Accueil Revues Revue Numéro Article

Comptabilité - Contrôle - Audit

2013/1 (Tome 19)


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 117 - 142 Article suivant

Introduction

1

Les études concernant le comportement des analystes financiers en période de krach boursier sont peu nombreuses. Ang et Ma (2001) ont montré qu’au cours de la crise des marchés asiatiques en 1997, les analystes n’ont pas cédé à la panique et n’ont pas, par des commentaires pessimistes, incité les investisseurs à vendre et précipité ainsi encore plus la baisse. En revanche, ils ont insuffisamment ajusté leurs prévisions et sont restés anormalement optimistes, refusant de prendre en compte à court terme la dégradation forte des économies et la détérioration des situations financières des entreprises. Nous souhaitons, dans cet article, apporter une contribution supplémentaire à la connaissance du comportement des analystes financiers dans un contexte de crise mondiale (2008), en abordant le cas de pays développés (la zone Euro) et en ayant recours à d’autres méthodes économétriques plus à même de répondre à cette question.

2

Les analystes sont très certainement des experts, lus avec intérêt par la communauté financière. Ce n’est pas pour autant qu’ils sont considérés unanimement comme des sources d’informations réellement nouvelles pour les marchés. En particulier, une littérature récente (Kothari et al. 2009) fait valoir que leurs prévisions ne sont principalement que le reflet d’informations déjà incorporées dans les cours boursiers et se fondent sur peu d’éléments innovants. Dans cette perspective, nous nous attachons à répondre aux questions suivantes. Quelle est la réactivité des analystes financiers durant les mois de crise quand les fortes variations des cours traduisent des changements importants dans les anticipations des opérateurs ? La part de l’information issue des marchés financiers dans le processus de révisions des prévisions de bénéfice a-t-elle été plus importante durant le krach ? Les consensus ont-ils incorporé, avec plus ou moins d’intensité, les informations prises en compte par les marchés boursiers ?

3

Les réponses à ces interrogations ne sont pas sans intérêt d’un point de vue pratique. Ainsi, des conflits d’intérêts (peur d’incommoder des sociétés en relation d’affaires, souhait de ne pas décourager des clients,…) ou une incapacité à rationnaliser des mouvements de trop grande ampleur peuvent conduire nombre d’analystes à ralentir leur processus de révisions et à délaisser en partie les informations en provenance des marchés. Dans ce cas, les relations entre les valeurs boursières et leurs inducteurs habituels (résultats attendus) s’en trouvent distendues. Les conséquences peuvent être importantes : par exemple, il devient plus difficile de justifier lors d’une opération financière la valeur d’une entreprise en usant de multiples. En revanche, s’il y a accélération ou seulement intensification de l’incorporation des nouvelles du marché dans les prévisions des analystes, ces méthodes conservent leur pertinence.

4

Notre échantillon se compose de 727 sociétés cotées appartenant à la zone euro. Pour toutes ces sociétés, nous disposons du consensus des prévisions de bénéfice par action fournies par la base I/B/E/S de Thomson Financials sur la période 2006-début 2009. Nous réalisons une série de tests statistiques pour analyser les relations entre les révisions de prévision de bénéfice par action et les variations de cours boursier. Les estimations économétriques sont effectuées dans le cadre de données de panels et à l’aide d’une approche par effets fixes. Nos résultats empiriques apportent des réponses claires aux questions que nous avons posées. En premier lieu, nous rejetons l’hypothèse selon laquelle les révisions de prévision de bénéfice par action du consensus incorporent sans délai les informations prises en compte par les marchés boursiers. Nombre d’analystes n’actualisent leurs prévisions qu’avec retard et le rythme de leur publication apparaît peu affecté par les mouvements du marché. En second lieu, les résultats de nos estimations démontrent que la part de l’information issue des marchés financiers, utilisée par les analystes dans la décision de réviser leurs prévisions, est beaucoup plus importante en période de crise. Autrement dit, l’information apportée en propre par les analystes est proportionnellement moins importante durant ces mois difficiles. Enfin concernant l’information apportée par le marché, nous notons que la sensibilité des révisions de prévision de bénéfice par action aux variations des cours boursiers est plus élevée durant la période de crise étudiée. Ce dernier résultat suggère que les nouvelles en provenance du marché ont un impact fort à court terme sur les attentes de résultats mais une persistance limitée.

5

Cet article propose des tests empiriques, à notre connaissance, nouveaux sur les relations entre les productions des analystes financiers et les fluctuations des cours en période de krach boursier. Nos résultats sont cohérents avec les contributions qui affirment que les rapports des analystes servent avant tout à synthétiser et à mettre en perspective une information complexe à l’usage d’un public large. En période de crise, le flot d’informations contenues dans les cours boursiers est plus difficile à prendre en compte dans les prévisions de résultat. Mais, la demande d’informations de la part des investisseurs reste suffisante pour inciter les analystes à accroître leur réactivité et à ajuster plus rapidement leurs prévisions en fonction des informations apparues sur les marchés.

6

L’article se poursuit de la façon suivante. La section 2 propose une revue de la littérature et un exposé des hypothèses. La section 3 présente les données et décrit leurs principales caractéristiques. La section 4 rappelle la méthode utilisée. La section 5 discute les résultats empiriques obtenus. La section 6 expose quelques extensions. Enfin, la section 7 termine par des conclusions.

1 - Revue de la littérature et hypothèses

7

Les révisions de prévision de bénéfice par action sont les productions les plus suivies des analystes. Jouent-elles un rôle dans la diffusion de l’information au sein des marchés boursiers ? Depuis les années 1970, de nombreux tests (Griffin 1976 ; Givoly et Lakonishok 1979, 1980 ; Imhoff et Lobo 1984, pour des contributions pionnières) se sont attachés à mettre en évidence l’influence qu’elles pouvaient revêtir dans la formation des cours boursiers.

8

Plus récemment, un autre courant de la littérature soutient que les analystes sont sources de peu de nouvelles qui ne soient pas déjà incorporées dans les prix de marché (Kothari et al. 2009). Ces auteurs décrivent les analystes avant tout comme des producteurs d’études rétrospectives dont l’intérêt serait de synthétiser et de mettre en perspective une information complexe à l’usage d’un public large. Ces études ne nient pas l’importance du travail des analystes dans la recherche d’information mais soulignent la force des contraintes auxquelles ils sont soumis au sein des maisons de courtage et des banques d’affaires (Lin et McNichols 1998 ; Michaely and Womack 1999 ; Barber et al. 2007 ; Kothari et Kolasinski 2008 ; Brown 2009).

9

Si les analystes effectuent avec célérité leurs révisions en fonction des mouvements du marché, leur production reflète la totalité des informations contenues dans les prix. Mais, si le rythme de révision est plus lent et les ajustements progressifs, les changements dans les prévisions reflètent non seulement les informations contenues dans les variations contemporaines des cours boursiers mais aussi celles qui soutiennent les variations passées. En période de crise financière, vues les modifications dramatiques des environnements, les révisions à effectuer sont plus nombreuses et d’une plus grande amplitude. Les contraintes qui pèsent sur les analystes [1][1] Concernant l’impact sur les prévisions de ces conflits,... peuvent rendre les révisions plus difficiles à proposer, même si la présence d’investisseurs institutionnels a des effets modérateurs (Ljungqvist et al. 2007). Alors les changements pourraient être plus lents et moins forts.

