Vous êtes sur la page 1sur 69

MINISTERE DE LENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

REPUBLIQUE DE COTE DIVOIRE


Union-Discipline-Travail

UNIVERSITE DE COCODY

UFR-SEG/CIRES PROGRAMME DE FORMATION EN GESTION DE LA POLITIQUE ECONOMIQUE

THME MARCHE FINANCIER ET CROISSANCE ECONOMIQUE EN COTE DIVOIRE :


UNE ANALYSE DE LA CAUSALITE AU SENS DE GRANGER

D.E.S.S. Hautes tudes en Gestion de la Politique conomique


11me Promotion (2009-2010)
PRESENTE PAR : SOUS LA DIRECTION DE Pr. Mama OUATTARA Directeur du CIRES

DEMBELE Esae

Juillet 2010

Programme de Formation en Gestion de la Politique Economique Boulevard Latrille, prs Lyce Classique dAbidjan 08 BP 1295 Abidjan 08 _ Tl 22 48 62 12

DEDICACE

A ma chre mre F. KAMATE Suzane

AVANT PROPOS Dans le cadre de leur formation, les auditeurs du Programme de Formation en Gestion de la Politique Economique (GPE) effectuent en fin de formation, un stage professionnel dans les organismes internationaux, les institutions publiques, parapubliques ou prives. Ce stage permet lauditeur dappliquer sur le terrain les connaissances acquises durant la phase thorique et constitue une occasion dchanges fructueuses entre lauditeur et le personnel de linstitut daccueil. La fin du stage est sanctionne par la rdaction dun mmoire professionnel dont le thme est choisi en association avec linstitution daccueil de lauditeur. Ce mmoire professionnel fait lobjet dapprciation par un jury lors dune soutenance. Le prsent mmoire a t labor lissue de (3) mois de stage du 15 mai au 15 aot 2010, dont deux (2) mois par alternance et un (1) mois temps plein la Direction de la Privatisation et des Participations (DPP). Ltude a port sur le thme suivant : march financier et la croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger.

ii

REMERCIEMENTS

Au terme de cette tude, nous tenons remercier toutes les personnes qui ont contribu la ralisation de ce travail. Nous pensons particulirement : - Professeur Mama OUATTARA, Directeur du CIRES, pour avoir accept de diriger ce travail ; - Docteur Sca Paul ASSABA, Directeur du Programme GPE ; Nous ne saurions terminer ces propos sans tmoigner de notre reconnaissance aux familles DEMBELE et KAMATE de Bamako (Mali), pour leurs soutiens tout au long de notre sjour Abidjan. A tous ceux qui ont contribu la ralisation de ce travail, trouvez ici lexpression de notre profonde gratitude.

iii

LISTE DES TABLEAUX

TABLEAU N1 : TABLEAU N2 : TABLEAU N3 : TABLEAU N4 : TABLEAU N5 : TABLEAU N6 : TABLEAU N7 : TABLEAU N8 : TABLEAU N9 : TABLEAU N10 : TABLEAU N11 : TABLEAU N12 : TABLEAU N13 : TABLEAU N14 : TABLEAU N15 :

Matrice des corrlations entre les variables19 Test ADF de stationnarit en niveau sur les variables.21 Retard optimal du modle n1 selon les critres dinformation .22 Rsultat de lestimation du modle n1 ........23 Retard optimal du modle n2 selon les critres dinformation .23 Rsultat de lestimation du modle n2 ...........24 Retard optimal du modle n3 selon les critres dinformation .24 Rsultat de lestimation du modle n3 ...........25 Retard optimal du modle n4 selon les critres dinformation .25 Rsultat de lestimation du modle n4 ...........26 Retard optimal du modle n5 selon les critres dinformation.................26 Rsultat de lestimation du modle n5 ..........27 Retard optimal du modle n6 selon les critres dinformation .27 Rsultat de lestimation du modle n6 ...........28 Rsultat du test de causalit de Granger..29

iv

SIGLES ET ABREVIATIONS ACBF: ADF : AUPC : BRVM : BCEAO : BVA : DG : CGAP : CIRES : DPP : FMI : GPE : OCDE : PAS : PIB : PPTE : UEMOA : VAR : African Capacity Building Foundation Augmented Dickey-Fuller Programme dAssistance dUrgence Post Conflit Bourse Rgionale des Valeurs Mobilires Banque Centrale des Etats de lAfrique de lOuest Bourse des Valeurs dAbidjan Directrice Gnrale Groupe Consultatif dAssistance aux Pauvres Centre Ivoirien de Recherches Economiques et Sociales Direction de la Privatisation et des Participations Fonds Montaire International Gestion de la Politique Economique Organisation de Coopration et de Dveloppement Economiques Programme dAjustement Structurel Produit Intrieur Brut Pays Pauvres trs Endetts Union Economique et Montaire Ouest Africaine Vector Auto Regressive

UFR-SEG : Unit de Formation et de Recherche en Science Economique et de Gestion

RESUME Le mode de financement optimal, est une question depuis longtemps controverse et non rsolue dans la littrature conomique. Dans la prsente tude, nous nous sommes intresss lvaluation empirique de la relation qui existe entre le dveloppement du march boursier et lvolution de lactivit conomique. Afin datteindre cet objectif, nous avons fait une revue des tudes antrieures sur linteraction entre les indicateurs de dveloppement du march boursier lactivit conomique. Aussi, on a eu recours une analyse conomtrique faisant intervenir lestimation de modles (VAR) Vector Auto Regressive et la causalit au sens de Granger. Il ressort de ltude, les rsultats suivants : les taux de croissance antrieurs des variables financires (taille, profondeur) ainsi que celui du produit intrieur brut rel lui-mme favorisent son niveau actuel ; les taux de croissance antrieurs en prenant, comme mesure de la croissance conomique le taux de croissance de lpargne brute favorisent le dveloppement du march financier ; le taux de croissance de la profondeur du march boursier retard de deux ans, est dfavorable au taux de croissance de lpargne brute ; le taux dinflation favorise, les taux de croissance de la taille et de la profondeur du march boursier ; Le test de causalit indique au seuil de 5%, une relation de causalit unidirectionnelle du march boursier sur la croissance conomique. Cependant, un niveau de confiance de 90%, nous pouvons considrer que cette relation est bidirectionnelle. Lanalyse de ces rsultats, nous conduit proposer les recommandations suivantes aux autorits Ivoiriennes : rtablir la stabilit (politique, institutionnelle), en amliorant le cadre juridique, comptable et rglementaire, en fixant des rgles de diffusion dinformation plus compltes ; dynamiser les activits conomiques par la mise en place dun environnement propice aux affaires ;

vi

dvelopper une culture de partage de risque en matire daffaires, car la diversification des propritaires peut amliorer les performances des entreprises ;

diversifier les produits financiers ; inscrire dans les programmes scolaires des cours sur le rle de la bourse depuis le collge ;

renforcer la politique de communication lattention des oprateurs conomiques ; reformer les politiques fiscales dans le but dune plus grande souplesse et dune meilleure simplicit lgard des revenus de lpargne et de linvestissement et ce, afin de ne pas pnaliser le dveloppement du march financier ;

viter des ponctions sur le march financier qui ne vont pas dans la ralisation dinfrastructures socioconomiques, car elles augmentent les cots de prlvement de capitaux du secteur priv ; En somme, un march financier peut favoriser la croissance des revenus, et donc aussi

de lpargne. Des progrs dans le systme financier pourraient ainsi participer, au dclenchement dun processus cumulatif conduisant au dcollage conomique. En revanche, la croissance du secteur rel peut galement contribuer lamlioration des performances du systme financier. Alors, la politique de dveloppement doit faire le pari dune modernisation et dune adaptation des mcanismes de financement.

vii

Table des matires


DEDICACE ............................................................................................................................................. i AVANT PROPOS ...................................................................................................................................ii REMERCIEMENTS ...............................................................................................................................iii LISTE DES TABLEAUX ...................................................................................................................... iv SIGLES ET ABREVIATIONS ...............................................................................................................v RESUME................................................................................................................................................. vi PREMIERE PARTIE : FONDEMENTS THEORIQUES............................................................................... 7 Chapitre I : Concepts thorique et dfinitionnel .................................................................................. 8 1.1Dfinitions et concepts de march financier ................................................................................... 8 1.2 Notion de croissance conomique ................................................................................................. 9 Chapitre II : Les mesures du march financier, de la croissance conomique et leurs interactions ....... 11 2.1 Les interactions entre le march boursier et la croissance conomique ....................................... 11 2.2 Mesures du dveloppement du march financier et de la croissance conomique ...................... 14 2.2.1 Mesures du dveloppement du march financier ................................................................. 14 2.2.2 Mesures de la croissance conomique .................................................................................. 15 DEUXIEME PARTIE : ANALYSE DES INTERACTIONS ENTRE LE MARCHE FINANCIER ET LA CROISSANCE ECONOMIQUE ................................................................................................................ 16 Chapitre III : Approche mthodologique et analyses des donnes ........................................................ 17 3.1 Prsentation et spcification du modle ....................................................................................... 17 3.1.1 Prsentation du modle de causalit au sens de Granger ...................................................... 17 3.1.2 Spcification des modles ..................................................................................................... 17 3.1.3 Spcification du modle de causalit ..................................................................................... 18 3.2 Analyse des proprits statistiques des variables :......................................................................... 19 3.2.1 Calcul de la matrice des variances covariances ...................................................................... 19 3.2.2 Stationnarit des variables ..................................................................................................... 20 4.1 Estimation par le VAR ................................................................................................................. 22 4.2 Estimation de la relation de causalit au sens de Granger ............................................................ 28

viii

4.3 Rsultats et interprtations ........................................................................................................... 30 4. 3.1 Rsultats de ltude............................................................................................................... 30 4.3.2 Linterprtation conomique des rsultats............................................................................. 30 4.4 Test sur les rsidus ...................................................................................................................... 31 ANNEXES ..................................................................................................................................................x REFERENCES BIBLIOGRAPHIQUES ............................................................................................... xi

