Accueil Revues Revue Numéro Article

Comptabilité - Contrôle - Audit

2006/2 (Tome 12)


ALERTES EMAIL - REVUE Comptabilité - Contrôle - Audit

Votre alerte a bien été prise en compte.

Vous recevrez un email à chaque nouvelle parution d'un numéro de cette revue.

Fermer

Article précédent Pages 143 - 165 Article suivant

Introduction

1

L’introduction en bourse est un évènement majeur dans la vie d’une société. Si elle est un facteur de notoriété (Demers et Lewellen, 2003), elle modifie également l’équilibre organisationnel : à cette occasion, les diverses parties prenantes doivent décider si elles restent ou entrent en relation avec le candidat à l’introduction. Elles disposent, pour fonder leur choix, du document légal d’information, le prospectus d’introduction. Mais les informations essentiellement rétrospectives du prospectus ne leur permettent pas d’évaluer correctement les performances à venir de la société (Kim et Ritter, 1999). En effet, elles n’intègrent pas les résultats attendus des fonds levés (Firth, 1998) et peuvent être sujettes à manipulation (Aharomy et alii, 1993 ; Friedland, 1994 ; Teoh et alii, 1998). En revanche, les prévisions de résultats diffusées volontairement par le dirigeant semblent l’un des signaux les plus efficaces de la valeur des titres introduits (Trueman, 1986 ; Hughes, 1986 ; Easley et O’Hara, 2004).

2

Toutefois, ces prévisions ne remplissent leur rôle que si elles sont précises. En France, le contrôle du prospectus effectué par les commissaires aux comptes et par le régulateur est limité et ne préjuge pas de la précision des estimations publiées. Nous nous sommes donc proposés, dans un premier temps, d’évaluer la précision des estimations présentes dans les prospectus d’introduction au Second Marché. Sur ce marché, deux facteurs rendent particulièrement importante la publication de prévisions précises dans le prospectus : le niveau d’asymétrie d’information et les procédures d’introduction en vigueur. Les sociétés introduites sur le Second Marché sont en effet plutôt de petite taille, familiales et donc peu connues du public avant leur entrée en bourse (Faugeron-Crouzet et Ginglinger, 2002). En outre, sur notre période d’étude, 23,4 % des introductions ont été réalisées via une offre à prix ferme (Faugeron-Crouzet, 2001). Cette procédure fait du prospectus le seul vecteur de communication entre les investisseurs et la société, contrairement au placement, favorable aux échanges d’information entre le banquier introducteur et le marché (Firth, 1998 ; Chen et alii, 2001).

3

Par ailleurs, pouvoir prédire la précision des prévisions du prospectus à partir d’informations disponibles ex ante peut intéresser les partenaires de l’entreprise comme le régulateur, qui subordonne l’admission définitive d’une société sur le Second Marché à la qualité de l’information publiée les trois premières années de cotation (article 34 du règlement 98-01). Par conséquent, nous nous sommes demandés, dans un deuxième temps, quelles caractéristiques de la société décrites dans le prospectus (taille, âge, endettement…) expliquaient le mieux la précision des prévisions du dirigeant. Enfin, analysée dans plusieurs pays, la précision des estimations publiées dans les prospectus d’introduction ne l’a pas été dans le contexte français. Notre travail complète donc utilement la littérature.

4

Le reste de l’article s’organise de la façon suivante. Dans la première section, nous présentons le contexte institutionnel puis déduisons d’une revue de la littérature les déterminants supposés de la précision des prévisions du prospectus. La démarche empirique est exposée dans la deuxième section. La dernière section est consacrée à l’analyse empirique de la précision des estimations du dirigeant.

1 - Le contexte institutionnel et les hypothèses

5

Dans cette première section, nous présentons le processus de publication de prévisions lors d’une admission à la cote du Second Marché puis les déterminants supposés de la précision de ces estimations.

1.1 - La publication de prévision dans le cadre d’une introduction au Second Marché

6

Selon l’article 4 du règlement n° 98-01 de la COB (Commission des Opérations de Bourse), le prospectus doit contenir « toutes les informations nécessaires aux investisseurs pour fonder leur jugement sur le patrimoine, l’activité, la situation financière, les résultats et les perspectives de l’émetteur ». Comme précédemment évoqué, les résultats prévisionnels de l’impétrant au Second Marché sont des informations très prisées ; leur publication est donc encouragée par le régulateur tant qu’elle ne compromet pas l’intérêt social (instruction mars 2001, schémas A, ch. 5 et 7). Également facultative dans les pays anglo-saxons et du Commonwealth, la publication de prévisions dans le prospectus est plutôt dissuadée aux États-Unis. Dans d’autres pays comme la Grèce, la Malaisie, la Nouvelle Zélande depuis 1983 et Singapour depuis 1993, les candidats à l’introduction sont obligés d’insérer leur plan de développement dans le prospectus. La France se distingue par un régime dual, obligatoire pour les admissions à la cote du Nouveau Marché et optionnel pour les introductions au Second Marché (tableau 1).

Tableau 1 - Des prévisions obligatoires ou facultatives selon les paysTableau 1
7

Le dirigeant qui introduit sa société sur le Second Marché a donc le choix de publier ou non ses anticipations de résultat. Sa décision dépend des gains nets estimés de la publication (Bilson et alii, 2003). Une fois l’option de publication levée, il élabore ses prévisions avec l’aide des intermédiaires financiers participant à l’opération (banquier(s) introducteur(s), entreprise d’ spécialiste). Dans le cadre des diligences professionnelles d’usage, définies dans le code FBF-AFEI [1][1] Ce code est consultable à l’adresse http://www.cmf..., les prestataires de services d’investissement (PSI) doivent interroger le candidat à l’introduction sur le fondement, le mode de calcul et la cohérence des prévisions par rapport aux performances passées. Les pratiques de diffusion sélective, condamnées par la COB en 1998, ont révélé l’influence des PSI sur le processus prévisionnel : certaines banques étrangères incitaient les candidats à l’introduction à ne communiquer leur plan de développement qu’aux analystes, contrairement au principe d’égalité de traitement des investisseurs.

8

Avant leur publication, les prévisions sont également contrôlées par les commissaires aux comptes. En France, contrairement au Canada (McConomy, 1998 ; Clarkson, 2000), les commissaires aux comptes n’ont pas à certifier les informations prévisionnelles du prospectus. Conformément à la norme de travail 6-801, ils doivent simplement attester, dans un rapport inclus dans le prospectus, la sincérité des prévisions, c’est-à-dire la précision des calculs effectués et le bien-fondé des prévisions au regard de la situation présente et historique de la société. Le prospectus d’introduction fait donc l’objet d’une moindre révision que les comptes historiques.

9

Une fois publiées, les prévisions du prospectus peuvent encore être contrôlées par le régulateur, garant légal de la bonne information du public. La COB a récemment sanctionné les dirigeants des sociétés Sidel, Kalisto et Titus pour avoir publié des prévisions excessivement optimistes lors de l’émission de titres sur le marché [2][2] Décisions COB du 12 septembre 2002 (bulletin COB n°....

10

Au total en France, les garanties institutionnelles de la qualité des prévisions comprises dans les prospectus d’introduction restent relativement faibles, par comparaison aux États-Unis par exemple, mais tendent à se renforcer.

1.2 - Les déterminants supposés de la précision des prévisions

11

Les hypothèses relatives à la précision des prévisions de résultat incluses dans les prospectus et aux facteurs explicatifs de cette précision sont ci-dessous présentées.

1.2.1 - La précision attendue des prévisions de résultat

12

Nous supposons que le dirigeant cherche à anticiper aussi précisément que possible les résultats à venir. En effet, en publiant des prévisions imprécises, le dirigeant nuit à sa réputation (Jaggi, 1997), laisse une mauvaise impression au marché et compromet fortement tout autre appel public à l’épargne. Il tombe également sous le coup des articles 3 du règlement COB n° 90-02 et 433 de la loi du 24 juillet 1966 et encourt des sanctions administratives et/ou pénales [3][3] L’article 3 du règlement 90-02 sanctionne la publication.... Enfin, le marché pénalise la publication de mauvaises prévisions. Henry et alii (2003) mettent ainsi en évidence des rentabilités anormales négatives lorsque les résultats réels n’atteignent pas les prévisions du prospectus. Eu égard à ces arguments, les résultats prévisionnels du prospectus ne devraient pas significativement s’écarter des réalisations. Notre hypothèse est donc :

13

H1 – Le dirigeant anticipe précisément les résultats à venir dans le prospectus d’introduction.

