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
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.016 | 0.067 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".