ix

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

INTRODUCTION
A travers lhistoire de lhumanit, lintrt particulier accord aux mcanismes de la croissance conomique et au dveloppement incite sintresser aux politiques pouvant assurer une croissance soutenue. Linvestissement joue un rle capital dans laccroissement de la productivit qui est lorigine de la croissance conomique durable. Do la ncessit dtudier les politiques susceptibles dassurer le financement de la formation du capital physique et humain. Lhistoire des faits conomiques nous renseigne quil existe deux modes fondamentaux de financement au sein des conomies o rgne lchange montaire (le financement direct et lintermdiation financire). Dans le cas de la finance directe, la relation de financement stablit entre les agents en excdent et les agents en dficit sans quaucun intermdiaire ne sinterpose entre eux. En revanche, dans le cas de lintermdiation financire, une institution sinterpose entre les agents en excdent et les agents en dficit de financement. Cet intermdiaire assume ainsi deux fonctions indissociables dans la finance directe. Dune part, il recueille les ressources que les agents en excdent sont disposs cder momentanment : il effectue ainsi une collecte des ressources. Dautre part, il oriente les ressources collectes vers le financement des agents en dficit auxquels il assure ainsi le crdit. Le mode de financement optimal, est une question depuis longtemps controverse et non rsolue dans les discussions de politique conomique. Lexprience de dveloppement conomique contraste de pays qui ont dvelopp en priorit les marchs financiers (Angleterre, Etats-Unis) et de ceux qui se sont appuys en priorit sur le systme de banques universelles (Allemagne, Japon) nous difie ce sujet. Premire puissance conomique de la zone UEMOA, la Cte dIvoire situe dans la partie occidentale du continent africain est un pays en dveloppement avec une population estime 20,8 millions dhabitants1 en 2008. Depuis lindpendance, il a opt pour un modle de dveloppement pragmatique qui devait permettre un dveloppement rapide,

progressivement matris par les nationaux, tout en assurant au pays un rle moteur en Afrique Subsaharienne. Le modle a bien fonctionn durant un temps, et lconomie Ivoirienne a cr plus rapidement que les autres pays dAfrique subsaharienne. Nous pouvons observer que de lindpendance 1980 le taux de croissance moyen a t de 7% 2par an. Cependant, lconomie Ivoirienne na pas su rsister au retournement de tendances des cours mondiaux du caf et du cacao. Le pays connat en 1980 sa premire crise de paiements extrieurs. Le dficit de la
1 2

Document de Stratgie de Rduction de la Pauvret en Cte DIvoire janvier 2009 Economie de la Cte dIvoire-wikipdia.org/w/index.php

Mmoire professionnel

GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

balance des paiements atteint 18%3 du PIB, le service de la dette approche les 40% 4du PIB et les avoirs extrieurs nets sont quasiment rduits nant. Lvolution des investissements privs (27,1 milliards FCFA en 1965, 25 milliards de FCFA en 1967 et 53,12 milliards de FCFA en 1970)5 montre que l'conomie Ivoirienne, aprs quinze annes de miracle, conservait des fondamentaux fragiles. Elle met en chec un des paris de la politique conomique des annes 1970 : le dveloppement d'un fort secteur priv industriel, que lEtat pensait voir ncessairement dcouler des trs importants investissements qu'il consentait en infrastructures et services de base. Or, sil y eut croissance industrielle, le dveloppement du secteur priv fut en de des attentes. Face ces difficults conomiques, lEtat va signer diffrents programmes dajustement structurel ayant pour finalit le rtablissement des grands quilibres macroconomiques et la cration des conditions dune croissance conomique acclre. Eu gard la place prpondrante qu'occupe ce pays dans l'conomie rgionale (40% du PIB de l'UEMOA)6, sa situation conomique actuelle affecte ngativement la production et le commerce rgional, en particulier dans les pays voisins que sont le Burkina Faso, le Mali, le Niger. Ceux-ci continuent de dpendre de ses infrastructures de transport pour l'import-export et des fonds transfrs par leurs diasporas respectives installes en Cte dIvoire. Avec un certain gel de la crise intrieure qui svit depuis Septembre 2002, la Cte divoire entreprend son redressement en obtenant un taux dinflation sous contrle (autour de 3%) et des taux de croissance positifs (+2,1% en 2007 ; +1,7% en 2008 et +4% en 2009), soit en moyenne de 2,6%, qui demeure toutefois en dessous du niveau d'accroissement naturel de la population, estim 3,3%. Ltat, pour sa part, ne parvient toujours pas tenir ses engagements extrieurs. L'Accord politique du 4 mars 2007 conclut entre l'tat ivoirien et la rbellion, a amorc une normalisation de la situation politique en crant un climat politique relativement apais, permettant une certaine avance dans le rtablissement des institutions de la rpublique et la runification du pays. Conforte par cette runification du pays d'une part, la rhabilitation des infrastructures publiques en cours ainsi que le retour progressif de la confiance du secteur priv d'autre part, l'conomie ivoirienne enregistre depuis 2007, une lgre reprise ; mais la situation reste encore globalement fragile.

3 4

Economie de la Cte dIvoire-wikipdia.org/w/index.php Idem 5 Tous ces chiffres entre parenthses sont tirs de la base de donnes PROMES 6 Economie de la Cte dIvoire-wikipdia.org/w/index.php

Mmoire professionnel

GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

D'une manire gnrale, avec un taux de croissance annuel moyen du PIB de 7% 7 durant les quinze premires annes de son indpendance, la Cte d'Ivoire qui tait classe comme un pays croissance rapide (un futur pays mergent) est, depuis mars 1998, la recherche du bnfice de l'initiative pays pauvres trs endetts (PPTE). Un examen critique de cette situation montre, limprieuse ncessit de mobiliser les ressources intrieures. Lhistoire des faits conomiques et sociaux met en exergue le rle qua jou lpargne dans lascension conomique de lEurope. En effet, dans cette contre du monde, la mobilisation de lpargne a permis le financement du dveloppement. En revanche, lAfrique subsaharienne, est caractrise par linadquation entre les services offerts par les structures financires et les besoins du dveloppement. Lpargne qui est la partie du revenu non consomme, se rvle de plus en plus insuffisante pour une croissance conomique durable dans nos pays faible revenu. Schumpeter (1912) dans son ouvrage La thorie de l'volution conomique prcise que le crdit sert le dveloppement industriel et qu'il est une condition pralable la cration et au dveloppement de l'innovation et donc la croissance conomique. Ds lors, pour tre au rendez vous du dveloppement, il faut btir un systme financier performant. A laube du XXIe sicle, le dbat sur les rapports entre finance directe et intermdiation financire semble ainsi plus ouvert et plus riche que jamais. Mais, il est vrai que ce rquilibrage entre les diffrentes proccupations de la gestion financire ne concerne que les grandes entreprises car, elles seules ont accs au financement direct. Il reste difficile aujourdhui de dterminer, le mode de financement optimal. Mais dans les pays en dveloppement, eu gard ltroitesse et laccs au march financier, le recours lintermdiation financire parat plus indiqu. Domaine longtemps rest en marge, le March Financier peut tre un puissant vecteur de dveloppement conomique par sa contribution au financement de linvestissement public et priv. Les travaux de Goldsmith (1969) et Shaw (1973) ont mis en vidence un lien positif entre le systme financier et la croissance conomique. Cette situation interpelle, universitaires et professionnels de lconomie quant au mode de financement en Afrique subsaharienne dans la globalit et singulirement en Cte dIvoire. Le taux daccs aux services financiers (pargne et crdit) est faible en Afrique Subsaharienne comparativement aux autres contres en dveloppement. Dans le rapport (Access 2009) de lenqute sur la disparit entre les services financiers fournis aux riches et ceux fournis aux
7

Economie de la Cte dIvoire-wikipdia.org/w/index.php

Mmoire professionnel

GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

pauvres, Elizabeth Littlefield, DG du CGAP estime que seulement 30 % des personnes dans les pays en voie de dveloppement possdent des comptes de dpt dans des institutions financires rglementes, compar 80 % dans les pays dvelopps. Pour 70 % de la population des pays en voie de dveloppement exclue du systme financier rglement, les transactions financires de base comme les paiements ou l'pargne sont tout simplement indisponibles. De plus, laccs aux services financiers dcentraliss (surtout aux microcrdits qui en constituent la principale composante dans la plupart des pays de lAfrique subsaharienne) ne garantit pas en soi une croissance importante des revenus des plus pauvres (Servet, 2006), car les besoins sociaux de base chez ces populations sont tels que le risque de dtournement des crdits de leur objet sont importants. Pour Servet, il est tout aussi dangereux de laisser croire que ces petits prts aient pour finalit principale linvestissement productif. Les rsultats avancs ci-dessus dnotent lampleur du problme daccs aux services financiers en Afrique subsaharienne et lintrt de dvelopper les rapports entre institutions financires, pour amliorer qualitativement et quantitativement les crdits allous lconomie. Gulde et Pattillo (2006) soulignent que le manque de crdit freine la croissance, abaisse le niveau de vie et entrave la lutte contre la pauvret . En Cte dIvoire, la difficult daccs au crdit sexplique par son cot (taux dintrt dbiteur moyen 15%)8, la faiblesse structurelle du taux dpargne et la faible capacit des banques transformer les ressources courtes en ressources longues. La Bourse Rgionale des Valeurs Mobilires (BRVM) qui a dmarr ses activits le 16 septembre 1998, est une Institution ayant repris le patrimoine de la bourse des valeurs dAbidjan (BVA) cre en 1976. Elle sest fixe pour objectif de relever le taux dpargne par la diversification des produits financiers et de renforcer la structure financire des entreprises en leur facilitant la mobilisation de capitaux longs et rduire les cots dintermdiation par la mise en relation directe de loffre et de la demande de capitaux. Le march financier rgional devrait constituer un puissant vecteur de dveloppement conomique par sa contribution au financement de linvestissement, permettant de ce fait daccroitre lefficacit et la comptitivit des entreprises. Mais force est de reconnatre que la BRVM reste un march naissant (environ 37% du Produit Intrieur Brut ivoirien en 20089) o sont ralises trs peu de transactions (environ 3% de la capitalisation boursire au

Nos calculs sur la base de donnes PROMES 9 Calcul effectu en rapportant la capitalisation boursire de toute la zone UEMOA pour lanne 2008 (source BRVM) au PIB prix courant de lanne 2008 de la Cte dIvoire (source Banque Mondiale).

