians sont statistiquement significatifs au seuil de 1% sur toute la période d’analyse (de l’année -2 à l’année +4). (5) La
significativité statistique dépend de l’indicateur de mesure de performance mis en œuvre. (6) Non significatif aux seuils de confiance
habituels. (7) La sous-performance moyenne est estimée à 2% (significatif au seuil de 10%), 4% (significatif au seuil de 5%) et 3%
(significatif au seuil de 10%) sur les fenêtres (0;+1), (0;+3) et (0;+5) respectivement.
La thématique de la performance des émetteurs d’OC a également suscité l’intérêt de
Lewis et al. (2001) qui sont parvenus à des résultats qui corroborent les conclusions des
études précédentes. En utilisant un large ensemble de mesures de performance, ils ont mis
en relief une tendance baissière de la rentabilité économique des firmes américaines
émettrices d’OC sur les quatre années fiscales suivant celle de la réalisation de l’émission.
Cependant, ces auteurs ont relativisé la portée de la contre-performance des émetteurs en
appareillant ces derniers avec des entreprises comparables du même secteur d’activité. En
effet, Lewis et al. (2001) constatent que, bien que les firmes émettrices sous-performent leurs
homologues du même secteur d’activité sur la période post-émission, ces dernières
présentent des rentabilités économiques qui sont positivement corrélées avec celles des
émetteurs. Ce qui permet aux auteurs de conclure que “… the poor post-issue operating
performance of convertible debt offering firms is attributable at least partially to an industry effect”.
Par ailleurs, à l’instar de McLaughlin et al. (1998), Lewis et al. (2001) découvrent que la
performance opérationnelle des entreprises émettrices affiche une amélioration substantielle
antérieurement à l’émission. Selon ces auteurs, ce constat empirique est cohérent avec une
Copyright © 2007. Tous droits réservés. All rights reserved. 6

extension de l’hypothèse du timing 7 des émissions d’actions (Loughran et Ritter 1997) aux
émissions des produits equity-linked.
Enfin, dans une étude plus récente Bae et al. (2002) ont de leur part confirmé les résultats
précédents. Ils ont trouvé que la rentabilité économique de l’entreprise émettrice baisse
significativement comparativement à celle de l’entreprise non émettrice après l’émission. Ces
auteurs ont également mis en évidence une légère surperformance des émetteurs avant
l’émission, sans toutefois qu’elle soit statistiquement significative.
Pour conclure, et comme l’illustre le tableau 1, on peut dire que si les études
événementielles précédentes ont abouti à des résultats mitigés quant à la performance
opérationnelle pré-émission des émetteurs, elles ont toutes démontré clairement que la
rentabilité économique post-émission de ces derniers est nettement inférieure à celle des
firmes comparables.
4. L’échantillon et les sources de données
Notre échantillon initial est composé de 181 émissions, soit toutes les émissions d’OC
recensées dans des bulletins mensuels d’information de l’Autorité des Marchés Financiers
(AMF) 8 et réalisées par des entreprises françaises entre 1990 et 2002. Le choix de cette période
est dicté par un souci d’avoir un maximum de données disponibles sur une période avant et
après l’émission. Les informations relatives aux émissions ont été recueillies des prospectus
d’émission de l’AMF, des avis et décisions de l’Euronext ou encore des avis publiés dans les
Bulletins des Annonces Légales Obligatoires (BALO). Néanmoins, seules les émissions
respectant les critères de sélection suivants ont été retenues dans l’échantillon final. (1) Le
placement des OC doit être réalisé par voie d’appel public à l’épargne par des entreprises
non financières 9 . (2) À l’instar de Spiess et Affleck-Graves (1999), nous avons exclu de
l’échantillon final les OC auxquelles sont attachés des bons de souscription, telles que les
obligations convertibles à bons de souscription d’actions. (3) Les données comptables
consolidées des entreprises émettrices doivent être disponibles sur la base de données
Worlscope de Thomson Financial au moins pendant l’année fiscale précédant celle de
l’émission (année -1). Aucune autre restriction n’a été imposée quant à la disponibilité des
données comptables pendant la période pré ou post-émission 10 . Autrement dit, l’échantillon
n’est pas cylindré, ce qui a pour effet de réduire le biais du survivant et maximiser la taille de
l’échantillon. (4) Enfin, comme nous étudions la performance économique des émetteurs sur
une longue période, nous avons adopté la procédure de Lewis et al. (2001) qui consiste à ne
retenir une émission d’OC que dans la mesure où l’émetteur n’avait pas procédé à d’autres
émissions d’OC sur une période de trois années après l’émission. Ce traitement a pour but
d’isoler l’événement étudié et d’éliminer le problème d’interdépendance des rentabilités
opérationnelles anormales engendré par le chevauchement des fenêtres d’événement pour
les émissions effectuées par une même entreprise. En appliquant ces critères de sélection à
l’échantillon initial, nous avons obtenu une liste finale de 97 émissions réalisées par 92
entreprises.
Le tableau ci-dessous reporte la répartition temporelle et sectorielle du nombre, du
produit brut 11 et de la taille moyenne des émissions ayant eu lieu durant la période 1990-2002
7 Cette hypothèse stipule que les entreprises optent pour les émissions d’action quand leur rentabilité
économique est anormalement élevée.
8 Ex Commission des Opérations de Bourse (COB).
9 L’élimination des entreprises ayant une activité financière s’explique par la nature de leur structure financière
qui est régie par des réglementations spécifiques qu’on ne trouve pas chez les entreprises opérant dans les autres
secteurs (Berger, Ofek et Yermack, 1997; Garvey et Hanka, 1999).
10 Pour certaines entreprises, les données comptables manquantes ont été extraites de la base de données Diane
ou du BALO.
11 Le produit brut total est déterminé après, le cas échéant, l’exercice de l’option de sur-allocation.
Copyright © 2007. Tous droits réservés. All rights reserved. 7

en France. On peut observer dans le panel A que le marché français des OC a connu une
forte altération à partir de 1999 suite à l’explosion des émissions d’OC en Europe et à
l’introduction de l’euro. L’encours total des émissions est passé de près de 4 milliards d’€ en
1990 à un peu plus de 9 milliards d’euros en 1999, pour franchir le seuil historique de 10
milliards d’€ en 2002. Le succès des OC au début des années 2000 peut être expliqué
essentiellement par des raisons conjoncturelles liées au dégonflement de la bulle spéculative
qui a quasiment verrouillé les portes du segment des augmentations de capital. Les
entreprises ayant visé l’émission de capitaux propres procèderont donc à des émissions d’OC
en espérant leur conversion. Aussi, pendant cette période, la volatilité du marché des actions
a atteint des niveaux considérables. Sachant cela, les émetteurs ont su tirer profit de cette
situation pour surfacturer la composante optionnelle de l’OC. La taille moyenne des
émissions a elle aussi significativement augmenté à partir de 1999. Cela s’explique par
l’introduction de l’euro qui a entraîné la suppression des barrières monétaires, permettant
ainsi aux émetteurs d’accéder à un marché de dimension internationale sans aucune
contrainte de risque de change.
D’un point de vue sectoriel, le panel B montre qu’à l’instar du marché européen, la
majorité du produit total des émissions, soit environ 12 milliards d’euros est accaparé par les
entreprises opérant dans le secteur des TMT (Technologies, Médias et télécommunications).
Viennent en deuxième place les entreprises industrielles suivies des entreprises fournissant
des services à la consommation avec, respectivement, 18% et 17% du produit brut total des
émissions.
Tableau 2 : Statistiques descriptives des émissions d’OC réalisées en France sur la période
1990-2002
Emissions
Echantillon initial
Produit brut
Taille
moyenne de
l’émission
Emissions
Echantillon final
Produit brut
Taille
moyenne de
l’émission
Millions d'€
constants 2002
N %
Millions d'€
Millions d'€
Millions d'€
%
constants 2002
constants
N %
constants
%
Panel A : Répartition temporelle des émissions d’OC
2002
2002
1990 17 9.39 4 269.70 8.28 251.16 5 5.15 1 083.36 4.38 176.36
1991 10 5.52 1 994.10 3.87 199.41 5 5.15 1 476.58 5.97 248.18
1992 6 3.31 372.59 0.72 62.10 4 4.12 225.19 0.91 48.43
1993 20 11.05 3 219.48 6.24 123.83 12 12.3 1 216.44 4.92 89.02
1994 17 9.39 4 265.23 8.27 250.90 10 10.3 7 3 003.02 12.14 267.97
1995 7 3.87 1 092.59 2.12 156.08 5 5.15 1 742.25 3.00 134.85
1996 10 5.52 1 863.72 3.61 186.37 6 6.19 985.87 3.99 152.21
1997 19 10.50 2 691.34 5.22 141.65 8 8.25 535.26 2.16 62.74
1998 13 7.18 2 963.23 5.74 227.94 7 7.22 91.59 0.37 12.35
1999 24 13.26 9 717.09 18.84 404.88 13 13.4 2 797.32 11.31 204.21
2000 11 6.08 3 073.48 5.96 279.41 7 7.22 0 971.74 3.93 133.97
2001 13 7.18 5 678.84 11.01 436.83 10 10.3 4 229.35 17.10 414.95
2002 14 7.73 10 389.07 20.14 742.08 5 5.15 1 7 368.62 29.80 1 473.72
Panel B : Répartition sectorielle des émissions d’OC
Biens de conso. 15 8.29 6 466.32 12.53 431.09 20 20.6 9 588.83 38.78 479.44
Finance 29 16.02 7 626.08 14.78 262.97 --- --- 2 --- --- ---
Industrie 45 24.86 9 227.29 17.89 205.05 32 32.9 7 215.49 29.18 225.48
Matériaux de base 12 6.63 2 335.35 4.53 194.61 4 4.12 9 665.70 2.69 166.43
Pétrole et gaz 2 1.10 825.27 1.60 412.64 1 1.03 793.50 3.21 793.50
Santé 8 4.42 818.43 1.59 102.30 6 6.19 780.62 3.16 130.10
S ces à la conso. 25 13.81 8 610.46 16.69 344.42 11 11.3 1 227.08 4.96 111.55
S ces aux collectivités 3 1.66 3 939.41 7.64 1 313.14 1 1.03 4 493.71 2.00 493.71
TMT 42 23.20 11 741.83 22.76 279.57 22 22.6 3 961.66 16.02 180.08
Total 181 100 24 726.59 100.00 ---- 97 8 24 726.59 100.00 ----
Copyright © 2007. Tous droits réservés. All rights reserved. 8

Signalons enfin que l’échantillon final correspond à 54% de l’échantillon initial en termes
de nombre d’émissions, et à un peu moins de la moitié de ce dernier en termes d’encours
total. Cependant, malgré cet écart, dû aux critères de sélection exigés, nous n’avons décelé
aucune différence significative entre l’échantillon final et l’échantillon initial, que ce soit dans
leur répartition temporelle ou sectorielle (les P-value du test exact de Fisher étant largement
supérieur au seuil critique maximal de 10%).
5. La méthodologie appliquée
5.1. Les mesures de la performance opérationnelle
La mesure de la performance opérationnelle est un exercice délicat. Son analyse est
cependant indispensable pour l’élaboration d’un diagnostic sur les ressorts de la firme et
pour apporter quelques éléments d’éclairage sur ses perspectives de croissance.
Les premières études d’événement à long terme portant sur l’analyse de la performance
opérationnelle des firmes ayant enregistré un événement corporatif reposent sur des
indicateurs de mesure de performance financière. C’était le à titre d’exemple de Healy et
Palepu (1988) pour les initiations/suppressions de dividendes ou encore Asquith et al. (1989)
pour les fractionnements d’actions, qui ont appréhendé la performance opérationnelle dans
leurs études en rapportant la variation du bénéfice net par action à son cours. Or, le bénéfice
net d’une entreprise est souvent impacté par sa politique financière, ce qui ne permet pas
d’informer sur la rentabilité des capitaux engagés dans l’activité productive
indépendamment de la structure de financement choisie. Ce biais est d’autant plus fréquent
que la plupart des événements corporatifs étudiés impliquent un changement de la structure
financière de l’entreprise. C’est le cas notamment du financement par OC.
Ajoutant à cela le fait que le résultat net de l’entreprise peut être altéré par la politique
fiscale de l’entreprise (impôt sur les sociétés) ou par sa politique d’investissement
(amortissements) 12 . La construction d’un indicateur de performance fiable et pertinent passe
donc immanquablement par la correction du résultat net des effets des charges financières,
des amortissements et provisions pratiqués par l’entreprise et de l’imposition de ses
bénéfices. Raison pour laquelle nous avons opté pour une mesure de performance
opérationnelle, usuelle dans la littérature financière, qui est fondée sur les flux de trésorerie
potentielle dégagés par l’exploitation, à savoir : le bénéfice avant impôts, charges financières,
dépréciations et amortissements (EBITDA : Earning Before Interest Taxes depreciation and
Amortization) 13 . Par ailleurs, en complément de l’EBITDA nous avons également utilisé le
bénéfice avant impôt et charges financières (EBIT : Earning Before Interest and Taxes) qui,
contrairement à l’EBITDA, inclut les dotations aux amortissements et aux provisions. .
Par ailleurs, afin de rendre les rentabilités économiques comparables dans le temps et
dans l’espace, le résultat opérationnel de chaque entreprise pendant la période t est rapporté
à son total des actifs (Total Assets : TA) l’ayant généré pendant la même période t. Ce qui
nous donne les ratios suivants : Ebitda/TA et Ebit/TA communément désigné sous
l’acronyme ROA (Return On Assets) dans la littérature anglo-saxonne.
5.2. Les autres mesures alternatives de la performance opérationnelle
L’estimation de la rentabilité opérationnelle par le ROA calculé tel qu’indiqué ci-dessus
souffre de deux principales limites. La première limite, dite historic cost drawback, tient au fait
que l’actif total est reporté dans les états comptables en coût historique alors que le résultat
opérationnel (Ebitda ou Ebit) est exprimé en euros courant. La deuxième limite, dite nonoperating
assets drawback, résulte du fait que le résultat opérationnel est normé par un actif
12 Wong et Rao (1994) et Teoh et al. (1995) indiquent que les dirigeants des entreprises candidates à une
introduction en bourse (IPO) ou à une augmentation du capital, ont généralement tendance à surestimer leurs
résultats comptables par le biais des amortissements et des provisions (accruals).
13 Cette mesure s’apparente à la notion anglo-saxonne d’operating income.
Copyright © 2007. Tous droits réservés. All rights reserved. 9

