Impact du choc des prix du pétrole sur l’économie

 Impact de la crise de la dette souveraine sur les économies : une revue de la littérature empirique : La zone euro est une zone très stratégique, dans la mesure qu’elle accapare près de 16% et 29% du PIB mondial. A partir de 2007, quelques pays de la zone ont connu des déficits jumeaux (du compte des transactions courantes et du budget) plus marqués en 230  2009, avec des variations importantes entre les pays ayant des déficits internes et externes extrêmement importants. En Mai 2010, la Grèce déclare faire face à des problèmes importants au niveau du secteur public. La crise de la dette grecque a présenté des risques importants de contagion aux pays comme le Portugal, l’Espagne, l’Irlande et l’Italie. Les marchés financiers ont connu un déséquilibre important et les flux de commerces et de capitaux mondiaux ont enregistré une baisse importante. Banerji et Dua (2010) ont examiné la synchronisation de la récession dans des pays développés et émergents pendant la crise financière mondiale 2008-2009. Les résultats suggèrent que la Chine et l’Inde ont enregistré une décélération dans leurs taux de croissance plutôt qu’une récession. Ces deux pays accaparent plus que 16% du PIB mondial (Fond monétaire international, 2014). Anand et al(2012) ont examiné aussi l’impact de la crise de la dette souveraine de la Zone euro sur des pays émergents et développés. En revanche, Massa et al(2012) se sont focalisés sur la vulnérabilité des pays en voie de développement face à ladite crise. Il s’agit du Mozambique, du Nigéria, du Kenya et du Cameroun. Dua et Tuteja (2015) ont étudié l’effet de la crise européenne sur la Chine et l’Inde. Les auteurs ont employé la technique de modélisation de changement de régime Markovien pour dissocier les différents régimes de croissance et de marchés financiers. Ils ont identifié le degré de résistance des deux économies face à la crise des dettes souveraines. Les résultats ont montré que la Chine présente des fondamentaux macroéconomiques qui résistent le plus face aux chocs externes. Toutefois, les études économétriques qui ont essayé de tester la crise de la dette souveraine sur l’Algérie sont quasi absentes. De ce fait, nous allons essayer de tester l’effet de cette crise sur l’économie algérienne qui est touchée par le bais de plusieurs canaux. 

Technique ARDL bound testing approach

On va aboutir à l’estimation d’un modèle ARDL. Plus précisément, on va adopter la technique de cointégration pour les bornes suggérées par Pesaran et al(2001). Cette procédure présente des avantages par rapport aux procédures classiques proposées par d’Engle-Granger ou de Johansen et Juselius. Premier Avantage : Elle permet de tester la cointégration entre deux variables d’ordre de cointégration différent ( I(0) et I(1) ). De ce fait, cette technique n’oblige pas de chercher à tester la présence des racines unitaires des séries en question. Toutefois, il ne faut pas avoir une série ( I(2) ). Deuxième Avantage : Elle permet d’obtenir des estimateurs plus efficaces dans le cas où le nombre des échantillons d’observations est réduit. Dans ce sillage, Narayan (2005) suggère que les estimateurs issus dans le cadre des procédures de cointégration classique, souffrent de problèmes de convergence dans le cas des échantillons de petites tailles. La procédure de la cointégration pour les bornes est basée sur l’estimation de la version du modèle à correction d’erreur non restreint suivant :    Avec ln(x), ln(y) désignent le logarithme de deux variables aléatoires quelconques. Δ désigne l’opérateur différence première, et p le nombre de retard optimal choisi en utilisant les critères d’informations d’Akaike et Schwartz. Le test de cointégration proposé par Pesaran et al(2001), repose sur la statistique de Fisher (F) et ce pour tester la présence d’une relation de cointégration entre x et y. La statistique F repose sur les deux hypothèses nulles et alternatives suivantes : contre H     La règle de décision est basée sur la comparaison de la statistique aux deux bornes : borne inférieure et supérieure. La première est calculée en supposant que toutes les variables sont I(1)). En revanche, la borne supérieure est calculée sur la base d’une stationnarité de toutes les variables (I(0)). Il en résulte trois cas : 1 er cas : Si F est supérieure la borne supérieure il existe une relation de cointégration. 2 er cas : Si F est comprise entre les deux bornes inférieures et supérieures  le test est non concluant. 3 er Cas : si F est inférieure de la borne inférieure absence de relation de Cointégration S’il existe une relation de cointégration, l’équation de long terme s’écrit de la manière suivante :  La relation de court terme, est basée sur le modèle à correction d’erreur (ECM) suivant : Avec ; ECMt-1 est le terme de correction d’erreur :  désigne la vitesse d’ajustement  L’estimation issue du modèle ARDL est soumise à plusieurs tests de diagnostics : – Test de stabilité des paramètres via le test de CUSUM et CUSUM-square – Test de Ramsey reset : test de bonne spécification.   – Test de Lagrange de Breush- Godfrey (test d’autocorrélation des résidus d’ordre 4) – Test d’effet ARCH. 3. effet du prix de pétrole et la crise financière sur les avoirs en devises Dans ce qui suit, on va présenter le modèle économétrique adopté dans cette thèse, ainsi que les variables retenues. En effet, le modèle est emprunté du papier de Kilian et al (2008). La méthodologie empirique dans la cadre de cette thèse s’articule autour d’un modèle ARDL qui peut s’écrire comme suit :      Avec : -Le logarithme des avoirs nets en devises (ln( ) NFA t ): c’est la variable qui mesure les avoirs nets en devises algériennes. -Le logarithme du prix du pétrole (ln( ) ROIL ) : c’est le prix du pétrole (le Brent) ajusté par l’indice de la consommation algérienne. -Le logarithme de la masse monétaire (ln( 2) RM ): la masse monétaire au sens de M2 déflaté par l’indice des prix de la consommation. -Le taux de change (ln( ) REER ): le logarithme de l’indice taux de change réel effectif. Le taux de change (ln( ) XENER ): le logarithme des exportations des produits énergétiques. 

 Statistiques descriptives  

 D’après les analyses descriptives on, peut voir que le taux de croissance moyen des avoirs nets en devises est de 10.31%. Le taux de croissance moyen de la masse monétaire est de 5.3 % durant la période d’étude. S’agissant de la variable des exportations des produits énergétiques, elle affiche un taux moyen de 7.25%. En ce qui concerne l’analyse de la volatilité, les résultats montrent que la variable relative aux avoirs nets en devises présente la variable la plus volatile en affichant un écart-type le plus élevé (+1.499). En revanche, le taux de change réel effectif affiche l’écart-type le plus faible (+0.394). Le test de Jarque-Bera montre que tous les variables suivent des distributions normales, (p-value inférieure à 5%) à l’exception de la variable relative au taux de change réel effectif.