Mmoire professionnel

GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

cours de lanne 200810). Le systme de cotation reste encore ponctuel (un fixing du cours des titres par jour, du lundi au vendredi). De plus, la bourse ne semble pas avoir encore atteint lune de ses missions qui est daider au renforcement de lintgration conomique des Etats membres de lUEMOA, car sur 40 entreprises cotes sur le march des actions, 36 sont ivoiriennes. La BRVM reste donc encore dvelopper aussi bien en termes de taille que dactivit. La question que lon se pose ici, est de savoir si le dveloppement du march secondaire peut comme nous lesprons aider au dveloppement dune conomie. La rponse nest pas aise ; le boom des marchs boursiers des pays mergents au cours des deux dernires dcennies avait dj amen des chercheurs et des dcideurs politiques sintresser linfluence que pourrait avoir lactivit boursire sur la croissance conomique. Pour ce qui est du cas spcifique de la Cte dIvoire, Fofana, F. N (2003) a quant lui tudi les liens entre le dveloppement de la Bourse Rgionale des Valeurs Mobilires (BRVM) et lvolution de lactivit conomique. Ces tudes comme la plupart des tudes dans ce domaine, utilisent un indicateur synthtique de dveloppement du march boursier. La question ici est danalyser le lien de causalit entre dveloppement du march boursier (mesur par les variations de sa taille, de sa liquidit et de sa profondeur), la croissance conomique et les variations du taux dpargne brute. Par ailleurs, quelle est lefficacit du financement de lconomie par le march financier ? Il apparat quil nexiste que trs peu dtudes valuant leffet du dynamisme des diffrents indicateurs de dveloppement du march boursier sur la croissance conomique ainsi que sur le taux dpargne pour le cas spcifique de la Cte dIvoire. Les conclusions de cette tude devraient donc permettre de rvler si le march boursier constitue un outil de ralisation de croissance conomique, offrant ainsi, aux dcideurs des politiques conomiques, de nouvelles possibilits exploiter en vue de rsorber la crise conomique que nous traversons.

Cette tude a pour objectif danalyser, les relations qui pourraient exister entre les indicateurs de dveloppement de la BRVM et lvolution de lactivit conomique. Pour atteindre lobjectif principal de ltude, seront values la nature des liaisons qui existent entre le march boursier et :
10 Calcul effectu en rapportant la valeur des transactions boursires effectues au cours de lanne 2008 (source BRVM) la capitalisation boursire de lanne 2008. En guise de comparaison, sur la bourse de New York ce ratio est suprieur 100% (source www.nysedata.com)

Mmoire professionnel

GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

- le taux dpargne brute ; - la croissance du Produit Intrieur Brut (PIB) rel par tte. Lhypothse de base retenue est quil nexiste pas, de relation de causalit entre les indicateurs du march boursier et lvolution des activits conomiques. Les hypothses suivantes seront testes : - le march boursier influence positivement le taux dpargne brute ; - le march boursier influence positivement la croissance du PIB rel par tte. Lapproche consistera dune part, lanalyse du cadre thorique et dfinitionnel des concepts et dautre part, la vrification empirique de nos hypothses de recherche. Pour cela, nous utiliserons des techniques conomtriques comme lestimation des modles et lanalyse de la causalit au sens de Granger. Ltude conomtrique sera faite laide du logiciel EVIEWS 5 partir des donnes secondaires fournies par la BCEAO (variables macroconomiques) et la BRVM (variables boursires). Notre tude se subdivise en deux grandes parties. Une premire partie sera consacre, aux concepts thoriques et dfinitionnels du march boursier et de la croissance conomique. La seconde partie portera, sur lanalyse conomtrique des hypothses postules.

Mmoire professionnel

GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

PREMIERE PARTIE : FONDEMENTS THEORIQUES

Mmoire professionnel

GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Chapitre I : Concepts thorique et dfinitionnel


Avant toute analyse, il est ncessaire de dfinir les concepts macroconomiques et financiers faisant lobjet dtude.

1.1Dfinitions et concepts de march financier


Les Bourses de valeurs ou marchs financiers sont des lieux o s'changent diffrents produits financiers ; parmi ceux-ci les plus connus sont les actions et les obligations. Cependant il existe une multitude d'autres produits (options, warrants, bons de souscription...) dont le nombre n'est limit qu' l'imagination des financiers. La Bourse joue le double rle d'tre la fois un lieu de financement pour les entreprises (mission d'actions ou d'obligations) mais galement un lieu de placement (investisseurs). C'est pour cette raison que le march boursier est scind en deux sous marchs qui sont respectivement le march primaire et le march secondaire. Le rle du march primaire est d'organiser la rencontre de socits cherchant financer leur dveloppement et des dtenteurs de capitaux. Le march secondaire tient plutt le rle du march de l'occasion o les diffrents intervenants peuvent s'changer les titres, c'est ce march qui est bien sr le plus actif puisqu'il s'change des milliards de dollars par jour la bourse de New York. La bourse joue donc un rle primordial dans l'conomie contemporaine. Les entreprises y trouvent une partie des capitaux ncessaires leur expansion tandis que l'Etat y finance le dficit de ses comptes. A l'origine, la Bourse tait un march suppos ouvert quiconque souhaitait vendre ou acheter; la Bourse de Paris fut certainement rige dans cet esprit, et sigea dans un difice construit aux frais du public. Mais bientt on ralisa que, pour homologuer ces contrats, il fallait un organisme officiel. C'est ainsi que les personnes autorises exercer en Bourse furent limites certaines catgories d'oprateurs, ce sont les socits de bourse qui sont les intermdiaires obligs pour oprer en bourse. En effet, un particulier ne peut pas intervenir directement sur le march, il doit obligatoirement transmettre ses ordres un intermdiaire financier (socit de bourse, tablissement financier, socits de gestion et dintermdiation la BRVM). Au contraire des marchs de gr gr (forward ou futures) sur lesquels les changes s'effectuent par accord bilatral entre un acheteur et un vendeur, la bourse est un march rglement qui organise: - La liquidit, c'est dire la facilit des changes par la concentration du plus grand possible d'ordres d'achat et de vente. - L'galit entre tous les intervenants par la transparence et l'accs instantan au march. - La scurit, par la garantie que les acheteurs seront livrs et les vendeurs pays date dtermine (J+3 la BRVM).
Mmoire professionnel GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Enfin, la bourse en tant qu'instrument de placement, permet aux particuliers de devenir les associs des plus grandes entreprises prives industrielles et commerciales par le biais des actions. Ou, de devenir les cranciers de ces socits et de collectivits publiques comme l'Etat et les grandes entreprises nationales en achetant des obligations.

1.2 Notion de croissance conomique


La croissance conomique est laugmentation sur une longue priode du produit intrieur brut rel par tte. Son caractre quantitatif la dmarque du dveloppement qui est de nature qualitative. La croissance conomique requiert la mise en place de certains facteurs cls : des institutions stables, une formation du capital humain, une spcialisation selon la loi de la division du travail dAdam Smith et la loi des avantages comparatifs de David Ricardo, une fiscalit qui encourage le travail, un systme financier appropri et efficace. Les thoriciens conomiques ont toujours essay dexpliquer les sources de la croissance. Pour les modles traditionnels (classiques et noclassiques) la croissance est explique par deux facteurs : le capital et le travail. Elle doit rsulter de laugmentation simultane des deux facteurs utiliss. La croissance ainsi obtenue est qualifie de croissance intensive. Or, dans lhypothse noclassique, le rendement de chacun de ces facteurs est dcroissant. Cela revient dire que, si lon augmente lun de ces deux facteurs, alors que lautre restait fixe, il arrivera un moment o, mme en cas de hausse de la production, la productivit, elle finira par dcrotre. Cela revient dire que, la production augmentera dans des proportions plus faibles ou un taux dcroissant. La thse des rendements dcroissants conduit Solow (1956), montrer que la croissance nest pas seulement tire par la seule combinaison du capital et du travail. Il attribue alors le rsidu au progrs technique. Celui-ci est prsent comme une manne qui tombe du ciel et nest pas expliqu. Cest donc un facteur exogne, c'est--dire extrieur lconomie. Mais lide que, la croissance tait le fait du hasard tait difficilement acceptable et surtout expliquait mal les carts de taux de croissance entre les diffrents pays. Cest ainsi, qu partir des annes 80 naissent de nouvelles thories de la croissance avec une approche originale, dites de thories de la croissance endogne dveloppes par (Romer, Barro etc). Ces auteurs soutiennent que le progrs technique est endogne car il dcoule de dcisions dinvestissement des agents conomiques et replacent la politique conomique au centre de la croissance conomique. LEtat doit inciter linvestissement dans le progrs technique, la formation et les changes avec le reste du monde car ils exercent un effet positif sur la croissance conomique. La Bonne Gouvernance entretenue par un constant renforcement des capacits, tant
Mmoire professionnel GPE-11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

matrielles, institutionnelles quhumaines, est un lment ncessaire la promotion de la croissance conomique et la rduction de la pauvret. Celle-ci suppose des pratiques novatrices, empreintes de transparence et de participation. La dfinition des objectifs prcis en la matire constitue un lment utile de pilotage efficace des politiques; leur ralisation effective concourt asseoir durablement la croissance conomique et garantir une quitable rpartition. Les proccupations de bonne gouvernance et de renforcement des capacits devraient en consquence sintgrer tout schma de rforme conomique, social ou politique ayant pour finalit la rduction de la pauvret. Ces thories de la croissance endogne ont critiqu le modle de Solow selon lequel la croissance est dtermine principalement par le progrs technique qui a la particularit dtre exogne. Il na donc pas besoin dtre financ, ce qui le rend indpendant des dcisions de politiques conomiques. Ce nest pas le cas dans le cadre des modles de la croissance endogne. Si ces thories ne constituent pas une potion magique garantissant une croissance conomique rapide, elles en offrent de multiples lments explicatifs et fournissent de ce fait un cadre intellectuel dans lequel peut sinsrer une large part des dbats sur les politiques conomiques de croissance de long terme. De ce qui prcde, lanalyse de la croissance accorde de plus en plus une place de choix aux politiques de financement. Le chapitre suivant portera sur les mesures du march financier, de la croissance conomique et leurs interactions.

Mmoire professionnel

GPE-11

10

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Chapitre II : Les mesures du march financier, de la croissance conomique et leurs interactions


Aprs avoir dfini les concepts cls de ltude, nous nous intresserons dans ce chapitre aux interrelations march financier et croissance conomique. Il sera aussi question, des mesures du march financier et de la croissance conomique. Dans le domaine, divers travaux thoriques et empiriques existent.