total qui intègre des actifs non opérationnels, entrainant ainsi une sous-estimation de la
rentabilité opérationnelle.
Des ajustements s’avèrent par conséquent nécessaires afin de pallier ces biais
méthodologiques qui risquent d’altérer nos conclusions. S’agissant du biais du coût
historique, Barber et Lyon (1996) proposent en vue d’y remédier de standardiser le résultat
opérationnel soit par la valeur de marché des actifs 14 , soit par le chiffre d’affaires, ce qui
revient à calculer la rentabilité commerciale. Dans notre étude nous avons opté pour la
seconde solution, pour la simple raison que le recours à la valeur de marché des actifs
entraînerait une sur(sous)-estimation de la performance opérationnelle post(pré)-émission
des émetteurs, à cause de la sous(sur)-performance boursière des entreprises françaises après
(avant) une émission d’OC (Elbadraoui, 2007).
S’agissant du problème des actifs non opérationnels, Barber et Lyon (1996) estiment que
“the most important adjustment to total assets can be the deduction of cash and markertable securities
from the book value of total assets” (p 389). Cet ajustement s’avère très judicieux dans les
événements corporatifs associés à une variation substantielle de la trésorerie de l’entreprise,
ce qui est le cas pour les émissions d’OC.
Cependant, il se peut que les fonds levés sur le marché soient alloués, peu de temps après
l’émission, à des projets d’investissement, conduisant ainsi à une augmentation des actifs
opérationnels en place mais sans pour autant générer immédiatement des flux de résultat. Il
s’ensuivra une sous-évaluation de la rentabilité économique de la firme émettrice
subséquemment à l’émission d’OC. Ce biais peut être corrigé soit en observant l’évolution de
la performance de l’entreprise émettrice sur un horizon temporel relativement long
(plusieurs mois, voir plusieurs années), soit en utilisant une mesure de performance qui n’est
pas affectée par l’accroissement des actifs, telle que la rentabilité commerciale.
Afin d’établir une relation entre la rentabilité économique et la rentabilité commerciale,
nous avons jugé pertinent d’introduire la notion de rotation des actifs. Cette dernière, égale
au rapport entre le chiffre d’affaires et le total des actifs, mesure les ventes réalisées par
chaque euro investi dans l’entreprise.
ROA = ROS A
(1)
* turnover
L’équation (1) montre qu’une même rentabilité économique peut être obtenue soit par une
rentabilité commerciale faible combinée à une rotation des actifs rapide (les grandes
distributions par exemple), soit par une rentabilité commerciale plus élevée et une rotation
des actifs lente (les commerces de luxe par exemple). L’analyse de l’évolution du taux de
rotation des actifs avant et après l’émission d’OC est donc nécessaire pour interpréter
adéquatement les résultats.
En plus de l’étude de l’évolution de leurs rentabilités économique et commerciale, nous
avons analysé la performance opérationnelle des entreprises émettrices à travers l’évolution
de leur politique d’investissement et de la profitabilité de leurs opportunités de croissance au
tour de l’année de l’émission.
Aussi, la décision de financement par OC est un événement majeure dans la vie de
l’entreprise. En témoignent les chiffres sur la taille des émissions d’OC relativement à la taille
des émetteurs reportés par les études antérieures 15 . Cet événement risque donc de provoquer
14 La valeur de marché des actifs (market value of assets) est égale à l’actif total – la valeur comptable des
capitaux propres + la capitalisation boursière.
15 Dans le contexte américain, Lee et Loughran (1998), Spiess et Affleck-Graves (1999) et Bae et al. (2002) ont
reporté des tailles des émissions d’OC standardisées par la capitalisation boursière chiffrées en moyenne à, 30%,
41% et 38% respectivement. Dans le contexte anglais, Abhyankar et Dunning (1999) estiment cette taille relative
à 24%, alors que dans le contexte français Elbadraoui (2007) l’évalue à 26%. En outre, certaines études
empiriques ont démontré que la taille relative des fonds levés dans le cadre des émissions d’OC est plus
Copyright © 2007. Tous droits réservés. All rights reserved. 10

des changements structurels à long terme sur les assises financières des entreprises
émettrices, ce qui justifie notre étude de l’impact de cette décision sur leur structure
financière.
Tableau 3 : Récapitulatif des indicateurs utilisés
Item
Numérateur
woldscope
Rentabilité opérationnelle
Ebit
WC18184
ou
ou
Dénominateur
Item
worlscope
Indicateur de
performance
Total des actifs WC02999 Rentabilité économique ROA
Total des actifs ajustés
pour les cashs
WC02999
(-) WC02001
Rentabilité économique
ajustée pour les cashs
Notation
ROA cash adj
Ebitda
WC18198 Chiffre d’affaires WC02649 Rentabilité commerciale ROS
Rotation des actifs
Chiffre
d’affaires
WC02649 Total des actifs WC02999 Rotation des actifs A turnover
Opportunités de croissance future
Capitalisation
Valeur comptable des
Opportunités de
WC08001
WC05491
boursière
capitaux propres
croissance
MtoB
Politique d’investissement
Dépenses
Politique
WC04601 Total des actifs WC02999
d’investissement
d’investissement
CE/TA
Structure financière
Total des dettes WC03255 Total des actifs WC02999 Structure financière TD/TA
5.3. Le choix d’une norme
La rentabilité d'une entreprise est un bon indicateur de l'efficacité de l'entreprise dans le
cadre de sa fonction de production. Toutefois, son calcul doit s'accompagner d'une
comparaison de son niveau avec celui d’une norme. En effet, une entreprise peut très bien
être rentable sur le plan opérationnel, mais révéler un niveau de rentabilité inférieur à celui
de son secteur d'activité ou à des entreprises de tailles comparables, ce qui tendrait à
démontrer son manque de compétitivité.
La norme est déterminée comme la rentabilité d’un étalon qui peut revêtir deux formes :
soit une entreprise de contrôle soit un portefeuille de référence. Cet étalon est sélectionné
selon des critères définis à l’avance de sorte que sa rentabilité mime la rentabilité de
l’entreprise en l’absence de l’événement étudié (en l’occurrence l’émission d’OC). La
rentabilité anormale (c’est-à-dire, la rentabilité liée à l’événement) s’exprime donc comme
suit :
( )
AP = P − E P X
(2)
it it it t
Avec P it la rentabilité opérationnelle enregistrée pendant l’année t par la firme i objet de
l’événement. ( it t )
E P X correspond, théoriquement, à l’espérance de la rentabilité
opérationnelle de la firme i en l’absence d’événement, connaissant l’information
complémentaire X t disponible l’année t. Puisqu’elle n’est pas observable, cette rentabilité est
approximée par celle d’un étalon P It.
Afin de vérifier la robustesse de nos résultats, nous avons évalué la performance
opérationnelle des émetteurs d’OC français en utilisant trois normes. La première, fournit
une mesure de performance non ajustée. Elle ne requiert le recours à aucune entreprise
comparable et suppose que la meilleure estimation de la rentabilité opérationnelle espérée
importante que celle observée chez les entreprises émettrices d’actions ou d’obligations non convertibles (voir
Bae et al. (2002) pour le contexte américain et Henot (2002) pour le contexte français)
Copyright © 2007. Tous droits réservés. All rights reserved. 11

( it t )
E P X d’une entreprise pendant une année t est tout simplement sa rentabilité
opérationnelle de l’année t-1. Plus formellement :
( it t ) Pi ,( t − 1)
E P X
= (3)
Les deux autres normes utilisées dans cette étude reposent chacune sur l’utilisation des
firmes de contrôle. Pour la première norme, la firme de contrôle a été sélectionnée selon le
critère croisé « appartenance sectorielle 16 , rentabilité économique passée 17 ». Ainsi, chaque
entreprise émettrice est appareillée avec une entreprise de contrôle relevant du même secteur
d’activité et minimisant l’écart absolu de rentabilité économique avec l’entreprise émettrice
pendant l’année -1.
En effet, selon (Barber et Lyon 1996), la logique qui sous-tend l’utilisation des deux
critères d’appairage « appartenance sectorielle, performance passée » c’est de contrôler les
variations sectorielles de la rentabilité opérationnelle et de neutraliser l’effet de retour à la
moyenne 18 (mean reverting) susceptible d’affecter cette dernière.
Pour ce qui concerne la deuxième norme, l’entreprise de contrôle a été sélectionnée selon
le critère croisé « taille, rentabilité économique passée ». Dans ce cas, on procède en deux
temps. Dans un premier temps, on construit un portefeuille composé de toutes les
entreprises de contrôle dont la taille (mesurée par le total des actifs) oscille entre 70% et 130%
de celle de l’émetteur. À partir de ce portefeuille, nous avons choisi dans un deuxième temps
l’entreprise dont la rentabilité économique est la plus proche de celle de l’émetteur. 19
Deux modèles de mesure de performance sont mis en œuvre pour estimer la norme en cas
de recours à l’entreprise de contrôle.
Le premier modèle est de nature statique. Il mesure la performance opérationnelle en
soustrayant la rentabilité opérationnelle de l’entreprise de contrôle P It de celle l’entreprise
émettrice P it. Plus formellement :
( )
E P X
it t It
= P
(4)
Par contre, le deuxième modèle est un modèle dynamique où la performance
opérationnelle correspond à l’écart entre la variation de la rentabilité opérationnelle de
l’émetteur entre l’année t et l’année t-1, et celle de l’entreprise de contrôle sur la même
période.
( −
,( −1) ) ( −
,( −1)
)
AP = P P − P P
(5)
it it i t It I t
En se référant aux relations (2) et (5), on peut écrire :
( ) ,( −1)
E P X = P +∆ P
(6)
it t i t It
16 La classification sectorielle retenue est la nomenclature ICB "Industry Classification Benchmark" de Dow
Jones Indexes & FTSE, lancée en janvier 2005 en remplacement du Système de Classification FTSE.
17 Par rentabilité économique passée, on entend la rentabilité économique mesurée par le ratio Ebitda/TA à la fin
de l’année fiscale -1.
18 Cet effet a été largement documenté dans la littérature comptable. Ainsi, Penman (1991) et Fama et French
(1995) montrent que certaines mesures de rentabilité des capitaux propres suivent un processus de retour à la
moyenne qui est relativement lent.
19 Dans leurs simulations, Barber et Lyon (1996) ont testé plusieurs combinaisons de variables de contrôle
(secteur d’activité ; taille ; secteur d’activité et performance passée ; taille et performance passée ; secteur
d’activité et taille) et montrent que la méthode d’appairage qui contrôle à la fois pour l’effet taille et l’effet de
retour à la moyenne, fournit des tests bien spécifiés et puissants même si elle ne prend pas en considération
l’appartenance sectorielle de l’entreprise.
Copyright © 2007. Tous droits réservés. All rights reserved. 12

Notons enfin que les deux méthodes d’appairage utilisées dans cette étude ont comme
point commun d’ajuster les rentabilités opérationnelles pour l’effet de retour à la moyenne,
dont la prise en compte est fortement recommandé par Barber et Lyon (1996) « without
exception, the models that yield well specified, powerful test statistics incorporate a firm’s past
performance» (P 396).
5.4. Les tests statistiques
Dans les études d’événement à long terme, l’hypothèse de normalité de la distribution des
rentabilités anormales est sérieusement mise en défaut de par l’importance relative des
valeurs extrêmes (outliers). Afin de s’affranchir de l’hypothèse de normalité dans la
vérification de l’hypothèse Ho (aucun impact significatif de l’émission d’OC sur la
performance opérationnelle des émetteurs), nous avons employé les deux tests suivants :
Le test signé de Wicoxon (Wilcoxon signed rank test)
Test non paramétrique (ne requiert aucun présupposé sur la distribution des observations), il
utilise l'information concernant à la fois la direction et la grandeur relative des observations.
Sa statistique est calculée comme suit :
Z =
N
∑
i=
1
( + 1)( 2N
+ 1)
1
Ki
− N N +
4
S
( 1)
N N
Où S = et K
24
( 0,1)
∼ N (7)
i
⎧0 si APi
≤ 0
= ⎨
⎩ rang( APi
)
Le test de Student corrigé des valeurs extrêmes et « bootstrappé »
Ce test est basé sur la moyenne des rentabilités opérationnelles anormales tronquée à 25%.
Cette dernière, notée AP
25%
, est un estimateur robuste de la moyenne. Elle est déterminée en
éliminant les 25 % des valeurs les plus élevées et les 25 % des valeurs les plus faibles. La
moyenne étant calculée sur les observations situées entre le premier et le troisième quartile.
Comme la médiane, elle exclut les valeurs extrêmes et minimise en conséquence leur effet,
mais, comme la moyenne simple, elle utilise toute l'information restante.
L’inférence statistique est basée sur la statistique suivante qui suit une loi de Student à n-1
degré de liberté:
Où
SE
boot,
AP25%
T
AP
25%
bootstrapped SE
= ∼ Tn
−1
(8)
SEboot , AP
désigne l’erreur-type de la moyenne tronquée estimée par l’approche du
bootstrapping (Efron, 1979) en ré-échantillonnant avec remise 1000 fois 20 l’échantillon des
rentabilités opérationnelles anormales et en calculant lors de chaque tirage aléatoire la
moyenne tronquée.
1 ⎛ 1
SE AP AP
⎝
1000
* *
boot , AP
=
25% ⎜ 25%
−
k 25% k
999 k=
1 1000
25%
∑ ∑ (9)
*
Où AP
25%
est la moyenne tronquée de la rentabilité opérationnelle anormale du k
k
ème
échantillon aléatoire (bootstrap sample).
2
⎞
⎟
⎠
20 Dans un souci de vérification de la validité de nos résultats, nous avons répété le processus de rééchantillonnage
500, 2000 et 5000 fois. Cependant nos résultats restent, dans une grande mesure, qualitativement
et quantitativement insensibles au nombre des tirages aléatoires.
Copyright © 2007. Tous droits réservés. All rights reserved. 13

Toutefois, il convient de préciser que ce test est dans la plupart des cas plus conservateur
que le test non paramétrique de Wilcoxon. Chose qui peut être vérifiée facilement en
comparant les valeurs prises par les statistiques des deux tests dans les tableaux de la section
6.
Par ailleurs, nous avons tenté de tester la validité de nos résultats en choisissant une
troncature inférieure à 25%, mais nous nous sommes heurtés dans la quasi-totalité des
situations à deux problèmes qui ont rendu très délicate toute inférence basée sur la
statistique de la relation (8). Le premier problème correspond à la non normalité prononcée
de la distribution simulée des moyennes tronquées des rentabilités anormales. Le deuxième
quant à lui porte sur l’accentuation du biais de l’estimateur de la moyenne tronquée 21 .
6. Les résultats de l’étude d’événement
Le tableau 4 retrace l’évolution de la rentabilité économique pré et post-événement des
entreprises émettrices et celle de leurs entreprises comparables. Mesuré par le ratio Ebit/TA,
le ROA médian affiche une tendance décroissance sur toute la période d’analyse. Elle passe
de 8.88% l’année -3 à 5.89% l’année de l’émission puis à 5.53% l’année +3. Cette tendance se
confirme en mesurant la rentabilité économique par le ratio Ebitda/TA. Ce dernier recule de
13.16% à 10.30% sur la fenêtre (-3 ;+3), soit une baisse d’environ 22%.
Le panel B montre qu’après avoir contrôlé pour le secteur d’activité et l’effet de retour à la
moyenne, les entreprises émettrices affichent des écarts de rentabilité économique négatifs
dont l’ampleur et le degré de signification statistique deviennent de plus en plus important
au fur et à mesure que l’on s’éloigne de l’année de l’émission. Ainsi, la sous-performance
médiane mesurée par les ratios Ebit/TA et Ebitda/TA est estimée à 1.96% (significatif au
seuil de 1%) et 1.89% (significatif au seuil de 5%) respectivement. L’étude de la moyenne
tronquée fait apparaître une évolution similaire de la performance opérationnelle à long
terme des entreprises émettrices. Elle montre, en outre, une concordance du test de Student
ajusté avec le test de wilcoxon pour exprimer la significativité statistique dans les différences
de rentabilité économique entre l’émetteur et sa firme de contrôle.
Tableau 4 : La rentabilité opérationnelle à long terme des entreprises émettrices d’OC
mesurée par le ROA
EBIT/TA
EBITDA/TA
Année fiscale -3 -2 -1 0 +1 +2 +3 -3 -2 -1 0 +1 +2 +3
Panel A : La rentabilité économique de l’émetteur
Médiane 8.88 8.27 6.82 5.89 5.93 5.88 5.53 13.16 13.12 11.78 10.47 10.67 10.40 10.30
Moyenne Trim25 8.40 7.72 6.93 5.95 5.59 5.60 5.18 12.95 12.53 11.73 10.57 10.51 10.26 9.89
Panel B : La rentabilité économique de l’émetteur ajustée pour l’effet sectoriel et l’effet de retour à la moyenne
Médiane 0.30 -0.08 0.07 -0.31 -0.99 -1.95 ** -1.96 *** 0.54 0.03 -0.03 -0.62 -1.13 -1.40 -1.89 **
Z-wilcoxon (0.57) (0.08) (0.59) (0.45) (1.36) (2.19) (2.79) (0.53) (0.28) (-1.26) (-0.88) (-0.89) (-1.39) (-2.41)
Moyenne Trim25 0.35 -0.11 0.22 -0.53 -1.03 -1.53 * -1.97 ** 0.23 -0.15 -0.04) -0.73 -0.74 -1.17 -2.07 **
T- bootstrapped SE (0.48) (-0.12) (0.52) (-0.91) (-1.62) (-1.81) (-2.26) (0.28) (1.00) (-1.52) (-1.28) (-0.90) (-1.35 (-2.02)
Panel C : La rentabilité économique de l’émetteur ajusté pour l’effet taille et l’effet de retour à la moyenne
Médiane 0.09 0.73 -0.05 -1.12 ** -0.99 ** -0.82 * -1.74 ** 0.65 -0.24 0.05 -1.02 *** -0.74 * -1.12 * -1.76 **
Z-wilcoxon (0.58) (0.92) (0.36) (-2.16) (-2.14) (-1.67) (-2.45) (0.94) (0.35) (0.69) (-2.64) (-1.82) (-1.64) (-2.26)
Moyenne Trim25 0.53 0.64 0.25 -1.03 * -1.35 -1.03 -1.56 ** 0.76 -0.08 0.07 -1.36 ** -1.20 -1.14 -1.86 **
T- bootstrapped SE (0.69) (0.88) (0.61) (-1.92) (-1.54) (-1.13) (-2.10) (1.02) (-0.11) (0.95) (-2.30) (-1.45) (-1.44) (-1.96)
N 77 87 97 97 93 87 82 77 87 97 97 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
*
21 *
*
Ce biais est estimé par bootstrapping comme suit : biais = AP25%
- AP25%
avec AP
25%
= 1000 AP25%
k
∑ et AP
25%
k=
1 1000
l’estimation de la moyenne tronquée de notre échantillon, dite estimation par insertion (plug-in estimator).
Copyright © 2007. Tous droits réservés. All rights reserved. 14