1.2.2 - Les déterminants potentiels de la précision des prévisions de résultat

14

Sur l’ensemble des déterminants possibles de la précision des estimations du dirigeant recensés dans la littérature (tableau en appendice), dix facteurs potentiels ont été retenus, pour leur disponibilité et leur pertinence dans le contexte français : la taille, l’âge du candidat à l’introduction, le levier financier, la rétention de capital par le dirigeant ; la nature, l’internationalisation et la diversification de l’activité ; l’horizon de prévision, la réputation des commissaires aux comptes et l’année d’introduction. Leur effet probable sur la précision des prévisions est respectivement examiné.

15

– La précision des prévisions et la taille

16

Les sociétés de grande taille sont présumées prédire les résultats à venir avec plus de précision que les petites sociétés, fortes de leur expérience en matière budgétaire, d’outils statistiques plus sophistiqués (Firth et Smith, 1992 ; Mak, 1994 par exemple) et d’un meilleur système d’information (Chan et alii, 1996 ; Gounopoulos, 2003). Leurs résultats seraient aussi plus lissés dans le temps et donc plus faciles à anticiper (Firth et alii, 1995 ; Chen et alii, 2001). Une relation positive est donc attendue entre la taille de la société et la précision de ses prévisions de résultat. Elle peut encore se formuler de la façon suivante :

17

H2 – Les estimations de résultat du prospectus d’introduction sont d’autant plus précises que la taille de la société augmente.

18

– La précision des prévisions et l’âge

19

Tant qu’une société est jeune, elle serait naturellement portée à l’optimisme et aurait tendance à surévaluer ses perspectives de développement (Jaggi, 1997). Avec l’âge, elle apprendrait à mieux connaître ses forces et ses faiblesses et prédirait avec plus de fiabilité les résultats de son activité (Chen et Firth, 1999 ; Mak, 1989 et 1994). En outre, plus une société est jeune et moins elle peut se fonder sur des résultats passés pour prévoir les futurs résultats (Jaggi, 1997 ; Jelic et alii, 1998). Pour ces différentes raisons, les sociétés sont présumées publier des prévisions d’autant plus précises qu’elles sont âgées lors de leur introduction en bourse. Nous énonçons donc l’hypothèse suivante :

20

H3 – La précision des prévisions du prospectus s’améliore avec l’âge du candidat à l’introduction.

21

– La précision des prévisions et le levier financier

22

L’endettement est présenté comme un facteur de risque (Jaggi, 1997 ; Chan et alii, 1996 ; Chen et alii, 2001). Les résultats à venir sont supposés d’autant plus incertains et difficiles à anticiper que le niveau relatif d’endettement est important (Eddy et Seifert, 1992). Compte tenu de ces arguments, un lien positif est escompté entre la valeur absolue de l’erreur de prévision et le levier financier. Nous testons donc l’hypothèse suivante :

23

H4 – Plus la société introduite au Second Marché se caractérise par un levier financier élevé et plus ses prévisions de résultat sont imprécises.

24

– La précision des prévisions et la rétention de capital par le dirigeant

25

L’implication du dirigeant dans le capital post introduction aurait également un impact favorable sur la précision des estimations du prospectus. Elle témoignerait en effet de la confiance du dirigeant en les perspectives de développement de la société (Leland et Pyle, 1977 ; Jelic et alii, 1998). Par ailleurs, plus le dirigeant détient des titres après l’introduction, plus il sera personnellement affecté par la chute des cours consécutive à l’annonce d’un résultat réel inférieur aux anticipations (Brown et alii, 2000; Gounopoulos, 2003). En conséquence, le dirigeant est supposé d’autant plus incité à publier des estimations réalistes dans le prospectus d’introduction qu’il conserve de titres après l’opération. Nous aboutissons ainsi à l’hypothèse suivante :

26

H5 – L’erreur de prévision ex post décroît avec la participation au capital du dirigeant post introduction.

27

– La précision des prévisions et le secteur d’activité

28

Dans les travaux antérieurs, le secteur d’activité est souvent avancé comme un facteur explicatif évident de la précision des prévisions du dirigeant (Chan et alii, 1996 ; Gounopoulos, 2003). Ainsi, Keasey et McGuinness (1991), Chen et alii (2001) l’introduisent comme variable de contrôle. Les classifications sectorielles utilisées ne sont pas non plus justifiées : Chan et alii (1996), Gounopoulos (2003) distinguent les sociétés industrielles et les sociétés de services ; Chen et alii (2001) séparent le secteur public, les transports et la banque/assurance des autres secteurs ; Chen et Firth (1999) retiennent le secteur public, l’immobilier, les conglomérats et le secteur industriel ; Jelic et alii (1998) créent une variable binaire égale à 1 pour les services, le bâtiment et l’extraction minière.

29

La structure du compte de résultat varie selon l’activité de l’entreprise et c’est pour cette raison que le secteur peut influencer la précision des prévisions de résultat du dirigeant (Hartnett et Römcke, 2000). Les sociétés de la Nouvelle Économie se caractérisent en particulier par des projets d’investissement complexes, difficiles à évaluer, et par une demande plus aléatoire que les sociétés opérant dans des secteurs traditionnels. Elles devraient donc davantage se tromper dans leurs estimations de résultat. Autrement dit, l’appartenance d’une société aux nouvelles technologies de l’information et de la communication devrait avoir un effet positif sur l’erreur de prévision du dirigeant. L’hypothèse suivante en résulte :

30

H6 – Les sociétés de la nouvelle économie publient dans leur prospectus d’introduction des prévisions de résultat plus imprécises que les autres.

31

L’activité de l’entreprise peut influencer la précision des prévisions du dirigeant à travers sa nature, mais également sa diversité et sa dimension internationale. L’hypothèse précédente doit donc être complétée de l’analyse des relations attendues entre la précision des estimations du dirigeant d’une part, la diversification et l’internationalisation de l’activité d’autre part.

32

– La précision des prévisions et la diversification industrielle

33

Le nombre d’activités est susceptible d’expliquer la précision des prévisions du dirigeant car il détermine, entre autres, la complexité de l’activité et donc la difficulté de la prédiction (Hartnett et Römcke, 2000). L’argument est souvent mis en avant pour éclairer la précision des prévisions des analystes. Dunn et Nathan (1998) supposent ainsi que la diversification industrielle complique la tâche des analystes et accentue l’imprécision de leurs estimations. De la même manière, il devrait être plus aisé pour le dirigeant d’anticiper le résultat d’une seule activité que de plusieurs. Nous émettons donc l’hypothèse suivante :

34

H7 – Le dirigeant anticipe les résultats à venir de façon d’autant plus imprécise que la société est présente dans de nombreux secteurs.

35

– La précision des prévisions et l’internationalisation

36

À l’instar de la diversification industrielle, l’internationalisation de l’activité rendrait, d’une manière générale, l’élaboration de prévisions plus complexe (Duru et Reeb, 2002, p. 416). Elle constituerait en effet une source supplémentaire de contraintes réglementaires et de risque, politique, économique. Les résultats seraient donc d’autant plus imprévisibles et incertains que la société est ouverte à l’international (Goldberg et Heflin, 1995 ; Reeb et alii, 1998). Ainsi, les analystes spécialisés sur leur marché national bénéficient d’un avantage comparatif, tandis que ceux suivant un portefeuille géographiquement diversifié apparaissent moins performants (Bolliger, 2004 ; Clément, 1999 ; Ashbaugh et Pincus, 2001). Pour les mêmes raisons culturelles, les dirigeants devraient avoir une meilleure connaissance et compréhension de leur marché domestique que des marchés étrangers. L’imprécision de leurs estimations est donc présumée croître avec le degré d’internationalisation de la société. Notre dernière hypothèse s’énonce donc de la manière suivante :

37

H8 – L’internationalisation de l’activité contribue à augmenter l’imprécision des prévisions de résultat publiées dans le prospectus d’introduction.

38

– Les autres déterminants envisagés : l’horizon de prévision, la réputation des commissaires aux comptes et l’année d’introduction.