2.1 Les interactions entre le march boursier et la croissance conomique


Lhistoire de la pense conomique nous enseigne que, lide dun lien entre le dveloppement du march financier et la croissance conomique existe depuis longtemps. Bagehot (1873), Schumpeter (1911), Gurley et Shaw (1955) ont t les premiers la mettre en vidence. En effet, Bagehot (1873) et Hicks (1969) mettent en vidence le rle critique qua jou le systme financier dans lessor de lindustrialisation en Angleterre en facilitant la mobilisation du capital. Schumpeter (1912) quant lui souligne que lorsque les banques fonctionnent bien, elles encouragent linnovation technologique en identifiant et en finanant les entrepreneurs avec un plus grand potentiel innovateur. Une littrature rcente argumente que les marchs boursiers procurent des produits qui dopent la croissance conomique. Greenwood et Smith (1997) soulignent le rle du march boursier dans la croissance conomique, en indiquant quil fait baisser les cots de mobilisation de lpargne, facilitant ainsi linvestissement dans des technologies plus productives. Jensen et Murphy (1990), quant eux, expliquent que sur un march boursier bien dvelopp, le lien entre la rmunration des dirigeants et les valeurs boursires suppose la convergence des intrts des actionnaires et des managers de lentreprise ; cela a donc un effet positif sur la croissance par le biais de lallocation efficiente des ressources des entreprises. Levine (1991) puis Bencivenga R.Valerie, Bruce D. Smith, et Ross M. Starr (1997) ont labor des modles qui montrent que la liquidit dun march boursier rduit la rticence des agents conomiques investir dans des projets de longue dure et ayant de meilleurs rendements, favorisant ainsi lvolution de lactivit conomique. Sagissant toujours de la liquidit, Grossman et Stiglitz (1980), Kyle (1989) puis Holmstrom et Tirole (1993) montrent quelle incite les agents conomiques mieux sinformer sur les entreprises, cette situation conduit donc les managers adopter une gestion efficace, induisant de ce fait un impact positif sur la croissance. Devereux B. Michael et Smith W. Gregor (1994) et Obstfeld Maurice (1994) montrent que le partage des risques au plan international grce lintgration internationale des marchs boursiers induit une mutation des portefeuilles de peu risqu avec faible rendement peu
Mmoire professionnel GPE-11

11

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

risqu avec des rendements plus importants, acclrant ainsi la croissance de la productivit. Dun autre ct on trouve ceux qui pensent plutt que le march secondaire pourrait avoir une influence ngative sur la croissance conomique directement ou par le biais de la liquidit ou de lintgration internationale du march. Shleifer et Summers (1988) puis Morck, Shleifer, et Vishny's (1990a,b) dans leurs analyses aboutissent la conclusion quun march boursier trop important peut favoriser des prises de contrles contreproductives des entreprises conduisant un effet ngatif direct sur la croissance. Les travaux de Shleifer Andrei et Vishny W. Robert (1986) puis ceux de Bhide Amar (1993) concluent quun coefficient de liquidit plus important rduit lincitation des actionnaires contrler la gestion des entreprises, tche qui de plus se rvle dj coteuse. Stiglitz (1985, 1993) va dans le mme sens, en soulignant que la liquidit rduit les coteuses recherches dinformations sur les entreprises et sur leur mode de gestion. Demirguc-Kunt et Levine (1996) expliquent quune liquidit leve rduit le taux dpargne pour deux raisons. Dabord des rendements plus levs entrainent une baisse du taux dpargne par leurs effets de revenu et de substitution. Ensuite, la baisse des risques sur placement (la liquidit permettant de se dbarrasser facilement des mauvais placements) a aussi un effet ngatif sur le taux dpargne ( cause de la plus grande effectivit des gains). De plus, la rapidit et le faible cot des transactions encouragent la myopie des agents conomiques, ceux-ci sintressant moins la gestion des entreprises, influenant ainsi ngativement la gestion des ces dernires, do un impact ngatif sur la croissance conomique. Il est important de nuancer cette position, car les investisseurs sur le march boursier nont pas les mmes objectifs. Certains font des placements pour prparer leur retraite ou pour voir la valeur de lentreprise la hausse. Ces derniers ont une vision sur le long terme, et ne peuvent donc pas se dsintresser du comportement des managers. Devereux B. Michael et Smith W. Gregor (1994) mettent aussi en relief le fait que la rduction des risques due lintgration internationale des marchs boursiers rduit le taux dpargne, attnuant ainsi leffet positif de cette intgration sur la croissance conomique. En revanche, certains conomistes comme Robinson. J (1952) pensent que cest plutt la croissance conomique qui draine le systme financier. Le dveloppement conomique crerait donc des demandes de type particulier auxquelles rpond le systme financier en se dveloppant. Le dveloppement des marchs financiers peut tre donc interprt comme le rsultat des demandes exprimes par le secteur productif. En consquence, la nature des produits financiers dpend des besoins de la sphre relle. La causalit vue prcdemment est

Mmoire professionnel

GPE-11

12

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

alors inverse : le processus de croissance exige de nouveaux modes de financement, ce qui provoque le dveloppement des marchs financiers. Patrick (1966) a labor un cadre de rfrence utile pour ltude des relations de causalit entre dveloppement financier et croissance. Lhypothse mise par Patrick est que le dveloppement financier entranant loffre est prdominant pendant les phases initiales de dveloppement conomique puisquil permet notamment de financer efficacement des investissements qui incorporent les innovations technologiques. Lorsque le processus de dveloppement arrive maturit, le dveloppement financier induit par la demande devient dominant. Ici, le dveloppement financier apparat comme une consquence du dveloppement du secteur rel. En fin, certains conomistes ne croient pas quil y ait une relation importante entre systme financier et croissance conomique. Ainsi, Lucas Robert (1988) pense que le rle des facteurs financiers dans la croissance conomique est exagr. Mayer (1990) affirme quun march boursier dvelopp nest pas important pour le financement de lentreprise. Dautres auteurs comme Stiglitz (1985,1993) allant dans le mme sens affirment que la liquidit des marchs financiers na pas dimpact sur le comportement des gestionnaires de compagnies et donc nexerce pas un certain contrle corporatif. La plupart des conomistes du dveloppement sont galement sceptiques quant au rle du systme financier dans la croissance conomique. Au-del du dbat thorique qui a cours, force est de constater que trs peu dtudes empiriques portant sur la relation entre le march boursier et la croissance conomique existent. Les plus importantes tudes empiriques visant vrifier cette relation sont celles de Levine et Zervos (1996, 1998). Ces deux tudes portent sur un ensemble de 41 pays, sur une priode allant de 1976 1993 (pour les sries de donnes les plus longues). Mais dans la mesure o ces tudes incluent aussi bien des pays dvelopps que des pays sous-dvelopps, les conclusions qui en dcoulent ngligent de ce fait les effets spcifiques imputables chaque type dconomie. Aprs ces deux auteurs dautres ont tudi les cas spcifiques de certaines conomies. P armi ces tudes, on peut citer celle de Mohtadi et Agarwal ; cette tude value le lien entre la croissance conomique et divers indicateurs de dveloppement du march boursier, en se basant sur les donnes de 21 pays mergents, pour une priode dobservation de 21 ans. Atje et Jovanovic (1993) ont obtenu des rsultats favorables lhypothse dun effet positif du dveloppement du march des titres sur la croissance conomique. Cette tude porte sur un chantillon de 72 pays, mais sur une priode assez courte (1980-1988) qui nest pas reprsentative des tendances de croissance de long terme. La pertinence de lhypothse de
Mmoire professionnel GPE-11

13

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Patrick cite plus haut a t examine par des tests de causalit de Granger par Gupta (1984) et Jung (1986). Alors que le premier obtient sur un chantillon de taille rduite des rsultats favorables, le second obtient des rsultats plus nuancs sur la base dun chantillon compos de 56 pays dvelopps et de pays en dveloppement. Pour ce qui est du cas spcifique de la Cte dIvoire, Fofana F. N (2003) a quant lui tudi les liens entre le dveloppement de la Bourse Rgionale des Valeurs Mobilires (BRVM) et lvolution de lactivit conomique. Il a abouti une causalit unidirectionnelle qui va de la croissance conomique vers le march financier. Par ailleurs, il invite considrer le march boursier comme facteur pouvant avoir une contribution significative la croissance conomique. Ensuite, Diarrassouba.V (2007) sest pench sur le mme problme et a conclu une corrlation positive entre le march boursier et la croissance conomique. En somme, les travaux empiriques analysant le lien entre le march financier et la croissance conomique ont frquemment abouti des effets positifs, conformment la majorit des travaux thoriques.

2.2 Mesures du dveloppement du march financier et de la croissance conomique 2.2.1 Mesures du dveloppement du march financier
La thorie ne fournit pas une mesure unique du dveloppement du march boursier. Les mesures suggres pour mesurer le dveloppement du march boursier sont essentiellement relatives la taille du march, la liquidit du march, et lintgration avec les marchs boursiers internationaux. A linstar de Levine (1997), nous utilisons plusieurs mesures du dveloppement des marchs boursiers. Il sagit essentiellement des mesures relatives la taille et la liquidit du march. Mesure relative la taille du march Pour mesurer la taille du march boursier (SIZE), Levine et Zervos (1996) ont utilis le ratio de la capitalisation du march divise par le Produit Intrieur Brut (PIB). La capitalisation du march est gale la valeur totale de tous les titres inscrits. En effet, comme le mentionnent Levine et Zervos (1996), la taille du march boursier est positivement corrle avec lhabilet mobiliser le capital et diversifier le risque. Dans cette tude, le taux de croissance de la capitalisation boursire sera retenu. Mesure relative la liquidit du march Pour mesurer la liquidit du march diffrentes mesures sont utilises. La premire mesure (VALTRADE) se retrouve dans Levine et Zervos (1996). Il sagit du ratio de la valeur totale des
Mmoire professionnel GPE-11

14

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

transactions divise par le PIB. Cette mesure complte celle de la taille du march car le march peut tre de grande taille mais inactif. La seconde mesure de liquidit du march utilise par ces auteurs, est le taux de rotation en volume gal au rapport des transactions en volume sur la capitalisation boursire en volume. Cette mesure complte galement celle de la taille du march, car le march peut tre important mais inactif. Dans cette tude, nous retiendrons le taux de croissance de la valeur des transactions. Mesure relative la profondeur du march La profondeur du march est une autre dimension de la liquidit mise en exergue par Black (1971). Elle indique la quantit de titres quil est possible de ngocier aux prix affichs sur le march. Elle mesure en fait linfluence quun ordre peut exercer sur le prix actuel du march. Plusieurs auteurs dont King et Levine (1993a,b) et DeGregorio et Giudotti (1995) identifient une corrlation significative entre la profondeur financire et la croissance conomique. Pour mesurer la profondeur financire, ces auteurs utilisent la masse montaire M2 divise par le PIB. En effet, la masse montaire est essentiellement relie lhabilet du systme financier fournir de la liquidit. Nous utiliserons le taux de croissance de la mesure que ces auteurs ont prconis, appele ici DEPTH.

