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

Cette recherche étudie la dynamique d'équilibre entre l'offre et la demande de devises étrangères sur le marché interbancaire des changes ukrainien, en se concentrant sur le segment scriptural. L'étude aborde les arbitrages critiques découlant des arrangements de change existants, des mesures administratives mises en œuvre par la Banque nationale d'Ukraine (NBU) et des variables économiques fondamentales spécifiques à l'Ukraine. Le problème central tourne autour du dilemme auquel sont confrontées les économies en développement : imposer des contrôles administratifs ou laisser agir les forces du marché libre, deux options ayant des implications significatives sur la volatilité du taux de change, la balance commerciale et les flux de capitaux.

2. Méthodologie et cadre du modèle

Les auteurs utilisent un modèle vectoriel autorégressif augmenté par des facteurs (FAVAR) pour construire le modèle d'équilibre. Cette approche est choisie pour sa capacité à traiter un large ensemble d'informations et à capturer les dynamiques communes qui animent le marché des changes.

2.1 Approche de modélisation FAVAR

Le modèle FAVAR étend le VAR standard en incorporant un petit ensemble de facteurs non observés qui résument un large panel de séries temporelles économiques. La forme générale peut être représentée comme suit :

$$\begin{bmatrix} Y_t \\ F_t \end{bmatrix} = \Phi(L) \begin{bmatrix} Y_{t-1} \\ F_{t-1} \end{bmatrix} + v_t$$

où $Y_t$ est un vecteur de variables observées (par exemple, le taux de change, les taux d'intérêt), $F_t$ est un vecteur de facteurs non observés extraits d'un large jeu de données, $\Phi(L)$ est un polynôme matriciel dans l'opérateur de retard, et $v_t$ est un vecteur de termes d'erreur.

2.2 Données et périodisation

Le modèle est construit sur des données empiriques du marché interbancaire des changes ukrainien. Un aspect crucial de la méthodologie est la proposition des auteurs de diviser les données en périodes distinctes, correspondant vraisemblablement à différents régimes réglementaires ou phases économiques (par exemple, pré-crise, période de contrôle des capitaux, post-libéralisation). Cela permet d'analyser les ruptures structurelles et les comportements dépendants du régime.

3. Résultats empiriques et analyse

3.1 Spécification du modèle et propriétés de déconnexion

L'étude présente une spécification log-linéarisée du modèle d'équilibre. Un résultat clé discuté est la présence de « propriétés de déconnexion » au sein du modèle. Cela fait probablement référence aux situations où les mouvements de marché à court terme s'écartent des trajectoires d'équilibre à long terme définies par les fondamentaux, en raison de flux spéculatifs, de chocs réglementaires ou d'imperfections du marché.

3.2 Cointégration et analyse de l'Écart (GAP)

Les auteurs testent la cointégration entre les séries temporelles des variables fondamentales pour établir des relations d'équilibre de long terme. L'efficacité de ces tests est présentée à travers des valeurs statistiques critiques. De plus, ils proposent un outil d'analyse de l'Écart (GAP) pour mesurer les déviations par rapport à l'état d'équilibre estimé. Cet écart, potentiellement calculé comme la différence entre le taux de change réel et sa valeur fondamentale dérivée du modèle, sert d'indicateur de déséquilibre et de pression du marché.

4. Impact réglementaire et implications politiques

L'analyse se penche sur le style de régulation employé par l'autorité monétaire (NBU). Elle souligne les conséquences des contrôles administratifs, tels que la création de pénuries de devises et l'augmentation de la volatilité. L'article soutient qu'une part élevée de liquidités détenues hors du système bancaire (échec de la dédollarisation) sape significativement la stabilité des prix en Ukraine. La recommandation politique centrale est que les interventions de change de la NBU seraient plus efficaces si un régime de change flexible était couplé à un véritable cadre de ciblage flexible de l'inflation.

5. Principales conclusions

L'étude construit avec succès un modèle d'équilibre pour le marché interbancaire des changes ukrainien en utilisant le FAVAR. Elle identifie les arbitrages inhérents au mix politique actuel et démontre l'impact perturbateur de la dollarisation des liquidités. La conclusion plaide fortement pour une évolution vers un cadre de politique monétaire davantage basé sur le marché, combinant flexibilité du taux de change et ciblage de l'inflation, afin d'améliorer l'efficacité des actions de la banque centrale et de promouvoir la stabilité macroéconomique.

