Volatilité Des Indices Boursiers Islamiques Dans Le Contexte de La Crise Financière

Universit Mohammed V de Rabat
Ecole Mohammadia d'Ingnieurs

THESE DE DOCTORAT
pour obtenir le grade de
DOCTEUR EN SCIENCES
ET TECHNIQUES DE LINGENIEUR
Gnie Industriel
Prsente par
M. Mohammed Salah CHIADMI
La volatilit des indices boursiers islamiques

dans le contexte de la crise financire
Soutenue publiquement le 21/10/2015 10h
au Dpartement Gnie Mcanique Amphi B
devant la commission dexamen compose de :
M. Omar Drissi Kaitouni
EMI, Rabat
Prsident de jury
M. Omar Kettani
FSJES, Rabat
Examinateur
Mme. Fouzia Ghaiti
EMI, Rabat
Directrice de thse
M. Abdelhalim Skalli El Houssaini
EMI, Rabat
Rapporteur
M. Lotfi Boulahrir
ENCG, Marrakech
Rapporteur
M. Driss Effina
INSEA, Rabat
Rapporteur
Ceux qui possdent la finance sont possds par la finance

Edgar MORIN
A Houda, pour sa patience et son soutien infaillible ;

A tous ceux qui crient haut et fort contre la dictature et labsolutisme.
Remerciement
Tout dabord, jexprime ma profonde gratitude lgard de ma directrice de thse Madame

Fouzia Ghaiti pour son soutien indfectible, ses prcieux conseils et la confiance quelle ma
accorde tout au long de cette priode. Sa disponibilit, son accompagnement et sa
contribution relle dans mes travaux de recherche mont t dune grande utilit, et mont
permis galement de raffiner et perfectionner la rdaction de cette thse.
Mes remerciements sadressent galement au professeur M.Skalli, responsable de lquipe
analyse, optimisation et contrle des systmes , qui a contribu au perfectionnement de ce
travail grce ces remarques constructives, et au professeur M. Boulahrir, pour son intrt et
son encadrement dans le cadre de mes communications prsentes aux colloques portant sur
la finance islamique, lENCG de Marrakech et celle dAgadir.
Jadresse aussi mes remerciements au professeur M. El Khamlichi, qui ma fourni les donnes
ncessaires relatives aux indices boursiers islamiques.
Enfin, je remercie lensemble des membres de jury qui ont accept dvaluer la prsente
thse, en particulier M. Drissi, M.Effina et M. Kettani.
RESUME
Cette thse a pour objectif principal dtudier la volatilit des indices boursiers islamiques,
dans le contexte de la crise financire rcente (2007-2008). La contribution effective de notre
thse couvre quatre axes majeurs.
Premirement, nous avons mis en vidence les faits styliss observs empiriquement dans les
marchs financiers conventionnels, et nous les avons projets dans le cas des marchs
dactions islamiques. Cet apport nous a permis danalyser la dynamique alatoire des
rendements et de la volatilit des indices boursiers islamiques.
Deuximement, compte tenu des faits styliss en relation avec le comportement de la
volatilit, nous avons modlis la volatilit des indices, et nous lavons compar celle de
leurs homologues conventionnels.
Troisimement, nous avons mis en pratique une nouvelle approche dans la modlisation
stochastique des sries financires, appele approche fractale, travers laquelle nous avons
dgag deux proprits principales savoir linvariance dchelle, et lautosimilarit.
Enfin, en tenant compte de limportance de la volatilit enregistre par les indices islamiques,
nous avons jug ncessaire danalyser linterdpendance des marchs dactions (islamiques et
conventionnels). A cet gard, nous avons procd lanalyse de la transmission de la
volatilit du march dactions Amricain, en tant que march gnrateur de la crise, vers les
deux marchs dactions islamiques Malaisien et Indonsien.
Ainsi, nous avons prouv que les indices boursiers islamiques capturent les mmes faits
styliss observs empiriquement dans les marchs financiers. Laccumulation de la volatilit,
la mmoire longue, lasymtrie de la volatilit par rapport aux rendements passs et
linvariance dchelle sont les principaux faits styliss analyss dans notre thse. Nous avons
modlis la volatilit des indices boursiers islamiques ainsi que celle de leurs homologues
conventionnels travers les modles volatilit conditionnelle htroscdastique. Nous avons
constat que les indices islamiques ont fait preuve dune persistance importante dans la
composante de la volatilit linstar de leurs homologues conventionnels. Nous avons
galement trouv que 4 parmi 6 indices islamiques (S&P Sharia, DJIMI, FTSE Sharia, et
MSCI Islamic) ont fait preuve dune volatilit infrieure celle de leurs homologues
conventionnels. Ceci confirme la rsilience relative des indices boursiers islamiques face la
5
crise qui a impact la finance islamique ds que cette crise a touch la sphre relle de
lconomie. En outre, les actions relevant du secteur financier qui a t le plus touch par la
crise financire ne dpassent pas 2% dans la composition des indices islamiques (DJIMI, S&P
Sharia, FTSE Sharia et MSCI Islamic). Cependant, nous avons constat que deux indices
islamiques (Malaisien et Indonsien) ont t plus volatiles que leurs homologues
conventionnels. En fait, mme si les marchs islamiques ont vit lexposition la crise des
subprimes, ils ont t soumis leffet de second tour de la crise. En fait, vu leffet de la
contagion financire accentue par linterdpendance des marchs, la crise financire a fini
par toucher la sphre relle de lconomie, plus particulirement le secteur immobilier qui
connait une prsence significative dans certains pays islamiques savoir lIndonsie et la
Malaisie.
Eu gard la persistance de la volatilit des indices islamiques, nous avons modlis cette
volatilit selon un modle autorgressif conditionnellement htroscdastique et fractionnaire
intgr, connu sous le nom de FIGARCH. Ce modle a le principal avantage de capturer la
proprit de la mmoire longue. Les rsultats ont montr que leffet des chocs impacte la
volatilit des indices boursiers islamiques dans une perspective de long terme. Cette
persistance est traduite par la fonction dautocorrlation qui dcroit lentement lorsque le
retard augmente. Cela signifie lexistence dune structure de dpendance de long terme entre
les rendements des indices en question.
Nous avons pass ensuite la mise en vidence du caractre multi-fractal des indices
boursiers islamiques. La multi-fractalit met en vidence les proprits d'chelle signifiant la
rcurrence de certains phnomnes diffrentes chelles dobservation. Cette nouvelle
approche ouvre de nouvelles voies en modlisation mathmatique, qui permettra sans doute
la finance islamique dviter les drives de la modlisation classique et ses imperfections
prvisionnelles.
Enfin, la volatilit importante des indices boursiers islamiques nous a amen cerner les
mcanismes de transmission de chocs boursiers et apprhender le phnomne de la
contagion. Nous avons analys ce phnomne travers le modle corrlations
conditionnelles dynamiques (DCC-GARCH) et avons trouv des rsultats concluants qui
corroborent avec nombreuses tudes. Il existe une transmission significative de volatilit du
march dactions Amricain vers les marchs dactions Malaisien et Indonsien, durant la
priode de crise. Nous avons galement trouv quune forte corrlation ainsi que sa
6
persistance ont t enregistres entre les marchs en question. En dpit, des caractristiques
intrinsques favorisant priori, la stabilit de la finance islamique, cette dernire ne se trouve
pas compltement labri de crise, car elle opre dans un environnement complexe et qui
nest pas immunis.
En bref, il est vident que linstabilit, en tant que caractristique intrinsque du systme
financier actuel, na pas pargn les institutions financires islamiques. Ces dernires nont
pas pu chapper leffet du second tour de la crise financire. Cette crise qui a t au dbut
bancaire et localise aux Etats-Unis, sest mute en une crise systmique travers leffet de la
contagion. Malgr les rformes tablies par le comit Blois (I, II et III) en matire de
surveillance prudentielle, les carences du systme nont pas t combles entirement. En
effet, lesdites rformes revtent un aspect micro-prudentiel. Par consquent, elles nagissent
que sur la rgulation des banques et la maitrise des risques individuels. Il convient de mettre
en place de nouvelles politiques, en particulier la politique macro-prudentielle, dont lobjectif
est de limiter les effets dvastateurs des crises et de maitriser le risque systmique. La mise en
place de la politique macro-prudentielle peut sans doute solidifier le systme financier
islamique, consolider ses acquis en matire de stabilit, et rduire leffet de la contagion des
crises. Cest un facteur incontournable et complmentaire de la politique micro-prudentielle.
Mots cls : Volatilit, Crise financire, Finance islamique, Contagion financire, Fractales.
ABSTRACT
The main objective of our thesis is to investigate the volatility behavior of Islamic stock
indexes in the context of financial crisis. The effective contribution of our thesis covers four
main areas. First, we highlighted the stylized facts empirically observed in the financial
markets, and we projected them in the case of Islamic stock indexes. This contribution,
allowed us to analyze the random dynamic of returns and volatility of these indexes. Second,
given the stylized facts related to the volatility behavior, we modeled the volatility of Islamic
indexes, and we compared it with the volatility of their conventional counterparts. Third, we
have implemented a new approach in stochastic modeling of financial time series, called
fractal approach, through which we have identified two main properties namely the scale
invariance and self-similarity. Finally, taking into account the importance of the volatility
recorded by Islamic indexes, we found it necessary to analyze the interdependence of markets
(Islamic and conventional markets). In this regard, we have analyzed the volatility
transmission of the US market, as a country generating the crisis, to both Malaysian and
Indonesian Islamic markets.
We proved in a preliminary analysis, that Islamic market indexes capture the same stylized
facts observed empirically in the conventional markets. Volatility clustering, long memory,
asymmetric volatility relative to historical returns and scale invariance are the main stylized
facts analyzed in this thesis. We modeled the volatility of Islamic equity indexes as well as
their conventional counterparts through the conditional volatility models namely GARCH,
EGARCH and FIGARCH models. We found that Islamic indexes have shown a significant
persistence in volatility like their conventional counterparts. We also found that four among
six Islamic indexes (S&P Sharia, DJIMI, FTSE Sharia and MSCI Islamic) were less volatile
than their conventional counterparts. This finding confirms the relative resilience of Islamic
indexes to the global financial crisis which has affected the Islamic finance as soon as the
crisis has affected the real sector of the economy. But, two Islamic indexes (JII and KLSI)
were more volatile than their conventional counterparts. Even if Islamic institutions have
avoided exposure to the subprime crisis, they were subjected to the second round effect of the
global crisis view the prolonged duration of the crisis. Given the volatility persistence of
Islamic indexes, we have modeled the volatility through a long memory model namely
8
FIGARCH model. We also highlighted the fractal nature of Islamic indexes reflecting selfsimilarity and scale invariance. The high volatility of Islamic indexes led us to analyze the
transmission of stock market shocks and to apprehend the contagion phenomenon. We
analyzed this phenomenon through dynamic conditional correlation model (DCCGARCH).We found conclusive results corroborating with many studies. There is a significant
transmission of volatility from the US market represented by S&P 500 index to Malaysian
and Indonesian market during the crisis period. Despite, the intrinsic characteristics favoring
the stability of Islamic finance, Islamic financial assets, especially Islamic stock indexes are
not completely protected from crisis, because Islamic finance operates in an environment so
complex and not immune.
Its clear that instability, as an intrinsic feature of the current financial system, has not spared
the Islamic financial institutions. They could not escape the financial crisis effect with an
unprecedented magnitude. This crisis, which was located in the United States, morphed into a
systemic crisis with a global reach through the effect of contagion. Despite the reforms
established by the Basel Committee (I, II and III) in terms of prudential supervision, the
shortcomings of the system have not been filled. Indeed, these reforms have only a microprudential appearance. Therefore, they only act on the regulation of banks and mastery of
individual risks. It is appropriate to implement new policies, especially macro-prudential
policy, which aims to limit the devastating effects of the crises and to master the systemic
risk. The implementation of macro-prudential policy can probably solidify the Islamic
financial system, consolidate its gains in stability and reduce the crisis contagion. It is an
inescapable and complementary factor to micro-prudential policy.
Key words: Volatility, Financial crisis, Islamic finance, Financial contagion, Fractals.

. .

.

.

.
( ) .
.

.

.

.

.

.
10

.
.

.
. .

.

. 1 2 3
.

.

.
.
: .
11
Table des matires

RESUME ................................................................................................................................... 5
ABSTRACT .............................................................................................................................. 8
.......................................................................................................................................... 10
Liste des abrviations ............................................................................................................. 15

Liste des tableaux ................................................................................................................... 16
Liste des figures ...................................................................................................................... 18
INTRODUCTION GENERALE .......................................................................................... 20
Rfrences ............................................................................................................................... 28
Chapitre 1 : Faits styliss des marchs financiers ............................................................... 31
Introduction ............................................................................................................................ 31
1.
Stationnarit des rendements ......................................................................................... 34
2.
Autocorrlation des rendements et efficience des marchs........................................... 42
3.
Leptokurticit et asymtrie des rendements .................................................................. 45
4.
Accumulation de la volatilit (Volatility clustering) ..................................................... 47
5.
Mmoire longue ............................................................................................................ 49
6.
Effet de levier ................................................................................................................ 49
7.
Crises financires .......................................................................................................... 50

7.1
Origines et mcanismes de la crise de 2007-2008 ................................................. 50
7.2
Sortie de la crise rcente ........................................................................................ 51
Conclusion ............................................................................................................................... 53
Rfrences ............................................................................................................................... 54
Chapitre 2 : Modlisation de la volatilit des indices boursiers islamiques ...................... 59
Introduction ............................................................................................................................ 59
1.
La finance islamique : Principes fondateurs et instruments de financement ................ 60

1.1.
Interdiction du Riba ............................................................................................... 61
1.2.
Interdiction du Gharar ........................................................................................... 61
1.3.
Interdiction du Maysir ............................................................................................ 62
1.4.
Exigence dinvestissement dans les secteurs licites ............................................... 62
1.5.
Obligation de partage des profits et des pertes ...................................................... 62
1.6.
Adossement des investissements des actifs tangibles ......................................... 62

12
2.
Les produits de la finance islamiques ........................................................................... 63

2.1.
Produits bancaires .................................................................................................. 63
2.1.1
Murabaha ........................................................................................................ 64
2.1.2
Ijara ................................................................................................................. 65
2.1.3
Salam .............................................................................................................. 66
2.1.4
Istisnaa ............................................................................................................ 66
2.1.5
Mudaraba ........................................................................................................ 67
2.1.6
Musharaka ...................................................................................................... 68
2.2.
Produits assurantiels : Takaful ............................................................................... 69
2.3.
Produits du march ................................................................................................ 69
2.3.1
Sukuks ............................................................................................................ 69
2.3.2
Indices boursiers islamiques ........................................................................... 69
2.3.2.1
Processus de construction et de filtrage des indices boursiers islamiques 70
2.3.2.2
Principaux indices boursiers islamiques.................................................. 71
3.
Revue de littrature ....................................................................................................... 72
4.
Mthodologie : les modles GARCH et EGARCH ...................................................... 74
5.
Rsultats empiriques ..................................................................................................... 77
Conclusion ............................................................................................................................. 110

Rfrences ............................................................................................................................. 111
Chapitre 3 : Modlisation de la mmoire longue .............................................................. 115
1.
Modlisation de la mmoire longue : Modle FIGARCH .......................................... 116
2.
Outils de dtection de la mmoire longue ................................................................... 119
3.
2.1
Analyse R/S ......................................................................................................... 119
2.2
Analyse R/S modifi ............................................................................................ 120
Rsultats empiriques ................................................................................................... 121
Conclusion ............................................................................................................................. 126

Rfrences ............................................................................................................................. 128
Chapitre 4 : Multi-fractalit des indices boursiers islamiques......................................... 131
1.
Revue de littrature ..................................................................................................... 132
2.
Invariance dchelle et processus auto-similaires ....................................................... 133
3.
Conclusion ............................................................................................................................. 145

Rfrences ............................................................................................................................. 146
13
Chapitre 5 : Analyse de linterdpendance des marchs ............................................... 148

Introduction .......................................................................................................................... 148
1.
Revue de littrature ..................................................................................................... 148
2.
Modles multi-varis ................................................................................................... 150
3.
2.1
Modle VEC (Vector Error Correction) .............................................................. 151
2.2
Modle BEKK-GARCH ...................................................................................... 152
2.3
Modle GARCH Multivari................................................................................. 153
2.4
Modle CCC-GARCH ......................................................................................... 154
2.5
Modle DCC-GARCH ......................................................................................... 155
Conclusion ............................................................................................................................. 162

Rfrences ............................................................................................................................. 163
CONCLUSION GENERALE ............................................................................................. 166
BIBLIOGRAPHIE GENERALE........................................................................................ 171
ANNEXES ............................................................................................................................. 179
Annexe 1 : Projet de loi 103.12 Janvier 2014 relatif aux banques participatives ............ 179
Annexe 2 : Modalit de gestion des indices bousiers islamiques ....................................... 185
14
Liste des abrviations
ARCH: Autoregressive Conditional Heteroskedasticity

ARFIMA: Autoregressive Fractionally Integrated Moving Average
ARIMA: Autoregressive Integrated Moving Average
ARMA: Autoregressive Moving Average
BEKK: Baba, Engle, Kraft, et Kroner.
CCC: Constant Conditionnel correlation
DCC: Dynamic Conditional Correlation
DJIA: Dow Jones Industrial Average
DJIMI: Dow Jones Islamic Market Index
EGARCH: Exponential General Autoregressive Conditional Heteroskedasticity
FIGARCH: Fractionally Integrated General Autoregressive Conditional Heteroskedasticity
FTSE: Financial Times Stock Exchange
GARCH: General Autoregressive Conditional Heteroskedasticity
JKSE: Jakarta Stock Exchange
JII: Jakarta Islamic Market
KLCI: Kuala Lumpur Composite Index
KLSE: Kuala Lumpur Stock Exchange
KPSS: KwiatkowskiPhillipsSchmidtShin
MSCI: Morgan Stanley Capital International
PP: Philips-Perron
S&P 500: Standard and Poors 500
VEC : Vector Error correction.
15
Liste des tableaux

Tableau 1: Corrlogramme des valeurs de clture de lindice S$P 500 .................................. 35
Tableau 2: Test de stationnarit pour les valeurs de clture de lindice S&P 500 ................... 38
Tableau 3: Test de stationnarit pour les rendements de lindice S&P 500 ............................. 40
Tableau 4: Coefficients dautocorrlation des rendements de lindice S$P 500...................... 44
Tableau 5: Coefficients dautocorrlation des rendements au carr de lindice S$P 500 ........ 45
Tableau 6 : Tests de stationnarit des prix de clture et des rendements journaliers............... 90
Tableau 7: Proprits statistiques des rendements journaliers des indices boursiers islamiques
et leurs homologues conventionnels ........................................................................................ 91
Tableau 8: Test dhomoscdasticit pour les rendements des indices islamiques et de leurs
homologues conventionnels ..................................................................................................... 94
Tableau 9: Paramtres du modle GARCH (1.1) pour le DJIMI et le DJIA ............................ 95
Tableau 10: Test de Fisher dquivalence des variances pour le DJIMI et le DJIA ................ 97
Tableau 11: Paramtres du modle GARCH (1.1) pour le S&P Sharia et S&P 500................ 97
Tableau 12: Test de Fisher dquivalence des variances pour le S&P Sharia et S&P 500...... 98
Tableau 13: Paramtres du modle GARCH (1.1) pour le FTSE Sharia et le FTSE All world 99
Tableau 14: Test de Fisher dquivalence des variances pour le FTSE Sharia et le FTSE All
World ........................................................................................................................................ 99
Tableau 15: Paramtres du modle GARCH (1.1) pour le MSCI Islamic et le MSCI World ... 99
Tableau 16: Test de Fisher dquivalence des variances pour MSCI Islamic et le MSCI World
................................................................................................................................................ 100
Tableau 17: Paramtres du modle GARCH (1.1) pour le JII et le JKSE .............................. 102
Tableau 18: Test de Fisher dquivalence des variances pour le JII et le JKSE .................... 103
Tableau 19: Paramtres du modle GARCH (1.1) pour le KLCI et le KLSI .......................... 103
Tableau 20: Test de Fisher dquivalence des variances pour KLSI et KLCI ........................ 104
Tableau 21: Paramtres du modle EGARCH (1.1) pour le DJIMI et le DJIA ...................... 105
Tableau 22: Paramtres du modle EGARCH (1.1) pour le S&P Sharia et S&P 500 ........... 106
Tableau 23: Paramtres du modle EGARCH (1.1) pour MSCI Islamic et MSCI World ...... 107
Tableau 24: Paramtres du modle EGARCH (1.1) pour le FTSE sharia et le FTSE All world
................................................................................................................................................ 107
Tableau 25: Paramtres du modle EGARCH (1.1) pour le JII et le JKSE ........................... 108
Tableau 26: Paramtres du modle EGARCH (1.1) pour le KLSI et le KLCI ........................ 108
Tableau 27: Effet des chocs selon leur signe pour les deux types dindices boursiers .......... 109
16
Tableau 28: Corrlogramme des rendements de lindice DJIMI ........................................... 121

Tableau 29: Corrlogramme des rendements de lindice JII ................................................. 122
Tableau 30: Corrlogramme des rendements de lindice MSCI Islamic ................................ 122
Tableau 31: Estimation du paramtre de Hurst pour les 3 sries financires......................... 123
Tableau 32: Estimation du modle mmoire longue FIGARCH (1.1) ................................ 124
Tableau 33: Moments des rendements absolus du JII divers chelles de temps de 1 10
jours ........................................................................................................................................ 139
Tableau 34: Moments des rendements absolus du DJIMI divers chelles de temps de 1 10
jours ........................................................................................................................................ 139
Tableau 35: Moments des rendements absolus du S&P Sharia divers chelles de temps de 1
10 jours ................................................................................................................................ 140
Tableau 36: Valeurs de la fonction C(q) pour JII, S&P Sharia et DJIMI .............................. 142
Tableau 37: Valeurs de lexposant multi-fractal (q) des rendements absolus ...................... 143
Tableau 38: Paramtres du modle DCC-GARCH pour le S&P 500 et le S&P Sharia ......... 158
Tableau 39: Paramtres du modle DCC-GARCH pour le S&P 500 et le JII ...................... 159
Tableau 40: Paramtres du modle DCC-GARCH pour le S&P 500 et le KLSI ................... 160
17
Liste des figures

Figure 1: Evolution des valeurs de clture de lindice S$P 500 en Dollar .............................. 35
Figure 2: Evolution des rendements journaliers de lindice S&P 500 ..................................... 39
Figure 3: QQ-plot des rendements journaliers de lindice S$P 500 ......................................... 47
Figure 4: Clusters de volatilit sur les rendements du S&P 500 .............................................. 48
Figure 5: Rpartition gographique de la finance islamique dans le monde (HSBC Amanah,
2012)......................................................................................................................................... 61
Figure 6: Principaux produits de la finance islamique (The economist, 2010) ........................ 63
Figure 7: Principe de Murabaha (le guide de la finance islamique, 2009) .............................. 65
Figure 8: Principe dIjara (le guide de la finance islamique, 2009) ........................................ 65
Figure 9: Principe du Salam (le guide de la finance islamique, 2009) ..................................... 66
Figure 10: Principe dIstisnaa (le guide de la finance islamique, 2009) .................................. 66
Figure 11: Principe de Mudaraba (le guide de la finance islamique, 2009) ............................ 67
Figure 12: Principe de Musharaka (le guide de la finance islamique, 2009) ........................... 68
Figure 13: Rpartition des actifs islamiques selon le type de produit (Association d'Economie
Financire, 2005) ...................................................................................................................... 68
Figure 14: Evolution des valeurs de clture du S&P Sharia en USD ...................................... 77
Figure 15: Evolution des rendements journaliers du S&P Sharia ........................................... 78
Figure 16: Evolution des valeurs de clture S&P 500 en USD ............................................... 78
Figure 17: Evolution des rendements journaliers du S&P 500 ................................................ 78
Figure 18: Evolution des valeurs de clture de lindice DJIMI en USD ................................. 79
Figure 19: Evolution des rendements journaliers de lindice DJIMI ....................................... 79
Figure 20: Evolution des valeurs de clture de lindice DJIA en USD .................................... 80
Figure 21: Evolution des rendements journaliers de lindice DJIA ......................................... 80
Figure 22: Evolution des valeurs de clture de lindice MSCI Islamic en USD ...................... 82
Figure 23: Evolution des rendements journaliers de lindice MSCI Islamic............................ 82
Figure 24: Evolution des valeurs de clture de lindice MSCI World en USD ........................ 83
Figure 25: Evolution des rendements journaliers de lindice MSCI World ............................. 83
Figure 26: Evolution des valeurs de clture du FTSE Sharia en GPB .................................... 84
Figure 27: Evolution des rendements journaliers du FTSE Sharia .......................................... 84
Figure 28: Evolution des valeurs de clture du FTSE All World en GPB ............................... 85
Figure 29: Evolution des rendements journaliers du FTSE All World ..................................... 85
Figure 30: Evolution des valeurs de clture du JII en Roupie ................................................ 86
18
Figure 31: Evolution des rendements journaliers du JII .......................................................... 86

Figure 32: Evolution des valeurs de clture du JKSE en Roupie ............................................ 87
Figure 33: Evolution des rendements journaliers du JKSE ...................................................... 87
Figure 34: Evolution des valeurs de clture de lindice KLSI en Ringgit ................................ 88
Figure 35: Evolution des rendements journaliers de lindice KLSI ......................................... 88
Figure 36: Evolution des valeurs de clture de lindice KLCI en Ringgit ............................... 89
Figure 37: Evolution des rendements journaliers de lindice KLCI ......................................... 89
Figure 38: Flocon de Von Koch aprs 3 itrations ................................................................. 131
Figure 39: Triangle de Sierpinski aprs 4 itrations............................................................... 132
Figure 40: Aspect fractal des rendements journaliers de lindice S&P Sharia ...................... 136
Figure 41: Aspect fractal des rendements journaliers de lindice DJIMI .............................. 137
Figure 42: Aspect fractal des rendements journaliers de lindice JII ..................................... 137
Figure 43: Moments des rendements absolus du Jakarta Islamic Index................................ 141
Figure 44: Moments des rendements absolus du DJIMI ........................................................ 141
Figure 45: Moments des rendements absolus du S&P Sharia ............................................... 142
Figure 46: Exposant multi-fractal des 3 indices boursiers islamiques ................................... 143
19
Introduction gnrale
INTRODUCTION GENERALE
La dynamique des marchs financiers est parmi les phnomnes conomiques les plus
complexes. En effet, lincertitude commande cette dynamique et joue un rle central dans la
plupart des problmes abords par la thorie financire (Bollerslev et al, 1991). Par
consquent, la modlisation ne peut pas tre envisage sans tenir compte dinnombrables
facteurs qui influencent le march. Lasymtrie de linformation qui fait que cette dernire
nest pas la mme pour tout le monde, et le nombre gigantesque dagents qui interviennent et
interagissent sur le paysage financier sont les principaux facteurs qui influencent le march et
rendent la modlisation financire un exercice ardu.
En fait, la premire modlisation de la dynamique des actifs financiers trouve son origine dans
les travaux de recherche de Louis Bachelier, exposs dans sa thse intitule la thorie de la
spculation (Bachelier, 1900). Lide de la thse qui va structurer toute la finance moderne
consiste relier les marchs financiers et la thorie des probabilits. Ainsi, Bachelier a li la
thorie des probabilits la finance, et a instrumentalis la loi normale en tant que loi de
probabilit susceptible de dcrire lvolution des cours boursiers. En sinspirant de cette loi, il
est possible de calculer avec quelle probabilit le cours dune action peut monter ou baisser
%. Selon Bachelier (1900), les cours voluent dans le temps selon une marche alatoire qui
signifie que le cours daujourdhui ne dpend pas de celui dhier, ni des cours prcdents,
mettant en vidence labsence dune dpendance temporelle. Ces cours sont dcrits comme
des variables alatoires indpendantes et identiquement distribues (Bachelier, 1900). Cette
loi simpliste a t le fruit de plusieurs travaux et le gnrateur dun nombre important de
thories statistiques, en particulier le thorme central limite. Ce dernier signifie que toute
somme de variables alatoires indpendantes et identiquement distribues tend vers une
variable alatoire normale (Lantier et Trotoux, 1995).
Ainsi, les premiers soubassements thoriques de la finance mathmatique reviennent aux

travaux de recherches de Bachelier qui taient dune valeur ajoute scientifique palpable et
considrable. Cependant, en dpit de lapport significatif de la thse de Bachelier et malgr
son aspect original, sa thse fut oublie pendant presque cinq dcennies et na suscit aucun
intrt lpoque. Ce nest quen 1956 que lconomiste Samuelson cite largement les
20
Introduction gnrale
travaux de Bachelier dans sa thse. Un autre conomiste Fama a exploit les travaux de
Bachelier en 1964 et a pos le fondement de la thorie de lefficience des marchs financiers.
Le concept de lefficience des marchs qui a suscit de grands dbats sur sa crdibilit et son
ralisme signifie que toute linformation disponible est intgre dans les cours, et seule une
nouvelle information les fera varier. Chaque nouveau cours est donc indpendant des
prcdents (Fama, 1965). Cette notion qui parait abstraite a t fortement controverse par
nombre dconomistes et a t sujette de vifs dbats. Cest pour cela, que la notion de
lefficience a t dveloppe pour couvrir trois formes savoir lefficience faible, lefficience
semi-forte et enfin lefficience forte (Fama, 1965)1. Enfin, il convient de signaler que la
plupart des marchs financiers sapprochent de lefficience semi-forte (Herlin, 2010).
En sinspirant toujours des rsultats de Bachelier, un autre conomiste Markovic a dvelopp
en 1952 la thorie de gestion de portefeuille. Un autre modle de Black-Sholes (1973) a t
labor et a servi de base pour lvaluation des prix doptions (put et call). Ds lors, la finance
va connaitre une croissance accrue grce cette base thorique trs riche. Les nouvelles
technologies de linformation ont jou galement un rle crucial dans cette croissance, surtout
au niveau de la conception et la mise en place des logiciels susceptibles de quantifier les
risques, modliser et prvoir la dynamique des actifs financiers.
Nonobstant cela, la frquence importante des crises financires surtout durant la dernire
dcennie (2000-2010) a suscit des interrogations sur la fiabilit et la pertinence des modles
financiers existants ainsi que leurs hypothses de base. Ces hypothses particulirement, le
mouvement brownien qui conditionne la normalit des cours boursiers et lhypothse de
lefficience semi forte soutenue par Fama sont des hypothses restrictives.
Lefficience faible signifie que toute linformation passe est intgre dans le prix actuel, ainsi, il est inutile de
tirer profit des informations passes pour prvoir les variations futures des prix, vu que tous les agents disposent
de la mme information, ce qui rend vaine toute analyse technique.
Concernant lefficience semi-forte, cette forme considre que lintgralit des informations publiques sont prises
en compte par les prix. Ces prix ragissent instantanment lannonce des informations rendues publiques qui
peuvent tre macroconomique, financires, bilanciellesetc. Dans ce cas-l, les informations prives non
dtenues par le public vont affecter significativement la dcision de linvestissement.
Enfin, lefficience forte veut dire que toutes les informations que ce soient publiques ou prives sont intgres
dans le prix. Lanalyse de linformation dans cette situation ne privilgie personne (Roland Gillet et Arian
Szafarz ,2004).
21
Introduction gnrale
Dailleurs, nombre dhypothses souvent admises en thorie financire, peinent rpondre
la dynamique effective des sries temporelles financires (Mandelbrot, 2005). Dabord,
lhypothse de la normalit est quasiment rejete dans la plupart des tudes menes sur les
actifs financiers (taux de change, indices boursiers, agrgats macroconomiquesetc.). En
effet, nombre de chercheurs ont affirm empiriquement que lintroduction du mouvement
brownien normale gnre une sous-estimation des risques. Par consquent, plusieurs chocs
boursiers ont eu lieu depuis le dbut du 20me sicle jusqu nos jours sachant que leur
probabilit de survenance tait pratiquement nulle. Ceci est d la forme de la loi normale
(qui caractrise le mouvement brownien), extrmement aplatie aux extrmits et dont les
queues sont trs minces, ignorant amplement les valeurs extrmes (Walter et Vhel, 2002).
Cest pour les raisons prcites, que les fondements de base de ces thories seront remis en
question cause de leur manque de ralisme et leur incompatibilit aux comportements des
sries financires. Dautant plus que lincapacit de la modlisation gaussienne prvoir la
survenance des crises et prvenir lavnement des risques extrmes a remis en question tous
les modles classiques de la finance (Walter et Vhel, 2002).
Une autre hypothse est empiriquement rfute est celle de lhomoscdasticit.
Lhomoscdasticit signifie que la volatilit est une variable constante dans le temps. Or, les
fluctuations et les soubresauts que connait incessamment le paysage financier laissent
prsager lexistence dun effet autorgressif volatilit conditionnelle (effet ARCH) prsent
dans la composante stochastique des sries financires.
Compte tenu des imperfections enregistres au niveau des modles classiques, et en prenant
conscience des restrictions des hypothses, de nouveaux modles mathmatiques ont t mis
en place en vue dassurer une modlisation optimale des actifs financiers savoir les modles
autorgressifs volatilit conditionnelle htroscdastique simples et gnraliss (ARCH et
GARCH) dvelopps par Engle (1982) . Ces modles ont le principal avantage de prendre en
compte principalement la dynamique temporelle variable de la volatilit (lhtroscdasticit)
et galement la leptokurticit des rendements traduisant un excs de Kurtosis (coefficient
mesurant laplatissement des distributions). Cet excs de Kurtosis est lun des indicateurs de
la non-normalit. Lvolution des modles ne sarrte pas l. De nouvelles classes de modles
seront mises en place notamment les extensions des modles GARCH savoir lexponentiel
GARCH connu sous le sigle EGARCH et le GARCH fractionnaire intgr connu sous le sigle
de FIGARCH. Lextension a t tablie aprs avoir constat empiriquement que les modles
22
Introduction gnrale
ARCH et GARCH sont des modles symtriques (dans le sens o les bonnes et les mauvaises
nouvelles ont le mme impact sur les rendements futurs et donc sur la volatilit). En effet, le
modle GARCH asymtrique ou EGARCH a t adopt quand lconomiste Black2 a
remarqu que les bonnes et les mauvaises nouvelles ont des impacts diffrents sur la volatilit
contrairement au modle GARCH. Ce phnomne dasymtrie signifie que les mauvaises
nouvelles tendent faire augmenter la volatilit avec une ampleur plus importante que les
bonnes nouvelles. Ce qui indique lexistence dune sensibilit de la volatilit lgard des
chocs.
Quant au modle FIGARCH ou GARCH fractionnaire intgr, il a t mis en vidence par

