L’indice boursier islamique est-il moins volatile que son homologue conventionnel ? Application du modèle à changement de régimes de Markov.
DOI :
https://doi.org/10.59051/joaf.v8i1.96Mots-clés :
finance islamique, indiceRésumé
Afin de comprendre les asymétries cycliques dans les séries des rendements des principaux indices boursiers, il est primordial de recourir aux spécifications non linéaires qui distinguent entre les phases d’expansion et celles de récession. Nous avons estimé ainsi un modèle à changement de régimes de Markov, à deux états et avec une spécification autorégressive d’ordre 2, de la série des rendements mensuels de l’indice islamique DJIM (Dow Jones Islamic Market) et de celle des rendements mensuels de son homologue conventionnel DJ (Dow Jones) durant la période qui s’étale du Janvier 2000 au Janvier 2017. Ce modèle a mis en évidence trois principaux résultats. Primo, l’existence de deux régimes distincts sur le marché boursier américain : l’état de crise et celui de stabilité, pour les deux indices, mais l’indice islamique est moins turbulent par rapport à son homologue conventionnel. Secundo, une période de volatilité élevée dure près de deux mois pour le cas de l’indice conventionnel et près d’un mois et une semaine pour le cas de l’indice islamique. Tertio, le modèle à changement de régimes de Markov a permis la détection de trois bulles : la bulle Internet (1998-2000), la bulle immobilière (1995-2006), pour les deux indices, et la bulle financière chinoise (2014-2015) uniquement pour l’indice conventionnel.
Téléchargements
Références
Ben Hammouda, H., Oulmane, N., et Sadni Jallab, M. (2010). Crise…Naufrage des économistes ? Enquête sur une discipline en plein questionnement. Groupe De Boeck s.a.
Bourbonnais, R. (2009). Econométrie. 7ème édition DUNOD.
Box, G.P.E. and Jenkins, G.M. (1978). Time Series Analysis : Forecasting and control. ed. Revue, Holden Day, San Francisco.
De Boissieu, C. (2009). Les Systèmes financiers : mutations, crises et régulation. 3ème édition-Economica.
Engle, R. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom inflation. Econometrica, vol. 50, N°1, pp. 987-1007.
Granger, C.W.J., et Andersen, A.P. (1978). An Introduction to Bilinear Times Series Analysis. Vandenhoeck and Rupecht, Gottingen.
Guijarati, N. D. (2004). Econométrie. OUVERTURES-ECONOMIQUES, De Boeck.
Hamilton, J. D. (1989). A New Approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, vol.57, N°2, pp. 357-384.
Hamilton, J. D. (1994). Time series analysis.Princeton University Press.Princeton.
Lacoste, O. (2009). Comprendre les crises financières. Groupe Eyrolles.
Lardic, S., et Mignon, V. (2002). Econométrie des séries temporelles macroéconomiques et financières. Economica.
Lemoine, M., Madiès, P., et Madiès, T. (2007). Les grandes questions d’économie et finance internationales, décoder l’actualité, Groupe De Boeck s.a.
Medhioub, I. (2007). Asymétrie des cycles économiques et changement de régimes : cas de la Tunisie. L’actualité économique, vol. 83, N°4, pp.529-553.
Mignon, V. (1998). Marchés financiers et modélisation des rentabilités boursières. Paris, Edition Economica.
Porter-Hudak, S. (1990). An Application of the Seasonal Fractionally Differenced Model to the Monetary Agregates. Journal of the American Statistical Association, 85 (410), pp. 338-344.
Qualha, S. (2002). Modèles markoviens à changements de régimes sur le marché des actions et étude de la dynamique des asymétries des rendements.Université de Montréal, faculté département des sciences économiques.
Ray, B.K. (1993). Long-Range Forecasting of IBM Product Revenues Using a Seasonal Fractionally Differenced ARMA Model. International Journal of Forecasting, 9, pp. 255-269.
Terasvirta, T., et Anderson, H.M. (1992). Characterizing Nonlinearities in Business Cycles Using Smooth Transition Autoregressive Models. Journal of Applied Econometrics, 7, pp. 119-136.
Touiti, M. et Henchiri, J.E. (2016). Risk and Performance of Islamic Indexes During Subprime Crisis (june 15, 2016). Available at SSRN: https://ssrn.com/abstract=2917060 or http://dx.doi.org/10.2139/ssrn.2917060.
Tsay, R.S. (1989). Testing and Modelling Threshold Autoregressive Processes. Journal of the American Statistical Association, 84, pp. 231-240.
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés Abdessamad OUCHEN 2017
Cette œuvre est sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.
Les auteurs qui publient dans cette revue acceptent les termes suivants :
- Les auteurs conservent le droit d'auteur et accordent à la revue le droit de première publication, l'ouvrage étant alors disponible simultanément, sous la licence Licence d’attribution Creative Commons permettant à d'autres de partager l'ouvrage tout en en reconnaissant la paternité et la publication initiale dans cette revue.
- Les auteurs peuvent conclure des ententes contractuelles additionnelles et séparées pour la diffusion non exclusive de la version imprimée de l'ouvrage par la revue (par ex., le dépôt institutionnel ou la publication dans un livre), accompagné d'une mention reconnaissant sa publication initiale dans cette revue.
- Les auteurs ont le droit et sont encouragés à publier leur ouvrage en ligne (par ex., dans un dépôt institutionnel ou sur le site Web d'une institution) avant et pendant le processus de soumission, car cela peut mener à des échanges fructueux ainsi qu'à un nombre plus important, plus rapidement, de références à l’ouvrage publié (Voir The Effect of Open Access).
