La dynamique des prix des GPL au regard des déterminants du marché spot américain

4.2) Détermination de la représentation VAR optimale :

Après avoir stationnarisé les variables, nous construirons un modèle VAR (Vector Auto Regressive). Ces modèles permettent, d'une part d'analyser les effets d'une variable sur l'autre à travers des simulations de chocs aléatoires et d'autre part de mener une analyse en termes de causalité. Dans le cas d'un processus VAR chacune des variables est modélisée en fonction de ses propres retards et des retards des autres variables.

Un modèle VAR à k variables et p décalage s'écrit :

Yt= ?0 +?iYt-i +V Avec: ?i= BÏ Ai i [0, P]

Vt= BÏ åt tZ

Dimension (K, 1) et Vt le vecteur des résidus.

Pour déterminer le nombre de retards optimal pour la représentation VAR nous estimerons plusieurs modèles pour un ordre allant de 1 à h (h étant le retard maximum admissible par la théorie économique ou par les données disponibles). Le retard P qui minimisera les critères d'Akaike (AIC) et Schwartz (SC) sera retenu.

4.3) Etude de la cointégration :

L'analyse de la cointégration permet d'identifier si une relation de long terme existe entre plusieurs variables. Si les variables sont de même ordre d'intégration, l'existence d'un ou de plusieurs vecteurs de cointégration sera possible.

Pour déterminer le nombre de relations de cointégration nous utiliserons le test de Johansen. Si le test révèle l'existence de la cointégration nous aurons besoin d'une correction du modèle (modèle à correction d'erreur) qui tient compte de cette relation.

4.4) Etude du modèle VAR (ou VECM) :

Si l'étape précédente met en évidence une relation de cointégration, l'étude se fera à ce niveau sur le modèle VECM, si le test de Johanson indique qu'il n'y a pas de relation de cointégration, on poursuivra l'analyse à l'aide du modèle VAR.

Nous construisons le modèle VAR qui comportera les variables suivantes : PRO, DEM, OFFRE, STOCK, NAPHTA, GAZ et WTI ce qui nous permettra d'étudier les interactions entre les variables.

Le modèle VAR permet d'analyser les effets de la dynamique des prix spot américains à travers deux outils :

- L'analyse des fonctions de réponse impulsionnelle qui permettent de mesurer l'impact d'un choc sur les variables,

- La décomposition de la variance de l'erreur de prévision à chaque variable par rapport à un choc : si un choc sur l'erreur de prévision de Y1t n'affecte pas la variance de l'erreur de Y2t celle ci est considérée comme exogène, car elle évolue de manière indépendante.

Il est alors possible d'étudier les impacts que les variables ont les unes sur les autres.