Baillie3 et se base sur lhypothse de la mmoire longue. La mmoire longue signifie
mathmatiquement une dcroissance hyperbolique des autocorrlations. Elle signifie
conomiquement quun choc survenu linstant t a un impact long terme sur la volatilit.
Les modles GARCH ont t dvelopps galement dans le cadre multi-vari. Ils permettent
de cerner les interdpendances entre les marchs, et danalyser les mcanismes de
transmission de la volatilit dun march un autre, surtout en priode de turbulences
financires.
Force est de constater actuellement que le perfectionnement des modles conomtriques

ntaient pas aussi performants pour prvoir les crises financires. La rcurrence des crises
ajoutes au volume des pertes normes subies par les institutions financires travers le
monde a suscit des interrogations sur le mode de fonctionnement de la finance. Le systme
financier actuel a t victime de grandes drives spculatives qui ont cr des bulles
explosives. Lindustrie financire a connu galement la naissance des produits drivs
gnrant une prise excessive et imprudente de risque.
Plusieurs commissions et cercles de recherche ont t crs pour mettre en garde les
professionnels de la finance et les dcideurs contre les drives du systme financier
international. Cest dans ce sens que la commission dexperts de lOrganisation des Nations
Unies (ONU) sous la prsidence de Stiglitz a dgag plusieurs recommandations (Stiglitz,
2
Fisher Black, Merton Scholes: The pricing of options and corporate liabilities, Journal of Political Economy, 3,
637-654, 1973.
3
Richard Baillie (1996), Long memory processes and fractional integration in econometrics. Journal of
Econometrics 73, 559.
23
Introduction gnrale
2008). La commission a mis en vidence la ncessit vitale de procder une rforme
agressive des systmes bancaires par le renforcement de la surveillance prudentielle pour
viter la rcidive (Fadhlaoui, 2008). Il a t recommand galement la ncessit de rtablir la
connexion troite entre la finance et la sphre relle de lconomie. La commission a
galement ouvert une nouvelle piste qui sinspire des principes de la finance islamique vu ses
principes encourageant linvestissement et assurant une troite liaison entre les transactions
financires et le secteur productif. Cest dans ce contexte dinstabilit et de turbulence
financire, que la finance islamique est apparue avec une pousse de croissance remarquable
depuis 1970.
Ne dans les annes 70, la finance islamique connait actuellement un essor important travers
le monde et simpose de plus en plus en tant que concurrente du systme financier
conventionnel. Elle a pu susciter lintrt dune large gamme dinvestisseurs et galement des
pays impacts par la crise, souhaitant relancer leurs conomies en permettant de nouvelles
voies de financement. Le FMI estime que la croissance du secteur de la finance islamique a
t en moyenne de 10 % sur les dix dernires annes et que la croissance du secteur de la
finance islamique a t en moyenne de 15 % depuis 2003 pour atteindre 500 milliards de
dollars fin 2006, dont la moiti est dtenue par des banques islamiques (Brack, 2007). Outre
lactivit bancaire, la finance islamique a pu stendre aux activits de finance de march
notamment la gestion des fonds et la gestion indicielle. Le premier indice Islamique a t
lanc sur le march est le Socially Aware Muslim Index , et ce en 1998. Depuis, la gamme
dindices islamiques a t tendue, et les fournisseurs dindices islamiques proposent
aujourdhui un large panel dindices Sharia.
En dpit de lexpansion remarquable de la finance islamique due plusieurs facteurs surtout
les afflux de ptrodollar et lexcs de liquidit des pays du golfe, les tudes et les recherches
permettant de quantifier la volatilit et les risques auxquels sont exposs les actifs de la
finance islamiques sont trs rares. En fait, il nexiste que peu dtudes qui ont essay de saisir
la dynamique des marchs dactions islamiques. Ce champ de recherche revt un intrt
majeur dans la mesure o il permet dapporter des outils daide la dcision dinvestissement
dans de nouveaux produits financiers qui sont peu connus. En fait, les dcisions
dinvestissement sont prises suite lvaluation du march. L'valuation du risque et la
valorisation des actifs sont bases sur des modles statistiques. La volatilit est parmi les
outils quantitatifs les plus utiliss pour apprcier un march financier et mesurer sa stabilit.
24
Introduction gnrale
Ainsi, notre thse envisage de prsenter trois principaux apports. Le premier apport vise
apprhender le comportement de la volatilit des indices boursiers islamiques, travers la
mise en pratique des modles volatilit conditionnelle htroscdastique. Nous allons
galement procder une approche comparative entre les indices en questions et leurs
homologues conventionnels. Cela nous permettra danalyser limpact des chocs sur les
rendements et sur la volatilit des indices boursiers islamiques.
Le deuxime apport vise mettre en pratique de nouvelles voies de modlisation stochastique

qui sinspirent de la thorie des fractales fonde par le mathmaticien Mandelbrot, travers
lvaluation de la structure multi-fractale des indices boursiers islamiques. Lintroduction de
lanalyse multi-fractale sexplique par deux raisons. Dune part, les limites et les
imperfections prvisionnelles de la modlisation financire ont contribu la remise en
question de certains modles considrs jusqu prsent comme inbranlables. Ce constat a
ainsi mis en garde les professionnels de la finance et les dcideurs contre les dfaillances et
les limites des modles classiques. Dautre part, nombre de chercheurs ont dnonc loutillage
mathmatique classique de la finance. Le mathmaticien Mandelbrot fait partie de ces
chercheurs. En fait, il a publi un ouvrage intitul Une approche fractale des marchs
dans lequel il a mis en lumire les limites et les drives de ces outils mathmatiques parce
quil les juge inadapts, et se basent sur des hypothses restrictives, et finalement ne prennent
pas compte des changements de prix instantans. Ces limites contribuent largement fausser
la perception des risques financiers par les acteurs de march (Herlin, 2010).
Mandelbrot (2005) affirme que les modles fonds sur les fractales collent mieux la ralit
des marchs financiers. Ainsi, la naissance de la thorie des fractals en finance permettra
douvrir de nouvelles voie de modlisation mathmatique en finance islamique, une voie
susceptible dviter les drives de la modlisation classique et ses imperfections
prvisionnelles.
Le troisime apport a pour objectif principal danalyser le phnomne de la contagion
financire. Il sagit dapprhender les mcanismes de transmission de choc et de volatilit du
march dactions Amricain, en tant que march gnrateur de crise, aux marchs dactions
islamiques Malaisien et Indonsien. En supposant au pralable que la finance islamique est
stable et rsiliente face aux crises.
25
Introduction gnrale
Larchitecture de notre thse est structure selon cinq chapitres. Le premier chapitre relate les
principaux faits styliss des marchs financiers. Ils sont exhibs travers une analyse
empirique des valeurs de clture et des rendements logarithmiques journaliers de lindice
boursier amricain S&P 500.
Ensuite, nous allons aborder dans le deuxime chapitre lanalyse conomtrique des
rendements et de la volatilit de quelques indices boursiers islamiques savoir le S&P Sharia,
le Dow Jones Islamic Market (DJIMI), le FTSE Sharia, le MSCI Islamic, le Jakarta Islamic
Index (JII) et le Kuala Lumpur Sharia Index (KLSI). Cette analyse conomtrique est
effectue travers la mise en pratique des modles autorgressifs volatilit conditionnelle
htroscdastique notamment les modles GARCH, EGARCH, avec la mise en place dune
approche comparative entre ces indices et leurs homologues conventionnels.
Le troisime chapitre sera consacr lanalyse de la mmoire longue prsente ventuellement
dans la composante de la volatilit. Cela nous permettra danalyser la persistance de la
volatilit et limpact continu dans le temps des chocs subis par les marchs dactions
islamiques.
Nous allons ensuite aborder dans le 4me chapitre lanalyse de la structure fractale des indices
islamiques. Cette nouvelle voie en modlisation stochastique nous permettra de dceler deux
caractristiques prsentes dans les objets fractales, notamment lautosimilarit et linvariance
par changement dchelle. Ces deux proprits permettent de prvoir les vnements extrmes
et de permettre aux oprateurs de la finance islamique une gestion prventive des risques.
Enfin, le cinquime chapitre sera consacr lanalyse de linterdpendance entre le march
daction Amricain et les deux marchs dactions islamiques (Malaisien et Indonsiens) en
vue de cerner les mcanismes de transmission de la volatilit. Ce chapitre a permis dvaluer
la stabilit de la finance islamique et sa rsistance face aux crises provenant des autres
marchs.
En fait, malgr les facteurs intrinsques faisant de la finance islamique une composante
rsilience face aux crises, elle opre dans un environnement complexe marqu par une forte
interdpendance avec les marchs conventionnels. Il convient de mettre en place de nouvelles
politiques liant le systme financier la sphre relle de lconomie, en vue dviter les
26
Introduction gnrale
retombes des perturbations financires sur lconomie relle. Dans ce sens, la politique
macro-prudentielle est un facteur incontournable et susceptible de limiter les risques
systmiques, et par consquent, contribue renforcer la stabilit de la finance islamique et sa
rsilience faces aux chocs provenant de la sphre financire.
27
Introduction gnrale
Rfrences
Bachelier, L (1900), La thorie de la spculation, Annales scientifiques de lENS, 3me
srie, Tome 17, P. 21-86.
Baillie, R (1996), Long memory processes and fractional integration in econometrics.
Journal of Econometrics 73, 559.
Black, F., Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of
Political Economy, 81, 637-654.
Bollerslev, T (1991), Les modles ARCH en finance : un point sur la thorie et les rsultats
empiriques, Annales dconomie et de statistique.-N24.
Brack, E (2007), Les dfis soulevs par le dveloppement de la banque islamique, Revue
Banque, n696.
Christian, W. (2005), L'efficacit informationnelle des marchs ; Le noyau de l'valuation par
le march, Les cahiers JPMorganc Numro 5.
Courtault, J., Kabanov,Y. (2002), Louis Bachelier. : Aux origines de la finance mathmatique,
p128-132, PUFC 2002.
Engle, R (1982), Autoregressive Conditional Heteroscedasticity with estimates of the
Variance of U.K. Inflation, Econometrica, 50, pp 987-1008.
Fadhlaoui, H (2008), La crise de 2007: les recommandations de Stiglitz dans la rforme du
systme bancaire, Laboratoire dconomie et de gestion, Universit de Bourgogne.
Fama, E. (1965), The behavior of stock market prices, Journal of Business, 38, pp. 38-105.
Gillet, R., Szafarz,A (2004), l'efficience informationnelle des marchs. Une hypothse, et audel ?, Univ Panthon - Sorbonne Paris1. Working paper WP - CEB 04/004.
Herlin, P (2010), Finance le nouveau paradigme, Edition Eyrolles, page 44.
Lantier,D., Trotoux, D (1995), La loi des grands nombres: le thorme de De MoivreLaplace, Contribution une approche historique de l'enseignement des mathmatiques,
collection Les publications de l'IREM de Besanon", ISBN : 2-909963-136, pp. 259-294
Mandelbrot, M (2005), une approche fractale des marchs, ditions Odile Jacob.
Markowitz,H (1952), Portfolio Selection, Journal of Finance, 7 (1), 77-91.
Masmoudi, F (2101), La finance islamique dans le contexte de la crise financire:
opportunits et dfis, Capmena.
28
Introduction gnrale
Samuelson, P. (2006), Louis Bachelier's Theory of Speculation: The Origins of Modern
Finance, Kindle Edition.
Walter, C., Vhel, L (2002), les marchs fractals, Finance.
29
30
Chapitre 1 : Faits styliss des marchs financiers
Introduction
Nombre de travaux de recherche ont tent dapprhender le comportement alatoire des sries
financires. A cet gard, nous pouvons citer larticle de Cont (2000) et larticle de Swell
(2011). Ces deux articles ont mis en exergue les principales proprits empiriques observes
dans
la
plupart
des
marchs
financiers.
Les
phnomnes
de
leptokurticit
et
dhtroscdasticit sont parmi dautres les faits saillants des sries financires. Ces constats
ont t approuvs par les travaux de Westerfield (1977), Cornell et Dietrich (1978), Bollerslev
(1987), Boothe et Glassman (1987), Hsieh (1989) et autres.
Au terme de ces recherches, les auteurs ont exhib des proprits atypiques par rapport aux
distributions normales concernant les rendements des sries financires. En effet, les queues
de distributions des rendements semblent plus paisses que celles dune loi normale. Ceci est
donn par le coefficient de Kurtosis en tant questimateur du moment dordre 4 qui affiche
une valeur suprieure 3 (valeur du coefficient de Kurtosis quand il sagit dune loi normale).
Ainsi, une distribution est dite leptokurtique, lorsque le coefficient de Kurtosis est suprieur
trois. La leptokurticit est lun des aspects complexes des marchs financiers. Elle est souvent
utilise pour caractriser la distribution non normale des rentabilits boursires. En outre,
lhypothse dindpendance et de distribution identique est galement rejete. Cette hypothse
implique thoriquement lexistence dun rapprochement excessif entre les donnes (Hsieh,
1989). Mais sur le plan empirique, des dviations majeures sont constates, surtout en
priodes de crises, entre les diffrentes valeurs des rendements dun indice boursier (par
exemple) et la moyenne espre de ces rendements. Concernant lhtroscdasticit, ce
phnomne est traduit dabord par lexistence dun effet autorgressif volatilit
conditionnelle (effet ARCH) qui a t introduit par Engle (1982) et gnralis par Bollerslev
(1986) avec les processus GARCH. Ces modles ont t ensuite tendus par Nelson (1991) au
cas des processus asymtriques en variance (EGARCH). A lencontre des modles
autorgressifs moyenne mobile (ARMA) tablis par Box-Jenkins (1976) bass sur

lhypothse dhomoscdasticit, lexistence dun effet ARCH met en vidence une volatilit
dynamique qui volue dans le temps.
Cest dans cette logique que sinscrit ce chapitre prliminaire, qui a pour objectif principal
dexhiber ces faits styliss, c'est--dire les proprits statistiques observes communment
dans la plupart des marchs financiers. Pour ce faire, nous allons procder ltude empirique
de lvolution de lindice boursier amricain S$P 500 durant la priode allant du 04 janvier
1980 au 07 Octobre 2011, soit 8016 cotations quotidiennes. La prsente analyse empirique
porte sur les valeurs de clture de lindice en question aussi bien que sur ses rendements
journaliers. Retenons que cette priode a connu 3 principaux krachs boursiers savoir la bulle
internet4 en 2001, la crise du 11 Septembre 2001 et enfin la crise des subprimes5 en 2007.
Cette dernire dcennie a t la pire priode dans lhistoire des marchs financiers en termes
de volumes de pertes normes qui ont failli dsagrger le systme financier mondial.
Lindice S&P 500 reprsente les 500 plus grandes socits cotes sur les bourses amricaines.
Cest lindice boursier amricain de rfrence, avant le Dow Jones qui comprend les 30 plus
grosses entreprises, et le NASDAQ qui est lindice de rfrence des valeurs technologiques
amricaines6. Cest lindice le plus suivi par les grants de fonds et les diffrents acteurs de la
finance. Sa reprsentativit atteint prs de 80% de la capitalisation totale des marchs
amricains. Nous notons que 84.4% de la capitalisation totale du S&P500 provient du NYSE7,
15,5% du NASDAQ et 0.1% de lAMEX (troisime march amricain). Ainsi, Sa
reprsentativit significative et sa liquidit sont les raisons pour lesquelles nous lavons choisi
comme indice phare.
Une bulle conomique est un niveau de prix d'changes sur un march trs excessif par rapport la valeur
financire intrinsque (ou fondamentale) des biens ou actifs changs.
5
La crise des subprimes est une crise qui a touch le secteur des prts hypothcaires risque (subprime
mortgage) aux tats-Unis en juillet 2007.
6
Mme au niveau mondial, le S&P500 est considr comme un indice de rfrence tant donn quil regroupe
un grand nombre de socits, pas forcment amricaines, mais ct sur les marchs amricains qui refltent en
principe la tendance globale de l'conomie des grandes entreprises. A titre dexemple, le S&P500 comprend
notamment Apple, Cisco Systems, Ford, Kimberly-Clark, Kraft Foods, Macys, Lookheed Martin, ou encore
Polo Ralph Lauren.
7
Le groupe NYSE Euronext est n de la fusion en 2006 entre le New York Stock Exchange et Euronext, la place
financire europenne qui regroupe les bourses de Paris, Amsterdam, Lisbonne, Porto, Bruxelles et le LIFFE
(London International Financial Futures and options Exchange).
32

Nous adoptons la notation suivante:
La valeur de clture de lindice en fonction du temps t ( t reprsente un jour).
:le logarithme du rendement journalier correspondant :
(
(1.1)
o
(
(1.2)
dsigne la variation relative des valeurs du cours boursier en question.

Nous raisonnons souvent sur les rendements logarithmiques lorsquil sagit de lanalyse des
sries financires, pour permettre la comparaison avec dautres sries financires. En outre,
comme nous allons voir dans les faits styliss, la srie des prix des actifs financiers nest pas
stationnaire, cest pourquoi nous passons la diffrenciation logarithmique de premier ordre
pour rendre la srie stationnaire, ce qui permet lestimation des paramtres du modle retenu.
Pour des variations au voisinage de 0, nous allons confondre les rendements de lindice avec
les rendements logarithmiques8.
Les donnes de lindice S$P 500 sont tlcharges partir du site Yahoo/Finance. La base de
donnes est constitue des valeurs journalires de lindice savoir les valeurs de clture, les
prix les plus bas, les plus hauts, les volumes et enfin nous avons ajout une colonne relative
aux rendements logarithmiques. Nous retenons juste les donnes relatives aux valeurs de
clture et aux rendements logarithmiques journaliers.
Nous allons dcrire les principaux faits styliss en analysant les valeurs de clture et les
rendements journaliers de la srie en question. Nous allons commencer dabord par la
proprit de stationnarit.
Pour
0 on a:
(daprs un dveloppement limit lordre 1).
En effet :
(
) ( )
Puisque x<< 1, donc on peut ngliger les termes
On aura ainsi, ln (1+ x) x
(
)
avec k 2 devant le premier terme x.
33
1.
Stationnarit des rendements
Rappelons la dfinition statistique de la stationnarit.
Le processus
est dit strictement ou fortement stationnaire si :

(
(
).
Dans la pratique, on se limite gnralement utiliser la stationnarit du second ordre du

processus tudi (Hurlin, 2007).
Un processus
est dit stationnaire au second ordre ou stationnaire au sens faible dordre
deux, si les trois conditions suivants sont satisfaites :

(
i)
, la variance est finie et indpendante du temps.
( )
ii)
, la moyenne est constante et indpendante du
temps.
(
iii)
)(
((
))
( ) , la covariance est
indpendante du temps.
La premire condition
( )
garantit lexistence des moments dordre deux. La
seconde condition porte sur les moments dordre 1 et signifie que les variables doivent avoir
la mme esprance quelle que soit la date t. Enfin, la troisime condition signifie que la
fonction dauto-covariance du processus doit tre indpendante du temps. En rsum, un
processus est stationnaire au second ordre si tous ses moments sont indpendants du temps.
Cela implique que la srie ne comporte ni tendance ni saisonnalit.
34
Figure 1: Evolution des valeurs de clture de lindice S$P 500 en Dollar
En passant lanalyse de la courbe des valeurs de clture de notre srie financire, nous
remarquons que la courbe montre tantt une tendance baissire, tantt une tendance haussire
avec des pics rcurrents, ainsi ce type de courbe ne reflte pas la stationnarit (Fig1). Dautant
plus que le corrlogramme (Tab 1) montre une dcroissance lente des coefficients
dautocorrlation simple.
Tableau 1: Corrlogramme des valeurs de clture de lindice S$P 500
retard
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
autocorrlation
simple
1.000
0.999
0.999
0.999
0.998
0.998
0.998
0.997
0.997
0.997
0.996
0.996
0.996
0.995
0.995
0.994
0.994
0.994
0.993
0.993
Autocorrlation
partielle
1.000
0.037
0.033
0.013
0.010
0.013
-0.003
0.021
-0.012
0.007
-0.010
0.017
-0.045
-0.027
0.005
0.011
-0.018
0.000
0.039
-0.009
35
Q-Stat
Prob
8011
16018
24020
32017
40010
47999
55983
63963
71939
79911
87879
95843
103802
111756
119705
127650
135589
143524
151455
159381
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Pour confirmer statistiquement la non stationnarit de la srie des prix, nous allons tester la
stationnarit travers le test de racine unitaire ADF (Augmented Dickey-Fuller) et les tests de
stationnarit de KPSS ( Kwiatkowski et al, 1992) et de Philips et Perron (1988). Avant de
procder au calcul des valeurs des diffrents tests, nous allons en prsenter la dmarche
thorique.
Les tests de Dickey Filler (DF) permettent de mettre en vidence le caractre stationnaire ou
non dune chronique par la dtermination dune tendance dterministe ou stochastique.
Les modles servant de base la construction de ces tests sont au nombre de 3 et sappuient
sur un modle AR(1). Le modle AR(1) est un modle autorgressif dordre 1. En gnral dans
un modle AR(P), lobservation prsente
est gnre par une moyenne pondre des
observations passes jusqu la p-ime priode. Il peut tre prsent sous 3 formes :
: Cest un AR(1) avec
un bruit blanc gaussien et
paramtre estimer
: Cest un AR(1) avec constante

: Cest AR(1) avec tendance
(t tant le temps, b une constante)
Le principe du test est le suivant : si lhypothse
: le processus est retenue dans
lun des trois modles, le processus est alors non stationnaire.
Le premier modle :
(1.3)
Il peut scrire aussi sous la forme :
(1.4)
Nous obtenons la forme suivante :
(
(1.5)
Il est donc quivalent de tester comme hypothse :

ou
36

Nous estimons par la mthode des moindres carrs ordinaires le paramtre
not pour les
trois modles. Lestimation des coefficients et des carts types du modle par les moindres
carrs ordinaires fournit
sur son cart type). Si
qui est analogue la statistique de Student (rapport du coefficient

alors on accepte lhypothse
; il existe une racine
unitaire, le processus nest donc pas stationnaire. A noter que le logiciel Eviews calcule
automatiquement les valeurs critiques
Cependant, dans les 3 modles prcdents,
est par hypothse un bruit blanc, donc non
corrl. Cest une hypothse restrictive. Pour y remdier, nous faisons appel aux tests de
Dickey- Filler Augments (ADF, 1981).
Sous lhypothse alternative,|
les tests ADF sont fonds sur lestimation par les
moindres carrs ordinaires des trois modles :
Avec
(1.6)
(1.7)
(1.8)
(Independantes et identiquement distribues) et
coefficient de corrlation.
Le test se droule de manire similaire au test DF, seules les tables statistiques sont
diffrentes. La valeur
peut tre dtermine selon les critres dAkaike ou de Shwartz.
Cependant, compte tenu des limites du test ADF, un autre test de Philips et Perron (1988) a
t tabli suite une correction non paramtrique des statistiques de Dickey-Filler pour
prendre en compte des erreurs htroscdastique. Il se droule en 4 tapes :
Estimation par les moindres carrs ordinaires des trois modles de base des tests de
Dickey-Filler et calcul des statistiques associs, soit
Estimation de la variance dite de court terme
Estimation dun facteur correctif
le rsidu estim.
(1.9)
(variance de long terme) tabli partir de la
structure des covariances des rsidus des modles prcdemment estims de telle sorte
que les transformations ralises conduisent des distributions identiques celles du
Dickey-Filler standard :
37
(1.10)
Pour estimer cette variance de long terme, il est ncessaire de dfinir un nombre de retards l
(troncature de Newey-West) estim en fonction du nombre dobservations n, l
Calcul de la statistique de PP :
(1.11)
Avec :
(1.12)
Cette statistique est comparer aux valeurs critiques de la table de MacKinnon.

Les deux tests DF et ADF visent tester la validit de lhypothse nulle de racine unitaire
contre lhypothse alternative dabsence de racine unitaire, tandis que la procdure du test
KPSS impose la stationnarit sous lhypothse nulle.
Kwiatkowski et al. (1991) propose dutiliser un test du multiplicateur de Lagrange (LM) fond
sur lhypothse nulle de stationnarit. Aprs estimation des modles 2 et 3, nous calculons la
somme partielle des rsidus:
(1.13)
Nous estimons ensuite la variance du long terme
La statistique est alors :
(1.14)
Nous rejetons lhypothse de stationnarit si cette statistique est suprieure aux valeurs
critiques lues dans une table labore par les auteurs. Le logiciel Eviews permet directement
lutilisation de ces tests.
Tableau 2: Test de stationnarit pour les valeurs de clture de lindice S&P 500
Test
Statistique du test
ADF
-1.77*
PP
-1.75*
KPSS
10.87*
38
Notes : La valeur critique 1% de Mackinnon est de -3.43 pour les tests ADF et PP. La valeur
critique 1% pour le test KPSS est gale 0.73.
Pour le test ADF, nous avons obtenu les rsultats suivants :
et
ainsi
Donc nous acceptons lhypothse
; il existe une racine unitaire et le processus nest donc
pas stationnaire.
Pour le test KPSS, nous avons obtenu les rsultats suivants :

87 et la valeur critique au seuil de 1% est gale 0.73, do
rejetons ainsi lhypothse de stationnarit
, nous
De mme pour le test de Philips et Perron.
Nous pouvons conclure enfin, que la srie des valeurs de clture de lindice S&P 500 nest
pas stationnaire. Pour rendre la srie stationnaire, nous procdons la diffrenciation
logarithmique du premier ordre. Nous allons raisonner dsormais sur les rendements
journaliers (confondus avec les rendements logarithmiques journaliers).
Nous pouvons remarquer dans la figure 2 que les rendements semblent stationnaires autour
dune constante, et des fluctuations qui prennent des valeurs tant ngatives que positives
autour de la moyenne.
Figure 2: Evolution des rendements journaliers de lindice S&P 500
Pour confirmer la stationnarit des rendements de lindice boursier S&P 500, nous reprenons
les tests ADF, KPSS et PP.
39

Les rsultats affichs par le logiciel Eviews sont illustrs dans le tableau 3.
Tableau 3: Test de stationnarit pour les rendements de lindice S&P 500
Test
Statistique du test
ADF
-69.51*
PP
-96.06*
KPSS
0.13*
Notes : La valeur critique 1% de Mackinnon est de -3.43 pour les tests ADF et PP. La valeur
critique 1% pour le test KPSS est gale 0.73.
Pour le test ADF, nous avons les rsultats suivants :
ainsi
Donc nous rejetons lhypothse
; il nexiste pas de racine unitaire, le processus est donc
stationnaire.
Pour le test KPSS, nous avons obtenu les rsultats suivants :
et la valeur critique au seuil de 1% est gale 0.73, do
acceptons ainsi lhypothse de stationnarit
, nous
De mme pour le test de Philips et Perron qui
confirme la stationnarit des rendements de lindice S&P 500.

Nous nous contentons, pour analyser la dynamique de lindice boursier, de la priode allant
de 2000 2011 vue que cette priode est plus rcente et a connu plus de crises. La figure 2
relative lvolution des rendements de lindice S$P 500 exhibe des pics ngatifs en 2000, en
2003, et en 2007. Nous pouvons remarquer clairement que lallure semble tre diffrente de
celle dun bruit blanc, et des cycles semblent apparaitre cause de la variabilit importante de
lindice, sachant que lallure dun bruit blanc marque une extrme rgularit de lala
gaussien. Paralllement, une tendance baissire des prix est affichs depuis lanne 2000
jusqu la chute de lindice en 2003 (Figure 1). En effet, cette priode a t marque par la
bulle internet, qui sest explos en 2000 et a continu daffecter significativement lindice S$P
500 jusqu son paroxysme en 2003.
En fait, la bulle internet est une bulle spculative, qui a impact les valeurs boursires
relatives au secteur de la technologie de linformation. Ses premiers symptmes ont vu le jour
en 1995 quand les deux socits Yahoo et Netscape furent introduits dans la bourse et ont
40

attir un nombre important dinvestisseurs. Lintrt vif des investisseurs lors de l'introduction
en bourse de Netscape fait monter le cours de l'action de la jeune socit de 28 75 $ en un
seul jour. La socit a atteint 2 milliards de dollars de capitalisation boursire la fin de sa
premire journe de cotation. Ainsi, plusieurs entreprises ont procd des achats massifs
dactions lies aux secteurs technologiques. Ceci a t effectu sans tenir compte des risques
ventuels et en surestimant les retours sur investissement, en tirant profit des crdits accords
par les banques avec des taux dintrts faibles. Le 10 mars 2000, lindice boursier NASDAQ
avait atteint son plus haut niveau valu 5.048 points. 16 mois plus tard, en juillet 2002,
l'indice a chut brutalement et atteint 1.328, une baisse historique de 74%. En fait, le taux
dintrt a augment brusquement et par consquent, la bulle finit par clater partir de Mars
s'tendant l'ensemble des bourses, et provoquant une rcession conomique de ce secteur et
de l'conomie en gnral (La tribune, 2014)9.
Cette tendance baissire est explique galement par les consquences immdiates des
attentats du 11 Septembre 2001, qui ont caus des pertes normes aux compagnies ariennes
et aux socits dassurance amricaines lexemple de la compagnie Swissair. Cependant,
lindice S$P 500 a repris sa dynamique et a enregistr une tendance haussire. En effet, depuis
2003, lindice enregistre une hausse constante. Mais cette tendance haussire va arriver son
bout au mois de septembre 2007 qui a connu une crise financire fatale, celle connue par la
crise des subprimes. Cette crise a t dclenche suite une politique amricaine visant
lencouragement de la consommation au profit des mnages aux faibles revenus. Ces derniers
ont pu bnficier des crdits des taux bas (estims 1%) et variables. Les crdits subprimes
ddis aux mnages aux faibles revenus constituaient 20% des prts immobiliers aux EtatsUnis. Les banques accordant ces crdits ont procd la titrisation en mettant des actions.
Toutefois, suite une forte augmentation du taux dintrt (de 1 6%), les remboursements
de crdits ont connu dimportantes augmentations. Les mnages se sont vus incapables
dhonorer leurs engagements. Cela a provoqu leffondrement de la valeur des titres
comprenant les subprimes et des pertes normes pour les tablissements financiers ayant
achet ces titres. 10
99
Nicolas Richaud (2014), Bulle internet : le march a-t-il raison d'tre hant par le krach des annes 2000 ? La
tribune.
10
Marianne Bliman (2007), "Subprime" : explications d'une crise, Les Echos.
41

Ce krach dune telle ampleur a pouss les banques centrales mener des plans urgents de
sauvetage pour absorber les pertes et viter la rcession de lconomie mondiale. Le plan de
sauvetage consistait injecter de la liquidit aux tablissements financiers qui ont t affects
par la crise. Par consquent, une renaissance progressive a t remarque dans les marchs
dactions, particulirement pour lindice S$P 500 qui a enregistr une augmentation de sa
valeur. En bref, la dcennie rcente a connu des vnements imprvisibles sous forme de
chocs financiers, dgageant des fluctuations importantes des rendements.
Ainsi, nous avons prouv que la srie des valeurs de clture nest pas stationnaire, tandis que
la srie des rendements journaliers est stationnaire. Ce rsultat est conforme aux rsultats de
Meese et Singleton (1982), Messe et Rogoff (1983), Corbae et Ouliaris (1986), Baillie et
Boullerslev (1989) et dautres. Ces derniers ont montr que les sries temporelles financires
et macroconomiques affichent souvent la prsence de racine unitaire, tandis que les
variations sont stationnaires. Aprs lanalyse de la stationnarit, nous allons passer la
proprit de lautocorrlation des rendements.
2.
Autocorrlation des rendements et efficience des marchs
Cornell et Dietrich (1978), Levich (1979), et Dooley et Shafer (1983) ont montr que les
variations
des
cours
de
change
se
caractrisent
par
labsence du
phnomne
dautocorrlation. Ce constat empirique na pas t confirm par Poole (1967), Baillie et

McMahon, et Palm et Vlaar (1997) qui ont dtect la prsence dune autocorrlation de
premier ordre.
L'autocorrlation d'une srie temporelle ou d'un processus
dsigne la corrlation du
processus par rapport une version dcale dans le temps de lui-mme. Labsence
dautocorrlation des rendements renvoie la notion defficience des marchs. Nous
rappelons que sous cette hypothse, le prix dune action incorpore toute linformation
disponible. Elle signifie que les cours ne peuvent varier entre t et t+1 quen raison de larrive
de nouvelles informations non anticipes. Ce qui implique quaprs une hausse des prix
dhier, il y a peu prs autant de chances dobserver une hausse ou une baisse des prix
aujourdhui. Pour linvestisseur, cela signifie quil est priori difficile dutiliser linformation
dans les prix passs pour prvoir les prix futurs (Hurlin, 2006).
42

Ainsi, les cours des titres sont donc supposs reflter la valeur fondamentale de lentreprise.
Ce qui signifie que dans un march efficient, le niveau de volatilit des taux de rentabilit
devrait voluer dans des marges raisonnables d'un point de vue thorique.
Toutefois, si lon se rfre aux divers travaux de Shiller (1981, 1989), il semble que les cours
des actions exhibent une volatilit excessive relativement aux fondamentaux. Ce qui ne colle
pas avec lhypothse de rationalit des investisseurs et defficience des marchs.
La premire tude qui a mis en lumire lexistence de la volatilit excessive tait celle de
Shiller (1981). Ce dernier applique le test des bornes de la variance sur l'indice S&P 500
(1871-1979) et le DJIA (1928-1979). Les rsultats tirs de cette tude rvlent une volatilit
des cours observs suprieure celle des prix rationnels ex-post.
La deuxime tude engage par Shiller en 1989 est relative une enqute auprs des
oprateurs de march. Les rsultats de cette tude montrent que la psychologie est essentielle
pour apprhender la dynamique des prix : pour 65% des oprateurs interrogs, cest dabord la
psychologie de march , avant les fondamentaux, qui expliquerait la forte chute des cours
en octobre 1987. La psychologie de march , englobe lexcs de confiance, les influences
interpersonnelles, le mimtisme et la contagion.
Statistiquement, labsence dautocorrlation est teste laide de la statistique Ljung-Box. En
effet, la statistique Q(m) de Ljung-Box (1978) permet de tester l'hypothse d'indpendance
srielle d'une srie (ou si la srie est un bruit blanc). Plus spcifiquement, cette statistique
teste l'hypothse que les m coefficients d'autocorrlation sont nuls. Elle est base sur la
somme des autocorrlations de la srie et elle est distribue selon une loi Chi-carre avec m
degrs de libert.
L'hypothse nulle est:
: Les variables sont indpendantes et identiquement distribues.
Contre lhypothse alternative :
: Les variables ne sont pas indpendantes.
43
( )
Avec :
: Taille de lchantillon
: Autocorrlation lordre
: Nombre de retards tester
Sous lhypothse
si ( )
, la statistique du test suite une loi

, nous rejetons lhypothse
( ). Pour un niveau de signification
et concluons que les variables ne sont pas
indpendantes et les autocorrlations ne sont pas nulles.

En traant le corrologramme des rendements journaliers de lindice S$P 500, nous
remarquons que les valeurs de coefficients dautocorrlation sont trs faibles (Tableau 4).
Cela veut dire que la corrlation entre la rentabilit daujourdhui et les rentabilits passes est
trs faible. En revanche, en visualisant le corrlogramme des rendements au carr, ces
derniers prsentent des coefficients dautocorrlation significativement non nuls. En effet,
nous observons clairement sur le Tableau 5 que les rendements au carr sont corrls. En
effectuant le test de Ljung-Box sur le coefficient dautocorrlation relatif au retard 1, nous
avons la valeur de Q-Stat est suprieure la valeur Khi deux un degr de libert 1.
207.72 > 3,841, donc les rendements au carr sont auto-corrls. Par consquent, les
rendements ne sont pas indpendants.
Tableau 4: Coefficients dautocorrlation des rendements de lindice S$P 500
retard
1
2
3
4
5
6
7
8
9
10
11
12
13
Autocorrlation
simple
-0.028
-0.046
-0.006
-0.019
-0.017
0.007
-0.026
0.006
-0.002
0.013
-0.024
0.035
0.006
Autocorrlation
partielle
-0.028
-0.047
-0.009
-0.022
-0.019
0.004
-0.028
0.004
-0.005
0.012
-0.025
0.035
0.006
44
Q-Stat
Prob
6.2625
23.126
23.437
26.453
28.787
29.147
34.481
34.778
34.809
36.107
40.836
50.916
51.198
0.012
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

14
15
16
17
18
19
20
-0.008
-0.025
0.034
-0.011
-0.034
0.004
0.013
-0.005
-0.025
0.033
-0.009
-0.034
0.003
0.010
51.716
56.717
66.092
67.113
76.490
76.651
77.977
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Tableau 5: Coefficients dautocorrlation des rendements au carr de lindice S$P 500
retard
Autocorrlation
simple
0.161
0.254
0.131
0.117
0.211
0.123
0.116
0.114
0.125
0.098
0.142
0.099
0.086
0.054
0.087
0.092
0.091
0.096
0.078
0.078
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
3.
Autocorrlation
partielle
0.161
0.235
0.067
0.037
0.162
0.048
0.010
0.042
0.062
0.007
0.067
0.028
-0.004
-0.028
0.034
0.031
0.021
0.032
0.019
0.004
Q-Stat
Prob
207.72
726.44
864.27
973.18
1331.1
1451.7
1558.9
1663.0
1788.3
1864.8
2027.6
2105.5
2165.1
2188.4
2249.2
2317.6
2384.8
2459.3
2507.9
2556.3
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Leptokurticit et asymtrie des rendements
Le coefficient daplatissement ou le Kurtosis dune variable alatoire correspond son

moment centr dordre 4. Le Kurtosis est une mesure de lpaisseur des queues de
distributions. Cette mesure est fonde relativement la distribution normale, considre
comme une distribution queue plate et qui possde un coefficient daplatissement gal 3.
Si le Kurtosis excde 3, alors les queues de distribution sont paisses et la distribution est dite
leptokurtique. Si le Kurtosis est infrieur 3, la distribution est dite platikurtique.
La formule de Kurtosis scrit de la faon suivante:
( )
,
,
( )-
(1.15)
45
Pour le cas de de la srie des rendements de lindice S&P 500, nous obtenons :
Par consquent la distribution de lindice S$P 500 est leptokurtique.
Concernant lasymtrie, la distribution de lvolution des cours est gnralement asymtrique.
Il y a plus de mouvements forts la baisse qu la hausse des cours. Autrement dit, les
rendements tendent baisser plus qu monter. Cela sexplique par la rcurrence des chocs.
Cette proprit met en exergue le phnomne dasymtrie des sries financires. Nous
pouvons mesurer le degr dasymtrie des rendements de notre srie S$P 500 laide du
coefficient Skewness. Rappelons quun test simple de lhypothse de symtrie consiste
tester la nullit du moment centr dordre trois de la distribution. Le coefficient de Skewness
dfini comme :
( )
( )-
(1.16)
Pour un coefficient de Skewness significativement ngatif, la distribution est asymtrique.

Cela veut dire que la probabilit dobtenir des valeurs infrieures la moyenne tant
suprieure celle dobtenir des valeurs plus fortes que la moyenne. Ceci est vrifi
empiriquement dans notre cas. En effet, en appliquant la formule sur notre srie, nous
obtenons :
.
Nous concluons que la srie des rendements de lindice est asymtrique. En conclusion, nous
pouvons avancer que les rendements journaliers sont fortement non gaussiens avec lexcs
dun Kurtosis et lexistence dune asymtrie. Combine avec la proprit sur les queues de
distributions, le test de Jarque-Bera conduit galement rejeter lhypothse dune distribution
normale des rendements. Nous rappelons que ce test qui admet pour hypothse nulle la
normalit de la distribution est construit de la faon suivante :
( )
( )
(1.17)
Avec :
: Les donnes suivent une loi normale.
: Les donnes ne suivent pas une loi normale.
46
La probabilit nulle de la statistique de Jarque-Bera nous pousse rejeter lhypothse
de la
normalit de la distribution (Prob Jarque Bera <0.05).

