Vous êtes sur la page 1sur 23

Munich Personal RePEc Archive

Estimated Changes in Prices of Coee


and Cocoa: Kalman Filter,
Hodrick-Prescott Filter and Modeling
from Markov Switching
Rakissiwinde Bationo and Hilaire Hounkpodote
Ecole Nationale Superieure de Statistique et dEconomie Appliquee
(ENSEA)
May 2009
Online at http://mpra.ub.uni-muenchen.de/26980/
MPRA Paper No. 26980, posted 25. November 2010 14:01 UTC

1
E ES ST TI IM MA AT TI IO ON N D DE ES S C CH HA AN NG GE EM ME EN NT TS S D DE ES S C CO OU UR RS S D DU U C CA AF FE E E ET T D DU U C CA AC CA AO O : : F FI IL LT TR RE E D DE E K KA AL LM MA AN N, ,
F FI IL LT TR RE E D DE E H HO OD DR RI IC CK K- -P PR RE ES SC CO OT TT T E ET T M MO OD DE EL LI IS SA AT TI IO ON N A A P PA AR RT TI IR R D DE E P PR RO OC CE ES SS SU US S M MA AR RK KO OV VI IE EN N
P PA AR R : :
B BA AT TI IO ON NO O R RA AK KI IS SS SI IW WI IN ND DE E* *
& &
H HO OU UN NK KP PO OD DO OT TE E H HI IL LA AI IR RE E* *

M MA AI I 2 20 00 09 9


Rsum
Cette tude tente de procder une estimation des cours du caf et du cacao en utilisant une
mthodologie base le filtre dHodrick-Prescott, le filtre de Kalman et un modle
changement de rgimes markoviens qui, contrairement aux modles linaires, autorise
les paramtres varier en fonction de la situation conjoncturelle ; les transitions entre les
rgimes tant gouvernes par une chane de Markov. Les rsultats montrent que le filtre
dHodrick-Prescott ne donne quune tendance gnrale des cours alors que le filtre de Kalman
approche mieux les deux sries en donnant leur vraie tendance. Le modle changement de
rgimes markoviens quant lui dcompose la srie en des rgimes puisquune tendance
linaire nest pas adapte. Ainsi, ce dernier modle donne les probabilits de transition entre
un rgime et un autre puis donne les dures moyennes de sjour dans un rgime donn.
Mots cls : filtre dHodrick-Prescott, filtre de Kalman, modle changement de rgimes
markoviens
Code JEL : C13, C22, C51
Abstract
This aim of this study is to estimate the price of coffee and cocoa using a methodology based
on Hodrick-Prescott filter, Kalman filter and a Markov Switching Model which, unlike linear
models, allows the parameters to vary depending on the economic situation, the transitions
between regimes are governed by a Markov chain. Our results show that the Hodrick-Prescott
filter gives only the general trend of the series while the Kalman filter approach the best real
trend of the series. The Markov Switching Model breaks the series in the regimes. Thus, this
latter model gives the probability of transition from one regime to another and then gives the
average length of stay in a particular regime.
Keywords: Hodrick-Prescott filter, Kalman filter, Markov Switching Model
JEL code : C13, C22, C51

*Ingnieur Statisticien Economiste, Ecole Nationale Suprieure de Statistique et dEconomie
Applique (ENSEA-Abidjan)

2
LISTE DES FIGURES
Figure 1: Evolution de la srie des prix du cacao et du caf .................................................... 12
Figure 2 : Srie brute du cacao VS Filtre de Hodrick-Prescott (2 = 14 4) ........................ 14
Figure 3 : Srie brute du caf VS Filtre de Hodrick-Prescott (2 = 14 4) .......................... 14
Figure 4 : Srie brute du cacao, filtre dHodrick-Prescott VS filtre de Kalman ...................... 15
Figure 5 : Srie brute du cacao VS filtre de Kalman ............................................................... 15
Figure 6 : Tendance issu du filtre dHodrick-Prescott VS filtre de Kalman pour le cacao ..... 16
Figure 7 : Tendance issu du filtre dHodrick-Prescott VS filtre de Kalman pour le caf ........ 16
Figure 8 : Probabilits filtrs, lisss, moyenne et cart-type conditionnelle de la srie cacao. 19
Figure 9 : Probabilits filtrs, lisss, moyenne et cart-type conditionnelle de la srie caf ... 19
LISTE DES TABLEAUX
Tableau 1: Statistiques descriptives de la srie des prix du cacao et du caf ........................... 13
Tableau 2 : Estimation du modle issu du filtre de Kalman pour le cacao .............................. 14
Tableau 3 : Dtermination du nombre de retard optimal ......................................................... 17
Tableau 4 : Estimation du modle changement de rgimes markoviens ............................... 18


3
1. Introduction gnrale
Les exportations des matires premires constituent une premire source de revenus pour la
plupart des pays africains. Mais force est de constater que les cours de ces diffrentes matires
premires ne sont pas toujours connus lavance par les pays africains ou mme parfois le
niveau de ces cours est dtermin par les diffrents chocs doffre ou de demande intervenus
sur le march mondial. Pour des fins de prvision contre les diffrents chocs sur le march de
ces matires premires, une connaissance de leur estimation savre ncessaire.

Il existe une multitude de mthodes destimation des cours des matires premires comme le
cacao. Parmi elles, on trouve celle utilisant le filtre HP (Hodrick et Prescott, 1981), des filtres
multivaris (Laxton et Tetlow, 1992), des modles composantes non observables (filtre
de Kalman), et des vecteurs autorgressifs structurels (SVAR). Ces mthodes ont toutes des
forces et des faiblesses. Par exemple, les filtres ont tendance gnrer des rsultats biaiss en
fin dchantillon et les SVAR donnent un rsultat trop volatile.