Le panel C présente les performances opérationnelles à long terme lorsque les rentabilités
des émetteurs sont ajustées pour l’effet taille et l’effet de retour à la moyenne. Les résultats
obtenus montrent que les émetteurs d’OC affichent des écarts de performance médians qui
sont statistiquement significatifs à partir de l’année de l’émission. Ces derniers sont estimés
au bout de l’année +3 à -1.74% (Z-wilcoxon = -2.45) et -1.76% (Z-wilcoxon = -2.26) en utilisant
respectivement les ratios Ebit/TA et Ebitda/TA. Ces résultats sont confirmés par l’analyse
de la moyenne tronquée.
Cependant, bien que la plupart des rentabilités économiques anormales pré-émission
dans les deux panels B et C sont positives, on note qu’aucune d’elles n’est statistiquement
significative aux seuils conventionnels.
Ces résultats sont illustrés dans les graphiques 1 et 2 qui représentent l’évolution du ROA
médian mesuré par les ratios Ebit/TA et Ebitda/TA respectivement. On peut y observer le
creusement de l’écart entre la rentabilité de l’émetteur et celle des entreprises de contrôle à
partir de l’année fiscale de l’émission. Alors que pendant les années antérieures à l’émission,
les deux graphiques mettent en relief des rentabilités des émetteurs assez proches de celles
des étalons considérés.
Graphique 1 : Le ROA des émetteurs et des firmes de contrôle (ROA = Ebit/TA)
Ebit/TA
9%
8%
7%
6%
5%
4%
3%
2%
1%
0%
-3 -2 -1 0 +1 +2 +3
Année fiscale par rapport à celle de l'émission
Emétteur
Firme de contrôle (activité;performance)
Firme de contrôle (taille;performance)
Graphique 2 : Le ROA des émetteurs et des firmes de contrôle (ROA = Ebitda/TA)
Ebitda/TA
14%
12%
10%
8%
6%
4%
2%
0%
-3 -2 -1 0 +1 +2 +3
Année fiscale par rapport à celle de l'émission
Emétteur
Firme de contrôle (activité;performance)
Firme de contrôle (taille;performance)
Copyright © 2007. Tous droits réservés. All rights reserved. 15

Le tableau 5 reporte la variation ajustée et non ajustée de la rentabilité économique des
entreprises émettrices par rapport à l’année d’appairage (année -1). Le premier panel de ce
tableau indique que la rentabilité économique non ajustée des émetteurs accuse une chute
significativement forte sur toutes les fenêtres d’événement considérées, excepté la fenêtre (-
2;-1). La variation médiane du ratio Ebitda/TA (respectivement Ebit/TA) est chiffrée à -
1.78% (-1.42%), -2.29% (-1.71%) et -2.63% (-2.08%) respectivement sur les fenêtres (-1;+1), (-
1;+2) et (-1;+3). Lorsqu’on utilise la moyenne tronquée, la baisse de la rentabilité économique
post-émission devient légèrement moins accentuée et moins significative, mais sans toutefois
changer nos conclusions.
L’ajustement des rentabilités économiques pour l’effet sectoriel et l’effet de retour à la
moyenne (panel B) confirment le recul continuel de la performance opérationnelle postémission
des émetteurs mise en évidence dans le panel B du tableau 4. En effet, l’écart entre
la variation de la rentabilité économique de ces derniers et celle de leurs entreprises
comparables du même secteur est négatif et va en s’élargissant. En revanche, aucune
performance opérationnelle significative n’a pu être décelée sur les fenêtres (-3 ;-1) et (-2 ;-1),
destinées à capter les variations anormales des rentabilités économiques antérieures à
l’émission.
Le panel C montre que le changement des critères d’ajustement de la rentabilité
économique des émetteurs ne semble pas changer la teneur de nos conclusions issues du
panel précédent. Ainsi, par rapport à leurs comparables, les entreprises émettrices présentent
une sous-performance médiane qui avoisine les 2% et qui est statistiquement significative au
seuil de 5% sur la fenêtre (-1 ;+3).
Il convient cependant de signaler que la magnitude et le degré de signification de la
variation ajustée de la rentabilité économique des émetteurs est moins prononcée en cas
d’utilisation du ratio Ebita/TA comme indicateur de performance.
Tableau 5 : Variation (en %) de la performance opérationnelle à long terme des entreprises
émettrices mesurée par la rentabilité économique (ROA)
EBIT/TA
EBITDA/TA
Période -3;-1 -2;-1 -1;+1 -1;+2 -1;+3 -3;-1 -2;-1 -1;+1 -1;+2 -1;+3
Panel A : Variation non ajustée du ROA de l’émetteur
Médiane -0.94 ** -0.61 -1.42 *** -1.71 *** -2.08 *** -1.09 ** -0.33 -1.78 *** -2.29 *** -2.63 ***
Z-wilcoxon (-2.51) (-0.84) (-3.54) (-3.45) (-3.86) (-2.04) (-0.78) (-3.03) (-2.67) (-2.83)
Moyenne Trim25% -1.02 ** -0.63 -1.42 ** -1.01 ** -1.62 *** -1.13 * -0.62 -1.25 * -1.51 ** -1.83 **
T- bootstrapped SE (-2.34) (-1.40) (-2.48) (-2.43) (-2.94) (-1.80) (-1.50) (-1.82) (-1.95) (-2.24)
Panel B : Variation du ROA de l’émetteur ajustée pour l’effet sectoriel et l’effet de retour à la moyenne
Médiane 0.00 -0.03 -1.30 ** -2.23 *** -2.32 *** -0.10 -0.14 -0.92 -1.51 -1.99 **
Z-wilcoxon (0.15) (-0.11) (-1.98) (-2.67) (-3.38) (-0.41) (-0.42) (-0.83) (-1.39) (-2.36)
Moyenne Trim25% -0.04 0.31 -1.41 * -2.36 *** -2.95 *** -0.11 -0.07 -0.72 -1.30 -1.91 **
T- bootstrapped SE (-0.06) (0.39) (-1.82) (-2.69) (-3.31) (-0.13) (-0.09) (-0.93) (-1.35) (-2.00)
Panel C : Variation du ROA de l’émetteur ajustée pour la taille et l’effet de retour à la moyenne
Médiane -0.46 0.36 -0.92 * -1.63 ** -2.23 *** -1.12 0.36 -0.66 -1.39 -1.89 **
Z-wilcoxon (-0.58) (-0.08) (-1.94) (-2.15) (-2.70) (-1.05) (-0.49) (-1.64) (-1.49) (-2.25)
Moyenne Trim25% -0.35 0.30 -1.14 -1.69 * -2.36 ** -0.66 0.12 -0.96 -1.05 -1.92 *
T- bootstrapped SE (-0.51) (0.50) (-1.38) (-1.81) (-2.42) (-0.85) (0.16) (-1.17) (-1.31) (-1.76)
N 77 87 93 87 82 77 87 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
Comme nous l’avons évoqué précédemment, la rentabilité économique d’une entreprise
peut être décomposée en deux facteurs, à savoir : la rentabilité commerciale et la rotation des
actifs. Nous avons donc essayé de vérifier dans quelle mesure la sous-performance des
émetteurs d’OC pourrait être imputée à une variation significative d’un de ces facteurs ou
des deux à la fois.
Copyright © 2007. Tous droits réservés. All rights reserved. 16

Tableau 6 : Variation (en%) de la performance opérationnelle à long terme des entreprises
émettrices mesurée par la rentabilité commerciale (ROS)
EBIT/CA
EBITDA/CA
Période -3;-1 -2;-1 -1;+1 -1;+2 -1;+3 -3;-1 -2;-1 -1;+1 -1;+2 -1;+3
Panel A : La variation non ajustée du ROS de l’émetteur
Médiane -0.19 -0.18 -1.68 *** -1.63 *** -1.96 *** 0.25 -0.20 -0.89 -1.57 ** -1.83 ***
Z-wilcoxon (-0.85) (-0.12) (-3.23) (-3.47) (-3.78) (0.00) (-0.17) (-1.64) (-2.41) (-3.02)
Moyenne Trim25% -0.44 -0.01 -1.57 *** -2.07 ** -2.71 *** 0.07 -0.15 -0.75 -1.26 * -1.83 **
T- bootstrapped SE (-0.75) (-0.02) (-2.79) (-2.49) (-3.04) (0.15) (-0.45) (-1.41) (-1.88) (-2.57)
Panel B : Variation du ROS de l’émetteur ajustée pour le secteur d’activité et l’effet de retour à la moyenne
Médiane 0.18 -0.27 -1.45 ** -1.19 * -2.67 *** 0.90 -0.15 -1.00 -0.26 -1.58 **
Z-wilcoxon (0.55) (-0.40) (-1.97) (-1.81) (-3.11) (1.03) (-0.08) (-1.02) (-0.76) (-2.19)
Moyenne Trim25% 0.37 0.27 -1.57 * -1.74 ** -2.86 *** 0.83 0.05 -0.91 -0.44 -1.85 *
T- bootstrapped SE (0.43) (0.41) (-1.89) (-2.00) (-2.87) (0.96) (0.07) (-1.12) (-0.48) (-1.79)
Panel C : Variation du ROS de l’émetteur ajustée pour la taille et l’effet de retour à la moyenne
Médiane 1.08 0.80 -1.16 -1.28 ** -0.92 ** 0.63 1.10 * -0.72 -0.34 -1.10 **
Z-wilcoxon (1.28) (1.43) (-1.52) (-1.98) (-2.37) (1.32) (1.87) (-1.18) (-1.21) (-2.13)
Moyenne Trim25% 0.99 0.96 * -1.02 -1.76 * -2.41 ** 1.08 1.21 ** -0.70 -0.78 -1.80 *
T- bootstrapped SE (1.12) (1.80) (-1.21) (-1.74) (-2.00) (1.43) (2.15) (-0.81) (-0.85) (-1.65)
N 77 87 93 87 82 77 87 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
Pour ce faire, nous avons dans un premier temps analysé l’évolution de la rentabilité
commerciale des émetteurs avant et après l’émission. Les résultats qui ressortent de notre
analyse sont présentés dans le tableau 6. Le panel A de ce dernier montre qu’à l’instar de la
rentabilité économique, la rentabilité commerciale des émetteurs baisse considérablement et
de façon significative entre l’année -1 et chacune des années suivant l’émission. Ajustée pour
l’effet sectoriel et l’effet de retour à la moyenne, cette variation de la rentabilité commerciale
affiche un schéma d’évolution qui est comparable à celui de la rentabilité économique (panel
B du tableau 5). La même remarque peut être faite au sujet la rentabilité commerciale ajustée
pour la taille et l’effet de retour à la moyenne (panel C), avec une exception cependant, les
entreprises émettrices surperforment significativement les entreprises de référence sur la
période (-2 ;-1).
Tableau 7 : Variation (en %) du taux de rotation des actifs des entreprises émettrices (A turnover )
Période -3;-1 -2;-1 -1;+1 -1;+2 -1;+3
Panel A : Variation non ajustée de l’A turnover de l’émetteur
Médiane -6.39 *** -3.14 *** -2.42 ** -0.21 1.85
Z-wilcoxon (-3.03) (-2.70) (-1.52) (-0.76) (-0.50)
Moyenne Trim25% -6.29 *** -2.85 ** -2.25 ** -1.29 -0.60
T- bootstrapped SE (-3.05) (-2.01) (-1.06) (-0.52) (-0.24)
Panel B : Variation de l’A turnover de l’émetteur ajustée pour l’activité et l’effet de retour à la moyenne
Médiane -1.84 -3.18* -3.42 -3.72 -1.04
Z-wilcoxon (-0.34) (-1.78) (-1.34) (-1.29) (-0.50)
Moyenne Trim25% -1.27 -3.88 -4.49* -4.75 -1.90
T- bootstrapped SE (-0.56) (-1.58) (-1.73) (-1.48) (-0.46)
Panel C : Variation de l’A turnover de l’émetteur ajustée pour la taille et l’effet de retour à la moyenne
Médiane -10.43 *** -0.79 0.14 -5.77 0.00
Z-wilcoxon (-3.26) (-1.39) (-0.37) (-1.34) (0.19)
Moyenne Trim25% -10.30 *** -2.67 -0.38 -4.14 0.46
T- bootstrapped SE (-3.36) (-1.01) (-0.13) (-1.15) (0.13)
N 77 87 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
En revanche, d’après les résultats du tableau 7 l’évolution de la rotation des actifs des
émetteurs ne semble pas expliquer la baisse de la rentabilité économique post-émission des
entreprises émettrices. En effet, même si la plupart des variations du ratio de rotation des
Copyright © 2007. Tous droits réservés. All rights reserved. 17