10

À l’opposé, les analystes peuvent être stimulés pour fournir des révisions de prévision de bénéfice à des investisseurs qui s’appuient sur ces signaux dans leur gestion. Green (2006) et Chang et Chan (2008), par exemple, mettent en évidence que les études des analystes peuvent être utiles à la gestion active des portefeuilles. Dans le contexte d’une crise financière, le rôle des analystes en matière d’information des investisseurs s’en trouverait même renforcé. Trois types d’arguments viennent soutenir cette thèse : (i) les pertes étant moins persistantes que les profits (Freeman et Tse 1992 ; Basu 1997), l’impact d’un résultat passé négatif sur la valeur est plus faible, (ii) les firmes répugnant à communiquer une information négative (Waymire 1985 ; Miller 2002), l’information publique se raréfie, (iii) la motivation des analystes est plus grande car ils craignent la dégradation de leur réputation (Stickel 1989 ; Mikhail et al. 1999). En résumé, dans un tel contexte, la communauté financière se tournerait plus volontiers vers les analystes qui seraient ainsi plus stimulés et qui intensifieraient leur processus de révision.

11

Dans cette étude, nous nous intéressons aux prévisions de bénéfice par action car leurs révisions sont les plus suivies (Givoly et al. 2009). Nous retenons deux hypothèses complémentaires. D’une part, nous supposons que les productions des analystes utilisent l’information véhiculée par les marchés financiers et s’ajustent donc aux mouvements de ces derniers. Pour nous en assurer, nous testerons donc l’hypothèse nulle suivante :

12

H1 : les révisions de prévision de bénéfice par action ne sont pas corrélées aux variations contemporaines et passées de cours boursier.

13

L’hypothèse est tout d’abord testée durant la totalité de la période d’étude, puis de manière séparée durant chaque année couverte par notre échantillon : plus particulièrement durant une période normale (2006) et durant une période de crise (2008), car elle pourrait être acceptée pour la première (coûts de révision plus faibles) et rejetée pour la seconde.

14

D’autre part, si notre première hypothèse (H1) est rejetée dans les deux cas, notre seconde approche, basée sur deux périodes antagonistes, nous permet de tester d’autres hypothèses. En période de krach boursier, la pression est suffisamment forte pour pousser les analystes à actualiser leurs indications de manière prépondérante en fonction des mouvements des marchés. La part prise par l’information véhiculée par les marchés financiers dans les révisions de prévision des analystes devrait être dès lors supérieure durant cette période. L’effet inverse peut également jouer. Les freins sont alors suffisamment forts pour pousser les analystes à ignorer les marchés et à actualiser leurs indications en fonction de sources indépendantes. La part prise par l’information véhiculée par les marchés financiers dans les révisions de prévision des analystes devrait alors être inférieure durant une période de crise. Nous proposons un choix entre ces deux thèses à partir d’un test construit sur les hypothèses suivantes.

15

H2 : L’association entre les révisions de prévision de bénéfice par action et les variations contemporaines ou passées des cours boursiers est de degré identique en période normale et en période de crise.

16

H2A : L’association entre les révisions de prévision de bénéfice par action et les variations contemporaines ou passées des cours boursiers est plus forte en période de crise.

17

H2B : L’association entre les révisions de prévision de bénéfice par action et les variations contemporaines ou passées des cours boursiers est moins forte en période de crise.

18

Ce dernier test est fondé sur la mesure et l’analyse du pouvoir explicatif de notre modèle de régression durant les différentes périodes étudiées. Cette analyse se fait à l’aide d’une analyse de la variance (ANOVA) et plus spécifiquement à partir de la mesure du coefficient de détermination (R2) du modèle et de son importance durant les différentes périodes étudiées.

19

Enfin, dans le cas où l’association serait renforcée, se pose la question de savoir si la sensibilité des révisions de prévision des analystes à l’information du marché est également affectée par la crise financière. Les analystes amplifient-ils ou amortissent-ils les mouvements de cours dans leurs mises à jour successives ? Nous pouvons également tester la variation de cette sensibilité à l’aide d’un test de changement des coefficients de notre modèle de régression durant l’année 2008. Notre troisième et dernier ensemble d’hypothèses testées est alors :

20

H3 : La sensibilité des révisions de prévision des analystes aux rentabilités des titres ne change pas durant une période de crise.

21

H3A : La sensibilité des révisions de prévision des analystes aux rentabilités des titres est plus forte durant une période de crise.

22

H3B : La sensibilité des révisions de prévision des analystes aux rentabilités des titres est moins forte durant une période de crise.

23

Afin de répondre à cette question nous réalisons un test de différence de coefficients, ou de changement structurel (Chow, 1960), entre l’année 2006 et l’année 2008 sur notre modèle économétrique. [2][2] Depuis le 1/01/2005, toutes les sociétés européennes...

2 - Les données

24

En dehors des USA, les pays de la zone euro, ont l’avantage d’offrir un échantillon de taille importante, homogène au point de vue monétaire (pas de problèmes liés au change) et composé d’entreprises opérant dans un cadre comptable harmonisé. Ce dernier point est important car les différents référentiels comptables peuvent affecter le suivi des entreprises par les analystes (Bae et al. 2008). L’échantillon est aussi homogène du point de vue de la participation des investisseurs individuels qui est certainement moins élevée qu’aux USA. La très grande majorité des titres (62 %) est traitée sur l’une des deux grandes bourses de l’Europe continentale : NYSE Euronext et Deutsche Börse Group. Enfin, la base de données I/B/E/S de Thomson Financials en offre une bonne couverture.

25

Une crise financière de grande ampleur est à la fois un événement difficile à anticiper par les analystes et de nature à remettre en cause l’ensemble des prévisions réalisées. Le krach boursier de 2007-2008 fut mondial et particulièrement violent. L’indice S&P 500 a baissé sur six mois de 42,7 % entre août 2008 et février 2009 alors qu’il n’avait baissé que de 20.6 % entre mai et novembre 1987, de 19.2 % entre septembre 2000 et mars 2001 et de 28.9 % entre mars et septembre 2002. La période de crise [3][3] Les extractions de données ont été réalisées pour leur... étudiée est comprise entre avril 2008 et janvier 2009. La période d’avril 2006 à janvier 2007 a été retenue comme période de contrôle. Pour faciliter les comparaisons entre les prévisions de résultat nous nous sommes limités aux entreprises clôturant leur compte au 31 décembre (plus de 85 % de notre population). Toutes les prévisions sont alors synchrones si on les date par rapport à la clôture de l’exercice. Comme les entreprises annoncent généralement leurs résultats sur la période février-avril (plus de 97 % de notre population), nous avons éliminé ces mois de nos périodes d’étude. En effet, l’annonce de résultats passés est un événement particulier dans la gestion des prévisions de bénéfice par action. En conséquence, les tests économétriques sont conduits principalement sur deux périodes de neuf mois consécutifs, avril 2006 – janvier 2007, référée par la suite comme période pré-crise (Pp) et avril 2008 – janvier 2009, référée comme période de crise (Pc). Pour certains tests, la période avril 2007 – janvier 2008 intervient comme période de début de crise (PD).

2.1 - Les variables

26

Dans cette recherche, nous étudions le comportement des analystes à travers les consensus publiés par I/B/E/S/. L’intérêt d’un consensus est de contenir les réactions de tous les analystes présents dans cette base, qu’ils appartiennent à de grandes ou à de petites institutions, qu’ils soient fortement spécialisés ou non, qu’ils soient considérés comme leaders ou non. L’une des limites importantes de cette source est de n’être alimentée que par des analystes essentiellement « sell-side [4][4] On distingue généralement les analystes « sell side »... ». Néanmoins, ces données sont largement publiées et sont susceptibles d’affecter les comportements d’un grand nombre d’acteurs.

