Modèle d'équilibre de l'offre et de la demande sur le marché interbancaire des changes ukrainien : Analyse et perspectives

Table des matières

1. Introduction & Aperçu

Cette recherche étudie la dynamique d'équilibre entre l'offre et la demande de devises étrangères au sein du segment non monétaire du Marché Interbancaire des Changes Ukrainien (MICU). L'étude est motivée par les défis persistants auxquels sont confrontées les économies émergentes comme l'Ukraine dans la gestion de la volatilité des taux de change et des flux de capitaux. Les auteurs postulent que les arbitrages observés sur le marché des changes sont le résultat direct du régime de change existant, des mesures administratives mises en œuvre par la Banque Nationale d'Ukraine (BNU), et d'un ensemble de variables économiques fondamentales cruciales dans le contexte ukrainien.

L'objectif principal est de construire et d'analyser un modèle d'équilibre pour mettre en lumière les aspects problématiques du fonctionnement du marché, fournissant ainsi des éléments pour une politique monétaire plus efficace.

2. Méthodologie de recherche & Cadre du modèle

L'étude utilise une approche de modélisation par Autorégression Vectorielle Augmentée par des Facteurs (FAVAR) pour construire le modèle d'équilibre. Des données empiriques du MICU sont utilisées, segmentées en périodes distinctes comme proposé par les auteurs pour tenir compte des ruptures structurelles ou des changements de régime.

2.1. Approche de modélisation FAVAR

Le cadre FAVAR étend le modèle VAR traditionnel en incorporant un large ensemble de variables d'information résumées par quelques facteurs estimés. Cela est particulièrement utile pour capturer l'influence de nombreuses variables fondamentales potentielles sans faire face à la « malédiction de la dimension ». Le modèle peut être représenté sous forme espace-état, où les facteurs sont traités comme des variables latentes.

2.2. Segmentation des données & Périodes

Une étape cruciale a consisté à diviser les données chronologiques en périodes spécifiques. Cette segmentation correspond probablement à différentes phases de la politique de la BNU (par exemple, des périodes de contrôles administratifs stricts par rapport à des phases plus libéralisées) ou à des événements économiques significatifs, permettant au modèle de capturer les non-linéarités et les changements structurels dans la relation d'équilibre.

3. Spécification du modèle & Détails techniques

3.1. Spécification log-linéarisée

L'article présente une spécification log-linéarisée du modèle d'équilibre. La log-linéarisation est une technique courante pour transformer des relations économiques non linéaires en une forme linéaire adaptée à l'estimation, souvent autour d'un état stationnaire. Pour une condition d'équilibre $S(P, Z) = D(P, X)$, où $S$ est l'offre, $D$ la demande, $P$ le prix (taux de change), et $Z$ et $X$ des vecteurs de variables déplaçant l'offre et la demande, la version log-linéarisée pourrait prendre une forme comme :
$\hat{s}_t = \alpha_s \hat{p}_t + \beta_s' \hat{z}_t$
$\hat{d}_t = -\alpha_d \hat{p}_t + \beta_d' \hat{x}_t$
L'équilibre implique $\hat{s}_t = \hat{d}_t$, résolvant pour le log-prix d'équilibre $\hat{p}_t^*$.

3.2. Analyse de cointégration

L'efficacité des tests de cointégration parmi les séries chronologiques des variables fondamentales est rapportée. Les tests de cointégration (par exemple, le test de Johansen) sont essentiels pour déterminer s'il existe une relation d'équilibre de long terme entre des variables non stationnaires. Les résultats sont présentés sous forme de valeurs statistiques critiques, indiquant si une relation stable de long terme entre l'offre, la demande et leurs déterminants existe.

4. Résultats empiriques & Analyse

4.1. Analyse des écarts à l'équilibre (GAP)

Les auteurs proposent et mettent en œuvre un outil d'analyse GAP. Cela implique de calculer l'écart du taux de change réel ou de l'état du marché par rapport à la trajectoire d'équilibre implicite du modèle ($GAP_t = Y_t - Y_t^*$). L'analyse de ces écarts aide à identifier les périodes de surévaluation ou de sous-évaluation du marché et à évaluer la persistance des déséquilibres.

4.2. Propriétés de déconnexion dans le modèle

Un résultat significatif discuté est les « propriétés de déconnexion » au sein du modèle. Cela fait probablement référence à des situations où le lien traditionnel entre les variables fondamentales (par exemple, les différentiels de taux d'intérêt, la balance commerciale) et le taux de change se rompt ou s'affaiblit, peut-être en raison d'interventions administratives dominantes ou de la segmentation du marché.

5. Implications politiques & Analyse réglementaire

L'étude fournit une analyse détaillée du style réglementaire de la BNU. Elle examine de manière critique l'impact des contrôles administratifs par rapport aux mécanismes de marché. Un argument clé est que les interventions lourdes, bien que potentiellement stabilisatrices à court terme, peuvent créer des distorsions, des pénuries et une volatilité accrue, comme en témoignent les résultats de « déconnexion ».