actifs sont négatives sur les périodes (-1 ;+1), (-1 ;+2) et (-1 ;+3), elles restent néanmoins
légèrement ou pas du tout significatives aux seuils conventionnels, plus particulièrement
pour les variations ajustées (panels B et C).
On en déduit par conséquent que l’écroulement de la rentabilité économique à long terme
des émetteurs après l’émission s’explique dans une grande mesure par l’incapacité des
émetteurs à dégager un résultat commercial significativement supérieur, non seulement à
celui enregistré avant l’émission, mais aussi à celui réalisé par les entreprises de contrôle.
Ce constat est appuyé par les résultats issus de la régression des variations des rentabilités
économiques sur celles des rentabilités commerciales et des taux de rotation des capitaux
investis, tel qu’indiqué dans les deux modèles suivants.
Modèle 1 : ∆ ROAi ,( −1, t) = α0 + a * ∆ROS ,( 1, )
* turnover
i
i − t + bi ∆ A
i,( −1, t)
+ εi
avec : 1, 2, 3
t = (10)
Modèle 2 : ∆ adjROAi ,( −1, t) = α0 + a * ∆adjROS ,( 1, )
* turnover
i
i − t + bi ∆ adjA
i,( −1, t)
+ εi
avec : 1, 2, 3
t = (11)
Les panels du tableau 8 indiquent que bien que les coefficients de régression associés à la
variation de la rentabilité commerciale et à la variation de la rotation des actifs sont toujours
significativement positifs, ils ne contribuent pas de la même façon à l’explication de la baisse
de la rentabilité économique des émetteurs. La variation de la rentabilité commerciale étant
dotée dans toutes les régressions d’un coefficient plus élevé que celui de la variation de la
rotation des actifs, ce qui témoigne de l’importance de son pouvoir explicatif marginal du
déclin de la performance économique des émetteurs.
Tableau 8 : Régression en coupe transversale de la variation de la rentabilité économique sur
la variation de la rentabilité commerciale et la rotation des actifs des émetteurs
α a b R 2 Aj. α a b R 2 Aj. α a b R 2 Aj.
Période : (-1;+1) Période : (-1;+2) Période : (-1;+3)
Panel A : Rentabilités et ratios de rotation des actifs non ajustés des émetteurs (Modèle 1)
ROA=Ebit/TA; ROS=Ebit/S
Coefficient 0.00 * 0.80 *** 0.11 *** 84.45 -0.01 0.43 *** 0.14 *** 73.48 0.00 0.82 *** 0.11 *** 89.05
T-Student (-1.88) (10.34) (6.51) (-1.57) (7.05) (4.90) (-1.09) (14.35) (5.10)
ROA=Ebitda/TA; ROS=Ebitda/S
Coefficient -0.01 0.69 *** 0.15 *** 82.11 0.00 0.43 *** 0.16 *** 68.15 0.00 0.82 *** 0.15 *** 90.87
T-Student (-1.64) (6.46) (12.20) (-0.67) (2.79) (5.59) (-0.60) (16.70) (7.21)
Panel B : Rentabilités et ratios de rotation des actifs ajustés pour l’effet sectoriel et l’effet de retour à la moyenne (Modèle 2)
ROA=Ebit/TA; ROS=Ebit/S
Coefficient -0.00 0.25 ** 0.07 ** 31.95 -0.00 0.54 *** 0.04 ** 46.96 -0.01 0.86 *** 0.09 *** 82.50
T-Student (-0.72) (2.43) (2.46) (-0.36) (2.98) (2.45) (-1.36) (12.84) (3.90)
ROA=Ebitda/TA; ROS=Ebitda/S
Coefficient -0.01 * 0.26 ** 0.05 ** 30.25 -0.02 *** 0.30 *** 0.04 *** 46.31 -0.01 * 0.83 *** 0.04 *** 83.19
T-Student (-1.79) (2.31) (2.36) (-3.08) (3.84) (3.58) (-1.96) (13.32) (2.77)
Panel C : Rentabilités et ratios de rotation des actifs ajustés pour la taille et l’effet de retour à la moyenne (Modèle 2)
ROA=Ebit/TA; ROS=Ebit/S
Coefficient -0.01 0.46 *** 0.11 *** 84.82 0.00 0.66 *** 0.08 *** 78.79 -0.00 0.84 *** 0.09 *** 85.94
T-Student (-1.21) (10.68) (5.21) (0.28) (5.60) (3.74) (-0.02) (16.31) (6.35)
ROA=Ebitda/TA; ROS=Ebitda/S
Coefficient -0.01 ** 0.91 *** 0.05 ** 84.54 -0.01 0.68 *** 0.05 * 73.39 -0.00 0.81 *** 0.05 *** 90.48
T-Student (-2.07) (11.52) (2.55) (-0.93) (5.44) (1.82) (-0.49) (21.62) (2.67)
Notes : Les variables dépendantes sont la variation non ajustée (Cf. modèle 1) et la variation ajustée (Cf. modèle 2) de la rentabilité
économique. Les variables indépendantes sont les variations non ajustées (Cf. modèle 1) et les variations ajustées (Cf. modèle 2) de la
rentabilité commerciale et de la rotation des actifs. Les statistiques T-Student rapportées sont corrigées à la fois pour l'Hétéroscédasticité et
l'Auto-corrélation des erreurs en utilisant la procédure de Newey-West. (1987). *** Significatif au seuil de 1 % ; ** significatif au seuil de 5
% ; * significatif au seuil de 10 %.
Copyright © 2007. Tous droits réservés. All rights reserved. 18

Cette importante sensibilité de la rentabilité économique aux variations de la rentabilité
commerciale peut être illustrée par l’exemple suivant. Sur la période (-1 ;+3), une baisse de
1% de la rentabilité commerciale de l’émetteur se traduit, toutes choses égales par ailleurs,
par une baisse moyenne de 0,83% de sa rentabilité économique. Par contre, cette dernière
n’est affectée par une baisse de 1% de la rotation des actifs, toutes choses égales par ailleurs,
que dans une proportion qui ne dépasse pas 0.09% en moyenne.
Comme le recommandent Barber et Lyon (1996), nous avons examiné la performance
opérationnelle des émetteurs après l’élimination des cashs du total des actifs. Les résultats
auxquels nous avons abouti ne modifient en rien nos conclusions précédentes. Ainsi, comme
en témoigne le panel A du tableau 9, l’ajustement opéré sur le total des actifs n’écarte pas la
baisse de la performance non ajustée des émetteurs qui demeure statistiquement significative
sur toutes les périodes retenues à l’exception là encore de la seule fenêtre (-2 ;-1). Aussi, les
résultats des deux panels B et C sur la variation ajustée des rentabilités économiques des
actifs d’exploitation corroborent globalement la contre-performance économique des
émetteurs postérieurement à l’offre d’OC
Tableau 9 : Variation de la performance opérationnelle à long terme des entreprises émettrices
mesurée par le ROA cash adj
EBIT/TA cash adj
EBITDA/TA cash adj
Période -3;-1 -2;-1 -1;+1 -1;+2 -1;+3 -3;-1 -2;-1 -1;+1 -1;+2 -1;+3
Panel A : Variation non ajustée du ROA cash adj . de l’émetteur
Médiane -1.15 *** -0.73 -1.62 *** -1.77 *** -2.04 *** -1.25 *** -0.99 -1.16 ** -1.27 ** -1.74 ***
Z-wilcoxon (-2.69) (-1.09) (-3.36) (-3.38) (-3.74) (-2.84) (-1.58) (-2.16) (-2.56) (-2.77)
Moyenne Trim25 -1.46 ** -0.60 -1.81 *** -2.38 ** -2.90 *** -1.62 ** -0.89 * -1.31 * -1.73 ** -1.91 *
T- bootstrapped SE (-2.39) (-1.24) (-2.81) (-2.53) (-2.83) (-2.30) (-1.81) (-1.65) (-2.02) (-1.96)
Panel B : Variation du ROA cash adj . de l’émetteur ajustée pour l’effet sectoriel et l’effet de retour à la moyenne
Médiane -0.43 0.44 -1.27 -2.21 ** -2.94 *** -0.39 -0.49 -0.94 -2.04 -1.89 **
Z-wilcoxon (0.46) (0.01) (-1.53) (-2.50) (-3.20) (-0.91) (-0.59) (-0.51) (-1.23) (-2.11)
Moyenne Trim25 -0.28 0.30 -1.15 -2.44 ** -3.20 *** -0.66 -0.36 -0.40 -1.27 -2.10 *
T- bootstrapped SE (-0.32) (0.31) (-1.37) (-2.48) (-2.82) (-0.64) (-0.33) (-0.43) (-1.22) (-1.86)
Panel C : Variation du ROA cash adj . de l’émetteur ajustée pour la taille et l’effet de retour à la moyenne
Médiane -1.11 0.44 -1.37 -1.88 * -2.57 ** -1.30 -0.42 0.30 -1.15 -2.07 **
Z-wilcoxon (-1.04) (-0.02) (-1.53) (-1.86) (-2.41) (-1,58) (-0,53) (-1,03) (-1,33) (-1,92)
Moyenne Trim25 -0,82 0,33 -0,89 -1,71 -2,54 ** -1,28 -0,04 -0,58 -0,97 -1,97 *
T- bootstrapped SE (-1,04) (0,44) (-0,92) (-1,58) (-2,18) (-1,45) (-0,04) (-0,61) (-1,09) (-1,79)
N 77 87 93 87 82 77 87 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
L’observation de l’évolution de la part des dépenses d’investissement dans l’actif total des
émetteurs (panel A) permet de mettre en lumière une hausse notable de ces dernières durant
les deux années précédant l’émission, suivie d’une baisse graduelle jusqu’au terme de la
période d’analyse. Ce constat empirique, relevé également par Lewis et al. (2001) sur le
marché américain, montre que les émissions d’OC françaises ont typiquement lieu après une
période de forte activité d’investissement.
Le panel B permet de mieux éclaircir cette tendance à travers une analyse de la variation
non ajustée des dépenses d’investissement des émetteurs. Il indique que les entreprises
émettrices investissent moins durant les années +1, +2 et +3 relativement à l’année -1.
Par ailleurs, nos calculs dans le panel C suggèrent que la politique d’investissement
restrictive menée par les émetteurs après l’émission ne peut être imputée dans sa totalité à
un effet sectoriel. En effet, sur la fenêtre (-1;+3), l’écart médian entre la variation des
dépenses d’investissement des entreprises émettrices et celles des entreprises comparables
du même secteur d’activité est estimé à -1.25% (significatif au seuil de 5%). Mesuré par la
moyenne tronquée, cet écart se creuse davantage pour atteindre -1.55% (significatif au seuil
de 5%). En outre, le panel D indique que l’effet taille ne permet pas, non plus, d’expliquer la
Copyright © 2007. Tous droits réservés. All rights reserved. 19

aisse des dépenses d’investissement des émetteurs, même si l’amplitude des écarts relevés
est relativement moins importante que celle constatée dans le panel C.
Tableau 10 : Evolution (en %) des dépenses d’investissement des entreprises émettrices (CE/TA)
Année fiscale -3 -2 -1 0 1 2 3
Panel A : Evolution du niveau des dépenses d’investissement
Médiane 5.01 5.94 5.87 4.73 4.52 4.35 3.97
Moyenne Trim25% 5.27 6.08 5.95 4.81 4.54 4.60 4.13
N 77 87 97 97 93 87 82
Période -3;-1 -2;-1 -1;+1 -1;+2 -1;+3
Panel B : Variation non ajustée des dépenses d’investissements des émetteurs
Médiane 0.00 -0.05 -0.42 ** -0.48 ** -0.88 ***
Z-wilcoxon (0.46) (-0.71) (-2.53) (-2.50) (-3.56)
Moyenne Trim25% 0.15 -0.18 -0.58 * -0.65 * -1.19 ***
T- bootstrapped SE (0.53) (-0.69) (-1.90) (-1.75) (-2.82)
Panel C : Variation des dépenses d’investissement des émetteurs ajustées pour l’effet sectoriel et l’effet de retour à la moyenne
Médiane 0.60 -0.36 -0.44 ** -0.36 -1.25 ***
Z-wilcoxon (1.43) (-1.00) (-1.96) (-1.51) (-2.86)
Moyenne Trim25% 0.89 0.41 -0.80 * -0.80 -1.55 **
T- bootstrapped SE (1.60) (0.73) (-1.87) (-1.39) (-2.27)
Panel D : Variation des dépenses d’investissement des émetteurs ajustées pour la taille et l’effet de retour à la moyenne
Médiane 0.11 0.40 -0.37 -0.18 * -0.97 **
Z-wilcoxon (0.54) (0.45) (-1.46) (-1.68) (-2.23)
Moyenne Trim25% 0.22 0.18 -0.61 -0.69 -1.15 *
T- bootstrapped SE (0.39) (0.35) (-1.24) (-1.42) (-1.87)
N 77 87 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
Pour ce qui est de la variation du niveau de l’endettement des émetteurs, nos résultats
présentent une grande similitude avec ceux obtenus par Lewis et al. (2002) dans le contexte
américain. Ainsi, le tableau 11 révèle une évolution statistiquement significative du niveau
de l’endettement des firmes émettrices après l’offre d’OC. Il affiche une allure croissante de
l’année -3 jusqu’à l’année de l’émission où il atteint son niveau le plus élevé avant de
commencer à décroître, sans toutefois regagner son niveau d’avant l’émission.
Tableau 11 : Evolution (en %) de l’endettement des entreprises émettrices (TD/TA)
Année fiscale -3 -2 -1 0 1 2 3
Panel A : Evolution du taux d’endettement des émetteurs
Médiane 0.23 0.25 0.27 0.36 0.35 0.33 0.32
Moyenne Trim25% 0.24 0.25 0.28 0.36 0.34 0.33 0.33
N 77 87 97 97 93 87 82
Période -3;-1 -2;-1 -1;+1 -1;+2 -1;+3
Panel B : Variation du taux d’endettement non ajusté des émetteurs
Médiane 2.07 ** 1.34 * 4.43 *** 2.76 *** 4.23 ***
Z-wilcoxon (2.05) (1.68) (4.87) (3.69) (3.28)
Moyenne Trim25% 2.47 ** 1.49 ** 4.90 *** 3.65 *** 4.84 ***
T- bootstrapped SE (1.98) (2.09) (4.66) (2.78) (2.98)
Panel C : Variation du taux d’endettement des émetteurs ajusté pour l’effet sectoriel et l’effet de retour à la moyenne
Médiane 1.42 1.23 7.19 *** 7.51 *** 8.81 ***
Z-wilcoxon (1.63) (1.12) (4.64) (3.79) (4.23)
Moyenne Trim25% 2.30 1.69 7.40 *** 7.13 *** 8.68 ***
T- bootstrapped SE (1.32) (1.35) (5.54) (4.34) (5.39)
Panel D : Variation du taux d’endettement des émetteurs ajusté pour l’effet la taille et l’effet de retour à la moyenne
Médiane 1.98 1.88 * 6.10 *** 6.70 *** 7.09 ***
Z-wilcoxon (1.57) (1.78) (5.21) (4.87) (4.11)
Moyenne Trim25% 1.96 1.95 ** 7.31 *** 7.15 *** 7.68 ***
T- bootstrapped SE (1.22) (2.15) (5.10) (4.83) (4.41)
N 77 87 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
Copyright © 2007. Tous droits réservés. All rights reserved. 20