27

Parmi toutes les prévisions disponibles de bénéfice par action, nous retenons les prévisions pour l’exercice suivant et non l’exercice en cours car elles sont nombreuses, fréquemment révisées et souffrent moins des effets de changement de biais (optimisme au départ, pessimisme à la fin) que les prévisions pour l’exercice en cours (Bartov et al. 2002). Par ailleurs, Schipper (1991), Clement et Tse (2003) soutiennent que les investisseurs réagissent plus fortement aux prévisions émises plus tôt et privilégient la récence à la précision. Ainsi, pour la période pré-crise, nous retenons les prévisions pour l’exercice 2007 et pour la période de crise celles pour l’exercice 2009. Il s’agit du consensus moyen publié par I/B/E/S [5][5] Il s’agit dans la base I/B/E/S de Thomson Financials... le premier jour de chaque mois. Pour faciliter les comparaisons, les bénéfices réalisés sont ceux publiés par la même base I/B/E/S de Thomson (IBH.EPSActualValue).

28

La variable étudiée est construite à partir de la variation d’un mois sur l’autre de ce consensus moyen. Elle mesure l’impact de l’information nouvelle apportée par les analystes qui révisent. Pour plus de précision, nous considérons que la variation du consensus moyen entre deux mois représente principalement l’apport informationnel du mois de départ [6][6] Par exemple, la variation entre les prévisions au 1er.... Pour disposer de la valeur moyenne des variations des seules prévisions révisées, nous avons multiplié cette variation du consensus par le ratio « nombre de prévisions/nombre de changements dans les prévisions [7][7] Nous avons également utilisé les variations brutes... ». Comme les bénéfices par action diffèrent d’une société à l’autre par des facteurs de taille importants, nous avons corrigé les variations en les divisant par le cours boursier de l’action début 2006 [8][8] Les variations ont été aussi normées par le cours du.... Cette variable sera notée VE tout au long de l’article et dans les différents modèles économétriques étudiés.

29

Enfin, la mesure du mois n’est pas le mois calendaire mais le nombre de mois écoulés depuis la date de la dernière publication des résultats. Cette date est disponible dans la base I/B/E/S sous l’item IBH.EPSActualReportDate. Lorsque l’information est manquante, une date approchée est retenue en reprenant le mois de publication des autres années. Les variations ajustées de cours boursiers [9][9] Des opérations de capital (item TF.AdjustmentFactor)... ont été calculées à partir des cours de fin de mois publiés dans la base Thomson Financials [10][10] Ils correspondent à l’item TF.PriceClose sur la base.... Ces rentabilités seront notées R tout au long de l’article et dans les différents modèles économétriques étudiés.

2.2 - L’échantillon

30

Nous avons recensé l’ensemble des entreprises actives et non actives présentes dans la base Thomson Financials en novembre 2009 pour tous les pays appartenant, à cette date, à la zone Euro. Le nombre total de firmes s’élève à 5 748 avec deux pays dominants : la France (1 584) et l’Allemagne (1 468). Nous avons retenu l’ensemble des entreprises pour lesquelles I/B/E/S fournit un suivi continu sous forme de prévisions de bénéfice par action sur la période concernée : c’est notre population mère (1 046). Nous avons limité l’étude aux seules entreprises dont l’exercice comptable s’achève au 31 décembre pour disposer de prévisions d’âge homogène : 151 entreprises ont été de ce fait perdues. Afin de pouvoir estimer la précision et le biais des prévisions de bénéfice, nous devons disposer des bénéfices réalisés. Cette information manque dans 64 cas sur la base I/B/E/S [11][11] Pour disposer de mesures homogènes de bénéfice par.... Nous avons éliminé les entreprises bancaires, financières et immobilières [12][12] Secteurs 45 à 49 dans la classification de Fama et... (37), du fait de la particularité des modèles comptables propres à ces secteurs et des aspects de la crise qui leur sont spécifiques. Il manquait pour 67 entreprises des informations financières ou comptables. Au total, un échantillon de 727 entreprises représentant près de 70 % de la population mère nous permet de disposer d’un suivi continu sur les trois années considérées (2006-2008).

31

La répartition finale par pays est proche de l’initiale. En reprenant la classification de Fama et French en 49 secteurs, nous avons également vérifié que l’échantillon recouvre des spectres larges d’activité. Il n’existe pas de concentration particulière des entreprises d’un pays dans un secteur particulier.

Tableau 1 - Constitution de l’échantillon(*)Tableau 1

(*) L’échantillon contient des entreprises non financières de la zone Euro sur la période 2006-2008. Les prévisions et les réalisations des bénéfices par action proviennent de la base I/B/E/S de Thomson Financials, de même que les recommandations des analystes. Les cours boursiers et les autres données financières ont été obtenus auprès de la base TF de Thomson Financials. Ce tableau décrit le processus de sélection de l’échantillon.

2.3 - Les statistiques descriptives

32

Le Tableau 2 présente les statistiques descriptives pour les principales variables de l’étude. Les capitalisations boursières ont fortement chuté entre 2006 et 2008 (– 35 % par rapport à la moyenne et – 50 % par rapport à la médiane). L’échantillon est composé d’entreprises de taille différente (la capitalisation par décile varie progressivement de 23 à 12 740 millions d’euros en 2008). Les entreprises sont plus petites en Belgique et en Grèce que dans les autres pays, mais il n’y a pas de lien direct entre la taille des pays et la capitalisation moyenne des entreprises.

Tableau 2Présentation de l’échantillon
Panel A : Ventilation par décile de taille/année (selon la capitalisation boursière)(1)Tableau 2

(1) différence significative au seuil de 1 %

Panel B : Ventilation par paysTableau 2

Ce tableau reporte les statistiques descriptives de synthèse sur la principale variable utilisée dans cette étude : la prévision de bénéfice par action pour l’exercice suivant. Ces variables sont observées à une fréquence mensuelle. Le taux de révision des prévisions de bénéfice est calculé pour chaque entreprise et chaque mois en divisant le nombre de révisions effectuées par le nombre de prévisions. Les informations données sont des moyennes pour la période allant de mai 2006 (2008) à janvier 2007 (2009). Les capitalisations boursières sont celles fournies par Thomson Financials au 31 décembre de l’année en millions d’euros.

33

Le nombre moyen de prévisions de bénéfice par action (calculé sur une base mensuelle) est stable sur les deux années : il passe de 9,6 en période pré-crise à 10,3 en période de crise (différence non significative). Le nombre moyen de prévisions augmente avec la capitalisation boursière des sociétés. En période pré-crise (période de crise), la moyenne pour le premier et le dernier décile est respectivement de 2,2 (2,3) et 24,4 (25,4). Le suivi par les analystes est bien fonction de la taille de l’entreprise.

34

Des taux de révision des prévisions de bénéfice ont été calculés pour chaque entreprise et chaque mois en divisant le nombre des révisions effectuées par le nombre de prévisions. Nous observons une augmentation du taux moyen de révision de 27 % en période pré-crise à 33 % en période de crise (différence significative au seuil de 1 %). Cet accroissement est constaté dans tous les déciles de taille d’entreprises et dans tous les pays. Ainsi, l’arrivée de la crise n’a pas provoqué une augmentation du nombre de suivi des entreprises (plus de prévisions) mais a occasionné en moyenne une augmentation du nombre de révisions.