Une autre mthode pour valuer ladquation ou non des rendements avec une distribution
gaussienne est danalyser les quantiles, en traant les quantiles empiriques contre les quantiles
dune loi normale (QQ-Plot).
Diagramme Q-Q Gaussien des rendements
,06
,04
,02
0,00
-,02
-,04
-,06
-,3
-,2
-,1
-,0
,1
,2
Valeur observe
Figure 3: QQ-plot des rendements journaliers de lindice S$P 500
Nous pouvons visualiser clairement les QQ-plot des rendements de lindice qui sont dvis
par rapport la loi normale. Par consquent, la srie des rendements de lindice S$P 500 ne
suit pas la loi normale.
4.
Accumulation de la volatilit (Volatility clustering)
La volatilit est un indicateur qui mesure l'ampleur des variations du cours d'un actif
financier. Elle sert de paramtre de quantification du risque de rendement et de prix d'un actif
financier. Lorsque la volatilit est leve, l'esprance de gain est plus importante, mais le
risque de perte lest aussi. Rcemment, les fluctuations importantes des cours boursiers
observes tant en Europe quaux tats-Unis, ont conduit la communaut financire
ractualiser le dbat sur la volatilit. En effet, la volatilit boursire enregistre depuis 1997
une tendance affirme la hausse. Cette tendance haussire trouve dabord ses origines dans
les chocs qui se sont succd depuis quelques dcennies, et dans laugmentation des
47

incertitudes gopolitiques et macroconomiques. Cette situation a conduit une conjoncture
dfavorable la croissance (Banque de France, 2003)11.
La volatilit est galement lie au facteur de liquidit. Sur un march peu liquide, les cotations
peuvent rester inchanges sur une certaine dure, du fait de labsence de transactions. Dans ce
cas, la faible volatilit ne doit pas tre interprte comme un risque de march faible, mais
comme un risque de liquidit lev. Par ailleurs, sur un march peu liquide, de fortes
fluctuations des cours peuvent tre ncessaires pour quune offre de transactions trouve
contrepartie. Dans ce cas, la forte volatilit des cours est due cette illiquidit, et non une
variation de la valeur fondamentale des actifs. En dautres termes, le facteur liquidit peut tre
fondamental dans linterprtation de la volatilit (Banque de France, 2003).
Nous pouvons visualiser ce type de fluctuations dans la figure 4.
Figure 4: Clusters de volatilit sur les rendements du S&P 500
Nous observons empiriquement que de fortes variations des rendements sont gnralement
suivies de fortes variations et que de faibles variations sont gnralement suivies de faibles
variations. Nous constatons galement un regroupement des extrmes en cluster ou paquets
de volatilits. Ce type de phnomne remet en cause lhypothse dhomoscdasticit
(constance de la volatilit). Ce regroupement des volatilits par paquets est d essentiellement
aux corrlations des sries financires. A cause de cette corrlation, un grand mouvement
11
Grouard,M.H., Lvy.S.,Lubochinsky,C.(2003), La volatilit boursire : des constats empiriques aux

difficults dinterprtation , Banque de France.
48

correspondant une forte volatilit a des chances dtre suivi par un mouvement de mme
ampleur, de mme pour un mouvement de faible amplitude (Engle, 1982).
Plusieurs modles ont t proposs pour modliser et dcrire le processus de la volatilit. Le
plus connu est le modle GARCH dfini par Bollerslev en introduisant les volatilits passes
comme variables explicatives des volatilits au moment prsent. Plusieurs tudes ont t
menes dans ce sens et ont prouv la performance de ce modle. Nous pouvons citer les
travaux de Chou (1988), de Day et Lewis (1992), et de Lamoureux et Lastrapes (1993).
5.
Mmoire longue
Outre la variabilit de la volatilit et les fluctuations y affrentes qui caractrisent les sries
financires, les chocs sont susceptibles galement de produire des effets long terme sur la
dynamique des sries financires. Ce phnomne de persistance est connu par la mmoire
longue. Cette notion est apparue dans les annes 1950 partir des travaux de recherche de
Hurst12 en hydrologie. Cette notion a t applique dans divers domaines notamment la
finance.
Nous avons vu prcdemment que le processus des rendements semble effectivement non
auto-corrl, cependant il nen est pas de mme pour celui des rendements au carr. En fait, la
fonction dautocorrlation des rendements logarithmiques au carr reste trs longtemps
significativement positive et indique donc lexistence dune dpendance entre les diffrents
rendements. Dans ce sens, plusieurs tudes menes par Boothe, Kaen et Koeveos (1982) et
Cheung (1993) ont cherch amliorer la performance des modles GARCH en intgrant le
paramtre de mmoire longue dans les rendements journaliers. A cet effet, les investigations
empiriques se sont orientes vers une nouvelle piste de recherche qui consiste intgrer la
dpendance de long terme travers les modles GARCH fractionnaires et intgrs
(FIGARCH) introduits par Baillie, Bollerslev et Mikkelsen (1996). Nous verrons en dtail le
concept de la mmoire longue et sa mise en uvre empirique dans le chapitre 3.
6.
Effet de levier
12
H. E. Hurst (1950), Long-Term Storage Capacity of Reservoirs, Proceedings of the American

Society of Civil Engineers, 76(11).
49

Les informations nouvelles que ce soient de bonnes nouvelles (conjoncture favorable la
croissance), ou mauvaises nouvelles (sous forme de choc ou de soubresaut) nont pas le mme
impact sur la volatilit. En fait, il existe une asymtrie entre leffet des variations passes
ngatives et positives des cours sur la volatilit. Les asymtries dans la dynamique de la
volatilit sont connues par le vocable effet de levier depuis que Black (1973)13 a not que les
rendements sont ngativement corrls avec les variations de leur volatilit, au sens o la
volatilit a tendance augmenter en rponse des mauvaises nouvelles (rendements moins
levs que prvu) et chuter en rponse des bonnes nouvelles (rendements plus levs que
prvu). Nous allons analyser ce phnomne dans le deuxime chapitre en introduisant le
modle exponentiel-GARCH, tabli par Nelson (2002) et cens capturer le phnomne
dasymtrie.
7.
Crises financires
Nous avons remarqu que lindice boursier S&P 500 a connu plusieurs pics ngatifs
particulirement en priode de crises. En fait, la rcurrence des crises financires a suscit des
interrogations sur le mode de fonctionnement du systme financier actuel. Lanne 2007-2008
a connu la crise financire la plus fatale depuis la Grande Dpression survenue en 1929. Cette
crise (2007-2008) tait au dbut une crise purement bancaire et localise aux Etats-Unis. Puis
elle sest mute en une crise boursire, aprs avoir touch les principales places boursires
dabord amricaines, puis europennes via leffet de la contagion. Enfin elle sest propage
toute lconomie du monde pour devenir une crise systmique touchant la sphre relle de
lconomie. Les fortes agitations qu'elle a dclenches travers le monde ntaient que le
reflet dune mutation profonde de la scne financire mondiale favorise par la mondialisation
et la libralisation des capitaux ainsi que la rvolution de la technologie de linformation.
7.1
Origines et mcanismes de la crise de 2007-2008
La crise financire rcente (2007-2008) a branl les principes fondamentaux du systme

financier actuel. Plusieurs facteurs ont t cits comme les principaux facteurs de cette crise.
Chapra (2008) a identifi trois facteurs. Premirement, l'insuffisance de la discipline de
march dans le systme financier actuel, rsultant de la faible utilisation des instruments de
partage des risques. En effet, les innovations financires ont conduit des prts sans
13
Black, F.(1976). Studies of Stock Price Volatility Changes. Proceedings of the Business and Economics
Section of the American Statistical Association, 177181.
50

discernement et la prise excessive de risque. Deuximement, l'expansion phnomnale de la
taille des produits drivs, notamment des swaps de dfaut de crdit (CDS)14. Troisimement
la prdominance du concept de " too big to fail " qui tend assurer les grandes banques que la
banque centrale viendra toujours leur secours pour les empcher de faire faillite afin d'viter
des perturbations systmiques. Tous ces facteurs ont contribu l'mergence d'un
environnement financier caractris par l'expansion malsaine dans le volume de crdit, la
dette excessive, et la hausse insoutenable des prix des actifs. Ainsi, le dbut de la crise tait
inluctable. Ainsi, selon Blanchard (2014) "lconomie mondiale se rapprochait de plus en
plus du gouffre, sans que les conomistes, les dirigeants et les institutions financires sen
rendent compte."15
7.2
Sortie de la crise rcente
Ds lclatement de la crise (2007-2008), la banque centrale fdrale a procd des

injections massives de liquidit au profit des banques impactes pour restituer la confiance
perdue dans le march. Nonobstant cela, cette solution na fait quamplifier la crise parce que
la monnaie injecte nexistait pas concrtement et a favoris linflation (Elie, 2009). En outre,
lintervention tatique qui a pour but de sauver les institutions financires croules, est mal
apprcie par certains conomistes (Salin, 2010). Lintervention tatique produit souvent des
effets inverses. Elle enracine lide que le laxisme et la violation des procdures de
surveillance prudentielles ne constituent pas un danger sur lconomie, et que lEtat est
prsente pour soigner toute banque en situation de difficult. Alors que lEtat est cens jouer
un rle dtermin sur le plan conomique, qui consiste la prvention des crises et la mise en
garde des institutions financires contre les effets pervers des crises. Son rle est de mettre
aussi en uvre des mesures appropries susceptibles dviter damplifier les effets dune crise
et dviter aussi de transformer les crises locales en une Dpression conomique.
C'est dans ce sens que des conseils de risque systmique ont t crs pour prvenir et
contenir les difficults pouvant conduire leffondrement des systmes bancaires et financiers
mettant en place la politique macro-prudentielle pour assurer la stabilit du systme financier.
Selon Aglietta16 : "il importe de mettre en uvre une politique montaire largie partir
14
CDS: contrat de protection financire entre acheteurs et vendeurs.

Blanchard Olivier, "les dangers qui nous guettent", Finance & Dveloppement, Septembre 2014.
16
Aglietta Michel, Risque systmique et politique macroprudentielle : une nouvelle responsabilit des banques
centrales. , Revue d'conomie financire 1/2011 (N 101) , p. 193-204.
15
51

dune approche top-down qui permette dassurer le lissage du cycle financier en contrlant le
crdit et dassurer les conditions de la liquidit de march."
Dailleurs, nombre dobservateurs ont constat la rsilience des systmes fonds sur lthique
face la crise. Cest pour cela, laspect thique et moral a pris sa place dans les dbats actuels
concernant la finance. Cest notamment le cas de la finance islamique. En effet, grce ses
principes, en particulier le principe de partage de profits et de pertes et sa connexion troite
la sphre relle de lconomie, la finance islamique a montr une rsilience relative face la
crise. La finance islamique a pu attirer par ses principes travers le monde les investisseurs
souhaitant investir dans des produits conformes la Sharia, au moment o le systme actuel
tait encore en proie des consquences dsastreuses de la crise. Eu gard ces principes, la
finance islamique stipule que largent nest quun moyen de transaction et ne peut jamais tre
une fin en soi. Largent ne doit pas produire de largent, et toute transaction doit tre adosse
un actif tangible, contrairement au systme actuel qui tolre les produits drivs.
En rsum, cette crise a mis en vidence la prdominance de lindustrie financire sur
lconomie relle qui, nest plus structure sur des stratgies de dveloppement industriel dans
le long terme, cause de lobsession du rendement financier maximum dans l'immdiat. Par
consquent, ce systme a clairement produit des effets indsirables sur la sant conomique
du monde ; en dconnectant la finance de l'conomie relle, il a cr des bulles financires
dont il est difficile de prvoir ses effets dvastateurs. Force est de constater actuellement que
la prminence de la finance a conduit la catastrophe. La crise dbouche aussi sur une
remise en question de la mondialisation. Cette crise issue des tats-Unis s'est en effet
propage avec une rapidit surprenante vers lEurope et vers le reste du monde du fait de
l'absence de frontires et de mcanismes de rgulation. Lorsque l'on globalise l'conomie, on
globalise aussi ses problmes (Mouvement national rpublicain, 2008)17.
Par consquent, la gravit du choc et ses rpercussions sur l'conomie mondiale ont conduit
les dcideurs chercher des alternatives plus viables qui puissent rtablir la dynamique dans
l'conomie mondiale en rcession depuis 2007. Dans le sillage de la crise, la communaut
financire internationale a intensifi ses efforts visant rformer l'architecture financire
internationale afin d'assurer sa stabilit et sa rsistance dans un environnement plus difficile.
Le dfi pour la communaut financire a t d'entreprendre non seulement la rforme de la
17
Crise conomique et financire : les remises en cause, les responsabilits, les axes de refondation ,
Mouvement National Rpublicain, 2008.
52

rglementation ncessaire qui permettra de minimiser les risques potentiels, mais aussi de
construire une nouvelle architecture financire qui favorisera une plus grande efficacit dans
le processus d'intermdiation financire (Aziz Zeti, 2010).
Conclusion
En guise de conclusion, nous pouvons avancer que linstabilit est un fait saillant des marchs
financiers. Empiriquement, nous avons avanc que les faits styliss mettent en vidence des
proprits statistiques communes la plupart des sries financires linstar de lindice
boursier S&P 500. En effet, la distribution des rendements est leptokurtique et les queues de
distribution des rendements sont plus paisses que celles de la loi normale, dautant plus que
les rendements sont asymtriques la diffrence dune loi normale. Nous avons remarqu
galement quil y a une absence dautocorrlation des rendements mais une prsence
dautocorrlation des rendements au carr, ce qui nous pousse rejeter lhypothse du bruit
blanc qui stipule que les rendements sont indpendants et identiquement distribus. La
dpendance srielle renvoie galement la prsence de la mmoire longue dans les marchs
financiers. Elle sera mise galement en vidence dans le chapitre 3. Cette notion dcle un
caractre de long terme des chocs et ses rpercussions sur lvolution future des rendements.
Nous allons essayer de projeter ces faits styliss sur les marchs dactions islamiques. Nous
allons galement tenter de modliser le comportement de la volatilit de ces indices en tenant
compte de ces faits styliss, et en menant une approche comparative entre les indices
islamiques et leurs homologues conventionnels.
53

Rfrences
Aglietta Michel, Risque systmique et politique macroprudentielle : une nouvelle

responsabilit des banques centrales. , Revue d'conomie financire 1/2011 (N 101) , p.
193-204.
Aziz, Z.A. (2010), Islamic finance and global financial stability. Islamic Financial Services
Board.
Baillie, R.T. , Bollerslev, T. (1989), The Message in Daily Exchange Rates: A Conditional
Variance Tale, Journal of Business and Economic Statistics, Vol. 7, pp.297-305.
Baillie, R.T., Bollerslev, T et Mikkelsen, H.O. (1996), Fractionally Integrated Generalized
Autoregressive Conditional Heteroskedasticity , Journal of Econometrics, Vol. 73, pp.3-20.
Baillie, R.T, McMahon, P. (1989), The Foreign Exchange Market, Cambridge University
Press, Cambridge.
Benlahmar, I, (2010), la finance islamique face la crise, INSEEC, France.
Black, F.(1976), Studies of Stock Price Volatility Changes, Proceedings of the Business and
Economics Section of the American Statistical Association, 177181.
Black, F. and Scholes, M. (1973), The pricing of options and corporate liabilities, Journal of
Political Economy, 81, 637-654.
Blanchard Olivier (2014), "les dangers qui nous guettent", Finance & Dveloppement,
Septembre 2014.
Bollerslev, T., (1986), Generalized Autoregressive Conditional Heteroskedasticity , Journal of
Econometrics, Vol. 5, pp.1-50.
Bollerslev, T., (1987), A Conditionally Heteroskedastic Time Series Models for Speculative
Prices and Rates of Return , Review of Economics and Statistics, Vol.69, pp. 542-547.
Boothe, G, Kaen, F.R. et Koveos, P.E., (1982), R/S Analysis of Foreign Exchange Rates
Under Two International Monetary Regimes , Journal of Monetary Economics, Vol. 10, pp.
297-319.
Boothe, P et Glassman, D. (1987), The Statistical Distribution of Exchange Rates: Empirical
Evidence and Economic Implications , Journal of International Economics, Vol. 22, pp.
297-319.
Box, G.E.P and Jenkins, G.M.(1976) ,Time Series Analysis: forecasting and control. HoldenDay .
Brasseul, J.(2004), Histoire des faits conomiques, Armand Colin, Paris, 2004.
Chapra, U. (2008), the global financial crisis: can Islamic finance help minimize the severity
and frequency of such a crisis in the future, Islamic Development Bank.
54
Chou R Y 1988 ,Volatility persistence and stock valuations: some empirical evidence using
GARCH. J. Appl. Econometrics 3,27994.
Cheung, Y.W., (1993), Long Memory in Foreign Exchange Rates , Journal of Business and
Economic Statistics, Vol. 11, pp. 93-101.
Cont, R.(2000), Empirical properties of asset returns: stylized facts and statistical issues,
Quantitaive Finance, Volume 1 (2001) 223236.
Corbae, D et Ouliaris, S. (1986), Robust Tests for Unit Roots in the Foreign Exchange
Markets, Economic Letters, Vol. 22, pp. 375-380.
Cornell, W.B. et Dietrich, J.K (1978), The Efficiency of the Foreign Exchange Market Under
Floating Exchange Rates , Review of Economics and Statistics, Vol. 60 , pp. 111-120.
Day, T.E. and Lewis, C.M. (1992), Stock Market Volatility and the information content of
stock options, Journal of Econometrics, 52, pp 267-287.
Dickey, D., and W. Fuller (1979), Distribution of the Estimator for the autoregressive Time
Series with a Unit Root, Journal of the American Statistical Association, 74, 427431.
Dooley, M.P and Shafer, J. (1983), Analysis of Short Run Exchange Rate Behavior: Marsh
1973 to November 1981 , dans D. Bigman et T. Taya (eds.), Exchange Rate and Trade
Instability: Causes, Consequences and Remedies, Cambridge, MA: Ballinger.
lie, B. (2009), Lorigine de la crise, Universit du Qubec Montral.
Engle, R.F., (1982), Autoregressive Conditional Heteroscedasticity with Estimates of the
Variance of U.K Inflation, Econometrica, Vol.50, pp.987-1008.
Goetzmann, W, Peng,L and Yen,J (2009), The subprime Crisis and House Price
Appreciation, National Bureau of Economic Research.
Grouard,M.H., Lvy.S.,Lubochinsky,C.(2003), La volatilit boursire : des constats
empiriques aux difficults dinterprtation, Banque de France.
Hsieh, D.A., (1989), Modeling Heteroskedasticity in Daily Foreign Exchange Rates , Journal
of Finance, Vol.5, pp.1839-1877.
Hurlin, C, (2006), Economtrie pour la finance, Modles ARCH, GARCH : Application la
VAR , Universit dOrlans.
Hurst, H.E (1950), Long-Term Storage Capacity of Reservoirs, Proceedings of the American
Society of Civil Engineers, 76(11).
Jurgensen, P. (2008), Crise financire ou crise morale , Canal Acadmie.
Kwiatkowski, D., P.C.B. Phillips, P. Schmidt, Y. Shin (1992), Testing the Null Hypothesis of
Stationarity against the Alternative of a Unit Root, Journal of Econometrics, 54, pp. 159-178,
North-Holland.
55
Lamoureux, C.G. and Lastrapes, W.D. (1993), Forecasting Stock Return Variance:Toward an
Understanding of Stochastic Implied Volatilities, Review of Financial Studies,6(2), pp 293
326.
Lefebvre, O.(2008), La crise financire 2007 20?? : Mise en perspective et premires
leons, lAcadmie Louvain.
Levich, R. (1979), On the Efficiency of Markets for Foreign Exchange, dans R. Dornbush et
J.Frankel eds. International Economic Policy, Theory and Evidence, John Hopkins, pp.246267.
Ljung; G. E. P. Box (1978), On a Measure of a Lack of Fit in Time Series Models. Biometrika
65 (2): 297303.
McKinnon, J.G. (1991), Critical Values for Cointegration Tests, Dans Engle et C.W.J.
Granger (eds), Long-run Economic Relationships: Reading in Cointegration, Oxford United
Press.
Meese, R.A. et Rogoff, R. (1983), Empirical Exchange Rate Models of the Seventies: Do they
Fit Out of Sample? , Journal of International Economics, Vol. 14, pp. 15-24.
Meese, R.A. et Singleton, K.J. (1982), On Unit Roots and the Empirical Modeling of
Exchange Rates , Journal of Finance, Vol. 37, pp.1029-1035.
Nelson, D. B. (1991), Conditional Heteroscedasticity in Asset Returns: A New Approach,
Econometrica, Vol- 59:2, pp. 347-70.
Palm, F.C, Vlaar, P.J.G. (1997), Simple Diagnostics Procedures for Modeling Financial Time
Series , Allgemeine Statistisches Archiv, Vol. 81, pp.85-101.
Poole, W. (1967), Speculative Prices as Random Walks: An Analysis of Ten Time Series of
Flexible Series Analysis , Southern Journal of Economics, Vol. 33, pp. 468-478.
Philippe, J. (2008), La crise morale qui a entrain la crise financire, Canal Acadmie.
Philipps, P. C., and P. Perron (1988): Testing for a Unit Root in Time Series Regression,
Biometrica, 75, 335346.
Salin, P. (2010), Revenir au capitalisme : Pour viter les crises, Odile Jacob, 2010.
Sewell, M. (2011), Characterization of Financial Time Series, Research Note 11/01, UCL
Department of Computer Science.
Shiller Robert J. (1981), Do stock prices move too much to be justified by subsequent
changes in dividends?, American Economic Review, 71, pages : 421.436.
Stiglitz, J.E (2010), Le rapport Stiglitz, pour une vraie rforme du systme montaire et
international, Edition Babel.
56

Trannoy A. (2008), Ces banques qui nassurent plus, Telos, n1262, 21 octobre.
Westerfield, J.M., (1977), An Examination of Foreign Exchange Risk under Fixed and
Floating Regimes , Journal of International Economics, Vol.7, pp.181-200.
57
Chapitre 2 : Modlisation de la volatilit des indices boursiers islamiques
Chapitre 2 : Modlisation de la volatilit des indices boursiers

islamiques
Introduction
Nous avons mis en lumire dans le chapitre prcdent les principales failles du systme
financier actuel et ses drives qui ont contribu la crise financire rcente (2007-2008).
Nous avons galement mis en exergue quelques faits styliss des marchs financiers travers
lanalyse empirique de lindice boursier S&P 500. Nous allons essayer de projeter ces faits
styliss sur les marchs dactions islamiques.
En fait, la crise financire rcente a constitu un vnement majeur qui va marquer le dbut de
ce sicle. Elle a clairement dvoil les limites du modle conomique actuel cens permettre
doptimiser les rentabilits, de rduire et de rpartir les risques. Ainsi, ce contexte sceptique a
suscit des dbats sur les sorties et les alternatives ventuelles. Face cette situation critique,
nombre de dcideurs et professionnels ont dbattu le potentiel de la finance islamique cense
prendre en compte laspect thique et moral dans les transactions financires.
Dans ce sens, nous allons essayer dans ce deuxime chapitre daborder la finance islamique,
en mettant la lumire sur ses principes fondateurs, ses instruments de financements et ses
diverses activits, dune part. Nous allons tenter dapprhender le comportement de la
volatilit des indices boursiers islamiques et voir dans quelle mesure ils capturent les faits
styliss mis en vidence dans chapitre 1, dautre part. En sus, une approche comparative
empirique entre ces indices et leurs homologues conventionnels est ncessaire pour cerner les
diffrences majeures constates. Pour ce faire, Nous allons dfinir cette nouvelle classe
dindices islamiques en lucidant la logique de leur construction, puis nous allons prsenter la
dmarche thorique ainsi que la revue de littrature avant dentamer lanalyse empirique.
1.
La finance islamique : Principes fondateurs et instruments de financement
La finance islamique est devenue une partie intgrante du systme financier mondial et parmi
ses composantes les plus dynamiques au cours des dernires dcennies. A la suite de la crise
financire mondiale, nombre de chercheurs ont prouv le rle de la finance islamique dans la
stabilit du systme financier mondial et les solutions quelle peut apporter pour sauver le
monde des crises conomiques et le protger contre les rcessions rptitives. En fait,
l'industrie financire islamique a t dans une position relativement forte en faisant preuve
dune rsistance relative face la crise financire mondiale (Maher et Dridi, 2010). Les
caractristiques inhrentes de la finance islamique ont le potentiel de servir de base
surmonter plusieurs dfis qui sont apparus dans le systme financier classique au cours de la
crise actuelle.
En effet, la finance islamique tire sa principale force de ses caractristiques inhrentes. Tout
dabord, les transactions financires islamiques doivent tre accompagnes dune activit
conomique productive sous-jacente gnrant de la richesse et des revenus lgitimes. Cela
tablit un lien troit entre les oprations financires et les flux de production, et rduit
lexposition du systme financier islamique aux risques lis un endettement excessif. En
consquence, les actifs financiers islamiques devraient progresser en tandem avec la
croissance de lactivit conomique sous-jacente (Zeti, 2010).
N dans les annes 70, la finance islamique a t dveloppe dans les pays producteurs de
ptrole. Elle est aujourd'hui trs concentre dans le golfe Persique et l'Asie du Sud-Est.
Rcemment, ses produits ont t exports aux tats-Unis et en Europe en raison de la forte
augmentation des prix du ptrole au cours des dernires annes. En effet, l'excs de liquidit
des pays du Golfe ont afflu vers les principaux centres financiers du monde. En Europe, le
Royaume-Uni a t le pionnier en matire de commercialisation des produits de la finance
islamique (Ernst and Young, 2010)18. Le schma ci-dessous exhibe la rpartition et la
concentration gographique de la finance islamique.
18
Ernst and Young : 1100 milliards $ dactifs financiers islamiques dici 2012 , 2010.
60
Figure 5: Rpartition gographique de la finance islamique dans le monde (HSBC Amanah,

2012)
Les pays du Golfe dtiennent 64% de la part des activits lies la finance islamique, ceci
sexplique par les excs de liquidit dont ils disposent et labondance des ressources
ptrolires, suivis par la Malaisie avec une part dtenue de 28%, les Etats-Unis et lEurope de
1% et enfin 7% dtenu par le reste du monde (HSBC Amanah, 2012).
La finance islamique est fonde sur des rgles conformes la Sharia dcrites comme suit :
1.1. Interdiction du Riba
Le Riba se rapporte tout surplus dont tire profit lun des contractants en tant que prteur sans
aucune contrepartie lgitime. Al-Suwailem (2010) a soutenu que le Riba est la principale
raison des crises et des instabilits financires et conomiques. Il cre une sparation entre
l'conomie relle et le secteur financier, et permet l'inflation de la dette par rapport la
production relle.
1.2. Interdiction du Gharar
Le Gharar se rapporte toute transaction caractrise par une ignorance sur l'objet du contrat.
LIslam prohibe toute spculation, pari sur l'avenir et interdit les transactions faisant
intervenir les incertitudes extrmes. Le Gharar concide avec les situations suivantes :
61
La vente porte sur une marchandise qui n'est pas dtermine de faon prcise.
La transaction est conclue sans que le prix de la marchandise ne soit fix de faon
claire.
La transaction porte sur une marchandise dtermine que le vendeur ne possde pas
encore.
Le transfert de proprit est conditionn un vnement hasardeux.
1.3. Interdiction du Maysir

Le Maysir se dfinit comme toute forme de contrat dans lequel le droit des parties
contractantes dpend d'un vnement incertain (les jeux du hasard titre dexemple).
1.4. Exigence dinvestissement dans les secteurs licites
Les secteurs d'investissements illicites sont ceux qui sont prohibs par la religion musulmane,
en particulier : lalcool, les jeux de hasard, lindustrie porcine, le tabac, le vin, et larmement
but offensif.
1.5. Obligation de partage des profits et des pertes
La finance islamique est qualifie de participative dans le sens o elle a mis en place un
systme bas sur le partage des pertes et des profits. En pratique, la banque en tant quun
investisseur financier doit confier ses fonds un entrepreneur avec lequel il partagera les
bnfices en fonction de la performance de lactif sous-jacent. La banque est tenue galement
de partager toute perte ventuelle, hormis le cas des fautes professionnelles qui sont
supportes seulement par lentrepreneur.
1.6. Adossement des investissements des actifs tangibles

Toute transaction financire doit tre obligatoirement adosse un actif tangible. Ce principe
permet de renforcer la stabilit et la matrise des risques, et rassure notamment quant aux
problmatiques de dconnexion de la sphre financire la sphre relle.
62
2. Les produits de la finance islamiques

La finance islamique propose une panoplie de produits susceptibles de financer les activits
productives. La figure 6 ci-dessous exhibe les principaux produits de la finance islamique. Il
est videment clair que les activits bancaires dtiennent la part du lion. Elles reprsentent
90% peu prs des activits de la finance islamique, rparties entre 50% des activits des
banques islamiques, et 40% des fentres islamiques des banques conventionnelles. Les Sukuks
viennent en 3me position reprsentant 7%, suivis de lassurance Takaful de 2%, et les fonds
dinvestissement avec un pourcentage de 1%.
Compagines de
Takaful
2%
Fonds
Islmiques
1%
Sukuk
7%
Bilan des
banques
islamiques
50%
Fentres
islamiques des
banques
conventionnelles
40%
Figure 6: Principaux produits de la finance islamique (The economist, 2010)
Daprs la figure 6, le systme financier islamique couvre 3 principales formes dactivits

financires savoir les activits bancaires, les activits assurantielles, et les activits de
march, notamment la gestion des fonds dinvestissement dont drive les Sukuks et la gestion
des indices boursiers islamiques.
2.1. Produits bancaires
Conformment aux rgles de lislam, les produits financiers islamiques sont bass sur des
contrats spcifiques. Ces contrats ne peuvent pas crer de dette, ni impliquer le paiement
63

d'intrts. Ils sont tenus dassurer le partage des risques et des responsabilits entre les parties
prenantes (Faleel, 2012). Dailleurs, un contrat islamique doit disposer d'un objet prcis qui
est lgitime, et doit avoir une valeur relle pour viter des incertitudes. De son ct, lactif
dcrit doit rpondre plusieurs conditions. Dabord, le contrat doit galement exister lorsque
le contrat est en cours de cration. Ensuite, il doit tre la proprit du vendeur (d'o
l'interdiction des ventes dcouvert). Enfin, le contrat doit tre livrable. La lgitimit des
contrats est dcide par un comit qui sappelle Sharia board. Cest une sorte dorgane
collgial compos de jurisconsultes dont le rle consiste veiller sur la conformit des
transactions aux principes juridico-thiques de lislam.
Nous allons citer les produits les plus couramment commercialiss en matire de financement
islamique.
2.1.1
Murabaha
Cest un instrument de financement qui permet au client dacheter un bien sans avoir recours
un emprunt dgageant des intrts. Lopration est effectue de la manire suivante.
Dabord, la banque procde lachat du bien en question un prix connu, et cest le
propritaire du bien (vendeur) qui fournit ce dernier la banque par une opration de vente.
Ensuite, la banque revend ce bien au client moyennant des paiements chelonns ou non sur
une priode donne, un prix convenu d'avance et qui est suprieur au prix dachat. Cette
opration est diffrente dune dette classique. En effet, la banque est devenue propritaire
effectif de l'actif sous-jacent, et l'opration est rellement adosse un actif rel et tangible. Il
ne sagit donc pas dun prt au vrai sens du terme, mais il sagit d'une opration de vente
crdit. Par ailleurs, la banque supporte donc les risques lis la dtention de l'actif et ceci
constitue la principale justification de sa marge. Dun autre ct, il n'y a pas de rfrence
explicite un taux d'intrt. La banque se rmunre par le biais d'une majoration du prix
d'achat du bien.
64
Banque
islamique
Client
(mandataire)
Client
(acqureur)
Vendeur
2
La banque dsigne son client en qualit de mandataire
Acquisition de lactifs-paiement comptant directement par

la banque au vendeur ou par lintermdiaire du mandataire
Dlivrance des actifs
La banque dtient la proprit des actifs mais le client en

conserve la possession
Transfert de proprit
Paiement diffr du prix (ex.0 90 jours)
Figure 7: Principe de Murabaha (le guide de la finance islamique, 2009)
2.1.2
Ijara
Cest un contrat travers lequel la banque achte un bien qu'il loue un client. Ce dernier
peut bnficier de la possibilit de rachat au terme du contrat. Ce contrat est trs proche d'un
contrat de crdit-bail.
Bailleur (propritaire)
/Financier
Flux de
loyers
Prix dacquisition
Crdit-bail/
Location-vente
Preneur
Figure 8: Principe dIjara (le guide de la finance islamique, 2009)
65
Vendeur
2.1.3
Salam
Cest un contrat terme qui consiste payer les marchandises lavance par lacheteur, qui
peut tre une banque, et livrer les marchandises ultrieurement. La date de livraison est fixe
lavance. Ce type dopration est prsent dans le cas des produits agricoles.
Vente des biens lacheteur
Acheteur
Vendeur
Paiement des prix dachat dans son intgralit
Vendeur
Livraison des biens lacheteur
Acheteur
Figure 9: Principe du Salam (le guide de la finance islamique, 2009)
2.1.4
Istisnaa
Cest un contrat relatif un financement progressif. Il permet une banque dacheter un bien
en cours de construction avec paiement progressif du prix au fur et mesure que le bien est
construit.
$ 100
Contrat dacquisition
Financier
Constructeur
Contrat de
vente terme
ou de location
Transfert de
proprit
Client
Figure 10: Principe dIstisnaa (le guide de la finance islamique, 2009)
66
Il existe dautres produits caractre participatif permettant deux ou plusieurs parties de

gnrer de la richesse en partageant la fois les pertes et les profits, on en cite :
2.1.5
Mudaraba
La Mudaraba ou partenariat dinvestissement est un instrument de financement adopt par les

banques islamiques, mettant en relation deux contractants, la banque en tant que bailleur de
fonds et lentrepreneur. A travers ce type de financement, la banque sengage fournir le
capital ncessaire pour le dmarrage dun projet productif. En contrepartie, lentrepreneur
fournit son savoir-faire et prend en charge la gestion du projet. Les profits sont partags entre
les deux parties selon une cl de rpartition fixe au pralable, alors que les pertes sont
exclusivement supportes par la banque en tant quinvestisseur et propritaire du capital.
Contrat du Mudaraba (conclu entre les

investisseurs et le gestionnaire)
Apport en industrie
(expertise)
Apport en capital
Gestionnaire des
investissements
(moudareeb)
Investisseur
(raab al maal)
Rpartition de la
rmunration selon
une cl de rpartition
convenue
Rpartition de la
rmunration selon
une cl de rpartition
convenue
Profits gnrs
Commissions
du moudareeb
Figure 11: Principe de Mudaraba (le guide de la finance islamique, 2009)
67

2.1.6
Musharaka
Cest un partenariat dinvestissement qui met en relation la banque et le client. Les deux
parties apportent des capitaux en vue de dmarrer un projet productif. Les conditions de
partage des profits sont prdfinies par consentement mutuel dans le contrat. Les modalits de
rpartition des bnfices raliss est au prorata. Les pertes ventuelles sont partages en
fonction du montant investi.
Financier
(associ)
Investisseur
(associ)
Profit
Promesse
dachat des
actions
Parts
Profit
Parts
Musharaka
Apport en numraire
Apport en nature
Promesse de
vente des actions
Investisseur
(Dbiteur)
Investisseur
(gestionnaire)
Figure 12: Principe de Musharaka (le guide de la finance islamique, 2009)
La figure 13 ci-dessous exhibe la part de chaque instrument dans le financement global des
activits lies la finance islamique.
Mudaraba/
Musharaka
17%
Autres
13%
Murabaha
59%
Ijara
9%
Istisnaa
2%
Figure 13: Rpartition des actifs islamiques selon le type de produit (Association d'Economie
Financire, 2005)
68
Nous remarquons que la Murabaha est la plus pratique et atteint un pourcentage de 59% des
transactions effectues par les institutions financires islamiques, suivie par la Mudaraba de
17%. En 3me et 4me positions saffichent respectivement lIjara de 9% et lIstisnaa de 2%.
Enfin, le reste des transactions reprsentent 13%.
2.2. Produits assurantiels : Takaful

Le Takaful provient du verbe arabe Kafala, qui signifie "se garantir lun lautre" ou "garantie
conjointe". En principe, le systme de Takaful est bas sur la coopration mutuelle, la
responsabilit, lassurance, la protection et lassistance entre des groupes ou des participants.
Tout comme une mutuelle d'assurance, une compagnie Takaful permet de mutualiser les
risques et de repartir les pertes ventuelles entre l'ensemble des assurs. Ainsi, les membres
d'une compagnie d'assurance Takaful sont la fois assureurs (propritaires des fonds grs par
la compagnie) et assurs (bnficiaires en cas de sinistre).
2.3. Produits du march

2.3.1
Sukuks
Les Sukuks sont des certificats d'investissement conformes la Sharia. Ils consistent pour la
banque acheter un bien et le revendre immdiatement un prix major au client, qui le
rembourse alors selon un chancier sur lequel les deux parties se sont entendues. Ils sont en
quelque sorte l'quivalent, dans la finance islamique, des obligations dans la finance
conventionnelle.
2.3.2
Indices boursiers islamiques
Le premier indice Islamique a t lanc sur le march en 1998 est le SAMI Socially Aware
Muslim Index . Depuis, les principaux fournisseurs dindices classiques ont cr un large
panel dindices Sharia. Ces indices couvrent actuellement plusieurs zones gographiques
travers le monde, et couvrent galement tous les secteurs dactivits licites.
69

2.3.2.1
Processus de construction et de filtrage des indices boursiers islamiques
Les indices boursiers islamiques sont crs partir de leurs indices de rfrence en procdant
plusieurs types de filtrage (screening). De diffrentes mthodes de filtrage sont utilises
pour composer un portefeuille conforme aux exigences de la jurisprudence musulmane.
Dabord, il existe deux types de filtrage qui sont mis en uvre pour la cration de tels indices.
Un filtrage qualitatif et un autre quantitatif. Le filtrage qualitatif consiste exclure les actions
faisant partie des secteurs illicites que nous avons dj dclins. Quant au filtrage quantitatif,
il consiste mesurer trois types de ratios relatifs la structure financire de lentreprise, et
sassurer que leur valeur soit infrieure 33% (Pour lindice DJIMI, par exemple).
Le premier ratio est le ratio d'endettement est:

Total des dettes / capitalisation boursire des 12 derniers mois
Il a t fix par le Sharia Board de Dow Jones moins de 33%. Ce ratio permet dvaluer si
lentreprise en question est modrment endette ou entirement non endette. A partir dun
niveau de dettes suprieur 33% de la capitalisation boursire moyenne, laction de la socit
ne peut faire partie du portefeuille en question, vue limportance de ses charges financires,
sous forme dintrts quelle devra payer aux prteurs.
Le deuxime ratio pris en compte dans le processus de filtrage est le ratio :

Total des crances / Capitalisation boursire des 12 derniers mois.
Il doit tre galement infrieur 33%. Ainsi, toute action dune socit dont les crances
dpassent 33% de la capitalisation boursire ne peut pas figurer dans un portefeuille conforme
aux exigences de la Sharia. En effet, si une grande partie des actifs de la socit est sous
forme de crances, lactif circulant de lentreprise se trouve majoritairement domin par des
flux de trsorerie, avec le risque que ces crances soient irrcouvrables (Al Gamal, 2006).
Enfin le troisime ratio est calcul selon la formule suivante :