2.2.2 Mesures de la croissance conomique


Concernant les mesures indicatrices de la croissance conomique, nous retenons la variation du Produit Intrieur Brut par tte (CROSS) et la variation du taux dpargne (SAVE). La premire mesure est celle communment utilise. Nous avons retenu la seconde car les variations du taux dpargne jouent un rle cl dans la croissance conomique. En effet, il existe un dbat sur leffet de certains indicateurs du march boursier sur le taux dpargne. Selon, certains auteurs la liquidit du march boursier a un impact ngatif sur le taux dpargne. Cette mesure sinspire des travaux de Mohtadi et Agarwal. Ces derniers ont exprim dans leur tude linvestissement la date t en fonction des variables du march boursier de lanne prcdente. Dans cette tude, sera retenu le taux de croissance du taux dpargne brute pour estimer cet effet.

Lanalyse conomtrique des interrelations entre le march financier et la croissance conomique fera lobjet de la partie suivante. Elle sera mene sur la priode 1976-2008.

Mmoire professionnel

GPE-11

15

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

DEUXIEME PARTIE : ANALYSE DES INTERACTIONS ENTRE LE MARCHE FINANCIER ET LA CROISSANCE ECONOMIQUE

Mmoire professionnel

GPE-11

16

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Chapitre III : Approche mthodologique et analyses des donnes


Avant de passer aux tests et analyses conomtriques, il est intressant dtudier les proprits statistiques de nos sries. La robustesse des rsultats en dpend.

3.1 Prsentation et spcification du modle


Lapproche mthodologique sera celle de lanalyse de la relation de cointgration et de causalit entre le march financier et la croissance conomique. Au-del, lanalyse de lestimation dun modle VAR, sera mene en vue de mieux apprhender et approfondir les interrelations entre les variables tudies. Nous utiliserons le logiciel EVIEW 5 comme outil danalyse sur la base de donnes secondaires BCEAO, BRVM. Ces donnes couvrent la priode 1976-2008.

3.1.1 Prsentation du modle de causalit au sens de Granger


De faon thorique, la mise en vidence de relations causales entre variables fournit des lments de rflexion conomique. Connaitre le sens de la causalit est aussi important, que de mettre en vidence une relation entre des variables conomiques. Pour notre tude, lanalyse du sens de la causalit entre le march financier et la croissance conomique fera appel deux concepts : dabord le concept de causalit au sens de granger qui stipule quune variable cause une autre si et seulement si les valeurs prsentes et passes de la dernire permettent de mieux prdire les valeurs de la premire. Ensuite, nous avons le concept de cointgration qui traduit lide que deux variables voluent ensemble au mme taux. Ainsi, par exemple nous dirons que deux variables sont cointgres, si une combinaison linaire de ces deux variables (non stationnaires), est stationnaire. Economiquement, cela signifie quil existe une relation dquilibre de long terme stable entre elles. Lorsque deux variables sont cointgres, il y a causalit la Granger dans au moins une direction. Par contre, la non cointgration de deux variables nest pas une indication dabsence de causalit la Granger.

3.1.2 Spcification des modles


Les modles tudient les influences des indicateurs du dveloppement du march boursier sur ceux de la croissance conomique. Autrement dit, il sagit de rgressions de G(j) sur B(i). O G reprsente les mesures indicatrices de la croissance conomique avec j=1,2 et B reprsente les mesures indicatrices du dveloppement du march boursier avec i=1,2,3. Lquation se prsente de la faon suivante :
Mmoire professionnel GPE-11

17

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

G(j) =X + B(i) +ji (1)


O :

est le terme derreur ;


X est lensemble des variables de contrle et ;

, un vecteur des coefficients des variables dans X.


En effet, un certain nombre de variables de contrle seront utilises. Les variables suivantes sont apparues significatives dans larticle de Levine et Zervos (1996): linflation attendue et le ratio des dpenses de consommation gouvernementales au PIB et le logarithme du PIB rel initial par tte. Le lien entre la croissance conomique de long terme et les niveaux du capital physique et humain par tte a t mis en vidence par un certain nombre dauteurs [Lucas (1988) et Mankiw, Romer et Weil (1992)]. Selon larticle de (Levine et Zervos (1996)), toutes ces variables ont un impact ngatif sur la croissance conomique. Le nombre de rvolutions et de coups dEtat ne sera pas considr dans le cadre de notre tude. Seules, linflation et les dpenses de consommation gouvernementales seront utilises. Avant lanalyse de la cointgration et de la causalit, nous allons vrifier si nos sries prsentent les proprits statistiques dsires afin davoir des rsultats non biaiss.

3.1.3 Spcification du modle de causalit


Les tests de causalit seront effectus sur les modles, qui prsentent un impact significatif du dveloppement du march boursier sur la croissance conomique. En effet, la croissance conomique, comme lont soulign un certain nombre dauteurs, peut galement expliquer le dveloppement du march boursier. Pour mesurer donc quelle variable cause effectivement l'autre, on va recourir au test de causalit de Granger [1969]. Pour cela, on considre les deux sries G(j) et B(i) et on effectue la rgression linaire de G(j) sur ses propres valeurs passes et sur les valeurs passes et prsentes de la variable B(i). On estime donc l'quation: (i) G( j ) t a0 G( j ) t 1 b1 B(i) t b1 k B(i) t k 1 jit
k 1 p

De mme, on fait le test en rgressant B(i) sur ses valeurs passes et sur les valeurs passes et prsentes de G(j). C'est dire on estime l'quation suivante:

Mmoire professionnel

GPE-11

18

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

(ii) B(i) t a0 B(i) t 1 b1G( j ) t b1 k G( j ) t k 2 ijt


k 1

Lhypothse nulle que tous les coefficients bj sont simultanment gaux 0 (zro) est teste. La dtermination du nombre de retards est fonction du maximum dinformation capt. Nous considrons successivement les priodes 1, et 2 pour tester la causalit. Le test donne des statistiques F ainsi que les probabilits de non causalit qui lui sont associes. Avant lanalyse de la cointgration et de la causalit, nous allons vrifier si nos sries prsentent les proprits statistiques dsires afin davoir des rsultats non biaiss.

3.2 Analyse des proprits statistiques des variables :


Nous dbuterons le processus destimation des modles, par ltude des caractristiques des diffrentes sries. Nous analyserons dans un premier temps, la matrice des corrlations puis dans un second temps la stationnarit des sries.

3.2.1 Calcul de la matrice des variances covariances


Il convient de vrifier si les variables du modle sont fortement corrles ou pas. Tableau n 1 corrlation entre les variables de ltude

GROWTH GROWTH SAVE SIZE VALTRADE DEPTH INFL GFC 1 0.005 0.324 -0.057 -0.093 0.053 0.037

SAVE

SIZE

VALTRADE

DEPTH

INFL

GFC

1 0.031 0.571 0.006 -0.071 0.012 1 0.049 0.486 0.574 0.305 1 -0.007 -0.103 -0.075 1 0.563 0.230 1 0.459 1

Source : Calcul de l'auteur partir du logiciel EVIEWS. 5

Lanalyse du tableau laisse apparaitre une corrlation ngative entre le GROWTH et les variables VALTRADE (-0,057), DEPTH (-0,093). Par contre, le GROWTH est corrl positivement SAVE, SIZE, INFL et GFC. Il existe une corrlation positive entre le SAVE et
Mmoire professionnel GPE-11

19

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

toutes les variables boursires. Lpargne est corrle ngativement linflation et de faon positive au ratio de dpenses de consommation du Gouvernement.

3.2.2 Stationnarit des variables


Lobjectif est dexaminer le caractre stationnaire ou non des variables. La plupart des proprits statistiques des mthodes destimation ne sappliquant qu des sries stationnaires. Une srie chronologique est dite stationnaire si elle est la ralisation dun processus stationnaire cest--dire ne comportant ni tendance, ni saisonnalit, elle se caractrise par une moyenne et une variance constante et gnralement aucune caractristique voluant avec le temps. Les tests usuellement mis en uvre pour juger de la stationnarit des variables sont les tests de Dickey Fuller et de Dickey Fuller Augment (DF, 1979 et ADF, 1981), de Phillips Perron (PP, 1979, 1988) et de Kwiotowski, Phillips, Schmidt et Shin (KPSS, 1992). Nous privilgierons le test ADF car il permet de ne pas faire lhypothse a priori de bruit blanc du rsidu du modle AR de la srie dont la stationnarit est teste. Cette correction est prise en charge en admettant que la srie admet une reprsentation AR(p) au lieu de AR(1) du test DF. Le fait dinclure un nombre suffisant de retard supprime lauto corrlation des erreurs mais rduit le nombre de degr de libert et la puissance du test. Lomission de retards pertinents affaiblit aussi la puissance du test et une mthode approprie pour dterminer le nombre de retard est lutilisation des critres de Akaike, de Schwarz ou de Hannan-Quinn. Le modle tester pour une variable y est le suivant :

yt yt 1 yt j d t et
j 1

(2)

dt incluant les termes dterministes (constante et/ou trend) que lon peut insrer dans le modle. On teste lhypothse H0 : 0 (prsence de racine unitaire) contre lhypothse H1 :

1 (absence de racine unitaire donc stationnarit). On rejette lhypothse nulle lorsque la


valeur statistique calcule est infrieure la valeur tabule (de Mackinnon, 1991) ou lorsque la probabilit associe est infrieure 5%. Les rsultats obtenus par ladministration de ce test (au seuil de 5%) sur les variables macroconomiques et boursires sont rsums dans le tableau suivant.

Mmoire professionnel

GPE-11

20

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau 2 : Tests de stationnarit (ADF) sur les variables en niveau au seuil de 5%


Variables Valeur calcule Valeur critique GROWTH SAVE SIZE VALTRADE DEPTH INFL GFC
-3.351567 -5.577999 -3.965371 -4.712003 -6.426129 -4.368436 -3.726323 -1.952066 -1.952066 -2.960411 -1.952066 -2.960411 -2.960411 -2.960411

Nombre de retards
2 1 0 2 1 0 0

Stationnarit

Conclusion

oui oui oui oui oui oui oui

stationnaire stationnaire stationnaire stationnaire stationnaire stationnaire stationnaire

Source : Calculs de lauteur sur Eviews 5

Lanalyse de la matrice des corrlations ne rvle pas de forte corrlation entre nos variables. Les tests de stationnarit conduisent la conclusion que toutes nos sries sont stationnaires en niveau. La stationnarit des variables en niveau, nous permet de ne plus faire le test de cointgration. Dans notre tude, nous ferons lestimation du modle VAR. Ensuite suivrons les tests dhypothses, et de causalit. Dans le chapitre suivant, seront mis en uvre les diffrents tests ncessaires la comprhension des interrelations entre variables boursires et activits conomiques en Cte dIvoire.