35

Le Tableau 3 présente pour les mois de mai, septembre et janvier et selon le nombre d’analystes, les révisions de prévision de bénéfice par action. Le nombre moyen de révisions augmente mécaniquement avec le nombre d’analystes (les taux de révision étant souvent peu différents). Nous n’observons pas d’augmentation systématique du taux de révision entre les deux périodes. Le taux de révision moyen des prévisions est voisin en mai 2006 et mai 2008 (23,88 % et 26,45 %) et cette différence n’est pas significative au seuil de 5 %. Il est plus faible en septembre 2008 (25,53 %) qu’en septembre 2006 (30,44 %), mais plus élevé en janvier 2009 (47,55 %) qu’en janvier 2007 (32,82 %), tous ces écarts étant significatifs au seuil de 1 %. Tout au plus, nous pouvons supposer que les analystes ont attendu un peu plus longtemps en période de crise pour réviser leur prévision. [13][13] Les tableaux sont disponibles auprès des auteurs et...

Tableau 3(1),(*)

(1) différence significative au seuil de 1 % entre deux années différentes, à la même époque (septembre ou janvier)

(*) Ce tableau reporte les statistiques descriptives sur les révisions des prévisions des bénéfices par action. Le nombre d’analystes financiers est le nombre moyen des analystes suivant les sociétés en 2006 et 2008, pour les exercices 2007 et 2009. Les résultats ont été obtenus sur un échantillon de 727 entreprises de la zone Euro. Les mois de mai, septembre et janvier correspondent au début, au milieu et à la fin de notre période d’observation.

3 - La méthode

36

Dans un premier temps, nous cherchons à estimer, pour l’ensemble de la période étudiée, la relation entre les révisions mensuelles des prévisions de bénéfice effectuées par les analystes financiers et les variations contemporaines et passées des cours des actions. Pour cela, nous recourons au modèle de base suivant :

37
38

avec VEi,t, la variation du consensus moyen des bénéfices par action pour l’entreprise i et au cours du mois t, et Ri,t, la rentabilité [14][14] où PCi,t désigne le cours de clôture du jour t, le... du titre de l’entreprise i au cours du mois. L’estimation économétrique de (1) nous permet de tester l’hypothèse H1 en mesurant la corrélation entre les variations de consensus et les variations boursières à travers la significativité des coefficients attribués aux rentabilités et également à l’aide du test en F de significativité globale de la régression.

39

Les estimations sont effectuées sur des périodes de neuf mois [15][15] Les trois mois correspondant aux annonces de résultats... les moins affectées par les annonces de résultat. Ceci étant, les activités de révision par les analystes ne sont pas régulières mais restent influencées par le calendrier comptable. Stickel (1989) relève que les annonces de résultat sont suivies par une activité soutenue de révision des prévisions par les analystes financiers. Barron et al. (2002) font valoir que l’explication réside dans le fait que ces derniers agissent en qualité de « processeurs d’information ». Notre seconde spécification tient compte de cette saisonnalité. Onze [16][16] Autant de variables muettes que de mois dans l’année... variables muettes Ck sont introduites pour tenir compte de la date de révision. Elles prennent la valeur un si l’observation est réalisée k mois avant la prochaine annonce de résultat, zéro sinon. L’indice k vaut un, par exemple, si l’observation est faite le mois qui précède l’annonce et 11 lorsque l’on se trouve 11 mois avant la prochaine publication (et de fait un mois après la dernière, du moins si le calendrier est régulier). Enfin, l’inclusion d’un effet fixe Ci par firme permet de contrôler le biais que pourrait générer l’omission de facteurs constants spécifiques à chacune des entreprises [17][17] Le test d’Hausman (1978) permet de tester la significativité.... Le secteur d’activité, la taille, le nombre d’analystes suivant le titre, le style de direction peuvent être considérés comme stables durant notre période d’étude et donc être pris en compte dans notre seconde spécification. Un effet fixe propre à la période de crise a également été ajouté dans certaines spécifications : l’ampleur des variations de consensus durant cette année, compte tenu de la conjoncture, a dû vraisemblablement différer de celles des autres périodes. La prise en compte de ce phénomène permet d’accroître la robustesse de nos résultats.

40
41

Même si cette nouvelle spécification permet de tenir compte des facteurs explicatifs constants et spécifiques à chaque entreprise, omis dans l’équation (1), et d’une certaine dynamique dans la révision des analystes, de nombreuses autres variables explicatives potentiellement corrélées avec nos variables d’intérêt peuvent encore manquer dans l’équation (2). Il existe donc potentiellement un problème d’endogénéité dans cette spécification. Pour y remédier, nous complétons ces premières estimations par une approche inspirée du test de Granger (1969). Ce dernier propose de tester la causalité, au sens statistique du terme, entre deux variables. L’idée étant d’apprécier dans quelles mesures une variable contient des informations utiles pour en prédire une autre, et cela, en plus de l’historique des autres variables du système. Dans sa forme complète, le test revient à estimer une régression dans laquelle apparaissent en plus des valeurs contemporaines et retardées de la variable explicative, les valeurs retardées de la variable dépendante. L’inclusion des retards de la variable dépendante dans la spécification permet de tester dans quelle mesure la variable dépendante apporte un contenu informationnel spécifique. Dans notre cas, la spécification inspirée de celle de Granger est la suivante :

42
43

Ce nouveau modèle économétrique permet de nous assurer de la robustesse des résultats obtenus précédemment, à la prise en compte partielle des problèmes d’endogénéité.

44

L’hypothèse 1 est alors testée par l’intermédiaire des estimations des équations (1), (2) et (3), et des tests de significativité des coefficients attribués aux rentabilités contemporaines et retardées. L’hypothèse 2, quant à elle, est analysée à partir de l’estimation de l’équation (1), mais cette fois-ci, réalisée pour chacune des périodes couvrant notre étude. Ces estimations par sous-période permettent de voir si la corrélation entre les révisions de prévision des analystes et le comportement contemporain et passé du titre, a évolué durant les trois périodes étudiées. De manière plus spécifique, en étudiant le R² des estimations, nous serons en mesure d’apprécier l’évolution de la proportion de la variation des révisions expliquée par le modèle et de voir si celle-ci est plus importante ou non durant la période de crise. Enfin, le test de l’hypothèse 3 sera réalisé à partir d’un test de différence de coefficients (test de Chow [1960]), entre ceux attribués aux rentabilités des titres durant la période pré-crise et ceux observés durant la période de crise. Les trois spécifications peuvent être utilisées. Toutes les statistiques de Student sont calculées à partir d’écarts-types estimés prenant en compte la dépendance en coupe transversale et l’hétéroscédasticité par clusters de firme et de période correspondant à l’indice k dans nos spécifications (voir Petersen 2009 ; Thompson 2009 [18][18] Une approche par les quasi moindres carrés généralisés...). Toutes les estimations sont faites à l’aide du logiciel Gauss et par la méthode des moindres carrés généralisés (mco).

4 - Les résultats

4.1 - Les révisions des prévisions en période de crise versus celles de la période pré-crise

45

Le tableau 4 rapporte les résultats des estimations des modèles (1), (2) et (3) durant la totalité de la période d’étude (2006-2008), pour lesquels la variable dépendante est la révision mensuelle de la prévision de bénéfice par action (VEi,t). Par souci de parcimonie, les coefficients associés aux effets fixes ou de contraste n’ont pas été repris. Les p-value (ou seuil expérimental) sont basées sur les statistiques T, comme précisé précédemment, à partir d’écarts-types estimés avec des clusters par firme et par période (voir Petersen 2009 ; et Thompson 2009). Ils prennent donc en compte la dépendance en coupe transversale et l’hétéroscédasticité présentes dans nos modèles.