39

Dans la littérature, l’incidence de l’horizon sur la précision des prévisions est ambiguë. Les résultats à long terme peuvent être considérés comme plus difficiles à prédire qu’à court terme (Lee et alii, 1993; Dev et Webb, 1972 ; Mak, 1989). Mais un horizon long terme pourrait aussi laisser le temps au dirigeant d’utiliser les fonds levés et donc d’accomplir ses prévisions (Ferris et Hayes, 1977 ; Firth et Smith, 1992 ; Chan et alii, 1996). En conséquence, si un lien significatif peut être supposé entre l’horizon et la précision des prévisions, son signe sera déterminé empiriquement.

40

De même, l’effet ex ante de la réputation du commissaire aux comptes sur la précision des estimations n’est pas clair dans les travaux antérieurs (Pedwell et alii, 1994 ; Hartnett et Römcke, 2000). D’un côté, la notoriété du contrôleur légal signalerait de manière crédible la valeur du candidat à l’introduction (Titman et Trueman, 1986) et, partant, la plausibilité de son plan de développement (Firth et Smith, 1992 ; Chan et alii, 1996). Elle se traduirait alors par une moindre erreur de prévision. De l’autre, la réputation du commissaire aux comptes garantirait la qualité des diligences effectuées (Simunic et Stein, 1987) et notamment l’absence de manipulation des résultats réels publiés (Davidson et Neu, 1993). Elle aurait alors un impact positif sur l’erreur de prévision. L’étude empirique permettra de lever l’incertitude quant au sens de la relation entre la notoriété du commissaire aux comptes et la précision des prévisions du prospectus.

41

Enfin, l’incertitude conjoncturelle rend plus difficile la prévision des résultats à venir, ceteris paribus (Hartnett et Römcke, 2000 ; Chan et alii, 1996 ; Clarkson, 2000). L’analyse de la précision des estimations du prospectus ne peut donc faire l’économie de la prise en compte, en tant que variable de contrôle, de l’année d’introduction, présumée refléter le contexte général économique et politique lors de l’introduction en bourse (Chan et alii, 1996 ; Chen et Firth, 1999).

42

D’autres facteurs ont été supposés déterminer la précision des prévisions du prospectus dans les travaux antérieurs, notamment la notoriété du chef de file, les frais d’introduction, le nombre d’hypothèses étayant le plan de développement, la dispersion des résultats historiques, les modifications réglementaires, le type de titres émis ou le flottant. Mais en l’absence d’une classification admise et reconnue des banques introductrices, la réputation du chef de file a été omise comme facteur explicatif. Les frais d’introduction et le nombre d’hypothèses sous-jacentes aux prévisions publiées n’ont pas non plus été conservés, faute d’être communiqués dans les prospectus consultés. Parallèlement, les candidats à l’introduction n’intégrant en moyenne dans le prospectus que les comptes des deux exercices précédant l’introduction, la volatilité des résultats passés n’a pu être calculée. Par ailleurs, la réglementation du prospectus n’a pas été amendée au cours de la période étudiée ; l’environnement juridique n’avait donc pas lieu d’être spécifiquement pris en compte. La nature des titres introduits n’a pas non plus été sélectionnée comme variable explicative car à notre connaissance, seules des actions ordinaires ont été admises à la cote du Second Marché entre 1994 et 2000. Enfin, le flottant ne constituait pas une variable pertinente, eu égard à sa très faible dispersion sur le Second Marché [4][4] En moyenne, 25 % des capitaux propres sont mis sur....

2 - La présentation de la méthodologie, des variables et de l’échantillon

43

Avant de mettre à l’épreuve notre corpus d’hypothèses, la méthodologie, les variables et l’échantillon doivent être précisés : tel est l’objet de cette deuxième section.

2.1 - La méthodologie

44

Des tests univariés permettent tout d’abord d’évaluer la précision des prévisions de résultat publiées dans le prospectus d’introduction. Nous vérifions ensuite, grâce à des régressions multivariées, le modèle explicatif de la précision des prévisions présenté dans la première section. La méthode des moindres carrés ordinaires permet d’estimer les paramètres de l’équation suivante de régression :

où la variable dépendante (|ep|) désigne la valeur absolue de l’erreur de prévision, mesure de la précision des estimations. Les variables explicatives correspondent aux déterminants supposés de la précision des estimations soit, dans l’ordre, la taille du candidat à l’introduction, le logarithme népérien de l’âge, le levier financier, la rétention de capital par le dirigeant ; l’appartenance de la société au secteur des nouvelles technologies de l’information et de la communication, la diversité et l’internationalisation de l’activité, l’horizon de prévision, la réputation des commissaires aux comptes et enfin l’année d’introduction. Leur mesure est précisée ci-après (2.2).

2.2 - Les variables

2.2.1 - L’origine des données

45

L’objectif de cet article est d’examiner si les investisseurs peuvent raisonnablement anticiper la précision des prévisions de résultat du prospectus à partir des caractéristiques du candidat à l’introduction. La taille, l’âge, l’endettement, l’actionnariat, le secteur, l’année de l’introduction sont extraits des prospectus définitifs. Les cours des titres introduits sont issus des bases d’Euronext ; les codes SIC, de la base Worldscope. Les résultats prévus [5][5] L’analyse du contenu des prospectus révèle une grande... et réalisés proviennent d’une même source, les documents légaux publiés par la société (le prospectus et le rapport annuel), ce qui garantit leur homogénéité et rend fiable leur comparaison (Harnett et Römcke, 2000).

2.2.2 - Les variables utilisées

46

– La variable à expliquer : calcul, interprétation et valeurs extrêmes

47

La précision des prévisions de résultat du dirigeant est classiquement évaluée ex post (Irani, 2001), à partir de la valeur absolue de l’erreur de prévision. Dans un souci de comparabilité de nos résultats, l’erreur de prévision a été calculée selon les deux méthodes les plus répandues dans la littérature (tableau en appendice) : . Réalisations et prévisions portent sur le premier résultat net post introduction. |ep1| et |ep2| sont des fonctions décroissantes de la précision des estimations du prospectus. Afin d’éliminer l’effet des valeurs extrêmes sur les résultats des régressions, les erreurs supérieures en valeur absolue au 98ème centile ont été remplacées par la valeur du 98e centile.

48

– Les variables explicatives : indicateurs de mesure

49

La taille de la société (taille) est mesurée par le logarithme du chiffre d’affaires réalisé l’année précédant l’introduction, conformément à Clarkson et alii (1992) ou Chan et alii (1996) par exemple.

50

L’âge du candidat à l’introduction (age) résulte de la différence entre les années de l’introduction en bourse et de création de la société, à l’instar d’Harnett et Römcke (2000) ou de Firth et Smith (1992).

51

Le levier financier (levier) correspond au rapport dettes financières/total actif (Gounopoulos, 2003).

52

La variable ret désigne la rétention de capital par les dirigeants, c’est-à-dire la part de capital détenue directement et indirectement post introduction par les organes de direction, présumés à l’origine des anticipations de résultat (Gounopoulos, 2003).

53

La variable binaire ntic prend la valeur 1 si la société appartient au secteur des nouvelles technologies de l’information et de la communication.

54

La diversification industrielle est fonction du nombre d’activités distinctes (nb_act) dans lequel œuvre la société considérée. nb_act est traditionnellement estimé à partir du nombre de codes SIC distincts à deux chiffres (Duru et Reeb, 2002).

55

Le pourcentage du chiffre d’affaires réalisé à l’export (caexp) permet classiquement de mesurer le degré d’ouverture à l’international d’une société (Sullivan, 1994). Aussi sera-t-il adopté dans cette étude.

56

L’horizon de prévision (horizon) équivaut au nombre de jours séparant l’introduction en bourse de la clôture de l’exercice fiscal (Chan et alii, 1996).

57

La réputation du commissaire aux comptes est prise en compte à travers la variable rep_cac, égale à 1 si le commissaire aux comptes ayant contrôlé le prospectus est l’un des Big Six, et à 0 sinon. Sur la période étudiée, les six plus grands cabinets en termes de chiffre d’affaires, conventionnellement qualifiés de réputés, sont KPMG, Deloitte and Touche, Ernst & Young, Coopers & Lybrand, Price Waterhouse et Arthur Andersen (Clakson, 2000).

58

Nous contrôlons enfin l’incidence de la conjoncture économique grâce à la variable muette année, correspondant aux années d’introduction des sociétés de l’échantillon (1994, 1995…, 2000) (Chen et Firth, 1999 ; Chan et alii, 1996).

