Projet SAS_Evaluation l'efficacite du marche boursier au vietnam

MASTER ECONOMIE MONETAIRE ET FINANCIERE
PROJET SAS
Evaluation l’efficacité du marché boursier vietnamien
Professeur : Charlotte de Lorgeril
Etudiant : Thu-Phuong Do

1
Résumé
Ce projet vise à étudier l’efficience informationnelle du marché boursier vietnamien depuis sa création
en 2000 jusqu’à maintenant. Les statistiques et les tests économétriques réalisés sur les rendements en
logarithme tous suggèrent que le rendement passé a certain impact sur celui au courant. Autrement dit,
le marché boursier vietnamien n’est pas efficace, même sous forme faible.
Donnée : l’indice de prix VNIndex au 28 juillet 2000 au 29 mars 2013.
1- Introduction
La théorie de l’efficience des marchés financiers (HEM théorie) est beaucoup traitée depuis les années
soixante. Eugene Fama se débat dans sa thèse que dans un marché actif, y compris les investisseurs
informés et rationnels, le prix d’actif reflète correctement toutes les informations disponibles. En
d’autres termes, l’enjeu HEM suggère que les investisseurs ne peuvent pas surperformer le marché.
Dans ce projet, je n’aborde que l’efficience informationnelle du marché.
Il existe de différentes formes de l’efficience informationnelle. Dans le marché efficient de type faible,
les cours des titres reflètent tout ce qu’on peut déduire de leur historique. Dans le marché de forme
semi-forte, on prétend que les cours réagissent instantanément aux informations publiques, quelles que
soit au niveau macro comme les indicateurs économiques et financiers ou au niveau micro comme les
résultats de l’entreprise. Enfin, le marché atteint la forme forte quand toutes les informations privées
sont également reflétées dans le cours du titre.
Comme les autres pays en voie de développement, le Vietnam cherche à accéder au marché financier
mondial par la création de la bourse à Hochiminh Ville (HoSE) en 2000, et puis celle à Hanoi (HNX) en
2005. D’ores et déjà, très peu études dans ce domaine ont été consacrées au marché boursier du
Vietnam. Deux études significatives1
dans ce thème tous concluent que le marché boursier vietnamien
n’atteint pas la forme faible. Toutefois, les deux travaux utilisent la base de données avant 2008 – date
de déclenchement de la crise financière mondiale.
L’objectif de ce travail est d’étudier l’efficience informationnelle de la bourse vietnamienne en prenant
en compte le contexte actuelle de la crise.
2- Méthodologies
Les tests d’efficience informationnelle sont réalisés sur les rendements de l’indice boursier représentatif
du marché vietnamien VNIndex du 28 juillet 2000 au 29 mars 20132
s’agissant de 2993 observations
1
Trung-Thanh LE (2009), « Améliorer les mécanismes de surveillance de transactions des valeurs mobilières sur le
marché boursier vienamnien », Travail de recherche scientifique du Ministère
Anh-Tuan DANG (2010), « Développement du marché des capitaux au Vietnam », Thèse de doctorat ESEN Hanoi
2
Source : http://www.cophieu68.com/

