Bulles rationnelles et crises du marché des changes en Iran : une analyse par modèle à changement de régime de Markov

1. Introduction & Aperçu

Cette recherche étudie la présence et la dynamique des bulles spéculatives rationnelles sur le marché informel des changes (forex) iranien, en se concentrant spécifiquement sur le taux USD/IRR. L'étude couvre une période turbulente de 2010 à 2018, caractérisée par des sanctions économiques importantes et une forte volatilité des revenus pétroliers. L'objectif principal est de développer un système d'alerte précoce capable d'identifier les formations de bulles et les crises de change imminentes avant qu'elles ne provoquent de graves perturbations économiques.

Les auteurs soutiennent que les écarts du taux de change par rapport à sa valeur fondamentale, induits par des attaques spéculatives et un comportement grégaire, peuvent conduire à des crises monétaires si les autorités monétaires ne les contiennent pas. Les modèles économétriques traditionnels échouent souvent à capturer ces comportements non linéaires et à changement de régime. Cet article comble cette lacune en utilisant un modèle à changement de régime de Markov sophistiqué avec des probabilités de transition variables dans le temps (TVTP-MS) pour distinguer les régimes calme, explosif et d'effondrement des bulles.

Idée centrale

Le marché informel USD/IRR est sujet à des bulles rationnelles alimentées par des attaques spéculatives. Un modèle de Markov à trois régimes (calme, explosif, effondrement), avec les sanctions et les réserves comme facteurs de transition, peut identifier avec précision les périodes de crise, offrant un outil d'alerte précoce supérieur aux modèles linéaires.

2. Cadre théorique & Revue de la littérature

L'analyse s'appuie sur la théorie des bulles rationnelles, où les prix des actifs s'écartent durablement de leur valeur fondamentale sur la base de l'attente que d'autres investisseurs continueront à faire monter les prix. Cela se distingue de l'exubérance irrationnelle, car il s'agit d'un équilibre de Nash dans un jeu spéculatif.

2.1 Bulles rationnelles dans la valorisation des actifs

L'équation fondamentale de valorisation des actifs stipule que le prix d'un actif aujourd'hui est égal à la valeur actualisée de ses flux futurs. Une composante de bulle rationnelle $B_t$ satisfait :

$P_t = \sum_{i=1}^{\infty} \frac{E_t[D_{t+i}]}{(1+r)^i} + B_t$, où $E_t[B_{t+1}] = (1+r)B_t$.

Cela implique que la bulle est censée croître au taux d'intérêt $r$. Dans le contexte du marché des changes, l'« actif » est la devise étrangère, et son « rendement » est le taux de change futur ou l'utilité de le détenir. Les attaques spéculatives se produisent lorsque les traders se coordonnent pour vendre une devise, s'attendant à ce que d'autres suivent, créant ainsi une prophétie auto-réalisatrice.

2.2 Limites des modèles traditionnels de change

L'article fait référence aux travaux fondateurs de Meese et Rogoff (1983), qui ont démontré que les modèles macroéconomiques standard (comme les modèles monétaires) ne parviennent pas à surpasser une simple marche aléatoire dans la prévision des taux de change hors échantillon. Ce « puzzle de la déconnexion des taux de change » suggère que des facteurs au-delà des fondamentaux – tels que la microstructure du marché, le comportement grégaire et la dynamique spéculative – jouent un rôle crucial. Des études ultérieures, dont Cheong et al. (2005), ont confirmé ces résultats, soulignant la nécessité de modèles capables de capturer les ruptures structurelles et les changements de régime.

2.3 Modèles à changement de régime de Markov en finance

Introduits par Hamilton (1989), les modèles à changement de régime de Markov permettent aux paramètres de changer selon une variable d'état non observée $S_t$ qui suit une chaîne de Markov. L'extension TVTP, utilisée dans cet article, permet à la probabilité de passer d'un état à un autre de dépendre de variables économiques observées (par exemple, l'intensité des sanctions, les variations des réserves). Ceci est crucial pour modéliser les marchés des changes sous sanctions, où la probabilité d'une crise évolue avec les événements politiques et économiques.