6. Analyse originale : Idée centrale, logique, forces & faiblesses, perspectives opérationnelles

Idée centrale : Cet article n'est pas seulement un autre exercice économétrique sur un marché frontière ; c'est un diagnostic sans concession d'une banque centrale prise dans une boucle contre-productive. L'utilisation par la NBU de contrôles administratifs pour gérer la hryvnia, bien que politiquement opportune, alimente activement la dollarisation et la fragmentation du marché qu'elle cherche à endiguer. Le modèle FAVAR des auteurs quantifie efficacement ce paradoxe, montrant comment la rigidité réglementaire engendre la volatilité et sape le mécanisme de transmission de la politique monétaire elle-même.

Logique : L'argumentation progresse avec une précision chirurgicale. Elle commence par poser le trilemme classique des marchés émergents, positionne les contrôles administratifs ukrainiens comme une solution de coin sous-optimale, puis utilise le modèle FAVAR pour disséquer les conséquences. L'identification des « propriétés de déconnexion » est cruciale – c'est l'empreinte statistique d'un marché défaillant où les prix sont déconnectés des fondamentaux par décret politique. L'analyse de l'Écart (GAP) transforme ensuite cette empreinte en un outil de diagnostic en temps réel, mesurant le coût du déséquilibre.

Forces & faiblesses : La principale force est la sophistication contextuelle du modèle. L'utilisation du FAVAR est adaptée à l'environnement riche en données mais structurellement volatil de l'Ukraine, comme noté dans des applications similaires pour les marchés émergents par Bernanke, Boivin et Eliasz (2005). L'accent explicite sur la périodisation (changements de régime) est louable. Cependant, la faiblesse de l'article est sa timidité sur le front de l'économie politique. Il diagnostique la maladie (contrôles administratifs) et prescrit le remède (ciblage flexible de l'inflation) mais consacre peu de temps à la toxicité du patient politique. Comment la NBU peut-elle sortir des contrôles sans déclencher une avalanche spéculative ? Les travaux de Frankel (2019) sur le « coup de fouet de la politique monétaire » dans les marchés émergents suggèrent que cette transition est le véritable champ de bataille, et elle est laissée sous-explorée.

Perspectives opérationnelles : Pour les décideurs politiques et les analystes de marché, cette recherche fournit deux outils concrets. Premièrement, la métrique de l'Écart (GAP) devrait être intégrée au tableau de bord de la NBU comme indicateur avancé de tension du marché et comme mesure de sa propre empreinte réglementaire. Deuxièmement, l'article présente un argument convaincant en faveur d'une séquence : avant que le ciblage complet de l'inflation ne soit crédible, un retrait stratégique et communiqué des contrôles administratifs doit avoir lieu, potentiellement soutenu par des réserves de change tampons ou des lignes de swap, comme analysé dans le Cadre de politique intégrée du FMI. Pour les investisseurs, les périodes du modèle signalent des primes de risque spécifiques au régime ; investir pendant les périodes de « contrôle administratif » comporte un risque de déconnexion fondamentalement différent, et plus élevé, que pendant les périodes « basées sur le marché ».

7. Détails techniques et cadre mathématique

La contribution technique centrale est l'application du modèle FAVAR. Soit $X_t$ un grand vecteur $N \times 1$ de séries temporelles informatives (par exemple, production industrielle, inflation, prix des matières premières, réserves de change). Le modèle suppose que $X_t$ dépend d'un petit vecteur $K \times 1$ de facteurs communs non observés $F_t$ et d'une composante idiosyncrasique $e_t$ :

$$X_t = \Lambda F_t + e_t$$

où $\Lambda$ est une matrice $N \times K$ de saturations factorielles. La dynamique conjointe des variables observées d'intérêt $Y_t$ (par exemple, le taux de change) et des facteurs $F_t$ est ensuite régie par un VAR :

$$\begin{bmatrix} F_t \\ Y_t \end{bmatrix} = \Psi(L) \begin{bmatrix} F_{t-1} \\ Y_{t-1} \end{bmatrix} + \zeta_t$$

La spécification d'équilibre log-linéarisée pour le marché des changes prend probablement une forme telle que :

$$s_t = \beta_0 + \beta_1 f_t^{macro} + \beta_2 f_t^{policy} + \beta_3 z_t + \epsilon_t$$

où $s_t$ est le logarithme du taux de change, $f_t^{macro}$ et $f_t^{policy}$ sont des facteurs représentant les fondamentaux macroéconomiques et l'orientation politique, $z_t$ représente d'autres variables de contrôle, et $\epsilon_t$ est l'écart de déséquilibre.