6. Principales conclusions

La recherche conclut que l'augmentation de la part des liquidités détenues hors du système bancaire (dédollarisation sous forme de thésaurisation d'espèces physiques) a considérablement sapé la stabilité des prix en Ukraine. La principale recommandation politique de l'article est que les interventions de la BNU seraient plus efficaces si un régime de change flexible était associé à un cadre de ciblage de l'inflation crédible et flexible. Cette combinaison pourrait aider à ancrer les anticipations et réduire le besoin de mesures administratives perturbatrices.

7. Analyse originale : Idée centrale & Évaluation critique

Idée centrale : Cet article livre un diagnostic crucial, bien que douloureux : le dysfonctionnement du marché des changes ukrainien est une blessure auto-infligée. La dépendance historique de la BNU à des contrôles administratifs brutaux, bien que politiquement opportuniste, a systématiquement érodé les mécanismes de marché mêmes nécessaires à un équilibre stable. Les « propriétés de déconnexion » identifiées ne sont pas une anomalie statistique ; elles sont la cicatrice d'interventions politiques répétées, rompant le lien entre les fondamentaux économiques et les signaux de prix. Cela s'aligne sur la littérature plus large concernant les régimes de change des marchés émergents, comme les travaux de Calvo et Reinhart (2002) sur la « peur de flotter », où le désir de stabilité engendre paradoxalement de la fragilité.

Enchaînement logique : La logique des auteurs est robuste. Ils partent du dilemme observable (volatilité vs pénurie), construisent un modèle FAVAR sophistiqué pour quantifier l'équilibre, et utilisent ses ruptures (les écarts et déconnexions) comme preuves médico-légales pour identifier l'échec politique. L'utilisation de l'analyse GAP est particulièrement astucieuse – elle transforme la sortie abstraite du modèle en un tableau de bord tangible pour mesurer l'erreur politique.

Forces & Faiblesses : La force majeure est l'application d'un modèle FAVAR à haute dimension à un marché désordonné et dirigé par les interventions. C'est une contribution technique significative, allant au-delà des simples MCO ou VAR standards qui échoueraient dans cet environnement. Cependant, la faiblesse de l'article est son imprécision sur les « variables fondamentales ». Pour un article centré sur un modèle, l'opacité de la composition des facteurs est une faiblesse critique. Cela fait écho à la critique de la « boîte noire » parfois adressée au machine learning en finance – un grand pouvoir prédictif, mais une capacité explicative limitée. De plus, bien que citer la BRI ou le FMI sur le ciblage de l'inflation renforcerait l'argumentation, les références externes sont légères.

Perspectives actionnables : Pour la BNU et les institutions similaires, le message est clair : arrêtez de lutter contre le marché. La voie à suivre n'est pas un contrôle plus sophistiqué mais un engagement crédible envers un cadre fondé sur des règles. L'article plaide implicitement pour une transition similaire au passage réussi de la Pologne au Ciblage de l'Inflation. La recommandation technique est d'institutionnaliser l'analyse GAP comme un outil de surveillance en temps réel pour guider des interventions conformes au marché (par exemple, des opérations de lissage) plutôt que des interventions défiant le marché (par exemple, des plafonds rigides). L'avenir de la stabilité monétaire de l'Ukraine dépend moins de la perfection du modèle d'un marché distordu que du courage d'arrêter de le distordre.

8. Annexe technique

8.1. Formulations mathématiques

La condition d'équilibre centrale peut être dérivée des fonctions d'offre et de demande log-linéarisées :
$\hat{p}_t^* = \frac{\beta_d' \hat{x}_t - \beta_s' \hat{z}_t}{\alpha_s + \alpha_d}$
Où $\hat{p}_t^*$ est l'écart logarithmique du taux de change d'équilibre. Le modèle FAVAR incorpore des facteurs dynamiques $(F_t)$ représentant les moteurs fondamentaux non observés :
$\begin{pmatrix} Y_t \\ F_t \end{pmatrix} = \Phi(L) \begin{pmatrix} Y_{t-1} \\ F_{t-1} \end{pmatrix} + v_t$
où $Y_t$ contient les variables observables du marché (taux de change, volumes), et $F_t$ est estimé à partir d'un large ensemble de données de fondamentaux potentiels.

8.2. Résultats expérimentaux & Descriptions des graphiques

Figure 1 (Reconstruction hypothétique) : Représente probablement la trajectoire estimée du taux de change d'équilibre ($\hat{p}_t^*$) par rapport au taux de change réel observé. Des périodes d'écart GAP positif significatif et persistant (réel > équilibre) indiqueraient une surévaluation, précédant souvent une correction ou nécessitant des interventions d'offre de la BNU.