3. Méthodologie & Spécification du modèle

3.1 Données & Variables

L'étude utilise des données mensuelles du marché informel des changes iranien (USD/IRR) de 2010 à 2018. Les variables clés incluent :

Variable dépendante : Rendements logarithmiques du taux de change informel.
Facteurs de régime (pour TVTP) :
- Indice de sanctions : Un proxy construit mesurant l'intensité des sanctions économiques internationales, identifié comme un facteur clé de la demande spéculative.
- Variation des réserves de change : Signale la capacité de la banque centrale à défendre la monnaie.

3.2 Modèle à trois régimes de Markov

Le modèle spécifie trois régimes distincts pour le processus de rendement du taux de change :

Régime calme ($S_t=1$) : Caractérisé par une faible volatilité et des tendances stables et modérées. Le rendement moyen $\mu_1$ est faible et la variance $\sigma^2_1$ est petite.
Régime explosif (bulle) ($S_t=2$) : Caractérisé par des rendements moyens positifs élevés $\mu_2 > 0$ et une volatilité élevée $\sigma^2_2$, représentant une dépréciation rapide de la monnaie induite par des achats spéculatifs de devises.
Régime d'effondrement (post-bulle) ($S_t=3$) : Peut impliquer une forte volatilité avec des rendements moyens négatifs ou correctifs $\mu_3$, souvent suite à une intervention de la banque centrale ou à l'épuisement du marché.

Le modèle est formalisé comme suit : $r_t = \mu_{S_t} + \epsilon_t$, où $\epsilon_t \sim N(0, \sigma^2_{S_t})$ et $S_t \in \{1,2,3\}$.

3.3 Probabilités de transition variables dans le temps

L'innovation réside dans le fait de rendre la matrice de transition $\mathbf{P}_t$ dépendante du temps. La probabilité de passer du régime $i$ au régime $j$ est modélisée comme une fonction logistique des variables observées $z_t$ (sanctions, variations des réserves) :

$p_{ij,t} = P(S_t = j | S_{t-1}=i) = \frac{\exp(\alpha_{ij} + \beta_{ij}' z_{t-1})}{1 + \exp(\alpha_{ij} + \beta_{ij}' z_{t-1})}$ pour $i \neq j$.

Cela permet au modèle d'évaluer quantitativement comment des facteurs comme le durcissement des sanctions augmentent la probabilité de passer d'un régime calme à un régime de bulle explosive.

4. Résultats empiriques & Analyse

4.1 Identification des régimes & Périodes de bulles

Le modèle identifie avec succès des périodes spécifiques correspondant à des crises de change connues en Iran :

Périodes de bulles explosives : Le modèle pointe des mois comme 2011-07, 2012-04, 2012-10/11, et notamment 2017-01 à 2017-06 comme des régimes explosifs à haute probabilité. Ceux-ci coïncident avec des périodes de sanctions intensifiées et d'incertitude politique.
Dynamique des régimes : Les résultats montrent que les régimes d'effondrement tendent à coïncider avec ou à suivre immédiatement les périodes de crise réelles, tandis que les régimes calmes correspondent à des périodes de stabilité relative ou d'appréciation modérée.

Figure : Probabilités lissées du régime explosif

(Description conceptuelle) Un graphique en ligne montrerait la probabilité $P(S_t=2 | \Omega_T)$ fluctuant entre 0 et 1 au fil du temps. Des pics marqués atteignant près de 1,0 seraient observés pendant les mois de crise identifiés (par exemple, mi-2012, début 2017), confirmant la capacité du modèle à étiqueter ces épisodes comme des bulles spéculatives. La probabilité reste faible pendant les périodes stables et augmente avant certaines crises, démontrant un potentiel d'alerte précoce.