46

L’estimation de la première spécification démontre une corrélation positive et significative, entre la révision des prévisions de bénéfice et la rentabilité contemporaine ainsi que les rentabilités passées. Tous les coefficients attribués aux rentabilités des titres, contemporaines ou retardées, sont positifs et très significatifs (p-value quasi nulles). L’insertion d’effets fixes par titre ou par période (colonne 2), d’un effet fixe pour la période de crise (colonne 3) et des valeurs retardées des révisions de prévision (colonne 4) ne modifie en rien ces résultats. L’hypothèse H1 peut donc être rejetée sans ambiguïté : les révisions de prévision des analystes sont significativement et positivement corrélées aux variations contemporaines et passées des cours boursiers. Les analystes reprennent à leur compte les informations véhiculées par les cours boursiers, au fur et à mesure de leurs révisions.

Tableau 4 - Révision des prévisions de bénéfice par action effectuées par les analystes et variation des cours boursiers(*)Tableau 4

(*) Le tableau expose les résultats, obtenus sur un échantillon de 727 entreprises de la zone Euro durant la période 2006-2008, de l’estimation de la régression suivante : VEi,t = ci + ct + ?1VEi,t-1 + ?2VEi,t-2 + ?3VEi,t-3+ ?0Ri,t + ?1Ri,t-1+ ?2Ri,t-2+ ?3Ri,t-3 + ?i,t VE est la variation du consensus moyen des bénéfices par action au cours du mois, normée par le cours de l’action au début 2006. R est la variation des cours boursiers au cours d’un mois en tenant compte des dividendes et des opérations sur le capital. Des effets fixes par firme et période (temps mesuré par rapport au mois de publication des résultats) ont été inclus selon les spécifications, ainsi qu’un effet fixe pour l’année 2008, mais ne sont pas rapportés. Les P-value sont estimées à partir de T-stat calculés à partir d’écarts-types robustes à l’hétéroscédasticité et à la dépendance en coupe-transversale (clusters par firme [i] et par période [k]).

47

L’estimation de l’équation (1) mais cette fois-ci durant chacune des trois périodes étudiées, va nous permettre d’apprécier l’évolution de cette corrélation, et plus particulièrement, de savoir si elle a été plus ou moins importante durant la période de crise.

Tableau 5 - Révision des prévisions de bénéfice par action effectuées par les analystes, variation des cours boursiers et impact de la crise de 2008(*)Tableau 5

(*) Le tableau expose les résultats, obtenus sur un échantillon de 727 entreprises de la zone Euro durant la période 2006-2008, de l’estimation de la régression suivante : VEi,t = c + ?0Ri,t + ?1Ri,t-1 + ?2Ri,t-2 + ?3Ri,t-3 + ?i,t Pp est la période pré-crise (2006), PD la période de début de crise (2007) et PC la période de crise. VE est la variation du consensus moyen des bénéfices par action au cours du mois, normée par le cours de l’action au début 2006. R est la variation des cours boursiers au cours d’un mois en tenant compte des dividendes et des opérations sur le capital. Les P-value sont estimées à partir de T-stat calculés à partir d’écarts-types robustes à l’hétéroscédasticité et à la dépendance en coupe-transversale (clusters par firme [i] et par période [k]). Le test de différence de R2 entre PC la période de crise et Pp la période pré-crise est réalisée à partir d’une procédure non-paramètrique de type bootstrap.

48

Nous pouvons constater, tout d’abord, que nous retrouvons le résultat précédent pour chacune des périodes étudiées : les variations de prévision des analystes sont positivement corrélées aux rentabilités contemporaines et passées des titres. De plus, cette corrélation semble plus importante durant la période de crise : le R², supérieur de 10 points (différence significative au seuil de 1 %) indique que les variations des rentabilités des titres, expliquent de manière plus importante les variations de prévision des analystes durant la période de crise. L’information du marché semble donc prendre une plus grande part dans les décisions des analystes durant ces périodes d’extrêmes tensions. Plutôt que de délaisser ces informations, les analystes les ont plus massivement prises en compte lors de l’ajustement de leurs prévisions. L’étude de notre échantillon est donc en accord avec l’hypothèse H2A : L’association entre les révisions de prévision de bénéfice par action et les variations contemporaines ou passées des cours boursiers est plus forte en période de crise.

4.2 - Estimation des différences dans les prises en compte des variations de cours entre les périodes pré-crise et crise

49

Au-delà de l’analyse de la corrélation entre nos deux phénomènes d’intérêt, la question de l’impact de la crise financière sur la sensibilité des révisions de prévision de bénéfice aux rentabilités des titres est également pertinente. Nous avons mis en évidence que l’information boursière avait pris une part plus importante dans les décisions de révision des analystes mais qu’en est-il de leur sensibilité aux variations des cours ? Le tableau 6 reprend les différences dans les coefficients estimés dans les équations (1), (2) et (3) pour les deux périodes extrêmes, la première représentant une période normale, la seconde une période de crise financière. Un test de différence est alors réalisé sur les seuls coefficients attribués aux rentabilités des titres. Comme précédemment, nous observons que la relation s’est fortement renforcée en période de crise : dans notre première spécification, les coefficients attribués aux rentabilités contemporaines ou passées sont tous significativement supérieurs à ceux observés en période pré-crise. Dans nos deuxième et troisième spécifications, ils sont également plus importants en période de crise mais cette différence positive est moins importante, tout en restant très significative. La valeur des coefficients est en général plus du double durant la période de crise. Ceci suggère qu’en période de crise, le contenu informationnel reflété dans les variations de cours prend non seulement une part plus importante dans les décisions des analystes, mais de plus, son impact est accentué durant cette période. L’étude de notre échantillon est donc en accord avec l’hypothèse H3A : La sensibilité des révisions de prévision des analystes aux rentabilités des titres est plus forte durant une période de crise.

50

Une explication peut être avancée pour ce phénomène. En période de crise, les mauvaises nouvelles dominent. Les opérateurs sur le marché les anticipent. Ils prennent en compte non seulement une chute attendue des résultats mais aussi les mesures correctrices des entreprises, et donc le fait que ces détériorations ne devraient avoir qu’une persistance limitée. De ce fait, mécaniquement, la diminution des résultats attendus à court terme est plus importante car elle prend en compte les corrections à venir (voir annexe 1 pour l’examen du lien entre persistance et sensibilité). Nos résultats suggèrent que les analystes ne sont pas myopes en période de crise. Ils prennent pleinement la mesure de l’intensité de la dégradation des résultats à court terme, surtout lorsqu’ils révisent rapidement leurs prévisions (les coefficients sont plus élevés pour le décalage d’un mois par rapport à ceux associés avec des décalages plus lointains).