2.3 - L’échantillon

2.3.1 - Formation de l’échantillon

59

Pour qu’une société appartienne à l’échantillon, elle devait être admise à la cote du Second Marché entre le 1er janvier 1994 et le 30 juin 2000 et ne pas provenir du Marché Libre. En outre, son prospectus devait être disponible et contenir des prévisions de résultat chiffrées.

60

Sur la période étudiée, 214 sociétés se sont introduites sur le Second Marché (Faugeron-Crouzet, 2001). Le dossier d’introduction était consultable pour 185 d’entre elles. Parmi ces 185 sociétés, 115 ont publié des estimations de résultat chiffrées dans leur prospectus et composent donc l’échantillon final (tableau 2). Dans les travaux antérieurs, les échantillons sont de taille comparable (tableau en annexe).

Tableau 2 - Formation et distribution annuelle de l’échantillon. Pour chaque année sont indiqués le nombre total d’introductions en bourse (IB), le nombre de prospectus disponibles et le nombre de sociétés dans l’échantillon(*)Tableau 2

(*) premier semestre 2000 uniquement

2.3.2 - Description de l’échantillon

61

Les sociétés de l’échantillon sont plutôt uniformément distribuées au cours de la période d’étude, avec un maximum de 26 sociétés en 1998, année où le plus grand nombre d’entrées sur le Second Marché est recensé (tableau 2). En 2000, seul le premier semestre est pris en compte, d’où le faible effectif rapporté (trois).

62

Le tableau 3 permet de caractériser les sociétés de l’échantillon, au regard des variables supposées expliquer la précision des estimations du dirigeant. Ainsi, les sociétés de l’échantillon attendent en moyenne 24 ans avant de s’introduire en bourse. Broye et Schatt (2003) rapportent un âge moyen similaire (20,3 ans), calculé sur 320 introductions au Second Marché entre 1986 et 2000. Par ailleurs, sur notre échantillon, les sociétés sont plutôt de petite taille. Elles réalisent en effet un chiffre d’affaires moyen de 181 millions de francs (27,5 millions d’euros) l’année précédant l’introduction, bien inférieur aux 640 millions avancés par Faugeron-Crouzet (1997) entre 1983 et 1994. Elles sont en outre très endettées, les dettes représentant en moyenne 47 % du total du bilan. Sentis (2001) trouve un taux d’endettement encore plus élevé (64 %) sur un échantillon de 61 introductions au Premier et au Second Marché entre 1991 et 1995. Les deux tiers de notre échantillon appartiennent au secteur de la Nouvelle Économie. Les sociétés de notre échantillon opèrent en moyenne dans deux secteurs d’activités différents et effectuent plus d’un tiers de leur chiffre d’affaires à l’étranger. Enfin, leur capital reste assez fermé, malgré leur admission à la cote : entre 1994 et 2000, les actionnaires-dirigeants conservent en moyenne 57,4 % du capital après l’introduction, contre 39,5 % entre 1983 et 1994 (Faugeron-Crouzet, 1997).

Tableau 3 - Statistiques descriptives des variables indépendantesTableau 3

taille : logarithme du chiffre d’affaires N–1 ; âge : l’écart entre l’année d’introduction et l’année de création ; levier : dettes financières/actif total ; ret : part de capital conservée par les dirigeants post introduction ; ntic : variable binaire égale à 1 pour le secteur des ntic ; nb_act : nombre d’activités distinctes ; caexp : % du chiffre d’affaires réalisé à l’export ; rep_cac : variable binaire égale à 1 si le commissaire aux comptes est l’un des Big Six ; horizon : délai en jours séparant la clôture de l’exercice fiscal de l’introduction en bourse

3 - L’analyse empirique de la précision des prévisions publiées dans les prospectus

63

Dans cette section, nous apprécions tout d’abord la précision des estimations de notre échantillon. Nous vérifions ensuite, grâce à des régressions multivariées, la validité de notre modèle explicatif de la précision des prévisions. Nous appliquons enfin la procédure d’Heckman afin de contrôler un éventuel biais de sélection des observations.

3.1 - L’évaluation de la précision des prévisions de résultat

64

Le tableau 4 permet d’évaluer la capacité prédictive du dirigeant et le tableau 5 rapporte la distribution des erreurs de prévision, en valeurs absolue et relative.

Tableau 4 - Statistiques descriptives de l’erreur de prévisionTableau 4

ep1 = (résultat net réel – résultat net prévu)/ |résultat net prévu| ; |ep1| = |résultat net réel – résultat net prévu|/ |résultat net prévu| ; ep2 = (résultat net réel – résultat net prévu)/prix d’offre définitif ; |ep2| = |résultat net réel – résultat net prévu|/ prix d’offre définitif. Le t désigne le test de Student ; le Z, le test des rangs de Wilcoxon. Les tests sont bilatéraux et permettent de déterminer si les erreurs moyennes et médianes diffèrent significativement de 0, aux seuils de 1 % (a), 5 % (b) et 10 % (c).

Tableau 5 - Distribution de l’erreur de prévision en valeurs relative et absolueTableau 5

ep1 = (résultat réel – résultat prévu)/ |résultat prévu| ; |ep1| = |résultat réel – résultat prévu|/|résultat prévu| ; ep2 = (résultat réel – résultat prévu)/ prix d’offre définitif ; |ep2| = |résultat réel – résultat prévu|/prix d’offre définitif. Toutes les variables sont multipliées par 100.

65

En valeur relative, l’erreur de prévision moyenne (ep1) mesure le biais de l’estimation. Le dirigeant est optimiste si l’erreur est négative ; il est pessimiste dans le cas contraire (Gounopoulos, 2003 ; Brown et alii, 2000). La valeur moyenne de ep1 (– 17,56 %) est significativement négative au seuil de 1 % (tableau 4). 75 erreurs sont négatives et sont optimistes ; 40 sont positives et donc pessimistes (tableau 5). Les dirigeants optimistes sont significativement plus nombreux que les dirigeants pessimistes (Z = – 2,78) au seuil de 1 %. Cette propension à l’optimisme est également observée dans les pays du Commonwealth (Canada, Australie, Nouvelle Zélande, voir le tableau en annexe). Le dirigeant pourrait être incité à émettre des prévisions optimistes dans l’intérêt des anciens actionnaires : sur la base de la croissance attendue des résultats, il pourrait négocier à la hausse le prix d’offre et ainsi permettre aux actionnaires cessionnaires de retirer un meilleur prix des titres vendus et aux autres, de limiter la dilution de leur participation [6][6] Plus le prix d’offre est élevé et moins de titres devront... (Teoh et alii, 1998). La perspective d’une forte croissance du résultat pourrait également attirer plus aisément les investisseurs et donc assurer le succès de l’opération. Dans le même sens, Michaley et Womack (1999) trouvent que la banque introductrice encourage ses analystes à évaluer favorablement l’émetteur afin de faciliter le placement des titres. Nous soulignons enfin la distribution asymétrique des erreurs de prévision : sur 115 prévisions, 58,3 % s’écartent (en plus ou en moins) du résultat réel de plus de 25 % et 46,1 %, de plus de 50 % (tableau 5).

66

En valeur absolue, l’erreur de prévision (lep1l) permet de juger de la précision des estimations des prospectus. La valeur moyenne de lep1l s’élève à 48,74 % et la valeur médiane à 42,22 % (tableau 4). Le niveau d’imprécision obtenu équivaut à celui établi par Jelic et alii (1998) sur le marché malaisien ; Gounopoulos (2003) sur le marché grec et Chen et Firth (1999) pour la place de Shangaï (tableau en annexe). Il conduit à infirmer l’hypothèse H1. Hors contexte de l’introduction en bourse, Kasznik (1999) montre que les dirigeants trop optimistes dans leurs prévisions gèrent à la hausse les résultats publiés, de sorte à minimiser leur erreur de prévision ex post. Le niveau d’imprécision que nous constatons peut donc sembler surprenant car les dirigeants introduisant leur société en bourse savent qu’ils seront jugés par communauté financière sur leur capacité à atteindre les résultats prévus. Mais peut-être ont-ils déjà manipulé les résultats en préparation de l’entrée de la société sur le marché et n’ont donc plus de latitude pour « gonfler » les résultats réalisés post introduction… La répartition de lEP1l présentée dans le tableau 5 révèle que seulement 19,13 % des sociétés se sont trompées de moins de 10 % dans leurs estimations, et 46 %, de plus de 50 %. La classe ]50 %; 100 %] regroupe l’effectif le plus important (45 sociétés). Huit sociétés ont commis une erreur de plus de 100 %.