2
quotidiennes (cf. Annexe1). Cet indice, calculé par la « State Securities Commission » est la moyenne
pondérée par le nombre de transactions de toutes les valeurs cotées en HoSE.
Les rendements ont calculés selon la formule :
Rndt = ln (Indice t/Indice t-1)
Afin d’approfondir l’étude, la population est divisée en deux échantillons grâce à l’événement de
l’inauguration de la bourse à Hanoi le 13 juillet 2005. Cet événement marque l’évolution importante du
marché financier au Vietnam.
Dans un premier temps, j’effectuerai les statistiques descriptives et l’observation graphique des séries
de rendements pour retirer le jugement initial. Dans le deuxième temps, je ferai les tests
économétriques pour confirmer le jugement.
Le modèle économétrique pour tester cette forme se base sur la théorie de marche au hasard3
. Le
rendement de l’indice boursier pour le marché de forme l’efficience faible satisfait deux critères : (1) la
normalité de la distribution de rendements, (2) l’aléatoire avec dérive de la série (ou non-stationnarité).
L’aléatoire est réalisé par le « Runs test » ou Wald–Wolfowitz test4
. La stationnarité de la série est faite
en utilisant le test de racine unitaire par la méthode proposée par Dicky-Fuller5
et le corrélogramme.
3- Statistiques descriptives
Crée après la crise économique asiatique en 1997, la bourse vietnamienne n’est pas influencée par les
impacts négatifs à cause des flux de capitaux. Le graphique (cf. Annexe 2) nous montre que l’indice
VNIndex fluctue largement, notamment pendant la période 2006 – 2009. L’année 2007 marque une
évolution remarquable du marché boursier vietnamien suite à la bonne conjoncture macroéconomique.
L’indice atteignait le niveau record de 1170 points le 12 mars 2007. Et pourtant, certains investisseurs
craignent que cette forte augmentation soit l’effet d’une bulle spéculative. En fait, au milieu de la crise
financière mondiale, l’indice VNIndex chute fortement à l’ordre 235 points le 24 février 2009, soit
environ 80% pendant deux ans. A partir de l’année 2010 jusqu’à présent, l’indice fluctue autour du
niveau 500 points. A cause de cette forte volatilité, on doute de l’efficience du marché.
3
La théorie de marche au hazard (ou « Random Walk Theory ») dit que dans un marché efficient, l’évolution des
prix sont indépendante des prix passés. Il est totalement impossible de prévoir les prix futurs car ils sont aléatoires.
4
Dans le cadre de « Runs test », la nulle hypothèse est que la série étudiée est aléatoire. Le nombre de « runs » est
une variable aléatoire dont la distribution est conditionnelle sachant le nombre de valeurs positives et de valeurs
négatives.
5
Le test de non stationnarité largement utilisé est le test de racine unitaire proposé par Dickey et Fuller en 1979.
L’hypothèse nulle est la présence de racine unitaire, soit la non-stationnarité de type stochastique.

3
Tableau 1: Les statistiques descriptives
Population Echantillon 1 Echantillon 2
Moyenne 0.00053184 0.00085162 0.00035252
Médian 0.000000 0.000000 0.000356
Mode 0.000000 0.000000 0.000000
Skew -0.1894436 -0.5270584 -0.0392263
Kurtosis6
2.26890342 6.63142128 0.53418339
Source : Récapitulatif des résultats obtenus par la procédure « proc means » dans le programme SAS
Selon les résultats présentés dans le tableau 1, on voit que les trois séries sont des séries centrées
réduites fluctuant autour la valeur moyenne de zéro. Une série suivant la distribution normale a le
kurtosis de l’ordre 3 (ou l’excess kurtosis de l’ordre zéro) et le coefficient d’asymétrie nul. Dans ce cas, le
skew négatif signifie qu’il y a plus de valeurs négatives que valeurs positives, c’est-à-dire, plus de
probabilité de perte que de gain. Quant au kurtosis, il existe l’hétérogénéité parmi les trois séries, mais
toutes les trois ne suivent pas parfaitement la loi normale. Or, on constate également que le coefficient
d’asymétrie et l’excess kurtosis pour l’échantillon 2 s’approche du niveau d’une distribution normale.
Ces statistiques impliquent que les rendements de l’échantillon 2 repatinent plus uniformément que les
deux autres (cf. Annexe 5). En effet, la représentation graphique confirme mon observation (cf. Figure 3,
Annexe 6).
4- Tests économétriques
a. Test de racine unitaire
La stationnarité d’une série est confirmée selon le test de racine unitaire, notamment le test Dickey-
Fuller avec l’hypothèse nulle et l’hypothèse alternative comme suit :
H0 : La série a une racine unitaire
H1 : La série n’a aucune racine unitaire
D’après la théorie de marche au hasard, le marché de forme faible suit la marche aléatoire avec dérive.
Autrement dit, la série de rendements a une racine unitaire. Effectuant le test Dickey-Fuller de l’ordre de
4 retards pour trois séries, on obtient la P-value de 0,0000631338, 0,0000645404, 0,00006357217
respectivement. Sachant que la P-value est inférieure au niveau de confiance α = 1%, on refuse la nulle
hypothèse. Les séries sont stationnaires, donc les rendements sont prévisibles. Cela implique que le
marché boursier n’atteint pas la forme faible selon la théorie EMH.
6
Il s’agit de l’excess kurtotis
7
Résultats obtenus par le macro %dftest inclut dans le logiciel SAS