Le panel B indique que même si les variations non ajustées du taux d’endettement sont
toutes statistiquement significatives aussi bien avant qu’après l’émission, il n’en demeure pas
moins vrai que les hausses les plus importantes et les plus significatives sont enregistrées sur
les fenêtres post-émission.
Par ailleurs, l’ajustement de la variation du taux d’endettement (panels C et D), entre
l’année -1 et les années +1, +2 et + 3 respectivement, accentue les écarts entre les émetteurs et
les firmes comparables et les rend beaucoup plus significatifs.
Le panel A du tableau 12 montre que la profitabilité des opportunités d’investissement
future approximée par le ratio MtoB (Market to Book) augmente d’une façon continue et
significative sur la période (-3;0). Elle atteint son niveau le plus élevé l’année de l’émission
avant d’entamer une baisse progressive dès l’année suivante. La comparaison des
opportunités de croissance future des entreprises émettrices françaises avec celles de leurs
homologues américaines (Lewis et al. 2001) montre, d’une part, une forte similarité dans leur
évolution sur la période (-3 ;+3), avec une corrélation qui avoisine les 80% (significative au
seuil de 5%), et d’autre part, une profitabilité potentielle meilleure pour les émetteurs
français, surtout pendant les années antérieures à l’émission.
Le revirement de tendance à long terme du MtoB, est exprimé d’une façon saillante dans
le panel B où sont rapportées les variations non ajustées de ce ratio. On y observe que ces
dernières subissent un net déclin sur les fenêtres (-1 ;+1), (-1 ;+2) et (-1 ;+3) après avoir
enregistré des hausses significatives sur les fenêtres (-3 ;-1) et (-2 ;-1).
Tableau 12 : Evolution des opportunités de croissance future des entreprises émettrices d’OC
Année fiscale -3 -2 -1 0 1 2 3
Panel A : Evolution du MtoB des émetteurs
Médiane 1.89 2.07 2.23 2.26 1.91 1.72 1.63
Moyenne Trim25% 2.09 2.18 2.55 2.43 2.02 1.89 1.71
N 77 87 97 97 93 87 82
Période -3;-1 -2;-1 -1;+1 -1;+2 -1;+3
Panel B : Variation non ajustée du MtoB des émetteurs
Médiane 0.33 ** 0.12 ** -0.32 *** -0.42 *** -0.41 ***
Z-wilcoxon (2.14) (2.27) (-3.04) (-3.85) (-4.08)
Moyenne Trim25% 0.28 * 0.19 * -0.40 *** -0.55 *** -0.59 **
T- bootstrapped SE (1.79) (1.68) (-2.69) (-2.99) (-2.51)
Panel C : Variation du MtoB des émetteurs ajustée pour l’effet sectoriel et l’effet de retour à la moyenne
Médiane 0.33 * 0.17 0.05 -0.35 ** -0.56 **
Z-wilcoxon (1.74) (1.32) (1.13) (2.25) (2.59)
Moyenne Trim25% 0.45 ** 0.17 -0.22 -0.49 ** -0.69 **
T- bootstrapped SE (1.99) (1.09) (-1.08) (-2.07) (-2.38)
Panel D : Variation du MtoB ajustée pour l’effet taille et l’effet de retour à la moyenne
Médiane 0.39 ** 0.17 * -0.32 -0.54 ** -0.47 *
Z-wilcoxon (2.09) (1.87) (-1.43) (-2.45) (-1.91)
Moyenne Trim25% 0.51 ** 0.33 ** -0.30 -0.71 ** -0.46
T- bootstrapped SE (2.26) (2.10) (-1.36) (-2.29) (-1.36)
N 77 87 93 87 82
Notes : *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil de 10 %.
D’après le panel C, les entreprises émettrices sous-performent les entreprises de contrôle
du même secteur entre l’année -1 et les années +2 et +3 respectivement. Par contre la
surperformance pré-émission n’est statistiquement significative que sur la période (-3 ;-1). En
utilisant le critère croisé « taille, performance passée » pour ajuster les variations du MtoB
des émetteurs (panel D), on constate que nos résultats tendent à confirmer les conclusions du
panel C, excepté pour la fenêtre (-2 ;-1) où la variation ajustée devient significativement
positive.
Dans la mesure où il traduit les anticipations des investisseurs et des analystes financiers
au vu des flux de résultats futurs des projets d’investissements passés et à venir, le ratio
Copyright © 2007. Tous droits réservés. All rights reserved. 21

MtoB constitue une mesure prospective pertinente pour la valorisation de la performance
boursière d’une entreprise. Ceci nous permet de vérifier l’adéquation entre la performance
opérationnelle et la performance boursière à long terme des émetteurs dans le cadre de notre
étude.
Ainsi, les résultats reportés dans le tableau ci-dessus tendent à confirmer l’idée de
l’intégration progressive de la baisse de la performance opérationnelle des émetteurs dans
leurs cours boursiers postérieurement à l’offre d’OC. Cependant, ces résultats, contrairement
à ceux de Mc Laughlin et al. (1998) et Lewis et al. (2001), ne paraissent pas du tout
satisfaisants pour expliquer l’absence d’une surperformance économique pré-émission
positive et statistiquement significative des entreprises émettrices.
7. L’analyse multivariée de la performance opérationnelle à long terme
Nos résultats suggèrent que les émetteurs d’OC français connaissent une contreperformance
à long terme. Néanmoins, cette conclusion doit être considérée avec prudence,
car elle est basée sur des mesures de tendance centrales : la médiane et la moyenne tronquée.
Elle ne nous explique donc pas pourquoi certaines entreprises émettrices génèrent une
performance décevante à long terme alors que d’autres non. D’où l’intérêt d’une analyse
multi-variée qui contribuerait à mieux éclairer notre compréhension sur la sous-performance
des émetteurs à travers une identification des facteurs qui en sont responsables.
7.1. Présentation de la méthodologie appliquée dans l’analyse multivariée
La méthodologie appliquée dans ce cadre repose sur la méthode des moindres carrés
partiels (Wold, Martens & Wold, 1983) connue sous l’acronyme PLS 22 (partial least squares).
Cette méthode, issue d'une utilisation itérative des moindres carrés ordinaires, « consiste à
rechercher dans un premiers temps des composantes orthogonales t h, combinaisons linéaires des
variables X, expliquant au mieux à la fois les X et les Y. Les équations de régression PLS sont ensuite
obtenues en régressant chaque variable Y sur les composantes t h puis en exprimant ces régression en
fonction des variables X d’origine » (Tenenhaus, 1999, p. 8) .
Nous avons privilégié cette approche par rapport à d’autres techniques de régression
traditionnelles pour plusieurs raisons. En effet, la régression PLS est d’une grande simplicité.
Elle requiert peu d’hypothèses probabilistes (aucune hypothèse de normalité). Elle permet
également de contourner le problème de multi-colinéarité qui rend le modèle
numériquement instable et l’interprétation de ses paramètres contraire à l’intuition. 23 Aussi,
le recours à la méthode PLS est très recommandé dans les situations où le nombre des
variables exogènes utilisées est très élevé pouvant même dépasser celui des observations.
Enfin, la régression PLS a le mérite de bien s’accommoder de la présence de données
manquantes, ce qui n’est pas le cas par exemple dans une régression MCO (Moindres
Carrées Ordinaires) dont l’usage nous aurait contraint d’écarter un nombre non négligeable
d'observations incomplètes et ayant pourtant un contenu informatif utile. 24
Par ailleurs, la relation entre les variables endogènes et les variables exogènes a été
investiguée en appliquant deux variantes de la méthode PLS. La première est l’approche PLS
univariée (PLS1) qui consiste à régresser, séparément, chaque variable endogène sur
22 Le lecteur intéressé par cette technique de régression trouvera de plus amples explications dans Tenehaus
(1998) : « La régression PLS : Théorie et Pratique », Technip, Paris, et dans Tenenhaus (1999) : « L’approche
PLS », Revue de Statistique Appliquée, tome 47, N° 2, P : 5-40.
23 A titre d’exemple, les coefficients de corrélation de Fisher entre les variables Slacks_Financiers & Intangibles,
Taille_Emetteur & Taille_Emission et MtoB & Taille_Emission sont estimés respectivement à 85%, 54%et 52%.
Ces valeurs sont toutes statistiquement significatives au seuil de 1% en utilisant la technique du Bootstrap.
24 La régression PLS fonctionne avec des données manquantes grâce à l’utilisation des principes de l’algorithme
NIPALS (Nonlinear Estimation by Iterative Partial Least Squares) développé par Wold en 1966. Cet algorithme
s’appuie sur la formule de reconstitution de données sur les composantes principales.
Copyright © 2007. Tous droits réservés. All rights reserved. 22

l’ensemble des variables exogènes. Ceci revient à construire autant de modèles que de
variables endogènes, soient trois modèles dans notre cas, nommés modèle 1, modèle 2 et
modèle 3 correspondant, respectivement, aux variables Y 1, Y 2 et Y 3 définies dans le
paragraphe ci-après. La deuxième est l’approche PLS multivariée (PLS2). Elle consiste à
modéliser la relation linéaire qui existe entre le vecteur des variables exogènes X et le vecteur
des variables endogènes Y considérées dans le cadre de cette analyse (Y=Y 1, Y 2, Y 3).
7.2. Définition et mesure des variables dépendantes
La performance opérationnelle que l’on cherche à expliquer par les variables exogènes a
été approximée par trois variables endogènes, à savoir : la variation non ajustée de la
rentabilité économique (Y 1), la variation de la rentabilité économique ajustée pour l’effet
sectoriel et l’effet de retour à la moyenne (Y 2) et la variation de la rentabilité économique
ajustée pour l’effet taille et l’effet de retour à la moyenne (Y 3).
7.3. Définition et mesure des variables indépendantes
L’influence de trois groupes de variables a été testée sur la performance opérationnelle à
long terme. Le premier groupe est constitué de variables proposées par la théorie financière
pour caractériser les firmes, comme le risque, la taille, le levier et le MtoB. Le second groupe
de variables concerne les caractéristiques de l’émission, telles que la taille relative de
l’émission et la maturité. Enfin, le troisième groupe est composé d’une variable caractérisant
l’environnement de l’émission, afin de déceler l’éventuel impact de ce dernier sur la
performance des émetteurs.
Des prédictions, à la lumière des arguments avancées par la littérature théorique et
empirique antérieure, seront faites quant à l’incidence de chacune des variables explicatives
sur la performance de l’émetteur.
Notons enfin que ces variables explicatives ne sont pas les seules dont on pourrait se
servir pour expliquer la performance post-émission des émetteurs, mais elles ont l’avantage
d’être largement documentées dans la littérature et d’être disponibles, soit dans les bases de
données dont nous nous sommes servies, soit dans les prospectus des émissions.
Les variables caractérisant l’entreprise émettrice :
• La taille de l’entreprise émettrice : Brennan et Kraus (1987) et Brennan et Schwartz (1988)
indiquent que les émetteurs d’OC de petites tailles sont généralement connus pour
l’évolution incertaine de leur risque post-émission, ce qui constitue une source
d’inquiétude pour les créanciers. Aussi, les petites entreprises éprouvent beaucoup de
difficultés pour accéder au marché des actions et au marché de la dette standard à cause,
respectivement, de la forte asymétrie informationnelle et des coûts de faillite qui les
caractérisent relativement à des entreprises de grandes tailles (Stein 1992). Dans ce
contexte, les OC apparaissent comme un mode de financement à la fois approprié et
attrayant pour les petites entreprises dynamiques qui souhaitent en fait procéder à une
augmentation différée de leur capital. On s’attend donc à ce que la taille de la firme
émettrice, mesurée par le logarithme népérien du total des actifs, soit négativement
corrélée avec sa performance opérationnelle à long terme.
• Le Market to Book (MtoB) et la part des actifs intangibles dans l’actif total: Selon Essig
(1991), les émetteurs typiques d’OC se distinguent des autres entreprises par des
opportunités de croissance future et des proportions d’actifs intangibles dans l’actif total
qui sont supérieures à la norme. La théorie de “Backdoor equity” de Stein (1992) considère
ces deux facteurs comme des proxys empiriques du niveau des coûts de sélection adverse
Copyright © 2007. Tous droits réservés. All rights reserved. 23

et des coûts de détresse financière 25 . Ce faisant, les entreprises qui anticipent une évolution
favorable de leur rentabilité, mais qui se heurtent à ce genre de coûts de financement
externe, seraient tentées d’émettre des OC à la place des autres titres financiers. Nous
prévoyons par conséquent une relation positive entre la performance opérationnelle à long
terme de l’entreprise émettrice et, respectivement, son ratio des actifs incorporels sur le
total des actifs et ses opportunités de croissance future approximées par le ratio MtoB. Ces
deux variables sont mesurées toutes les deux à la fin de l’année fiscale précédant
l’émission.
• La croissance du chiffre d’affaires sur la fenêtre (-2 ;-1): la croissance du CA est aussi
employée dans le cadre de notre analyse comme un indice sur l’existence d’options de
croissance, mais aussi sur la présence potentielle d’un risque de détresse financière. En
effet, un taux positif de variation du chiffre d’affaires indique que la firme perçoit une
évolution favorable de ses débouchés. Cependant, une progression trop importante de ce
taux peut renforcer la contrainte de financement à cause de la croissance de la part des
besoins en fonds de roulement, augmentant de facto le risque d’illiquidité encouru. Comme
le MtoB, cette variable devrait être positivement corrélée avec la performance
opérationnelle de l’émetteur constatée après l’émission.
• Le price run-up précédant l’émission : selon Lucas et McDonald (1990), les émissions
d’actions effectuées après un important price run-up sont une source d’asymétrie
informationnelle, car elles sont souvent perçues par le marché comme un signe de
surévaluation du cours de l’entreprise émettrice. Lewis et al. (2003) ont mis en exergue
dans le contexte américain une relation positive et significative entre la propension à
émettre des OC et le price run up. À l’instar de ces auteurs, nous avons mesuré ce dernier
par le rendement boursier de l’émetteur cumulé sur la fenêtre (-75 ;-1), 0 étant la date
d’annonce de l’émission. L’impact attendu de cette variable sur la performance à long
terme des émetteurs d’OC est similaire à celui du MtoB.
• L’âge de l’émetteur : Diamond (1991) établit que les jeunes entreprises ne jouissent pas
d’un « capital-réputation » solide et d’un historique d’informations financières
suffisamment long qui leur permettront de lever l’asymétrie d’information qui existe entre
elles et le marché. Cependant, comme nous l’avons expliqué précédemment, cet obstacle de
coûts de sélection adverse peut être évité si les firmes les moins âgées décident de recourir
à un financement par OC. Une telle décision ne sera judicieuse pour leur avenir que dans la
mesure où elles disposent d’anticipations favorables sur les résultats futurs. La variable âge
devrait donc être, toutes choses égales par ailleurs, associée négativement à la performance
opérationnelle de l’émetteur. Elle est mesurée par le nombre d’années qui séparent la date
d’immatriculation de l’émetteur au registre de commerce de la date d’émission.
• Les Slacks financiers : Comme nous l’avons déjà indiqué, les OC ne contribuent pas
seulement, comme c’est le cas de tout emprunt, à diminuer les free cash flows, mais aussi à
inciter les dirigeants à s’impliquer dans le processus de création de la valeur afin de forcer
la conversion et éviter un remboursement en numéraire de l’emprunt qui pourrait leur être
dommageable. En conséquence, nous anticipons une relation positive entre la performance
de l’émetteur et le niveau de ses free cash flows observés antérieurement à l’offre d’OC. Par
ailleurs, nous avons choisi d’apprécier ces derniers par les slacks financiers (encaisses et
équivalents) rapportés à l’actif total, contrairement à la plupart des études qui les mesurent
25 Gilson et al. (1995) et McConnell et Servaes (1995) ont, eux aussi, mis en évidence une relation positive
significative entre le MtoB et le niveau des coûts de faillite de la firme.
Copyright © 2007. Tous droits réservés. All rights reserved. 24

