Identification des bulles rationnelles sur le marché des changes iranien : une approche par changement de régime de Markov

1. Introduction

Cette étude examine la présence et la dynamique des bulles spéculatives rationnelles sur le marché des changes non officiel iranien (USD/IRR). Le marché des changes est une composante essentielle de toute économie, impactant directement la compétitivité, le commerce, l'investissement et l'inflation. En Iran, ce marché est caractérisé par une forte volatilité, fortement influencée par les chocs sur les revenus pétroliers, les sanctions économiques et les comportements spéculatifs. Le problème central abordé est l'écart du taux de change par rapport à sa valeur fondamentale, ce qui peut conduire à des crises de change si les décideurs n'interviennent pas. Cet article vise à identifier ces périodes de bulles à l'aide d'un modèle économétrique avancé afin de fournir des signaux d'alerte précoce pour une intervention plus efficace des politiques monétaire et de change.

2. Revue de la littérature & Cadre théorique

2.1. Bulles rationnelles dans la valorisation des actifs

Le concept de bulle rationnelle trouve son origine dans la littérature sur la valorisation des actifs, où le prix de marché d'un actif s'écarte durablement de sa valeur fondamentale basée sur la valeur actuelle des flux de trésorerie futurs anticipés. Dans une bulle rationnelle, les agents sont prêts à payer un prix supérieur aux fondamentaux parce qu'ils s'attendent à le revendre à un prix encore plus élevé dans le futur (Blanchard & Watson, 1982). Cette prophétie auto-réalisatrice peut conduire à des trajectoires de prix explosives.

2.2. Détermination du taux de change & Défaillances du marché

Les modèles macroéconomiques traditionnels (par exemple, l'approche monétaire, l'équilibre de portefeuille) échouent souvent à expliquer la volatilité des taux de change à court et moyen terme, un paradoxe mis en lumière par Meese et Rogoff (1983). La finance comportementale introduit des éléments comme le sentiment des investisseurs, l'effet de mimétisme et les attaques spéculatives comme moteurs clés. Le « paradoxe de la déconnexion » suggère que les taux de change sont souvent déterminés par des facteurs au-delà des fondamentaux standards.

2.3. Le contexte du marché des changes iranien

Le marché des changes iranien fonctionne selon un système à plusieurs niveaux avec des taux officiels, secondaires et non officiels (marché parallèle). Le marché non officiel, déterminé par les déséquilibres offre-demande, la fuite des capitaux et les anticipations concernant les sanctions et les revenus pétroliers, est très sensible à la formation de bulles. Les interventions de la banque centrale, souvent par la vente de devises issues du pétrole, visent à stabiliser le marché mais peuvent être submergées par les pressions spéculatives.

3. Méthodologie & Spécification du modèle

3.1. Modèle de Markov à changements de régime avec probabilités de transition variables dans le temps (MS-TVTP)

L'étude utilise un modèle de Markov à changements de régime, un modèle où l'économie peut se trouver dans différents états (par exemple, calme, explosif, d'effondrement). L'innovation clé est l'utilisation de probabilités de transition variables dans le temps (TVTP). Contrairement aux modèles MS standards avec des probabilités de changement d'état fixes, la variante TVTP permet à la probabilité de passer d'un régime à un autre de dépendre de variables économiques observables (par exemple, l'intensité des sanctions, les variations des réserves de change). Cela rend le modèle plus réaliste pour saisir l'impact des changements de politique et des chocs externes sur le sentiment du marché.

3.2. Spécification du modèle & Identification des bulles

Le modèle spécifie trois régimes distincts pour le taux de change non officiel ($s_t$) :

1. Régime explosif : Caractérisé par une augmentation rapide du taux de change (dépréciation), signalant une bulle.
2. Régime calme : Caractérisé par une tendance légère et stable.
3. Régime d'effondrement : Caractérisé par une correction ou une baisse brutale du taux de change après l'éclatement d'une bulle.

3.3. Données & Variables

L'analyse utilise des données mensuelles de mars 2010 à septembre 2018. La variable principale est le taux de change du marché non officiel du dollar américain contre le rial iranien. Les probabilités de transition sont modélisées comme des fonctions de :

• Indice des sanctions : Un indicateur de la pression économique externe, qui augmente la demande pour les devises refuges.
• Variation des réserves de change : Indique la capacité de la banque centrale à intervenir et à défendre la monnaie.

4. Résultats empiriques & Analyse

4.1. Estimation du modèle & Classification des régimes

Le modèle MS-TVTP a été estimé avec succès. Le graphique des probabilités lissées montre clairement la capacité du modèle à classer la chronologie en trois régimes distincts. Le modèle démontre une grande précision pour identifier les périodes de tension sur le marché.