3.2 - Les déterminants empiriques de la précision des prévisions

67

Sur les 185 prospectus disponibles, soixante dix ne contenaient pas de prévisions de résultat chiffrées et ont été écartés. Les 115 sociétés restantes n’ont donc pas été choisies de manière aléatoire puisqu’elles ont toutes publié des prévisions de résultat dans leur prospectus d’introduction. À ce titre, elles pourraient partager certaines particularités de nature à invalider l’utilisation d’un modèle de régression des moindres carrés ordinaires.

68

Nous commençons donc par examiner si les 185 entreprises diffèrent selon qu’elles publient ou non des anticipations de résultat chiffrées dans leur prospectus. Le tableau 6 rapporte les résultats des tests de différences de moyennes et de médianes réalisés.

Tableau 6 - Caractéristiques des sociétés selon la publication ou non de prévisions de résultatTableau 6

Sur les 185 prospectus disponibles, 115 contenaient des prévisions de résultat chiffrées et 70 n’en comportaient pas. Nous avons testé si la moyenne (ou la fréquence) et la médiane des variables suivantes différaient significativement, selon la présence ou l’absence de prévisions dans le prospectus d’introduction : taille : logarithme du dernier chiffre d’affaires certifié ; âge : écart entre l’année d’introduction et l’année de création ; levier : dettes financières N–1/actif total N–1 ; ret : part de capital conservée par les dirigeants post introduction ; nb_act : nombre d’activités distinctes ; caexp : % du chiffre d’affaires réalisé à l’export ; horizon : délai en jours séparant la clôture de l’exercice fiscal de l’introduction en bourse ; ntic : variable binaire à 1 pour le secteur des ntic ; rep_cac : variable binaire égale à 1 si le commissaire aux comptes est l’un des Big Six. Les différences peuvent être statistiquement significatives aux seuils de 1 % (a), 5 % (b), et 10 % (c).

69

Les sociétés ayant choisi de publier des prévisions apparaissent significativement plus petites, plus jeunes, moins endettées et moins diversifiées industriellement. Elles s’introduisent également en bourse à une date plus proche de la clôture de l’exercice fiscal, comme si elles attendaient d’avoir une bonne estimation de leur résultat réel pour communiquer aux investisseurs des prévisions fiables.

70

La taille, l’âge, l’endettement et le nombre d’activités distinguent donc les sociétés qui publient des prévisions des autres. Dans un modèle de régression classique, leur éventuel pouvoir explicatif pourrait être dû à la nature même de l’échantillon et être contesté. La méthode d’Heckman (1979) corrige ce problème : elle estime le modèle de régression en tenant compte d’un possible biais de sélection. Nous l’avons donc appliquée à notre cas. Dans un premier temps, la décision de publication volontaire de prévision est expliquée au travers d’un modèle probit. Dans un second temps, l’inverse du ratio de Mills (?) est calculé pour chacune des sociétés qui publient des prévisions. Il est ensuite introduit dans la régression de la précision des prévisions, en même temps qu’un sous-ensemble strict des variables indépendantes du modèle probit [7][7] Nous avons exclu la variable année, tout en vérifiant... (Wooldridge, 2000, p. 562). Le modèle estimé selon la procédure d’Heckman est le suivant :

71
72

EPi désigne l’erreur de prévision du dirigeant ; PVPi est une variable binaire égale à 1 si le dirigeant a décidé de publier des prévisions de résultat dans le prospectus. PVP*i représente la propension du dirigeant à publier des prévisions ; elle est non observable mais est reliée à PVP* selon les équations (3) et (4). EPi ne s’observe que lorsque PVP*i > 0. Xi et Zi désignent les déterminants exogènes de l’erreur de prévision et de la décision de publication (supposés identiques). L’équation (1) est notre équation principale et l’équation (2) constitue l’équation de sélection estimée par un modèle probit.

73

Les résultats de la méthode d’Heckman sont rapportés dans le tableau 7.

Tableau 7 - Modèle explicatif de la précision des prévisions avec correction du biais de sélectionTableau 7Tableau 7

Sur les 185 prospectus d’introduction disponibles, nous avons retenu les 115 qui contenaient des prévisions de résultat. Un biais de sélection peut entacher la formation de notre échantillon. La méthode d’Heckman en deux étapes permet de corriger ce biais. Dans un premier temps, la décision de publication volontaire est expliquée au travers d’un modèle probit. Dans un second temps, l’inverse du ratio de Mills est calculé pour chacune des sociétés qui a publié des prévisions, avant d’être intégré aux régressions de l’erreur de prévision du dirigeant. Les variables dépendantes sont : PVP : variable binaire égale à 1 si des prévisions de résultat chiffrées sont incluses dans le prospectus d’introduction ; |ep1| = |résultat net réel – résultat net prévu|/ |résultat net prévu| et |ep2| = |résultat net réel – résultat net prévu|/prix d’offre définitif. Les variables explicatives sont : taille : logarithme du dernier chiffre d’affaires certifié ; âge : écart entre l’année d’introduction et l’année de création ; levier : dettes financières N–1/actif total N–1 ; ret : part de capital conservée par les dirigeants post introduction ; ntic : variable binaire à 1 pour le secteur des ntic ; nb_act : nombre d’activités distinctes ; caexp : % du chiffre d’affaires réalisé à l’export ; horizon : délai en jours séparant la clôture de l’exercice fiscal de l’introduction en bourse ; rep_cac : variable binaire égale à 1 si le commissaire aux comptes est l’un des Big Six ; année : variable muette pour les années d’introduction. Les coefficients peuvent être statistiquement significatifs aux seuils de 1 % (a), 5 % (b), et 10 % (c).

74

Un modèle probit constitue la première étape de la méthode. Ses résultats rejoignent en partie ceux des tests univariés : l’âge, le levier financier et le délai séparant les dates de clôture de l’exercice et de l’introduction en bourse ont un impact négatif sur la décision de publication de prévision.

75

La deuxième partie du tableau 7 expose les résultats du modèle d’Heckman conduit sur 115 observations. Le modèle explicatif est estimé avec deux mesures de l’erreur de prévision, |ep1| (|résultat net réel – résultat net prévu|/|résultat net prévu|) et |ep2| (|résultat net réel – résultat net prévu|/prix d’offre définitif ). Les termes d’erreur sont corrigés du problème d’hétéroscédasticité grâce à la méthode de White (1980) [8][8] Le biais de sélection peut être considéré comme non....

76

Nous commentons d’abord les résultats des régressions de |ep1| sur les caractéristiques des sociétés. Sur notre échantillon, les prévisions les moins précises émanent des plus grandes entreprises. Ce résultat peut de prime abord sembler curieux mais il est à apprécier au regard de la petite taille générale des sociétés étudiées. La relation entre la taille et l’erreur de prévision n’est pas claire. Pourrait-elle par exemple être non linéaire ? Les tests effectués conduisent à rejeter l’existence d’une relation quadratique ou cubique entre la taille et l’erreur de prévision [9][9] Les variables taille2 et taille3 ne ressortent pas.... Dans la littérature également, l’effet de la taille sur l’erreur de prévision est ambivalent. Nos résultats confortent ceux de Ferris et Hayes (1977), Firth et Smith (1992), Chen et Firth (1999), Gounopoulos (2003). En revanche, Mohamad et alii (1994), Clarkson (2000), Chen et alii (2001) établissent que les sociétés de grande taille sont plus précises dans leurs estimations que les petites sociétés.

77

L’âge détermine l’erreur des prévisions dans le sens négatif attendu, mais non significativement. Cette relation négative semble attestée sur la place de Hong Kong (Jaggi, 1997) et sur le marché canadien (Pedwell et alii, 1994 ; Clarkson, 2000) [10][10] Cette comparaison ne vaut que toutes choses égales....

78

Conformément à nos anticipations, le levier financier s’avère lié positivement à l’erreur de prévision mais non significativement. Il était supposé accroître la volatilité du résultat et donc la difficulté de la prédiction. Nos résultats rejoignent ceux de Clarkson (2000).

