WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Synergie politique monétaire et politique de change pour une stabilité des prix en République Démocratique du Congo, de 2013 à  2022


par Raphaël WADIADIO
Université de Kinshasa  - Licence 2022
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Article VII. CONCLUSION PARTIELLE DU TROISIEME CHAPITRE

Dans le cadre de ce troisième chapitre qui s'intituleanalyse de la politique monétaire et politique de change en RDC, il nous a paru nécessaire d'analyser si les politiques monétaire et de change mises en oeuvres par l'autorité monétaire en RDC ont-elles été efficacement coordonnées et cohérentes durant la période sous étude à travers ses différents instruments.

Au regard de ce qui précède, le chapitre suivant présente l'analyse empirique de la relation taux d'inflation et taux de change.

Article VIII. CHAPITRE IV. ANALYSE EMPIRIQUE DE LA RELATION TAUX D'INFLATION ET TAUX DE CHANGE

Dans ce quatrième chapitre de notre travail, il est question d'analyser empiriquement la relation entre le taux d'inflation et le taux de change, de vérifier les hypothèses que nous avons émises au début de notre travail à partir du modèle de vecteur autorégressif, et de faire un état de lieu sur les contraintes et perspectives de l'économie congolaise. Ainsi, afin de mieux appréhender un aspect d'actualité de l'économie congolaise, touchant au débat sur l'inflation et le taux de change. Nous nous sommes intéressés à étudier la synergie politique monétaire et politique de change pour une stabilité des prix en RDC.

A cet effet, la technique économétrique la plus usité pour identifier l'impact d'une variable sur une autre ou pour faire une analyse de cause à effet est la technique du vecteur autorégressif (VAR). Ce modèle nous permettra à travers le test de causalité au sens de Granger, l'analyse des fonctions de réponses impulsionnelles et de la décomposition de la variance, d'expliquer au mieux et voir clairement la relation de cause à effet entre le taux d'inflation et le taux de change.

Ainsi, trois sections charpentent ce chapitre. La première fait une brève présentation du modèle et estimation des paramètres. La deuxième section sur l'analyse des résultats des estimations et la vérification des hypothèses du travail. Et la troisième section s'attèlera sur les contraintes et perspectives de la politique monétaire et de change.

Section 8.01 SECTION 1. PRESENTATION DU MODELE ET ESTIMATION DES PARAMETRES

Il est question dans cette section de faire d'abord un aperçu à vol d'oiseau sur le modèle retenu, sa justification ainsi que ces différentes étapes ; ensuite de présenter les variables du modèle et enfin, de présenter les résultats de l'estimation des paramètres du modèle.

(a) 1.1. Brève présentation du modèle VAR

La modélisation VAR permet, sans recourir à une théorie économique en amont, d'avoir un cadre relativement bien adapté pour notre étude. Elle repose toutefois sur l'hypothèse que l'évolution de l'économie peut être bien approchée par la description du comportement dynamique d'un vecteur de k variables dépendant linéairement du passé.

Le modèle VAR relie les variables en se basant sur l'évolution des données elles-mêmes. Les variables dudit modèle sont agencées dans un vecteur autorégressif d'un ordre donné, mettant lesdites variables dans un cadre relationnel et à cause du caractère de ses différentes parties aléatoires, la modélisation VAR est utilisée dans le cadre de l'analyse des impacts et de causalité.

Cependant, la particularité de ce modèle est que toutes les variables ont à priori le même statut, c'est-à-dire, toutes les variables du modèle sont endogènes et chacune d'elles est fonction de ces propres valeurs passées et des valeurs passées des autres variables44(*). L'utilisation d'un modèle VAR est méthodiquement justifiée par le fait que les modèles VAR autorisent des simulations permettant de saisir les modifications des variables objectifs suite à un choc sur les variables instruments.

Les modèles VAR comportent trois avantages : en premier ils permettent d'expliquer une variable par rapport à ses retards et en fonction de l'information contenue dans d'autres variables pertinentes ce qui soulève des problèmes de cointegration, en second on dispose d'un espace d'information très large et enfin, cette méthode est assez simple à mettre en oeuvre et comprend des procédures d'estimation et des tests45(*).

Les étapes à suivre pour estimer un modèle VAR sont les suivantes :

Ø vérification de la stationnarité ;

Ø détermination du nombre de retard (décalage) optimal du modèle VAR ;

Ø test de la Causalité de Granger ;

Ø estimation des paramètres du modèle ;

Ø dynamique du modèle VAR.

* 44 Walter NSONGOLO, Taux directeur et refinancements des banques à la Banque centrale du Congo : une approche par la modélisation VAR, revue jeune économiste, Avril 2015, p21.

* 45Sandrine Lardic et Valérie Mignon : Econométrie des séries temporelles macroéconomiques et financières ; Paris, Economica 2002 p 83.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Je voudrais vivre pour étudier, non pas étudier pour vivre"   Francis Bacon