Tableau 6 - Révision des prévisions de bénéfice par action effectuées par les analystes, variation des cours boursiers et impact de la crise de 2008(*)Tableau 6

5 - La réactivité des analystes et les caractéristiques des titres

51

Notre échantillon est relativement hétérogène. Il est composé d’entreprises de nationalités différentes, de tailles variées ou encore appartenant à des secteurs divers. C’est pourquoi nous souhaitons nous assurer que nos résultats ne proviennent pas de sous-populations d’entreprises particulières et peuvent être généralisables. Pour ce faire, nous segmentons notre échantillon en fonction de six variables susceptibles d’être associées à des comportements différents des analystes en matière de suivi de ces firmes. Le premier sous-groupe de variables intéresse directement le suivi par les analystes. L’intensité du suivi, mesurée par le nombre d’analystes (1) fournissant une prévision peut affecter la qualité des mesures utilisées (Lang et Lundholm 1996 ; Barth et al. 2001, par exemple). La dispersion de leurs prévisions (2) est fréquemment associée à l’asymétrie d’information entourant les résultats attendus (Brown et al. 1987 ; Wiedman 1996 ; Bryan et Tiras 2007). Si les analystes améliorent l’environnement informationnel, leurs efforts sont plus intenses pour les firmes qui sont difficiles à suivre. On peut également s’interroger sur l’importance du facteur taille pour expliquer ces vitesses d’ajustement différentes aux informations de marché. La taille est ici mesurée à travers la capitalisation boursière (3). La production des analystes peut varier en qualité et en quantité avec les volumes de transaction (4), parce que, par exemple, les courtages générés en sont fonction, ou encore qu’il est plus facile de tirer un profit d’une information supérieure sur un marché où les ordres sont nombreux (Frankel et al. 2006). Elle peut être aussi affectée par le niveau de risque qui pèse sur ces titres (volatilité historique ?5] et bêta ?6]). On peut penser que les analystes concentrent leurs efforts sur des firmes qui enregistrent des mouvements communs de cours. Kini et al. (2009) observent que les courtiers non américains privilégient la spécialisation des analystes par pays.

52

Pour les six variables précitées, nous produisons un classement croissant des firmes de l’échantillon de base en fonction de l’information disponible en 2008. Nous classons ensuite les entreprises en trois groupes : celles appartenant au premier tiers (premier tercile) et au dernier (troisième tercile) sont alors étudiées. Nous estimons la différence de sensibilité des révisions des analystes aux variations de cours durant les périodes pré-crise et crise pour chacun des groupes extrêmes, afin de savoir si les résultats précédents ne sont pas tirés par un sous-échantillon particulier (les petites capitalisations, les titres les moins suivis, les actions plus ou moins risquées…). Les résultats sont repris dans le tableau 7.

53

Nous avons vu qu’en période de crise, les variations présentes et passées des cours boursiers affectent plus fortement les révisions de prévision de bénéfice par action. Ce résultat se retrouve clairement dans l’ensemble de nos sous-échantillons construits sur les six caractéristiques étudiées. Que les titres soient ceux de petites entreprises ou ceux de capitalisations plus importantes, suivis par un petit ou un grand nombre d’analystes, ou qu’on les classe suivant d’autres caractéristiques, la sensibilité des révisions aux variations de cours semble plus importante durant la période de crise. Les coefficients attribués aux variations passées des titres sont significativement supérieurs durant la période de crise dans la grande majorité des régressions du tableau 7. Cependant, les coefficients ne sont pas significativement différents pour les variations contemporaines (mis à part pour les titres des grandes firmes, ceux les plus suivis et ceux pour lesquels les prévisions des analystes sont les plus dispersées).

Tableau 7 - Intensité différenciée de l’impact de la crise de 2008 sur le lien entre les révisions des prévisions de bénéfice par action effectuées par les analystes et les variations des cours boursiers(*)Tableau 7Tableau 7
54

Au total, ces résultats suggèrent qu’une partie du travail des analystes est bien d’incorporer dans leurs prévisions publiées par I/B/E/S des informations qui sont déjà reflétées par le marché. Ce comportement ne disparaît pas en période de crise. Au contraire, il est plus marqué et ne dépend pas des caractéristiques des titres. De manière générale, les résultats obtenus sont cohérents avec l’idée selon laquelle, en période de krach, l’information privée est moins disponible et les analystes accordent plus d’importance aux nouvelles en provenance du marché.

6 - Conclusion

55

Cet article montre que le contenu informationnel reflété par les variations de cours est pris en compte par les analystes européens au fur et à mesure de leurs révisions. En dépit d’environnements très difficiles, ce phénomène a été même accentué lors de la crise de 2007-2008. La part prise par l’information issue des marchés financiers, dans la décision des analystes, y est beaucoup plus importante et l’impact des variations passées des cours boursiers sur l’ampleur des révisions de prévisions de bénéfice par action y est encore plus fort. Ce résultat suggère que les analystes n’ont pas craint d’incorporer dans les prévisions publiées par I/B/E/S les jugements que reflétait l’état des marchés. Ceci est d’autant plus remarquable que les dégradations attendues à court terme pour les bénéfices par action étaient particulièrement fortes, même si par ailleurs on pouvait penser qu’elles seraient moins persistantes. Ces chocs transitoires de court terme n’ont pas été éludés par les analystes. Durant ce krach, ce comportement se retrouve quel que soit le niveau de suivi des titres par les analystes.

56

La méthodologie choisie limite les inférences. En effet, (1) les relations testées ne sont que de l’ordre de la corrélation et ne permettent pas d’expliciter des mécanismes de causalité autres que statistiques et (2) notre approche ne permet pas d’identifier les analystes qui réagissent avec le plus de retard et d’expliciter les raisons de leurs comportements. Mais, nous pouvons finalement avancer que durant la crise financière de 2007-2008, l’information mise à disposition par les analystes a bien suivi les mouvements des marchés, contrairement à ce qu’avaient relevé Ang et Ma (2001) sur les places asiatiques en 1997. De ce point de vue, les analystes apparaissent plus comme des experts qui trient l’information, la valident et la rendent cohérente entre autres avec l’information comptable. Les prévisions de bénéfice par action procèdent peut-être moins d’un effort de recherche autonome que d’une tentative d’explicitation des fondamentaux à la base des évaluations du marché. Ainsi, les analystes financiers jouent un rôle pour aider les opérateurs à apprécier les évolutions des cours boursiers et les rendre intelligibles sous la forme de nombres comptables prévisionnels.

57

Par ailleurs, sachant qu’en période de crise, les analystes sont plus sensibles aux informations venant du marché lorsqu’ils révisent leurs prévisions de bénéfice, les entreprises, et tout particulièrement les responsables de leur communication financière, devraient concentrer leurs efforts d’explicitation sur les éléments permettant de soutenir une évaluation fondamentale différente de celle du marché. Nous proposons un parallèle avec l’évolution qu’a connue la gestion de portefeuille. Jusque dans les années 1960, la constitution d’un portefeuille était envisagée comme la sélection des titres les plus prometteurs à partir de positions vides. La révolution apportée par la théorie financière a consisté à prendre comme point de départ le portefeuille de marché qui offre passivement la plus large diversification et à proposer aux gérants d’accroître les lignes qui leur semblent les plus prometteuses et à alléger celles aux perspectives les moins favorables. De même, nous pourrions dire qu’un responsable de la comptabilité ou de la communication financière d’une entreprise doit calibrer ses choix informationnels en fonction de ce que dispose déjà le marché et de ce que retranscrivent les analystes sous forme de prévisions de résultats. Cette information à disposition de tous constitue un point de départ. À défaut d’informations contraires, ils devraient venir la conforter. Sinon, ils devraient s’attacher à communiquer intensivement sur toutes les différences de perception, surtout quand celles du marché leur apparaissent anormalement pessimistes.


Annexe

Sensibilité du résultat à la variation du cours et persistance du résultat résiduel

58

Soit le modèle d’évaluation simple de la forme du RIM (residual income model, Ohlson 1995) suivant :

59
60

  • C désigne le cours boursier

  • B la valeur comptable par action

  • R le résultat attendu par action

  • k le coût des fonds propres

  • ?le facteur de persistance du résultat résiduel

On peut alors écrire :

61
62

Il est clair que la sensibilité est décroissante avec la persistance. En conclusion, une sensibilité plus élevée devrait être associée à une persistance plus faible.

