L'effet du risque lié au Brexit sur les rendements boursiers des entreprises au niveau mondial : une étude empirique utilisant la méthodologie d'étude d'événement
Notice bibliographique
Résumé
Le présent mémoire étudie l’effet du référendum sur le Brexit, qui s’est produit le 23 juin 2016, sur les rendements boursiers des entreprises au niveau mondial. Nos données sont en fréquence de 15 minutes. Notre échantillon couvre les pays suivants : le Royaume-Uni, les États-Unis, le Canada, l’Irlande, la France, la Belgique, l’Allemagne, la Suède, l’Inde, le Japon, la Chine, l’Australie et l’Afrique du Sud. Nous utilisons la méthodologie d’étude d’évènement (Event study) et nous choisissons le modèle du marché (Market Model) pour calculer les rendements anormaux des entreprises. Notre analyse est menée en trois périodes : période d’anticipation, période d’évènement et période d’ajustement. Les résultats montrent que les cours boursiers des entreprises de différents pays sont impactés négativement par le référendum du Brexit. Cet impact négatif était plus important au moment de dévoilement des résultats du référendum. Les rendements boursiers des entreprises au Royaume-Uni ont enregistré une baisse de 5%. Ainsi, les entreprises des pays proches géographiquement au Royaume-Uni sont les plus touchées, mais avec quelques hétérogénéités entre pays. Une baisse de 3.8% des rendements boursiers était enregistrée par les entreprises d’Irlande et de 2 à 3% par les entreprises françaises, belges et allemandes. De même, on constate une hétérogénéité entre les secteurs. Le secteur de la finance est l’un des secteurs les plus durement impactés dans tous les pays. Ce secteur a marqué une baisse des rendements boursiers de 8% au Royaume-Uni et de 3 à 4% pour les autres pays d’Europe sauf la Suède. Les résultats montrent également que les entreprises les plus grandes en matière de capitalisation boursière subissent des effets négatifs beaucoup plus importants que ceux avec une taille moins élevée après l’annonce des résultats du référendum du Brexit. Au Royaume-Uni, 40% des plus grandes entreprises enregistrent une baisse de leur rendement qui s’élève à 9%, tandis que 40% des entreprises ayant la taille la moins élevée enregistrent une baisse de 4%. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Brexit, étude d’évènement, rendement anormal, modèle du marché
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».