79

L’implication du dirigeant dans le capital après l’introduction en bourse a un impact favorable et significatif sur la précision de ses estimations de résultat. Comme supposé, plus le dirigeant détient des titres après l’introduction, plus il semble incité à publier des prévisions de résultat réalistes. Sur le marché grec également, le résultat réalisé confirme d’autant mieux les prévisions du prospectus que le dirigeant participe au capital après l’opération (Gounopoulos, 2003).

80

Par ailleurs, les sociétés des nouvelles technologies de l’information et de la communication semblent plus se tromper dans leurs prévisions que les autres sociétés. Ces sociétés présentent des trajectoires irrégulières (Dubocage, 2003) et l’instabilité de leur environnement pourrait rendre difficile la prédiction des résultats à venir, ceteris paribus. L’interprétation doit cependant rester prudente car le t de Student n’est pas significatif.

81

Les résultats font encore apparaître une relation négative et significative, au seuil de 1 %, entre l’erreur de prévision et le nombre d’activités. Nous escomptions un lien positif. La diversification industrielle semble ainsi moins complexifier la tâche de prédiction que réduire la volatilité du résultat (Hartnett et Römcke, 2000). Globalement, elle limiterait donc l’erreur de prévision.

82

En revanche, l’internationalisation de l’activité semble bien rendre plus difficile et incertaine la prédiction des résultats, comme présumé : l’erreur de prévision augmente significativement, au seuil de 1 %, avec le chiffre d’affaires à l’export. Sur le marché australien, Harnett et Römcke (2000) n’obtiennent pas de lien significatif entre la précision des prévisions et l’activité à l’export.

83

Nous ne trouvons pas d’incidence significative de l’horizon de prévision sur l’erreur de prévision, à l’instar de Mohamad et alii (1994) sur le marché malaisien ou de Chan et alii (1996) sur la place de Hong-Kong. Firth et Smith (1992) ou Jelic et alii (1998) attribuent cette absence de significativité à la difficulté à anticiper à court terme les résultats de l’emploi des fonds levés lors de l’introduction en bourse. En ce sens, l’horizon de prévision est en moyenne assez court sur notre échantillon (un peu moins de six mois, tableau 3).

84

De même, sur notre échantillon, la réputation des commissaires aux comptes influence positivement mais non significativement l’erreur de prévision. En France, le résultat réel fait l’objet d’un audit plus complet que les prévisions du prospectus. Si la notoriété des commissaires aux comptes garantit l’absence de manipulation du résultat réel (Davidson et Neu, 1993 ; Pedwell et alii, 1994), alors le signe positif de la relation entre rep_cac et |ep1| pourrait s’expliquer.

85

Enfin, la précision des estimations du prospectus ne dépend pas significativement de l’année d’introduction [11][11] L’analyse de la variance menée et non reportée, ne.... Sur le marché chinois, les prospectus publiés en 1994 contiennent des prévisions significativement plus précises que ceux des autres années (Chen et Firth, 1999).

86

La réplication des régressions avec |ep2| donne des résultats qualitativement similaires : le chiffre d’affaires à l’export et la taille déterminent toujours positivement et significativement la précision des prévisions ; le nombre d’activités distinctes et la fraction de capital détenue par le dirigeant après l’introduction restent reliés négativement et significativement à la valeur absolue de l’erreur. La réputation du commissaire aux comptes, l’horizon de prévision, la variable ntic et l’âge n’expliquent toujours pas significativement la précision des prévisions du dirigeant. Nous parvenons donc à la même conclusion qu’Imhoff et Paré (1982), Cheng et Firth (2000) : les résultats sont indépendants de la mesure retenue de l’erreur de prévision.

87

Enfin, quelle que soit la mesure de l’erreur de prévision retenue, les modèles testés semblent correctement adaptés. Certes certaines variables explicatives apparaissent significativement corrélées entre elles, à 10 % ou à 5 % (tableau 8). Mais aucun coefficient n’est supérieur à 0,35. Par ailleurs, les facteurs d’inflation de la variance (VIF), calculés et non reportés, n’excèdent pas 1,537. La multicolinéarité n’est donc pas problématique puisque seuls des VIF supérieurs à 10 peuvent remettre en cause le modèle adopté (Neter et alii, 1989). La qualité globale d’ajustement des modèles est supérieure à celle d’un certain nombre d’études antérieures similaires (tableau en appendice). Le coefficient de détermination est d’environ 20 % et les F de Fisher sont significatifs à 1 %.

Tableau 8 - Matrice des corrélations de SpearmanTableau 8

horizon : délai en jours séparant la clôture de l’exercice fiscal de l’introduction en bourse ; ln(âge) : logarithme népérien de l’écart entre l’année d’introduction et l’année de création ; taille : logarithme du chiffre d’affaires N–1 ; levier : dettes financières N–1/actif total N–1 ; caexp : % du chiffre d’affaires réalisé à l’export ; nb_act : nombre d’activités distinctes ; ret : part de capital conservée par les dirigeants post introduction ; rep_cac : variable binaire égale à 1 si le commissaire aux comptes est l’un des Big Six ; ntic : variable binaire à 1 pour le secteur des ntic. a, b, et c indiquent des niveaux de significativité respectivement à 1 %, 5 % et 10 %.

Conclusion

88

Au moment d’une introduction en bourse, les prévisions de résultat sont des informations très prisées : les investisseurs et les créanciers en ont besoin pour évaluer le candidat à l’introduction et décider ensuite de contracter ou non. Mais ces parties prenantes ne semblent que pouvoir modérément se fier aux estimations de résultat contenues dans les prospectus d’introduction. Les 115 prévisions de résultat chiffrées que nous avons analysées se sont en effet avérées optimistes et imprécises. 34 % d’entre elles surestiment le résultat réel de plus de 50 %. En valeur absolue, l’erreur de prévision atteint en moyenne 48,74 % et est très dispersée (écart-type de 39,46). Nous avons comparé nos résultats aux erreurs de prévision calculées dans la littérature sur la même période (1994-2000) et selon la même méthode (lréel – prévul/lprévul) (tableau en annexe) : la France se classe en avant-dernière position, devant l’Australie, qui affiche une erreur moyenne de 88,29 %, mais derrière la Grèce (erreur moyenne de 42,8 %), la Chine (40,12 %), le Canada (23,1 %) et Hong Kong (21,96 %).

89

Cette imprécision des prévisions publiées dans les prospectus d’introduction au Second Marché est insatisfaisante mais elle ne peut être améliorée qu’après en avoir compris les raisons. Nous avons donc testé si l’erreur de prévision tenait aux caractéristiques des prévisions elles-mêmes (horizon, qualité des contrôles), à celles du candidat à l’introduction (sa taille, son âge, son niveau d’endettement, la nature et la complexité de son activité, l’implication de son dirigeant) ou à l’incertitude conjoncturelle. Nous mettons en évidence un effet positif et significatif de la taille, du levier financier et de l’internationalisation de l’activité sur l’erreur de prévision ex post. En revanche, la diversification industrielle et la rétention de capital par le dirigeant tendent à réduire l’erreur de prévision.

90

Notre analyse empirique fait apparaître un nombre de déterminants de l’erreur de prévision plus important que dans les travaux antérieurs. Pour autant, notre modèle n’expliquant qu’un tiers des variations de l’erreur de prévision, il appelle des améliorations. À l’heure où la Commission européenne s’interroge sur les informations à inclure dans le futur prospectus européen, le sujet est d’actualité et propice à de nouvelles recherches.

Remerciements

Nous adressons nos remerciements aux rapporteurs de la revue dont les conseils et les suggestions ont amplement contribué à améliorer ce travail.


