Performance opérationnelle_dauphine2007 - CEREG
Performance opérationnelle_dauphine2007 - CEREG
Performance opérationnelle_dauphine2007 - CEREG
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Notons enfin que les deux méthodes d’appairage utilisées dans cette étude ont comme<br />
point commun d’ajuster les rentabilités opérationnelles pour l’effet de retour à la moyenne,<br />
dont la prise en compte est fortement recommandé par Barber et Lyon (1996) « without<br />
exception, the models that yield well specified, powerful test statistics incorporate a firm’s past<br />
performance» (P 396).<br />
5.4. Les tests statistiques<br />
Dans les études d’événement à long terme, l’hypothèse de normalité de la distribution des<br />
rentabilités anormales est sérieusement mise en défaut de par l’importance relative des<br />
valeurs extrêmes (outliers). Afin de s’affranchir de l’hypothèse de normalité dans la<br />
vérification de l’hypothèse Ho (aucun impact significatif de l’émission d’OC sur la<br />
performance opérationnelle des émetteurs), nous avons employé les deux tests suivants :<br />
Le test signé de Wicoxon (Wilcoxon signed rank test)<br />
Test non paramétrique (ne requiert aucun présupposé sur la distribution des observations), il<br />
utilise l'information concernant à la fois la direction et la grandeur relative des observations.<br />
Sa statistique est calculée comme suit :<br />
Z =<br />
N<br />
∑<br />
i=<br />
1<br />
( + 1)( 2N<br />
+ 1)<br />
1<br />
Ki<br />
− N N +<br />
4<br />
S<br />
( 1)<br />
N N<br />
Où S = et K<br />
24<br />
( 0,1)<br />
∼ N (7)<br />
i<br />
⎧0 si APi<br />
≤ 0<br />
= ⎨<br />
⎩ rang( APi<br />
)<br />
Le test de Student corrigé des valeurs extrêmes et « bootstrappé »<br />
Ce test est basé sur la moyenne des rentabilités opérationnelles anormales tronquée à 25%.<br />
Cette dernière, notée AP<br />
25%<br />
, est un estimateur robuste de la moyenne. Elle est déterminée en<br />
éliminant les 25 % des valeurs les plus élevées et les 25 % des valeurs les plus faibles. La<br />
moyenne étant calculée sur les observations situées entre le premier et le troisième quartile.<br />
Comme la médiane, elle exclut les valeurs extrêmes et minimise en conséquence leur effet,<br />
mais, comme la moyenne simple, elle utilise toute l'information restante.<br />
L’inférence statistique est basée sur la statistique suivante qui suit une loi de Student à n-1<br />
degré de liberté:<br />
Où<br />
SE<br />
boot,<br />
AP25%<br />
T<br />
AP<br />
25%<br />
bootstrapped SE<br />
= ∼ Tn<br />
−1<br />
(8)<br />
SEboot , AP<br />
désigne l’erreur-type de la moyenne tronquée estimée par l’approche du<br />
bootstrapping (Efron, 1979) en ré-échantillonnant avec remise 1000 fois 20 l’échantillon des<br />
rentabilités opérationnelles anormales et en calculant lors de chaque tirage aléatoire la<br />
moyenne tronquée.<br />
1 ⎛ 1<br />
SE AP AP<br />
⎝<br />
1000<br />
* *<br />
boot , AP<br />
=<br />
25% ⎜ 25%<br />
−<br />
k 25% k<br />
999 k=<br />
1 1000<br />
25%<br />
∑ ∑ (9)<br />
*<br />
Où AP<br />
25%<br />
est la moyenne tronquée de la rentabilité opérationnelle anormale du k<br />
k<br />
ème<br />
échantillon aléatoire (bootstrap sample).<br />
2<br />
⎞<br />
⎟<br />
⎠<br />
20 Dans un souci de vérification de la validité de nos résultats, nous avons répété le processus de rééchantillonnage<br />
500, 2000 et 5000 fois. Cependant nos résultats restent, dans une grande mesure, qualitativement<br />
et quantitativement insensibles au nombre des tirages aléatoires.<br />
Copyright © 2007. Tous droits réservés. All rights reserved. 13