4.2 Performance des indicateurs d'alerte précoce

L'Indice de sanctions s'avère être un facteur de transition statistiquement significatif et puissant vers le régime explosif. Une augmentation de la variable des sanctions élève la probabilité de passer des états calme ou d'effondrement à un état de bulle. La variation des réserves de change est également significative ; un épuisement des réserves augmente la probabilité d'entrer dans un régime d'effondrement, reflétant probablement une défense ratée et un krach ultérieur.

4.3 Analyse des interventions de la banque centrale

L'article constate que les interventions de la banque centrale sur le marché informel, visant à réduire la pression, sont souvent insuffisantes pour prévenir ou percer les bulles une fois que le régime explosif s'est installé. Le modèle suggère que les interventions sont plus efficaces dans le régime calme pour la prévention, plutôt que pendant l'attaque spéculative à part entière.

5. Cadre technique & Étude de cas

Exemple de cadre analytique : Considérons un décideur politique surveillant le marché USD/IRR. Le cadre implique :

Saisie des données : Alimenter continuellement le modèle avec les rendements mensuels du taux de change informel, le sentiment des nouvelles sur les sanctions (noté de 0 à 10) et les variations hebdomadaires des réserves de change.
Mise à jour du modèle : Ré-estimer le modèle TVTP-MS mensuellement ou en temps réel en utilisant des fenêtres glissantes.
Tableau de bord des risques : Surveiller la probabilité lissée $P(S_t=2 | \Omega_t)$ d'être dans le régime explosif. Une probabilité franchissant un seuil (par exemple, 0,7) déclenche une alerte.
Analyse de scénarios : Utiliser les coefficients logistiques estimés $\beta_{ij}$ pour simuler des scénarios « et si ». Par exemple, « Si un nouveau train de sanctions est annoncé (indice de sanctions +3), de combien augmente la probabilité d'une bulle le mois prochain ? »

Étude de cas - La bulle de 2017 : Début 2017, la probabilité du régime explosif du modèle a bondi. Le mécanisme TVTP a attribué cela à une combinaison de sanctions persistantes et d'une réduction des réserves. Le cadre aurait signalé un risque élevé d'attaque spéculative plusieurs semaines avant la forte dépréciation, permettant des mesures politiques préventives comme signaler des engagements de défense plus forts ou ajuster les taux d'intérêt.

6. Applications futures & Axes de recherche

Systèmes de surveillance de crise en temps réel : Intégrer ce modèle dans un tableau de bord pour les banques centrales des marchés émergents confrontées à des pressions spéculatives similaires.
Marchés des cryptomonnaies : Appliquer le cadre TVTP-MS pour identifier les bulles sur le Bitcoin ou d'autres cryptomonnaies, qui présentent des dynamiques spéculatives et des changements de régime similaires.
Outil de simulation de politiques : Étendre le modèle pour inclure des fonctions de réaction de la banque centrale, permettant de simuler comment différentes stratégies d'intervention (changements de taux d'intérêt, contrôles des capitaux) pourraient modifier les probabilités de transition et la durée des bulles.
Hybrides d'apprentissage automatique : Combiner les forces structurelles des modèles à changement de régime de Markov avec la puissance prédictive de l'apprentissage automatique (par exemple, les LSTM) sur des données haute fréquence pour améliorer les délais d'alerte précoce.
Analyse transfrontalière : Appliquer la même méthodologie à d'autres économies sanctionnées (par exemple, le Venezuela, la Russie) pour développer une théorie comparative des bulles de change induites par les sanctions.

7. Références

Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384.
Meese, R. A., & Rogoff, K. (1983). Empirical exchange rate models of the seventies: Do they fit out of sample? Journal of International Economics, 14(1-2), 3-24.
Cheong, C. W., et al. (2005). Nonlinearities in exchange rate determination: A Markov-switching approach. Working Paper.
Filardo, A. J. (1994). Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics, 12(3), 299-308. (Travail fondateur sur les modèles TVTP).
Taiebnia, A., Mehraara, M., & Akhtari, A. (2019). Rational Bubbles and Forex Crises in Iran's Informal Market: A Markov-Switching Model with Time-Varying Transition Probabilities. Scientific Quarterly Journal of Economic Research, 74(19), 111-164. (L'article analysé).