par les cash-flows opérationnels nets des dividendes standardisés par l’actif total (Lehn et
Poulsen, 1989 ; Lang et al. 1991 ; Smith et Kim, 1994). Nous justifions ce choix par deux
principales raisons. D’abord, nous avons jugé que les mesures basées sur les flux de
trésorerie nous renseignent sur la profitabilité de la firme plutôt que le niveau de ses free
cash flows. La deuxième raison tient au fait que « Although slack and free cash flow have precise
and distinct definitions, the concepts are difficult to distinguish empirically. Both involve
comparison of firm cash’s generating ability with investment opportunity schedule » (Smith et
Kim, 1994, P. 285).
• Le levier financier : dans l’une des premières études sur les caractéristiques des émetteurs
d’OC, Broman (1963) montre que ces derniers ont un ratio d’endettement qui est
particulièrement élevé avant l’émission. Ce constat empirique a été validé dans une étude
plus récente par Essig (1991). De son côté, Stein (1992) prévoit dans son modèle que les
entreprises de « bonne qualité» en terme de rentabilité future, qui ont un levier financier
élevé et/ou une notation de type speculative grade (risque élevé) auront tendance à émettre
des OC. En effet, la faible rémunération des OC (“interest sweetener”), par rapport aux
obligations standards de même classe de risque et de même maturité, permet aux
entreprises anticipant une hausse de leur valeur de réduire le coût de l’endettement et
d’augmenter les fonds propres grâce à un éventuel exercice du privilège de conversion.
Etant donné que la plupart des émissions de notre échantillon ne sont pas notées 26 , nous
avons uniquement utilisé le ratio d’endettement pour analyser l’impact du risque de
défaillance financière pré-émission sur la performance opérationnelle post-émission des
émetteurs. Ce ratio est déterminé en rapportant la dette nette totale de chaque émetteur à
son actif total à la fin de l’année -1.
• La variation de la performance sur la fenêtre (-2 ;-1) : McLaughlin et al. (1998) indiquent
que les émetteurs d’OC américains, à l’instar des émetteurs d’actions (Loughran et Ritter,
1997), choisissent de recourir au marché financier pendant des périodes caractérisés par
une performance opérationnelle particulièrement élevée. En effet, les dirigeants essaient de
tirer profit de ces périodes, désignées sous le nom de « fenêtres d’opportunité », car elles
correspondent à des moments où les OC ont de fortes chances d’être surévaluées.
McLaughlin et al. (1998) révèlent une relation négative entre la performance pré-émission
et la performance post-émission, ce qui les conduit à expliquer la dégradation de cette
dernière par l’hypothèse du timing. En d’autres termes, toujours selon ces deux auteurs, la
contre-performance constatée après l’émission n’est probablement pas une manifestation
d’un déclin perpétuel de la performance de l’émetteur, mais elle correspondrait plutôt à un
phénomène de retour à la moyenne. Afin de contrôler cet effet sur notre échantillon, nous
avons introduit la variation de la performance de l’émetteur sur la fenêtre (-2 ;-1) comme
variable exogène dans les modèles de régression.
• L’émission d’actions avant l’offre d’OC : Environ 28% des firmes de notre échantillon ont
déjà procédé à une ou plusieurs émissions d’actions dans les trois années précédant l’offre
d’OC. Ainsi, McLaughlin et al. (1996) et Loughran et Ritter (1997) ont observé chez les
26 L’AMF n’exigence aucune notation lorsqu'une entreprise envisage d’émettre des titres donnant ou
pouvant donner accès à son capital. C’est le cas notamment des OC qui échappent jusqu’à présent aux
impératifs du processus de rating. Cette exception s’explique par l’existence de la garantie
supplémentaire qu’offre la composante optionnelle de l’OC. Cela a pour effet de permettre à
l’émetteur d’épargner le coût de l’opération de rating (généralement réservée aux grands groupes) et
de le mettre à l’abri de l’impact qu’elle pourrait avoir sur son coût de financement (impact sur les
«spreads» de crédit) et sur la taille de son émission.
Copyright © 2007. Tous droits réservés. All rights reserved. 25

entreprises américaines émettrices d’actions une baisse substantielle de leur performance
opérationnelle à long terme après l’émission. Le même constat a été confirmé sur le marché
français par Mansali (2005). 27 Il serait donc judicieux d’examiner l’impact de l’émission
d’actions antérieurement à l’offre d’OC sur la performance opérationnelle à long terme des
émetteurs. Pour ce faire, nous avons introduit dans nos modèles de régression une variable
dichotomique qui prend la valeur 1 lorsque l’entreprise émettrice a réalisé une émission
d’actions durant les trois années précédant l’émission d’OC et la valeur 0 autrement.
• Le risque de l’émetteur : Green (1984), a démontré théoriquement que les OC peuvent être
utilisées par les entreprises ayant un fort potentiel de croissance comme un remède efficace
pour limiter les coûts d’agence induits par le risque de substitution d’actifs. Brennan et
Kraus (1987) et Brennan et Schwartz (1988) ont quant à eux mis en avant dans leurs
modèles le rôle des OC dans la réduction de l’écart d’asymétrie d’information engendré
par la divergence entre les souscripteurs potentiels et les dirigeants sur le niveau du risque
de l’émetteur. Les conclusions de ces modèles normatifs ont eu plusieurs confirmations sur
le plan empirique. C’est le cas notamment d’Essig (1991) qui a révélé une relation positive
entre l’usage des OC et la volatilité des cash-flows opérationnels des entreprises aux Etats-
Unis, ou encore, plus récemment, Henot (2002) qui a mis en relief un risque
significativement supérieur pour les émetteurs d’OC relativement aux émetteurs d’actions
et aux émetteurs d’obligations standards dans le contexte français.
A la lumière de ces constats théoriques et empiriques, nous prévoyons que la performance
économique post-émission des émetteurs d’OC sera positivement liée à leur niveau de
risque avant l’émission. Deux types de risques ont été considérés à ce stade d’analyse. Le
risque total, approximé par la volatilité historique annualisée des rendements journaliers
de l’émetteur, et le risque systématique, approximé par le bêta du modèle de marché.
Notons enfin que ces deux risques ont été estimés sur la fenêtre [-250 ;-1], 0 étant la date de
l’annonce de l’offre d’OC.
• La variation du niveau des immobilisations sur la période (-1 ;+3) : cette mesure ex-post
permet de contrôler l’effet de la croissance des immobilisations corporelles sur la
performance opérationnelle subséquente à l’émission d’OC. Logiquement, les entreprises
qui investissent les fonds levés dans des projets d’investissement créateurs de valeur
verront leur rentabilité économique s’améliorer à la suite de l’émission.
Nous avons mesuré l’évolution du niveau des investissements de l’émetteur par la
variation de la part des actifs corporels dans l’actif total sur la fenêtre (-1 ;+3). On s’attend à
une relation positive entre cette variable et la performance post-émission de l’émetteur.
Les variables caractérisant l’émission :
• La taille de l’émission : Fama et Miller (1972) montrent que, dans un contexte d’asymétrie
informationnelle, l’annonce par les dirigeants d’un financement externe non attendu par le
marché est porteuse d’un signal négatif sur les perspectives de bénéfices futurs de
l'entreprise ayant fait cette annonce. Leur théorie, connue sous le nom d’Earnings Downturn
Theory, stipule aussi que l’ampleur du déclin de ces bénéfices sera positivement corrélée
avec la taille des sommes levées sur le marché. Les prédictions de cette théorie sont
corroborées par le modèle de Miller et Rock (1985). Cependant, la Earnings Downturn
Theory et le modèle de Miller et Rock restent, tous les deux, silencieux quant au mode de
financement dont l’entreprise émettrice fait usage. Ce vide a été comblé par Hansen et
27 Abhyankar et Willis (1999) et Cai et Loughran (1998) ont de leur part mis en évidence une sous-performance
opérationnelle à long terme significative des émetteurs d’actions anglais et japonais respectivement.
Copyright © 2007. Tous droits réservés. All rights reserved. 26

Crutchley (1990) et Bae et al. (2002) qui ont établit empiriquement, dans le contexte
américain, une relation significativement négative entre la rentabilité économique
anormale post-émission des émetteurs d’OC et la taille de l’émission. 28
En vue de déceler l’éventuel impact de la taille de l’offre d’OC sur la performance
opérationnelle de l’émetteur français, nous avons utilisé, à l’instar de Spiess et Affleck-
Graves (1999) et McLaughlin et al. (1998), une mesure relative qui consiste à normaliser le
montant de l’émission d’OC par la total des actifs de l’émetteur à la fin de l’année -1.
• Le but de l’émission : Le dépouillement des prospectus d’émission nous indique que les
fonds levés sont le plus souvent affectés, soit à la réalisation des programmes
d’investissement interne ou externe, soit à la consolidation de la structure financière de
l’émetteur à travers le renforcement de ses fonds propres (en cas de conversion) et/ou le
refinancement de sa dette. Selon les modèles de Green (1984) et Brennan et Kraus (1987),
les émissions d’OC ayant comme principal objectif l’amélioration de la structure financière
par une diminution de l’endettement à court terme entraineraient une réaction favorable de
la part des investisseurs. Cette hypothèse a été confirmée plus tard par Mehta et and Khan
(1995), qui indiquent que les OC sont typiquement efficaces pour le refinancement de la
dette financière. Ce dernier, qui vise surtout à réduire le coût de la dette senior et allonger
sa maturité, peut paraître sans incidence sur la rentabilité économique de l’émetteur, par
définition indépendante du mode de financement. Cependant, ce raisonnement n’est
valable que dans le cadre du référentiel de Modigliani et Miller (1958, 1963), qui ne prend
pas compte des coûts de défaillance dont on connaît très bien les effets néfastes sur la
valeur de la firme.
Nous avons donc pris en considération l’objet de l’émission dans nos modèles en
introduisant une variable indicatrice valant 1 quand le but de l’émission est le financement
d’un projet d’investissement et 0 sinon. Le signe attendu pour le coefficient de régression
associé à cette variable est négatif.
• La prime de conversion : elle correspond à l’écart entre le prix de l’OC et la valeur de
conversion 29 rapporté à cette dernière. Elle représente l’avantage à posséder l’OC par
rapport à l’action sous-jacente. Selon Brennan et Kraus (1987), le marché devrait accueillir
favorablement les émissions d’OC à forte prime de conversion. En effet, plus élevée est la
prime de conversion, plus importante devra être l’augmentation du cours du sous-jacent
nécessaire pour que les souscripteurs aient intérêt à convertir leurs OC ou pour que la
conversion forcée soit déclenchée. Une prime de conversion élevée est donc synonyme
d’un signal de qualité qui révèle la confiance des dirigeants à l’égard des perspectives
futures de l’entreprise émettrice. En principe, cette variable devrait influer positivement
sur la performance à long terme de l’entreprise émettrice.
• La maturité : Selon Flannery (1986), la dette à court terme serait perçue comme un signal
positif. Cependant, les modèles de Brennan et Kraus (1987) et de Brennan et Schwartz
(1988) suggèrent que les émetteurs typiques d’OC (petites entreprises très endettés et ayant
d’importantes opportunités d’investissement) devraient normalement émettre des OC à
longue maturité. En effet, selon ces modèles la décision d’émettre une dette non convertible
à maturité élevée est généralement associée à un manque de visibilité à moyen et long
termes quant à la politique d’investissement de l’entreprise émettrice, ce qui fait courir aux
créanciers un risque énorme et augmente les coûts d’agence liés à l’endettement. En
28 Ces deux études ont également examiné l’incidence de la taille de l’émission sur la performance
opérationnelle à long terme des émetteurs d’actions et des émetteurs obligations standards.
29 La valeur de conversion = cours de l’action à l’émission x le ratio de conversion. Ce dernier est très
souvent égal à 1 en France.
Copyright © 2007. Tous droits réservés. All rights reserved. 27

evanche, ce risque potentiel est substantiellement atténué par l’inclusion de l’option de
conversion dans le contrat d’émission de la dette. En effet, cette option offre une garantie
contre les politiques qui augmenteraient le risque de l’entreprise tout au long de la durée
de vie de l’OC.
Nous anticipons donc une relation positive entre la maturité de l’OC et l’ampleur de la
performance opérationnelle des émetteurs après la réalisation de l’émission.
Variable caractérisant l’environnement de l’émission :
• Les périodes chaudes et les périodes froides : L’activité d’émission d’OC est fortement
cyclique et des périodes « chaudes » succèdent aux périodes « froides» (Lewis et al. 1998 ;
Lewis et al. 2002). Durant les périodes chaudes, les émissions sont nombreuses traduisant
une forte demande de la part des investisseurs. La sous-performance à moyen et long
terme serait plus importante au cours de ces périodes. L’explication la plus plausible à cette
situation met en doute la rationalité des investisseurs qui, dans des périodes d’euphorie
boursière, portent un intérêt tout particulier aux émissions de produits equity-linked. 30
Spiess et Affleck-Graves (1999), ont montré que les entreprises ayant émis des OC aux
États-Unis pendant les périodes chaudes, enregistrent une baisse très prononcée de la
performance boursière sur un horizon temporel de cinq années après l’émission. Par
contre, la sous-performance des entreprises ayant procédé à l’émission durant les périodes
froides est moins importante et statistiquement non significative.
Etant donné que les OC de notre échantillon ont été émises durant des périodes différentes
(Cf. Tableau 1), nous avons utilisé une variable indicatrice pour prendre en considération
l’état de l’environnement financier de l’émission. Cette variable prend la valeur 1 si l’offre
d’OC a été réalisée pendant une période chaude et 0 autrement.
Pour identifier les périodes chaudes, nous avons adopté une méthodologie proche de celle
appliquée par Bayless et Chaplinsky (1996) dans le contexte des émissions d’actions. Ainsi,
dans un premier temps, nous avons ramené le montant de toutes les émissions 31 réalisées
sur la période 1990-2002 de l’euro courant à l’euro constant en valeur 2002. 32 Dans un
deuxième temps, nous avons identifié les périodes chaudes comme étant celles qui ont
connu des volumes annuels d’émission qui dépassent le volume annuel médian sur la
période 1990-2002. 33
7.4. Résultats de l’analyse multivariée
Les résultats des régressions PLS1 et PLS2 classent le modèle 1 en première position en
termes de pouvoir explicatif, suivi du modèle 2 puis du modèle 3. L’écart dans les
coefficients de détermination entre le premier et les autres modèles ne doit pas être étonnant.
Il se justifie par le fait que la variation de la performance opérationnelle que l’on cherche à
expliquer dans le cadre du modèle 1 est une variation non ajustée, est donc beaucoup plus
corrélée aux variables exogènes, surtout celles caractérisant la firme émettrice (panel A).
30 Loughran et Ritter (2000) montrent que certains événements corporatifs, tels que les émissions d’actions, sont
motivées par des comportements de timing. Pour cette raison, ces auteurs recommandent de tenir compte du
caractère chaud ou froid des sous-périodes considérées dans les études événementielles à long terme.
31 Ceci comprend celles qui ont été exclues de l’échantillon final, car ne répondant pas aux critères de sélection
imposés.
32 Cette conversion a pour but de prendre en compte l’effet de l'augmentation du coût de la vie d’une année à une
autre. Elle est effectuée à l’aide de l’indice des prix à la consommation base 2002 publié par l’INSEE, en
appliquant la formule : Euro Constant = (Euro Courrant / Indice des prix base 2002) * 100
33 En appliquant cette définition, nous avons pu identifier quatre périodes chaudes entre 1990 et 2002:
1990,1993-1994 et 1999-2002.
Copyright © 2007. Tous droits réservés. All rights reserved. 28