4.2. Identification des périodes de bulles

Le modèle identifie plusieurs périodes de bulles explosives sur le taux USD/IRR non officiel :

• Mai 2011 (5/90)
• Septembre-Octobre 2011 (9/90 – 10/90)
• Juillet 2012 (7/91)
• Octobre-Novembre 2012 (10/91 – 11/91)
• Avril 2013 (4/92)
• Janvier-Juin 2018 (1/97 – 6/97)

4.3. Performance des indicateurs d'alerte précoce

L'indice des sanctions s'est avéré être un facteur très significatif des transitions vers le régime explosif. Une hausse de l'indice augmentait la probabilité que le marché passe d'un état calme ou d'effondrement à un état de bulle explosive. Les variations des réserves de change étaient également significatives ; une baisse des réserves (réduisant la capacité d'intervention) augmentait la probabilité d'entrer ou de rester dans un régime explosif. Les régimes d'effondrement avaient tendance à suivre les périodes explosives et coïncidaient souvent avec de fortes interventions de la banque centrale ou un assouplissement temporaire des pressions du marché.

5. Discussion & Implications

5.1. Idée centrale & Enchaînement logique

Idée centrale : La valeur du rial iranien n'est pas seulement façonnée par les prix du pétrole ou la masse monétaire ; c'est un champ de bataille psychologique. Le génie de cet article réside dans la formalisation de ceci : le taux de change est une fonction des régimes de croyance. Les sanctions n'étouffent pas seulement l'économie ; elles actionnent un interrupteur psychologique sur le marché, passant du « calme » à la « panique », initiant une bulle rationnelle où l'achat de dollars devient une tactique de survie, et non un pari spéculatif.

Enchaînement logique : L'argumentation est élégante. 1) Les modèles standards échouent (paradoxe de Meese-Rogoff). 2) Par conséquent, il faut incorporer les anticipations et les régimes. 3) Les sanctions et les variations de réserves sont les indicateurs observables qui modifient ces anticipations. 4) Le modèle MS-TVTP capture cela, identifiant précisément les fenêtres de bulles. La logique est implacable : si l'on peut modéliser le mécanisme de changement, on peut prédire la bulle.

5.2. Forces & Limites de l'approche

Forces :

• Brillance pragmatique : Elle contourne la tâche impossible de mesurer les « fondamentaux » dans une économie déformée comme celle de l'Iran. Elle se concentre plutôt sur le processus de déviation, qui est plus observable.
• Résultats exploitables pour les politiques : Le modèle ne se contente pas de dire « il y a une bulle » ; il dit « la probabilité d'entrer dans une bulle le mois prochain est de X %, sous l'effet du niveau de sanctions Y ». C'est une information exploitable.
• Validation empirique : Les périodes de bulles identifiées correspondent aux crises historiques, donnant au modèle une forte validité apparente.

• Indicateurs d'alerte en boîte noire : L'« indice des sanctions » est une variable construite. Sa composition et sa pondération sont critiques mais potentiellement subjectives. Des données erronées produisent des résultats erronés.
• Réalité décalée : Le modèle est estimé sur des données historiques. Dans une crise évoluant rapidement, les indicateurs (par exemple, les variations de réserves) peuvent être publiés avec un décalage, réduisant l'utilité en temps réel.
• Hypothèse de rationalité : Le cadre de la bulle « rationnelle » peut sous-pondérer la panique pure et l'effet de mimétisme, qui peuvent être irrationnels et s'auto-alimenter plus vite qu'aucun modèle ne peut le capturer.

5.3. Recommandations opérationnelles pour les décideurs

Pour la Banque centrale d'Iran et les comités de stabilité financière, cette recherche est un manuel tactique, pas seulement un exercice académique.

1. Surveiller les changements, pas seulement le niveau : Déplacer l'attention du niveau absolu du taux de change vers la probabilité de changement de régime. Un marché calme avec une pression croissante des sanctions est un état pré-explosif.
2. Conserver les munitions stratégiquement : Les réserves de change sont l'outil principal pour combattre les bulles. Le modèle montre que les interventions sont plus efficaces dans la phase d'« effondrement ». Gaspiller des réserves au milieu d'une bulle explosive (lorsque le sentiment est extrêmement négatif) est futile. Les interventions doivent être calibrées pour catalyser le passage du régime explosif au régime d'effondrement.
3. Gérer les anticipations comme un outil politique central : Puisque le marché est guidé par les croyances, la communication et la crédibilité sont essentielles. Des politiques d'intervention transparentes et fondées sur des règles peuvent aider à ancrer les anticipations et réduire la probabilité d'un passage au régime explosif. Des politiques opaques ou erratiques ont l'effet inverse.
4. Construire un système d'alerte précoce en temps réel : Opérationnaliser ce modèle. L'alimenter avec des données en temps réel sur l'actualité des sanctions (en utilisant le TAL sur les fils d'actualités), des estimations quasi en temps réel des réserves et des indicateurs de profondeur du marché. Cela crée un tableau de bord pour la prévention des crises.

6. Annexe technique

6.1. Formulation mathématique

Le cœur du modèle MS-TVTP peut être représenté comme suit. Soit $s_t$ le logarithme du taux de change non officiel. Le processus est modélisé comme suit :

$\Delta s_t = \mu(S_t) + \epsilon_t, \quad \epsilon_t \sim N(0, \sigma^2(S_t))$

où $S_t \in \{1,2,3\}$ désigne le régime non observé (1=Calme, 2=Explosif, 3=Effondrement). La transition entre les régimes est régie par une matrice de probabilités $P_t$, où chaque élément $p_{ij,t} = Pr(S_t = j | S_{t-1} = i)$ est variable dans le temps.