Figure 2 : Illustre probablement les facteurs dynamiques estimés $(F_t)$ extraits par le modèle FAVAR. Un facteur pourrait être corrélé avec le sentiment de risque mondial (comme un indice VIX pour l'Ukraine), un autre avec l'orientation de la politique monétaire domestique, et un troisième avec les termes de l'échange ou la dynamique du compte courant.

Figure 3 : Pourrait montrer les résultats de l'analyse GAP au fil du temps, mettant en évidence des épisodes spécifiques (par exemple, la crise de 2014, la stabilisation post-2015) où les écarts par rapport à l'équilibre étaient extrêmes, avec des annotations des principales actions politiques de la BNU durant ces périodes.

Tableaux (1-5) : Présenteraient les statistiques descriptives, les résultats des tests de racine unitaire et de cointégration (statistiques de trace et de valeur propre maximale de Johansen), les sorties d'estimation du modèle FAVAR (chargements factoriels, décompositions de la variance), et les résultats de régression pour l'analyse GAP sur les variables politiques.

8.3. Cadre d'analyse : Une étude de cas conceptuelle

Scénario : Analyser l'impact d'un arrêt soudain des entrées de capitaux.
Application du cadre :
1. Entrée de données : Mettre à jour l'ensemble de données avec des indicateurs haute fréquence : données de réserves de la BNU, données de flux de portefeuille des non-résidents, écarts de CDS, et écarts de taux interbancaires.
2. Estimation des facteurs : Le modèle FAVAR montrerait immédiatement un déplacement du « facteur flux de capitaux » et du « facteur perception du risque ».
3. Déplacement de l'équilibre : Le taux de change d'équilibre implicite du modèle ($p_t^*$) se déprécierait, reflétant la réduction de l'offre de devises étrangères due aux entrées.
4. Analyse GAP : Si le taux de change réel est fixe ou lent à bouger, un large écart GAP négatif (réel < équilibre) apparaît, signalant une pression de dévaluation croissante.
5. Perspective politique : Le modèle quantifie la pression. Un petit écart GAP temporaire pourrait être ignoré. Un écart GAP large et croissant indique la nécessité d'une réponse politique : soit permettre l'ajustement du taux de change (régime flexible), soit se préparer à dépenser des réserves significatives pour défendre la parité, le modèle estimant l'échelle potentielle de l'intervention nécessaire.

9. Applications futures & Axes de recherche

1. Système de surveillance en temps réel : Ce cadre FAVAR-GAP peut être opérationnalisé en un tableau de bord en temps réel pour les banques centrales, fournissant des signaux d'alerte précoce de désalignement et de tension du marché.
2. Intégration de l'apprentissage automatique : Les travaux futurs pourraient remplacer ou compléter l'estimation factorielle du FAVAR par des techniques de réduction de dimension non linéaires issues de l'apprentissage automatique (par exemple, des Autoencodeurs, comme utilisés pour l'extraction de caractéristiques pour des données d'image comme dans le cadre CycleGAN, mais appliqués aux séries chronologiques financières) pour capturer des relations plus complexes et non linéaires entre les fondamentaux.
3. Analyse transnationale : Appliquer la même méthodologie à un panel de marchés émergents (par exemple, Géorgie, Moldavie, Serbie) pourrait identifier des schémas communs de déséquilibre et l'efficacité des différentes réponses politiques, contribuant à la littérature académique sur les régimes de change optimaux dans les économies en transition.
4. Calibration d'un modèle basé sur les agents (ABM) : Les résultats empiriques de ce modèle d'équilibre, en particulier les propriétés de déconnexion, pourraient être utilisés pour calibrer les paramètres d'un Modèle Basé sur les Agents du MICU, simulant comment différents comportements des opérateurs (par exemple, mentalité de troupeau, anticipations hétérogènes) interagissent avec les règles de la banque centrale.

10. Références

1. Bernanke, B. S., Boivin, J., & Eliasz, P. (2005). Measuring the effects of monetary policy: a factor-augmented vector autoregressive (FAVAR) approach. The Quarterly Journal of Economics, 120(1), 387-422.
2. Calvo, G. A., & Reinhart, C. M. (2002). Fear of floating. The Quarterly Journal of Economics, 117(2), 379-408.
3. Fonds Monétaire International. (2020). Rapport annuel sur les régimes et restrictions de change (AREAER). Washington, DC : FMI.
4. Johansen, S. (1991). Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models. Econometrica, 59(6), 1551-1580.
5. Kuznyetsova, A., Misiats, N., & Klishchuk, O. (2017). The equilibrium model of demand and supply at the Ukrainian Interbank Foreign Exchange Market: disclosure of problematic aspects. Banks and Bank Systems, 12(4), 31-43.
6. Banque Nationale d'Ukraine. (Différentes années). Rapports sur la politique monétaire. Kyiv : BNU.
7. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE international conference on computer vision (pp. 2223-2232).