Liquidits et titres pouvant rapporter des intrts/ Capitalisation boursire des 12
derniers mois. Celui-l doit galement rester infrieur au seuil de 33%. Les liquidits
reprsentent les disponibilits en caisse ou dposes en compte bancaire. Tandis que les titres
sont les valeurs de placement court terme. Ce type de filtrage travers ce ratio permet
dexclure les socits dont la principale activit consiste placer des liquidits sous forme de
70

dpts bancaires, ou d'instruments financiers gnrant des intrts comme produits de
placement.
2.3.2.2
Principaux indices boursiers islamiques
Les principaux indices faisant lobjet de notre thse sont les suivants :
Le Dow Jones Islamic Market Index ou le DJIMI : Lanc en fvrier 1999, le DJIMI
reflte lvolution des socits de 66 pays dans le monde qui respectent les critres de
la finance islamique. La famille DJIMI regroupe plus de 90 indices rpartis en
fonction des zones gographiques, et en secteurs dactivit.
Le Financial Time Stock Exchange Sharia ou le FTSE Sharia: Ne dune opration
de joint-venture entre la FTSE et la socit de consulting Yasaar, cette srie englobe
les indices du DIFX Sharia, le SGX 100, et la FTSE Bursa Malaysia index (FTSE
2010).
Le Standard and Poors Sharia ou le S&P Sharia : Lagence Standard & Poors a
lanc, en 2006, la version islamique de ses indices de rfrence ainsi que dautres
nouveaux indices.
Le Morgan Stanley Capital International Islamic ou le MSCI Islamic: Lanc en mars
2007, la famille dindices islamiques de Morgan Stanley Capital International assure
une large couverture gographique (69 pays).
Le Jakarta Islamic Index ou le JII : tabli en 2000 afin de faciliter les ngociations et
les changes entre les entreprises respectant les principes de la finance islamique. Il est
compos de 30 actions islamiques.
Le Kuala Lumpur Sharia Index ou le KLSI : lanc en 2007 dans le cadre dun
partenariat entre la FTSE et la bourse de la Malaisie. Lindice reflte la performance
des socits cotes la bourse de la Malaisie et juges compatibles avec la Sharia,
condition quelles respectent les exigences de la FTSE en matire de liquidit.
71
3. Revue de littrature
Une grande partie de travaux de recherche propos de la finance islamique est dorigine
thorique, et dont lobjectif est lexplication des principes fondateurs et les mcanismes de
mise en place. Les tudes empiriques qui sont peu nombreuses, portent principalement sur les
banques. Dans ce sens, les thmes les plus souvent apprhends font rfrence la
comparaison entre les banques islamiques et les banques conventionnelles en termes de
performances, lanalyse de la stabilit des banques islamiques et leur rsilience face la crise
financire.
Cihk et Hesse (2008) sont les premiers procder une analyse de la stabilit financire des
banques islamiques en comparaison aux banques conventionnelles situes dans plusieurs
payes de monde, et cela travers un chantillon de 400 banques. Sur la base du z-score
calcul pour chacune des institutions, ils ont conclu que les banques islamiques sont, dans
l'ensemble, plus solides que leurs homologues conventionnelles. Toutefois, en introduisant le
critre de taille dans leur analyse, ils ont conclu que les petites banques islamiques sont plus
stables que les grandes banques qu'elles soient commerciales ou islamiques, et que les grandes
banques commerciales sont plus stables que leurs homologues islamiques.
Dans la mme ligne, Boumediene et Caby (2009) ont tudi la stabilit des banques
islamiques durant la crise des subprimes en utilisant un modle GARCH pour estimer la
volatilit des rendements boursiers de 28 banques. Ils ont montr que les rendements des
banques conventionnelles taient fortement volatiles en comparaison ceux des banques
islamiques (avant, pendant et aprs la crise). En outre, la volatilit des rendements des
banques islamiques, faible initialement, a connu une augmentation modre durant la crise. Ils
ont tir de cette tude deux principales conclusions. Premirement, les banques islamiques ont
t immunises partiellement durant la crise. Deuximement, les banques islamiques ne sont
pas confrontes aux mmes risques que leurs homologues conventionnels. Ainsi, les deux
tudes prcites corroborent avec ltude de Dridi et Maher (Fonds Montaire International,
2008), mettant en vidence une rsilience relative des banques islamiques face la crise des
subprimes.
Dans une autre optique, nombre darticles ont trait la performance des banques et celle des
indices boursiers islamiques en procdant une approche comparative avec leurs homologues
72

conventionnels. La premire tude de la performance compare tait celle dAtta (2000) qui a
utilis des donnes hebdomadaires de lindice Dow Jones Islamic Market Index (DJIMI)
depuis janvier 1996 et jusqu dcembre 1999. Les donnes antrieures fvrier 1999, date de
cration de lindice, sont mises disposition par Dow Jones et ont t obtenues par
rtropolation (back-testing). La performance de lindice islamique a t compare un indice
de march global reprsentatif du march ainsi quau taux offert par les bonds de trsor
amricain (T Bill) 3 mois. Ltude a conclu que lindice boursier islamique surperforme son
homologue conventionnel, de mme quil permet de gnrer un rendement suprieur celui
du taux sans risque.
Ahmad et Ibrahim (2002) ont tudi galement le march de la Malaisie du mois davril 1999
janvier 2002. A leur tour, ils ont compar les rentabilits quotidiennes de Kuala Lumpur
Sharia Index (KLSI), lindice islamique phare de la bourse malaisienne, avec son benchmark
conventionnel Kuala Lumpur Composite Index (KLCI) et avec un taux sans risque (KLIBOR).
Les rsultats ont montr que les indices islamiques ne sont pas arrivs surperformer le
march. Ils ont aussi constat labsence de diffrence significative de performance entre les
indices boursiers islamiques et les benchmarks utiliss. Les auteurs ont montr galement que
la performance dpend des conditions de march, cest pourquoi ils se sont intresss
ltude de la performance en priode de hausse et de baisse du march. Les rsultats ont
montr que lindice islamique KLSI a affich moins de performance en priode de baisse du
march, alors quil a surperform ses benchmarks conventionnels en priode de hausse.
Lide dtudier la performance des indices sur deux sous-priodes a t reprise par dautres
chercheurs, notamment Hussein (2004) qui sest intress la bourse anglaise et a analys les
valeurs mensuelles de lindice Sharia de la famille Financial Times Stock Exchange (FTSE)
dans la priode allant de juillet 1996 mars 2000 (priode haussire), puis davril 2000 aot
2003 (priode de baisse). Ses rsultats corroborent avec ceux dAhmad et Ibrahim (2002). A
cet gard, Hussein et Omran (2005) ainsi que Girard et Hassan (2005) ont trouv des rsultats
similaires concernant lindice DJIMI.
Etant donn que les tudes antrieures ont port sur la performance des banques et des indices
boursiers islamiques, nous allons nous focaliser sur le comportement de la volatilit de ces
indices via les modles autorgressifs volatilit conditionnelle htroscdastique. Lintrt
de cette tude est de contribuer la quantification des risques encourus par les marchs
dactions islamiques. Il sagit galement danalyser limpact des chocs rcurrents sur les
73

indices boursiers islamiques, en menant une approche comparative entre ces derniers et leurs
homologues conventionnels.
En fait, la modlisation approprie de la volatilit revt une importance majeure. Tout
dabord, la volatilit en tant que mesure de lincertitude, demeure un lment cl des
dcisions d'investissement et du montage de portefeuilles. En outre, tant donn que les
investisseurs et les gestionnaires de portefeuille ont des niveaux supportables de risque, la
modlisation de la volatilit est d'une importance primordiale dans l'valuation du march et
dans la gestion du risque financier. En fait cette dernire a jou un rle majeur depuis le
premier accord de Ble qui a t institu en 1996, faisant de la modlisation de la volatilit un
exercice obligatoire pour les institutions financires travers le monde. Enfin, la volatilit des
marchs financiers peut avoir une grande rpercussion sur l'conomie dans son ensemble et
peut jouer dfavorablement sur le climat de confiance des investisseurs. Par consquent,
lestimation de la volatilit peut servir de mesure de la vulnrabilit des marchs financiers et
de l'conomie, et peut aider galement les dcideurs laborer des politiques appropries.
Nous allons essayer de voir dans quelle mesure les indices boursiers islamiques capturent les
faits styliss mis en vidence dans le chapitre prcdent. Ensuite, nous allons modliser et
apprhender le comportement de la volatilit de ces indices. En sus, une approche
comparative entre ces indices et leurs homologues conventionnels est ncessaire pour cerner
les diffrences majeures constates.
4. Mthodologie : les modles GARCH et EGARCH

Les modles autorgressifs volatilit conditionnelle (ARCH) introduit par Engle (1982)
permettent de modliser les sries macroconomiques et financires qui ont une volatilit
instantane qui dpend du pass. Le modle est prsent sous la forme suivante :
(2.1)
Avec :
reprsente le rendement de lactif financier linstant t ;
est la volatilit de lactif financier ;
est un bruit blanc gaussien.
74

est formalise selon lquation dun modle ARCH(p) :
(2.2)
Avec :
: est le seuil en de duquel la volatilit ne peut pas descendre ;

: reprsente leffet dun choc sur le rendement.
La seule source dala dans ce modle vient du bruit
tandis que la volatilit est entirement
dtermine par les rendements passs. Ce processus permet dengendrer de manire

intermittente des priodes de fortes activits. En effet, si un temps t le rendement est lev,
lquation prcdente nous montre que cela se rpercute sur la volatilit qui son tour est
susceptible dtre leve entrainant avec elle une hausse en valeur absolue des prochains
rendements. Lavantage de ce modle est sa facilit dtre estim. Toutefois, il a du mal se
calibrer sur des donnes relles et le nombre de paramtre
ncessaires est trop souvent
important (Pochart, 2006).

Pour pallier cette insuffisance, Bollerslev et Taylor ont propos le modle ARCH gnralis
ou GARCH (p,q),qui comptent parmi les modles les plus utiliss en conomtrie financire.
Avec les mmes notations du modle ARCH, le modle GARCH est reprsent de la faon
suivante :
(2.3)
Tel que
reprsente le terme autorgressif qui consiste expliquer la volatilit instantane
par les volatilits passes,
leffet du choc sur le rendement.
Malgr leur performance, les modles ARCH et GARCH ne permettent pas de tenir compte de
lhypothse de lasymtrie. Pour pallier cette insuffisance, plusieurs formulations ont t
proposes en particulier, le modle Exponentiel GARCH ou EGARCH dvelopp par Nelson
(1991). Il a mis en vidence que les mouvements en baisse et les mouvements en hausse
donnent des effets diffrents sur la dynamique de la volatilit. En fait, les bonnes et les
mauvaises nouvelles ont des impacts diffrents sur la volatilit dans le modle EGARCH mais
elles ont des impacts identiques dans le modle GARCH.
75

En utilisant le modle EGARCH, la volatilit sur le march boursier a tendance augmenter
aprs les rentabilits ngatives et a tendance baisser aprs les rentabilits positives. Le
modle EGARCH exploite cette rgularit empirique en mettant la variance conditionnelle en
fonction de la taille et le signe de rsidus retards. Propos par Nelson (1991), le processus
EGARCH (p,q) est formul de la faon suivante :
Tel que
[{|
}]
(2.4)
leffet dun choc sur le rendement, et leffet
reprsente le terme autorgressif,
dasymtrie correspondant limpact complmentaire ou spcifique dun choc ngatif.

Lestimation des modles GARCH est gnralement fonde sur la procdure de maximum de
vraisemblance (Haussman, 1974). Loptimisation est effectue en supposant que les
sont indpendantes et identiquement distribues, desprance
innovations standardises
nulle et de variance unit. Dans le cas dune distribution normale, la vraisemblance est
donne par la formule suivante :
, (
(2.5)
Cependant, lhypothse de normalit est souvent viole empiriquement. En effet, sagissant

des sries financires, la distribution des innovations prsente souvent des queues plus
paisses que celle de la loi normale. Ainsi, deux lois sont retenues pour dcrire la distribution
des innovations des rendements, celle de Student suggre par Bollerslev (1987), et la loi
Generalized Error Distribution par Nelson (1991).
La log-vraisemblance sous la loi de Student est donne par la formule suivante :
[ (
)]
0 . /1
, (
)-
) (
)+
(2.6)
Tel que :
, avec
( ) est la function Gamma. Lorsque
;
nous sommes dans le cas de la loi normale.
76

Tandis que la log-vraisemblance pour la loi GED est donne par la relation suivante :
0 (
| | )
) ( )
. /
(2.7)
Tel que
(2.8)
. /
5. Rsultats empiriques
Nous allons tudier lvolution des valeurs de clture et des rendements journaliers et
galement lvolution de la volatilit des indices boursiers islamiques suivants : lindice S$P
Sharia pendant la priode allant du 29/12/2006 au 09/03/ 2011, lindice DJIMI du 01/01/1999
au 09/03/2011, lindice JII du 03/07/200 au 09/03/2011, lindice MSCI Islamic du 01/01/2008
au 09/03/2011, lindice FTSE Shariah du 26/10/2007 au 09/03/2011, et enfin lindice KLSI du
01/01/2008 au 09/03/2011. Leurs homologues conventionnels sont simultanment analyss,
pour mener une approche comparative, avec les mmes historiques.
1300
1200
1100
1000
900
800
700
0
01
-2
EC
-D
10
20
20
LU
-J
10
29
20
AR
9
-M
00
08
-2
CT
9
-O
00
12
-2
AY
8
-M
00
20
-2
EC
8
-D
00
24
-2
G
U
8
-A
00
04
-2
AR
7
-M
00
12
-2
CT
7
-O
00
17
-2
AY
6
-M
00
25
-2
EC
-D
29
600
Figure 14: Evolution des valeurs de clture du S&P Sharia en USD
77
,1
0,0
0
01
-2
EC
-D
10
06
20
LU
0
-J
01
29
-2
AR
-M 009
22
-2
V
O
-N
09
09
20
LU
9
-J
00
02
-2
EB
-F 008
24
2
CT
8
-O
00
14
-2
N
U
8
-J
00
06
-2
N
A
-J
07
29
20
PE
-S 007
19
-2
AY
6
-M
00
11
-2
EC
-D
29
-,1
Figure 15: Evolution des rendements journaliers du S&P Sharia
Figure 16: Evolution des valeurs de clture S&P 500 en USD
Figure 17: Evolution des rendements journaliers du S&P 500
78
Les figures 14 et 16 montrent respectivement lvolution des valeurs de clture de lindice

S&P Sharia et son homologue conventionnel qui voluent presque dans le mme sens. Nous
visualisons des tendances des valeurs de clture relativement aux deux indices tantt
baissires tantt haussires depuis 2007 jusqu la chute brutale en 2008. Cette chute
sexplique par les rpercussions de la crise financire mondiale. Toutefois, partir de la fin de
2008, les deux indices (S&P Sharia et S&P 500) vont reprendre leur tendance haussire avec
des fluctuations moyennes.
Figure 18: Evolution des valeurs de clture de lindice DJIMI en USD
Figure 19: Evolution des rendements journaliers de lindice DJIMI
79
Figure 20: Evolution des valeurs de clture de lindice DJIA en USD
Figure 21: Evolution des rendements journaliers de lindice DJIA
Quant aux valeurs de clture de lindice DJIA et DJIMI, les figures 18 et 20 montrent que les
deux indices voluent dans le mme sens, quil sagisse de hausse ou de baisse. Nous
remarquons que les valeurs de clture des deux indices affichent une alternance en termes de
tendance, et que la dynamique des deux indices a connu plusieurs phases dvolution :
De 1999 2000 : les indices boursiers islamiques ont vu le jour dans un contexte conomique
caractris par une forte instabilit. Cette instabilit sexplique par la succession des crises
dans les annes 90 notamment la crise asiatique survenue en 1997, la crise russe en 1998 et la
faillite du fond spculatif amricain Long Term Capital Managment. Ceci a contribu
80

galement laugmentation de la volatilit des marchs financiers. Cependant, la
libralisation des marchs financiers et la croissance accrue du secteur technologique ont
rapidement contribu la reprise et la croissance soutenue des marchs acclre par la bulle
internet qui a atteint son sommet la fin des annes 90 et le dbut des annes 2000. Les
indices ont suivi la tendance, le DJIA a augment en moyenne de 25% et le DJIMI de 46.81%.
De 2000 2003 : lclatement de la bulle internet, les attentats du 11 septembre 2001 et les
scandales financiers et comptables des entreprises Enron, Worldcom, et bien dautres sont les
vnements qui ont marqu cette priode. Dailleurs, une mauvaise conjoncture
macroconomique a t signale cette poque cause de la faillite de quelques compagnies
dassurance et socits ariennes vus les vnements du 11 septembre. Par consquent, les
indices islamiques et conventionnels ont chut respectivement en moyenne de 18.78% et
16.08%.
De 2003 2007 : Cette priode a t caractrise par une croissance conomique amricaine
et un regain de confiance des oprateurs financiers. Les cours du ptrole ont considrablement
augment au cours de cette priode alors que le dollar a baiss stimulant ainsi les exportations
amricaines. Un climat favorable aux investissements qui a affect positivement les indices du
monde entier, lindice DJIA a progress de 16.8% et le DJIMI de 15.33%.
De 2007 2009 : Lvnement le plus marquant de cette priode est la crise des subprimes
qui a touch le secteur bancaire et sest transform en une crise systmique. La crise a plong
lconomie mondiale dans une priode de rcession. Les cours du ptrole ont fortement baiss
pour atteindre des niveaux historiquement bas, puis la crise de liquidit a atteint les autres
continents via leffet de contagion. En dpit des efforts dploys afin de sauver le systme
financier avec toutes ses composantes, ces mesures durgence nont pas abouti aux rsultats
escompts vu le climat de rticence et de perte de confiance, ainsi les consquences
conomiques et sociales de cette crise taient dramatiques. Les indices DJIA et DJIMI ont
suivi la tendance des marchs et ont baiss respectivement de 36.68 % et de 31.47%. La crise
a abouti son paroxysme le 3me trimestre de lanne 2008. En fait les deux indices
conventionnel et islamique ont perdu respectivement 58.38% et 55.35% de leur valeur.
A partir de 2009 : Le premier trimestre 2009 marque la fin de la priode baissire des
marchs et le dbut dune priode de croissance grce la reprise conomique progressive, au
81

retour de la confiance et la situation encourageante du march de lemploi. Cette reprise
progressive a profit aux marchs financiers, au cours de cette priode lindice DJIMI a
progress de 30.59% et le DJIA de 32.22%.
Figure 22: Evolution des valeurs de clture de lindice MSCI Islamic en USD
Figure 23: Evolution des rendements journaliers de lindice MSCI Islamic
82
Figure 24: Evolution des valeurs de clture de lindice MSCI World en USD
Figure 25: Evolution des rendements journaliers de lindice MSCI World
Le lancement de lindice boursier islamique phare de la famille MSCI World a eu lieu dans
une priode en pleine crise financire, ce qui explique la baisse durant la premire anne
dexistence. Les figures 22 et 24 ci-dessus montrent que les deux indices suivent la mme
tendance aussi bien la hausse qu la baisse du march. Le mois de mars 2009 a marqu la
83

fin de la phase baissire des deux indices et un retour progressif la hausse. La hausse des
deux indices se poursuit sans pour autant retrouver leur niveau davant-crise.
Figure 26: Evolution des valeurs de clture du FTSE Sharia en GPB
Figure 27: Evolution des rendements journaliers du FTSE Sharia
84
Figure 28: Evolution des valeurs de clture du FTSE All World en GPB
Figure 29: Evolution des rendements journaliers du FTSE All World
Lvolution des indices FTSE All world et FTSE Sharia est similaire celle des indices MSCI
islamique et conventionnelle.
85
Figure 30: Evolution des valeurs de clture du JII en Roupie
Figure 31: Evolution des rendements journaliers du JII
86
Figure 32: Evolution des valeurs de clture du JKSE en Roupie
Figure 33: Evolution des rendements journaliers du JKSE
Nous remarquons que le lancement de lindice islamique Jakarta Islamic Index ( JII) a eu lieu
pendant une priode daccalmie sur la bourse de Jakarta, comme il est indiqu dans la figure
30 qui montre une lgre baisse puis une stagnation durant les 3 premires annes.
Lvolution moyenne annualise au cours de cette priode tait de 2.88% pour le JKSE et de
6.13% pour le JII. Les deux indices ont tir profit du climat de confiance qui caractrisait le
printemps de 2003 et ont connu une tendance haussire durant les quatre annes suivantes.
Cest la crise des subprimes qui a mis terme cette hausse, et a introduit les deux indices dans
une longue phase de baisse. Toutefois, la crise des subprimes na touch le march indonsien
quen fvrier 2008. Il en tmoigne le record des indices indonsiens JKSE et JII qui
continuaient leur tendance haussire la fin de lanne 2007 et qui ont enregistr leur niveau
87

le plus haut le 09 janvier 2008. A partir de cette date les deux indices ont connu une baisse
galement historique de leurs cours.
Le summum de la crise a eu lieu en octobre 2008, quand lindice composite indonsien
(JKSE) a perdu 10.38% de sa valeur en une journe. Lindice islamique JII a galement
perdu 10.28% cause des ventes massives dactions, conjugues une perte de confiance
dans les marchs. Lanne 2009 a marqu le retour de confiance de la part des investisseurs et
des entreprises. Ainsi, de nouvelles introductions en bourse ont eu lieu y compris des
entreprises tatiques comme le rapporte Indonesian Commercial Newsletter (ICN, 2009).
Cette situation a acclr le retour des indices leur niveau davant-crise par linstauration
dun climat de confiance. Le march indonsien est ainsi entr dans une nouvelle phase de
hausse.
Figure 34: Evolution des valeurs de clture de lindice KLSI en Ringgit
Figure 35: Evolution des rendements journaliers de lindice KLSI
88
Figure 36: Evolution des valeurs de clture de lindice KLCI en Ringgit
Figure 37: Evolution des rendements journaliers de lindice KLCI
Au vu des figures 34 et 36 qui exhibent lvolution des valeurs de clture des indices
Malaisiens, nous remarquons que lvolution des deux indices KLCI et KLSI suivent
approximativement la mme tendance aussi bien la hausse qu la baisse. Nous pouvons
aussi distinguer quatre phases principales. La premire phase est haussire, elle commence
partir du lancement de lindice islamique. Cette priode haussire a dur 12 mois durant
lesquels les deux indices ont augment respectivement de 50% et de 34.77%. La crise des
subprimes a touch le march boursier Malaisien en janvier 2008 avec un niveau
historiquement lev pour les deux indices enregistr le 11/01/ 2008. partir de cette date les
deux indices ont entam une phase de baisse qui a dur jusqu octobre 2008. Durant cette
priode baissire, les deux indices ont enregistr une rentabilit ngative de - 42.04% pour le
KLSI et - 38.53% pour le KLCI. Ensuite, les deux indices sont entrs dans une phase de
89

stagnation jusquau 1er trimestre de 2009, puis ils ont commenc augmenter
progressivement partir de mars 2009 pour retrouver les niveaux davant-crise au dbut de
lanne 2011 (El Khamlichi, 2010).
Concernant la stationnarit des valeurs de clture des indices islamiques, nous pouvons
remarquer galement que les 6 sries des valeurs de clture ne sont pas stationnaires. Nous
allons procder la diffrenciation logarithmique des prix de clture. Les rendements
logarithmiques journaliers semblent plutt stationnaires autour dune constante. Nous allons
galement tester statistiquement la stationnarit travers les 3 tests de stationnarit : le test de
Dickey-Filler augment, le test de Philips Perron et le test de KPSS (tableau 6).
Tableau 6 : Tests de stationnarit des prix de clture et des rendements journaliers
ADF
MSCI
Prix
-1.67
Islamic rendement -22.75

MSCI
JII
JKSE
KLSI
KLCI
Prix
-1.87
rendement -29.05
Prix
-0.18
rendement -46.55
Prix
0.76
rendement -45.80
Prix
-0.98
rendement -28.07
Prix
-0.69
rendement -37.47
-1.03
S&P
Prix
Sharia
rendement -27.51
S&P
Prix
500
rendement -27.02
DJIA
DJIMI
FTSE
Prix
-1.21
-1.38
rendement -40.00
Prix
-1.38
rendement -40.00
Prix
-1.05
rendement -30.91
-1.63
FTSE
Prix
Sharia
rendement -21.62
PP
KPSS
Rsultat des tests
-2.86
0.61
0.46
-1.74
-2.86
-2.86
0.37
0.46
-26.37
-2.86
-2.86
1.18
0.46
-1.72
-2.86
-2.86
0.13
0.46
-29.36
-2.86
-2.86
5.38
0.46
-0.09
-2.86
-2.86
0.13
0.46
-46.41
-2.86
-2.86
5.37
0.46
0.81
-2.86
-2.86
0.29
0.46
-45.78
-2.86
-2.86
0.67
0.46
-0.93
-2.86
-2.86
0.24
0.46
-28.20
-2.86
-2.86
0.88
0.46
-0.76
-2.86
-2.86
0.24
0.46
-37.49
-2.86
-2.86
0.81
0.46
-1.23
-2.86
-2.86
0.20
0.46
-37.61
-2.86
-2.86
1.91
0.46
-1.26
-2.86
-2.86
0.31
0.46
-37.66
-2.86
-2.86
1.04
0.46
-1.38
-2.86
-2.86
0.12
0.46
-49.85
-2.86
-2.86
1.04
0.46
-1.38
-2.86
-2.86
0.12
0.46
-49.86
-2.86
-2.86
0.73
0.46
-0.89
-2.86
-2.86
0.45
0.46
-31.01
-2.86
-2.86
0.75
0.46
-1.65
-2.86
-2.86
0.38
0.46
-26.16
-2.86
90

tant lhypothse de stationnarit. En rsumant le tableau 6, nous pouvons conclure que
la srie des valeurs de clture relative aux 6 indices boursiers islamiques nest pas
stationnaire, tandis que la srie des rendements journaliers des 6 indices est stationnaire. De
mme pour leurs homologues conventionnels.
Nous pouvons remarquer sur les figures (15, 19, 23, 27, 31 et 35) des fluctuations qui
prennent des valeurs tant ngatives que positives autour de la moyenne. Lvolution des
rendements des 6 indices boursiers islamiques indiquent que les sries sont fortement
volatiles, identiquement pour leurs homologues conventionnels. Sachant que lallure dun
bruit blanc marque une extrme rgularit de lala gaussien, nous constatons clairement que
les allures des 6 indices boursiers islamiques semblent tre diffrentes de celles dun bruit
blanc, et des cycles semblent apparaitre cause de la variabilit importante de leurs
rendements. Ceci reste autant vrai pour leurs homologues conventionnels. Bref, au vu des
figures (14, 18, 22, 26, 30 et 34) exhibant lvolution des valeurs de clture ainsi que les
figures (15, 19, 23, 27, 31 et 35) affichant lvolution des rendements journaliers des indices
boursiers islamiques, nous constatons clairement que ces derniers ont t significativement
affects par la crise des subprimes, et par consquent une volatilit importante a t
enregistre dans cette priode linstar de leurs homologues conventionnels. Nous allons
essayer maintenant de dcliner les proprits statistiques des rendements journaliers des 6
indices boursiers islamiques et de leurs homologues conventionnels dans le tableau 7 cidessous.
Tableau 7: Proprits statistiques des rendements journaliers des indices boursiers islamiques et
leurs homologues conventionnels
Nb.Obs
Moy
Mediane
Maxi
Min
Ec.type
Skew
Kurt
J.Bera
Proba
S$P Sharia
S$P 500
DJIMI
DJIA
FTSE Sahria
1053
0,0002
0,0010
0,1227 -0,0908
0,0155
0,2633
12,64
4091
1053
0,0001
0,0009
0,1158 -0,0903
0,0170
0,0214
10,37
2384
0,000
0,000
3083
0,0002
0,0005
0,1027 -0,0786
0,0115
0,0020
10,39
7022
0,000
3083
0,0002
0,0004
0,1108 -0,0787
0,0128
0,1800
10,7
7400
0,000
877
0,0000
0,0002
0,0962 -0,0843
0,0144 -0,1411
10,26
1930
0,000
FTSE World
MSCI Islamic
MSCI World
JII
JKSE
KLSI
KLCI
877
0,0000
0,0001
0,0984 -0,0884
0,0167
0,1615
8,76
1177
0,000
831 -0,0001
0,0005
0,0938 -0,0755
0,0135 -0,1086
10,68
2045
0,000
831
0,0006
0,0009
0,1473 -0,1330
0,0331
0,1384
5,94
292
0,000
2581
0,0008
0,0010
0,0915 -0,1380
0,0182 -0,3350
8,094
2839
0,000
2581
0,0009
0,0013
0,0792 -0,1038
0,0151 -0,4800
8,544
3407
0,000
1019
0,0003
0,0008
0,0416 -0,1070
0,0103 -1,4138
16,77
8394
0,000
1019
0,0004
0,0007
0,1737 -0,1441
0,0133
62,18
149567
0,000
91
0,7400

Nous constatons en premier lieu que le coefficient de Kurtosis pour les 6 indices islamiques
est lev et largement suprieur 3 (valeur de Kurtosis pour une loi normale). Cet excs de
Kurtosis tmoigne dune forte probabilit doccurrence de points extrmes tant pour les
indices boursiers islamiques que pour les indices conventionnels. En second lieu, le
coefficient de Skewness des 6 indices islamiques est diffrent de 0. Ceci illustre la prsence
dasymtrie, ce qui peut tre un indicateur de non linarit, puisque les modles linaires
gaussiens sont forcment symtriques. Le coefficient de Skewness positif indique que les
distributions sont tales vers la droite : les rendements ragissent davantage un choc positif
qu un choc ngatif. Cela est vrai pour le S&P Sharia et le DJIMI ainsi que leurs
homologues conventionnels, et galement pour le FTSE All world et le MSCI world. Ceci
contredit la plupart des rsultats empiriques sur les sries financires qui mettent en vidence
une asymtrie ngative des rendements, en tant quun fait stylis saillant des marchs
financiers, et qui signifie que les sries financires ont tendance gnrer des rendements
journaliers ngatifs plus que positifs cause des chocs rcurrents. Nous pouvons expliquer
notre rsultat par un historique de donnes qui nest pas assez large, vu la rcente mergence
des indices boursiers islamiques. Dailleurs, la plupart des tudes sur les menes sur les sries
financires, en particulier, sur les indices boursiers se basent sur des donnes de haute
frquence ou intra-quotidiennes. En tout cas, les distributions des rendements des indices
islamiques et conventionnels ne suivent pas une loi normale comme lillustre le test de
Jarque-Bera dont la probabilit est infrieure 0.05 (pour les rendements des 6 indices
islamiques et leurs homologues), ce qui est une caractristique gnrale des sries financires.
En sus, nous avons remarqu au vu des figures (15, 19, 23, 27, 31 et 35) pour les rendements
des indices islamiques, que de fortes variations sont gnralement suivies de fortes variations
et que de faibles variations sont gnralement suivies de faibles variations. On constate un
regroupement des extrmes en cluster ou paquets de volatilits signifiant que les priodes de
daccalmie du march alternent avec celles de turbulence. Ce regroupement des volatilits par
paquets est d essentiellement aux corrlations des sries financires. A cause de cette
corrlation, un grand mouvement correspondant une forte volatilit a des chances dtre
suivi par un mouvement de mme ampleur. Il en est de mme pour un mouvement de faible
amplitude (Brooks, 2004).
Ce phnomne daccumulation de la volatilit est quantifi par les modles autorgressifs
volatilit conditionnelle. En fait, les modles ARMA (autorgressifs moyenne mobile)
92

supposent des sries temporelles variance constante (hypothse dhomoscdasticit). Cette
modlisation nglige linformation contenue dans le facteur rsiduel de la srie. Avant de
modliser la volatilit des indices en question, nous allons tester lhypothse
dhomoscdasticit. Ce test est construit de la manire suivante :
Soit un modle de rgression :
(2.9)
Avec
lerreur
tant la moyenne des rendements et avec une spcification de type ARCH pour
dfinie dans lquation (2.1) (
reprsente le rendement de lactif financier linstant t ;

est un bruit blanc gaussien ;
est la volatilit de lactif financier reprsente selon lquation (2.2) :
Soit lhypothse nulle :

: Existence dhomoscdasticit :
=..=
=0
contre lhypothse alternative :

:
Si lhypothse
est accepte, la variance de lerreur est constante telle que :
Dans le cas contraire, les termes de lerreur
suivent un effet ARCH dont lordre p est
dterminer.
Le test fond est un test de Fisher classique qui est le test du multiplicateur de Lagrange LM :
De manire pratique, on procde de la manire suivante :
1re tape : calcul de
le rsidu du modle de rgression ou dun modle ARMA
(autorgressif moyenne mobile).

2me tape : calcul des
3me tape : Rgression autorgressive des rsidus sur p retard (rsidu dcal) o seuls les
retards significatifs sont conservs,
4me tape : Calcul de la statistique du multiplicateur de Lagrange

Avec n est le nombre dobservations servant au calcul de la rgression de ltape 3.
est le coefficient de dtermination de ltape3.
93

Si
rejette
p degrs de libert lu dans la table Khi-deux un seuil fix en gnral 5%, on

et on conclut que le processus est justifiable dun modle ARCH(p). Cest le test de
significativit des coefficients
de la rgression
sur
qui permet de dterminer
lordre p du processus ARCH sachant quun processus ARCH dordre 3 semble un maximum,
au-del duquel le modle sera justifiable dun processus de type GARCH.19
Tableau 8: Test dhomoscdasticit pour les rendements des indices islamiques et de leurs
homologues conventionnels
F.stat
Prob
S$P Sharia
S$P500
DJIM
DJIA
FTSE Sahria
31,629
31,16
48,39
133,99
13,764
FTSE All World

MSCI Islamic
MSCI World
JII
JKSE
KLSI
KLCI
0,000
0,000
0,000
0,000
Prob
0.0002
30,762
30,32
46,72
128,63
13,582
0,000
0,000
0,000
0,000
0,0002
29,105
0,000
28,203
0,000
29,53
72,5
51,54
78,615
29,875
288,99
0,000
0,000
0,000
0,000
0,000
0,000
28,58
66,63
50,57
76,348
29,078
225,63
0,000
0,000
0,000
0,000
0,000
0,000
Nous remarquons selon le tableau 8 exhibant les rsultats du test que
pour les 6
indices islamiques. Ceci reste autant vrai pour leurs homologues conventionnels. Nous
rejetons donc lhypothse dhomoscdasticit, et nous considrons que les sries de
rendements suivent un processus de type ARCH. Compte tenu des limites du modle ARCH,
dont le nombre important de paramtre p estimer, nous allons modliser la volatilit
conditionnelle laide dun modle GARCH (1.1). Nous commenons par lindice DJIMI et
son homologue conventionnel DJIA.
19
Bourbonnais, R.1998, Economtrie, manuel et exercices corrigs , Dunod.
94

Tableau 9: Paramtres du modle GARCH (1.1) pour le DJIMI et le DJIA
DJIM
DJIA
LnL*
AIC*
Gaussian
Students
GED
Gaussian
Students
GED
0,00000107
[0,0001]
0,086068
[0,0000]
0,908927
[0,0000]
0,00000107
[0,0021]
0,084951
[0,0000]
0,910415
[0,0000]
9,143704
[0,0000]
0,00000104
[0,0041]
0,085477
[0,0000]
0,909932
[0,0000]
1,457629
[0,0000]
0,000001
[0,0000]
0,080535
[0,0000]
0,911689
[0,0000]
0,0000009
[0,0013]
0,077044
[0,0000]
0,916768
[0,0000]
9,209713
[0,0000]
0,000001
[0,0007]
0,078775
[0,0000]
0,913873
[0,0000]
1,381061
[0,0000]
0,0002138
0,0002309
0,0002265
0,0001350
0,0001438
0,0001360
9391,781
-6,297740
9415,703
-6,313118
9425,129
-6,319442
3214,400
-6,095727
10025,01
-6,501628
10026,08
-6,502325
Avec :
(
)
est la volatilit inconditionnelle : cest la limite de la volatilit
quand t tend vers +
(2.10)
pour
un GARCH (1.1).
LnL : reprsente la log-vraisemblance des paramtres associs aux donnes.
AIC : (Akaike Information Criterion, 1973): cest un critre utilis pour slectionner le
meilleur modle.
Le premier terme
de lquation de la volatilit conditionnelle reprsente un seuil de
variance minimal en de duquel la variance conditionnelle ne descend pas. Il est ngligeable

et trs proche de 0 pour lindice DJIMI ainsi que lindice DJIA, toute distribution confondue.
Le second terme
est une somme de rsidus au carr qui traduit limpact des chocs sur la
volatilit. Lorsquun krach intervient linstant t, la valeur des rentabilits est trs diffrente
de sa moyenne, et ainsi le rsidu est trs grand. Au vu du tableau 9, nous pouvons remarquer
que le krach des subprimes a impact significativement la volatilit de lindice boursier
islamique ainsi que son homologue conventionnel. Il est de 0.086 pour lindice conventionnel
DJIA concernant une distribution normale, et de 0.080 pour lindice islamique DJIMI pour la
mme distribution, et de 0.085 pour lindice DJIA concernant une distribution GED, alors
quil est de 0.079 pour le DJIMI. Force est de constater, que lampleur de limpact du choc
savre plus importante pour lindice conventionnel DJIA que pour lindice islamique DJIMI
abstraction faite de la nature de la distribution des innovations. Dune part, cette diffrence
constate au niveau de ce terme peut tre explique dabord par la crise financire qui a
touch le secteur bancaire bas sur lintrt usuraire qui fait partie des secteurs prohibs en
finance islamique. Cest pour cette raison que le terme reprsentant limpact des chocs a
95

affich une valeur plus importante pour lindice conventionnel. Le terme reste significatif
statistiquement pour lindice islamique, vu que la crise financire a fini par toucher la sphre
relle de lconomie et a contamin les actifs islamiques y compris les indices boursiers
islamiques.
Le troisime terme
reprsente la somme des variances passes, qui a pour effet de
quantifier la persistance de la volatilit. En effet, si la volatilit linstant t est faible, sa

contribution dans la variance conditionnelle linstant t+1 le sera galement, ce qui accentue
la probabilit dune variance faible. Cette persistance semble trs significativement leve
pour les deux indices le DJIMI et le DJIA, quel que soit la nature distributionnelle des
innovations, avec une diffrence trs minime entre les deux indices.
Sagissant de la volatilit inconditionnelle, il est clair daprs le tableau 9 ci-dessus, que
lindice islamique DJIMI est nettement moins volatile que le DJIA. Nous pouvons ainsi
confirmer limpact remarquable de la crise des subprimes sur la volatilit de lindice boursier
DJIA, mais elle est dune moindre ampleur pour lindice islamique DJIMI. Ceci confirme les
rsultats empiriques mettant en vidence la rsilience relative des actifs islamiques face la
crise financire mondiale. Pour vrifier empiriquement ce rsultat, nous allons appliquer le
test Fisher relatif lquivalence des variances.
Soit lhypothse
: les variances sont homognes, contre lhypothse alternative
: les
variances ne sont pas homognes.