Cette tude se propose donc destimer et dtudier les changements des cours du cacao par
lutilisation des filtres de Kalman et dHodrick-Prescott puis par lusage des modles de
changements de rgimes markoviens.

La suite du document est organise de la faon suivante. La section 2 passe en revue
quelques travaux empiriques portant sur les filtres de Kalman, dHodrick-Prescott et des
changements de rgimes markoviens. La section 3 dfinit les variables et en prcise les
sources statistiques puis prsente la mthodologie de ltude. Les rsultats des estimations
font lobjet de la section 4 et la discussion de ces rsultats est prsente dans la section 5.
Finalement, la section 6 revient en conclusion sur les principaux rsultats de ltude et en tire
les implications ncessaires.

4
2. Revue de littrature
Dans la littrature, les filtres de Kalman, dHodrick-Prescott et la modlisation changements
de rgimes markoviens ont t utiliss pour modliser lvolution de certaines sries. Pour
cela, nous aborderons dans cette section les travaux empiriques ayant t raliss par certains
auteurs en rapport avec ces diffrentes mthodes.

2.1-La mthode du filtre de Kalman
Le filtre de Kalman est une approche statistique, d'assimilation de donnes, dont le principe
est de corriger la trajectoire du modle en combinant les observations avec l'information
fournie par le modle de faon minimiser l'erreur entre l'tat vrai et l'tat filtr. Le filtre de
Kalman a t utilis dans un certain nombre dtudes pour analyser la variabilit des
paramtres dans le temps : dans ce cadre, Carraro (1986) a fait une analyse comparative de la
mthode de rgression et de la mthode du filtre de Kalman ; Lii-Tarn et al. (2000) ont fait
appel au modle espace dtat ainsi quau filtre de Kalman pour tudier limpact des
bulles et de la variabilit des primes de risque sur les prix des titres. Ils ont conclu la
pertinence de la prime de risque dans lexplication des mouvements des titres.
Racicot et Thoret (2005) ont eu recours au filtre de Kalman pour prvoir deux
variables financires : la volatilit des taux dintrt et de rendements boursiers et le
rapport cours-bnfice de lindice S&P 500. La forme espace dtat et lalgorithme du
filtre de Kalman qui lui est associ ont permis de tenir compte de la variabilit des paramtres
du modle. Notons en outre que cest un des rares modles dans lequel la covariance (ou la
pente de la rgression) peut tre prsente sous sa forme conditionnelle en la modlisant soit
par un processus AR(1), soit par un processus de marche au hasard.
Randriamiarana (2007) dans son tude, a mis en exergue la pertinence de lutilisation dun
modle dynamique quest le filtre de Kalman pour valuer le risque systmatique en
lappliquant trois principales rgions mergentes : lAsie, lAmrique latine et lEurope de
lEst. Les rsultats ont permis de tester deux hypothses : celle dun choc ponctuel effets
transitoires qui se traduit par un retour vers la moyenne du coefficient , et celle dun choc
indfini effets permanents dans laquelle le coefficient suit une marche au hasard.
Lutilisation des filtres de Kalman seffectue dans maints domaines. Cest ainsi que Lemoine
et Pelgrin (2003) ont procd une application de ce filtre de Kalman notamment pour les
dcompositions tendance-cycle, lextraction dindicateurs concidents dactivit, lestimation

5
dun taux de chmage dquilibre pouvant varier avec le temps (TV-Nairu) et lvaluation du
contenu informatif de la courbe des taux sur linflation future.
2.2-La mthode du filtre dHodrick-Precott (HP)
Le filtre dHodrick-Prescott (HP) est une des mthodes privilgies pour extraire la
composante tendancielle dune srie macroconomique. Une littrature abondante montre
quil possde des proprits statistiques satisfaisantes. Par ailleurs, mme sil donne lieu des
effets de bord, le filtrage des derniers points de lchantillon est relativement peu sensible aux
prvisions utilises pour prolonger les sries moyen terme. Do son utilisation courante
dans un grand nombre de travaux empiriques dorganisations nationales ou internationales.
Son emploi a depuis t rationalis et il est maintenant utilis comme un filtre passe-bande
approximatif. Un filtre passe-bande isole les mouvements dune srie se situant entre une
limite suprieure et une limite infrieure donnes dune frquence ou dure; les mouvements
hors de la bande de frquence dsire sont limins. Les tudes menes dans le sens du
filtrage des sries par la mthode H-P sont nombreuses mais quelques unes seront passes en
revue dans cette section.
Van Norden (2004) fait une tude des filtres pour lanalyse courante. Il montre comment les
techniques actuelles de filtrage peuvent servir estimer des tendances et des cycles courants.
Il examine les applications de ce filtre aux problmes que pose lestimation de la croissance
de la productivit, de linflation de base et de lcart de production observs.
Le Ministre de lEconomie et des Finances du Maroc (1996) utilise le filtre H-P pour extraire
la croissance tendancielle de lconomie marocaine. Les rsultats montrent que la
dtermination de la composante tendancielle de la croissance de l'conomie marocaine fait
apparatre les effets des grands chocs sur la croissance et souligne les diffrentes modes de
croissance durant la priode tudie.
Bentoglio et al comparent des estimations du cycle obtenues partir dun modle
composantes inobservables, dun filtre de Baxter-King et dun filtre de Hodrick-Prescott.
Ladiray et Soars (2001) comparent les cycles de la zone euro obtenus partir dune analyse
factorielle dynamique, dun filtre de Baxter- King et dun filtre de Hodrick-Prescott appliqus
aux donnes des enqutes de conjoncture, lindice de la production industrielle et au produit
intrieur brut. Toutes ces tudes arrivent la mme conclusion : les estimations des cycles
sont cohrentes et prsentent la mme allure, racontent la mme histoire conomique en
termes de priodes de croissance et de rcession. Enfin, Giorno et Suyker (1997) procdent
aux estimations de lcart de production de lOCDE. A partir de la fonction de production

6
potentielle, lOCDE dfinit le rsidu de Solow, en fixant, conformment au modle de
croissance no-classique et lhypothse de rmunration des facteurs de production leur
productivit marginale, les paramtres aux parts moyennes respectives de la rmunration du
travail et du capital dans le PIB. La productivit totale des facteurs est ensuite lisse selon le
filtre Hodrick-Prescott.