Remerciements

Les auteurs remercient Charles Piot (éditeur), les deux référés anonymes ainsi que les participants au congrès annuels de l’association française de comptabilité (AFCMontpellier, 2011). Cette recherche a été réalisée grâce au soutien de l’European Center for Corporate Control Studies (ECCCS, www.ecccs.eu). Les erreurs éventuelles relèvent de l’unique responsabilité des auteurs.


Bibliographie

  • Ang, J.S., Ma, Y. (2001). The behavior of financial analysts during the Asian financial crisis in Indonesia, Korea, Malaysia, and Thailand. Pacific-Basin Finance Journal 9 (3) : 233-263.
  • Bae, K-H., Tan, H., Welker, M. (2008). International GAAP differences : The impact on foreign analysts. The Accounting Review 83 (3) : 593-628.
  • Barber, B.M., Lehavy, R., Trueman, B. (2007). Comparing the stock recommendation performance of investment banks and independent research firms. Journal of Financial Economics 85 (2) : 490-517.
  • Barron, O., Byard, D., Kim, O. (2002). Changes in analysts’ Information around Earnings Announcements. The Accounting Review 77 (4) : 821-846.
  • Barth, M.E., KaszniK, R., Mc Nichols, M.F. (2001). Analyst coverage and intangible assets. Journal of Accounting Research 39 (1) : 1-34.
  • Bartov, E., Givoly, D., Hayn, C. (2002). The rewards to meeting or beating earnings expectations. Journal of Accounting and Economics 33 (2) : 173-204.
  • Basu, S. (1997). The conservatism principle and the asymmetric timeliness of earnings. Journal of Accounting and Economics 24 (1) : 3-38.
  • Brown, C.O., (2009). Analyst career concerns and asset prices. Working paper, Zicklin School of Business, Baruch College, City University of New York.
  • Brown, L., Richardson, G., Schwager, S. (1987). An information interpretation of financial analyst superiority in forecasting earnings. Journal of Accounting Research 25 (1) : 1-49.
  • Bryan, D.M., Tiras, S.L. (2007). The influence of forecast dispersion on the incremental explanatory power of earnings, book value, and analyst forecasts on market prices. The Accounting Review 82 (3) : 651-677.
  • Chang, Y-H., Chan, C-C. (2008). Financial analysts’ stock recommendation revisions and stock price changes. Applied Financial economics 18 (4) : 309-325.
  • Chen, Q., Jiang, W. (2006). Analysts’ weighting of private and public information. The Review of Financial Studies 19 (1) : 319-355.
  • Chow, Gregory C. (1960). Test of equality between sets of coefficients in two linear regressions. Econometrica 28 (3) : 591-604.
  • Clement M.B., Tse S.Y. (2003). Do investors respond to analysts’ forecast revisions as if forecast accuracy is all that matters ? The Accounting Review 78 (1) : 227-249.
  • Frankel, R., Kothari S., Weber, J. (2006). Determinants of the informativeness of analyst research. Journal of Accounting and Economics 41 : 29-54.
  • Freeman, R., Tse, S. (1992). A nonlinear model of security price responses to unexpected earnings. Journal of Accounting Research 30 (2) : 185-209.
  • Givoly, D., Hayn, C., Lehavy, R. (2009). The quality of analysts’ cash flow forecasts. The Accounting Review 84 (6) : 1877-1911.
  • Givoly, D., Lakonishok J. (1979). The information content of financial analysts’ forecasts of earnings. Journal of Accounting and Economics 1 (3) : 165-185.
  • Givoly, D., Lakonishok J. (1980). Financial analysts’ forecast of earnings : The value to investors. Journal of Banking and Finance 4 (3) : 221-233.
  • Granger, C.W.J. (1969). Investigating causal relations by econometrics models and cross spectral methods. Econometrica 37 : 424-438.
  • Green, T.C. (2006). The value of client access to analyst recommendations. Journal of Financial and Quantitative Analysis 41 (1) : 1-24.
  • Griffin, P. (1976). Competitive information in the stock market : An empirical study of earnings, dividends, and analysts’ forecasts. Journal of Finance 31 (2) : 631-650.
  • Hausman, J.A. (1978). Specification tests in econometrics. Econometrica 46 : 1251-1271.
  • Imhoff, E., Lobo, G. (1984). Information content of analysts’ composite forecast revisions. Journal of Accounting Research 22 (2) : 541-554.
  • Kini, O., Mian, S., Rebello, M., Venkateswaran, A. (2009). On the structure of analyst research portfolios and forecast accuracy. Journal of Accounting Research 47 (4) : 867-909.
  • Kothari, S.P., Kolasinski, A.C. (2008). Investment banking and analyst objectivity : evidence from analysts affiliated with mergers and acquisitions advisors. Journal of Financial and Quantitative Analysis 43 (4) : 817-842.
  • Kothari, S.P., Li, X., Short, J.E. (2009). The effect of disclosures by management, analysts, and business press on cost of capital, return volatility, and analyst forecasts : a study using content analysis. The Accounting Review 84 (5) : 1639-1670.
  • Lang, M., Lundholm, R. (1996). Corporate disclosure policy and analyst behavior. The Accounting Review 71 (4) : 467-492.
  • Lin, H., McNichols, M. (1998). Underwriting relationships, analysts’ earnings forecasts and investment recommendations. Journal of Accounting and Economics 25 (1) : 101-127.
  • Ljungqvist, A., Marston, F., Starks, L.T., Wei, K.D., Yan, H. (2007). Conflicts of interest in sell-side research and the moderating role of institutional investors. Journal of Financial Economics 85 (2) : 420-456.
  • Michaely, R., Womack, K. (1999). Conflict of interest and the credibility of underwriter analyst recommendations. Review of Financial Studies 12 (4) : 653-686.
  • Mikhail, M., Walther, B., Willis, R. (1999). Does forecasting accuracy matter to security analysts ? The Accounting Review 74 (2) : 185-200.
  • Miller, G. (2002). Earnings performance and discretionary disclosure. Journal of Accounting Research 40 (1) : 173-204.
  • Ohlson J. (1995), Earnings, book value, and dividends in equity valuation, Contemporary Accounting Research 18 (1) : 661-687.
  • Petersen, M. (2009). Estimating standard errors in finance panel data sets : Comparing approaches, Review of Financial Studies 22 (1) : 435-480.
  • Schipper, K. (1991). Analysts’ forecasts. Accounting Horizons 54 (December) : 105-122.
  • Stickel, S. (1989). The timing of and incentives for annual earnings forecasts near interim financial report releases. Journal of Accounting and Economics 11 (2-3) : 275-292.
  • Thompson, S.B. (2009). Simple formulas for standard errors that cluster by both firm and time. Journal of Financial Economics 99 (1) : 1-10.
  • Waymire, G. (1985). Earnings volatility and voluntary management forecast disclosure. Journal of Accounting Research 23 (1) : 268-269.
  • Wiedman, C. (1996). The relevance of characteristics of the information environment in the selection of a proxy for the market’s expectations for earnings : An extension of Brown, Richardson, and Schwager (1987). Journal of Accounting Research 34 (2) : 313-324.

Notes

[1]

Concernant l’impact sur les prévisions de ces conflits, voir par exemple Chen et Jiang (2006).