Mmoire professionnel

GPE-11

21

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Chapitre IV : Application conomtrique au cas ivoirien


4.1 Estimation par le VAR
Lune des utilisations pratiques de la reprsentation VAR est quelle permet par la suite de faire une analyse de la causalit au sens de Granger. Nous estimons ici VAR avec un dcalage. Il nous permettra de saisir limpact dune variable retarde sur elle-mme et sur les autres variables. La lecture des tableaux destimation se fait, en comparant la valeur critique de t donne par la table de Student qui est de 1,96 au seuil de 5% en admettant que la srie suit une loi normale. Ici, si la valeur entre crochet est suprieure 1,96, le coefficient est significatif.

Dtermination du nombre de retard optimal


Le choix du retard optimal est fond sur les critres dinformation minimiser, notamment les critres de dinformation de Akaike, de Schwarz et de Hannan-Quinn. La dtermination des retards ainsi que les estimations se feront, pour chaque modle. Tableau n3 : Retard optimal du modle n1 selon les critres dinformation
VAR Lag Order Selection Criteria Endogenous variables: GROWTH SIZE Exogenous variables: C GFC INFL Date: 06/19/10 Time: 11:31 Sample: 1976 2008 Included observations: 28 Lag 0 1 2 3 4 LogL -195.1135 -186.3168 -185.8163 -183.3297 -178.5248 LR NA 14.45177* 0.750749 3.374670 5.834561 FPE 5950.014 4249.748* 5533.023 6324.473 6227.382 AIC 14.36525 14.02263* 14.27259 14.38069 14.32320 SC 14.65072 14.49842* 14.93869 15.23711 15.36993 HQ 14.45252 14.16808* 14.47623 14.64251 14.64319

* indicates lag order selected by the criterion Source : Calculs de lauteur sur Eviews 5

Les rsultats du tableau ci-dessus indiquent un (1) comme retard optimal selon les critres Akaike, Schwarz et Hannan-Quinn.

Mmoire professionnel

GPE-11

22

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau n4 : Rsultat de lestimation du modle n1


GROWTH (-1) SIZE (-1) C INFL GFC Adj. Rsquared

0.203064 (0.18353) GROWTH [1.10643] -1.185352 (1.12250) SIZE [ 1.05599]

0.052722 (0.02689) [1.96042] 0.209588 (0.16448) [ 1.27422]

-2.247659 (1.22810) [-1.83019] 2.828564 (7.51129) [ 0.37657]

-0.062139 (0.14056) [-0.44209] 2.661609 (0.85967) [ 3.09610]

-0.022380 (0.10727) [-0.20864] -0.210546 (0.65607) 0.301845 [-0.32092] 0.109500

Lestimation du VAR en diffrence premire montre que le taux de croissance antrieur de la capitalisation boursire explique significativement et positivement le niveau actuel du taux de croissance du PIBR /tte. Par ailleurs, le taux de croissance de la capitalisation boursire est expliqu significativement et de faon positive par le taux dinflation. Tableau n5 : Retard optimal du modle n2 selon les critres dinformation
VAR Lag Order Selection Criteria Endogenous variables: GROWTH VALTRADE Exogenous variables: C INFL GFC Date: 06/19/10 Time: 22:48 Sample: 1976 2008 Included observations: 27 Lag 0 1 2 3 4 5 LogL -235.4746 -227.9580 -226.7226 -224.9961 -223.5792 -209.1596 LR NA 12.24928 1.830124 2.302057 1.679313 14.95362* FPE 201409.3 156280.7 194808.5 237261.5 301239.7 149820.8* AIC 17.88701 17.62652 17.83131 17.99971 18.19105 17.41923* SC 18.17497 18.10646* 18.50322 18.86360 19.24692 18.66707 HQ 17.97263 17.76923* 18.03110 18.25659 18.50502 17.79028

* indicates lag order selected by the criterion Source : Calculs de lauteur sur Eviews 5

Le tableau ci-dessus nous renseigne que le nombre de retard optimal est gal un selon les critres dinformation de Schwarz et Hannan-Quinn.

Mmoire professionnel

GPE-11

23

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau n6 : Rsultat de lestimation du modle n2


GROWTH (-1) VALTRADE (-1) 0.000272 (0.00656) [ 0.04143] 0.015611 (0.19435) [ 0.08032] C INFL GFC Adj. Rsquared

0.324521 (0.18591) GROWTH [ 1.74556] 5.859994 (5.50411) VALTRADE [ 1.06466]

-1.061095 (1.18438) [-0.89591] 75.89758 (35.0648) [ 2.16450]

-0.064924 (0.15343) [-0.42314] -2.901326 (4.54258) [-0.63869]

0.009849 (0.11544) [ 0.08532] -0.576707 (3.41779) [-0.16874] -0.078452 -0.022063

Les rsultats de lestimation de ce modle nous montrent, que limpact des valeurs antrieures du taux de croissance du PIBR/tte et du taux de croissance du volume des transactions sur le GROWTH actuel nest pas significatif.

Tableau n7 : Retard optimal du modle n3 selon les critres dinformation


VAR Lag Order Selection Criteria Endogenous variables: GROWTH DEPTH Exogenous variables: C INFL GFC Date: 06/19/10 Time: 23:24 Sample: 1976 2008 Included observations: 31 Lag 0 1 LogL -207.1238 -200.2368 LR NA 11.55226* FPE 3214.352 2680.065* AIC 13.74992 13.56367* SC 14.02747 14.02624* HQ 13.84039 13.71446*

* indicates lag order selected by the criterion Source : Calculs de lauteur sur Eviews 5

Les trois critres dinformation nous indiquent sur ce tableau que le retard optimal est gal un.

Mmoire professionnel

GPE-11

24

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau n8 : Rsultat de lestimation du modle n3


GROWTH(-1 DEPTH(-1) C INFL GFC Adj. Rsquared

0.380169 (0.16356) GROWTH [ 2.32427] -0.741678 (0.57851) DEPTH [-1.28206]

0.125549 (0.04481) [ 2.80181] -0.195296 (0.15849) [-1.23225]

-1.317388 (1.00437) [-1.31166] -1.789414 (3.55231) [-0.50373]

-0.098695 (0.13247) [-0.74503] 1.076231 (0.46853) [ 2.29701]

-0.035028 (0.10080) [-0.34751] 0.134134 (0.35650) 0.159545 [ 0.37625] 0.214910

Lestimation du VAR en diffrence premire montre que le taux de croissance antrieur de la profondeur du march boursier ainsi que celui antrieur du PIBR/tte expliquent significativement et positivement le niveau actuel du taux de croissance du PIBR /tte. De mme, le taux dinflation agit positivement et significativement sur la profondeur du march boursier. Tableau n9 : Retard optimal du modle n4 selon les critres dinformation
VAR Lag Order Selection Criteria Endogenous variables: SAVE SIZE Exogenous variables: C INFL GFC Date: 06/20/10 Time: 00:13 Sample: 1976 2008 Included observations: 30 Lag 0 1 2 LogL -377.3523 -373.0352 -365.9310 LR NA 7.195142 10.89306* FPE 4.31e+08 4.24e+08 3.49e+08* AIC 25.55682 25.53568 25.32873* SC 25.83706* 26.00274 25.98263 HQ 25.64647 25.68510 25.53792*

* indicates lag order selected by the criterion Source : Calculs de lauteur sur Eviews 5

Les rsultats de ce tableau nous permettent de conclure que le retard optimal pour ce modle est gal deux.

Mmoire professionnel

GPE-11

25

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau n10 : Rsultat de lestimation du modle n4


SAVE(-1) SAVE(-2) SIZE(-1) SIZE(-2) C INFL GFC Adj. Rsquared

-0.134541 S A V E (0.23283) [-0.57786] 0.014913 SI Z E (0.00527) [ 2.82738]

-0.093270 (0.21687) [-0.43008] 0.016881 (0.00491) [ 3.43614]

0.708415 (6.36827) [ 0.11124] 0.160241 (0.14427) [ 1.11074]

-3.353015 (6.77578) [-0.49485] 0.082460 (0.15350) [ 0.53721]

240.8914 (262.208) [ 0.91870] -5.697121 (5.93999) [-0.95911]

-24.35979 (34.3676) [-0.70880] 3.745178 (0.77855) [ 4.81042]

20.38259 (29.7656) [ 0.68477] -1.046992 (0.67430) [-1.55270] 0.548771 -0.218062

Lestimation du VAR en diffrence premire montre que les niveaux antrieurs du taux de croissance du taux dpargne brute et linflation agissent positivement et significativement sur le niveau actuel du taux de croissance de la capitalisation boursire. Tableau n11 : Retard optimal du modle n5 selon les critres dinformation
VAR Lag Order Selection Criteria Endogenous variables: SAVE VALTRADE Exogenous variables: C INFL GFC Date: 06/20/10 Time: 01:28 Sample: 1976 2008 Included observations: 31 Lag 0 1 LogL -432.3898 -428.1199 LR NA* 7.162460 FPE 6.59e+09 6.50e+09* AIC 28.28322 28.26580* SC 28.56076* 28.72838 HQ 28.37369* 28.41659

* indicates lag order selected by the criterion

Les rsultats de ce tableau, nous permettent de retenir un retard optimal gal un pour ce modle.

Mmoire professionnel

GPE-11

26

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau n12 : Rsultat de lestimation du modle n5


SAVE (-1) VALTRADE (-1) -1.422147 (1.50206) [-0.94680] -0.253205 (0.21933) [-1.15444] C INFL GFC Adj. Rsquared

0.042120 (0.24853) SAVE [ 0.16948] 0.075446 (0.03629) VALTRADE [ 2.07898]

232.9886 (214.490) [ 1.08624] 67.37738 (31.3201) [ 2.15125]

-17.17210 (30.1251) [-0.57003] -1.172357 (4.39890) [-0.26651]

8.683528 (23.1918) [ 0.37442] -2.342145 (3.38649) [-0.69161] 0.034957 -0.100035

Lanalyse de ces rsultats nous conduit dire que, le taux de croissance de lpargne brute antrieur a un impact positif et significatif sur le taux de croissance actuel de la valeur des transactions. Tableau n13 : Retard optimal du modle n6 selon les critres dinformation
VAR Lag Order Selection Criteria Endogenous variables: SAVE DEPTH Exogenous variables: C INFL GFC Date: 06/29/10 Time: 00:03 Sample: 1976 2008 Included observations: 30 Lag 0 1 2 LogL -357.7722 -357.2518 -350.6931 LR NA 0.867346 10.05669* FPE 1.17e+08* 1.48e+08 1.26e+08 AIC 24.25148* 24.48345 24.31287 SC 24.53172* 24.95052 24.96676 HQ 24.34113* 24.63287 24.52206

* indicates lag order selected by the criterion

Les rsultats du tableau nous amnent choisir un retard optimal de deux, car le VAR sestime en diffrence premire. Lestimation nest donc pas possible, avec un retard optimal de zro.