4
b. Le « Runs test »
Le « Runs test » est utilisé pour tester l’aléatoire d’une série dont le critère critique (Test value) est soit
la moyenne, le médian soit le mode. Etant donné que les trois séries ont ces trois valeurs nulles sauf la
moyenne (presque nulle), je choisis la seule valeur critique nulle pour utiliser dans le test. L’hypothèse
nulle est que la série étudiée est aléatoire.
Tableau 2: Les résultats de « Runs test » sur 3 séries
Population Echantillon 1 Echantillon 2
Test value 0 0 0
Cases >= Test value (n) 1487 513 974
Cases < Test value (m) 1453 527 926
Nombre de « runs » 1124 338 786
Z -12.7959 -11.3509 -7.54971
Source : Récapitulatif des résultats obtenus par le macro %run_test écrit dans le programme SAS
Dans tous les trois tests, on voit que la valeur absolue de Z est supérieure de 1,96 au niveau de
confiance α = 5%. On refuse l’hypothèse nulle, ainsi la série de rendements de l’indice VNIndex n’est pas
aléatoire quelle que soit la période concernée. Ce résultat conforme à celui que l’on a obtenu dans
l’étape précédent.
c. Le corrélogramme
Une autre façon de voir la stationnarité et l’aléatoire d’une série est via le corrélogramme avec les
fonctions de l’autocorrélation (acf) et de la corrélation partielle (pacf).
Prendre la série de l’ensemble de la population, on voit le corrélogramme comme suit :
Tableau 3: Le corrélogramme à 24 retards - Population
Autocorrelations
Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error
0 0.00029084 1.00000 | |********************| 0
1 0.00009198 0.31625 | .|****** | 0.018282
2 0.00001468 0.05048 | .|* | 0.020027
3 5.34225E-6 0.01837 | .|. | 0.020069
4 0.00003021 0.10388 | .|** | 0.020075
5 0.00003528 0.12131 | .|** | 0.020254
6 0.00002706 0.09303 | .|** | 0.020495
7 0.00001482 0.05097 | .|* | 0.020636
8 8.86406E-6 0.03048 | .|* | 0.020678
9 9.55367E-6 0.03285 | .|* | 0.020693
10 0.00001229 0.04224 | .|* | 0.020710
11 0.00001671 0.05747 | .|* | 0.020739
12 7.12069E-6 0.02448 | .|. | 0.020792

5
Autocorrelations
13 0.00001062 0.03652 | .|* | 0.020802
14 0.00002052 0.07056 | .|* | 0.020823
15 0.00001905 0.06549 | .|* | 0.020903
16 0.00001217 0.04184 | .|* | 0.020972
17 8.96367E-6 0.03082 | .|* | 0.020999
18 0.00001083 0.03724 | .|* | 0.021015
19 0.00001281 0.04404 | .|* | 0.021037
20 0.00001387 0.04770 | .|* | 0.021067
21 0.00001540 0.05295 | .|* | 0.021103
22 0.00001503 0.05169 | .|* | 0.021148
23 6.29988E-6 0.02166 | .|. | 0.021190
24 4.22022E-6 0.01451 | .|. | 0.021197
Selon Fama (1965), « un coefficient d’autocorrélation d’une série de prix sera nul si les variations sont
aléatoires, positif si une hausse supérieure à la moyenne pendant la période t est suivie par une hausse
supérieure à la moyenne pendant la période t+1, et négatif si la fluctuation de prix pendant la période t-1
tend à compenser une hausse ou une baisse pendant la période t »8
.
On note d’abord que les coefficients de corrélation sont tous différents de zéro. Le coefficient est le plus
significatif au premier retard (0.31625). A partir de deuxième retard, les coefficients sont faibles. Or, ce
résultat signifie certain impact du rendement passé à celui actuel. En effet, la fonction de
l’autocorrélation au premier retard est encore significative. Ensuite, sachant que l’acf diminue
rapidement, il semble que la série soit stationnaire. Idem pour l’échantillon 1 et l’échantillon 2, on reçoit
le même résultat.
A priori, on voit que le rendement au jour t dépende largement à celui au jour t-1 et au jour t-5 (soit une
semaine avant). Afin d’enrichir l’étude, j’effectue la régression linéaire dont la variable rndt(t) sera la
variable endogène, la variable rndt(t-1) et rndt(t-5) seront les variables exogènes.
d. Régression linéaire de rendements de l’indice VNIndex
La formule complète de cette régression est comme suit :
Rndt(t) = β0 + β1*Rndt(t-1) + β2*Rndt(t-5) + ɛt
Si le rendement actuel ne dépende pas de ceux au jour t-1 et t-5, les coefficients associés à ces deux
variables β1, β2 seront nuls. En appliquant la procédure proc reg, on obtient un modèle avec le R-carré
de 10,75%. Le F-test indique que ce modèle est globalement significatif. Le fait que le rendement actuel
8
CHIKHI Mohamed (2004), Etude économétrique de l’efficience informationnelle face aux anomalies sur les
marchés boursiers, Université de l’Ouargla, page 4