[2]

Depuis le 1/01/2005, toutes les sociétés européennes cotées en bourse doivent établir leurs comptes consolidés en normes IFRS.

[3]

Les extractions de données ont été réalisées pour leur plus grande part en novembre 2009 et pour les réalisations de bénéfice par action de l’exercice 2009 au cours du mois de juin 2010.

[4]

On distingue généralement les analystes « sell side » qui sont chargés d’informer les investisseurs et exercent leur activité au sein de sociétés de bourse, des analystes « buy side » qui sont chargés d’évaluer des titres et opèrent au sein de sociétés d’investissement dans le cadre de leurs gestions d’actifs.

[5]

Il s’agit dans la base I/B/E/S de Thomson Financials soit des items IBH.EPSMeanFYR2, soit des items IBH.EPSMeanFYR3. Il se peut que la prévision concernant l’année à venir corresponde à la deuxième (FYR2) ou à la troisième (FYR3) prévision disponible. Par exemple, début 2006, la première prévision (FYR1) concerne 2005 et la troisième (FYR3) 2007. Fin 2006, la première prévision (FYR1) concerne 2006 et la seconde (FYR2) 2007. Les dates de bascule d’un exercice à l’autre varient selon les entreprises. Nous les avons contrôlées et construit une base homogène. Les mesures de dispersion des prévisions correspondent également aux items IBH.EPSStdDeviationFYR2 ou IBH. EPSStdDeviationFYR3.

[6]

Par exemple, la variation entre les prévisions au 1er mai et au 1er juin 2006 est supposée correspondre à l’information apportée par les analystes durant le mois de mai 2006.

[7]

Nous avons également utilisé les variations brutes non corrigées, soit la variation du consensus de l’ensemble des prévisions corrigées ou non : nos résultats sont insensibles à ce choix.

[8]

Les variations ont été aussi normées par le cours du mois précédent. Cette spécification, voisine de celle du rendement boursier, présente cependant le désavantage d’introduire la même variable (le cours du mois précédent) dans les variables dépendantes et les variables indépendantes. Elle modifie de plus l’interprétation des variables (la variable dépendante étant une fonction de la variation de l’inverse du PER dans ce cas). Ceci étant, les estimations empiriques montrent que nos résultats sont pour l’essentiel conservés.

[9]

Des opérations de capital (item TF.AdjustmentFactor) et des dividendes détachés. Les dividendes sont mesurés par l’item TF.DividendsPerShare et les dates de détachement par l’item TF.DividendsPerShExDate.

[10]

Ils correspondent à l’item TF.PriceClose sur la base Thomson Financials et pour la fréquence mensuelle, sont des cours de fin de mois.

[11]

Pour disposer de mesures homogènes de bénéfice par action, nous avons préféré nous limiter à la seule mesure fournie par IBES, car IBES retraite le bénéfice publié par les sociétés pour le rendre homogène avec celui estimé par les analystes.

[12]

Secteurs 45 à 49 dans la classification de Fama et French.

[13]

Les tableaux sont disponibles auprès des auteurs et ne sont pas repris ici pour des raisons de concision.

[14]

PCi,t désigne le cours de clôture du jour t, le dividende par action détaché le jourt DPSi,t et AFi,t le facteur d’ajustement au jour t. Les variations quotidiennes sont calculées par rapport au jour précédent, les variations mensuelles prennent en compte le premier jour du mois et le premier jour du mois précédent.

[15]

Les trois mois correspondant aux annonces de résultats les plus fréquentes ont été éliminés de cette analyse.

[16]

Autant de variables muettes que de mois dans l’année moins un, cela afin de prendre en compte le problème de multicolinéarité parfaite. Il ne s’agit pas de mois calendaires mais de mois datés en fonction de la date de publication des résultats.

[17]

Le test d’Hausman (1978) permet de tester la significativité statistique de ce biais. Dans notre cas le test est clairement significatif : le biais généré par l’omission des effets fixes dans notre spécification de l’eq. 1 est significatif.

[18]

Une approche par les quasi moindres carrés généralisés (QMCG) a également été réalisée afin de prendre en compte les problèmes d’hétéroscédasticité. L’ensemble de nos résultats et des conclusions qui en sont tirés, restent les mêmes.

Résumé

Français

Cet article étudie la relation entre les révisions de prévision de bénéfice par action formulées par les analystes financiers de la zone Euro, et les variations des cours boursiers des titres analysés, lors de la crise financière de 2007-2008. L’étude montre qu’en 2008, année de crise financière, les rentabilités des titres ont eu un pouvoir explicatif plus important et ont impacté de manière plus significative les révisions des prévisions de ces mêmes titres que durant l’année 2006, année de référence. À partir de ces résultats, nous concluons que les analystes n’ont pas délaissé les informations provenant des bourses lors du krach boursier, mais au contraire, ont tenu plus fortement compte des sentiments du marché dans l’ajustement de leurs propres prévisions, contrairement à ce qu’avaient observé Ang et Ma (2001) sur les places asiatiques en 1997. Bien plus, ils n’ont pas hésité à diminuer fortement leurs prévisions à court terme de résultats, allant bien au-delà des effets des facteurs estimés avant la crise. Ceci se traduit par une sensibilité accrue des variations des prévisions des analystes aux fluctuations des cours boursiers et reste cohérent avec une perception par l’ensemble de ces acteurs du caractère transitoire de ces dégradations.

Mots-clés

  • marché boursier
  • prévisions des analystes
  • résultat comptable

English

The reactivity of financial analysts in times of crisis within the EurozoneThis paper studies the link between stock price changes and analyst earnings per share (EPS) forecast revisions in the Eurozone during the 2007-2008 financial crisis. The study shows that in 2008, the importance of stock returns in explaining changes in analysts’ earnings forecasts was higher and their impact was more significant than during the benchmark year 2006. These results lead us to conclude that analysts did not ignore information from stock exchanges during the market crash but instead relied on them more heavily to adjust their forecasts, contrary to what Ang et Ma (2001) observed on the Asian markets in 1997. In addition, analysts did not shy away from strong downward revisions of their forecasts, above and beyond the effects of factors estimated pre-crisis. This is evidenced by an increased sensitivity of changes in analysts’ forecasts to stock price variation and is consistent with a widespread perception by market participants of the transitory effect of the deterioration.

Keywords

  • financial markets
  • analysts forecast
  • accounting earnings

Plan de l'article

  1. Introduction
  2. 1 - Revue de la littérature et hypothèses
  3. 2 - Les données
    1. 2.1 - Les variables
    2. 2.2 - L’échantillon
    3. 2.3 - Les statistiques descriptives
  4. 3 - La méthode
  5. 4 - Les résultats
    1. 4.1 - Les révisions des prévisions en période de crise versus celles de la période pré-crise
    2. 4.2 - Estimation des différences dans les prises en compte des variations de cours entre les périodes pré-crise et crise
  6. 5 - La réactivité des analystes et les caractéristiques des titres
  7. 6 - Conclusion

Pour citer cet article

Cousin Jean-Gabriel, Levasseur Michel, Romon Frédéric, « La réactivité des analystes financiers en temps de crise au sein de la zone Euro », Comptabilité - Contrôle - Audit, 1/2013 (Tome 19), p. 117-142.

URL : http://www.cairn.info/revue-comptabilite-controle-audit-2013-1-page-117.htm
DOI : 10.3917/cca.191.0117


Article précédent Pages 117 - 142 Article suivant
© 2010-2014 Cairn.info
back to top
Feedback