2.3-La mthode de modlisation partir de processus markovien
La modlisation changements de rgimes markoviens cherche tudier les changements de
rgime intervenus sur une srie. L'utilisation de modles changements de rgimes en
macroconomie s'est largement dveloppe la suite d'Hamilton (1989) qui distingue un
rgime de rcession et d'expansion dans la dynamique de la croissance du PIB amricain.

Ces modles ont t populariss dans la littrature conomtrique afin de prendre en compte
un certain type de non-stationnarit prsente dans de nombreuses sries caractre
conomique et financier. Depuis le travail de Hamilton, un grand nombre dtudes thoriques
et empiriques ont t proposes en conomtrie sur ce type de modle, en particulier dans le
cas de variables qualitatives (Grgoir et Lenglart, 1998, 2000). Ce type de modle est
intressant car il permet dobtenir tout moment une probabilit doccurrence dune certaine
variable inobservable valeurs dans lensemble {1,, K}, qui est suppose suivre une chane
de Markov K tats.

Ainsi, Ferrara et Anas (2002) prsentent un indicateur conomique concident permettant de
dtecter en temps rel les dates dentre et sortie de rcession pour les Etats-Unis. Cet
indicateur est bas sur un modle changement de rgimes markoviens propos par Hamilton
(1989) et appliqu sur diffrentes sries reprsentatives du cycle classique amricain, choisies
de manire adquate. Les probabilits filtres obtenues partir de ces sries sont combines
en tenant compte du risque de faux signaux pour fournir en sortie une probabilit instantane
de rcession.

Ferrara (2008) prsente deux indicateurs dvelopps par la Banque de France, afin de suivre
sur un rythme mensuel les fluctuations de lactivit conomique franaise. Le premier est un
indicateur probabiliste du cycle dacclration (IPCA) destin dtecter les phases
dacclration et de ralentissement du PIB. Le second est un indicateur probabiliste de
rcession industrielle (IPRI) dont lobjectif est destimer loccurrence dune priode de

7
rcession dans le secteur industriel, au sens dune baisse du niveau de lactivit industrielle.
Chaque indicateur est construit partir dun modle changements de rgimes markoviens et
nutilise comme information que les enqutes mensuelles dans lindustrie ralises par la
Banque de France. Une validation historique depuis 1998 de ces deux indicateurs souligne
leur apport et leur complmentarit pour le diagnostic conjoncturel.

Keho (2009) sintressant leffet de la politique budgtaire sur lactivit conomique en
Cte dIvoire, utilise une approche par les modles changements de rgimes markoviens. Il
ressort ainsi des rsultats que les dficits sont favorables dans les priodes de rcession
seulement trs court terme. En dehors de ce rgime conjoncturel, la politique budgtaire
nexerce aucun effet significatif sur lactivit conomique. Ces rsultats permettent de
conclure que les rformes introduites pour contrler les drives budgtaires et restaurer
la crdibilit de la politique montaire ne pnalisent pas la croissance conomique.

3. Donnes et mthodologie
3.1-Donnes
La prsente tude procde une estimation des changements des cours du caf et du cacao.
Les donnes ncessaires pour cette estimation concernent donc les cours du cacao et du caf.
Elles proviennent essentiellement des donnes conjoncturelles du site dAfristat et sont des
sries mensuelles. Par ailleurs, elles couvrent la priode 1989-2008.

3.2-Mthodologie
Une multitude dapproches sont utilises dans le domaine de la statistique pour estimer le
changement des sries chronologiques.
3.2.1-Filtre de Hodrick-Prescott
Le filtre de Hodrick-Prescott (H-P) estime la tendance par lissage. Soit y
t
t = 1, 2, I,
le logarithme dune srie. y
t
peut tre dcompos en une composante tendanciel,
t
et en une
composante cyclique, c
t
soit y
t
=
t
+ c
t
. Pour un z bien choisi et positive, la tendance est
solution du programme suivant :
min
{:
t
]
1
T (y
t
-
t
)
2 1
t=1
+ z |(
t+1
-
t
) - (
t
-
t-1
)]
2 1-1
t=2
(1)

8
z est un paramtre de pnalit. Le premier terme mesure l'cart de la tendance la srie brute.
Le second terme, qui peut tre peru comme une drive seconde de la tendance, mesure
l'ampleur des inflexions de la tendance.
La solution du problme de minimisation de l'objectif quadratique de Hodrick-Prescott se fait
de faon rcurrente :
_