6
est prévisible à partir des rendements historiques est confirmé. Par ailleurs, les paramètres du modèles,
sauf l’intercepte β0 sont tous significatifs selon le t-test (cf. Annexe 10). On pourrait affirmer de
nouveau que la variation du cours sur le marché boursier vietnamien fluctue dépendamment de celles
dans le passé.
5- Conclusion
Après avoir réalisé des tests économétriques, on peut déduire que premièrement les trois séries sont
stationnaires, autrement dit, elles ne suivent pas la marche au hasard. Deuxièmement, elles ne sont pas
aléatoires. C’est-à-dire, il paraît possible de déduire le cours courant d’actif sur le marché grâce à son
historique. Etant donné qu’il va à l’encontre de la théorie de l’efficience du marché, on peut conclure
que le marché boursier vietnamien n’atteint pas de forme faible. Donc, il ne s’avère pas nécessaire de
réaliser les tests pour tester l’efficience de forme semi-faible et de forme forte faible.
Or, tient en compte que la deuxième période (du 13 juillet 2005 au 29 mars 2013), on voit que la
distribution de rendements de cette série s’approche à la loi normale et que le coefficient Z pour le
« Runs test » est beaucoup faible que les deux autres séries. Cette période comprend l’époque de la
crise actuelle, mais elle se comporte mieux que la première période. Malgré que la conclusion finale
reste inchangée pour la deuxième période, il semble que le marché boursier vietnamien s’approche de
plus en plus à la l’efficience informationnelle de forme faible pour cette période.
Références
1. BAKIR Khalid, L’efficience des marchés financiers des pays émergents : l’exemple de la bourse de
Casablanca, Mémoire de fin d’études, Université d’Orléans
2. CHIKHI Mohamed (2004), Etude économétrique de l’efficience informationnelle face aux
anomalies sur les marchés boursiers, Université de l’Ouargla
3. DANG Anh-Tuan (2010), Développement du marché des capitaux au Vietnam, Thèse de doctorat
ESEN Hanoi
4. LE Trung-Thanh (2009), Améliorer les mécanismes de surveillance de transactions des valeurs
mobilières sur le marché boursier vietnamien, Travail de recherche scientifique du Ministère
5. Database : http://www.cophieu68.com/

Projet SAS : Evaluation l’efficacité du marché boursier vietnamien Thu-Phuong DO
1
ANNEXE 1: DESCRIPTION DE LA BASE DE DONNEE
The CONTENTS Procedure
Data Set Name PROJET.VNINDEX Observations 2993
Member Type DATA Variables 3
Engine V9 Indexes 0
Created Friday, April 20, 2012 02:58:24 PM Observation Length 24
Last Modified Friday, April 20, 2012 02:58:24 PM Deleted Observations 0
Protection Compressed NO
Data Set Type Sorted NO
Label
Data Representation WINDOWS_32
Encoding wlatin1 Western (Windows)
Engine/Host Dependent Information
Data Set Page Size 4096
Number of Data Set Pages 19
First Data Page 1
Max Obs per Page 168
Obs in First Data Page 114
Number of Data Set Repairs 0
Filename D:PhuongMaster 201SASProjetvnindex.sas7bdat
Release Created 9.0201M0
Host Created W32_VSPRO
Alphabetic List of Variables and Attributes
# Variable Type Len Format
1 date Num 8 DDMMYY10.
3 rndt Num 8
2 vnindex Num 8