La statistique du test consiste calculer la valeur est :
(2.11)
, nous rejetons lhypothse
Si
, avec
tels que
sont les degrs de libert des deux chantillons, et 95% comme niveau de
signification.
96

Tableau 10: Test de Fisher dquivalence des variances pour le DJIMI et le DJIA
Gaussian
Students
GED
1,58
1,60
1,66
1,01
1.01
1.01
Rsultat
rejete
rejete
rejete
Le test de Fisher met en vidence le fait que la volatilit de lindice conventionnel DJIA est
suprieure celle de lindice islamique DJIMI.
Quant au modle le plus adapt, nous pouvons retenir le modle GARCH (1.1) avec une
distribution GED pour les deux indices, vu que ce dernier minimise le critre dAkaike et
maximise la log-vraisemblance.
Tableau 11: Paramtres du modle GARCH (1.1) pour le S&P Sharia et S&P 500
S&P 500
S&P Sharia
Gaussian
Students
GED
Gaussian
Students
GED
0.00000294
[0.0000]
0.088232
[0.0000]
0.898366
[0.0000]
0.00000157
[0.0452]
0.104018
[0.0000]
0.900956
[0.0000]
4.901273
[0.0000]
0.000002
[0.0158]
0.097740
[0.0000]
0.898077
[0.0000]
1.171684
[0.0000]
0.0000032
[0.0000]
0.093636
[0.0000]
0.887777
[0.0000]
0.000002
[0.0141]
0.102103
[0.0000]
0.890314
[0.0000]
7.250350
[0.0000]
0.000003
[0.0079]
0.098654
[0.0000]
0.888939
[0.0000]
1.318836
[0.0000]
La condition
0,0002193
LnL
AIC
3094.021
-5.867087
0,0004781
Non vrifie
3118.848
-5.912342
3128.547
-5.930763
0,0001721
3187.202
-6.045968
0,0002637
3202.858
-6.073805
0,0002418
3208.084
-6.083731
Sagissant de lindice boursier islamique S&P Sharia et son homologue conventionnel S&P
500, il est clair, au vu, du tableau 11, que les coefficients du GARCH (1.1) sont trs
significatifs pour les deux indices, avec une diffrence minime en termes de coefficient
mesurant limpact des chocs sur la volatilit. Cependant la persistance de la volatilit est
quasiment plus importante pour lindice conventionnel S&P 500. Elle est due aux
rpercussions svres de la crise. Enfin, la volatilit inconditionnelle de lindice islamique
S&P Sharia est nettement infrieure celle de S&P 500. La diffrence est trs significative,
97

en fait, en retenant le modle GARCH (1.1) avec une distribution GED minimisant le critre
dAkaike et maximisant la vraisemblance, la volatilit inconditionnelle du S&P 500 est 2 fois
plus importante que celle de S&P Sharia. Cela est confirm par le test de Fisher
dquivalence des variances exhib ci-dessous (tableau 12).
Tableau 12: Test de Fisher dquivalence des variances pour le S&P Sharia et S&P 500
Gaussian
Students
GED
1,58
Condition
1,66
non vrifie
1.01
1.01
,
Rsultat
rejete
1.01
Le test nest pas

appliqu
rejete
Pour lindice FTSE Sharia et son homologue conventionnel FTSE All World, nous pouvons
remarquer que les coefficients du GARCH (1.1) sont tous significatifs. Il est videment clair
que le terme
mesurant limpact des chocs sur la volatilit, affiche des valeurs plus
importantes pour lindice conventionnel. Des diffrences minimes sont affiches pour le
coefficient de persistance. En sus, la volatilit inconditionnelle est doublement suprieure
pour lindice conventionnel. Ce qui laisse prsager une rsilience des indices islamiques face
aux chocs. Ceci est confirm par les rsultats du test de Fisher dans le tableau 14. Au vu du
critre Akaike, nous pouvons retenir le modle GARCH (1.1) distribution GED pour le FTSE
Sharia, et le modle GARCH (1.1) distribution students pour le FTSE.
98

Tableau 13: Paramtres du modle GARCH (1.1) pour le FTSE Sharia et le FTSE All world
FTSE Sharia
LnL*
AIC*
FTSE All World
Gaussian
Students
GED
Gaussian
Students
GED
0,00000198
[0.00147]
0.091447
[0.0000]
0.897317
[0.0000]
0,00000207
[0.0265]
0.081644
[0.0000]
0.902717
[0.0000]
12.12391
[0.0308]
0,00000214
[0.0645]
0.087059
[0.0000]
0.899737
[0.0000]
1.357393
[0.0000]
0.00000384
[0.0045]
0.095441
[0.0000]
0.891840
[0.0000]
0.0000053
[0.0264]
0.102038
[0.0002]
0.879320
[0.0000]
6.556908
[0.0001]
0.0000047
[0.0349]
0.099087
[0.0002]
0.883759
[0.0000]
1.394059
[0.0000]
0,000176
0,000132
0,000162
0,000302
0,000284
0,000273
2680.478
-6.108397
2689.219
-6.126070
2695.553
-6.140532
2417.954
-5.690930
2431.856
-5.721359
2432.502
-5.689323
Tableau 14: Test de Fisher dquivalence des variances pour le FTSE Sharia et le FTSE All
World
Gaussian
Students
GED
1,59
2.12
1,60
1.01
1.01
1.01
,
Rsultat
rejete
rejete
rejete
Tableau 15: Paramtres du modle GARCH (1.1) pour le MSCI Islamic et le MSCI World
MSCI Islamic
LnL*
AIC*
MSCI World
Gaussian
Students
GED
Gaussian
Students
GED
0,00000160
[0.0115]
0.101301
[0.0000]
0.888316
[0.0000]
0,00000169
[0.0500]
0.094866
[0.0000]
0.895751
[0.0000]
5.890053
[0.0007]
0,00000165
[0.0714]
0.095191
[0.0000]
0.893304
[0.0000]
1.292832
[0.0000]
0.000020
[0.00000]
0.076943
[0.0000]
0.906184
[0.0000]
0.000009
[0.0654]
0.080186
[0.0001]
0.916375
[0.0000]
6.259647
[0.0000]
0.000014
[0.0183]
0.081275
[0.0004]
0.908871
[0.0000]
1.333545
[0.0000]
0,000154
0,000180
0,000143
0,001185
0,002617
0,001420
2620.167
-6.309210
2632.176
-6.335768
2638.235
-6.350386
1700.628
-4.233777
1729.504
-4.303380
1723.522
-4.288444
99

Tableau 16: Test de Fisher dquivalence des variances pour MSCI Islamic et le MSCI World
Gaussian
Students
GED
7.69
14.53
9.93
1.01
1.01
1.01
,
Rsultat
rejete
rejete
rejete
Pour lindice MSCI Islamic et son homologue conventionnel MSCI World, les coefficients de
GARCH (1.1) sont galement significatifs. Cependant, le coefficient
quantifiant leffet des
chocs sur la volatilit affiche des valeurs importantes pour lindice islamique toute
distribution confondue. Cela sexplique par le fait que cet indice a t lanc dans la priode de
crise. Toutefois, la volatilit inconditionnelle de lindice islamique reste largement infrieure
celle de son homologue conventionnel. Elle est de 0.000154 pour lindice islamique
distribution normale et de 0.001185 pour son homologue conventionnel. Nous pouvons
remarquer que la volatilit inconditionnelle de lindice conventionnel est gale celle de
lindice islamique multiplie par 9, toute distribution confondue.
Il est vident daprs ces rsultats que 4 indices boursiers islamiques ont t affects
significativement par la crise financire. En fait, ils ont enregistr une volatilit importante
vue les perturbations du systme financier mondial qui a failli se dsagrger cause de la
svrit de la crise, et ses retombes sur toute lconomie y compris la composante islamique.
Toutefois, les indices islamiques en question ont montr une rsilience relative par rapport
leurs homologues conventionnels. Ce constat empirique relatif la rsilience corrobore avec
ltude faite par deux chercheurs du Fond Montaire International, Maher et Dridi (2010), qui
ont prouv que durant la crise, les banques islamiques ont fait preuve dune capacit de
rsistance plus grande que leurs homologues conventionnels.
La rsilience est due plusieurs facteurs. Tout d'abord, le respect des principes de la finance
islamique a protg les institutions financires islamiques contre les effets dvastateurs de la
crise. Ces principes comprennent particulirement l'exigence de lthique dans les affaires, la
transparence dans les transactions financires, et le principe de partage des pertes (Chapra,
2008).
100
Deuximement, les forces inhrentes de la finance islamique, savoir le lien troit entre les
transactions financires et les flux de production et les dimensions intgres de gouvernance
et de gestion des risques, a contribu sa viabilit et sa rsilience (Zeti, 2009). Ces points de
vue ont t repris par Yilmaz le gouverneur de la Banque centrale de Turquie (IMF, 2010),
qui a not que les institutions financire islamiques offrent des produits qui limitent
l'endettement excessif et l'innovation financire perturbatrice, assurant ainsi la stabilit
macroconomique.
Dailleurs, en examinant la composition de lindice conventionnel DJIA, nous constatons que
25% des actions faisant partie de cet indice sont issues du secteur financier (banques et
assurances) qui a t le plus touch par la crise de 2007-2008 (S&P Dow Jones Indices,
2015), alors que lindice islamique DJIMI ne dispose que du 2% des actions financires. Pour
lindice S&P 500, le secteur financier reprsente une part de 16% de la composition de
lindice conventionnel, alors que le mme secteur ne reprsente que 0,7% de la composition
de lindice islamique S&P Sharia. Dautant plus que le S&P 500 reprsente plus de 85% de la
capitalisation boursire amricaine. Le mme constat reste vrai pour le FTSE All world avec
une part de 23% reprsente par le secteur des banques, des assurances et des services
financiers, alors que le FTSE Sharia ne participe mme pas de 1% dans le secteur financier, et
il est compltement absent dans le secteur des assurances. Enfin, pour lindice MSCI World, le
secteur financier dispose dune part considrable atteignant 20% de la composition de
lindice, alors que ce secteur financier ne dpasse pas 2% dans la composition de lindice
islamique MSCI Islamic (MSCI indices, 2013).
Etant donn que le secteur financier est fortement prsent dans la composition des indices
conventionnels linstar des indices S&P 500, DJIA, FTSE All World et MSCI World, AlSuwailem (2010) a soutenu que lintrt usuraire (le Riba), en tant que lun des piliers du
financement conventionnel, est le principal facteur de crises et de l'instabilit financire. Il
cre une sparation entre l'conomie relle et le secteur financier et permet inflation de la
dette par rapport la production relle. Keynes en a dj parl en soulignant l'existence d'une
lacune dans le capitalisme financier, qui se manifeste par la prdominance des contrats
d'endettement fond sur l'intrt. Daprs Keynes, rien ne garantit qu'un montant d'argent
pay aujourdhui, et payer l'avenir avec une plus grande quantit, pourrait tre utilis dans
des projets d'investissement gnrateurs d'emplois dans le secteur rel. En effet, l'argent
101

pourrait tre utilis pour la consommation ou l'achat dactifs financiers dcoulant des
investissements passs. Pour Keynes, cette faille dans le capitalisme financier aggrave le
problme de la coordination entre l'pargne et l'investissement comme une source d'instabilit
pour le systme (Mirakhor et Krichene, 2009). Dailleurs, le secteur financier revt
actuellement un intrt majeur dans la structure des conomies modernes, qui fait de toute
crise dans ce secteur une source dinstabilit du systme conomique dans son ensemble.
Desai et Brewster (2008) ont galement avanc que les institutions financires islamiques
n'ont pas t directement touches par la crise, car elles nont pas t exposes aux titres
toxiques qui ont provoqu la crise.
Cependant, ce constat nest pas gnralis toutes les composantes de la finance islamique.
Malgr la rsilience de la finance islamique la crise, il convient de noter que certaines
institutions financires islamiques ont connu une dtrioration de leur situation financire
savoir la banque islamique de Duba (Duba Islamic Bank). En effet, la banque islamique de
Duba est directement lie l'conomie locale qui manque de ressources naturelles susceptible
de financer le dveloppement. Son conomie est base uniquement sur des secteurs non
productifs tels que le tourisme et le secteur immobilier (Masmoudi et Belabed, 2007). Nous
allons galement voir le cas des deux marchs dactions islamiques Malaisien et Indonsien
(reprsents respectivement par leurs indices boursiers phares le KLSI et le JII) qui ont t
plus volatiles que leurs homologues conventionnels.
Tableau 17: Paramtres du modle GARCH (1.1) pour le JII et le JKSE
JII
LnL*
AIC*
JKSE
Gaussian
Students
GED
Gaussian
Students
GED
0,0000158
[0.00000]
0.109911
[0.0000]
0.844887
[0.0000]
0,0000226
[0.0000]
0.123745
[0.0000]
0.812643
[0.0000]
4.922797
[0.0000]
0,0000190
[0.0000]
0.112788
[0.0000]
0.829556
[0.0000]
1.221846
[0.0000]
0.0000133
[0.00000]
0.146825
[0.0000]
0.797378
[0.0000]
0.0000178
[0.0000]
0.116046
[0.0000]
0.802635
[0.0000]
5.015203
[0.0000]
0.0000156
[0.0000]
0.123346
[0.0004]
0.802218
[0.0000]
1.254788
[0.0000]
0,00034954
0,00035528
0,00032954
0,00023836
0,00021889
0,00020958
6871.938
-5.321145
6972.758
-5.398495
6969.062
-5.395631
7426.578
5.750932
7505.401
-5.811237
7506.363
-5.811982
Pour lindice islamique Indonsien JII et son homologue conventionnel JKSE, les coefficients
de GARCH (1.1) sont tous significatifs. Le coefficient
102
quantifiant leffet des chocs sur la

volatilit affiche des valeurs plus importantes pour lindice conventionnel que lindice
islamique. Nanmoins, sagissant du terme autorgressif, nous constatons que lindice
islamique affiche une persistance plus prononce que son homologue conventionnel. Lindice
islamique JII semble plus volatile que le JKSE lencontre des rsultats prcdents. Les
rsultats du test de Fisher relatif lquivalence des variances sont affichs dans le tableau 18,
qui confirme ce constat. Ce rsultat reste galement vridique concernant le march
malaisien. En effet, les coefficients de GARCH (1.1) sont tous significatifs pour le KLSI et le
KLCI. Nous remarquons clairement que la volatilit de lindice islamique KLSI est nettement
suprieure celle de lindice KLCI. Cela est vrifi par le test de Fisher donn dans le tableau
20.
Tableau 18: Test de Fisher dquivalence des variances pour le JII et le JKSE
Gaussian
Students
GED
1.47
1.62
1.57
1.01
1.01
1.01
,
Rsultat
rejete
rejete
rejete
Tableau 19: Paramtres du modle GARCH (1.1) pour le KLCI et le KLSI
KLSI
Gaussian
Students
GED
Gaussian
Students
GED
0,00000172
[0.0012]
0,00000164
[0.0125]
0.0000437
[0.00000]
0.0000135
[0.0000]
0.177472 [0.0000]
0.129325
[0.0000]
0.865029
[0.0000]
5.0910
[0.0007]
0,0000016
7
[0.0256]
0.142862
[0.0000]
0.852340
[0.0000]
1.201793
[0.0000]
0.175027
[0.0000]
0.544322
[0.0000]
0.305229
[0.0000]
0.624535
[0.0000]
3.756282
[0.0000]
0.000017
4
[0.0001]
0.260862
[0.0002]
0.625856
[0.0000]
0.904661
[0.0000]
0.827979 [0.0000]
condition
non vrifie
LnL*
AIC*
KLCI
3389.983
-6.650261
0,00029047
3431.302
-6.729474
0,00034806
3430.538
-6.727973
103
0,00015571
3126.151
-6.101958
0,00019221
3399.178
-6.633780
0,0001536
3371.750
-6.580156

Tableau 20: Test de Fisher dquivalence des variances pour KLSI et KLCI
Gaussian
Students
GED
Condition
1.51
2.27
1.01
1.01
non vrifie
1.01
Le test nest pas
Rsultat appliqu
rejete
rejete
Il est clairement vident que les deux marchs dactions Malaisien et Indonsien ntaient pas
entirement labri de la crise. En fait, leur volatilit inconditionnelle a affich des valeurs
suprieures celle de leurs homologues conventionnels. Ce constat est d plusieurs facteurs.
El Said et Ziemba (2009) ont affirm que les institutions financires islamiques ont vit
l'exposition aux subprimes, mais elles taient soumises leffet de second tour de la crise
mondiale. En outre, la crise vue sa dure prolonge et leffet de la contagion (analyse
empiriquement dans le dernier chapitre) a fini par toucher les institutions financires
islamiques savoir les marchs dactions, parce que la crise sest transforme en une crise
systmique, impactant la sphre relle de lconomie.
En effet, avec le ralentissement conomique mondial, le secteur de limmobilier a connu une
baisse importante dans un certain nombre de pays o les institutions financires islamiques
ont une prsence significative notamment la Malaisie et lIndonsie. Nous rappelons
galement que les actions du secteur immobilier malaisien cotes dans la bourse malaisienne
reprsentent 14% de la composition de lindice malaisien KLSI20. Ce dernier reprsente son
tour 85% dans la capitalisation boursire Malaisienne. Les deux marchs dactions Malaisien
et Indonsien sont des vrais marchs islamiques, et occupent une place importante dans leurs
marchs financiers.
Nous avons ainsi relativis cette rsilience qui nest pas gnralisable sur tous les marchs
dactions islamiques. En fait, la finance islamique opre dans un environnement complexe,
20
FTSE Group, 2014.
104

avec une forte dpendance avec les marchs financiers conventionnels que nous allons mettre
en vidence dans le chapitre 5.
Nous allons maintenant approfondir notre analyse en intgrant le phnomne lasymtrie dans
la dynamique de la volatilit. Nous rappelons que Nelson (1990) sest intress aux volutions
asymtriques de la variance laide des modles EGARCH. Nous allons modliser cette
asymtrie laide du modle EGARCH (1.1). Nous commenons par les deux indices DJIMI
et DJIA.
Tableau 21: Paramtres du modle EGARCH (1.1) pour le DJIMI et le DJIA
DJIA
DJIMI
LnL
AIC
Gaussian
Students
GED
Gaussian
Students
GED
-0.229536
[0.0000]
0.127555
[0.0000]
-0.069400
[0.0000]
-0.204369
[0.0000]
0.111969
[0.0000]
-0.088791
[0.0000]
0.987535
-0.21817
[0.0000]
0.120749
[0.0000]
-0.078355
[0.0000]
0.986736
-0.225957
[0.0000]
0.100818
[0.000]
-0.112760
[0.0000]
0.983873
[0.0000]
9.325166
[0.0000]
1.499693
[0.0000]
-0.198505
[0.0000]
0.102202
[0.0000]
-0.114772
[0.0000]
0.987200
[0.0000]
8.912048
[0.0000]
-0.204149
[0.0000]
0.100998
[0.0000]
-0.113355
[0.0000]
0.986539
[0.0000]
1.448431
[0.0000]
10063.75
-6.526122
10056.97
-6.521718
9801.403
-6.360651
9836.854
-6.383022
9839.709
-6.384876
10022.70
-6.500133
Au vu du tableau 21, les paramtres du modle EGARCH (1.1) sont tous significatifs, dautant
plus que leffet dasymtrie ngative existe tant pour lindice boursier islamique DJIMI que
pour lindice DJIA. Cela veut dire que pour les deux indices, les rendements passs ngatifs
augmentent plus fortement la volatilit que les rendements passs positifs. Une diffrence trs
lgre est enregistre entre les coefficients. Nous pouvons retenir le modle EGARCH (1.1)
distribution student pour le DJIMI, et EGARCH (1.1) distribution GED pour le DJIA.
105

Tableau 22: Paramtres du modle EGARCH (1.1) pour le S&P Sharia et S&P 500
S&P 500
S&P Sharia
Gaussian
-0.36493
[0.0000]
0.094479
[0.0003]
-0.172442
[0.0000]
0.966470
[0.0000]
LnL
AIC
3214.400
-6.095727
Students
-0.33120
[0.0000]
0.100026
[0.0013]
-0.180886
[0.0000]
0.970693
[0.0000]
8.054136
[0.0000]
3229.366
-6.122253
GED
-0.3511
[0.0000]
0.096478
[0.0047]
-0.184521
[0.0000]
0.968178
[0.0000]
1.381061
[0.0000]
3231.887
-6.127041
Gaussian
Students
GED
-0.310214
[0.0000]
0.111267
[0.0000]
-0.145154
[0.0000]
0.974247
[0.0000]
-0.216530
[0.0000]
0.107999
[0.0003]
-0.158202
[0.0000]
0.985358
[0.0000]
5.536603
[0.0000]
3139.136
-5.948977
-0.244580
[0.0000]
0.110174
[0.0015]
-0.152546
[0.0000]
0.982570
[0.0000]
1.229837
[0.0000]
3145.017
-5.960147
3116.857
-5.908561
Sagissant de lindice S&P Sharia et son homologue S&P 500, les coefficients du modle
EGARCH (1.1) sont clairement significatifs (Tableau 22). Nous pouvons remarquer
lexistence de leffet dasymtrie ngative pour les deux indices. Cela fait partie des
proprits empiriques des sries financires. Au vu du terme
mesurant limpact du choc
sur le rendement, lampleur de cet impact est infrieure pour lindice islamique S&P Sharia
en comparaison avec son homologue S&P 500. Nous remarquons galement que le terme
autorgressif
quantifiant limpact de la volatilit passe sur la volatilit courante est
galement infrieur pour lindice S&P Sharia par rapport S&P 500.
Enfin, le modle EGARCH (1.1) avec une distribution des innovations qui suivent la loi GED
est le mieux adapt pour modliser la volatilit asymtrique des deux indices boursiers
islamiques ainsi que leurs homologues conventionnels. Ces rsultats restent autant vrais pour
le reste des indices islamiques et galement pour leurs homologues conventionnels.
Lasymtrie est de la volatilit est aussi dtecte empiriquement (Tableaux 23,24, 25 et 26).
106

Tableau 23: Paramtres du modle EGARCH (1.1) pour MSCI Islamic et MSCI World
MSCI Islamic
Gaussian
-0.270833
[0.0000]
0.122873
[0.0000]
-0.141072
[0.0000]
0.981048
[0.0000]
LnL
AIC
2643.172
-6.362296
Students
-0.260295
[0.0000]
0.121528
[0.0005]
-0.147654
[0.0000]
0.982188
[0.0000]
7.437413
[0.0067]
2650.358
-6.377221
MSCI World
GED
-0.260252
[0.0000]
0.119578
[0.0014]
-0.144570
[0.0000]
0.982115
[0.0000]
1.387711
[0.0000]
2655.188
-6.388873
Gaussian
Students
GED
-0.082426
[0.0003]
0.058160
[0.0002]
0.064368
[0.0000]
0.994143
[0.0000]
-0.025356
[0.0959]
0.024950
[0.1124]
0.074214
[0.0000]
0.998883
[0.0000]
6.903031
[0.0000]
1742.739
-4.333929
-0.026276
[0.1107]
0.021918
[0.1628]
-0.067769
[0.0000]
0.998397
[0.0000]
1.382900
[0.0000]
1735.144
-4.314966
1715.307
-4.267932
Tableau 24: Paramtres du modle EGARCH (1.1) pour le FTSE sharia et le FTSE All world
FTSE Sharia
Gaussian
-0.241375
[0.0000]
0.121432
[0.0000]
-0.111073
[0.0000]
0.983609
[0.0000]
LnL
AIC
2697.415
-6.144784
Students
-0.235067
[0.0000]
0.116695
[0.0001]
-0.119002
[0.0000]
0.983978
[0.0000]
7.413288
[0.0000]
2705.326
-6.160561
FTSE All World

GED
-0.238067
[0.0000]
0.117930
[0.0002]
-0.117007
[0.0000]
0.983818
[0.0000]
1.418603
[0.0000]
2709.024
-6.169004
Gaussian
Students
GED
-0.095083
[0.0018]
0.103982
[0.0000]
0.121576
[0.0000]
0.997354
[0.0000]
-0.094768
[0.0260]
0.102074
[0.0000]
0.136929
[0.0000]
0.997459
[0.0000]
7.385978
[0.0001]
2446.004
-5.752369
-0.097511
[0.0302]
0.105831
[0.0000]
0.125872
[0.0000]
0.997605
[0.0000]
1.455543
[0.0000]
2444.361
-5.748493
2432.914
-5.723853
107

Tableau 25: Paramtres du modle EGARCH (1.1) pour le JII et le JKSE
JII
Gaussian
-0.678588
[0.0000]
0.206610
[0.0000]
-0.083222
[0.0000]
0.935590
[0.0000]
LnL
AIC
6885.219
-5.330662
Students
-0.977410
[0.0000]
0.255997
[0.0000]
-0.109717
[0.0000]
0.903177
[0.0000]
5.076195
[0.0000]
6984.812
-5.407061
JKSE
GED
Gaussian
Students
GED
-0.591730
[0.0000]
0.280929
[0.0000]
0.096249
[0.0000]
0.955158
[0.0000]
-0.662533
[0.0000]
0.240058
[0.0000]
0.096501
[0.0000]
0.94305
[0.0000]
5.236440
[0.0000]
7515.515
-5.818299
-0.624134
[0.0000]
0.249674
[0.0000]
0.092293
[0.0000]
0.948881
[0.0000]
1.273598
[0.0000]
7516.095
-5.818749
-0.847141
[0.0000]
0.229338
[0.0000]
-0.095521
[0.0000]
0.917246
[0.0000]
1.233535
[0.0000]
6979.137
-5.402663
7441.513
-5.761730
Tableau 26: Paramtres du modle EGARCH (1.1) pour le KLSI et le KLCI
KLSI
Gaussian
-0.531152
[0.0000]
0.270309
[0.0000]
-0.090586
[0.0000]
0.965197
[0.0000]
LnL
AIC
3403.683
-6.675211
Students
-0.457226
[0.0000]
0.222110
[0.0000]
-0.080114
[0.0005]
0.969372
[0.0000]
5.510793
[0.0000]
3438.187
-6.741035
KLCI
GED
Gaussian
Students
GED
-0.082426
[0.0003]
0.058160
[0.0002]
0.064368
[0.0000]
0.994143
[0.0000]
-0.025356
[0.0959]
0.024950
[0.1124]
0.074214
[0.0000]
0.998883
[0.0000]
6.903031
[0.0000]
1742.739
-4.333929
-0.026276
[0.1107]
0.021918
[0.1628]
-0.067769
[0.0000]
0.998397
[0.0000]
1.382900
[0.0000]
1735.144
-4.314966
-0.490598
[0.0001]
0.240382
[0.0000]
-0.081357
[0.0004]
0.967416
[0.0000]
1.238168
[0.0000]
3438.048
-6.740762
1715.307
-4.267932
Pour visualiser davantage ce phnomne, nous allons estimer limpact du choc positif et
ngatif sur le processus de la volatilit, pour les deux types dindices. Nous rappelons que
leffet dun choc positif se mesure par (
tels que
) et celui dun choc ngatif par (
leffet du choc sur le rendement, et
leffet dasymtrie complmentaire et
spcifique dun choc ngatif. Les rsultats sont donns dans le tableau 27.
108
),

Tableau 27: Effet des chocs selon leur signe pour les deux types dindices boursiers
Effet du choc positif
Effet du choc ngatif
DJIMI
0,042394
-0,199104
DJIA
-0,012357
-0,214353
S&P Sharia
-0,088043
-0,280999
S&P 500
-0,042372
-0,26272
MSCI Islamic
-0,024992
-0,264148
MSCI World
-0,045851
-0,089687
FTSE Sharia
0,000923
-0,234937
FTSE All World
0,231703
0,020041
JII
0,133817
-0,324859
JKSE
0,341967
-0,157381
0,159025
-0,321739
-0,045851
-0,089687
KLSI
KLCI
Il est clair daprs le tableau 27, que leffet dun choc ngatif est plus fort que leffet dun
choc positif pour tous les indices sauf pour le FTSE All world et le JKSE. Cela peut tre
expliqu par un chantillon qui nest pas aussi large pour dtecter des phnomnes comme
lasymtrie et la mmoire longue.
109

Conclusion
Dabord, nous avons constat que les indices boursiers islamiques capturent la plupart des
faits styliss observs empiriquement dans les marches financiers conventionnels, dont nous
pouvons citer laccumulation de la volatilit et lasymtrie de la volatilit par rapport aux
rendements passs. Nous avons galement prouv que les marchs dactions islamiques
ntaient pas compltement labri de la crise. La crise financire a impact les marchs
dactions islamique ds que cette crise a touch la sphre relle de lconomie. La rsilience
nest pas un constat qui peut tre gnralis sur toutes les composantes de la finance
islamique. En effet, la rsilience reste relative et tributaire de la conjoncture et les conditions
conomiques de chaque march l o opre la finance islamique, linstar des marchs
Malaisien et indonsien dont la volatilit de leurs indices phares ont t nettement suprieures
celle de leurs homologues conventionnels. La finance islamique ne peut oprer sans tenir
compte de la dynamique et les fluctuations que connait le paysage financier actuel. En ralit,
vue lintgration croissante des marchs financiers, tout un choc dans une place financire a
potentiellement plus de chances de se propager pour affecter diffrents investisseurs dans
diffrentes places financires, y compris les places boursires islamiques.
Compte tenu de la volatilit importante enregistre au niveau des indices boursiers islamiques,
nous allons tenter dans le chapitre 3 de modliser sa persistance, en introduisant le concept de
mmoire longue. Ce concept signifie que limpact des chocs persiste dans une perspective du
long terme.
110

Rfrences
Aziz, Z.A. (2010), Islamic finance and global financial stability, Islamic Financial Services
Board.
Ahmad, Z., and H. Ibrahim. (2002), A study of Performance of The KLSE Syariah Index,
Malaysian Management Journal 6 (1 & 2): 25-34.
Bollerslev, T. (1986), Generalized Autoregressive Conditional Heteroscedasticity, Journal of
Economic Surveys, 7, pp. 305-62.
Bollerslev, T., Chou, R., and Kroner, K. (1992), ARCH Modeling in Finance, Journal of
Econometrics, Vol- 52, pp. 559.
Bollerslev, T., Engle, R.F., Wooldridge, J.M., A Capital Asset Pricing Model with TimeVarying Covariances, Journal of Political Economy, 96, pp 116-31, 1988.
Boudjellal, M .2010, Les acquis et les dfis de la finance islamique, Universit Frehat AbbasStif-Algrie.
Bourbonnais, R.1998, Economtrie, manuel et exercices corrigs, Dunod.
Brooks, C. (2004), Introductory Econometrics for Finance.Cambridge, University Press.
Chapra, U. (2008). Discussion Forum on the Financial Crisis: Comments from Islamic
Perspective. IIUM Journal of Economics and management, Vol.16, no. 2.
Chiadmi, MS, Ghaiti, F 2012, Modeling Volatility Stock Market using the ARCH and GARCH
Models: Comparative Study between an Islamic and a Conventional Index (SP Shariah VS SP
500), International Research Journal of Finance and Economics ISSN 1450- 2887 Issue 91.
Charles, A and Darn, O and Pop, A (2010), Are Islamic Indexes More Volatile Than
Conventional Indexes? Evidence from Dow Jones Indexes, working paper, LEMNA.
Cihak, M. et H. Hesse. (2008), Islamic Banks and Financial Stability: An Empirical Analysis,
IMF Working Paper.
Coulson, N.E. and R.P. Robins, 1985, Aggregate economic activity and the variance of
inflation:Another look, Economics Letters 17, 71-75.
Domowitz, I., Hakkio, C.S. (1985), Conditional Variance and the Risk Premium in the
Foreign Exchange Market, Journal of International Economics, 19, pp. 47-66.
El khamlichi, A. (2012), thique et performance : le cas des indices boursiers et des fonds
dinvestissement en finance islamique, 2012, Universit dAuvergne.
Engle, R.F. (1982), Autoregressive Conditional Heteroscedasticity with estimates of the
Variance of U.K. Inflation, Econometrica, 50, pp 987-1008.
111

Engle, R, Hendry.D,Trumble.D,(1985), Small-sample properties of ARCH estimators and
tests, Canad. J. Economics, 18, pp. 6693.
Engle.F,Lilien.M, Robins.P,(1987), Estimating Time Varying Risk Premia in the Term
Structure: The Arch-M Model, Econometrica, Vol. 55, No. 2.
Fadhlaoui, F.(2008), La crise de 2007: les recommandations de Stiglitz dans la rforme du
systme bancaire , Universit de Bourgogne ,Laboratoire dEconomie et de Gestion.
Guyot, A. (2008), Les prceptes de la Shariah contribuent-ils lefficience et la
performance des marchs dactions? Une tude comparative des indices Dow Jones Islamic.
Colloque international: Ouverture et mergence en Mditerrane, 17-18 octobre, Rabat
Maroc.
Hakim, S., and M. Rashidian. (2002), Risk & return of Islamic stock market indexes. 9th
Economic Research Forum Annual Meeting, 26-29 October, Sharjah UAE.
Hassoune, A. (2008), La finance islamique connait une croissance vertigineuse mais
fragmente. In La finance islamique la franaise, 87-126. ditions Bruno Leprince.
Herlin, P.(2010), Finance : le nouveau paradigme , dition Eyrolles.
Hussein, Khalid (2005), Ethical Investment: Empirical Evidence from FTSE Islamic Index,
Islamic Economic Studies, Vol.12, no.1 (August), pp. 21-40.
Hussein, K., and M. Omran. (2005), Ethical Investment Revisited: Evidence from Dow Jones
Islamic Indexes. The Journal of Investing 14 (3): 105-124.
Ibrahim, M (2002), Volatility Interactions between Stock Returns and Macroeconomic
Variables: Malaysian Evidence, Savings and Development no 2-2002-XXVI.
John Y. Campbell, Andrew W. Lo, & A. Craig Mac Kinlay,(1997), The Econometrics of
Financial Markets.
Kameel, A. (2009). Solution to the Global Financial Crisis. The Edge.
Kok, S., G. Giorgioni, J. Laws. (2009). Performance of Shariah-Compliant Indices in London
and NY Stock Markets and their potential for diversification, International Journal of
Monetary Economics and Finance 2 (3): 398408.
Lardic, S., Mignon V., (2002), Economtrie des Sries Temporelles Macroconomiques et
Financires, 2002, Economica.
Maher, H., Dridi, T., (2010), The Effects of the Global Crisis on Islamic and Conventional
Banks:A Comparative Study, IMF working paper.
Mandelbrot, B. (1963), The Variation of Certain Speculative Price, Journal of Business, Vol36, pp. 394-419.
112

Masmoudi, T.(2010), La finance islamique dans le contexte de la crise financire:
opportunits et dfis , Capmena.
Mirakhor, A.(2008). Discussion Forum on the Financial Crisis: Comments from Islamic
Mirakhor, A. and Krichene, N. (2009). Recent Crisis: Lessons for Islamic Finance. Paper
presented during the 2nd Islamic Financial Services Board Public Lecture, Kuala Lumpur.
Nelson, D. B. (1991). Conditional Heteroscedasticity in Asset Returns: A New Approach,
Econometrica, Vol- 59:2, pp. 347-70.
Osman, M.M. (2010). Immunity of Islamic Banks amid Credit Crunch is Another Testimony
of Islamic Banking Success. Aliqtissad Alislami. 348: 2-7.
Pochart, B.(2006), Processus multi-fractals en finance, Ecole polytechnique.
Siddiqi, M. N. (2008). Discussion Forum on the Financial Crisis: Comments from Islamic
Usmani, M. T. (2009). Post-Crisis Reforms: Some Points to Ponder. World Economic Forum:
http://www.weforum.org/pdf/faith/UsmaniPostCrisisReforms.pdf.
Wilson, R. (2007). Global Islamic capital markets: review of 2006 and prospects for 2007 .
Working Paper. Durham University.
113
Chapitre 3 : Modlisation de la mmoire longue

Introduction
La disponibilit des donnes financires haute frquence a favoris ltude des impacts de
court et de long terme dune brusque fluctuation sur la dynamique des sries temporelles
financires. Ces tudes ont permis de mettre en exergue le concept de mmoire longue
prsente dans les sries conomiques et financires.
Diebold et Nason (1990) ont prouv que ltude de ces sries rvle une dpendance
temporelle du risque qui disparat souvent progressivement. Or, le modle de type GARCH
que nous avons vu ne permet de modliser que la dpendance temporelle de court terme qui
implique une dcroissance exponentielle de leffet des chocs dans le temps. Le modle
GARCH est appel modle mmoire courte. Pour tendre la mmoire du modle GARCH,
Engle et Bollerslev (1986) ont dvelopp une extension du modle GARCH dite intgre
(IGARCH) qui prsente une mmoire explosive qui signifie que les effets de chocs sont
persistants linfini. Cependant, ce modle nest pas raliste. Un troisime modle plus
raliste et plus flexible a t dvelopp par Baillie, Bollerslev et Mikkelsen (1996). Ces
derniers ont propos une version ajuste des deux modles: cest le processus FIGARCH
(GARCH fractionnaire et intgr).
D'ailleurs, la recherche d'une structure de dpendance de long terme dans les chroniques
financires est intressante dans la mesure o elle est clairement la thorie de l'efficience
des marchs. Selon cette thorie, comme nous l'avons rappel dans le chapitre 1, les cours
boursiers suivent un processus de marche alatoire, et les rendements boursiers suivent un
processus de bruit blanc. Ainsi la prsence de mmoire longue dans les rendements boursiers
constitue ds lors un dfi vis--vis de la thorie de l'efficience. En fait, la mmoire longue, ou
la persistance de la volatilit, signifie l'existence d'un cart durable entre le cours et sa valeur
fondamentale (Mignon 1998). Ce qui contredit les bases de la thorie d'efficience des
marchs.
Nous allons tout dabord dfinir mathmatiquement le concept de mmoire longue avant de
prsenter le modle FIGARCH captant cette proprit. Rappelons que le processus mmoire

longue est caractris par une fonction dautocorrlation qui dcroit hyperboliquement quand
le retard saccroit. Tandis que les processus mmoire courte disposent dune fonction
dautocorrlation qui dcroit exponentiellement.
Un processus stationnaire
est un processus mmoire longue sil existe un nombre rel
et une constante c, c>0 vrifiant :

O
est la fonction dautocorrlation et k le retard. Par consquent, les autocorrlations dun
processus mmoire longue vrifient la relation asymptotique suivante :

, Les autocorrlations
1.
dcroissent de faon hyperbolique.
Modlisation de la mmoire longue : Modle FIGARCH
La prsence de mmoire longue dans les sries financires implique lexistence

dautocorrlations significatives long terme. Par consquent, lhypothse couramment
retenue de marche alatoire est remise en cause, galement pour le caractre de bruit blanc
des sries de rentabilits. La mmoire longue implique notamment un lien entre les valeurs
passes et les valeurs futures des rentabilits. Les valeurs passes des rentabilits ont des
consquences durables sur les rentabilits futures. Ceci dit, les valeurs passes aident la
formation des rentabilits futures, do lexistence dune certaine forme de prvisibilit des
rentabilits futures. Ce constat peine saccorder avec lhypothse defficience des marchs
dj dfinie en dtail dans le premier chapitre.
Le modle FIGARCH est prsent de la manire suivante.
De prime abord, nous supposons que la moyenne est dcrite par lquation suivante :
(3.1)
Pour simplifier, nous supposons que
est gal une constante
reprsente linformation passe jusqu la date t-1 ;

iid (0,
).
Les rsidus conditionnels
sont indpendants et identiquement distribus de moyenne
nulle et htroscdastiques tel que : (
suit un processus GARCH (p,q) sil vrifie les trois proprits suivantes:
(3.2)
116

(
(3.3)
(3.4)
vrifie :
( )
( )
(3.5)
o :
L dsigne loprateur de retard et :
( )
(3.6)
( )
(3.7)
Ce sont deux polynmes de L de degrs respectifs q et p. Pour sassurer de la stabilit et de la

stationnarit du processus
( )
( ) et
si(
, nous supposons que les racines des deux polynmes

( ) sont lextrieur du disque unit. Cette condition est satisfaite
. Le modle GARCH (p.q) peut scrire sous la forme dun modle ARCH
infini, tel que :
( )-
( ),
( )-
( )
( )-
(3.8)
Soit
(3.9)
O
( )
( ),
( )-
(3.10)
dcroit exponentiellement lorsque j tend vers
Le modle GARCH (p, q) peut tre rcrit sous la forme dun modle ARMA (m, p) tel que
m = max (p,q)
Soit :
(3.11)
Les rsidus dans lquation de la variance conditionnelle. En reprenant la dfinition du
modle GARCH (p, q) et remplaant
par
nous obtenons :
117

,
( )
Si ,
( )-
( )
( )-
( )-
(3.12)
admet une racine unitaire, dans ce cas, notre processus est non
stationnaire au sens de GARCH. Pour remdier ces limites, Engle et Bollerslev (1986)
dfinissent le modle IGARCH intgr. Il scrit :
(
) ( )
( )-
(3.13)
O
( )
(3.14)
Toutefois, ce modle prsente une persistance explosive des chocs de volatilit sur la
dynamique de la srie. En se basant sur le modle IGARCH, Baillie, Bollerslev et Mikkelsen
(1996) sinspirent de lanalogie entre le modle ARMA et le modle ARFIMA, pour dfinir le
modle FIGARCH partir du modle GARCH. Le modle rsultant est beaucoup plus
flexible. Les chocs de volatilit dcroissent exponentiellement mais sont plus persistants que
dans le modle GARCH et moins persistants que dans le modle IGARCH. Le modle
FIGARCH est obtenu en remplaant loprateur de retard (1-L) dans la dernire quation par
loprateur de retard fractionnel (
(
( )
) . Le modle FIGARCH (p; d; q) scrit alors :
( )-
o les polynmes ( ) et
(3.15)
( ) admettent des racines lextrieur du cercle unitaire. Le
processus FIGARCH (p; d; q), pareillement que pour le GARCH (p; q), admet une
reprsentation ARCH.
En remplaant
par son expression et en rorganisant les termes de lquation ci-dessus, on
obtient :
,
( )-
( )
( )-
(3.16)
ou encore
,
( )-
( ),
( )- -
(3.17)
Si on note ( ) le polynme dordre infini tel que

( )
( ),
( )-
(3.18)
Le modle FIGARCH scrit :

,
( ) -
( )
(3.19)
118

Breidt , Crato et De Lima (1998) adoptent une autre criture du modle. Ils considrent le
modle GARCH suivant :
,
( )
( )-(
( )
est la variance inconditionnelle de
(3.20)
dans le modle GARCH. Ensuite, ils montrent que
le modle FIGARCH peut tre spcifi comme suit :

( )(
) (
( )
(3.21)
Chung (2001) montre que le FIGARCH tel quil est dfini par Baillie, Bollerslev et Mikkelsen
(1996) est "non cohrent". Il considre ( ) dans lquation :
( )
2.
(3.22)
Outils de dtection de la mmoire longue
Il existe plusieurs mthodes de la dpendance de long terme dune srie financire ayant
pour objet destimer lexposant de Hurst H comme la mthode R/S et R/S modifi.
2.1
Analyse R/S
A partir de son tude sur le Nil, Hurst introduit en 1951, la statistique R/S permettant de
dtecter la prsence de mmoire longue. Cette statistique se dfinit comme ltendue R des
sommes partielles des carts dune srie temporelle sa moyenne, divise par son cart type
S.
de moyenne la statistique R/S scrit :
Considrons la srie temporelle
*
0
)+
) 1
(3.23)
Hurt a montr que la statistique R/S est proportionnelle

Hurst.
o H est appel exposant de
tant le nombre dobservations. On obtient donc une estimation de ce dernier
travers la relation suivante :

(3.24)
119

Comme nous lavons prcdemment mentionn, lexposant de Hurst permet une classification
des sries en fonction de leur niveau de dpendance. On peut, en outre dterminer une mesure
de corrlation de long terme
lie lexposant de Hurst :

(3.25)
mesure la corrlation entre la moyenne des observations passes et la moyenne des

observations futures dans un pass et futur assez long. Selon la valeur de H, il existe une
corrlation ngative, positive ou nulle.
Si,
Si
, le processus ne prsente aucune dpendance de long terme.