8. Revue critique de l'analyste

Idée centrale

Cet article livre une idée puissante et non évidente : dans une économie sanctionnée comme celle de l'Iran, le marché informel des changes ne fait pas que réagir aux fondamentaux – il joue un jeu spéculatif. La bulle n'est pas de la folie ; c'est un équilibre rationnel et auto-réalisateur où tout le monde attaque la monnaie parce qu'il s'attend à ce que les autres fassent de même. Le véritable déclencheur n'est pas seulement la création monétaire ; c'est le signal des sanctions, qui agit comme un dispositif de coordination pour les spéculateurs. Cela recadre la crise de change d'un phénomène monétaire à un phénomène de théorie des jeux.

Flux logique

L'argument est élégamment construit. Il commence par écarter les modèles standard (Meese-Rogoff), établit la théorie de la bulle rationnelle, puis introduit l'outil parfait pour le travail : un modèle à changement de régime de Markov. Le coup de génie est de faire dépendre les probabilités de transition des sanctions et des réserves. Cela teste directement l'hypothèse que ces variables n'affectent pas seulement le niveau du taux de change, mais les règles du jeu elles-mêmes – changeant les probabilités de basculer en mode panique. Les résultats empiriques valident ensuite cela, montrant que les régimes correspondent clairement aux épisodes de crise réels.

Forces & Faiblesses

Forces : Le choix méthodologique est impeccable. Les modèles TVTP-MS sont notoirement difficiles à estimer mais sont la référence pour capturer le type de ruptures structurelles présentes ici. L'accent mis sur le marché informel est crucial – c'est là que se produisent la véritable découverte des prix et la spéculation sous sanctions. L'application d'alerte précoce est immédiatement pratique.

Faiblesses : Le talon d'Achille de l'article est la donnée. L'« indice de sanctions » est nécessairement un proxy construit, soulevant des questions sur la subjectivité. Le modèle est aussi intrinsèquement rétrospectif ; bien qu'il identifie magnifiquement les régimes passés, sa capacité d'alerte précoce prospective dépend de la prévision précise des facteurs (sanctions) eux-mêmes – un défi politique redoutable, pas seulement économétrique. Il passe également un peu sous silence le rôle des échecs de la politique monétaire nationale qui créent le terrain fertile pour le jeu spéculatif.

Perspectives actionnables

Pour les décideurs politiques dans des économies similaires, la conclusion est claire : Gérez les anticipations, pas seulement les réserves. Défendre une monnaie sous sanctions nécessite de perturber la coordination des spéculateurs. Cela signifie :

Guidage prospectif : Utiliser une communication claire et crédible pour ancrer les anticipations et briser la boucle de la prophétie auto-réalisatrice. Le silence est mortel.
Intervention asymétrique : Conserver la puissance de feu pour les moments que le modèle signale comme des points de transition à haute probabilité vers le régime explosif, plutôt que de gaspiller les réserves dans un régime calme.
Construire un tableau de bord : Implémenter une version en temps réel de ce modèle comme outil de surveillance central. Le coût est dérisoire par rapport aux milliards perdus dans un krach du change.
Pour les investisseurs : Ce modèle fournit un cadre quantitatif pour chronométrer l'exposition aux marchés frontières. Le signal de « régime explosif » est un indicateur de vente clair, tandis que des probabilités soutenues de régime calme pourraient indiquer une opportunité d'achat après un krach.

En substance, cette recherche fait passer la conversation de la question de savoir si une bulle existe à celle de savoir quand la logique du marché va basculer en mode bulle – un changement crucial tant pour la défense que pour la stratégie.