0
= y
0

1
= y
1

t+1
= (y
t+1
+ z(
t
+ (
t
-
t-1
))(1 + z)
(2)
Le choix de z est laiss au statisticien. Une valeur trs faible de ce paramtre donne une
tendance qui pouse la srie brute des donnes. Une valeur importante du paramtre z donne
une tendance linaire. Dans la pratique, les valeurs retenues pour le paramtre z dpendent de
la priodicit de la srie initiale. Hodrick et Prescott ont propos de retenir une valeur de z
gale 14400 pour les sries mensuelles, 1600 pour les sries trimestrielles, 400 pour les
sries semestrielles et 100 pour les donnes annuelles.
Les valeurs de ce paramtre peuvent tre drives du rapport des variances des composantes
tendancielle et cyclique de la srie initiale.
Le filtre de Hodrick-Prescott possde un certain nombre dinconvnients. Il est optimal sous
deux conditions majeures :
Premirement, les donnes doivent exister dans un I(2) tendance. Si la constante jetable
choque ou ddoublait, des taux de croissance se produisent. Le filtre produira des variations
dans la tendance qui n'existent pas rellement. Deuximement le bruit dans les donnes est
approximativement normal et blanc. Un autre inconvnient est le fait que le paramtre de
lissage est choisi de faon arbitraire. En dehors des inconvnients prcites, le filtre de H-P
nest pas le meilleur filtre car il a tendance privilgier les donnes chaque extrmit de
lchantillon de sorte que toutes dernires observations sinscrivent dans le cadre dun
redressement conjoncturel, la tendance estime sera biaise la hausse (French, 2001). Cette
limite est leve par les modles espace-tats notamment le filtre de Kalman (Hamilton, 1994).
Selon lauteur, le filtre de Kalman estime plus efficacement le changement de la variable
observe parmi tous les filtres, linaire et non linaire, de surcroit si lerreur du modle
espace-tat est gaussienne.
3.2.2-Filtre de Kalman
A partir de la littrature, nous optons pour un modle Tendance plus Cycle . Dans le cadre
de ce modle, la srie tudie est dcompose de manire additive en une tendance
t
, un
cycle c
t
et une composante irrgulire e
t
, inspir par (Harvey, 1989). Nous supposons que ces

9
trois composantes sont mutuellement non corrles entre elles. La variable
t
reprsentant la
dynamique d'volution du prix du cacao, scrit alors sous la forme suivante :

t
=
t
+ c
t
+ e
t
t = 1, , I (3)

t
=
t-1
+ [
t
+ p
t
(4)
[
t
= [
t-1
+
t
(5)
j
c
t
c
t
-
[ = p _
cosz
c
sinz
c
-sinz
c
cosz
c
_ j
c
t-1
c
t-1
-
[ + _
k
t
k
t
-
_ (6)
La composante irrgulire e
t
est un bruit blanc. c
t
-
est un paramtre technique ncessaire la
formulation du cycle c
t
.
Les quations (4) et (5) sont la reprsentation en une tendance linaire stochastique de
t

(Maurer, 1999), o . p
t
et
t
sont deux bruits blancs orthogonaux entre eux et de variances
respectives o
q
2
et o

2
non nulles. Le bruit p
t
permet au niveau de la tendance de fluctuer,
tandis que
t
a pour effet de faire varier la pente de la tendance. Les variances de ces deux
bruits dterminent la nature stochastique de la tendance. Ainsi, les mouvements stochastiques
dans la tendance sont importants dautant que les variances sont leves. Il faut noter que les
quations (4) et (5) dfinissent le modle Local linear trend (Harvey, 1989). Si seule la
variance o
q
2
est nulle, la tendance est alors intgre dordre deux et scrit :

t
= u
t
(7)
On a dans ce cas une tendance stochastique et stationnaire en diffrence lordre deux. Elle
volue en fonction de u
t
. Cette formulation dfinit une tendance du type Slowly Moving
Smooth Trend
1
. Cette hypothse correspond la modlisation que nous avons adopte dans ce
document
2
. Quant lquation (6), elle correspond la modlisation stochastique du cycle de
la srie. En somme, les quations (3) (6) dfinissent un modle structurel univari
composantes inobservables. En supposant o
s
2
u et la restriction {o
q
2
= u]
S
, le modle
gnral pour la srie est baptis Slowly Moving Smooth Trend plus stochastic cycle, dfini
prcdemment.
Puisque seul
t
est observe, alors nous avons un modle structurel composantes
inobservables. Par consquent il nous faut une reprsentation espace-tat pour pouvoir
lestimer (Maurer, 1999).

1
Nous empruntons la traduction propose par Maurer [1999] modle additif tendance rgulire de rythme lent
et cycle stochastique
2
Pour avoir les raisons de ce choix il faut se rfrer Maurer [1999], p.3.

10
Nous posons Z
t
, le vecteur dtat, Z
t
= _

t
[
t
c
t
c
t
-
_ et p
t
, le vecteur des innovations, p
t
= _
p
t

t
-
_.
Les quations dtat (8) et de mesure (9) dterminent la reprsentation espace-tat du modle
Tendance plus Cycle suivante :
|
t
[
t
c
t
c
t
-
]

= _
1 1 u u
u 1 u u
u
u
u
u
pcosz
c
psinz
c
-psinz
c
pcosz
c
_ _

t-1
[
t-1
c
t-1
c
t-1
-
_ + _
p
t

t
-
_ (8)

t
= |1 u 1 u
] _

t
[
t
c
t
c
t
-
_ + e
t
(9)
e
t
est lerreur de mesures.
Aprs cette spcification du modle sous sa forme espace-tat, nous pouvons, en utilisant le
filtre de Kalman, dsagrger la srie observe
t
.
Le filtre de Kalman est un estimateur qui permet de reconstituer les tats dun systme
perturbs en utilisant des mesures. La mthode du filtre de Kalman repose, dans notre cas, sur
l'identification des diverses composantes inobservables (tendance, cycle et irrgularit)
partir de la srie observe
t
. La technique du filtre de Kalman est un outil privilgi de
lestimation des modles structurels composantes inobservables. Elle consiste en un
ensemble dquations rcursives et procde dabord par un filtrage qui permet dobtenir la
meilleure approximation de ltat Z
t
du systme la date t, conditionnellement
linformation disponible jusquen t et ensuite par un lissage qui donne lapproximation
optimale du vecteur dtat linstant t, conditionnellement toute linformation disponible
sur lensemble de la priode, de 1 T. Le lissage permet destimer la tendance, le cycle et
lirrgularit de la srie initiale. Il est important de noter que dans les modles espace-tat en
gnral, les problmes de stationnarit et de racine unitaire trouvent leurs solutions. En
particulier, les rsultats du filtre de Kalman restent valides en prsence de sries non-
stationnaires. Par ailleurs, ce cadre permet galement de relcher lhypothse dune
distribution gaussienne pour les bruits (Lemoine et Pelgrin, 2003).
Certaines tudes empiriques sont arrives la conclusion que le filtre de Kalman, bien quil
soit optimal, ne donne pas de rsultats aussi satisfaisants. Do lintroduction des modles
changement de rgimes.