8. Résultats expérimentaux et descriptions des graphiques

L'article comprend 3 figures et 5 tableaux. Bien que le contenu exact ne soit pas entièrement détaillé dans le texte fourni, en nous basant sur les rapports économétriques standards, nous pouvons déduire :

• Figures : Incluent probablement (1) Un graphique en séries temporelles du taux de change réel par rapport au taux d'équilibre implicite du modèle, illustrant visuellement l'« Écart (GAP) ». (2) Les fonctions de réponse impulsionnelle (IRF) du modèle FAVAR, montrant comment le système réagit (par exemple, taux de change, facteurs) à des chocs comme un changement de politique ou un choc des termes de l'échange. (3) Un graphique montrant l'évolution dans le temps des facteurs communs estimés $F_t$.
• Tableaux : Incluent probablement (1) Les statistiques descriptives des données. (2) Les résultats des tests de racine unitaire et de cointégration (par exemple, ADF, statistiques du test de Johansen). (3) Les saturations factorielles du modèle FAVAR, indiquant quelles séries de données contribuent le plus à chaque facteur commun. (4) Les coefficients estimés pour le modèle d'équilibre log-linéarisé. (5) Les résultats de la décomposition de la variance, montrant quelle proportion de la variance de l'erreur de prévision du taux de change est attribuable à différents types de chocs (fondamentaux, politiques, idiosyncrasiques).

9. Cadre d'analyse : Exemple d'étude de cas

Scénario : Analyse de l'impact d'un durcissement soudain des contrôles administratifs sur les capitaux par la NBU au quatrième trimestre 2017.

Application du cadre de l'article :

1. Périodisation : Cet événement marquerait le début d'une nouvelle période de « contrôle strict » dans le modèle. Les données seraient divisées en conséquence.
2. Estimation FAVAR : Ré-estimer le modèle pour la nouvelle période. Le facteur politique ($f_t^{policy}$) montrerait probablement une rupture structurelle significative.
3. Analyse de déconnexion & de l'Écart (GAP) : Observer l'effet immédiat sur les « propriétés de déconnexion ». L'Écart (GAP) entre le taux de change réel et fondamental s'élargirait probablement brusquement, indiquant que le prix du marché est artificiellement supprimé par les contrôles, s'écartant de son équilibre déterminé par les fondamentaux.
4. Interprétation : L'Écart (GAP) élargi quantifie le degré de distorsion du marché. Un écart important et soutenu signalerait une pression contenue croissante, des coûts plus élevés pour les entreprises accédant aux devises, et la croissance d'un marché parallèle – validant la thèse de l'article sur les conséquences négatives des mesures administratives.

10. Applications futures et orientations de recherche

• Tableau de bord politique en temps réel : Intégrer le modèle FAVAR-GAP dans un système de surveillance en temps réel pour la banque centrale, fournissant des alertes précoces de déséquilibre non soutenable.
• Analyse transfrontalière : Appliquer le même cadre à d'autres marchés émergents avec des contrôles de capitaux actifs (par exemple, Argentine, Nigeria) pour construire une typologie comparative des distorsions du marché des changes.
• Amélioration par apprentissage automatique : Remplacer le FAVAR linéaire par des alternatives non linéaires (par exemple, utiliser des réseaux de neurones pour estimer les facteurs) pour mieux capturer les comportements de changement de régime et les interactions complexes en période de crise.
• Intégration avec les modèles basés sur les agents (ABM) : Utiliser l'Écart (GAP) d'équilibre empirique comme entrée dans un ABM du marché des changes pour simuler comment différents types de traders (fondamentalistes, chartistes, banques) se comportent sous différents niveaux de déséquilibre induit par la réglementation.
• Recherche sur les stratégies de sortie : La prochaine étape cruciale est d'utiliser ce cadre de modélisation pour simuler et tester les « stratégies de sortie » optimales des contrôles administratifs, en évaluant les réserves tampons nécessaires, les stratégies de communication et la séquence avec la politique de taux d'intérêt pour minimiser les risques pour la stabilité financière.

11. 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. Frankel, J. (2019). Systematic managed floating. Open Economies Review, 30(2), 255-295.
3. Fonds monétaire international. (2020). Le Cadre de politique intégrée. Document de politique du FMI.
4. 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.
5. Stock, J. H., & Watson, M. W. (2016). Dynamic factor models, factor-augmented vector autoregressions, and structural vector autoregressions in macroeconomics. In Handbook of Macroeconomics (Vol. 2, pp. 415-525). Elsevier.