Mmoire professionnel

GPE-11

27

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau n14 : Rsultat de lestimation du modle n6


SAVE(-1 SAVE(-2) DEPTH(-1) DEPTH(-2) C INFL GFC Adj. Rsquared

-0.194047 S A V E D E P T H (0.20355) [-0.95333] 0.001491 (0.00346) [ 0.43084]

-0.111624 (0.18566) [-0.60122] 0.005426 (0.00316) [ 1.71915]

0.404148 (9.88904) [ 0.04087] -0.154828 (0.16812) [-0.92095]

-25.93343 (9.87315) [-2.62666] -0.178703 (0.16785) [-1.06467]

299.9567 (206.498) [ 1.45259] -0.974788 (3.51058) [-0.27767]

-34.67965 (29.7268) [-1.16661] 1.214307 (0.50537) [ 2.40281]

42.62352 (26.8607) [ 1.58684] 0.164655 (0.45664) [ 0.36058] 0.054573

0.197328

Nous dduisons des rsultats de ce tableau, un impact ngatif et significatif du taux de croissance de la profondeur du march boursier sur le taux de croissance de lpargne brute avec un dcalage de deux ans. Il faut noter aussi que, linflation agit positivement et significativement sur le taux de croissance de la profondeur du march financier.

4.2 Estimation de la relation de causalit au sens de Granger


Lanalyse des relations causales entre variables conomiques permet une meilleure apprciation des phnomnes conomiques. Elle fournit des lments supplmentaires sur lantriorit des vnements entre eux et aide llaboration de politiques conomiques.

Mmoire professionnel

GPE-11

28

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Tableau n 15 : Rsultats des tests de causalit de Granger

Null Hypothesis: SIZE does not Granger Cause GROWTH GROWTH does not Granger Cause SIZE VALTRADE does not Granger Cause GROWTH GROWTH does not Granger Cause VALTRADE DEPTH does not Granger Cause GROWTH GROWTH does not Granger Cause DEPTH SIZE does not Granger Cause SAVE SAVE does not Granger Cause SIZE VALTRADE does not Granger Cause SAVE SAVE does not Granger Cause VALTRADE DEPTH does not Granger Cause SAVE SAVE does not Granger Cause DEPTH Source : Calculs de lauteur sur Eviews 5

Obs 31

F-Statistic 3.85542 0.84952

Probability 0.05959 0.36456 0.91053 0.30511 0.01262 0.34383 0.84917 0.22865 0.34120 0.05232 0.94276 0.82544

31

0.01286 1.09133

31

7.10385 0.92722

31

0.03684 1.51478

31

0.93754 4.10730

31

0.00525 0.04956

Lhypothse nulle de non causalit est accepte si la probabilit associe est suprieure ou gale 0,05. Le test de causalit conduit sur les diffrences premires des variables indique, quau seuil de 5%, il existe une relation de causalit unidirectionnelle du march boursier sur la croissance conomique (modle n3) ; cela signifie que connaitre les valeurs passes et prsentes des variables boursires permet de mieux prdire les valeurs futures de la croissance conomique. Cependant, un niveau de confiance de 90%, nous pouvons affirmer que cette relation est bidirectionnelle. Dans ce cas, les valeurs passes des variables boursires et macroconomiques peuvent servir faire des prvisions conomiques. Aprs avoir estim les relations de causalit et conclu la prsence de causalit entre les variables, nous ferons la synthse des rsultats et leurs interprtations.

Mmoire professionnel

GPE-11

29

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

4.3 Rsultats et interprtations


4. 3.1 Rsultats de ltude Lanalyse des interactions entre le march boursier et la croissance conomique nous a conduit, faire un certain nombre de travaux : lestimation dun VAR, le test de causalit de Granger. A lissue des tests conomtriques appliqus au cas ivoirien, les rsultats suivants ont t obtenus : en termes destimation du VAR, la mesure de la croissance par le PIBR/tte laisse entrevoir un impact positif et significatif de ses propres valeurs antrieures ainsi que celles variables boursires sur son niveau actuel lexception du taux de croissance de la valeur des transactions. Par ailleurs, en mesurant la croissance conomique par le taux de croissance de lpargne brute nationale, nous observons que les niveaux antrieurs de lpargne expliquent positivement et significativement les niveaux actuels de la capitalisation et la valeur des transactions du march boursier. Aussi, le taux de croissance de la profondeur du march boursier avec un dcalage de deux ans explique ngativement et significativement le niveau actuel du taux de croissance du taux dpargne brute. Enfin, linflation agit positivement sur toutes les variables boursires, hormis le taux de croissance du volume des transactions ; le test de causalit ralis sur les diffrences premires des variables indique, quau seuil de 5%, il existe une relation de causalit unidirectionnelle du march boursier (profondeur) sur la croissance conomique (produit intrieur brut rel par tte). Cependant, un niveau de confiance de 90%, nous pouvons considrer que cette relation est bidirectionnelle. Alors, la connaissance des valeurs passes des unes permet de mieux prdire celles des autres. 4.3.2 Linterprtation conomique des rsultats Lestimation du VAR montre quen Cte dIvoire : les taux de croissance antrieurs des variables boursires (taille, profondeur) ainsi que celui du produit intrieur brut rel lui-mme favorisent son niveau actuel. Ce qui signifie que, le dveloppement du march boursier permet damliorer le bien tre des populations ;

Mmoire professionnel

GPE-11

30

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

les taux de croissance antrieurs en prenant, comme mesure de la croissance conomique le taux de croissance lpargne brute favorisent le dveloppement du march financier ;

le taux de croissance de la profondeur du march boursier retard de deux ans, est dfavorable au taux de croissance de lpargne brute, qui est une des mesures de la croissance conomique dans cette tude. Nous pouvons retenir que, plus le march financier est important plus les intervenants peuvent se dbarrasser rapidement des titres et moins ils contrlent les comportements des managers. Il en rsulte, des prises de contrle contreproductives ce qui fait qu t+2, il ya une diminution du taux de croissance de lpargne brute donc la croissance conomique ;

le taux dinflation favorise, les taux de croissance de la taille et de la profondeur du march boursier. Nous pouvons dire que, lanticipation du niveau des prix moyens des titres agit positivement sur la valeur totale des titres inscrits et sur la quantit de titres quil est possible dchanger sans modifier les conditions de prix du march. Certes, linflation rduit les cots de mobilisation des capitaux par les entreprises mais elle contribue diminuer les rmunrations des pargnants ou investisseurs. Aussi, lasymtrie dinformation peut conduire au dysfonctionnement du march et la baisse du pouvoir dachat ;

Le test de causalit indique au seuil de 5%, une relation de causalit unidirectionnelle du march boursier sur la croissance conomique. Le march boursier procure alors des services qui favorisent la croissance conomique. Nos rsultats appuient la thse de la plus grande partie de la littrature sur le sujet : Levine (1991), Bencivenga, Smith et Starr (1996), Greenwood et Smith (1997), Levine 1997 etc. Cependant, un niveau de confiance de 90%, nous pouvons retenir que cette relation est bidirectionnelle. Dans ce cas, les valeurs passes des variables boursires et macroconomiques peuvent servir faire des prvisions conomiques. Limpact positif et significatif des niveaux prcdents de lpargne sur la taille et valeur actuels du march boursier, nous conduit dire quil est prfrable de prdire le march financier en connaissant la croissance que sans la connatre et vice versa.

4.4 Test sur les rsidus


Il sagit de tester la normalit, lhtrocedasticit et lautocorrlation des rsidus.
Mmoire professionnel GPE-11

31

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

Test de normalit des rsidus Lhypothse de normalit des rsidus joue un rle essentiel car elle va prciser la distribution statistique des estimateurs. Cest donc grce cette hypothse que linfrence statistique peut se raliser. Ce test est effectu laide du test de Jacque et Bera qui suit une loi de Khi-deux deux degrs de libert au seuil de 5% gale 5,99. Il permet de savoir si les variables du modle suivent ou non une loi normale. Les rsultats de nos tests prouvent globalement que les rsidus sont normalement distribus car les statistiques de Jarque-Bera sont toutes infrieures 5,99 (annexe n4). Dans certains cas, cest le nombre dobservations qui nous permet de conclure que les rsidus sont normaux. En effet, quand le nombre dobservations est suprieur trente, la srie suit une loi normale. Test dhtroscdasticit des rsidus Effectu laide du test de White dans le cadre de notre tude, ce test permet de savoir si les erreurs sont homocdastiques ou non. Lhtroscdasticit qualifie les donnes qui nont pas une variance constante. Or, les sries doivent tre homocdastiques pour prsenter les meilleurs estimateurs. Pour faire le test dhtroscdasticit, on utilise gnralement deux tests : le test de Breusch-Pagan et de White. Mais cest le test de White qui est utilis dans notre tude. Lide gnrale de ce test est de vrifier si le carr des rsidus peut tre expliqu par les variables du modle. Dans notre tude, les rsidus sont homocdastiques car les probabilits sont suprieures 5% (confre annexe n4). Test dautocorrlation des erreurs Ce test appel aussi test de corrlation des erreurs, vrifie si elles ne sont pas corrles. La prsence de lautocorrlation rend caduque les commentaires concernant la validit du modle et les tests statistiques. Il convient de dtecter lautocorrlation par le test de Durbin-Watson. Mais dans le cas du modle autorgressif, on remplace le test de durbin Watson par le test de h de Durbin du fait que les variables endognes sont dcales. Dans le cas de cette tude, il ya absence dautocorrlation car les probabilits associes sont suprieures 5% dans nos modles (voir annexe n4).