11
3.2.3-Processus changement de rgimes markoviens
Ce travail utilise le modle changement de rgimes markoviens pour estimer le changement
des prix du cacao et du caf. Les modles changement de rgimes markoviens ont t
introduits par Hamilton (1989) afin de prendre en compte un certain type de non-stationnarit
prsente dans de nombreuses sries macroconomiques et financires (Keho, 2009). Ayant
observ que ce type de sries prsentait souvent des ruptures dans leur moyenne, lide
dHamilton fut de modliser cette non stationnarit laide dun processus linaire par
morceaux.
Dans un modle changement de rgimes markoviens, la dynamique des variables change
potentiellement de rgime chaque priode de temps en fonction de ltat conjoncturel qui se
ralise. Pour la spcification, nous retenons la forme suivante :
y
t
= p(s
t
) +

(s
t
)y
t-
p
=1
+ o
s
t
e
t
(10)
o y
t
est une mesure stationnaire du prix du cacao ventuellement le prix du caf. Il est
important de remarquer que les paramtres du modle dpendent dune variable s
t

inobservable refltant ltat de lconomie.
Dans les modles changement de rgimes markoviens, on suppose que la variable dtat
s
t
suit un processus de Markov de premier ordre M tats probabilits de transition
constantes
4
. La probabilit que s
t
= ] sachant I
t-1
(lensemble dinformation disponible la
date t - 1 ayant un pouvoir prdictif sur s
t
) est donc dtermine uniquement par la valeur
courante de s
t-1
. Plus formellement, s
t
vrifie la proprit suivante :
Pi(s
t
= ]\s
t-1
= i, I
t-1
) = Pi(s
t
= ] \s
t-1
= i) = p
]
v i ct ] = 1, 2, , H (11)
o p
]
est la probabilit dtre ltat ] la date t sachant que lon tait dans ltat i la
date t - 1.
Ces probabilits de transition vrifient la relation suivante :
p
]
= 1
M
]=1
v i = 1, 2, , H (12)
En macroconomie, la variable inobservable, que lon note (s
t
)
t
, est suppose reprsenter
ltat courant de lactivit conomique et le nombre H de rgimes est gnralement suppos
gal deux ou trois.

4
Toutefois, certains auteurs (Filardo et Gordon, 1994 ; Durland et McCurdy, 1994) ont propos une extension
du modle MS dans laquelle les probabilits de transition sont autorises varier au cours du temps.
Ces modles sont connus dans la littrature anglo-saxonne sous lappellation MS-TVTP (Markov-Switching
with Time-Varying Transition Probabilities).

12
Dans le cas de deux rgimes (M=2), le modle scrit:
y
t
= p
1
+
1
y
t-
p
=1
+ o
1
e
t
quand s
t
= 1 (13)
y
t
= p
2
+
2
y
t-
p
=1
+ o
2
e
t
quand s
t
= 2

Dans ce cas, la matrice de transition est de la forme:
P = j
p
11
p
12
p
21
p
22
[ = _
p
11
1 - p
11
1 - p
22
p
22
_ (14)
A partir des mesures de la persistance des rgimes, p
11
et p
22
, on peut obtenir une estimation
de la dure moyenne des rgimes. Si on note J
t

la variable alatoire reprsentant la dure du


sjour du processus dans le rgime i, sachant que le rgime initial est i, alors cette variable
alatoire suit une loi gomtrique de paramtre (1 - p

), cest--dire pour tout n > u :


Prob(J
t

= 1) = p

n-1
(1 - p

) (15)
Par consquent, la dure de vie moyenne du rgime i est donne par E(J
t

) = 1(1 - p

).
On montre que (Hamilton, 1994):
P(s
t
= 1) = (1 - p
22
)(2 - p
22
- p
11
)
P(s
t
= 2) = (1 - p
11
)(2 - p
22
- p
11
) (16)
Pour lestimation du modle changement de rgimes markoviens, il sera utilis le package
fMarkovSwitching du logiciel R.
4. Rsultats empiriques
4.1-Analyse descriptive
Cette analyse est consacre une simple description de la srie sur le cacao et le caf. Elle
nous permettra de connatre lvolution des cours du cacao et du caf sur la priode
considre (1989-2008). La figure 1 retrace lvolution de la srie sur les cours du cacao et du
caf.
Figure 1: Evolution de la srie des prix du cacao et du caf






6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
90 92 94 96 98 00 02 04 06 08
Prixducacao (logarithme)
6.0
6.4
6.8
7.2
7.6
8.0
8.4
90 92 94 96 98 00 02 04 06 08
Prixducaf (Logarithme)

13
Comme on peut le constater travers la figure 1, le cours du cacao et du caf prsente une
volution erratique avec des chutes remarquables qui stendent de Novembre 98 Fvrier
2000 et des hausses entre Aot 2001 et Fvrier 2003 puis entre Aot 2007 et Septembre 2008
avant de chuter nouveau en Octobre 2008 pour le cacao. Tandis que pour le caf, on note
dabord une hausse spectaculaire au cours du mois de Septembre 1994 et une chute
remarquable en Aot 2002 avant de remonter de faon erratique jusquau mois dAot 2008
et de recommencer une chute. Il est noter donc que ces deux sries nont pas du tout une
tendance linaire sur la priode dtude.

