Développée au début des années 2000, la thèse comportementaliste soutient que si les marchés financiers ne sont que des communautés humaines, ils doivent en partager les mêmes limites. Cette hypothèse ébranle la théorie des marchés efficients du Nobel Eugène Fama, pour qui les prix reflètent « pleinement et toujours » l’information disponible.
La question de l’efficience fait l’objet de violents débats et rebat les cartes de la vision des marchés avec fracas. Au cours des dernières décennies, de nombreuses études se sont intéressées à l’influence des conditions météorologiques sur les marchés boursiers. La réponse à cette question gagne en intérêt à l’heure du réchauffement climatique. Selon cette théorie, l’acquisition de connaissances économiques poussées ou d’informations privilégiées ne serait pas nécessaire pour gagner de l’argent sur les marchés actions. La stratégie visant à regarder par la fenêtre le temps qu’il fait engendrerait de meilleurs rendements que celle visant à jouer l’indice. L’objectif de cette étude est la démonstration de l’existence, ou non, d’une corrélation significative entre les données météorologiques et les rendements journaliers des entreprises cotées. La méthode la plus opportune est la création d’un modèle statistique visant à repérer une corrélation et à en tester sa significativité.
Un quasi consensus
Plusieurs études récentes ont démontré une relation significative entre les données météorologiques et les rendements boursiers. Ces conclusions suggèrent que l’humeur des investisseurs impacte leur perception du prix des actifs. Cette observation a été faite pour la première fois par Edward Saunders en 1993 qui conclut que la météo à New York avait un lourd impact sur les entreprises qui y étaient cotées. Des conclusions similaires ont émané de chercheurs de l‘université du Michigan qui ont démontré, au travers d’une régression multivariée, une corrélation négative entre degré de nébulosité et performances des indices. Ainsi, dans un marché hypothétique sans coûts de transactions, un investisseur améliorerait le Sharp Ratio de son portefeuille en ajustant ses activités de trading sur les prévisions météorologiques à court terme. Par la suite, d’autres études statistiques et méta-analytiques ont confirmé cette conclusion, en pointant toutefois un affaiblissement de cet impact au fil des années.
La Bourse de Paris au banc d’essai
L’étude réalisée a donc pour ambition de tester cette corrélation avec des données récentes et locales en intégrant dans un modèle multivarié les rendements journaliers du CAC40, l’indice de nébulosité (créé pour l’étude), les températures, ainsi que les données de précipitation (pluie, neige).
Voir équation 1
Dans un premier temps, un panel d’action provenant de différents secteurs a donc été testé dans le modèle. Aucune significativité n’a été décelée, à l’exception de LVMH. L’hypothèse de corrélation avec le marché du luxe est donc légitime. S’impose alors le test de la corrélation de ce secteur avec les données météorologiques collectées qui révèle effectivement une corrélation négative pour chacun des grands groupes français. Au vu des résultats recueillis, KERING est le meilleur candidat pour se prêter à une analyse approfondie. L’équation de régression utilisée est donc la suivante.
Voir équation 2
Voir Tableau 1 (Régression bivariée)
Le R² de 0,1103 et des p valeurs largement inférieures à 10 % démontrent bien qu’il est possible d’expliquer une petite part des fluctuations des cours de KERING par la compilation de données météorologiques. Cette corrélation n’étant pas une évidence, un faible R² reste très cohérent.
La question de la fiabilité
Afin de tirer des conclusions pérennes, il reste important de tester la fiabilité de l’étude. La distribution des résidus et le test de White TR² ∼ χ²(m) traduisent un problème hétéroscédastité dans le modèle. Autrement dit, la variance des résidus n’est pas constante.
Voir Graphique 1
La matrice de variance covariance de Newey-West semble être la réponse la plus appropriée pour pallier le problème d’hétéroscédastité. À la suite d’une régression HAC
Voir équation 3
À première vue, les résidus ne semblent pas être distribués selon une loi normale mais cette hypothèse est invalidée par une étude de la courbe de distribution où la skewness et la kurtosis ne s’accordent pas avec une gaussienne. Toutefois, l’échantillon est assez large (2 500 données) pour supposer que les conséquences de la violation de la normalité sont faibles et n’impactent que très peu les résultats de l’étude selon le théorème central limite.
Voir Graphique 2
Le modèle a été soumis au test de Fischer qui confirme sa significativité et permet d’en tirer des conclusions fiables en estimant le niveau des betas.
Voir Équation 4
Le test de Student permet de rejeter l’hypothèse de non-significativité (H0) des betas.
Voir Graphique 3
Enfin, le test de Cusum valide l’hypothèse de la stabilité temporelle du modèle en ne supposant aucune date de rupture (également validé par le test de Quandt-Andrews) ou de changements structurels. La somme cumulée des résidus récursifs n’est pas en dehors des bornes critiques pour un risque de première espèce donnée.
Voir Graphique 4
Un phénomène sectoriel ?
Le modèle construit permet de répondre à la question de la corrélation entre des données météorologiques et le marché equity de manière fiable et stable dans le temps. Il conclut à l’existence d’une faible corrélation avec l’action KERING. Cependant, il apparaît que cette valeur n’est pas un cas isolé sur le marché. Une analyse testant les autres valeurs du secteur. L’industrie du luxe est plus significativement corrélée aux conditions météorologiques que les autres. Les betas révélés dans le modèle sont négatifs, ce qui se traduit par anticorrélation entre les variations météorologiques locales et les variations boursières de l’industrie française du luxe. Autrement dit, le cours de bourse des entreprises issues de ce secteur a tendance à augmenter quand les températures à Paris sont en dessous des moyennes de saison. Cette conclusion n’explique cependant pas pourquoi cette corrélation existe. L’objectif de cette recherche n’étant pas de trouver la cause d’une corrélation mais la corrélation elle-même. Toutefois, une hypothèse s’impose : les ventes effectives des entreprises du secteur du luxe surpassent les ventes attendues les jours où la température est en dessous des moyennes de saison.
L’efficience du marché equity parisien ?
De toute évidence, les résultats émis par les recherches précédentes sur le sujet sont obsolètes. Au vu de l’affaiblissement de la corrélation entre les performances boursières et les données météorologiques, au début des années 1980, il est possible que le marché ait intégré consciemment ou non cette donnée. Aussi, il peut être envisageable que cette corrélation soit différente en fonction de la zone géographique couverte. Il est toutefois important de constater que des conditions météorologiques favorables n’ont aucune influence ni sur l’optimisme des investisseurs, ni sur leur perception du prix. Aussi, certaines données météorologiques peuvent avoir un impact significatif sur des secteurs spécifiques. Cet impact sur les rendements boursiers est assez significatif pour générer de la volatilité sur les marchés financiers en l’absence d’actualités liées aux « fondamentales ». Il est important de relevé l’irrationalité de cet impact. Cela pose la question suivante : si les rendements peuvent être irrationnellement influencés par des variables, a priori étrangères à la sphère financière tels que les conditions météorologiques, il est raisonnable de penser qu’ils puissent également être impactés de manière irrationnelle par des données issues de l’étude économique telle que les momentums ou l’analyse technique dans son ensemble.