2
ANNEXE 2 : EVOLUTION DE L’INDICE VNINDEX 2000 – 2013Q1

3
ANNEXE 3 : STATISTIQUES DESCRIPTIVES DE LA POPULATION
Variable : rndt
Moments
N 2992 Sum Weights 2992
Mean 0.00053184 Sum Observations 1.59127394
Std Deviation 0.01705682 Variance 0.00029094
Skewness -0.1894436 Kurtosis 2.26890342
Uncorrected SS 0.87103368 Corrected SS 0.87018737
Coeff Variation 3207.11712 Std Error Mean 0.00031183
Basic Statistical Measures
Location Variability
Mean 0.000532 Std Deviation 0.01706
Median 0.000000 Variance 0.0002909
Mode 0.000000 Range 0.15397
Interquartile Range 0.01618
Tests for Location: Mu0=0
Test Statistic p Value
Student's t t 1.705556 Pr > |t| 0.0882
Sign M 17.5 Pr >= |M| 0.5306
Signed Rank S 105558.5 Pr >= |S| 0.0217
Quantiles (Definition 5)
Quantile Estimate
100% Max 0.07740689
99% 0.04481279
95% 0.02856595
90% 0.01902231
75% Q3 0.00899181
50% Median 0.00000000
25% Q1 -0.00719093
10% -0.01775589
5% -0.02873219
1% -0.04665440
0% Min -0.07656180
Extreme Observations
Lowest Highest
Value Obs Value Obs
-0.0765618 144 0.0643072 134
-0.0713627 169 0.0653095 135
-0.0709337 138 0.0662494 167
-0.0704225 164 0.0666596 181
-0.0679606 158 0.0774069 1457
Missing Values
Missing
Value Count
Percent Of
All Obs
Missing
Obs
. 1 0.03 100.00

4
ANNEXE 4: STATISTIQUES DESCRIPTIVES DE L’ECHANTILLON 1
Variable : rndt
Moments
Mode 0.000000 Range 0.14322
Student's t t 1.736302 Pr > |t| 0.0828
Sign M -6.5 Pr >= |M| 0.7097
Signed Rank S 19718.5 Pr >= |S| 0.0415
Quantile Estimate
100% Max 0.06665961
99% 0.05940871
95% 0.01931856
90% 0.01785762
75% Q3 0.00622732
50% Median 0.00000000
25% Q1 -0.00430664
10% -0.01276953
5% -0.01821086
1% -0.06595797
0% Min -0.07656180
Lowest Highest
Value Obs Value Obs
-0.0765618 144 0.0638944 133
-0.0713627 169 0.0643072 134
-0.0709337 138 0.0653095 135
-0.0704225 164 0.0662494 167
-0.0679606 158 0.0666596 181
Missing Values
Missing
Value Count
Percent Of
All Obs
Missing
Obs
. 1 0.09 100.00

5
ANNEXE 5 : STATISTIQUES DESCRIPTIVES DE L’ECHANTILLON 2
Variable : rndt
Moments
Mode 0.000000 Range 0.12703
Student's t t 0.877881 Pr > |t| 0.3801
Sign M 24 Pr >= |M| 0.2809
Signed Rank S 28062 Pr >= |S| 0.2408
Quantile Estimate
100% Max 0.077406888
99% 0.042982883
95% 0.031467254
90% 0.022144395
75% Q3 0.010321889
50% Median 0.000355999
25% Q1 -0.009748666
10% -0.021255385
5% -0.031152003
1% -0.044543873
0% Min -0.049626459
Lowest Highest
Value Obs Value Obs
-0.0496265 200 0.0463798 656
-0.0481571 669 0.0465295 964
-0.0480130 1767 0.0467045 269
-0.0479852 201 0.0474257 55
-0.0478979 802 0.0774069 381

6
ANNEXE 6 : GRAPHIQUES DE LA DISTRIBUTION DE RENDEMENTS DE L’INDICE
Figure 1 : La distribution de rendements de l’indice VNIndex
Figure 2 : La distribution de rendements de l’indice VNIndex du 28 Juillet 2000 au 13 Juillet 2005
Figure 3 : La distribution de rendements de l’indice VNIndex du 14 Juillet 2005 au 29 mars 2013