Tableau 1: Statistiques descriptives de la srie des prix du cacao et du caf
Caf (logarithme) Cacao (logarithme)
Moyenne 7,189 7,255
Mdiane 7,183 7,278
Maximum 8,303 8,014
Minimum 6,150 6,758
Std, Dev, 0,450 0,253
Skewness 0,053 0,289
Kurtosis 2,472 3,160
Jarque-Bera 2,875 3,576
Probabilit 0,238 0,167
Somme 1711,085 1726,824
Somme Sq, Dev, 48,092 15,213
Observations 238 238
Source : Calculs des auteurs partir des donnes dAfristat

4.2-Rsultats des estimations
4.2.1-Filtre d Hodrick-Prescott
La figure 2 et la figure 3 retracent respectivement lvolution du cours du cacao et du caf
ainsi que leur tendance obtenue grce au filtre HP. Lvolution obtenue grce au filtre HP est
une tendance globale de la srie initiale mais cette volution cache des pics obtenus
certaines dates.





14
Figure 2 : Srie brute du cacao VS Filtre de Hodrick-Prescott (2 = 14 4)

Source : Compilations des auteurs sur la base des donnes dAfristat
Figure 3 : Srie brute du caf VS Filtre de Hodrick-Prescott (2 = 14 4)

Source : Compilations des auteurs sur la base des donnes dAfristat
4.2.2-Filtre de Kalman
Pour lestimation du cours du cacao et du caf, le filtre de Kalman a t galement utilis. Les
rsultats des estimations pour le cacao sont prsents dans le tableau 2.
Tableau 2 : Estimation du modle issu du filtre de Kalman pour le cacao
Tendance Cycle stochastique Terme irrgulier

Pente
o

2
(*10
3
)
Facteur damortissement
p
Frquence
z
c


Priode
2nz
c

Perturbation
o
K
2
(*10
3
)

o
s
2
(*10
3
)
0,648
(-24,50)
0,747
(6,05)
- - 1,918
(-17,75)
0,166
(2,09)
Notes : Les valeurs entre parenthses reprsentent les T-stat.
Source : Estimations des auteurs sur la base des donnes dAfristat
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
90 92 94 96 98 00 02 04 06 08
Cacao (logarithme) Tendance HP
6.8
7.2
7.6
8.0
8.4
8.8
90 92 94 96 98 00 02 04 06 08
Caf (logarithme) Tendance HP

15
A partir des rsultats de ces estimations, il est remarquer que tous les coefficients sont
significatifs, que ce soit la pente et le facteur damortissement pour la tendance, la
perturbation du cycle stochastique et le terme irrgulier.
Figure 4 : Srie brute du cacao, filtre dHodrick-Prescott VS filtre de Kalman

Source : Compilations des auteurs sur la base des donnes dAfristat
Figure 5 : Srie brute du cacao VS filtre de Kalman

Source : Compilations des auteurs sur la base des donnes dAfristat
Les figures 4 et 5 montrent respectivement une comparaison entre la srie brute du cours du
cacao et du caf, leur tendance obtenue par le filtre dHodrick-Prescott et celle obtenue par le
filtre de Kalman. Il faut remarquer que si le filtre dHodrick-Prescott donne une tendance
globale de la srie brute initiale, le filtre de Kalman ajuste beaucoup plus quelques erreurs
prs la srie brute en donnant une vue dtaille de certains pics et points de retournement.
Le filtre de Kalman approche donc mieux la srie brute initiale. Les figures 6 et 7 comparent
respectivement la tendance obtenue par le filtre de Kalman et celui dHodrick-Prescott pour
les sries sur le cacao et le caf.


6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
90 92 94 96 98 00 02 04 06 08
Cacao (logarithme)
Tendance filtre de KAlman
Tendance HP
6.8
7.2
7.6
8.0
8.4
8.8
90 92 94 96 98 00 02 04 06 08
Tendance filtre de kalman caf arabica ( Logarithme)

16
Figure 6 : Tendance issu du filtre dHodrick-Prescott VS filtre de Kalman pour le cacao

Source : Compilations des auteurs sur la base des donnes dAfristat

Figure 7 : Tendance issu du filtre dHodrick-Prescott VS filtre de Kalman pour le caf

Source : Compilations des auteurs sur la base des donnes dAfristat

4.2.3-Modle changement de rgimes markoviens
Le premier travail faire est de trouver le nombre de retard optimal pour chaque srie. Il
ressort que le nombre de retard inclure dans un modle avec changement de rgime est un
problme dicile rsoudre. Plusieurs chercheurs ont propos de trouver le modle AR(p)
acceptable par les critres connus, soit par AIC ou par BIC. Il sagit de considrer p comme le
nombre de retards appropri pour les deux rgimes en (13).
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
90 92 94 96 98 00 02 04 06 08
kalman Tendance HP
6.8
7.2
7.6
8.0
8.4
8.8
90 92 94 96 98 00 02 04 06 08
Tendance HP Tendance filtre de Kalman

17
Dautres chercheurs considrent que ce choix nest pas adquat et ont essay dadapter le
critre AIC ou BIC pour les modles avec changement de rgime. Nous considrons la
premire dmarche. Les rsultats sont prsents dans le tableau ci-dessous.
Tableau 3 : Dtermination du nombre de retard optimal
Nombre de retards

AIC

SC AIC

SC

Cacao Caf
1 -2,767 -2,753 -2,32 -2,29
2 -2,780 -2,770* -2,41* -2,37*
3 -2,799 -2,755 -2,40 -2,34
4 -2,811* -2,752 -2,39 -2,32
Note : * indique la plus petite valeur.
Source : Estimation des auteurs sur la base des donnes dAfristat

Les deux critres (AIC et SC) permettent de retenir deux retards (p=2) pour la srie caf.
Quant la srie cacao, nous avons le choix entre deux retards et quatre retards. Mais pour des
raisons de parcimonie et compte tenu du fait que le programme compiler sous le logiciel R
pour estimer le modle dconseille ce que lon estime les modles de plus de quatre
variables explicatives (pour cause de convergence), nous retenons donc p=2 pour le nombre
de retards de la srie cacao.
La suite de ce travail sera donc consacre lestimation dun modle MS(2)-AR(2) pour la
srie caf et cacao. Autrement dit, dans ce papier, il est procd lestimation dun modle
deux rgimes avec comme variables explicatives, la variable dpendante retarde dordre 1 et
2.
Les rsultats issus de la compilation de notre programme sous le logiciel R sont prsents
dans le tableau 4.