Alors que dans les modèles 2 et 3, la variable dépendante est une variation résiduelle de la
performance de l’émetteur, obtenue après avoir contrôlé pour l’effet sectoriel et l’effet de
retour à la moyenne (modèle 2) ou encore l’effet taille et l’effet de retour à la moyenne
(modèle 3).
Afin de rendre l’interprétation de nos résultats plus claire, nous allons nous pencher dans
un premier temps sur l’analyse des résultats issus de la régression PLS univariée, puis nous
essayerons, dans un deuxième temps de les comparer à ceux obtenus en procédant par la
régression PLS multivariée.
Résultats de la régression PLS univariée
Le panel A montre que la taille de l’entreprise émettrice influence favorablement sa
performance économique à long terme. Le coefficient de régression associé à cette variable
est positif dans tous les modèles et il est statistiquement significatif au seuil de 1% dans les
modèles 1 et 2. En revanche, ce coefficient n’est pas significativement différent de 0 dans le
modèle 3, ce qui peut être expliqué par l’ajustement pour la taille de la variation de la
performance de l’émetteur (variable endogène dans ce modèle). Les résultats concernant la
variable taille vont à l’encontre des modèles normatifs de Brennan et Kraus (1987), Brennan
et Schwartz (1988) et Stein (1992). Ils contredisent aussi les résultats empiriques de Spiess et
Affleck-Graves (1999) qui ont mis en évidence sur le marché américain une sousperformance
boursière mois accentuée pour les émetteurs les plus petits (1 er et 2 ème quintiles)
durant les cinq années suivant l’émission.
Le même constat peut être fait à propos de l’ensemble des variables désignées pour capter
l’asymétrie informationnelle entre les investisseurs et les dirigeants, dont les coefficients
affichent des signes contraires à ceux prévus par la théorie. Ainsi, s’agissant du MtoB, il est
en relation négative (significative au seuil de 1%) avec la performance opérationnelle postémission
de l’émetteur, et ce quelque soit le modèle et la mesure du ROA utilisés. De même,
la proportion des actifs intangibles et la croissance du chiffre d’affaires, considérées comme
des indicateurs sur la présence d’opportunités de croissance et des coûts de défaillance
financière, présentent des coefficients de régression négatifs.
Conformément à nos prédictions, le coefficient associé à la variable price run-up est
significativement positif aux seuils conventionnels dans tous les modèles. Ce résultat
supporte l’hypothèse dérivée du modèle de Stein (1992). En revanche, l’âge de l’émetteur ne
semble pas agir sur la performance opérationnelle de l’émetteur dans le sens prévu par la
théorie. Spiess et Affleck-Graves (1999) reportent des résultats similaires aux nôtres. Ils
indiquent que les émetteurs américains les plus jeunes affichent une contre-performance
boursière à long terme qui est particulièrement élevée relativement aux entreprises les moins
jeunes. Signalons aussi que Loughran et Ritter (1995) et Spiess et Affleck-Graves (1995)
parviennent à la même conclusion en analysant la performance boursière à long terme des
émetteurs d’actions aux États-Unis.
De même, la variable slacks, désignée pour approximer les coûts d’agence induits par les
free cash flows, est dotée d’un coefficient de régression qui n’est pas significatif (excepté dans
le premier modèle) et dont le signe n’est pas conforme à nos anticipations.
En revanche, le coefficient de régression du levier est positif, indiquant, conformément
aux prédictions du modèle de Stein (1992) et aux constats empiriques de McLaughlin et al.
(1998), que l’endettement contribue favorablement à l’amélioration de la performance
opérationnelle post-émission des émetteurs. Il convient toutefois de signaler que ce
coefficient n’est statistiquement différent de 0 que dans le modèle 1.
Copyright © 2007. Tous droits réservés. All rights reserved. 29

Par ailleurs, nos résultats ne permettent de tenir le timing des émissions d’OC pour
responsable de la sous-performance opérationnelle des émetteurs sur la période (-1 ;+3). En
effet, le coefficient de la variable dichotomique contrôlant pour ce phénomène dans nos
régressions est tantôt positif et tantôt négatif sans jamais être significatif aux seuils habituels
de confiance.
Quant à l’émission d’actions antérieurement à l’offre d’OC, elle ne semble pas avoir une
incidence notable sur la performance opérationnelle de la firme émettrice. Ainsi, bien que le
coefficient de la variable dichotomique contrôlant cet événement soit doté d’un signe
conforme à nos anticipations dans tous les modèles, il reste cependant non différent de 0 aux
seuils conventionnels. Lee et Loughran (1998) trouvent un résultat comparable dans leur
étude de la performance boursière à long terme des émetteurs d’OC américains. En
revanche, ni McLaughlin et al. (1998), ni Spiess et Affleck-Graves (1999), ne sont parvenus, en
étudiant respectivement la rentabilité économique et la rentabilité boursière à long terme des
émetteurs, à établir une conclusion similaire dans le même contexte.
Concernant le risque de l’émetteur, nos conclusions diffèrent selon que l’on considère le
risque total (variable δ) ou le risque systématique (variable β). Ainsi, s’agissant de ce dernier,
on remarque que son coefficient affiche le signe positif prévu par les études théoriques et
empiriques expliquant les motivations d’une émission d’OC, mais sans que sa significativité
statistique ne soit établie dans aucun des trois modèles. S’agissant du risque total, les
résultats nous indiquent qu’il est en relation négative (significative au seuil de 5% dans le
modèle 1 et de 1% dans le modèle 3) avec la performance de l’émetteur. Ce qui remet en
cause les modèles qui expliquent l’émission d’OC par les entreprises anticipant une
évolution favorable des résultats, par la présence d’un risque potentiel de substitution
d’actifs (Green, 1984) ou d’une asymétrie d’estimation du risque (Brennan et Kraus, 1987 ;
Brennan et Schwartz, 1988).
S’agissant de la variation du niveau des immobilisations, elle ne semble pas avoir un
pouvoir explicatif significatif sur la performance de l’émetteur. En plus, le signe de son
coefficient de régression n’est pas toujours conforme à l’intuition économique.
Quant aux coefficients des variables inhérentes à l’émission (panel B), il est intéressant de
noter qu’excepté celui de la prime de conversion, ils sont tous statistiquement significatifs
aux seuils conventionnels et leurs signes sont cohérents avec nos anticipations, et ce, quelque
soit le modèle considéré. Ainsi, la taille relative de l’émission exerce un impact
significativement négatif sur la rentabilité économique anormale de la firme émettrice
postérieurement à l’émission. Cette conclusion est fidèle d’une part, aux anticipations des
modèles de Fama et Miller (1972) et Miller et Rock (1985), et d’autre part aux résultats
empiriques de Hansen et Crutchley (1990) et Bae et al. (2002). Aussi, l’utilisation potentielle
des fonds levés n’est pas sans conséquences sur la performance de l’émetteurs. Ainsi, les
entreprises ayant prévu d’injecter le produit de l’émission dans des projets d’investissement
(interne ou externe) sont caractérisées par une contre-performance beaucoup plus prononcée
que celles qui ont prévu de l’affecter à la consolidation de leur structure financière. Nous
avons également trouvé que la maturité est positivement corrélée avec la performance
économique de l’émetteur. Ce résultat corrobore les implications des modèles théoriques de
Brennan et Kraus (1987) et de Brennan et Schwartz (1988).
Enfin, le coefficient associé à la variable caractérisant l’environnement de l’émission
affiche un signe négatif conformément à ce que nous anticipons, mais sans toutefois être
significatif aux seuils habituels.
Copyright © 2007. Tous droits réservés. All rights reserved. 30

Résultats de la régression PLS Multivariée
Les conclusions de la régression PLS multivariée sont assez semblables à celles de la
régression PLS univariée. Cependant, si les signes des relations dans les deux types de
régression sont quasiment analogues, il n’en n’est pas de même pour leur significativité
statistique qui s’est globalement améliorée pour les modèles 2 et 3 dans la régression PLS
multivariée. Ce qui permet de confirmer l’impact de certaines variables dont la significativité
n’a pas pu être établie pour l’ensemble des modèles de la régression PLS1. Il s’agit des
variables slacks financiers, levier financier et risque total. Ces variables sont toutes
statistiquement significatives avec un risque d’erreur maximum de 5% dans tous les modèles
de la régression PLS2.
8. Conclusions
Cette étude empirique s’est fixée deux principaux objectifs. Il s’agit tout d’abord d’évaluer
la performance opérationnelle à long terme des entreprises émettrices d’OC en France, puis
ensuite identifier les facteurs susceptibles de l’expliquer.
Dans un premier stade, nous avons pu constater, en nous appuyant sur la méthodologie
des études événementielles à long terme, que les entreprises françaises émettrices d’OC sousperforment
d’une manière significative sur le plan opérationnel leurs entreprises de contrôle
durant la période post-émission. Le bien fondé de cette conclusion a été vérifié par
l’utilisation de deux étalons différents et la mise en œuvre d’une panoplie d’indicateurs de
performance conseillés par la littérature théorique et empirique. Ce résultat est concordant
avec les conclusions des études réalisées dans le contexte américain, qui ont toutes mis en
relief les retombées néfastes des émissions d’OC sur les rentabilités économiques et
commerciales à long terme des émetteurs. En revanche, notre recherche n’a pas pu conclure à
une surperformance opérationnelle significative des entreprises émettrices antérieurement à
la levée des fonds sur le marché.
Par ailleurs, le rapprochement de nos résultats avec ceux issus de l’évaluation par
Elbadraoui (2007) de la performance boursière à long terme des émetteurs français, permet
d’expliquer globalement la sous-performance boursière de ces derniers postérieurement à
l’émission par la dégradation de leur performance opérationnelle. Par contre, nos résultats
sur les fenêtres antérieures à l’offre d’OC peinent à donner une explication satisfaisante à la
significative surperformance boursière pré-émission des émetteurs reportée, soit par cet
auteur, soit à travers l’analyse de l’évolution du ratio MtoB avant l’émission dans la présente
étude.
Cette recherche a également mis en exergue une baisse significative des dépenses
d’investissement et des opportunités de croissance future (approximées par le MtoB) chez les
entreprises émettrices après l’offre d’OC. En revanche, le taux d’endettement a enregistré
une hausse notable suite à l’émission, affichant de ce fait des variations (ajustées et non
ajustées) qui sont statistiquement positives sur toutes les fenêtres post-émission. Ces
résultats montrent une grande similitude avec ceux reportés par les études réalisées dans le
contexte américain.
Copyright © 2007. Tous droits réservés. All rights reserved. 31

Tableau 13 : Analyse multivariée des déterminants de la performance opérationnelle à long terme des émetteurs d’OC à l’aide de l’approche PLS1
Régression PLS univariée (PLS1)
Régression PLS multivariée (PLS2)
Cœf. en (%) du modèle 1 Cœf. en (%) du modèle 2 Cœf. en (%) du modèle 3 Cœf. en (%) du modèle 1 Cœf. en (%) du modèle 2 Cœf. en (%) du modèle 3
Variables
Signe Non
Non
Non
Non
Non
Non
explicatives attendu standardisés Standardisés standardisés Standardisés standardisés Standardisés standardisés Standardisés standardisés Standardisés standardisés Standardisés
Constante -11.43 -10.31 -4.13 -10.72 -7.98 -7.95
Panel A : Variables caractérisant la firme émettrice
(1) Taille_Emetteur (-) 0.62 13.26 *** 0.41 8.89 *** 0.27 4.71 0.56 11.82 *** 0.36 7.93 *** 0.43 7.42 **
(2) MtoB (+) -0.39 -16.47 *** -0.36 -15.67 *** -0.29 -9.89 *** -0.42 -17.52 *** -0.27 -11.76 *** -0.32 -11.00 ***
(3) Intangibles (+) -5.65 -7.84 *** -1.85 -2.65 -5.02 -5.72 ** -5.10 -7.08 *** -3.31 -4.75 ** -3.90 -4.44 ***
(4) Croissance CA (+) -3.12 -12.00 ** -2.94 -11.66 ** -3.48 -10.96 *** -3.61 -13.87 ** -2.35 -9.31 -2.76 -8.70 **
(5) Run_up (+) 2.32 4.49 ** 2.80 5.60 * 2.24 3.56 ** 2.84 5.51 *** 1.85 3.70 ** 2.18 3.46 **
(6) Age (-) 0.05 14.00 *** 0.04 11.73 *** 0.04 8.45 *** 0.05 14.34 *** 0.03 9.62 *** 0.04 9.00 ***
(7) Slacks_Financiers (+) -3.79 -4.80 *** -2.46 -3.21 -3.14 -3.27 -3.72 -4.70 ** -2.41 -3.16 ** -2.84 -2.95 ***
(8) Levier (+) 5.57 6.95 *** 5.91 7.61 1.59 1.63 5.36 6.68 ** 3.48 4.49 *** 4.10 4.19 ***
(9) Performance (-1;+1) (-) -8.88 -5.06 1.89 1.57 -6.15 -3.43 -10.19 -5.81 -6.62 -3.90 -7.79 -3.64
(10) Emission_Actions (-) -2.07 -8.32 -1.06 -4.39 -1.38 -4.56 -1.90 -7.64 -1.23 -5.13 -1.45 -4.79
(11) δ (+) -57.85 -5.88 ** -8.29 -0.87 -59.57 -4.97 *** -52.38 -5.32 ** -34.04 -3.57 *** -40.07 -3.34 **
(12) β (+) 1.13 5.12 1.46 6.88 0.41 1.55 1.21 5.51 0.79 3.70 0.93 3.46
(13) ∆Immob. (-1;+3) (+) -1.09 -0.69 2.47 1.61 1.94 1.01 0.79 0.50 0.51 0.34 0.61 0.31
Panel B : Variables caractérisant l’émission
(14) Taille_émission (-) -1.91 -11.17 ** -1.04 -6.28 *** -1.01 -4.86 * -1.68 -9.80 ** -1.09 -6.58 ** -1.28 -6.15 *
(15) But (-) -2.44 -10.85 *** -1.23 -5.64 * -1.56 -5.69 ** -2.21 -9.85 *** -1.44 -6.61 *** -1.69 -6.18 ***
(16) PC (+) -0.33 -0.31 -2.78 -2.77 -2.99 -2.37 -1.91 -1.84 -1.24 -1.24 -1.46 -1.16
(17) Maturité (+) 0.27 4.36 * 0.24 3.97 ** 0.31 4.07 * 0.31 5.07 * 0.20 3.40 * 0.24 3.18 *
Panel C : Variable caractérisant l’environnement de l’émission
(18) Hot/cold (-) -0.43 -1.85 -0.59 -2.63 -0.85 -3.01 -0.67 -2.87 -0.43 -1.93 -0.51 -1.80
Observations 97 97 97 97 97 97
Composantes 1 1 1 1 1 1
DDL 95 95 95 95 95 95
R² 44.48 26.20 18.02 45.03 21.25 17.74
Notes : Les variables dépendantes sont la variation non ajustée du ROA de l’émetteur (modèle 1), la variation du ROA de l’émetteur ajustée pour l’effet sectoriel et l’effet de retour à la moyenne (modèle 2), la variation du ROA de
l’émetteur ajustée pour la taille et l’effet de retour à la moyenne (modèle 3). La fenêtre d’événement retenue dans tous les modèles pour mesurer la performance est (-1;+3). Sauf indication contraire, les valeurs prises par les variables
indépendantes ont été calculées sur la base des données des entreprises émettrices à la fin de l’année fiscale précédant celle de l’émission (année -1). Les coefficients standardisés sont obtenus lorsque toutes les variables d’entrée du
modèle sont centrées et réduites, donc sans unité de mesure. Le nombre de composantes orthogonales t h retenues dans la régression PLS est déterminé par validation croisée (Jack-knife). La significativité statistique est appréciée à
l’aide des intervalles de confiance (99%, 95%, 90%) des coefficients de la régression PLS calculés par validation croisée (Jack-knife). (1) Logarithme népérien du total des actifs (WS02999) (2) Capitalisation boursière (WS08001)
rapportée au total des capitaux propres (WS05491) (3) Total des immobilisations incorporelles (WS02649) divisé par le total des actifs (WS02999) (4) Croissance du chiffre d’affaires (WS01001) entre l’année -2 et l’année -1. (5)
Rentabilité boursière cumulée pendant les 75 jours de bourse précédant l’annonce de l’émission. (6) Nombre d’années qui séparent la date d’immatriculation au registre de commerce de la date d’émission. (7) Encaisses et équivalents
(WS02001) rapportés au total des actifs (WS02999) (8) Total des dettes (WS03255) moins les encaisses et équivalents (WS02001) le tout divisé par le Total des actifs (WS02999) (9) Variation de la performance ajustée de l’émetteur
entre l’année -1 et l’année -2. (10) Variable indicatrice valant 1 si l’émetteur avait procédé à une émission d’actions durant les trois années précédant l’offre d’OC et 0 autrement. (11) Volatilité historique annualisée estimée par le
biais des rentabilités journalières durant les 250 jours de bourse précédant l’annonce de l’émission. (12) Risque systématique estimé par le bêta du modèle de marché sur les 250 jours de bourse précédant l’annonce de l’émission. (13)
Variation de la proportion des immobilisations corporelles (WS02501) dans le total des actifs (WS02999) sur la fenêtre (-1 ;+3). (14) Produit brut de l’émission standardisé par le total des actifs. (15) Variable indicatrice valant 1
quand le but de l’émission est le financement d’un projet d’investissement et 0 sinon. (16) Ecart entre le prix de l’OC et la valeur de conversion rapporté à cette dernière. (17) Nombre d’années qui séparent la date de l’émission de la
date d'échéance finale de l’OC. (18) Variable indicatrice qui prend la valeur 1 si l’offre d’OC a été réalisée pendant une période chaude et 0 sinon. *** Significatif au seuil de 1 % ; ** significatif au seuil de 5 % ; * significatif au seuil
de 10 %.
Copyright © 2007. Tous droits réservés. All rights reserved. 32