7
ANNEXE 7 : CORRELOGRAM - POPULATION
Autocorrelations
0 0.00029084 1.00000 | |********************| 0
1 0.00009198 0.31625 | .|****** | 0.018282
2 0.00001468 0.05048 | .|* | 0.020027
3 5.34225E-6 0.01837 | .|. | 0.020069
4 0.00003021 0.10388 | .|** | 0.020075
5 0.00003528 0.12131 | .|** | 0.020254
6 0.00002706 0.09303 | .|** | 0.020495
7 0.00001482 0.05097 | .|* | 0.020636
8 8.86406E-6 0.03048 | .|* | 0.020678
9 9.55367E-6 0.03285 | .|* | 0.020693
10 0.00001229 0.04224 | .|* | 0.020710
11 0.00001671 0.05747 | .|* | 0.020739
12 7.12069E-6 0.02448 | .|. | 0.020792
13 0.00001062 0.03652 | .|* | 0.020802
14 0.00002052 0.07056 | .|* | 0.020823
15 0.00001905 0.06549 | .|* | 0.020903
16 0.00001217 0.04184 | .|* | 0.020972
17 8.96367E-6 0.03082 | .|* | 0.020999
18 0.00001083 0.03724 | .|* | 0.021015
19 0.00001281 0.04404 | .|* | 0.021037
20 0.00001387 0.04770 | .|* | 0.021067
21 0.00001540 0.05295 | .|* | 0.021103
22 0.00001503 0.05169 | .|* | 0.021148
23 6.29988E-6 0.02166 | .|. | 0.021190
24 4.22022E-6 0.01451 | .|. | 0.021197
"." marks two standard errors

8
Partial Autocorrelations
Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
1 0.31625 | .|****** |
2 -0.05504 | *|. |
3 0.02110 | .|. |
4 0.10502 | .|** |
5 0.06232 | .|* |
6 0.04005 | .|* |
7 0.01386 | .|. |
8 0.00540 | .|. |
9 0.00959 | .|. |
10 0.01472 | .|. |
11 0.03038 | .|* |
12 -0.01229 | .|. |
13 0.03000 | .|* |
14 0.05001 | .|* |
15 0.01919 | .|. |
16 0.00929 | .|. |
17 0.01000 | .|. |
18 0.01341 | .|. |
19 0.01296 | .|. |
20 0.01665 | .|. |
21 0.02478 | .|. |
22 0.02039 | .|. |
23 -0.01105 | .|. |
24 -0.00122 | .|. |
Autocorrelation Check for White Noise
To
Lag Chi-Square DF Pr > ChiSq Autocorrelations
6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093
12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024
18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037
24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015

9
ANNEXE 8 : CORRELOGRAM – ECHANTILLON 1
Autocorrelations
0 0.00029084 1.00000 | |********************| 0
1 0.00009198 0.31625 | .|****** | 0.018282
2 0.00001468 0.05048 | .|* | 0.020027
3 5.34225E-6 0.01837 | .|. | 0.020069
4 0.00003021 0.10388 | .|** | 0.020075
5 0.00003528 0.12131 | .|** | 0.020254
6 0.00002706 0.09303 | .|** | 0.020495
7 0.00001482 0.05097 | .|* | 0.020636
8 8.86406E-6 0.03048 | .|* | 0.020678
9 9.55367E-6 0.03285 | .|* | 0.020693
10 0.00001229 0.04224 | .|* | 0.020710
11 0.00001671 0.05747 | .|* | 0.020739
12 7.12069E-6 0.02448 | .|. | 0.020792
13 0.00001062 0.03652 | .|* | 0.020802
14 0.00002052 0.07056 | .|* | 0.020823
15 0.00001905 0.06549 | .|* | 0.020903
16 0.00001217 0.04184 | .|* | 0.020972
17 8.96367E-6 0.03082 | .|* | 0.020999
18 0.00001083 0.03724 | .|* | 0.021015
19 0.00001281 0.04404 | .|* | 0.021037
20 0.00001387 0.04770 | .|* | 0.021067
21 0.00001540 0.05295 | .|* | 0.021103
22 0.00001503 0.05169 | .|* | 0.021148
23 6.29988E-6 0.02166 | .|. | 0.021190
24 4.22022E-6 0.01451 | .|. | 0.021197