18
Tableau 4 : Estimation du modle changement de rgimes markoviens
Paramtres Rgime1 Rgime2 Rgime1 Rgime2
Cacao Caf
Constante 0,007
(0,005)
-0,019*
(0,004)
0,007
(0,013)
-0,007
(0,006)
y
t-1
-0,085*
(0,080)
-0,116*
(0,076)
0,370*
(0,164)
-0,226*
(0,080)
y
t-2
0,229*
(0,078)
0,063*
(0,088)
0,613*
(0,229)
0,175*
(0,073)
Dure du
rgime
10,13 2,66 1,39 2,60

Probabilits
de transition

0,90


0,38


0,28

0,38
0,10

0,62

0,72 0,62
o
S
t
0,064*
(0,004)
0,016*
(0,003)
0,090*
(0,010)
0,047*
(0,006)

InI

339,485

299,554
Notes : Les valeurs entre parenthses reprsentent les cart-types. * indique la
significativit au seuil de 5%.
Source : Estimations des auteurs partir du logiciel R

La dernire ligne de ce tableau donne la log-vraisemblance pour chaque modle relatif
chaque srie. Ainsi, comme il apparat dans le tableau, la log-vraisemblance du modle sur le
cacao est de 339,485 et celle du modle sur le caf est de 299,554.
Les figures 8 et 9 prsentent respectivement les graphiques sur les probabilits filtres, lisses,
les moyennes conditionnelles ainsi que les cart-types conditionnelles pour le cacao et le caf.








19
Figure 8 : Probabilits filtrs, lisss, moyenne et cart-type conditionnelle de la srie cacao

Source : Compilations des auteurs sur la base des donnes dAfristat
Figure 9 : Probabilits filtrs, lisss, moyenne et cart-type conditionnelle de la srie caf

Source : Compilations des auteurs sur la base des donnes dAfristat
0 50 100 150 200
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
Time
F
i
l
t
e
r
e
d

P
r
o
b
a
b
i
l
i
t
i
e
s
Filtered Probabilities for each State
State 1
State 2
0 50 100 150 200
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
Time
S
m
o
o
t
h
e
d

P
r
o
b
a
b
i
l
i
t
i
e
s

f
o
r

e
a
c
h

S
t
a
t
e Smoothed Probabilities
State 1
State 2
0 50 100 150 200
-
0
.
0
4
0
.
0
0
0
.
0
4
Time
F
i
t
t
e
d

C
o
n
d
i
t
i
o
n
a
l

M
e
a
n
Fitted Conditional Mean
0 50 100 150 200
0
.
0
2
0
.
0
4
0
.
0
6
Time
C
o
n
d
i
t
i
o
n
a
l

S
t
a
n
d
a
r
d

D
e
v
i
a
t
i
o
n
Fitted Conditional Standard Deviation
0 50 100 150 200
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
Time
F
i
l
t
e
r
e
d

P
r
o
b
a
b
i
l
i
t
i
e
s
Filtered Probabilities for each State
State 1
State 2
0 50 100 150 200
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
Time
S
m
o
o
t
h
e
d

P
r
o
b
a
b
i
l
i
t
i
e
s

f
o
r

e
a
c
h

S
t
a
t
e
Smoothed Probabilities
State 1
State 2
0 50 100 150 200
-
0
.
1
0
0
.
0
0
0
.
1
0
0
.
2
0
Time
F
i
t
t
e
d

C
o
n
d
i
t
i
o
n
a
l

M
e
a
n
Fitted Conditional Mean
0 50 100 150 200
0
.
0
5
0
.
0
7
0
.
0
9
Time
C
o
n
d
i
t
i
o
n
a
l