Annexe

Le biais et la précision des prévisions publiées dans les prospectus d’introduction : une synthèse de la littérature


Bibliographie

  • Aharony J., Lin C.-J., Loeb M.P. (1993), « Initial Public Offerings, Accounting Choices, and Earnings Management », Contemporary Accounting Research, vol. 10, n° 1, p. 61-81.
  • Ashbaugh H., Pincus M. (2001), « Domestic Accounting Standards, International Accounting Standards, and the Predictability of Earnings », Journal of Accounting Research, vol. 39 (décembre), p. 417-434.
  • Bilson C., Heaney R., Powell J.G., Shi J. (2003), « The Decision to Voluntary Provide an IPO Prospectus Earnings Forecast: Theoretical Implications and Empirical Evidence », document de travail, Australian National University.
  • Bolliger G. (2004), « The Characteristics of Individual Analysts’Forecasts in Europe », Journal of Banking and Finance, vol. 28, n° 9, septembre, p. 2283-2309.
  • Brown P., Clarke A., How J., Lim K. (2000), « The Accuracy of Management Dividend Forecasts in Australia », Pacific-Basin-Finance Journal, vol. 8, n° 3/4, p. 309-331.
  • Broye G., Schatt A. (2003), « Pourquoi certains actionnaires cèdent plus d’actions que d’autres lors de l’introduction en bourse ? », Banque & Marchés, n° 65, p. 29-35.
  • Chan A., Cora S., Millie T., Wong D., Chan R. (1996), « Possible Factors of the Accuracy of Prospectus Earnings Forecasts in Hong Kong », The International Journal of Accounting, vol. 31, n° 3, p. 381-398.
  • Chen G., Firth M., Krishnan G.V. (2001), « Earnings Forecast Errors in IPO Prospectuses and their Association with Initial Stock Returns », Journal of Multinational Financial Management, vol. 11, n° 2, p. 225-240.
  • Chen G., Firth M. (1999), « The Accuracy of Profit Forecasts and their Roles and Associations with IPO Firm Valuations », Journal of International Financial Management and Accounting, vol. 10, n° 3, p. 202-226.
  • Clarkson P. M., Dontoh A., Richardson G., Sefcik S. E. (1992), « The Voluntary Inclusion of Earnings Forecasts in IPO Prospectuses », Contemporary Accounting Research, vol. 8, n° 2, p. 601-626.
  • Clarkson P.M. (2000), « Auditor Quality and the Accuracy of Management Earnings Forecasts », Contemporary Accounting Research, vol. 17, n° 4, p. 595-622.
  • Clément M.B. (1999), « Analyst Forecast Accuracy: Do Ability, Resources, and Portfolio Complexity Matter? », Journal of Accounting and Economics, vol. 27, p. 285-303.
  • Davidson R., Neu D. (1993), « A Note on the Association between Audit Firm Size and Audit Quality », Contemporary Accounting Research, vol. 9, n° 2, p. 479-488.
  • Dubocage E. (2003), « Le capital-risque : un mode de financement dans un contexte d’incertitude », thèse de doctorat en sciences économiques, Université Paris XIII.
  • Demers E., Lewellen K. (2003), « The Marketing Role of IPOs: Evidence from Internet Stocks », Journal of Financial Economics, vol. 68, n° 3, p. 413-437.
  • Dev S., Webb M. (1972), « The Accuracy of Company Profit Forecasts », Journal of Business Finance, vol. 4, n° 3, p. 26-39.
  • Dunn K., Nathan S. (1998), « The Effect of Industry Diversification on Consensus and Individual Analysts’ Earnings Forecasts », document de travail, Baruch College New York, Georgia State University.
  • Duru A., Reeb D.M. (2002), « International Diversification and Analysts’ Forecast Accuracy and Bias », The Accounting Review, vol. 77 ; n° 2, p. 415-433.
  • Easley D., Kiefer N., O’Hara M. (2004), « Information and the Cost of Capital », The Journal of Finance, à paraître.
  • Fabre-Azéma F. (2002), « Les pratiques d’évaluation des analystes financiers lors des introductions en bourse sur le Second Marché de la Bourse de Paris : le retour vers des variables fondamentales », Congrès International de l’AFFI, 24-26 juin.
  • Faugeron-Crouzet A.M., Ginglinger E. (2002), « Introduction en bourse, signal et émission d’actions nouvelles sur le second marché français », Finance, vol. 22, n° 2, p. 51-74.
  • Faugeron-Crouzet A.-M. (2001), « Les procédures d’introduction en bourse en France », Banque & Marchés, n° 55, p. 43-51.
  • Faugeron-Crouzet A.-M. (1997), « Les introductions en bourse : théorie et analyse empirique du cas français », Thèse de doctorat en sciences de gestion, Université Toulouse I.
  • Ferris K., Hayes D. (1977), « Some Evidence on the Determinants of Profit Forecast Accuracy in the United Kingdom », The International Journal of Accounting Education and Research, Spring, p. 27-36.
  • Firth M. (1998), « IPO Profit Forecasts and their Role in Signalling Value and Explaining Post-Listing Returns », Applied Financial Economics, vol. 8, n° 1, p. 29-39.
  • Firth M., Smith A. (1992), « The Accuracy of Profits Forecasts in Initial Public Offerings Prospectuses », Accounting and Business Research, vol. 22, n° 87, p. 239-247.
  • Firth M., Kwok B., Liau-Tan C., Yeo G. (1995) « Accuracy of Profit Forecasts in IPO Prospectus », Accounting and Business Review, vol. 2, n° 1, p. 239-247.
  • Friedlan J.M. (1994), « Accounting Choices of Issuers of Initial Public Offerings », Contemporary Accounting Research, vol. 11, n° 1, p. 1-31.
  • Goldberg S., Heflin F. (1995), « The Association between the Level of International Diversification and Risk », Journal of International Financial Management and Accounting, vol. 6 (Spring), p. 1-25.
  • Gounopoulos D. (2003), « Accuracy of Management Earning Forecast in IPO Prospectuses », Manchester School of Management.
  • Harnett N., Römcke (2000), « The Predictability of Management Forecast Error: A Study of Australian IPO Disclosures », Multinational Finance Journal, vol. 4, n° 1 & 2, p. 101-132.
  • Heckman J. (1979), « Sample Selection Bias as a Specification Error », Econometrica, 47, p. 153-161.
  • Henry D., Ahmed K., Riddell A. (2002), « The Effect of IPO Prospectus Earnings Forecast Errors on Shareholder Returns », Journal of Corporate Communications, vol.4, p. 1-27.
  • Hughes P.J. (1986), « Signalling by Direct Disclosure under Asymmetric Information », Journal of Accounting and Economics, vol. 8, n° 2, p. 119-142.
  • Imhoff E.A., PARÉ P.V. (1982), « Analysis and Comparison of Earnings Forecast Agents », Journal of Accounting Research, vol. 20, n° 2, p. 429-439.
  • Irani A.J. (2001), « Determinants of Bias in Management Earnings Forecasts », Accounting Enquiries, vol. 10, Fall/Winter, p. 33-86.
  • Jaggi B. (1997), « Accuracy of Forecast Information Disclosed in the IPO Prospectuses of Hong Kong Companies », The International Journal of Accounting, vol. 32, n° 3, p. 301-319.
  • Jelic R., Saadouni B., Briston R. (1998), « The Accuracy of Earnings Forecasts in IPO Prospectuses on the Kuala Lumpur Stock Exchange 1984-1995 », Accounting and Business Research, vol. 29, n° 1, p. 57-72.
  • Jelic R., Saadouni B., Briston R. (2001), « Performance of Malaysian IPOs : Underwriters Reputation and Management earnings Forecasts », Pacific-Basin Finance Journal, vol. 9, p. 457-186.
  • Kasznik R. (1999), « On the Association between Voluntary Disclosure and Earnings Management », Journal of Accounting Research, vol. 37, n°1, p. 5781.
  • Keasey K., McGuinness P. (1991), « Prospectus Earnings Forecasts and the Pricing of New Issues on the Unlisted Securities Market », Accounting and Business Research, vol. 21, n° 82, p. 133-145.
  • Kim M., Ritter J. R. (1999), « Valuing IPOs », Journal of Financial Economics, vol. 53, n° 3, p. 409-437.
  • Labégorre F. (2003), « L’environnement informationnel des introductions en bourse », Thèse de doctorat en sciences de gestion, Université Paris XII.
  • Lee P., Taylor S., Yee C., Yee M. (1993), « Prospectus Earnings Forecasts: Evidence and Explanations », Australian Accounting Review, vol. 3, n° 5, p. 21-32.
  • Leland H., Pyle D. (1977), « Informational Asymmetries, Financial Structure, and Financial Intermediation », Journal of Finance, vol. 32, n° 2, p. 371-387.
  • Mak Y. (1989), « The Determinants of Accuracy of management Earnings Forecasts: A New Zealand Study », The International Journal of Accounting, vol. 24, n° 3, p. 267-280.
  • Mak Y. (1994), « The Voluntary Review of Earnings Forecasts Disclosed in IPO Prospectuses », Journal of Accounting and Public Policy, vol. 13, n° 2, p. 141-158.
  • McConomy B. (1998), « Bias and Accuracy of Management Earnings Forecasts: An Evaluation of the Impact of Auditing », Contemporary Accounting Research, vol. 15 (Summer), p. 167-195.
  • Michaely R., Womack K.L. (1999), « Conflict of Interest and the Credibility of Underwriter Analyst Recommandations », Review of Financial Studies, vol. 12, n° 4, p. 653-686.
  • Mohamad S., Nassir A., Kuing T., Ariff M. (1994), « The Accuracy of Profit Forecasts of Malaysian IPOs », Capital Markets Review, vol. 2, n° 2, p. 46-69.
  • Neter J., Wasserman W., Kunter M.H. (1989), Applied Linear Regression Models, 2nd édition, Irwin, Homewood, IL.
  • Pedwell K., Warsame H., Neu D. (1994), « The Accuracy of Canadian and New Zealand’s Earnings Forecasts: a Comparison of Voluntary versus Compulsory Disclosures », Journal of International Accounting, Auditing and Taxation, vol. 3, n° 2, p. 221-236.
  • Reeb D., Kwok C., Baek Y. (1998), « Systematic Risk in the Multinational Corporation », Journal of International Business Studies, vol. 29, Second Quarter, p. 263-279.
  • Sentis P. (2001), « Performances opérationnelles et boursières des introductions en bourse : le cas français 1991-1995 », Finance, p. 87-117.
  • Simunic D., Stein M. (1987), « Product Differentiation in Auditing: Auditor Choice in the Market for Unseasoned New Issues », Research Monograph n° 13, Vancouver, The Canadian Certified General Accountants Research Foundation.
  • Teoh S.H., Welch I., Wong T. J. (1998), « Earnings Management and the Long-Run Market Performance of Initial Public Offerings », Journal of Finance, vol. 53, n° 6, p. 1935-1974.
  • Titman S., Trueman B. (1986), « Information Quality and the Valuation of new issues », Journal of Accounting and Economics, vol. 8, n° 2, p. 159-172.
  • Trueman B. (1986), « Why Do Managers Voluntary Release Earnings Forecasts ? », Journal of Accounting and Economics, vol. 8, p. 53-71.
  • White H. (1980), « A Heteroscedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroscedasticity », Econometrica, vol. 48, p. 817-838.
  • Wooldridge J. (2000), Introductory Econometrics: A Modern Approach. Cincinnati, Ohio: Southwestern College Publishing.