10
Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
1 0.31625 | .|****** |
2 -0.05504 | *|. |
3 0.02110 | .|. |
4 0.10502 | .|** |
5 0.06232 | .|* |
6 0.04005 | .|* |
7 0.01386 | .|. |
8 0.00540 | .|. |
9 0.00959 | .|. |
10 0.01472 | .|. |
11 0.03038 | .|* |
12 -0.01229 | .|. |
13 0.03000 | .|* |
14 0.05001 | .|* |
15 0.01919 | .|. |
16 0.00929 | .|. |
17 0.01000 | .|. |
18 0.01341 | .|. |
19 0.01296 | .|. |
20 0.01665 | .|. |
21 0.02478 | .|. |
22 0.02039 | .|. |
23 -0.01105 | .|. |
24 -0.00122 | .|. |
To
6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093
12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024
18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037
24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015

11
ANNEXE 9 : CORRELOGRAM – ECHANTILLON 2
Autocorrelations
0 0.00029084 1.00000 | |********************| 0
1 0.00009198 0.31625 | .|****** | 0.018282
2 0.00001468 0.05048 | .|* | 0.020027
3 5.34225E-6 0.01837 | .|. | 0.020069
4 0.00003021 0.10388 | .|** | 0.020075
5 0.00003528 0.12131 | .|** | 0.020254
6 0.00002706 0.09303 | .|** | 0.020495
7 0.00001482 0.05097 | .|* | 0.020636
8 8.86406E-6 0.03048 | .|* | 0.020678
9 9.55367E-6 0.03285 | .|* | 0.020693
10 0.00001229 0.04224 | .|* | 0.020710
11 0.00001671 0.05747 | .|* | 0.020739
12 7.12069E-6 0.02448 | .|. | 0.020792
13 0.00001062 0.03652 | .|* | 0.020802
14 0.00002052 0.07056 | .|* | 0.020823
15 0.00001905 0.06549 | .|* | 0.020903
16 0.00001217 0.04184 | .|* | 0.020972
17 8.96367E-6 0.03082 | .|* | 0.020999
18 0.00001083 0.03724 | .|* | 0.021015
19 0.00001281 0.04404 | .|* | 0.021037
20 0.00001387 0.04770 | .|* | 0.021067
21 0.00001540 0.05295 | .|* | 0.021103
22 0.00001503 0.05169 | .|* | 0.021148
23 6.29988E-6 0.02166 | .|. | 0.021190
24 4.22022E-6 0.01451 | .|. | 0.021197

12
Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
1 0.31625 | .|****** |
2 -0.05504 | *|. |
3 0.02110 | .|. |
4 0.10502 | .|** |
5 0.06232 | .|* |
6 0.04005 | .|* |
7 0.01386 | .|. |
8 0.00540 | .|. |
9 0.00959 | .|. |
10 0.01472 | .|. |
11 0.03038 | .|* |
12 -0.01229 | .|. |
13 0.03000 | .|* |
14 0.05001 | .|* |
15 0.01919 | .|. |
16 0.00929 | .|. |
17 0.01000 | .|. |
18 0.01341 | .|. |
19 0.01296 | .|. |
20 0.01665 | .|. |
21 0.02478 | .|. |
22 0.02039 | .|. |
23 -0.01105 | .|. |
24 -0.00122 | .|. |
To
6 410.63 6 <.0001 0.316 0.050 0.018 0.104 0.121 0.093
12 441.54 12 <.0001 0.051 0.030 0.033 0.042 0.057 0.024
18 485.74 18 <.0001 0.037 0.071 0.065 0.042 0.031 0.037
24 517.00 24 <.0001 0.044 0.048 0.053 0.052 0.022 0.015

13
ANNEXE 10 : REGRESSION LINEAIRE
The REG Procedure
Model: MODEL1
Dependent Variable: rndt
Number of Observations Read 2993
Number of Observations Used 2987
Number of Observations with Missing Values 6
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.09336 0.04668 179.62 <.0001
Error 2984 0.77554 0.00025990
Corrected Total 2986 0.86890
Root MSE 0.01612 R-Square 0.1075
Dependent Mean 0.00050511 Adj R-Sq 0.1069
Coeff Var 3191.63646
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 0.00030131 0.00029522 1.02 0.3075
rndt_1 1 0.30610 0.01739 17.61 <.0001
rndt_5 1 0.08953 0.01738 5.15 <.0001

Projet SAS_Evaluation l'efficacite du marche boursier au vietnam

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (18)

Destaque

Destaque (20)

Projet SAS_Evaluation l'efficacite du marche boursier au vietnam