, le processus prsente de la mmoire longue. Notons, que
plus H est plus proche de 1, plus la dpendance est forte.
, le processus prsente de lanti-persistance.
Si
A partir de lanalyse R/S, on obtient une estimation de la persistance dune srie. Cependant,
il nexiste pas de test de significativit des valeurs estimes. Ainsi, il est impossible de savoir
si un exposant de Hurst estim, par exemple de lordre de H= 0.51 est ou non statistiquement
diffrent de 0.5. Il est donc difficile de dtecter une faible mmoire longue.
De plus lanalyse R/S prsente une sensibilit la prsence de mmoire de court terme. Ainsi,
Lo (1981) a propos une analyse R/S modifi permettant de corriger ce bisais destimation
(d la prsence de mmoire de court terme).
2.2
Analyse R/S modifi
Lanalyse R/S, modifi tout en restant sensible la mmoire longue, est invariante sous une
classe gnrale de processus mmoire courte. La statistique R/S modifi se dfinit
comme suit :
( )
)]
(3.26)
Avec :
( )
( )[
120
)(
] ;
(3.27)

( )
(3.28)
Lanalyse R/S modifi ne prend pas seulement en compte la somme des variances
individuelles mais inclut galement les auto-covariances.
3.
Rsultats empiriques
Avant destimer le paramtre de Hurst ncessaire pour dtecter lexistence de mmoire

longue, nous allons commencer par une analyse prliminaire des autocorrlations des indices
boursiers islamiques. Nous avons choisi seulement trois indices pour la raisons suivante.
En fait, lanalyse de la mmoire longue est dlicate pour les sries brves car l'exposant de
Hurst est sensible la taille de l'chantillon. Ainsi, De la Fuente et al. (1998) montrent que
l'exposant obtenu pour la composante x de l'attracteur de Lorenz est gale 0.82 pour 5000
donnes, et 0.62 pour 40000.
Tableau 28: Corrlogramme des rendements de lindice DJIMI
retard
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
autocorrlation
simple
0.109
-0.067
-0.001
0.016
-0.041
-0.041
0.003
0.029
-0.001
-0.015
0.014
0.014
0.038
-0.001
-0.009
0.027
0.031
-0.036
-0.016
-0.000
Autocorrlation
partielle
0.109
-0.080
0.016
0.009
-0.044
-0.029
0.005
0.023
-0.005
-0.012
0.014
0.007
0.041
-0.007
-0.004
0.027
0.025
-0.035
-0.003
-0.006
121
Q-Stat
Prob
37.516
51.893
51.899
52.662
58.086
63.308
63.341
65.981
65.983
66.716
67.364
67.995
72.569
72.571
72.824
75.073
78.125
82.346
83.210
83.211
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Tableau 29: Corrlogramme des rendements de lindice JII
retard
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
autocorrlation
simple
0.085
-0.011
-0.017
-0.010
-0.012
0.004
-0.035
-0.011
-0.036
0.002
0.039
0.028
0.043
0.054
0.010
0.032
0.015
-0.022
0.018
0.003
Autocorrlation
partielle
0.085
-0.018
-0.015
-0.008
-0.011
0.005
-0.036
-0.005
-0.036
0.007
0.037
0.020
0.040
0.048
0.004
0.032
0.013
-0.021
0.026
0.004
Q-Stat
Prob
18.830
19.135
19.904
20.168
20.521
20.555
23.699
23.989
27.357
27.369
31.306
33.374
38.114
45.824
46.095
48.702
49.315
50.570
51.413
51.431
0.000
0.000
0.000
0.000
0.001
0.002
0.001
0.002
0.001
0.002
0.001
0.001
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Tableau 30: Corrlogramme des rendements de lindice MSCI Islamic
retard
1
2
3
4
5
6
7
8
9
10
11
autocorrlation
simple
0.083
-0.147
0.039
0.046
-0.014
-0.050
0.008
0.026
-0.022
0.005
0.042
Autocorrlation
partielle
0.083
-0.155
0.068
0.013
-0.004
-0.043
0.012
0.011
-0.018
0.017
0.032
122
Q-Stat
Prob
5.7499
23.767
25.051
26.823
26.978
29.050
29.103
29.659
30.064
30.088
31.576
0.016
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.001

12
13
14
15
16
17
18
19
20
-0.011
0.025
-0.032
-0.049
0.026
0.066
-0.073
0.014
0.032
-0.017
0.041
-0.048
-0.035
0.023
0.056
-0.078
0.052
-0.007
31.683
32.201
33.048
35.083
35.672
39.349
43.898
44.059
44.952
0.002
0.002
0.003
0.002
0.003
0.002
0.001
0.001
0.001
Au vu des tableaux (28, 29 et 30) relatifs aux autocorrlations des rendements des indices
boursiers islamiques, nous constatons que ces autocorrlations sont significatives. Ce qui
laisse prsager lexistence de la mmoire longue. Nous allons maintenant estimer le paramtre
de Hurst travers les mthodes R/S modifi pour tester lexistence de la mmoire longue.
Nous avons utilis le logiciel RATS 8.3 (Regression Analysis of Time Series) en
instrumentalisant la procdure suivante : @hurst rendement.
Nous avons trouv les chiffres exhibs dans le tableau 31.
Tableau 31: Estimation du paramtre de Hurst pour les 3 sries financires
DJIMI
Paramtre
de Hurst H
0.55
JII
0.59
MSCI Islamic
0.62
Daprs les rsultats prsents dans le tableau 31, nous remarquons clairement que les 3 sries
financires prsentent une dpendance long terme (H>1/2). Ainsi ce paramtre rvle des
phnomnes de persistance. Lvolution des 3 sries tend suivre des tendances. Si les
rendements ont augment dans le pass, la probabilit est forte quils continuent le faire.
Cette persistance relve galement une corrlation long terme entre les vnements actuels
et les vnements futurs. Chaque observation porte la mmoire des vnements qui lont
prcd (Delignires, 2001).
Nous allons essayer destimer les paramtres du modle mmoire longue travers le modle
FIGARCH (1.d.1).
123
Tableau 32: Estimation du modle mmoire longue FIGARCH (1.1)

DJIMI
JII
MSCI Islamic
Normale
Student
t.skewed
Normale
Student
t.skewed
Normale
Student
t.skewed
0.00019
(0.0037)
0.6117
(0.0000)
0.1053
(0.0027)
0.5346
(0.0000)
0.00021
(0.0095)
0.6220
(0.0000)
0.0979
(0.0144)
0.5499
(0.0000)
9.0504
(0.0000)
0.00021
(0.0094)
0.6238
(0.0000)
0.0953
(0.0152)
0.5520
(0.0000)
9.5220
(0.0000)
-0.0666
(0.0085)
10338
-6.5264
0.00036
(0.0000)
0.9092
(0.0000)
0.9530
(0.0000)
0.1320
(0.0014)
0.00036
(0.0000)
0.8813
(0.0000)
0.9259
(0.0000)
0.13723
(0.0075)
4.9111
(0.0000)
0.00029
(0.0462)
0.6871
(0.0000)
-0.08140
(0.0485)
0.7173
(0.0000)
0.00036
(0.0741)
0.6810
(0.0000)
-0.0732
(0.1468)
0.70445
(0.0000)
6.31587
(0.0000)
6872
-5.1390
6975.09
-5.3979
0.00039
(0.0004)
0.00535
(0.9850)
-0.09102
(0.7345)
0.26308
(0.0000)
4.8895
(0.0000)
-0.0050
(0.8538)
6975.49
-5.3975
2634
-6.3359
2643
-6.3570
0.00032
(0.0823)
0.68225
(0.0000)
-0.06878
(0.1740)
0.7002
(0.0000)
6.4067
(0.0001)
-0.05985
(0.1983)
2644
-6.3566
S*
LL
13002
Aic -6.5052
10334
-6.5248
Les rsultats reports dans le tableau 32 montrent que les sries exhibent un phnomne de
dpendance de long terme dans leurs volatilits conditionnelles.
En fait, le coefficient dintgration fractionnaire d est positif et statistiquement significatif
pour les 3 sries, donc une dpendance long terme est prsente clairement dans lquation
de la variance, abstraction faite du type de la distribution des rsidus. Au vu de la valeur de la
fonction du maximum de vraisemblance, nous pouvons retenir le modle FIGARCH avec des
distributions t skewed.
Nous avons mis en vidence la prsence de la mmoire longue dans la composante de la

volatilit des indices boursiers islamiques, linstar de la plupart des sries conomiques et
financires. Ce phnomne contredit les bases de lefficience des marchs. Nous rappelons
que lhypothse defficience des marchs est associe au modle de marche alatoire. Cela
signifie que le prix observ sur le march fluctue de faon alatoire autour de sa valeur
fondamentale. Cette absence de mmoire tant empiriquement une hypothse trop restrictive
(Mignon, 1995).
124
En fait, Fama (1970) a montr que la mmoire courte ne remet pas en cause lhypothse
defficience, puisque le fait que quelques autocorrlations soient significatives court-terme
ne peut pas tre utilis pour spculer. En revanche, la prsence dune mmoire longue pose
davantage de problmes. Summers (1986) a tudi en dtail le phnomne de retour la
moyenne des prix : la suite dun choc, le prix scarte de sa valeur fondamentale mais finit
toujours par y revenir. Ce phnomne implique alors lexistence possible dun cart entre le
cours et la valeur fondamentale. Toutefois, si lcart est durable, comme cest le cas prsent,
cela signifie lexistence la prsence dune mmoire longue. Ce phnomne va alors
lencontre de la proprit defficience: plus une srie sera persistante, plus il sera possible
dtablir une stratgie rmunratrice sur les marchs, ce qui remet fortement en cause
lefficience de ces marchs.
Deux principaux facteurs ont t avancs pour justifier la prsence de mmoire longue dans
les sries financires et conomiques. Granger et Hyung (2004) ont mis en vidence le facteur
relatif la prsence de ruptures structurelles occasionnelles rsultant de chocs financiers de
grande ampleur. Cest le cas par exemple de la bulle internet survenue en 2000 et la crise des
subprimes survenue en 2007-2008. Cette dernire a impact aussi bien les indices boursiers
conventionnels que les indices boursiers islamiques, comme nous avons analys dans le
chapitre prcdent. Cette crise a, par consquent, gnr le phnomne de la persistance dans
la composante de la volatilit des indices boursiers islamiques. Granger (1980) a galement
avanc lagrgation de micro-variables prsentant de la mmoire courte conduisant la
formation dune variable prsentant de la mmoire longue.
125
Conclusion
Lestimation de la volatilit prsente un intrt majeur dans la mesure o elle permet de grer
les risques et les portefeuilles. Cela rejoint la base de la mthode de Markovitz qui consiste
optimiser les ressources en procdant un arbitrage entre le risque des titres quantifi par leur
volatilit, et leur rendement espr. Il est donc primordial de mesurer avec la meilleure
prcision possible la volatilit des rendements.21
En vue dobtenir une meilleure quantification du risque encouru par les marchs financiers, la
modlisation doit prendre en compte les caractristiques les plus importantes de la volatilit
(Campbell, Lo, et MacKinlay 1997) notamment la mmoire longue. Ce concept, introduit par
Hurst (1951) met en exergue une persistance long terme des autocorrlations dune srie
temporelle. On parle alors de dcroissance hyperbolique. En finance, les sries de volatilit
journalire prsentent de la mmoire longue. Cela signifie que le niveau de volatilit
journalire datant de six mois a un impact sur la volatilit actuelle, et que celle-ci aura encore
un impact sur la valeur de volatilit dans six, neuf mois voire un an. Cela se rvle
particulirement intressant dans loptique de la gestion long terme.
Cest dans ce sens que nous avons apprhend la prsence potentielle de la mmoire longue
dans la volatilit des indices boursiers islamiques. Si les rendements ou la volatilit affichent
la mmoire longue ou une dpendance long terme, les autocorrlations demeurent
significatives dans un espace temporel assez large. Cela signifie galement que leffet des
chocs impacte la volatilit des indices boursiers islamiques dans une perspective de long
terme.
Nous allons approfondir notre analyse pour mieux apprhender le comportement stochastique
des sries financires, relevant des marchs dactions islamiques, en ayant recours aux
fractales, en tant que nouvelle approche en modlisation des marchs financiers. Cette
approche fonde par Mandelbrot (1977), rcemment applique aux marchs financiers, met en
21
Coulon, J. 2009. mmoire longue, volatilit et gestion de portefeuille, Universit Claude Beranrd,Lyon.
126

vidence des caractristiques de plus en plus compliques des chroniques boursires. Il a
dgag deux principales proprits stochastiques : linvariance dchelle et lautosimilarit.
Nous allons mettre en lumire cette nouvelle approche, dans le chapitre 4, et nous allons
essayer de mettre en vidence la structure multi-fractale de quelques indices boursiers
islamiques.
127
Rfrences
Baillie, R.T., Bollerslev T.et Mikkelsen H.O., 1996, fractionally integrated generalized autoregressive conditional heteroscedasticity, Journal of Econometrics 74, 3-30.
Bollerslev, T. et Mikkelsen H. O., 1996, Modeling and pricing long memory in stock market
volatility, Journal of Econometrics, Vol. 73, 151-184.
Breidt, F.J., Crato, N, et De Lima, P., 1998, The detection and estimation of long memory
in stochastic volatility, Journal of Econometrics, Vol. 83, 325-348.
Campbell, John Y., Andrew W. LO and A. Craig MacKINLAY, 1997, The Econometrics of
Financial Markets. Princeton University Press.
Chung, C. F., 2001, Estimating the fractionally integrated GARCH model, National Taiwan
University discussion paper.
De la Fuente, I.M., Martinez, L., Aguirregabiria, J.M. & Veguillas, J. (1998). R/S analysis in
strange attractors. Fractals, 6, 95-100.
Delignires, D.2001, lanalyse des processus stochastiques, Universit de Montpellier I.
Engle, R.F., et T. Bollerslev, 1986, Modeling the persistence of conditional variances,
Econometric reviews, Vol. 5, 1-50.
Fama, E., (1970), Efficient capital markets: a review of theory and empirical work, Journal of
finance, Volume 25, Issue 2, pages 383417
Granger, C.W.J., 1980, Long Memory Relationships and the Aggragation of Dynamics Models, Journal of Econometrics, Vol. 14, 227238.
Granger, C.W.J. et Joyeux, R., 1980, An Introduction to long memory time series models
and fractional differencing, Vol 1,15-29.
Granger, C.W.J , Hyung, N., (2004), Occasional structural breaks and long memory with an
application to the S&P 500 absolute stock returns, Journal of Empirical Finance 11 (2004)
399421.
Hosking, J.R.M., (1981), Fractional Differencing, Biometrica, n 68 (1), 165-176.
Hurst, H.E., 1951. Long-term storage capacity of reservoirs. Transactions of the American
Society of Civil Engineers, Volume 116, Pages 770-799.
Lo, A. W. (1991), Long-term memory in stock market prices, Econometrica, 59, 1279-1313.
Mandelbrot, B. B. (1977), Fractals: Form, Chance, and Dimension, New York: Free Press.
128

Mignon, V., 1995, Les tests de mmoire longue appartiennent-ils au camp du dmon ?
Document de travail MODEM, Universit Paris X Nanterre.
Summers, L.H., 1986, Does the stock market rationally reflect fundamental values?, Journal
of Finance 41, 591-601.
129
Chapitre 4 : Multi-fractalit des indices boursiers islamiques

Introduction
Pendant des sicles, la gomtrie euclidienne tait le seul moyen adopt pour reprsenter tout
objet dans la nature. Cependant, cette mthode a montr des limites. Elle sest confronte
des objets ayant des formes tellement complexes, et qui ne peuvent pas tre reprsents par
des formes simples gnres principalement de courbes et de droites. Ainsi les gomtres
trouvaient illogique dassimiler les montagnes des cnes, les nuages des sphres ou les
arbres des cylindres. A lpoque, la gomtrie classique navait pas de rponses ce genre
de problmatiques, ainsi plusieurs phnomnes sont rests inexplicables.
Von Koch (1904) a publi un article Sur une courbe continue sans tangente , dans lequel il
a reprsent le flocon de neige qui porte son nom. Von Koch a obtenu cette forme en partant
dun triangle quilatral de primtre a, dont il a bris chaque ct en trois morceaux gaux,
et a remplac lintermdiaire par un autre triangle quilatral. En ritrant ce processus n fois
et tendant n linfini il a obtenu une forme plane, continue, de surface finie, qui nadmet de
tangente en aucun point, et dont le primtre est
. /
Figure 38: Flocon de Von Koch aprs 3 itrations
Suite cette invention, dautres formes gomtriques ont vu le jour comme le triangle de
Sierpinski et lensemble de Julia, cependant ces formes ont t qualifies de mystrieuses,
sans quon nen sache lutilit, ni quon leur attribue de nom.
Figure 39: Triangle de Sierpinski aprs 4 itrations
Lautosimilarit, apparaissant sur une large gamme dchelle de temps ou de longueur, peut
tre dfinie pour une chelle de longueur slectionne avec cette mthode.
Ayant t le premier les appeler fractales (du mot latin fractus qui veut dire bris),
Mandelbrot (1969) a donn la dfinition suivante aux fractales: Les fractales sont des objets
quon appelle irrguliers, rugueux, poreux, ou fragments, et qui de plus possdent ces
proprits au mme degr toutes les chelles. Cest dire que ces objets ont la mme forme,
quils soient vus de prs ou de loin. . Selon Mandelbrot, les fractales gardent la mme forme
quelle que soit lchelle utilise, et reprsentent donc des zigzags qui ne sattnuent
jamais . Ces constats ont t une bonne piste pour tudier des phnomnes chaotiques.
Mandelbrot a ainsi distingu trois types de hasard: le hasard bnin qui peut tre dcrit par le
mouvement brownien, le hasard sauvage qui est beaucoup plus complexe que le premier, et
donc loin dtre qualifi de brownien, celui-ci correspond au mouvement des fluides
turbulents, ainsi que les chroniques boursires et les variations des prix, et enfin le hasard lent
qui caractrise les gaz.
Lobjectif de ltude des fractales est de concevoir des outils plus performants que le
mouvement brownien afin de dompter le hasard sauvage. Mandelbrot ne sest pas content
seulement de laspect gomtrique des fractals, mais il a essay de dvelopper le volet
analytique avec dautres mathmaticiens savoir Fisher et Calvet (1997, 2007, 2008). Ils ont
russi tablir de nouveaux processus stochastiques destins la modlisation des sries
financires.
1.
Revue de littrature
Lanalyse classique des vnements extrmes sur les marchs nest pas vidente, vue la faible
frquence dobservation de ces phnomnes. Par contre, lapproche fractale permet une
analyse de ceux-ci en adoptant la notion de proprits dchelle . On appelle proprits
dchelle la rcurrence de certains phnomnes, observs des chelles diffrentes.
Lapplication de cette notion aux sries financires, montre quil existe des rgularits
132

statistiques dans les variations de prix mensuelles, hebdomadaires, quotidiennes, voire intraquotidiennes. La prise en compte de cette rgularit permet une modlisation des sries
financire qui soit transposable toutes les frquences dobservation. Par exemple un choc
important lchelle dune journe peut aider la modlisation des chocs observs des
frquences plus basses (Mandelbrot, 1969).
La modlisation multi-fractale a fait lobjet de plusieurs tudes dans plusieurs domaines
comme la gophysique, la climatologie, le traitement dimages et ltude du trafic internet.
Rcemment, la finance a t le domaine cible de lapplication des fractales. Plusieurs articles
ont tent dtudier la multi-fractalit des sries financires. Outre les travaux fondateurs de la
de Mandelbrot, Fisher et Calvet, la multi-fractalit a t observ dans plusieurs marchs
financiers, et les rsultats sont presque convergents. Filll (2005) a tudi le comportement
fractal du taux de change Dollar/ Euro. Il a mis en vidence le caractre multi-fractal de ce
taux, et a conclu via la simulation de Monte Carlo la supriorit la modlisation multifractale par rapport aux modles GARCH et FIGARCH. Cont (2000) a mis en vidence
certaines proprits empiriques en tudiant le comportement de lindice boursier S&P 500. Il
a mis en exergue la proprit de linvariance dchelle qui est lune des proprits des
modles multi-fractales. Toutes les tudes ont cibl les sries financires classiques issues des
marchs conventionnels. Nous allons dans ce chapitre analyser le comportement stochastique
des indices boursiers islamiques, partir de la thorie des fractales, pour voir dans quelle
mesure ces indices captent linvariance dchelle et lautosimilarit.
2.
Invariance dchelle et processus auto-similaires
On dit quun phnomne ou un objet reprsente une invariance dchelle, sil garde la mme
forme, quon lobserve de prs ou de loin, autrement dit, si on change lchelle de temps ou
despace, lallure reste la mme. Cette proprit perd de son sens partir dune chelle de
temps donn.
Mathmatiquement, un phnomne reprsentant une invariance dchelle est dcrit par une loi
de puissance :
( )
(4.1)
O :
est une constante dite constante de proportionnalit ;
133

est une autre constante, dite exposant, puissance, indice ou encore degr de la loi et
une
fonction de .
Pareto a utilis cette loi de puissance en tudiant la rpartition des richesses. Il a montr que la
fraction des personnes possdant un revenu suprieur x suit asymptotiquement la loi de
puissance (ou de Pareto) dindice
gal environ 1,5 :
( )
(4.2)
Notre objectif est dtudier linvariance dchelle pour les processus stochastiques. Etant
donn un processus * ( )+ accroissements stationnaires, on dit que celui-ci est invariant
( ) (Incrments) suivent une loi de puissance :
dchelle si les moments absolus de

,|
( )| -
Avec : pour tout t
( )
T, q
( )
(4.3)
Q;
T et Q sont des intervalles de R ;

( ) et C(q) sont des fonctions dfinies sur Q. De plus, il est suppos 0
T, [0,1] Q.
On dit que le processus * ( )+ est :

Mono-fractal : si ( ) est linaire
Multi-fractal : si ( ) est non linaire
On appelle ( ) exposant multifractal ; sil vrifie les proprits suivantes :

Si la relation ci-dessus est valide lorsque
,|
( )| -
( )
( )
tend vers 0, cest dire si :
Alors ( ) est concave.
Si ( ) est non linaire alors la relation dapproximation ci-dessus ne peut pas tre valide
simultanment au voisinage de 0 et
Nous allons maintenant dfinir les trois types dinvariance dchelle : linvariance dchelle
exacte, linvariance dchelle asymptotique, et linvariance dchelle discrte.
Soit le processus accroissements stationnaires * ( )
Le processus * ( )+
+, alors :
possde une invariance dchelle exacte caractrise par
lexposant multi-fractal ( ) si les moments absolus des accroissements
134
()

lchelle
infrieure certaine chelle T (dite temps intgral), varie en loi de
puissance, c.--d. si ,|
( )| -
( )
Le processus * ( )+ possde une invariance dchelle asymptotique si les moments

( ) lchelle
absolus des accroissements

voisinage de 0 : ,|
( )
( )| -
( )
suivent une loi de puissance au
( )
Le processus * ( )+ possde une invariance dchelle discrte si les moments absolus

( ) lchelle
des accroissements
de
puissance
pour
( )| ]
[|
un
( )
sont caractriss par un comportement en loi
sous-ensemble
discret
+ dchelles :
( )
Il est signaler que dans le cadre dune invariance dchelle exacte, le processus perd son
caractre multi-fractal au-del du temps intgral T.
Ltude des phnomnes reprsentant une invariance dchelle a donn naissance une classe
importante de processus stochastiques, savoir les processus auto-similaires.
Un processus * ( )
a lgalit en
( ( )
+ est dit auto-similaire dindice de Hurst H > 0 si pour tout
on
:
)
()
Avec X(0) = 0.
Les processus auto-similaires ont t introduits par Kolmogorov (1941) dans ses tudes sur les
fluides turbulents.
3.
Rsultats empiriques
Pour dtecter la multi-fractalit des indices boursiers islamiques, nous allons calculer les
moments dordre absolus pour divers chelle de temps de 1 10 jours et pour un ordre de
moment variant de 0.5 5. Ensuite, nous allons tracer ces moments pour dtecter linvariance
dchelle en tant que principal caractristique des processus multi-fractals. Nous rappelons
quune srie prsentant des relations dchelle dans ses moments, est une srie o il existe une
mme caractristique entre lesprance, la variance, le moment dordre 3 On parle de srie
uni-fractale lorsquil nexiste quune seule relation dchelle et de srie multi-fractale
135

lorsquil en existe plusieurs. Une relation dchelle dfinit ainsi lexistence de caractristiques
similaires pour toute chelle dobservation.
Nous allons instrumentaliser les donnes de 3 indices boursiers islamiques, le S&P Sharia, le
DJIMI et le JII. Nous avons ignor les 3 autres indices (MSCI Islamic, KLSI et le FTSE
Sharia) cause de lchantillon de donnes qui nest pas trs large. En fait, nous allons
obtenir une nouvelle base de donnes partir des donnes initiales. Pour obtenir la fonction
des moments sur une chelle de temps de 10 jours, le nombre de donnes disponibles pour
chaque indice doit tre divis par 10. Ainsi, pour les indices qui ne seront pas sujettes notre
application, les donnes ne dpasseraient pas 90 observations ! Sachant que la modlisation
multi-fractale exige un chantillon de donnes plus large.
Si nous visualisons les 3 figures suivantes (40, 41 et 42), nous apercevons le caractre fractal
des 3 chroniques boursires. En fait, les trajectoires montrent des similitudes des chelles
diffrentes. Il ne faut pas saisir par-l que les trajectoires sont identiques diffrentes
chelles, mais quelles possdent les mmes caractristiques (mme degr dirrgularit,
mme loi un facteur prs).
,1
0,0
0
01
-2
EC
-D
10
06
20
LU
0
-J
01
29
-2
AR
-M 009
22
-2
V
O
-N
09
09
20
LU
9
-J
00
02
-2
EB 8
-F
0
24 -20
CT
8
-O
00
14
-2
N
U
8
-J
00
06
-2
N
A
-J
07
29
20
PE
-S 007
19
-2
AY
6
-M
00
11
-2
EC
-D
29
-,1
Figure 40: Aspect fractal des rendements journaliers de lindice S&P Sharia
136
Figure 41: Aspect fractal des rendements journaliers de lindice DJIMI
Figure 42: Aspect fractal des rendements journaliers de lindice JII
Les 3 figures ci-dessus font ressortir deux effets. Un effet No qui se traduit par dnormes
carts par rapport lcart moyen des rendements en question. Nous pouvons visualiser, pour
les 3 figures, des rendements ayant des valeurs extrmes, concidant avec la priode de la
crise financire pour lindice S&P Sharia, et avec la priode de la crise des valeurs
technologiques survenue en 2002 pour les deux indices DJIMI et JII. Leffet No a pour
consquence de rendre la variance htroscdastique.
Le deuxime effet constat, cest celui de Joseph. Cest un effet qui traduit la persistance en
termes de volatilit. Ainsi les fractales, sont des objets exhibant des irrgularits en forme, et
des similitudes diffrentes chelle de temps.
137

Nous allons maintenant essayer de dtecter empiriquement la fractalit des sries financires
en question travers la mise en vidence des proprits dchelles.
138
Tableau 33: Moments des rendements absolus du JII divers chelles de temps de 1 10 jours
q=0,5
q=1
q=1,5
q=2
q=2,5
q=3
q=3,5
q=4
q=4,5
q=5
1jr
2jr
3jr
4jr
5 jr
6jr
7jr
8jr
9jr
10 jr
1,4
2,9
7,4
22,7
79,8
311,9
1329,3
6070,4
29290,5
147619,7
1,8
4,4
13,4
48,3
194,3
853,4
4012,2
19935,5
103687,5
560228,1
2,0
5,3
17,7
69,4
305,6
1475,1
7651,1
42034,6
241891,5
1444801,3
2,1
6,2
22,5
95,2
450,5
2309,8
12561,2
71347,2
418736,4
2519935,6
2,3
7,0
26,6
116,9
578,9
3149,8
18485,7
115265,2
753971,9
5119375,5
2,4
7,9
32,4
156,2
850,2
5069,4
32374,7
217590,5
1518804,2
10902348,6
2,6
8,7
36,1
176,1
970,8
5895,6
38562,7
266591,7
1918916,5
14219777,9
2,6
8,7
35,6
166,6
861,8
4808,2
28382,4
174924,1
1115046,2
7302326,9
2,8
10,2
46,2
244,1
1447,1
9366,1
64875,5
473932,2
3611119,3
28453957,7
2,9
10,7
49,0
264,6
1615,6
10851,3
78432,3
599851,7
4792207,8
39603276,3
Tableau 34: Moments des rendements absolus du DJIMI divers chelles de temps de 1 10 jours
q=0,5
q=1
q=1,5
q=2
q=2,5
q=3
q=3,5
q=4
q=4,5
q=5
1 jr
2 jrs
3jrs
4jrs
5 jrs
6jrs
7jrs
8jrs
9jrs
10 jrs
3,3
13,9
69,4
400,0
2637,1
19714,4
165502,0
1539249,9
15595326,2
169125386
4,2
21,8
131,6
897,5
6791,8
56366,7
507676,2
4912163,5
50553496,7
548084908
4,7
26,7
175,6
1296,9
10558,9
93600,6
893690,3
9096454
97734077,2
1098326394
5,1
31,2
220,6
1750,8
15326,7
146165,3
1500783,6
16398088,8
188514673
2256737694
5,4
35,7
273,4
2391,6
23740,1
265297,6
3290741,3
44439116,7
640241362
9669054182
5,5
37,0
291,6
2592,3
25694,7
282102,7
3406251,2
44724907
629039862
9325336772
5,8
41,3
336,0
3048,1
30303,1
325521,2
3731227,1
45110119,8
569245026
7430075676
6,0
44,1
374,1
3600,2
39041,4
475631,4
6472172,9
97149964,1
1579444265
27262964534
6,1
45,6
387,6
3642,3
37193,9
407987,7
4770080,7
59101881
772011778,6
10573318664
6,4
49,8
443,6
4406,5
47909,8
562517,4
7052366,8
93497562,8
1299706947
18803675998
139
Tableau 35: Moments des rendements absolus du S&P Sharia divers chelles de temps de 1 10 jours
q=0,5
q=1
q=1,5
q=2
q=2,5
q=3
q=3,5
q=4
q=4,5
q=5
1 jr
2,7
9,5
39,3
188,6
1024,2
6213,4
41531,6
301009,8
2326066,1
18870891,5
2 jrs
3,2
12,5
56,3
284,0
1574,1
9508,9
62101,0
434424,7
3220213,6
25008310,1
3jrs
3,7
16,2
82,2
467,6
2962,8
20661,3
156417,5
1265792,7
10786286,3
95546815,7
4jrs
3,8
17,7
97,8
628,0
4565,6
36595,8
315537,4
2867626,0
27054053,1
262112851,5
5 jrs
3,9
18,7
101,9
625,6
4278,1
32310,0
266368,5
2362903,7
22215826,1
218340237,1
140
6jrs
4,1
20,4
116,5
740,0
5156,3
39005,0
317158,3
2744080,8
25003697,1
237579807,3
7jrs
4,4
23,1
135,8
860,2
5764,0
40318,1
291618,1
2165747,6
16427398,7
126742201,2
8jrs
4,4
23,9
151,4
1139,2
10273,6
109555,3
1326955,9
17438900,3
240177047,4
3393288829,0
9jrs
4,7
26,9
177,8
1314,0
10649,1
92933,4
859453,9
8310174,1
83102838,1
852289421,4
10 jrs
4,7
26,7
178,2
1410,8
13386,9
149721,5
1891563,1
25800030,2
367526788,2
5359823372,1

1,E+08
Moments abslous d'ordre q
1,E+07
q=0,5
1,E+06
q=1
1,E+05
q=1,5
q=2
1,E+04
q=2,5
1,E+03
q=3
1,E+02
q=3,5
q=4
1,E+01
q=4,5
1,E+00
1jr
2jr
3jr
4jr
5 jr
6jr
7jr
8jr
9jr
10 jr
q=5
Echelle de temps de 1 10 jrs
Moments absolus d'ordre q
Figure 43: Moments des rendements absolus du Jakarta Islamic Index
1,E+11
1,E+10
1,E+09
1,E+08
1,E+07
1,E+06
1,E+05
1,E+04
1,E+03
1,E+02
1,E+01
1,E+00
q=0,5
q=1
q=1,5
q=2
q=2,5
q=3
q=3,5
q=4
q=4,5
1 jr
2 jrs
3jrs
4jrs
5 jrs
6jrs
7jrs
8jrs
9jrs
10 jrs
Figure 44: Moments des rendements absolus du DJIMI
141
q=5

1,E+10
q=0,5
Moments absolus d'ordre q
1,E+09
q=1
1,E+08
q=1,5
1,E+07
q=2
1,E+06
q=2,5
1,E+05
q=3
1,E+04
q=3,5
1,E+03
q=4
1,E+02
q=4,5
1,E+01
q=5
1,E+00
1 jour 2 jours 3jours 4jours 5 jours 6jours 7jours 8jours 9jours
10
jours
Figure 45: Moments des rendements absolus du S&P Sharia
Nous remarquons clairement que linvariance dchelle exacte est vrifie pour tous les
indices islamiques, mais elle commence disparatre au-del du temps intgral estim de 3
jours.
Aprs avoir vrifi linvariance dchelle exacte pour les trois indices, nous allons en tudier
les caractristiques de lexposant multi-fractal. Nous allons calculer la fonction C(q) pour q
variant de 0.5 5 avant de calculer lexposant multi-fractal pour les 3 indices islamiques.
Tableau 36: Valeurs de la fonction C(q) pour JII, S&P Sharia et DJIMI
JII
S&P Sharia
DJIMI
1,44
2,72
3,32
q=0,5
2,90
9,47
13,93
q=1
7,43
39,34
69,37
q=1,5
22,74
188,65
399,96
q=2
79,80
1024,24
2637,06
q=2,5
311,94
6213,37
19714,38
q=3
41531,61
165502,01
q=3,5 1329,32
6070,39
301009,77
1539249,93
q=4
q=4,5 29290,47 2326066,11 15595326,20
147619,75 18870891,50 169125386,00
q=5
142

Nous allons maintenant dduire les valeurs de lexposant multi-fractal ( ) pour les 3 indices.
Tableau 37: Valeurs de lexposant multi-fractal (q) des rendements absolus
JII
1,79
2,18
2,61
3,06
3,51
3,95
4,35
4,74
5,11
5,48
q=0,5
q=1
q=1,5
q=2
q=2,5
q=3
q=3,5
q=4
q=4,5
q=5
S&P Sharia
1,69
1,90
2,07
2,17
2,22
2,21
2,16
2,08
2,00
1,91
DJIMI
1,82
2,26
2,74
3,24
3,72
4,12
4,43
4,60
4,68
4,68
Exposant multifractal
5
4
JII
SP SHARIAH
2
DJIMI
1
0
0,5
1,5
2,5
3
3,5
ordre du moment
4,5
Figure 46: Exposant multi-fractal des 3 indices boursiers islamiques
Dans cette figure (46), nous constatons que lexposant multi-fractal est non-linaire pour les
trois indices, do lon dduit que ceux-ci ont une structure multi-fractale, et quaucun nest
mono-fractal.
143

Nous avons montr que la distribution des variations de prix relatifs aux marchs dactions
islamiques suit une loi dchelle. Les variations de grande amplitude sont aussi frquentes que
celles de petite amplitude, ce qui contredit compltement les soubassements de la loi normale
qui affirme quune variation de grande ampleur est beaucoup plus rare quune variation de
petite ampleur. Avec cette approche, le risque de faillite est beaucoup plus frquent.
Cependant, dans le cadre dune loi normale, un cart extrme des cours a une trs faible
probabilit alors quil est bien plus courant avec une loi de puissance. La loi dchelle, selon
Mandelbrot, rend les dcisions difficiles, les prvisions prilleuses et les bulles certaines
(Herlin, 2010).
144

