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

 > 

Analyse comparative des déterminants macro-économiques du risque financier: un essai d'investigation empirique

( Télécharger le fichier original )
par Didier Jol Kama N'GBESSO
Université d'Auvergne Clermont- Ferrand1, centre d'études et de recherches sur le développement international - Master 2 économie et développement international 2011
  

précédent sommaire suivant

3.2. Spécification économétrique, données et définition des variables

L'objectif de notre étude est de mener une analyse comparative des déterminants macroéconomiques du risque financier dans les pays à hauts revenus et les pays à moyens et faibles revenus. Nous tentons donc d'apprécier, dans un essai d'investigation empirique, les variables macroéconomiques significatives du risque financier et spécifiques à ces deux catégories de pays.

Notre étude couvre la période 1984-2009. Elle exploite un échantillon de 127 pays au total dont 44 pays à hauts revenus et 87 pays à moyens et faibles revenus.14 Le choix de l'échantillon et de la période a été dicté par la disponibilité des données. Le modèle que nous estimons afin de dégager les déterminants macroéconomiques du risque financier s'écrit de la manière suivante :

riskit = a + /31 pibit + /32 pibgit + /33 tchit + /34 inflit + /35 txit + /36 cpvit + /37 cghit + /38 balceit + /39 resvit + â10 cashit + â11 instit + â12 m2it + â13 kpnit+ eit

pour (i=1,..., N et t=1,..., T) et où :

la variable expliquée de notre étude est le risque financier (RISK). Nous utilisons à cet effet l'indicateur du risque financier de l'International Country Risk of Guide construit par PSR Group15. L'indice se présente comme suit :

Tableau 2. Classification du risque financier selon l'indicateur ICRG

Risque très élevé 00.0 to 49.9 points

Risque élevé 50.0 to 59.9 points

Risque modéré 60.0 to 69.9 points

Risque faible 70.0 to 79.9 points

Risque très faible 80.0 to 100 points

Les variables macro-économiques d'intérêt sont les suivantes :

1. le produit intérieur brut réel par tête (PIB): Demirgüc-Kunt & Detragiache E. (1998) l'utilisent pour contrôler le niveau de développement. Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

14 La liste détaillée de ces 2 catégories de pays est présentée en annexe. La classification utilisée est celle de la Banque Mondiale.

15 Voir PSR Group.com pour les détails sur la construction de l'indicateur.

2. le taux de croissance du produit intérieur brut (PIBG): mesure le niveau de l'activité économique. En effet, selon Abaoub E., Rachdi H. & Elgaied M. (2008), le déclin de l'activité économique peut provoquer une crise de liquidité via la baisse de la quantité de monnaie en circulation16. Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

3. les termes de l'échange (TCH): Angora & Tarazi (2011) montrent qu'une dégradation des termes de l'échange est associée à une forte probabilité du régime « pré-crise » ainsi qu'à une probabilité élevée de crise. Nous utilisons les termes de l'échange ajustés extraits de la base des données World Development Indicators de la Banque Mondiale17.

4. l'inflation (INFL): Nous utilisons le déflateur du PIB. Cette variable représente le niveau de stabilité macroéconomique, mais aussi la répression financière. En effet, un taux d'inflation élevée caractérise des économies où la répression financière est forte, afin que le taux d'intérêt réel soit négatif réduisant ainsi le poids de la dette publique (Ben Salha. O., 2006). Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

5. le taux d'intérêt réel (TX): selon Demirgüc-Kunt & Detragiache E. (1998), que les marchés soient libéralisés ou non, les problèmes dans le secteur bancaire sont plus susceptibles d'émerger quand les taux d'intérêt sont élevés. Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

6. la part du crédit apporté au secteur privé en pourcentage du FIB (CPV): mesure l'exposition au secteur privé (Demirgüc-Kunt & Detragiache E., 1998). Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

7. le taux de croissance du crédit domestique (CGH): Demirgüc-Kunt & Detragiache E. (1998) soutiennent que « l'expansion de taux élevés de crédit peut financer une bulle d'avoirs de prix qui, quand elle éclate, cause une crise bancaire ». Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

8. la balance courante (BALCE): Selon Dullien S. & al. (2010), les déséquilibres de la balance courante sont un facteur de risque de vulnérabilité à la transmission d'une crise

16 Leur exemple est le suivant : « un faible taux de croissance économique entraîne un déclin sectoriel. A titre d'exemple si le secteur touristique se trouve en difficulté et n'arrive pas à honorer ses engagements bancaires, ceci fragilise les banques en augmentant le volume des créances improductives ce qui affecte négativement le résultat de la banque. L'accroissement des prêts non performants est positivement corrélé avec la probabilité d'une crise bancaire. »

17 Nous utilisons le logarithme de cette variable dans l'analyse économétrique afin de prendre en compte les valeurs positivement et négativement élevées de cette variable. La formule utilisée est la suivante : tch=ln(7*10^13+tech)

financière. Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

Les variables de contrôle incluent les variables couramment utilisées pour évaluer la santé bancaire et financière d'une économie :

9. la vulnérabiité à une sortie soudaine de capitaux (RESV): nous utilisons le ratio de masse monétaire M2 rapporté aux réserves internationales18. Abaoub E., Rachdi H. & Elgaied

M. (2008) soutiennent que lorsqu'on rapporte M2 aux réserves de change, plus ce ratio est élevé plus l'économie est vulnérable à une crise de confiance des investisseurs. Selon Cartapanis (2002)19, la crise bancaire devient alors une crise de change qui se manifeste par un reflux des capitaux étrangers et une baisse des réserves de change pour les banques. Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

Nous mesurons la robustesse de nos variables macroéconomiques à l'aide de variables relatives au marché bancaire, à la libéralisation financière et aux institutions.