Dans un deuxième stade, une analyse multivariée, fondée sur l’approche PLS, est menée
afin d’essayer de dégager le lien entre la performance opérationnelle des émetteurs et trois
groupes de variables caractérisant, respectivement, la firme émettrice, l’émission et les
conditions du marché où cette dernière a eu lieu. Les résultats suggèrent que le niveau de la
performance opérationnelle est significativement corrélé, d’une part, aux facteurs liés à la
firme émettrice, tels que sa taille, son levier financier et ses opportunités de croissance future,
et d’autre part aux facteurs inhérents à l’offre d’OC, à savoir sa taille relative, son but et sa
maturité. En revanche, l’environnement de l’émission ne semble pas exercer un impact
notable sur la performance opérationnelle de l’émetteur.
Il convient cependant de noter que les signes des coefficients de régression ne sont pas
toujours conformes à ceux prévus par les théories justifiant l’emploi des OC pour assouvir
les besoins financiers de l’entreprise. C’est le cas notamment pour la plupart des variables
potentialisant l’asymétrie informationnelle de l’émetteur. Cela veut dire que l’émission des
OC n’est pas forcément le fruit d’une décision rationnelle prise en vue de signaler les bonnes
perspectives de la rentabilité de l’émetteur dans un contexte d’asymétrie d’information ou
pour éliminer les coûts d’agence ex-post. Par conséquent, nos résultats abondent dans le sens
de l’hypothèse du rationnement du capital par le marché des actions. Selon cette hypothèse,
en présence des coûts de sélection adverse et d’hasard moral, le marché financier, craignant
une allocation inefficace des ressources, n'entend pas satisfaire l'ensemble des demandes de
fonds qui lui sont adressées. Cette situation oblige les entreprises en quête de fonds propres
(«would be» equity issuers) à se rabattre sur les obligations convertibles en espérant qu'elles
seront converties (Lewis et al. 2001).
Enfin, Burlacu (2000) dans le contexte français et Lewis et al. (2003) dans le contexte
américain, montrent que la réaction du marché boursier aux annonces de financement par
OC est conditionnée par le profil (action, mixte ou obligation) de ce produit financier.
L’extension et l’aboutissement logique du présent travail serait donc de vérifier dans quelle
mesure la catégorisation des émetteurs en fonction du profil de l’OC modifierait nos
conclusions sur la performance opérationnelle à long terme des émetteurs et ses
déterminants.
9. Références
Abhyankar Abhay & Ho Keng-Yu, "Long-Run Abnormal Performance Following Convertible
Preference Share and Convertible Bond Issues: New Evidence from the UK", Working Paper.
Warwick Business School, University of Warwick, Coventry, U.K., 2002.
Asquith Paul, Healy Paul & Palepu Krishna, "Earnings and Stock Splits", The Accounting Review
64(3), July 1989, 387-403.
Bae Gil, Jinho Jeong, Huey-Lian Sun & Tang Alex, "Stock Returns And Operating Performance Of
Securities Issuers", Journal of Financial Research, 25(3), Fall 2002, 337-352.
Barber, Brad M.; Lyon, John, Detecting abnormal operating performance: The empirical power and
specification of test statistics. Journal of Financial Economics 41 (3), July 1996, 359-399.
Bayless Mark & Chaplinsky Susan, "Is There a Window of Opportunity for Seasoned Equity
Issuance" Journal of Finance 51(1), March 1996, 253-278.
Berger Philip, Ofek Eli & Yermack David, "Managerial Entrenchment and Capital Structure
Decisions", Journal of Finance 52(4), September 1997, 1 411-1 438.
Brennan Michael & Kraus Alan, "Efficient Financing under Asymmetric Information", Journal of
Finance 42(5), December 1987, 1225- 1243.
Brennan Michael & Schwartz Eduardo, "The case for convertibles", Journal of Applied Corporate
Finance 1(2), 1988, 55–64.
Brigham Eugene, "An Analysis of Convertible Debentures: Theory and Some Empirical Evidence",
Journal of Finance 21, 1966, 35-54.
Burlacu Radu., "New Evidence on the Pecking Order Hypothesis: The Case of French Convertible
Bond Market", Journal of Multinational Financial Management, 10(3-4), February 2000, 229-512.
Copyright © 2007. Tous droits réservés. All rights reserved. 33

Cheng Wei, Visaltanachoti Nuttawat & Kesayan Puspakaran, "A Stock Market Reaction Following
Convertible Bond Issuance: Evidence from Japan", International Journal of Business, 10(4), 2005
Dann Larry & Mikkelson Wayne, "Convertible Debt Issuance, Capital Structure Change and Financing-
Related Information", Journal of Financial Economics 13(2), June 1984, 157-186.
Ducassy Isabelle, "Déterminants de la Réaction du Marché Français aux Émissions de Titres à Caractère
d’Action", Banque et Marchés 64, Mai 2003, 46-58.
Dutordoir Marie & Van de Gucht Linda, "Determinants of the Stockholder Reactions to European
Convertible Debt Offering Announcements: an Analysis of the Western European Market"
European Financial Management (EFMA) Annual Meeting, Basel (Switzerland), Jun. 30-Jul. 3, 2004.
Efron Bradley, "Bootstrap methods: another look at the jackknife", Ann. Statist. 7(1), January 1979, 1-26.
Elbadraoui Khalid, "La Performance Boursière à Long Terme des Emetteurs d’Obligations
Convertibles : Cas du Marché Français (1990-2001)", Banque et Marchés 90, Septembre-Octobre 2007.
Essig S., "Convertible Securities and Capital Structure Determinants", PhD Dissertation, 1991,
University of Chicago.
Fama Eugene & Miller Merton, "The Theory of Finance", 1972, (Rinehart and Winston, New york).
Fama Eugene & French Kenneth, "Size and Book-to-Market Factors in Earnings and Returns" Journal
of Finance 50(1), March 1995, 131-155.
Flannery Mark, "Asymmetric Information and Risky Debt Maturity Choice", Journal of Finance 41(1),
March 1986, 19-37.
Garvey Gerald & Hanka Gordon, "Capital Structure and Corporate Control: The Effect of
Antitakeover Statues on Firm Leverage", Journal of Finance 54(2), Avril 1999, 519-546.
Ginglinger Édith, "Le Financement par Obligations Convertibles", Banque et marchés 4, Janvier-février
2002, 53-58.
Ginglinger Édith, "Le Financement des Entreprises par les Marchés de Capitaux", Presses
Universitaires de France, 1991.
Green Richard, "Investment Incentives, Debt, and Warrants", Journal of Financial Economics
13(1), March 1984, 115-136.
Hansen Robert & Crutchley Claire, "Corporate Earnings and Financings: An Empirical Analysis",
Journal of Business 63(3), July 1990, 347-371.
Healy Paul & Palepu Krishna, "Earnings information conveyed by dividend initiations and
omissions", Journal of Financial Economics 21(2), September 1988, 149-175
Henot Christophe, "Obligations Convertibles: Les Raisons qui Conduisent les Entreprises à les
Émettre" La Revue des Sciences de Gestion 196-197, Juillet-Octobre 2002, p.41-57.
Hoffmeister Ronald, "Use of Convertible Debt in the Early 1970s: A Reevaluation of Corporate
Motives". Quarterly Review of Economics and Business 17, 1977, 23-32.
Jegadeesh Narasimhan & Titman Sheridan, "Profitability of Momentum Strategies: an Evaluation of
Alternative", Journal of Finance 56(2), April 2001, 699-720.
Jensen Michael & Meckling William, "Theory of the firm: Managerial Behavior, Agency Costs and
Ownership Structure", Journal of Financial Economics 3(4), October 1976, 305-360.
Jeanneret Pierre, Use of the Proceeds and Long-term Performance of French SEO Firms. European
Financial Management 11(1), January 2005, p99-122,
Kang Jun-Koo, Kim Yong-Cheol & Stulz Rene, "The Underreaction Hypothesis and the New Issue
Puzzle: Evidence from Japan", The Review of Financial Studies 12(3), 1999, 519-534
Lang Larry, Stulz René & Walkling Ralph, "A test of the Free Cash Flow Hypothesis: The Case of
Bidder Returns", Journal of Financial Economics 29(2), October 1991, p315-336.
Lee Inmoo & Loughran Tim, "Performance Following Convertible Bond Issuance", Journal of
Corporate Finance 4(2), June 1998, 185-207.
Lehn Kenneth & Poulsen Annette, "Free Cash Flow and Stockholder Grains in Going Private
Transactions", Journal of Finance 44(3), July 1989, 771-787.
Lewis Craig, Rogalski Richard & Seward James, "Agency Problems, Information Asymmetries, and
Convertible Debt Security Design", Journal of Financial Intermediation 7(1), January 1998, 32-59.
Lewis Craig, Rogalski Richard & Seward James, "The Long-run Performance of Firms that Issue
Convertible Debt: an Empirical Analysis of Operating Characteristics and Analyst Forecasts",
Journal of Corporate Finance 7(4), December 2001, 447-474.
Lewis Craig, Rogalski Richard & Seward James, "Risk Changes around Convertible Debt Offerings",
Journal of Corporate Finance 8(1), January 2002, Pages 67-80
Copyright © 2007. Tous droits réservés. All rights reserved. 34

Lewis Craig, Rogalski Richard & Seward James, "Industry Conditions, Growth opportunities and
Market Reactions to Convertible Debt Financing Decisions", Journal of Banking and Finance 27(1),
January 2003, 153-181.
Loughran Tim & Ritter Jay, "The Operating Performance of Firms Conducting Seasoned Equity
Offerings", Journal of Finance 52(5), December 1997, p1823-1850.
Loughran Tim & Jay Ritter, "The New Issues Puzzle", Journal of Finance 50(1), March 1995, 23-51.
Mann Steven & Moore William & Ramanlal, Pradipkumar, "Timing of Convertible Debt Issues",
Journal of Business Research 45(1), May 1999, 101-105.
Loughran Tim & Jay Ritter, "Uniformly Least Powerful Tests of Market Efficiency", Journal of
Financial Economics 55(3), March 2000, 361-389.
Mansali Hatem, "Les Performances Opérationnelles à Long Terme des Entreprises Françaises
Émettrices d’Actions", Finance Contrôle Stratégie 8(2), Juin 2005, 207-235.
Mayers David, "Why Firms Issue Convertible Bonds: the Matching of Financial and Real Options",
Journal of Financial Economics 47(1), January 1998, 83-102.
McLaughlin Robyn, Safieddine Assem & Vasudevan Gopala, "The operating performance of seasoned
equity issuers: Free cash flow and post-issue performance", Financial Management 25(4), Winter
1996, 41–53.
McLaughlin Robyn, Safieddine Assem & Vasudevan Gopala, "The Long-Run Performance of
Convertible Debt Issuers", Journal of Financial Research 21(4), Winter 1998, 373-388.
Mehta Dileep & Khan Qayyum, "Convertible Bond Issues: Evidence from Security Markets", Financial
Review 30(4), November 1995, 781-807.
Mikkelson Wayne & Partch Megan, "Valuation Effect of Security Offerings and the Issuance Process",
Journal of Financial Economics 15(1-2), January-February 1986, 31-60.
Miller Merton & Rock Kevin, "Dividend Policy under Asymmetric Information", Journal of Finance
40(4), September 1985, 1031, 1051.
Modigliani Franco & Miller Merton, "The Cost of Capital, Corporation Finance and the Theory of
Investment", The American Economic Review 48(3), June 1958, 261-297.
Modigliani Franco & Miller Merton, Corporate Income Taxes and the Cost of Capital. American
Economic Review 53(3), 1963, 433-443.
Myers Stewart & Majluf Nicholas, "Corporate Financing and Investment Decisions when Firms Have
Information that Investors do not Have", Journal of Financial Economics 13(2), June 1984, 187-221.
Newey Whitney & West Kenneth, "A Simple, Positive Definite, Heteroskedasticity and Autocorrelation
Consistent Covariance Matrix", Econometrica 55(3), May 1987, 703-708.
Penman Stephen, "An Evaluation of Accounting rate of Return", Journal of Accounting, Auditing and
Finance 6(2), Spring 1991, 233-255.
Pilcher James, "Raising Capital with Convertible securities", Michigan Business Studies n° 21/2,
(University of Michigan) 1955.
Ritter Jay, "The Long-Run Performance of Initial Public Offerings", Journal of Finance 46(1), March
1991, 3-27.
Smith Richard & Kim Joo-Hyun, "The Combined Effects of Free Cash Flow and Financial Slack on
Bidder and Target Stock Returns", Journal of Business 67(2), April 1994, 281-210.
Spiess Katherine & Affleck-Graves John, "Underperformance in Long-Run Stock Returns Following
Seasoned Equity Offerings", Journal of Financial Economics 38(3), July 1995, 243-267.
Spiess Katherine & Affleck-Graves John, "The Long-Run Performance of Stock Returns Following Debt
Offerings", Journal of Financial Economics 54(1), October 1999, 45-73.
Stein Jeremy, "Convertible Bonds as a Backdoor Equity Financing", Journal of Financial Economics
32(1), August 1992, 3-21.
Stulz Rene, "Managerial Discretion and Optimal Financing Policies", Journal of Financial Economics
26(1), July 1990, 3-27.
Tenenhaus Michel, "La régression PLS Théorie et Pratique", Edition Technip, 1998.
Tenenhaus Michel, "L’Approche PLS", Revue de Statistique Appliquée 47(2), 1999, 5-40.
Wold Svante, Martens Harald & Wold Herman, "The Multivariate Calibration Problem in Chemistry
Solved by the PLS Method", Lecture Notes in Mathematics, Springer, Berlin, Heidelberg, 1983, 286-
293
Copyright © 2007. Tous droits réservés. All rights reserved. 35