Conclusion
La crise financire a mis en lumire les limites de certains modles statistiques, domins par
un ensemble dhypothses restrictives. Ces dernires prennent imparfaitement en compte les
dynamiques brutales associes lmergence de crises, ou lapparition dvnements
extrmes. Mandelbrot (2005) a mis en vidence les limites des modles classiques de finance
depuis lapport de Bachelier. Il estime que les marchs sont plus sauvages et effrayants ,
lencontre des hypothses thoriques classiques. Ils ajoutent que les hypothses sous-tendant
lutilisation des outils financiers standards sont absurdes : les variations des cours ne sont pas
pratiquement continues mais effectuent des sauts de manire triviale et importante. Il a
galement affirm que lhypothse defficience des marchs nest pas pertinente : le march
nest pas toujours un jeu quitable dans lequel les vendeurs quilibrent les acheteurs.
La finance islamique pourrait ainsi profiter de la performance de cette nouvelle classe de
modles. Ces modles ont le principal avantage de prendre en compte la plupart des faits
styliss, lencontre des modles classiques qui peinent capturer linvariance dchelle et
lautosimilarit.
Nous avons jusqu prsent, analys les indices boursiers islamiques dans un cadre uni-vari,
sans tenir compte des interactions avec les autres actifs financiers. Dailleurs, Nous avons
expliqu les raisons de la volatilit importante des marchs dactions islamiques par le fait
que la crise financire (2007-2008) a fini par impacter la finance islamique ds que cette crise
a touch la sphre relle de lconomie. Cela peut tre expliqu par la dure prolonge de la
crise, et leffet de la contagion. En fait, la forte interdpendance entre les marchs via les
phnomnes de contagion, est souvent exacerbe par les crises (Idier, 2011).
Ainsi, nous allons essayer daborder le phnomne de contagion, en procdant lanalyse des
mcanismes de transmission de la volatilit du march daction Amricain, en tant que
march gnrateur de crise, vers les deux marchs dactions islamiques Malaisien et
Indonsien. Nous allons faire appel un modle multi-vari et corrlations conditionnelles
dynamiques (DCC-GARCH).
145
Rfrences
Black (F.) et Scholes (M.) (1973), The pricing of options and corporate liabilities, Journal of
Political Economy, vol. 81, n 3, p. 637654.
Calvet (L.) et Fisher (A.) (2007), Multi-frequency news and stock returns, Journal of
Financial Economics, vol. 86, p. 178-212.
Calvet (L.), Fisher (A.) et Mandelbrot (B.) (1997), the multi-fractal model of asset returns,
Cowles Foundation Discussion Papers.
Cont, R.(2000), Empirical properties of asset returns: stylized facts and statistical issues,
Quantitaive Finance, Volume 1 (2001) 223236.
Filll, J., (2005), Modlisation multi-fractale du taux de change USD/Euro, Economie
Internationale, no :104.
Idier, J (2011), Les modles fractals en finance, Bulletin de la Banque de France, N : 183.
Herlin, P.2010, Finance : le nouveau paradigme , Eyrolles.
Mandelbrot B, (1997), Fractales, Hasard et Finance, Flammarion.
Mandelbrot (B.) (1963), The variation of certain speculative prices, Journal of Business, vol.
36, p. 394-419.
Mandelbrot (B.) (1967) ,The variation of the prices of cotton, wheat and railroad stocks, and
some financial rate, The Journal of Business, vol. 40, p. 393-413.
Mandelbrot (B.) (2005), Une approche fractale des marchs, ditions Odile Jacob.
Markowitz (H. M.) (1952) , Portfolio selection, The Journal of Finance, vol. 7, n 1, p. 7791.
Sharpe (W. F.) (1964) ,Capital asset prices a theory of market equilibrium under conditions
of risk, Journal of Finance, vol. 19, n 3, p. 425442.
146
147
Chapitre 5 : Analyse de linterdpendance des marchs
Introduction
Les modles volatilit conditionnelle que nous avons exploits dans le chapitre 2 sont des
modles uni-varis. Ils se contentent danalyser une seule srie financire ignorant les
interactions avec les autres sries. Ainsi, lanalyse de la volatilit, en tant que proxy de
risque, doit se faire dans une optique de risques multiples. Tant que les modles GARCH univaris ne tiennent pas compte de la corrlation entre les actifs, nous allons passer aux modles
multi-varis afin de capter les liens dynamiques entre ces actifs. Ces modles nous permettent
galement danalyser les interdpendances ventuelles entre les marchs financiers et de
cerner les mcanismes de transmission des chocs.
Cest dans cette optique que sinscrit ce chapitre ayant pour objectif principal dapprhender
la transmission des chocs du march dactions Amricain en tant que march gnrateur de
crise, vers les deux marchs dactions islamiques, Malaisien et Indonsien.
1.
Revue de littrature
Ces dernires annes ont apport des nouvelles informations sur les crises financires qui se
propagent frquemment et provoquent des dpressions conomiques. La contagion financire
est souvent interroge dans la littrature des crises financires. En effet, l'tude des crises et
de leurs rpercussions sur l'activit conomique aide trouver comment un choc initialement
survenu dans un seul pays est transmis rapidement de nombreux marchs travers le
monde.
La littrature empirique initiale sur la contagion financire portait sur une analyse
comparative des coefficients de corrlation de Pearson entre les marchs financiers en priode
daccalmie et en priode de crise. Le phnomne de contagion est dtect lors des
augmentations significatives du coefficient de corrlations en priode de crise. King et
148
Wadhwani (1990), et Lee et Kim (1993) ont utilis le coefficient de corrlation entre les
rendements boursiers pour tester l'impact du krach boursier survenu aux tats-Unis en 1987
sur les marchs d'actions de plusieurs pays. Les rsultats empiriques montrent que les
coefficients de corrlation entre les plusieurs marchs ont sensiblement augment au cours de
la crise. Edwards et Susmel (2001) ont utilis le modle SWITCH-ARCH. Ils ont constat que
de nombreux marchs dactions d'Amrique Latine, durant les priodes de forte volatilit des
marchs, taient significativement corrls et ont conclu l'existence d'effets de contagion.
Rcemment, de nombreuses tudes ont port sur lanalyse de la contagion financire eue
gard la crise financire survenu en 2008. Neaime (2012) a analys l'impact de la rcente
crise financire sur la rgion MENA. Il a trouv une forte corrlation avec le march boursier
amricain pendant la crise. Lindice de la place de l'Egypte, la CASE30, a termin l'anne
2008 avec une baisse importante de 56,43%. Saidi et El Ghini (2013) ont examin galement
limpact de la crise financire sur le march daction marocain reprsent par lindice MASI.
Ils ont utilis le modle corrlations conditionnelles dynamiques (DCC-GARCH). Les
rsultats empiriques ont mis en vidence la corrlation entre le march boursier marocain et le
march amricain, anglais et franais. Ils ont constat galement que les mauvaises
nouvelles des partenaires conomiques du Maroc peuvent gnrer la contagion et la
transmission de ses effets sur le march boursier local.
Karoly et Stulz (1996) ont analys les covariances entre les rendements dactions amricaines
et japonaises. Ils ont montr que les covariances sont leves quand il y a des chocs de grande
ampleur sur les marchs nationaux. Ils ont essay dexpliquer les mouvements similaires des
rendements dactions de ces deux pays par leffet de contagion. Ils ont conclu que
lenthousiasme des investisseurs concernant le march des actions semble tre contagieux
dune rgion une autre. De plus, ils ont constat que les corrlations sont trs importantes
lorsque les marchs sont trs volatiles, ce qui implique que la diversification internationale
nest pas une stratgie dinvestissement approprie dans le cas dune rcession.
Ces rsultats sont confirms par Longin et Solnil (2001) qui ont prouv que les corrlations
entre actions ne dpendent pas ncessairement de la dynamique des volatilits, mais sont
plutt lies aux tendances de march. Ils constatent que les corrlations entre actions
augmentent lorsque les marchs dactions sont en baisse et inversement.
149
Kim, Moshirian et Wu (2005) ont analys le processus dintgration financire en Europe. Ils
ont constat une forte augmentation des corrlations des rendements au sein de chaque
march respectif. Cette forte hausse des liens au sein des marchs est essentiellement due au
processus dintgration financire europen en marche depuis plus de 20 ans. Ils ont remarqu
que ces corrlations ont connu une augmentation importante en 1996-1997 avant
lharmonisation des politiques montaires europennes datant du 1er janvier 1999. Selon les
auteurs, cette forte hausse sexplique par la prise en compte de ce facteur dans les
anticipations des investisseurs.
Naoui, Khemiri et Liouane (2010) ont tudi la crise des subprimes sur onze pays en utilisant
le modle corrlation conditionnelles et dynamiques fond par Engle (2002). L'tude a port
sur les tats-Unis et dix pays mergents, dont l'Argentine, le Brsil, la Core du Sud, le HongKong, l'Indonsie, la Malaisie, le Mexique, la Chine et le Taiwan. Ils ont trouv une
augmentation significative dans les corrlations dynamiques des pays mergents avec les
tats-Unis, sauf pour Shanghai. Ils ont not un effet de contagion par le fait que les indices
boursiers des pays mergents taient troitement lis ceux des marchs Amricains.
Malgr la myriade darticles qui ont t publis dans ce sens, les tudes concernant lanalyse
de transfert de volatilit durant la dernire crise financire, entre les tats-Unis et les pays
asiatiques adoptant le systme de finance islamique sont relativement rares. Le fait que cette
crise est encore trs rcente explique sans doute le nombre peu lev de recherches dans la
littrature. Le prsent chapitre sinscrit dans cette logique et contribue la littrature en
tudiant la transmission de la volatilit entre les tats-Unis et lIndonsie, dune part, et entre
les Etats Unis et la Malaisie dautre part, durant la dernire crise financire. Nous allons tout
dabord prsenter les modles multi-varis, susceptibles danalyser les interactions entre
plusieurs actifs, en mettant laccent sur le modle GARCH corrlations conditionnelles
dynamiques (DCC-GARCH), vu sa capacit de prendre en compte aussi bien la variabilit des
corrlations que la variabilit de la volatilit des actifs financiers.
2.
Modles multi-varis
150
2.1
Modle VEC (Vector Error Correction)
Le modle correction derreur constitue la premire extension directe du modle ARCH au

cas multivari. Il a t introduit par Engle, Granger et Kraft (1984), Il sagit dun modle
ARCH bi-vari dans lequel chaque variance conditionnelle dpend non seulement de ses
propres erreurs au carr des priodes prcdentes, mais aussi celles de lautre variable du
systme ainsi que du produit crois des erreurs passes des deux variables. En appliquant la
mme extension sur le processus GARCH (1,1), nous obtenons la forme gnrale du modle
VEC (1,1) propose par Bollerslev, Engle et Wooldridge (1988), Cette mthodologie permet
une dpendance dynamique entre les sries tudies, Le modle VEC(1,1) est dfini comme :
(5.1)
(
(5.2)
Avec :
est un vecteur de rendements de dimension n*1 ;
est un vecteur de rendements esprs ;
Les rsidus
sont des vecteurs d'erreurs au temps t de dimension n*1 ;
est l'ensemble d'informations au temps t-1 ;

Les rsidus sont distribus selon une loi normale de moyenne 0 et de variance
L'oprateur vech( ) appliqu une matrice dispose les lments du triangle infrieur de cette
matrice en un vecteur ;
est la matrice des variances covariances conditionnelles de dimension n x n ;
C est un vecteur de dimension n*(n+1)/2 ;
et
sont des matrices de paramtres de dimension n*(n+1)/2 * n*(n+1)/2 ;
Pour le cas bi-vari, nous avons 21 paramtres estimer :
)(
)(
) (5.3)
Comme nous pouvons le voir ci-dessus, chaque variance et covariance conditionnelle est une
fonction de toutes les variances et covariances conditionnelles de la priode prcdente. Il y a
151
deux variables et il y a dj beaucoup de paramtres estimer. L'inconvnient de cette

approche rside dans le nombre lev de paramtres estimer, surtout quand le nombre de
variables est lev. En outre, les conditions pour obtenir la matrice des variances-covariances
dfinie positive sont restrictives. A cause de ces restrictions, le modle VEC nest pas
beaucoup utilis dans les tudes empiriques concernant la transmission de la volatilit (Felipe
et Diranzo, 2005). Afin de remdier au problme du nombre lev de paramtres estimer,
Bollerslev, Engle et Woolridge (1988) ont simplifi le VEC et ont introduit le VEC diagonal,
Pour le cas bi-vari, nous avons 9 paramtres estimer :
)(
)(
) (5.4)
Cette approche rduit largement le nombre de paramtres estimer, comme nous le voyons
dans la formule, cependant les conditions afin d'assurer que
soit positive dfinie restent
restrictives.
2.2
Modle BEKK-GARCH
Le modle BEKK-GARCH (Baba, Engle, Kraft, et Kroner) dfini par Engle et Kroner (1995)
est un modle de matrice de covariances conditionnelles. Cest une extension du modle
VEC, car il nous permet dobtenir
, la matrice des variances-covariances, positive dfinie
et il ne requiert pas autant de paramtres estimer.

Le modle BEKK est reprsent par :
(5.5)
Avec :
,
et
sont des matrices de paramtres de dimension n x n ;
est un vecteur d'erreurs de dimension n x 1 ;

La matrice
est restreinte tre triangulaire suprieure. Le BEKK rduit le nombre de
paramtres estimer, mais sa computation reste lourde, due aux inversions de matrices
(Silvennoinen et Terasvirta, 2008).
Pour la version bivarie , nous avons 11 paramtres estimer

152
/ .
) (
/ (
)(
).
(5.6)
Le modle BEKK-GARCH bivari a t utilis par Karolyi (1995) afin danalyser les
transferts de rendements de march et de la volatilit entre le Canada et les tats-Unis ainsi
que de la rapidit de ces interactions.
2.3
Modle GARCH Multivari
Ce modle permet dexaminer les diverses interactions entre les sries financires. Il permet
danalyser la fois les corrlations et les transferts de volatilit. Il est souvent utilis afin de
tester les transferts de volatilit dans les tudes portant sur la contagion (Silvennoinen et
Teriisvirta, 2008). Il existe plusieurs spcifications au modle GARCH multivari. Nous
allons mettre laccent sur le modle corrlations conditionnelles.
Un GARCH bivari peut scrire sous cette forme :
/(
)(
(5.7)
sont les coefficients de la variance moyenne de long terme pour l'actif 1 et
l'actif 2 respectivement, Les termes
et
reprsentent la variance conditionnelle au
temps t - 1 pour l'actif 1 et l'actif 2 respectivement, Les erreurs au temps t - 1 de l'actif 1 et de

l'actif 2 sont reprsentes respectivement par
Les paramtres
et
sont les coefficients des erreurs autorgressives
La matrice
et
reprsente la sensibilit aux chocs de court terme de volatilit
conditionnelle, Ce sont donc ces paramtres qui indiquent la sensibilit aux crises, Le
paramtre
au indique la sensibilit aux chocs de volatilit de l'actif 1 et

153
indique la
sensibilit de l'actif 1 aux chocs de volatilit de l'actif 2, Similairement,

sensibilit aux chocs de volatilit de l'actif 2 et
dfinit la
exprime celle de l'actif 2 aux chocs de
l'actif 1,
Les paramtres
et
sont les coefficients de la variance conditionnelle
La matrice
reprsente la persistance de la volatilit conditionnelle, Ce sont donc
nous ces paramtres qui nous indiquent si l'actif reste longtemps affect par les chocs, Alors,
reprsentent la persistance de la volatilit conditionnelle de l'actif 1 et 2
respectivement tandis que
2 et
reprsentent la persistance de la volatilit de l'actif 1 sur l'actif
celle de l'actif 2 sur l'actif1,
Ce sont donc les paramtres
qui nous intressent particulirement, car ils
reprsentent l'interaction entre les deux actifs, la transmission de la volatilit pourra ainsi tre
tudie par l'entremise de ces paramtres.
2.4
Modle CCC-GARCH
Les modles GARCH multi-varis corrlations conditionnelles dcomposent la matrice de

corrlations en deux composantes, soit celle des carts-types et celle des corrlations
conditionnelles. Bollerslev (1990) introduit le premier modle de corrlations qui est le
modle corrlations conditionnelles constantes (CCC-GARCH). Il propose un modle o les
variances et covariances conditionnelles varient dans le temps et les corrlations
conditionnelles restent constantes :
En reprenant lquation (5.1) :
(5.8)
(5.9)
Avec :
: Vecteur n x 1 de rendements de n actifs au temps t,
: Vecteur n x 1 d'esprances conditionnelles de
: Vecteur n x 1 d'erreurs conditionnelles de n actifs au temps t
Avec ( )
et
( )
: matrice n x n des variances conditionnelles de

: matrice diagonale n x n des cart-types conditionnels de
R : matrice n x n des corrlations constantes
154
: vecteur n x 1 erreurs i,i,d, avec ( )
La matrice
et
est dcompose en deux matrices :
(5.10)
(
(5.11)
(
Les lments de la matrice d'carts-types
sont obtenus partir des rsidus des GARCH
univaris de chacune des variables estimer et les lments de la matrice de corrlations R ne

varient pas dans le temps. Les tudes empiriques ont dmontr que le modle CCC est trop
restrictif et irraliste en supposant des corrlations conditionnelles constantes, car dans la
pratique, elles varient dans le temps (Bauwens, Laurent et Rombouts, 2006).
2.5
Modle DCC-GARCH
Engle (2002) introduit le modle corrlations conditionnelles dynamiques, le DCCGARCH, en permettant la matrice de corrlations conditionnelles de varier dans le temps.
Ce modle est une gnralisation du modle CCC-GARCH de Bollerslev (1990).
Avec les mmes notations du modle CCC-GARCH, sauf la matrice de corrlation qui est
maintenant en fonction de temps. Nous pouvons crire la matrice des variances
conditionnelles en tenant compte des quations (5.1) et (5.8) :
(5.12)
C'est un modle d'estimation en deux tapes. La premire tape consiste estimer la variance
conditionnelle avec un GARCH uni-vari pour chacune des sries. Dans la deuxime tape,
on utilise les rsidus standardiss obtenus dans la premire tape pour estimer les paramtres
de la matrice des corrlations dynamiques. Ce modle comporte des conditions permettant
155
la matrice de covariances d'tre positive dfinie en tout temps ainsi qu' la covariance d'tre
stationnaire. Analogiquement au modle CCC-GARCH, la matrice
matrices,
.Les lments de la matrice
est divise en deux
proviennent des GARCH univari estims
pour chacune des sries :
(5.13)
La matrice
(5.14)
est celle des corrlations conditionnelles des rsidus standardiss, et elle est
maintenant dynamique :
5.15
(
La matrice
doit tre positive dfinie, car c'est une matrice de variances-covariances.
Afin d'assurer que
La matrice
soit positive dfinie, il faut que aussi que
est toujours positive, car
soit positive dfinie, car
Donc ses lments sont toujours positifs. Il faut aussi s'assurer que les lments de
doivent
tre compris entre 0 et 1, car ce sont des corrlations. Afin de s'assurer la positivit de
, ce
dernier est dcompos en deux matrices :
(5.16)
et
(
(5.17)
156
(5.18)
Et o
(5.19)
La matrice
doit tre positive dfinie afin que
le soit aussi.
) : Soit la covariance non conditionnelle des rsidus standardiss
obtenus par les GARCH uni-varis. Notons que
et
sont des scalaires.
Les conditions suivantes doivent tre respectes afin d'assurer que

(
soit positive dfinie :
(5.20)
En simplifiant le modle
Nous allons dfinir le modle DCC-GARCH(1,1) qui scrit sous la forme
(5.21)
(5.22)
Ce sont les quations de la variance conditionnelle obtenues partir de lquation
(5.23)
(5.24)
(5.25)
157
(5.26)
Les avantages du modle DCC-GARCH sont la modlisation directe de la variance et de la

covariance et ainsi que sa flexibilit. Nous allons essayer de mettre en pratique ce modle
pour cerner les mcanismes de transmissions de crise entre le march Amricain et les
marchs Malaisien et Indonsien. Pour ce faire, nous allons essayer de mesurer
linterdpendance entre lindice phare des Etats unis le S&P 500 et lindice islamique
Malaisien KLSI dune part, et entre le mme indice amricain et lindice Indonsien JII
dautre part. Pour apprhender avec finesse, les mcanismes de transmission de la volatilit du
march amricain aux autres marchs, nous allons raisonner sur la priode de la crise (20072008).
3.
Rsultats empiriques
Nous allons commencer dabord par analyser linteraction entre lindice boursier phare des
Etats-Unis le S&P 500 et son homologue islamique le S&P Sharia. Lactif 1 tant lindice
conventionnel et lactif 2 tant son homologue islamique.
Tableau 38: Paramtres du modle DCC-GARCH pour le S&P 500 et le S&P Sharia
Variable
Coeff
0.000006
0.000003
0. 10161
0.10693
0.88327
0.87516
0.05718
0.93340
Std Error
0.0000007
0.0000007
0.01342
0.01422
0.01321
0.01437
0.01060
0.01621
T-Stat
4.28
4.40
7.57
7.52
66.85
60.88
5.39
57.55
Signif
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Nous remarquons daprs le tableau 38 exhibant les paramtres du modle DCC-GARCH

(1.1) que tous les coefficients du modle sont significatifs.
Les coefficients
, qui reprsentent les seuils minimums en de desquels la
volatilit ne peut pas descendre, affichent des valeurs proches de 0 qui sont respectivement de
0.000006 pour le S&P 500 et de 0.000003 pour son homologue islamique S&P Sharia. La
significativit des coefficients
et
de valeurs de 0. 10161 pour le S&P 500 et de

158
0.10693 pour son homologue islamique le S&P Sharia, confirment la sensibilit des deux
indices boursiers leurs propres chocs. En fait, ces chocs concident avec la priode de la
crise financire. Nous remarquons galement que les deux indices boursiers ont atteint un
niveau lev de persistance de la volatilit avec un
de 0.88327 pour le S&P 500 et
de
0.87516 pour le S&P Sharia. Enfin, les paramtres de corrlation conditionnelle

sont significatifs. Le coefficient
tant gale 0.05718 est proche de la valeur de 0 et
tant gale 0.93340 est proche de la valeur de 1. Le coefficient
montre une forte
corrlation conditionnelle entre les deux indices. Ces rsultats concordent avec la littrature
empirique qui soutient que
est proche de 0 et
est proche de 1 (Hammoudeh, Yuan,
McAleer et Thompson, 2010). La persistance de la corrlation conditionnelle calcule

travers la somme de
et
est trs importante, elle atteint 0. 98 et proche de 1.
Au vu de ces rsultats concluants, nous pouvons avancer que les deux indices sont fortement
interdpendants. La crise financire a jou particulirement un rle important de catalyseur
favorisant la transmission de la volatilit de lindice conventionnel S&P 500 vers son
homologue islamique le S&P Sharia.
Nous allons maintenant analyser cette interdpendance entre le march amricain reprsent
par son indice boursier phare le S&P500 et entre le march indonsien reprsent par lindice
Jakarta Islamic Index ou le JII.
Les rsultats du modle DCC-GARCH (1.1) sont prsents dans le tableau 39.
Tableau 39: Paramtres du modle DCC-GARCH pour le S&P 500 et le JII
Variable
Coeff
0.0000517
0.0000255
0.060299
0.0218602
0.8846159
0.6820429
0.1094973
0.8170304
Std Error
0.00000298
0.000014
0.0279073
0.0756818
0.0519168
0.0980449
0.0676441
0.0984043
159
T-Stat
1.73
1.83
2.16
2.89
17.04
6.96
1.62
8.30
Signif
0.083
0.068
0.031
0.004
0.000
0.000
0.106
0.000
Eu gard aux rsultats de lestimation du modle DCC-GARCH (1.1), nous remarquons que la
sensibilit des deux indices vis--vis de leurs propres chocs est significative. La persistance
de la volatilit des deux indices est galement importante pour les deux indices.
paramtres de corrlation conditionnelle dont le
Les
est de 0.82 montre une forte
interdpendance entre le march amricain et indonsien. Nous soulignons galement que la

persistance de la corrlation conditionnelle a atteint un niveau trs lev de 0.92 et proche de
1.
Une analyse similaire est conduite pour modliser cette interaction entre le march amricain
et le march malaisien travers son indice KLSI. Les rsultats du modle DCC-GARCH (1.1)
sont lisibles sur le tableau 40.
Tableau 40: Paramtres du modle DCC-GARCH pour le S&P 500 et le KLSI
Variable
Coeff
0.00000238
0.00000151
0.0953645
0.1634143
0.8954212
0.8417103
0.0058255
0.9670098
Std Error
0.00000084
0.0000006
0.013745
0.0270113
0.0134915
0.0237424
0.0088754
0.0170531
T-Stat
2.83
2.50
6.94
6.05
66.37
35.45
0.66
56.71
Signif
0.005
0.012
0.000
0.000
0.000
0.000
0.512
0.000
Nous constatons les mmes rsultats qui plaident pour lexistence dune forte
interdpendance entre le march amricain et le march malaisien avec une persistance de
corrlation conditionnelle trs forte affichant une valeur de 0.97.
Ainsi, nous avons prouv lexistence dune forte interdpendance entre le march dactions
amricain, et les deux marchs dactions islamiques Malaisien et Indonsien. La crise
financire a illustr clairement leffet de contagion rapide induit par la mondialisation
financire. Nous avons utilis le modle DCC-GARCH pour cerner le phnomne de
contagion financire dans la priode de la crise financire. En dpit des proprits de stabilit
intrinsque de la finance islamique, nous avons prouv une forte persistance la fois de la
corrlation (entre lindice boursier amricain et les deux autres indices islamiques) et de la
volatilit. La stabilit de la finance islamique trop discute dans la littrature reste relative eu
gard ces rsultats.
160
En fait, la stabilit de la finance islamique et sa contribution dans la stabilit du systme

financier mondial a t trop discut dans la littrature financire. Dans le contexte actuel de
crise financire, certains conomistes affirment que les proprits intrinsques de la finance
islamique constituent un bouclier efficace contre une exposition excessive, confrant ainsi
lconomie un degr de scurit bien plus lev (Noyer, 2009).
En fait, les principes fondamentaux de la finance islamique savoir la prohibition de lintrt
usuraire et ltroite liaison recommande entre le secteur financier et lconomie relle sont,
priori, des facteurs incontournables de stabilit. De surcrot, les dispositifs de partage de
profits et de perte et lachat et la revente des biens et services constituent les piliers du
systme financier islamique. Cependant lanalyse de ces principes qui restent thoriques ne
peut pas rsoudre la problmatique relative la relation entre finance islamique et stabilit
financire, il faut immanquablement la complter par une analyse empirique (Noyer, 2009).
Les rsultats de notre analyse empirique indiquent que la croyance gnrale qui stipule que les
marchs financiers islamiques sont l'abri des chocs financiers en raison de leur nature sans
intrt est revoir. Compte tenu de cette conclusion, les oprateurs de la finance islamique
sont tenus adopter des pratiques de gestion prudente des risques, et de concevoir des
mcanismes de couverture appropris pour prserver la stabilit des marchs financiers
islamiques en priode dincertitude conomique et financire. Plusieurs approches ont t
labores dans ce sens, notamment la politique macro-prudentielle, dont lobjectif principal
est de limiter les risques systmiques et viter lexposition de la sphre relle de lconomie
aux risques des perturbations dvastatrices des systmes financiers.
En fait, lconomie internationale contemporaine est une conomie dinterdpendance, o les
cycles conomiques stendent au-del des frontires. Plusieurs mesures ont t prises, dans le
cadre de la politique macro-prudentielle, pour maitriser les risques systmiques dcoulant de
linterdpendance entre les marchs.
La banque centrale de lInde, par exemple, a mis en place un cadre appropri pour
lvaluation du risque systmique. En fait, elle a dvelopp des indicateurs et des cartes de
stabilit, mettant en lumire les tensions systmiques dans le systme financier. Dabord, ces
indicateurs sont labors en agrgeant les informations provenant de diffrentes composantes
du systme financier dans sa globalit. Ensuite, ces informations sont synthtises dans une
statistique unique qui mesure ltat actuel de linstabilit dans le systme financier
161
(Charabarty, 2014). Dautres mesures de stabilit ont t mises en place, dans lexprience de
lInde, notamment celles qui rendent compte des dpendances ngatives entre les marchs
dactions, en utilisant les donnes des indices boursiers, et qui essayent destimer la
contribution des diffrents marchs au risque systmique. Il convient ainsi, dadapter cette
approche aux pays mergents ayant implant la finance islamique comme composante de
lconomie, pour prserver la stabilit de la finance islamique, et viter les perturbations
systmiques.
Conclusion
162
La crise financire a ainsi mis en vidence une interdpendance trs leve entre les marchs
financiers travers le monde, en particulier entre le march dactions Amricain et les deux
marchs dactions islamiques Malaisien et Indonsien. Nous avons essay travers ce
chapitre dapprhender cette interaction en termes de volatilit entre lindice boursier S&P
500 et entre respectivement son homologue islamique S&P Sharia, le JII et le KLSI. La forte
volatilit de lindice S&P 500, en priode de crise, a t clairement transmise vers les autres
indices boursiers islamiques. La modlisation de cette transmission a t ralise par le
modle corrlations conditionnelles et dynamiques (DCC-GARCH). Les marchs dactions
islamiques, vue cette forte interdpendance, ne sont pas compltement labri de la crise.
Loriginalit de la dmarche mthodologique suivie rside dans labandon dune hypothse
souvent retenue dans les tudes empiriques en finance, celle de la constance des coefficients
de corrlation entre les actifs financiers.
En bref, la finance islamique nvolue pas dans une aire financire parallle et immunise,
mais elle se retrouve face son environnement marqu par une interdpendance avec le
march financier international qui connait de plus en plus des chocs rcurrents et
imprvisibles, et dont il faut des mesures prventives pour attnuer les effets des chocs sur la
sphre relle de lconomie.
Rfrences
163
Bollerslev T. (1990), Modelling the coherence in short-run nominal exchange rates : A

multivariate generalized ARCH model, The Review of Economies and Statistics, p. 498-505.
Chakrabarty,K (2014), Cadre pour la conduite de la politique macro-prudentielle en Inde :
expriences et perspectives, Banque de France Revue de la stabilit financire, N 18.
Edwards S. and Susmel, R. (2001), Volatility dependence and contagion in emerging equity
markets. Journal of Development Economics, Vol. 66(2), 505-532.
El Ghini, A, Saidi, (2013), Financial Market Contagion During the Global Financial Crisis:
Evidence from the Moroccan Stock Market," MPRA Paper 53392, University Library of
Munich, Germany.
Engle, R. F. and Kroner F. K. (1995), Multivariate Simultaneous Generalized ARCH.
Econometric Theory, Vol. 11, 122150.
Hammoudeh S.M., Y. Yuan, M. McAleer et M. A. Thompson. (2 010), Precious metalsexchange rate volatility transmissions and hedging strategies, International Review of
Economies and Finance, vol. 19, no4, p. 633-647.
Karoly, G. and M. Stulz, (1996), Why Do Market Move Together ? An investigation of
USJapan Stock Return Comovements, The Journal of Finance, 51, 3, 951-986.
Kassim, A (2013), The global financial crisis and the integration of Islamic stock indexes in
developed and developing countries, Asian Academy of Management Journal of Accounting
and Finance, Vol. 9, No. 2, 7594, 2013.
Kim, S., Moshirian F. and Wu E., (2005), Dynamic Stock Market Integration Driven by the
European Monetary Union: An Empirical Analysis, Journal of banking & finance, 29, 24752592.
King, M, &Wadhwani S. (1990), Transmission of volatility between stock markets. The
Review of Financial Studies, 3, 533.
Lee, S. B., & Kim, K. J. (1993), Does the October 1987 crash strengthen the co-movements
among national stocks markets? Review of Financial Economics, 3, 89102.
Longin, L. and B. Solnil, (2001), Extreme Correlation of International Equity Market, The
Journal of Finance , 56, 649-676.
Naoui K. , S. Khemiri et N. Liouane (2010), Crises and Financial Contagion : The Subprime
Crisis , Joumal of Business Studies Quarterly, Volume 2, nol , p.15-28.
Neaime, S. (2012), The global financial crisis, financial linkages and correlations in returns
and volatilities in emerging MENA stock markets. Emerging Markets Review, 268282.
Noyer, C.(2009), Stabilit mondiale, lavenir des marchs de capitaux et de la finance
islamique en France, Banque de France.
164
Silvennoinen, A. & Tersvirta, T. (2009). Modeling Multivariate Autoregressive Conditional