Ces probabilités variables dans le temps sont modélisées à l'aide d'une spécification logit multinomiale :

$p_{ij,t} = \frac{\exp(\theta_{ij} + \beta_{ij}' Z_{t-1})}{\sum_{k=1}^{3} \exp(\theta_{ik} + \beta_{ik}' Z_{t-1})}$

où $Z_{t-1}$ est un vecteur d'indicateurs d'alerte précoce (par exemple, l'indice des sanctions, la variation des réserves) au temps $t-1$, et $\theta_{ij}, \beta_{ij}$ sont des paramètres à estimer. Cette configuration permet à la probabilité de passer à un régime de bulle de dépendre directement des pressions économiques observables.

6.2. Exemple de cadre d'analyse

Scénario : Un analyste de la Banque centrale d'Iran souhaite évaluer le risque de formation d'une bulle spéculative au prochain trimestre.

Application du cadre :

1. Entrée des données : Collecter les dernières valeurs pour l'Indice des sanctions (par exemple, dérivé d'une analyse de sentiment sur les principaux médias occidentaux et les déclarations gouvernementales) et la variation mensuelle des réserves de change.
2. Requête au modèle : Injecter ces valeurs dans le modèle MS-TVTP estimé. Le modèle utilise l'état de régime actuel inféré (à partir des dernières données de taux de change) et les valeurs d'entrée $Z_t$.
3. Interprétation des résultats : Le modèle produit les probabilités d'être dans chacun des trois régimes pour la période suivante. Par exemple :
   • $Pr(Calme) = 0.15$
   • $Pr(Explosif) = 0.80$
   • $Pr(Effondrement) = 0.05$
4. Conclusion exploitable : Une probabilité de 80 % d'entrer dans le régime explosif est un signal d'alarme. Le rapport de l'analyste soulignerait que, compte tenu de la forte pression actuelle des sanctions et de la baisse des réserves, le marché est très susceptible d'entrer dans une phase de bulle. Cela déclenche une recommandation pour la banque centrale de préparer des plans de contingence, d'envisager une communication préventive pour gérer les anticipations et de revoir la stratégie de déploiement des réserves.

7. Applications futures & Axes de recherche

La méthodologie et les enseignements de cette étude ont une large applicabilité au-delà du contexte spécifique de l'Iran.

• Autres économies sous sanctions ou fragiles : Le modèle peut être adapté à des pays comme le Venezuela, la Russie ou la Turquie, où les risques géopolitiques et la volatilité des flux de capitaux créent des dynamiques similaires. La clé est d'identifier les bons indicateurs d'alerte précoce locaux (par exemple, un indice de stabilité politique, la volatilité des prix des matières premières).
• Marchés des cryptomonnaies : Les marchés des cryptomonnaies sont notoirement sujets aux bulles alimentées par le sentiment et l'actualité réglementaire. Un modèle MS-TVTP utilisant le sentiment des médias sociaux, des indices d'annonces réglementaires et des métriques on-chain pourrait être puissant pour identifier les régimes de bulles sur le Bitcoin ou l'Ethereum.
• Intégration avec l'apprentissage automatique : Les travaux futurs pourraient remplacer la spécification logit pour les probabilités de transition par un classifieur d'apprentissage automatique (par exemple, Forêt aléatoire, Réseau de neurones) pour capturer des relations plus complexes et non linéaires entre les indicateurs et les changements de régime.
• Développement d'un tableau de bord en temps réel : L'étape logique suivante est de construire un tableau de bord logiciel qui ingère des flux de données en temps réel, exécute le modèle en continu et alerte visuellement les décideurs de la hausse des probabilités de bulles, à l'instar d'une « carte météo de la stabilité financière ».
• Simulation de politiques : Le modèle pourrait être utilisé pour simuler l'impact de différentes actions politiques (par exemple, une injection massive de réserves, un changement des taux d'intérêt) sur les probabilités de transition, aidant à évaluer l'efficacité potentielle des outils politiques avant leur déploiement.

8. Références

1. Blanchard, O. J., & Watson, M. W. (1982). Bubbles, rational expectations and financial markets. In P. Wachtel (Ed.), Crises in the Economic and Financial Structure. Lexington Books.
2. 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.
3. Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384.
4. Filardo, A. J. (1994). Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics, 12(3), 299-308.
5. Taiebnia, A., Mehraara, M., & Akhtari, A. (2019). [Bulles rationnelles et attaques spéculatives sur le marché des changes non officiel iranien avec un modèle de Markov à probabilités de transition variables dans le temps]. Scientific-Research Quarterly Journal of Economic Research, 19(74), 111-164. (Publication originale en persan).
6. International Monetary Fund. (2023). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER). Retrieved from IMF eLibrary.
7. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2014). Generative adversarial nets. Advances in neural information processing systems, 27. (Cité comme exemple de techniques de modélisation avancées applicables à la détection de régimes).