S
t
a
n
d
a
r
d

D
e
v
i
a
t
i
o
n
Fitted Conditional Standard Deviation

20
5. Discussion des rsultats
La spcification du modle changement de rgimes markoviens suivant deux rgimes
permet de faire quelques commentaires.
Pour ce qui concerne le cacao, la matrice de transition met en vidence une faible persistance
du rgime 2 et une forte persistance du rgime 1. En effet, la probabilit d'tre dans le rgime
1 la date t sachant qu'on tait dans le mme rgime t-1 est trs leve et est de 0,90. Par
contre, la probabilit d'tre dans le rgime 2 la date t sachant qu'on tait dans le mme
rgime t-1 nest pas trs leve et est de 0,62.
Ainsi, un mois de baisse des cours du cacao est suivi dans 90% des cas par un mois de baisse
des cours et un mois de hausse des cours du cacao est suivi dans 62% des cas par un mois de
hausse des cours du cacao. De mme, le passage du rgime 1 au rgime 2 sopre avec une
probabilit de 10%, ce qui explique que la dure moyenne du rgime de baisse des cours
soit environ de 10 mois. Par contre le passage du rgime de hausse des cours au rgime de
baisse des cours sopre avec une probabilit de 38%, ce qui explique que la dure moyenne
du rgime de hausse soit courte (environ trois mois). Lexamen des coefficients
autorgressifs estims par rgime fait apparatre un processus autorgressif de lcart des
cours du cacao propre chaque rgime.
Pour ce qui est du caf, la matrice de transition met en vidence une faible persistance des
deux rgimes. En effet, la probabilit d'tre dans un rgime la date t sachant qu'on tait dans
le mme rgime t-1 nest pas trs leve (0,28 pour le rgime 1 et 0,62 pour le rgime 2).
Ainsi, un mois de baisse des cours du cacao est suivi dans 28% des cas par un mois de baisse
des cours et un mois de hausse des cours du cacao est suivi dans 62% des cas par un mois de
hausse des cours du cacao. De mme, le passage dun rgime un autre sopre avec des
probabilits de plus de 37%, ce qui explique que la dure moyenne du rgime de baisse des
cours soit environ de 10 mois. Par contre le passage du rgime de hausse des cours au rgime
de baisse des cours sopre avec une probabilit de 38%, ce qui explique que la dure
moyenne des rgimes soit courte (environ trois mois). De plus, lorsquon examine les
coefficients autorgressifs estims par rgime il est remarquer quils font apparatre un
processus autorgressif de lcart des cours du caf propre chaque rgime.
Lestimation des cours du cacao et du caf selon la mthode du filtre de Kalman, dHodrick-
Prescott et par un modle de changement de rgimes markoviens a permis dextraire une
tendance au niveau de la premire mthode, une tendance, un cycle stochastique et un terme
irrgulier au niveau de la deuxime mthode puis enfin, des probabilits de transition, des
coefficients autorgressifs, des dures de rgime ainsi que leur volatilit dans le cas de la
troisime mthode.
Il faut noter que le filtre de Kalman permet de mieux approcher les sries brutes que le filtre
dHodrick-Prescott et les modles changement de rgimes markoviens permettent
danalyser les ruptures de tendance et ainsi, de dcomposer la srie entire en des rgimes afin
de mieux apprhender ce qui se passe au niveau de chaque rgime.

21

6. Conclusion
Lestimation des cours des matires premires comme le caf et le cacao ne constitue pas une
activit courante dans les pays les moins avancs. Souvent, il sagit de prendre connaissance
de ces cours qui prvalent sur le plan mondial alors que des mthodologies bien rigoureuses
peuvent permettre destimer ces cours afin danticiper les bonnes dcisions politiques et
conomiques.
Cette tude constitue une tentative destimation des cours du caf et du cacao. Dans cette
perspective, elle a utilis une mthodologie base sur trois mthodes savoir le filtre
dHodrick-Prescott, le filtre de Kalman et un modle changement de rgimes markoviens
qui, contrairement aux modles linaires, autorise les paramtres varier en fonction de la
situation conjoncturelle ; les transitions entre les rgimes tant gouvernes par une chane de
Markov.
Les rsultats auxquels cette tude aboutit montrent que le filtre dHodrick-Prescott ne donne
quune tendance gnrale de la srie que lon tudie alors que le filtre de Kalman approche
mieux la srie en donnant sa vraie tendance c'est--dire quil permet de voir les creux et les
pics. Le modle changement de rgimes markoviens quant lui dcompose la srie en des
rgimes puisquune tendance linaire nest pas adapte. Ainsi, ce modle donne les
probabilits de transition entre un rgime et un autre puis donne les dures moyennes de
sjour dans un sjour donn. Mais le modle MS(2)-AR(2) estim dans ce papier nest pas le
meilleur de tous les modles.
Compte tenu des difficults rencontres pour estimer un MSVAR, il a t prfr ce modle
qui sexcute trs facilement sous le logiciel R.

22
7. Bibliographie
[1] Baghli, M. et al (2002) PIB potentiel et cart de PIB : Quelques valuations pour la
Frane , Banque de France, Notes dtudes et de recherche.
[2] Boone, L. (1997), Estimation du cycle l'aide d'un modle tendance stochastique
et application au Royaume-Uni , CEPII, document de travail n 97-11
[3] Ferrara, L. (2008), Lapport des indicateurs de retournement cyclique lanalyse
conjoncturelle , Bulletin de la Banque de France N 171, Mars 2008
[4] Hamilton J.D. [1994], Time series analysis, Princeton University Press.
[5] Keho, Y. (2009), Effet de la Politique Budgtaire sur lActivit Economique en
Cte dIvoire Une Approche par les Modles changement de Rgimes
Markoviens , ENSEA
[6] Mark W. French Estimating changes in trend growth of total factor productivity:
Kalman and H-P filters versus a Markov-switching framework
[7] Matthieu Lemoine et Florian Pelgrin, 2003, Introduction aux modles espace-tat et
au filtre de Kalman , Revue de lOFCE 86
[8] Maurer, F. (1999), Une analyse des cycles de l'indice d'actions AFFI-SBF (1986-
1990) , cahiers de recherche, Universit Montesquieu Bordeaux 4.
[9] Ndongo, O. et Francis, Y. (2006), Datation du Cycle du PIB Camerounais entre
1960 et 2003 , MPRA Paper No. 552, posted 07.
[10] Racicot, F. et Thort, R. (2005), Quelques applications du filtre de Kalman en
finance : Estimation et prvision de la volatilit stochastique et du rapport cours-
bnfices , cahiers de recherche N15-2005, Universit de Qubec
[11] Randriamiarana, J. (2007), Lvaluation du risque par le filtre de
Kalman:application aux marchs mergents , Communication prsente la 4th
International Finance Conference , Hammamet, Tunisie, 15&17 mars 2007
[12] Randriamiarana, J. (2007), Lvaluation du risque par le filtre de Kalman:
application aux marchs mergents , Communication prsente la 4th
International Finance Conference , Hammamet, Tunisie, 15&17 mars 2007.