Heteroskedasticity with the Double Smooth Transition Conditional Correlation GARCH
Model. Journal of Financial Econometrics, Society for Financial Econometrics, Vol. 7(4),
373411.
165
Conclusion gnrale
CONCLUSION GENERALE
La finance islamique est actuellement lune des thmatiques les plus dbattues dans les
cercles de recherche conomiques. La crise financire amricaine cause par les hypothques
haut risque s'est transforme en une crise conomique globale. L'interdpendance des
marchs, consquence de la globalisation financire, a mtamorphos une crise dimension
locale en une dpression globale. La plupart des pays industrialiss ont beaucoup souffert de
cette crise. Cette dernire na mme pas pargn les pays ayant implant la finance islamique
en particulier la Malaisie et lIndonsie.
Nous avons dabord mis en exergue certains faits styliss observs empiriquement dans les
marchs financiers. Leur projection aux indices boursiers islamiques a montr que ces
derniers font preuve des mmes proprits stochastiques linstar de leurs homologues
conventionnels. Nous avons procd la modlisation de la volatilit des indices boursiers
islamiques et de leurs homologues conventionnels. Nous avons constat que les indices
islamiques S&P Sharia, DJIMI, MSCI Islamic et FTSE Sharia ont enregistr une volatilit
dune ampleur moins importante que celle de leurs homologues conventionnels. Ceci
confirme la rsilience relative des indices boursiers islamiques face la crise qui a affect la
finance islamique, ds que cette crise a touch la sphre relle de lconomie. Cependant,
nous avons constat que deux indices islamiques (Lindice Malaisien KLSI et lindice
Indonsien JII) ont t plus volatiles que leurs homologues conventionnels. En fait, mme si
les institutions islamiques ont vit lexposition la crise des subprimes, elles ont t
soumises leffet de second tour de la crise porte plantaire, cause de sa dure prolonge,
et cause de leffet de la contagion.
Ensuite, nous avons instrumentalis les faits styliss pour analyser la persistance de la
volatilit par le modle FIGARCH. Ce modle a le principal avantage de capturer la proprit
de mmoire longue prsente dans la composante de la volatilit. Les rsultats ont t
concluants et ont dgag une persistance significative de la volatilit des indices boursiers
islamiques.
Par ailleurs, nous avons tudi la structure fractale des indices islamiques. Les fractales
dsignent des objets dont la structure est invariante par changement dchelle. Les domaines
dapplication des fractals sont trs nombreux. Rcemment, la finance est devenue lun des
champs cibles des fractales vue leur capacit modliser les risques extrmes. Nous avons
166
Conclusion gnrale
ainsi mis en vidence le caractre multi-fractal des indices boursiers islamiques. Cette multifractalit se base sur deux proprits : la proprit dautosimilarit et la proprit dinvariance
dchelle. La modlisation multi-fractale trouve sa particularit dans sa capacit de capturer
tous les faits styliss des marchs financiers, en particulier la mmoire longue et le
regroupement de la volatilit par paquets ( Clustering volatility).
La modlisation multi-fractale offre une nouvelle piste dtude des sries financires dont les
rsultats sont trs prometteurs et ouvrent de nouvelles perspectives sur lapproche
prvisionnelle des sries financires. Cela permettra sans doute la finance islamique dviter
les drives de la modlisation classique et ses imperfections prvisionnelles.
Compte tenu de la persistance et de la variabilit importante de la volatilit, nous avons juges
ncessaire danalyser, dans le dernier chapitre, linterdpendance entre le march dactions
Amricain, en tant que march gnrateur de la crise, et entre les marchs dactions
islamiques. Cette analyse nous a permis de cerner les mcanismes de transmission de la
volatilit en priode de crise, du march amricain vers les deux marchs dactions islamiques
Malaisiens et Indonsiens. Nous avons prouv que la volatilit a t transmise effectivement
du march Amricain vers les deux marchs. Nous avons galement remarqu que la
corrlation conditionnelle et sa persistance taient significatives. Cela explique clairement les
rpercussions de la crise sur lconomie islamique.
Notre thse a ainsi contribu lanalyse empirique dune nouvelle classe dindices boursiers
rcemment crs. La contribution couvre deux principaux apports. Dune part, nous avons
apprhend le comportement conomtrique des indices boursiers islamiques, travers la
mise en vidence des principaux faits styliss. Les rsultats taient concluants quant la
significativit et la persistance de la volatilit, et quant la structure fractale de ces indices.
Dautre part, nous avons prouv empiriquement une forte interdpendance entre le march
boursier amricain et les marchs Malaisien et Indonsien. Une forte corrlation a t dtecte
entre les marchs, ainsi quune persistance significative de cette corrlation.
Malgr lengouement lgard de la finance islamique, cette dernire na pas t
compltement labri de la crise conomique. Nous avons dj prouv empiriquement que les
paramtres de la volatilit conditionnelle relatifs aux des indices boursiers islamiques ont t
significativement importants. En effet, la finance islamique opre dans un environnement trs
compliqu. Elle est expose aux interfrences avec un grand nombre doprateurs sur le
march
mondial.
La
libralisation
et
la
167
globalisation
financire
conjugues
Conclusion gnrale
linterdpendance des marchs financiers sont notamment les grands dfis que doit relever la
finance islamique afin de se protger contre les crises ventuelles et contre le phnomne de
contagion financire
Avant mme la crise financire de 2007, la banque islamique de Duba a connu une crise.
(Crise des Sukuks). En fait, la crise de la banque islamique de Duba a suscit des doutes sur
la crdibilit de la finance islamique. Plusieurs facteurs sont lorigine de cette crise. Dabord
le Duba fonde son modle de croissance sur des secteurs fragiles en particulier le tourisme et
le luxe. Mohamed Nouri22 a soulign que ses succs antrieurs ntaient fonds ni sur la
production ni sur lconomie purement relle, mais s'appuyaient plutt sur la spculation
immobilire et une conomie de lopulence . Il convient ainsi de relativiser ce succs en le
plaant dans le contexte actuel reprsent par une industrie relativement naissante.
La Maroc avait galement connu un chec dans ce sens. Dar Assaffa, une filiale du groupe
bancaire marocain Attijari Wafa-Bank a lanc pour la premire fois 4 produits financiers
censs tre conformes la Sharia qui sont : Safaa Immo, Safaa Auto, Safaa Conso et Safaa
Tajhiz. Ces produits ont t surtaxs et par consquents ntaient pas comptitifs par rapport
aux produits existants sur le march. En fait, la formule de financement Safaa Immo, qui
consiste acheter un bien immobilier par la banque et le revendre au client, fait ressortir
deux oprations commerciales qui sont toutes les deux taxes. Le rsultat est que le produit
final livr au client est plus cher que les produits immobiliers classiques. Ainsi, en labsence
de mesures fiscales daccompagnement, les formules de financement proposes par cette
banque seront voues lchec.
Plusieurs dfis sont relever par les oprateurs de la finance islamiques. Boubjellal (2010) a
mis en vidence certains dfis, savoir les barrires rglementaires, et labsence de
lorganisme gestionnaire. Nous pouvons galement ajouter le dfi de la contagion financire
en tant que catalyseur des risques systmiques. A cause de la contagion, nous avons dtect
empiriquement une forte interdpendance entre les marchs dactions Malaisien et Indonsien
et le march dactions Amricain. Ce phnomne a fait muter une crise localise au dbut aux
Etats-Unis en une crise globale npargnant aucun pays. Ainsi, les oprateurs de la finance
islamique sont tenus de prendre les mesures appropries pour renforcer la stabilit de la
finance islamique, et renforcer galement sa rsistance relative face aux crises.
22
Interview de Mohamed Nouri, prsident du COFFIS, interview du Saphir news, 21 Dcembre 2009.
168
Conclusion gnrale
Face aux problmes dinstabilit, en tant que facteur exogne pour la finance islamique,
plusieurs mesures lchelle conomique mondiale ont t prises et ont donn naissance aux
rformes labores par les comits Ble I, II et II, susceptibles de maitriser les risques
bancaires (le risque de crdit, le risque oprationnel, et le risque de march). Ce sont des
rformes micro-prudentielles. Cependant, cette approche prsente des limites. En fait, elle ne
couvre pas les risques systmiques qui sont de plus en plus dclenchs actuellement par les
crises financires. Une nouvelle politique dite politique macro-prudentielle a vu le jour, et qui
a pour objectif dviter ou limiter autant que possible les crises mettant en jeu la stabilit de
lconomie relle.
es rsultats de notre thse peuvent tre instrumentaliss pour explorer de nouvelles pistes.
Dabord, la modlisation de la volatilit pourrait avoir des implications managriales en
termes dallocations dactifs et de choix dinvestissements, en analysant les indices islamiques
plus profondment, par secteur dactivit, ou par critre gographique.
Ensuite, la mise en vidence de la fractalit des indices boursiers islamiques pourrait servir
pour faire des prvisions toute chelle de temps, en tirant profit de la proprit de
linvariance par changement dchelle. Cette nouvelle thorie permettrait de faire la prvision
des risques extrmes, et agir par consquence sur le march avant lmergence dune
ventuelle crise.
Enfin, il est vident que linstabilit, en tant que caractristique inhrente au systme actuel, a
domin le paysage financier mondial, et na pas pargn galement les institutions financires
islamiques. La transmission des crises travers leffet de la contagion financire nest pas
entirement maitrise. La mise en place de la politique macro-prudentielle peut sans doute
solidifier le systme islamique, et rduire leffet de la contagion des crises. En fait, cette
politique sintresse au systme financier dans son ensemble et ses interactions avec le
systme conomique. Elle revt un caractre plus prventif en se basant sur ltude des cycles,
des dsquilibres ou des bulles financires.
La politique macro-prudentielle est donc un facteur incontournable et complmentaire de la
politique micro-prudentielle (qui se concentre davantage sur la surveillance de chaque
institution) pour maitriser le risque systmique. Ainsi, ltude des mcanismes de cette
politique et sa mise en place pourrait contribuer largement la littrature conomique, en ce
qui concerne limpact de la mise en place dune telle politique sur la solidit du systme
financier islamique et sa rsistance face aux chocs financiers. Cette voie de recherche met en
169
Conclusion gnrale
relation troite la finance et la sphre relle de lconomie. Plusieurs pistes sont envisager
dans ce sens, en particulier la mise en place des mthodes rcentes, savoir la modlisation
de rseau. Cette mthode reprsente une plate-forme de simulation de crise par contagion
pour le systme financier, et permet dexaminer les interdpendances existantes entre les
diffrentes institutions, et de mesurer la contribution de chaque tablissement au risque
systmique. Ce simulateur permet galement dvaluer lventuelle perte de fonds propres
affectant le systme financier en raison en raison de la dfaillance alatoire dun ou de
plusieurs tablissements financiers (Chakrabarty, 2014). Il convient alors de mettre en place
ces mthodes conomtriques issues de la politique macro-prudentielle et de lappliquer sur
les marchs financiers islamiques. Cela aura un impact considrable sur les systmes
conomiques ayant implant la finance islamique, en matire de renforcement de la stabilit
macro-financire, et vitera galement lexposition de la finance islamique aux risques
systmiques.
Malgr l'importance de notre tude, nous nous sommes confronts nombreuses difficults.
D'abord la non disponibilit des donnes plus rcentes, et le fait que la plupart des indices
islamiques sont fraichement crs nous a impos de travailler avec un chantillon qui nest
pas trs large de donnes, en particulier pour les indices crs aprs 2007. Or l'analyse multifractale et l'tude des processus de mmoire longue exigent un nombre trs important de
donnes. Lanalyse de donnes financires intra-quotidienne est une voie souhaitable pour
perfectionner ltude. Cela permettrait denvisager des prvisions toutes les chelles
d'observation.
D'autre pistes restent explorer en matire de modlisation stochastique, savoir
l'exploitation des modles multi-fractales, en particulier le modle multi-fractal des actifs
financiers (Multifractal model of asset returns), ou le modle de marche alatoire multifractale (Multifractal Random Walks). En instrumentalisant ces modles, nous pouvons opter
pour la modlisation de la valeur risque (VAR) multi-fractale. Cette voie apparat comme
une alternative intressante aux modles consensuels, permettant une meilleure anticipation
des vnements extrmes, grce la prise en compte de distributions asymtriques et
leptokurtiques, et grce galement lexploitation des proprits dchelles et de
lautosimilarit.
170
Bibliographie gnrale
BIBLIOGRAPHIE GENERALE
Article de priodiques
Aglietta Michel, Risque systmique et politique macroprudentielle : une nouvelle
responsabilit des banques centrales. , Revue d'conomie financire 1/2011
(N 101) , p. 193-204.
Ahmad, Z., and H. Ibrahim. (2002), A study of Performance of The KLSE Syariah
Index, Malaysian Management Journal 6 (1 & 2): 25-34.
Baillie, R.T.,Bollerslev, T. (1989), The Message in Daily Exchange Rates: A
Conditional Variance Tale , Journal of Business and Economic Statistics, Vol.
7, pp.297-305.
Baillie, R.T., Bollerslev, T .Mikkelsen, H.O. (1996), Fractionally Integrated
Generalized Autoregressive Conditional Heteroskedasticity , Journal of
Econometrics, Vol. 73, pp.3-20.
Baillie, R.T, McMahon, P. (1989), The Foreign Exchange Market , Cambridge
University Press, Cambridge.
Bollerslev, T. et Mikkelsen H. O.(1996), Modeling and pricing long memory in stock
market volatility, Journal of Econometrics, Vol. 73, 151-184.
Breidt, F.J., Crato, N, et De Lima, P.(1998), The detection and estimation of long
memory in stochastic volatility, Journal of Econometrics, Vol. 83, 325-348.
Black, F.(1976), Studies of Stock Price Volatility Changes. Proceedings of the
Business and Economics Section of the American Statistical Association, 177
181.
Black, F. and Scholes, M. (1973), The pricing of options and corporate liabilities.
Journal of Political Economy, 81, 637-654.
Blanchard Olivier (2014), "les dangers qui nous guettent", Finance & Dveloppement,
Septembre 2014.
Bollerslev, T., (1987), A Conditionally Heteroskedastic Time Series Models for
Speculative Prices and Rates of Return, Review of Economics and Statistics,
Vol.69, pp. 542-547.
Bollerslev, T. (1986), Generalized Autoregressive Conditional Heteroscedasticity,
Journal of Economic Surveys, 7, pp. 305-62.
Bollerslev, T., Chou, R., and Kroner, K. (1992), ARCH Modeling in Finance, Journal
of Econometrics, Vol- 52, pp. 559.
Bollerslev, T., Engle, R.F., Wooldridge, J.M.(1988), A Capital Asset Pricing Model
with Time-Varying Covariances, Journal of Political Economy, 96, pp 116-31.
171
Bollerslev T. (1990), Modelling the coherence in short-run nominal exchange rates : a

multivariate generalized ARCH model , The Review of Economies and
Statistics, p. 498-505.
Box, G.E.P and Jenkins, G.M.(1976) .Time Series Analysis: forecasting and control.
Holden-Day .
Brasseul, J.(2004), Histoire des faits conomiques, Armand Colin,Markets Economic
Letters, Vol. 22, pp. 375-380.
Calvet (L.) et Fisher (A.) (2007), Multi-frequency news and stock returns, Journal of
Financial Economics, vol. 86, p. 178-212.
Calvet, L., Fisher (A.) et Mandelbrot, B. (1997), the multi-fractal model of asset
returns, Cowles Foundation Discussion Papers.
Chapra, U. (2008). Discussion Forum on the Financial Crisis: Comments from Islamic
Chakrabarty,K (2014), Cadre pour la conduite de la politique macro-prudentielle en
Inde : expriences et perspectives, Banque de France Revue de la stabilit
financire, N 18.
Chiadmi, MS,. Ghaiti, F. (2012), Modeling Volatility Stock Market using the ARCH
and GARCH Models: Comparative Study between an Islamic and a
Conventional Index (SP Shariah VS SP 500), International Research Journal of
Finance and Economics ISSN 1450- 2887 Issue 91.
Charles, A and Darn, O and Pop, A (2010) ,Are Islamic Indexes More Volatile Than
Conventional Indexes? Evidence from Dow Jones Indexes, working paper,
LEMNA.
Cihak, M. et H. Hesse. (2008), ,Islamic Banks and Financial Stability : An Empirical
Analysis,, IMF Working Paper.
Coulson, N.E. and R.P. Robins, (1985), Aggregate economic activity and the variance
of inflation:Another look, Economics Letters 17, 71-75.
Chou, R. Y (1988), Volatility persistence and stock valuations: some empirical
evidence using GARCH,. J. Appl. Econometrics 3,27994.
Cheung, Y.W., (1993), Long Memory in Foreign Exchange Rates , Journal of Business
and Economic Statistics, Vol. 11, pp. 93-101.
Chung, C. F., 2001, Estimating the fractionally integrated GARCH model, National
Taiwan University discussion paper.
Cont, R.(2000), Empirical properties of asset returns: stylized facts and statistical
issues, Quantitaive Finance, Volume 1 (2001) 223236.
Corbae, D et Ouliaris, S. (1986), Robust Tests for Unit Roots in the Foreign Exchange.
Economics Letters, Volume 22, Issue 4, 1986, pp 375380.
172
Cornell, W.B. et Dietrich, J.K (1978), The Efficiency of the Foreign Exchange Market
Under Floating Exchange Rates , Review of Economics andStatistics, Vol. 60 ,
pp. 111-120.
Day, T.E. and Lewis, C.M. (1992), Stock Market Volatility and the information
content of stock options,Journal of Econometrics, 52, pp 267-287.
Dickey, D., and W. Fuller (1979), Distribution of the Estimator for the autoregressive
Time Series with a Unit Root, Journal of the American Statistical Association,
74, 427431.
Dooley, M.P and Shafer, J. (1983), Analysis of Short Run Exchange Rate Behavior:
Marsh 1973 to November 1981 , dans D. Bigman et T. Taya (eds.), Exchange
Rate and Trade Instability: Causes, Consequences and Remedies, Cambridge,
MA: Ballinger.
Domowitz, I., Hakkio, C.S.(1985), Conditional Variance and the Risk Premium in the
Foreign Exchange Market, Journal of International Economics, 19, pp. 47-66.
lie, B.(2009), Lorigine de la crise, Universit du Qubec Montral.
Engle, R.F. (1982), Autoregressive Conditional Heteroscedasticity with estimates of
the Variance of U.K. Inflation, Econometrica, 50, pp 987-1008.
Engle, R, Hendry.D,Trumble.D, (1985), Small-sample properties of ARCH estimators
and tests, Canad. J. Economics, 18, pp. 6693.
Engle.F,Lilien.M, Robins.P (1987), Estimating Time Varying Risk Premia in the Term
Structure: The Arch-M Model, Econometrica, Vol. 55, No. 2.
Engle, R.F., et T. Bollerslev.(1986), Modelling the persistence of conditional
variances, Econometric reviews, Vol. 5, 1-50.
Engle, R. F. and Kroner F. K. (1995). Multivariate Simultaneous Generalized ARCH.
Econometric Theory, Vol. 11, 122150.
Edwards S. and Susmel, R. (2001). Volatility dependence and contagion in emerging
equity markets, Journal of Development Economics, Vol. 66(2), 505-532.
El ghini, A., Saidi, Y. (2013), Financial Market Contagion During the Global
Financial Crisis: Evidence from the Moroccan Stock Market, MPRA Paper
53392, University Library of Munich, Germany.
Fadhlaoui, F.(2008) , La crise de 2007: les recommandations de Stiglitz dans la
rforme du systme bancaire , Universit de Bourgogne ,Laboratoire
dEconomie et de Gestion.
Filll, J., (2005), Modlisation multi-fractale du taux de change USD/Euro, Economie
Internationale, no :104.
Granger, C.W.J.(1980), Long Memory Relationships and the Aggragation of Dynamics
Models, Journal of Econometrics, Vol. 14, 227238.
173
Granger, C.W.J. et Joyeux, R., 1980, An Introduction to long memory time series
models and fractional differencing, Vol 1,15-29.
Goetzmann, W, Peng,L and Yen,J (2009), The subprime Crisis and House Price
Appreciation, National Bureau of Economic Research.
Grouard,M.H., Lvy.S.,Lubochinsky,C.(2003), La volatilit boursire : des constats
empiriques aux difficults dinterprtation, Banque de France.
Hammoudeh S.M., Y. Yuan, M. McAleer et M. A. Thompson (2010), Precious
metalsexchange rate volatility transmissions and hedging strategies,
International Review of Economies f3 Finance, vol. 19, no4, p. 633-647.
Hakim, S., and M. Rashidian. (2002), Risk & return of Islamic stock market indexes.
9th Economic Research Forum Annual Meeting, 26-29 October, Sharjah UAE.
Hsieh, D.A., (1989), Modeling Heteroskedasticity in Daily Foreign Exchange Rates ,
Journal of Finance, Vol.5, pp.1839-1877.
Hurst, H.E. (1950), Long-Term Storage Capacity of Reservoirs, Proceedings of the
American Society of Civil Engineers, 76(11).
Hussein, Khalid. (2005), Ethical Investment: Empirical Evidence from FTSE Islamic
Index, Islamic Economic Studies, Vol.12, no.1 (August), pp. 21-40.
Hussein, K., and M. Omran. (2005), Ethical Investment Revisited: Evidence from Dow
Jones Islamic Indexes. The Journal of Investing 14 (3): 105-124.
Hosking, J.R.M.(1981), Fractional Differencing, Biometrica, n 68 (1), 165-176.
Idier, J. (2011), Les modles fractals en finance, Bulletin de la Banque de France, N :
183.
Ibrahim, M. (2002), Volatility Interactions between Stock Returns and Macroeconomic
Variables: Malaysian Evidence, Savings and Development no 2-2002-XXVI.
John Y. Campbell, Andrew W. Lo, Craig MacKinlay. (1997), The Econometrics of
Financial Markets. Princeton University Press.
Kok, S., G. Giorgioni, and J. Laws. (2009), Performance of Shariah-Compliant
Indices in London and NY Stock Markets and their potential for diversification,
International Journal of Monetary Economics and Finance 2 (3): 398408
Kwiatkowski, D., P.C.B. Phillips, P. Schmidt, Y. Shin. (1992), Testing the Null
Hypothesis of Stationarity against the Alternative of a Unit Root, Journal of
Econometrics, 54, pp. 159-178, North-Holland.
Karoly, G. and M. Stulz, (1996), Why Do Market Move Together ? An investigation
of USJapan Stock Return Comovements, The Journal of Finance, 51, 3, 951986.
174
Kassim, A. (2013), The global financial crisis and the integration of Islamic stock
indexes in developed and developing countries, Asian Academy of
Management Journal of Accounting and Finance, Vol. 9, No. 2, 7594, 2013.
Kim, S., Moshirian F. and Wu E.(2005), Dynamic Stock Market Integration Driven by
the European Monetary Union: An Empirical Analysis, Journal of BANKING
& FINANCE, 29, 2475-2592.
King, M, &Wadhwani S. (1990), Transmission of volatility between stock markets.
The Review of Financial Studies, 3, 533.
Lee, S. B., & Kim, K. J. (1993). Does the October 1987 crash strengthen the comovements among national stocks markets? Review of Financial Economics, 3,
89102.
Longin, L.,Solnil,.B(2001), Extreme Correlation of International Equity Market,
The Journal of Finance , 56, 649-676.
Lamoureux, C.G. and Lastrapes, W.D. (1993), Forecasting Stock Return
Variance:Toward an Understanding of Stochastic Implied Volatilities, Review
of Financial Studies,6(2), pp 293326.
Lamperti,J.(1962) Semi-stable processes, Transaction of American mathematical
society 104, pp. 62-78.
Lefebvre, O.(2008), La crise financire 2007 20?? : Mise en perspective et
premires leons, lAcadmie Louvain.
Levich, R. (1979), On the Efficiency of Markets for Foreign Exchange, R. Dornbush et
J.Frankel eds. International Economic Policy, Theory and Evidence, John
Hopkins, pp.246- 267.
Maher, H., and Dridi, 2010, The Effects of the Global Crisis on Islamic and
Conventional Banks:A Comparative Study, IMF working paper.
Mandelbrot, B. (1963). The Variation of Certain Speculative Price, Journal of
Business, Vol- 36, pp. 394-419.
Mandelbrot,.B. (1963), The variation of certain speculative prices, Journal of
Business, vol. 36, p. 394-419.
Mandelbrot,B. (1967) ,The variation of the prices of cotton, wheat and railroad stocks,
and some financial rate, The Journal of Business, vol. 40, p. 393-413.
Markowitz,H, M. (1952) , Portfolio selection, The Journal of Finance, vol. 7, n 1, p.
7791.
Mirakhor, A.(2008). Discussion Forum on the Financial Crisis: Comments from
Islamic Perspective. IIUM Journal of Economics and management, Vol.16, no.
2.
175
McKinnon, J.G. (1991), Critical Values for Cointegration Tests, Engle et C.W.J.
Granger (eds), Long-run Economic Relationships: Reading in Cointegration,
Oxford United Press.
Meese, R.A. et Rogoff, R. (1983), Empirical Exchange Rate Models of the Seventies:
Do they Fit Out of Sample?, Journal of International Economics, Vol. 14, pp.
15-24.
Meese, R.A. et Singleton, K.J. (1982), On Unit Roots and the Empirical Modeling of
Exchange Rates , Journal of Finance, Vol. 37, pp.1029-1035.
Nelson, D. B. (1991), Conditional Heteroscedasticity in Asset Returns: A New
Approach, Econometrica, Vol- 59:2, pp. 347-70.
Naoui K. , S. Khemiri, Liouane,N. (2010), Crises and Financial Contagion : The
Subprime Crisis , Joumal of Business Studies Quarterly, Volume 2, nol , p.1528.
Neaime, S. (2012). The global financial crisis, financial linkages and correlations in
returns and volatilities in emerging MENA stock markets. Emerging Markets
Review, 268282.
Noyer, C.(2009), Stabilit mondiale, lavenir des marchs de capitaux et de la finance
islamique en France, Banque de France.
Osman, M.M. (2010). Immunity of Islamic Banks amid Credit Crunch is Another
Testimony of Islamic Banking Success. Aliqtissad Alislami. 348: 2-7.
Palm, F.C, Vlaar, P.J.G. (1997), Simple Diagnostics Procedures for Modeling
Financial Time Series , Allgemeine Statistisches Archiv, Vol. 81, pp.85-101.
Poole, W. (1967), Speculative Prices as Random Walks: An Analysis of Ten Time
Series of Flexible Series Analysis , Southern Journal of Economics, Vol. 33,
pp. 468-478.
Philipps, P. C., and P. Perron (1988), Testing for a Unit Root in Time Series
Regression, Biometrica, 75, 335346.
Silvennoinen, A. & Tersvirta, T. (2009). Modeling Multivariate Autoregressive
Conditional Heteroskedasticity with the Double Smooth Transition Conditional
Correlation GARCH Model. Journal of Financial Econometrics, Society for
Financial Econometrics, Vol. 7(4), 373411.
Sharpe,W. F. (1964), Capital asset prices a theory of market equilibrium under
conditions of risk, Journal of Finance, vol. 19, n 3, p. 425442.
Sewell, M. (2011), Characterization of Financial Time Series, Research Note 11/01,
UCL Department of Computer Science.
Siddiqi, M. N. (2008). Discussion Forum on the Financial Crisis: Comments from
Islamic Perspective, IIUM Journal of Economics and management, Vol.16, no.
2.
176
Shiller Robert J. (1981), Do stock prices move too much to be justified by subsequent
changes in dividends?, American Economic Review, 71, pages : 421.436.
Trannoy A. (2008), Ces banques qui nassurent plus, Telos, n1262, 21 octobre.
Westerfield, J.M., (1977), An Examination of Foreign Exchange Risk under Fixed and
Floating Regimes , Journal of International Economics, Vol.7, pp.181-200.
Wilson, R. (2007), Global Islamic capital markets: review of 2006 and prospects for
2007 . Working Paper. Durham University.
Ouvrages entiers
Aziz, Z.A. (2010). Islamic finance and global financial stability. Islamic Financial
Services Board.
Bourbonnais, R(1998), Economtrie, manuel et exercices corrigs, Dunod.
Brooks, C. (2004), Introductory Econometrics for Finance.Cambridge, University
Press.
Herlin, P.(2010), Finance : le nouveau paradigme , Eyrolles.
Kameel, A. (2009). Solution to the Global Financial Crisis. The Edge.
Lardic, S., et Mignon V. (2002), Economtrie des Sries Temporelles
Macroconomiques et Financires , 2002, Economica.
Mandelbrot B, (1997), Fractales, Hasard et Finance , Flammarion.
Mandelbrot, B.(2005), Une approche fractale des marchs, ditions Odile Jacob.
Philippe, J.(2008), La crise morale qui a entrain la crise financire, Canal Acadmie.
Salin, P. (2010), Revenir au capitalisme : Pour viter les crises, Odile Jacob, 2010.
Stiglitz, J.E (2010), Le rapport Stiglitz, pour une vraie rforme du systme montaire
et international, Edition Babel.
Parties douvrages
Hassoune, A. (2008). La finance islamique connait une croissance vertigineuse mais
fragmente . In La finance islamique la franaise, 87-126. ditions Bruno
Leprince.
Osman, M.M. (2010). Immunity of Islamic Banks amid Credit Crunch is Another
Testimony of Islamic Banking Success. Aliqtissad Alislami. 348: 2-7.
Articles prsents lors de confrences
177
Boudjellal, M .2010. Les acquis et les dfis de la finance islamique , 2010,

Universit Frehat Abbas-Stif-Algrie.
Guyot, A. 2008. Les prceptes de la Shariah contribuent-ils lefficience et la
performance des marchs dactions? Une tude comparative des indices Dow
Jones Islamic. Colloque international: Ouverture et mergence en
Mditerrane, 17-18 octobre, Rabat Maroc.
Hakim, S., et M. Rashidian. 2002. Risk & return of Islamic stock market indexes .
9th Economic Research Forum Annual Meeting, 26-29 October, Sharjah UAE.
Masmoudi, T(2010), La finance islamique dans le contexte de la crise financire:
opportunits et dfis , capmena.
Mirakhor, A. and Krichene, N. (2009). Recent Crisis: Lessons for Islamic
Finance.Paper presented during the 2nd Islamic Financial Services Board
Public Lecture, Kuala Lumpur.
Thses
Benlahmar, I, (2010), la finance islamique face la crise, INSEEC, France.
El khamlichi, A.(2012) thique et performance : le cas des indices boursiers et des
fonds dinvestissement en finance islamique 2012, Universit dAuvergne.
Pochart, B.(2006) Processus multifractals en finance ,2006, Ecole polytechnique.
Textes lectroniques
Atta, H. (2000). Ethical rewards. Universityof Durham.
http://www.djindexes.com/mdsidx/downloads/thesis.pdf
Usmani, M. T. (2009), Post-Crisis Reforms: Some Points to Ponder, World Economic
Forum: http://www.weforum.org/pdf/faith/UsmaniPostCrisisReforms.pdf.
178
Annexes
ANNEXES
Annexe 1 : Projet de loi 103.12 Janvier 2014 relatif aux banques participatives
Le projet de loi sur les tablissements de crdit et assimils, que le gouvernement vient dapprouver le
19 janvier 2014, rserve son titre 3 aux banques islamiques que le lgislateur appelles les banques
participatives.
Voici les dispositions du titre 3 :
TITRE TROISIEME : Banques Participatives
Chapitre Premier
Champ dapplication
Article 54
Sont considres comme banques participatives les personnes morales rgies par les dispositions du
prsent titre, habilites exercer titre de profession habituelle les activits vises aux articles l er, 55
et 58 de la prsente loi, ainsi que les oprations commerciales, financires et dinvestissements, aprs
avis conforme du Conseil suprieur des Oulma vis larticle 62 ci-dessous.
Les activits et oprations sus mentionnes ne doivent pas impliquer la perception et/ou le versement
dintrt.
Article 55
Les banques participatives sont habilites recevoir du public des dpts dinvestissement dont la
rmunration est lie aux rsultats des investissements convenus avec la clientle.
Article 56
On entend par dpts dinvestissement les fonds recueillis par les banques participatives auprs de sa
clientle en vue de leur placement dans des projets et selon des modalits convenus entre les parties.
Les conditions et modalits de collecte et de placement de ces dpts sont fixes par circulaire du wali
de Bank A1-Maghrib, aprs avis du comit des tablissements de crdit et avis conforme du Conseil
suprieur des Oulma vis larticle 62 ci-dessous.
Article 57
179
Annexes
Les banques participatives peuvent exercer, sous rserve du respect des dispositions lgislatives et
rglementaires applicables en la matire et dans les mmes conditions prvues larticle 54 ci-dessus,
les oprations prvues aux articles 7, 8, 9 et 16 de la prsente loi.
Article 58
Les banques participatives peuvent procder au financement de la clientle travers notamment les
produits ci-aprs :
a) Mourabaha
Tout contrat par lequel une banque participative acquiert un bien meuble ou immeuble en vue de le
revendre son client son cot dacquisition plus une marge bnficiaire convenue davance.
Le rglement de cette opration par le client est effectu selon les modalits convenues entre les
parties.
b) Ijara
Tout contrat selon lequel une banque participative met, titre locatif, un bien meuble ou immeuble
dtermin et proprit de cette banque, la disposition dun client pour un usage autoris par la loi.
LIjara peut revtir lune des deux formes suivantes :
- Ijara tachghilia qui consiste en une location simple ;
- Ijara wa iqtinaa qui consiste en une location assortie de lengagement ferme du locataire dacqurir le
bien lou lissue dune priode convenue davance.
c) Moucharaka
Tout contrat ayant pour objet la participation, par une banque participative, un projet, en vue de
raliser un profit.
Les parties participent aux pertes hauteur de leur participation et aux profits selon un prorata
prdtermin.
La Moucharaka peut revtir lune des deux formes suivantes :
- la Moucharaka Tabita : les parties demeurent partenaires jusqu lexpiration du contrat les liant ;
- la Moucharaka Moutanakissa : la banque se retire progressivement du projet conformment aux
stipulations du contrat.
d) Moudaraba
180
Annexes
Tout contrat mettant en relation une ou plusieurs banques participatives (Rab el Mal) qui fournissent le
capital en numraire et/ou en nature et un ou plusieurs entrepreneurs (Moudarib) qui fournissent leur
travail en vue de raliser un projet. La responsabilit de la gestion du projet incombe entirement aux
entrepreneur(s). Les bnfices raliss sont partags selon une rpartition convenue entre les parties et
les pertes sont assumes exclusivement par Rab el Mal, sauf en cas de fraude commise par le(s)
Moudarib
Les caractristiques techniques de ces produits ainsi que les modalits de leur prsentation la
clientle sont fixes par circulaire du wali de Bank Al-Maghrib, aprs avis du comit des
tablissements de crdit et avis conforme du Conseil suprieur des Oulma vis larticle 62 cidessous.
Les banques participatives peuvent financer leur clientle travers tout autre produit dont les
caractristiques techniques ainsi que les modalits de leur prsentation la clientle sont fixes par
circulaire du wali de Bank Al-Maghrib aprs avis du comit des tablissements de crdit et avis
conforme du Conseil suprieur des Oulma vis larticle 62 ci-dessous.
Article 59
Outre les rgles rgissant les produits de financement prvus par le prsent titre, toute banque
participative peut galement offrir sa clientle tout autre produit sous rserve de lavis conforme du
Conseil suprieur des Oulma vis larticle 62 ci-dessous.
Article 60
Les banques participatives sont agres conformment aux dispositions de larticle 34 ci-dessus.
Article 61
Les tablissements de crdit viss larticle 10 ci-dessus peuvent, sous rserve de laccord pralable
du wali de Bank Al-Maghrib exercer les oprations prvues par le prsent titre.
Les dispositions de lalina ci-dessus sont galement applicables aux tablissements de paiement, aux
associations de micro-crdit, aux banques offshore, la Caisse Centrale de Garantie et la Caisse de
Dpt et de Gestion.
Les conditions et les modalits dapplication du prsent article sont fixes par circulaire du wali de
Bank Al-Maghrib, aprs avis du comit des tablissements de crdit et avis conforme du Conseil
suprieur des Oulma vis larticle 62 ci-aprs.
Chapitre II
181
Annexes
Instances de conformit
Article 62
Les avis conformes prvus au prsent titre sont mis par le Conseil suprieur des Oulma prvu au
dahir n1-03-300 du 2 rabbi I 1425 (22 avril 2004) portant rorganisation des conseils des oulma.
Article 63
Les banques participatives adressent, la fin de chaque exercice social, au Conseil suprieur des
Oulma vis larticle 62 ci-dessus, un rapport dvaluation sur la conformit de leurs oprations et
activits aux avis conformes du Conseil suprieur des Oulma prcit.
Article 64
Les banques participatives sont tenues de mettre en place un comit daudit, charg :
didentifier et de prvenir les risques de non-conformit de leurs oprations et activits aux

avis conformes du Conseil suprieur des Oulma vis larticle 62 ci-dessus ;
dassurer le suivi de lapplication des avis conformes du Conseil suprieur des Oulma prcit
et den contrler le respect ;
de veiller ltablissement des manuels et des procdures respecter ;
dadopter les mesures requises en cas de non-respect avr des conditions imposes pour la
prsentation au public dun produit au sujet duquel un avis conforme du Conseil suprieur des
Oulma prcit a t mis.

Les conditions et modalits de fonctionnement dudit comit daudit sont arrtes par circulaire du wali
de Bank Al-Maghrib, aprs avis du comit des tablissements de crdit.
Article 65
Les banques participatives sont tenues de communiquer Bank Al-Maghrib, dans les conditions fixes
par circulaire du Wali de Bank Al-Maghrib, aprs avis du comit des tablissements de crdit, un
rapport sur la conformit de leur activit aux dispositions du prsent titre.
Chapitre II
Dispositions diverses
Article 66
Les banques participatives exerant les activits prvues par le prsent titre sont tenues dadhrer
lassociation professionnelle prvue larticle 32 ci-dessus.
182
Annexes
Article 67
Il est institu un fonds dnomm " fonds de garantie des dpts des banques participatives" destin
indemniser les dposants des banques participatives en cas dindisponibilit de leurs dpts et de tous
autres fonds remboursables.
Ce Fonds peut galement, titre prventif et exceptionnel, accordera une banque participative en
difficult et dans la limite de ses ressources, des concours remboursables ou prendre une participation
dans son capital.
Article 68
La garantie du Fonds prvu larticle 67 ci-dessus couvre tous les dpts et autres fonds
remboursables collects lexclusion des dpts dinvestissements prvus par les dispositions de
larticle 55 ci-dessus et des fonds reus de la part de :
- des autres tablissements de crdit ;
- de ses filiales, des membres de ses organes dadministration, de surveillance et de direction, de ses
actionnaires disposant dau moins 5% des droits de vote ;
- des organismes qui fournissent les services viss aux articles 7 et 16 ci-dessus ;
- des entits vises au 2me et 3me tirets de larticle 19 ci-dessus ;
- des organismes viss aux 1), 2), 3), 4), 6) et 7) de larticle 23 ci-dessus.
Article 69
La gestion du Fonds prvu larticle 67 ci-dessus est confie la socit gestionnaire des fonds
collectifs de garantie des dpts prvue larticle 132 ci-dessous.
Les conditions et les modalits de fonctionnement de ce Fonds sont arrtes par circulaire du wali de
Bank Al-Maghrib, aprs avis du comit des tablissements de crdit et avis conforme du Conseil
suprieur des Oulma vis larticle 62 ci-dessus.
Article 70
Les dispositions de la prsente loi sont applicables aux banques participatives.
Les conditions et modalits dapplication de ces dispositions seront dictes par circulaire du wali de
Bank Al-Maghrib, aprs avis du comit des tablissements de crdit.
183
Annexes
184
Annexes
Annexe 2 : Modalit de gestion des indices bousiers islamiques
Indice boursier
Modalit de gestion
Date de cration : Fvrier 1999
Univers de dpart : DJ World Index (6482 socits)
Univers darrive : DJIMI (2343 socits) et ses 69 indices sectoriels et
rgionaux.
1. Pays couverts : 66 pays
Dow Jones
Islamic Market
Index
2. Pondration : par le flottant

3. Devise : dollar amricain (USD)
4. Indice de performance globale (dividendes rinvestis)
5. Calcul en temps rel
6. Rvision trimestrielle (mars, juin, septembre, dcembre)
7. Recomposition annuelle
8. Rvision exceptionnelle : immdiate si un vnement exceptionnel survient
(fusion, acquisition, faillite, etc.)
Source : Dow Jones (2010)
Date de cration : Dcembre 2006
Univers de dpart : S&P Global BMI Equity Index (11000 socits)
Univers darrive : S&P Global BMI Shariah Index (6000 socits)
3. Devise : dollar amricain (USD)
S&P Shariah

7. Rgle des 5% : tout changement dans la capitalisation flottante suprieur
5% est appliqu sa date effective. Dans le cas contraire, le changement se fait
au moment de la rvision trimestrielle.
8. Recomposition annuelle (septembre)
9. Rvision exceptionnelle : immdiate si un vnement exceptionnel survient
(fusion, acquisition, faillite, etc.)
Source : Standard and Poors (2010b)
Date de cration : Octobre 1999

FTSE Shariah
Univers de dpart : FTSE All World Index (2888 socits)

Univers darrive : FTSE Shariah All World Index (1313 socits)
185
Annexes

3. Devise : GBP
7. Recomposition annuelle
Source : FTSE (2010)
Date de cration : Mars 2007
Univers de dpart : MSCI All Country World Index (2416 socits) et les
autres indices rgionaux et sectoriels de la famille MSCI
Univers darrive : MSCI Islamic (1067 socits) et ses indices sectoriels et
rgionaux
MSCI Islamic
Index

3. Devise : USD
6. Rvision trimestrielle (fvrier, mai, aot, novembre)
7. Recomposition annuelle (mai)
Source : MSCI (2011)
186

Volatilité Des Indices Boursiers Islamiques Dans Le Contexte de La Crise Financière

Transféré par

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

Volatilité Des Indices Boursiers Islamiques Dans Le Contexte de La Crise Financière

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Volatilité Des Indices Boursiers Islamiques Dans Le Contexte de La Crise Financière

Transféré par

Droits d'auteur :

Formats disponibles

Universit Mohammed V de Rabat

Ecole Mohammadia d'Ingnieurs

M. Mohammed Salah CHIADMI

La volatilit des indices boursiers islamiques

Mme. Fouzia Ghaiti

M. Abdelhalim Skalli El Houssaini

Ceux qui possdent la finance sont possds par la finance

A Houda, pour sa patience et son soutien infaillible ;

Tout dabord, jexprime ma profonde gratitude lgard de ma directrice de thse Madame

Table des matires

Liste des abrviations ............................................................................................................. 15

Stationnarit des rendements ......................................................................................... 34

Autocorrlation des rendements et efficience des marchs........................................... 42

Leptokurticit et asymtrie des rendements .................................................................. 45

Accumulation de la volatilit (Volatility clustering) ..................................................... 47

Mmoire longue ............................................................................................................ 49

Effet de levier ................................................................................................................ 49

Crises financires .......................................................................................................... 50

Origines et mcanismes de la crise de 2007-2008 ................................................. 50

Sortie de la crise rcente ........................................................................................ 51

La finance islamique : Principes fondateurs et instruments de financement ................ 60

Interdiction du Riba ............................................................................................... 61

Interdiction du Gharar ........................................................................................... 61

Interdiction du Maysir ............................................................................................ 62

Exigence dinvestissement dans les secteurs licites ............................................... 62

Obligation de partage des profits et des pertes ...................................................... 62

Adossement des investissements des actifs tangibles ......................................... 62

Les produits de la finance islamiques ........................................................................... 63

Produits bancaires .................................................................................................. 63

Produits assurantiels : Takaful ............................................................................... 69

Produits du march ................................................................................................ 69

Indices boursiers islamiques ........................................................................... 69

Processus de construction et de filtrage des indices boursiers islamiques 70

Principaux indices boursiers islamiques.................................................. 71

Revue de littrature ....................................................................................................... 72

Mthodologie : les modles GARCH et EGARCH ...................................................... 74

Rsultats empiriques ..................................................................................................... 77

Conclusion ............................................................................................................................. 110

Modlisation de la mmoire longue : Modle FIGARCH .......................................... 116

Outils de dtection de la mmoire longue ................................................................... 119

Analyse R/S ......................................................................................................... 119

Analyse R/S modifi ............................................................................................ 120

Rsultats empiriques ................................................................................................... 121

Conclusion ............................................................................................................................. 126

Revue de littrature ..................................................................................................... 132

Invariance dchelle et processus auto-similaires ....................................................... 133

Rsultats empiriques ................................................................................................... 135

Conclusion ............................................................................................................................. 145

Chapitre 5 : Analyse de linterdpendance des marchs ............................................... 148

Revue de littrature ..................................................................................................... 148

Modles multi-varis ................................................................................................... 150

Modle VEC (Vector Error Correction) .............................................................. 151

Modle BEKK-GARCH ...................................................................................... 152

Modle GARCH Multivari................................................................................. 153

Modle CCC-GARCH ......................................................................................... 154

Modle DCC-GARCH ......................................................................................... 155

Rsultats empiriques ................................................................................................... 158