Notes

[1]

Ce code est consultable à l’adresse http://www.cmf-france.org/docpdf/Code %20FBF-AFEI.pdf

[2]

Décisions COB du 12 septembre 2002 (bulletin COB n° 377 mars 2003, page 3) ; du 24 septembre 2002 (bulletin COB n° 373, novembre 2002, page 125) ; du 16 avril 2002 (JO du 28 juillet 2002).

[3]

L’article 3 du règlement 90-02 sanctionne la publication d’informations inexactes, imprécises et ayant faussé le fonctionnement du marché ; l’article 433 alinéa 2 de la loi sur les sociétés commerciales définit le délit d’obtention frauduleuse de fonds par publication de faits faux.

[4]

En moyenne, 25 % des capitaux propres sont mis sur le marché (Labégorre, 2003).

[5]

L’analyse du contenu des prospectus révèle une grande variété dans la formulation des prévisions. Par exemple, la société APEM prévoit un résultat net à venir compris entre 22 et 26 millions de FRF; le groupe Partouche s’attend à une croissance du résultat supérieure à celle du chiffre d’affaires ; Eramet escompte une progression du chiffre d’affaires et du résultat net de 15 % sur 3 à 5 ans ; Factorem prédit, pour les années à venir, un résultat net compris entre 15 et 18 % du chiffre d’affaires ; Guyomarc’h table sur la poursuite de l’évolution favorable de l’activité et des résultats ; Brit Air prévoit un résultat net de 22,6 millions de francs etc. Les prévisions formulées de manière littérale ou bornées ont été éliminées et nous n’avons conservé que les prévisions chiffrées, afin de pouvoir aisément les comparer.

[6]

Plus le prix d’offre est élevé et moins de titres devront être émis pour collecter les fonds souhaités.

[7]

Nous avons exclu la variable année, tout en vérifiant que l’élimination d’autres variables explicatives ne modifiait pas qualitativement les résultats.

[8]

Le biais de sélection peut être considéré comme non problématique puisque l’inverse du ratio de Mills (?) est statistiquement non significatif dans les deux régressions. La méthode des moindres carrés ordinaires conduit aux mêmes résultats, exception faite du levier financier, toujours lié positivement à l’erreur de prévision mais significativement cette fois.

[9]

Les variables taille2 et taille3 ne ressortent pas significativement lorsqu’elles sont incluses dans le modèle.

[10]

Cette comparaison ne vaut que toutes choses égales par ailleurs, les entreprises de notre échantillon étant relativement plus âgées (24 ans en moyenne) que celles des études antérieures.

[11]

L’analyse de la variance menée et non reportée, ne fait pas non plus apparaître d’impact significatif de l’année d’introduction sur l’erreur de prévision.

Résumé

Français

Lors de leur admission à la cote du Second Marché français, certaines sociétés choissent de publier des prévisions de résultat dans leur prospectus d’introduction. Ces informations prévisionnelles présentent un grand intérêt, aussi bien pour les investisseurs que pour les créanciers. Mais les contrôles légaux effectués ne peuvent préjuger de leur précision. Aussi proposons-nous dans cette étude une analyse de la précision des estimations du dirigeant. Les 115 prévisions de résultat observées s’avèrent optimistes et relativement imprécises, comparées à celles d’autres pays. Par ailleurs, nous montrons que l’erreur de prévision ex post croît avec la taille, le levier financier et l’internationalisation de l’activité, et diminue avec la diversification industrielle et la rétention de capital par le dirigeant.

Mots-clés

  • introduction en bourse
  • prévisions de résultat du dirigeants
  • précision des prévisions

English

Companies that are about to go public on the “Second Marché” in France often choose to include a forecast of the next year’s profits in their initial public offering (IPO) prospectus. Despite the importance of this forecast for both new shareholders and creditors, legal audits are insufficient to ensure its good quality. Our sample consists of 115 IPO companies that were floated between January 1994 and June 2000. A cross-sectional model is derived to explain variations in management forecast accuracies. The results indicate that forecast accuracy is positively related to the firm size, to the financial leverage, and to the international exposure. Yet, it is negatively associated with the number of business segments and with the retained ownership by the managers.

Keywords

  • initial public offering
  • management earnings forecasts
  • forecasts accuracy

Plan de l'article

  1. Introduction
  2. 1 - Le contexte institutionnel et les hypothèses
    1. 1.1 - La publication de prévision dans le cadre d’une introduction au Second Marché
    2. 1.2 - Les déterminants supposés de la précision des prévisions
      1. 1.2.1 - La précision attendue des prévisions de résultat
      2. 1.2.2 - Les déterminants potentiels de la précision des prévisions de résultat
  3. 2 - La présentation de la méthodologie, des variables et de l’échantillon
    1. 2.1 - La méthodologie
    2. 2.2 - Les variables
      1. 2.2.1 - L’origine des données
      2. 2.2.2 - Les variables utilisées
    3. 2.3 - L’échantillon
      1. 2.3.1 - Formation de l’échantillon
      2. 2.3.2 - Description de l’échantillon
  4. 3 - L’analyse empirique de la précision des prévisions publiées dans les prospectus
    1. 3.1 - L’évaluation de la précision des prévisions de résultat
    2. 3.2 - Les déterminants empiriques de la précision des prévisions
  5. Conclusion

Pour citer cet article

Boubaker Sabri, Labégorre Florence, « Les déterminants de la précision des prévisions de résultat publiées dans les prospectus d'introduction au Second Marché (1994-2000) », Comptabilité - Contrôle - Audit, 2/2006 (Tome 12), p. 143-165.

URL : http://www.cairn.info/revue-comptabilite-controle-audit-2006-2-page-143.htm
DOI : 10.3917/cca.122.0143


Article précédent Pages 143 - 165 Article suivant
© 2010-2014 Cairn.info
back to top
Feedback