10. la liquidité des banques (CASH): nous utilisons le ratio de réserves cash aux avoirs totaux de la banque à l'instar de Demirgüc-Kunt & Detragiache E. en 1998. En effet, le dispositif réglementaire de Bâle 3 prévoit des normes minimales de liquidité dans les banques afin d' « accroître la résilience du secteur financier en prévision de nouvelles tensions »20. Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

11. la profondeur financière (M2): mesurée par le ratio de Quasi Money (M2) au PIB, utilisé par Rudiger Dornsbusch et Alejandro Reynoso (1989)21. C'est un indicateur de financiarisation de l'économie. Cet indicateur a été extrait de la base des données World Development Indicators de la Banque Mondiale.

12. restrictions sur le compte du capital (KPN): nous utilisons l'indicateur qualitatif Kaopen développé par Chinn & Ito (2002). Il mesure le degré de libéralisation financière de l'économie. Construis essentiellement selon la méthode de l'analyse en composantes

18 A l'instar de Demirgüc-Kunt & Detragiache E. (1998).

19 Voir Abaoub E., Rachdi H. & Elgaied M. (2008).

Abaoub E., Rachdi H. & Elgaied M. (2008) soutiennent par ailleurs que « le ratio M2/ Réserves internationales forme un bon indicateur qui permet de mesurer également la capacité d'une banque centrale à confronter une baisse des réserves en devises suite à une panique bancaire. En outre, ce ratio effet, il permet d'avoir une idée sur la capacité de l'économie à résister aux pressions spéculatives.

20 Voir Jaime Caruana (2010).

21 Ils utilisent ce ratio comme mesure de la profondeur financière dans leur étude et trouvent une relation positive entre profondeur financière et croissance économique.

principales, cet indicateur est compris entre -1,7 et 2,6. Plus sa valeur est importante, plus le compte de capital du pays concerné est libéralisé22.

Nous aurions voulu utilisé un indicateur qui prendrait en compte les restrictions sur le marché boursier23. Cela n'a pas été possible à cause du manque de données pour un nombre important de pays de notre base. Nous n'utilisons pas le taux de change dans notre étude car, comme le souligne Angora et Tarazi (2011) le taux de change réel s'ajuste à un facteur près à l'inflation, et surtout le taux de change fait parti des sous-composantes de notre indicateur composite du risque financier nous servant de variable expliquée.

Enfin, nous introduisons les variables institutionnelles suivantes pour mesurer la qualité des institutions à l'instar de Demirgüc-Kunt & Detragiache E. en 1998. Nous mesurons la robustesse des déterminants macroéconomiques avec de ces variables institutionnelles.

13. le respect des règles de loi (LAW)

14. le degré de corruption (CORRUPT)

15. le profil d'investissement (INVEST)

Cependant, nous utilisons dans notre analyse économétrique un indicateur agrégé de qualité institutionnelle (INST) avec ces 3 variables ci-dessus24.

Ces 3 variables proviennent de la base de données ICRG de PSR Group.

Nous utilisons 2 méthodes pour estimer ce modèle25 :

v' la méthode des moindres carrés ordinaires

On considère que les comportements des individus entre eux et dans le temps sont identiques. L'utilisation des MCO en données de panel nécessite donc de supposer l'hypothèse d'homogénéité des comportements. Cette méthode vise principalement à nous donner un premier aperçu des résultats.

v' Le modèle à effets fixes

Cependant, l'approche moderne des données de panel vise à dépasser la méthode précédente. En effet, en données de panel, les comportements entre les individus - dans notre étude, les individus sont les pays - sont plutôt hétérogènes entre eux et dans le temps. C'est pourquoi nous utilisons le modèle à effets fixes ou le modèle à effets aléatoires après avoir teste la corrélation ou non entre les effets spécifiques individuelles et les variables explicatives de notre modèle.

22 Ben Salha. O. (2006)

23 Ben Salha (2006) a construit cet indicateur du marché boursier en rapportant la somme des flux de portefeuiille en actions et des flux de portefeuille en obligations sur le produit intérieur brut.

24 L'analyse en composantes principales est la méthode utilisée pour créer cette variable agrégée.

25 Voit tous les détails sur ces différents méthodes dans Araujo, Brun, & Combes (2008)

précédent sommaire suivant







9Impact, le film from Onalukusu Luambo on Vimeo.



Appel aux couturier(e)s volontaires

Hack the pandemiuc !

Moins de 5 interactions sociales par jour



BOSKELYWOOD from Ona Luambo on Vimeo.