Mmoire professionnel

GPE-11

32

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

CONCLUSION RECOMMANDATIONS La prsente tude nous a permis dvaluer de manire empirique la relation qui existe entre le dveloppement du march boursier et lvolution de lactivit conomique. Afin datteindre cet objectif, deux modles ont t utiliss, se basant sur des mesures (directes ou indirectes) de lvolution de lactivit conomique et sur plusieurs indicateurs de dveloppement du march boursier. Le premier modle value, le lien direct qui existe entre le march boursier et la croissance conomique. Le second modle tudie, la relation indirecte entre le dveloppement de la bourse et la croissance conomique, par le biais des variations du taux dpargne brute. Il ressort de ltude, les rsultats suivants : les taux de croissance antrieurs des variables financires (taille, profondeur) ainsi que celui du produit intrieur brut rel lui-mme favorisent son niveau actuel ; les taux de croissance antrieurs en prenant, comme mesure de la croissance conomique le taux de croissance lpargne brute favorisent le dveloppement du march financier ; le taux de croissance de la profondeur du march boursier retard de deux ans, est dfavorable au taux de croissance de lpargne brute nationale ; le taux dinflation favorise, les taux de croissance de la taille et de la profondeur du march boursier ; Le test de causalit indique au seuil de 5%, une relation de causalit unidirectionnelle du march boursier sur la croissance conomique. Cependant, un niveau de confiance de 90%, nous pouvons considrer que cette relation est bidirectionnelle. Lanalyse de ces rsultats, nous conduit proposer les recommandations suivantes aux autorits Ivoiriennes : rtablir la stabilit (politique, institutionnelle), en amliorant le cadre juridique, comptable et rglementaire, en fixant des rgles de diffusion dinformation plus compltes ; dynamiser les activits conomiques par la mise en place dun environnement propice aux affaires ;
Mmoire professionnel GPE-11

33

March financier et croissance conomique en Cte dIvoire : une analyse de la causalit au sens de Granger

2009/2010

dvelopper une culture de partage de risque en matire daffaires, car la diversification des propritaires peut amliorer les performances des entreprises ;

diversifier les produits financiers ; inscrire dans les programmes scolaires des cours sur le rle de la bourse depuis le collge ;

mettre en place une politique de communication lattention des oprateurs conomiques ;

reformer les politiques fiscales dans le but dune plus grande souplesse et dune meilleure simplicit lgard des revenus de lpargne et de linvestissement et ce, afin de ne pas pnaliser le dveloppement du march financier ;

viter des ponctions sur le march financier qui ne vont pas dans la ralisation dinfrastructures socioconomiques, car elles augmentent les cots de prlvement de capitaux du secteur priv. En somme, le dveloppement du systme financier constitue sans doute un lment

moteur de la croissance conomique, mais, en mme temps, il peut tre analys comme tant le rsultat du dveloppement conomique. La croissance du secteur rel permet lconomie de dvelopper un systme financier efficace. Il faut noter, que les deux modes de financement connus dans les conomies o rgne lconomie montaire peuvent contribuer lamlioration des conditions si la rglementation est efficace. Le choix du mode de financement dominant dpend du type de socit, donc de la vision des leaders.

Mmoire professionnel

GPE-11

34

ANNEXES

REFERENCES BIBLIOGRAPHIQUES ATJE R. ET JOVANOVIC B. (1993), Stock Markets and Development . European Economic Review, vol 37, pp 632-640. BAGEHOT .W. (1873), Lombard Street: A Description of the Money Market, London: Henry. BENCIVENGA, V.R., SMITH, B.D., ET STARR, R.M.(1997), Equity markets,Transaction costs, and capital accumulation: an illustration, World Bank Economic Review, 35, 535-550 BERTHELEMY J-C. ET VAROUDAKIS A. (1996) Politiques de dveloppement financier et croissance. Editions OCDE. BHIDE, AMAR .V, (1993), The Hidden Costs of Stock Market liquidity Journal of Financial http : //www.cnam.fr/lipsor/dso/articles/fiche/Safari.doc. DE GREGORIO, J. ET GIUDOTTI, P.E.(1995), Financial development and economic growth, World Development, 23, 3, 433-448. DEMIRGUC-KUNT, A. ET MAKSIMOVIC, V. (1996), Stock Market Development and Firm Financing Choices. ,World Bank Economic Review, this issue. 22. DEVEREUX, M.B., ET SMITH, G.W. (1994), International Risk Sharing and Economic Growth, International Economic Review, 35,4,535-50. DIARRASSOUBA.V (2007) March Boursier et Croissance Economique en Cte dIvoire Programme de Formation en Gestion de la Politique Economique (ABIDJAN). Dossier De Politique Economique. DOUCOURE, F.B. (2008), Mthodes conomtriques : cours et travaux pratiques, 5me dition ARIMA FOFANA, F. N. (2003), Stock market development and economic growth: evidence from Cte dIvoire, Unpublished working paper. GUPTA, K.L. (1984), Finance and Economic Growth in Developing Countries, Croom Helm, Londres. GURLEY J.G. ET SHAW E.S. (1955) Financial aspects of Economic Development . American Economic Review, vol. 45, n4. GOFFIN, R. (1999), <<Principes de la finance moderne>>, Paris : Edition Economica, 2nd dition. GREENWOOD, J. ET SMITH, B. D. ( 1997), Financial markets in development, and the development of financial markets, Journal of Economic Dynamics and Control, Vol. 21, 145-181. GROSSMAN S.J. ET STIGLITZ J.E. (1980) On the Impossibility of Informationnally Efficient Market, American Economic Review, Vol.70. HAMID, M. ET ARGAWAL, S., Stock Market Development and Economic Growth: Evidence from Developing Countries, Working paper University of Wisconsin-Milwaukee HICKS J. (1969), A theory of economic historic, Oxford : Clasrendon press Hirst and Wallace, Stock market definition, http: //babelfish.altavista.com/cgi-bin. HOLMSTROM, B., ET TIROLE, J. (1993), Market Liquidity and Performance Monitoring, Journal of Political Economy, August, 101(4), pp. 678-709.

xi

JENSEN M. ET MURPHY K.L. (1990) Performance pay and Top-Management Incentives, Journal of political Economy, Vol. 98, PP.225-264. JUNG, W.S. (1986), Financial Development and Economic Growth : International Evidence, Economic Development and Cultural Change, vol. 34. KING, R.G. ET LEVINE, R. (1993b), Finance, Entrepreneurship, and growth : Theory and evidence, Journal of Monetary Economics, 32,3, 513-42. KING, R.G. ET LEVINE, R. (1993), Finance and Growth: Schumpeter Might Be Right, Quarterly Journal of Economics, August, 108(3), pp.7 1 7-738. KING, R.G. ET LEVINE, R. (1993), Finance, Entrepreneurship, and Growth: Theory and Evidence, Journal of Monetary Economics, December, 32(3), pp. 513-42. KORAJCZYK, R.A. (1996), A Measure of Stock Market Integration, World Bank Economic Review, this issue. KYLE A. S. (1989), Informed Speculation with Imperfect Competition, Review of Economic Studies, vol 56 (187), P.317-355. LARDIC, S., ET MIGNON, V. (2002), <<Economtrie des sries temporelles macroconomiques et financire>>, Paris : Edition Economica. LEVINE. R (1991) Stocks Markets, Growth and Tax Policy , Journal fo Finance, vol 46(4), pp.1445-1465. LEVINE. R (1997) Financial Develoment and Economic Growth : Views and Agenda , Journal of Economic Literature, vol 35(2), pp.688-726. LEVINE, R. ET ZERVOS, S. (1996), Stock market development and long-run growth, Policy Research Working, Paper 1582, The World Bank. LEVINE, R., ET ZERVOS, S. (1998), Stock Markets, Banks, and Economic Growth, American Economic Review, Vol. 88:537-58. LUCAS, R, E. (1988), On the Mechanics of Economic development, Journal of Monetary Economics, Vol. 22, n 1, p. 3-42. MANKIW, G. (2003), <<Macroconomie>>, Edition Brochet, 3me dition. MAYER (1990), Fiancial systems, corporate Finance and Finance Economic Development in Asymmetric information, Corporate Finance and invesment of Chicago Press, 303-332. MISHKIN,S.FREDERIC. (2004), :<<Monnaie, banque et marchs financiers>> 7me dition Pearson Education. OBSTFELD, M. (1994), Risk-Taking, Global Diversification, and Growth, American Economic Review, 84, 5, 1310-1329. PATRICK, H.T. (1966), Financial Development and Economic Growth in Underdeveloped Countries, Economic Development and Cultural Change, vol. 14 RANDALL MORCK ET SHLEIFER, ANDREI ET VISHNY, ROBERT W, (1990), Do Managerial objectives Drive Bad Acquisitions? Journal of Finance, American Finance Corporation, vol 45(1), p 31-48, March.

xii

ROBINSON J., (1952), The rate of interest and other essays, London, MacMillan. SHLEIFER, A. ET VISHNY, R.W. (1986), Large Shareholders and Corporate Control, Journal of Political Economy, 461-488. SODJAHIN, W. (2003), <<Impacts du dveloppement des marchs boursiers sur la croissance conomique au canada>>, Universit de Montral - rapport de matrise de sciences conomiques. SCHUMPETER J. (1911) The Theory of Economic Development. Harvard University Press, Cambridge. STIGLITZ, J.E. (1985), Credit Markets and the Control of Capital, Journal of Money, Credit and Banking, May, 17(2), pp. 133-152. STIGLITZ, J.E. (1993), The Role of the State in Financial Markets, Proceedings of the Annual Bank Conference on Development Economics, pp. 19-52.

xiii

Annexe 1
TEST DE STATIONNARITE DES VARIABLES

GROWTH
Null Hypothesis: GROWTH has a unit root Exogenous: None Lag Length: 0 (Automatic based on SIC, MAXLAG=2) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. -3.351567 -2.641672 -1.952066 -1.610400 Prob.* 0.0015

SIZE
Null Hypothesis: SIZE has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=0) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. -3.965371 -3.661661 -2.960411 -2.619160 Prob.* 0.0047

SAVE
Null Hypothesis: SAVE has a unit root Exogenous: None Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. -5.577999 -2.641672 -1.952066 -1.610400 Prob.* 0.0000

VALTRADE
Null Hypothesis: VALTRADE has a unit root Exogenous: None Lag Length: 0 (Automatic based on SIC, MAXLAG=2) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. -4.712003 -2.641672 -1.952066 -1.610400 Prob.* 0.0000

xiv

DEPTH
Null Hypothesis: DEPTH has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. -6.426129 -3.661661 -2.960411 -2.619160 Prob.* 0.0000

GFC
Null Hypothesis: GFC has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=0) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. 0.551426 -4.273277 -3.557759 -3.212361 Prob.* 0.9990

INFL
Null Hypothesis: INFL has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. -3.967468 -4.273277 -3.557759 -3.212361 Prob.* 0.0204

xv

Annexe 2 : Estimation du VAR Modle n1


Vector Autoregression Estimates Date: 07/12/10 Time: 17:44 Sample (adjusted): 1978 2008 Included observations: 31 after adjustments Standard errors in ( ) & t-statistics in [ ] GROWTH GROWTH(-1) 0.203064 (0.18353) [ 1.10643] 0.052722 (0.02689) [ 1.96042] -2.247659 (1.22810) [-1.83019] -0.062139 (0.14056) [-0.44209] -0.022380 (0.10727) [-0.20864] 0.228233 0.109500 371.7295 3.781176 1.922234 -82.49187 5.644637 5.875925 -2.002940 4.006913 SIZE 1.185352 (1.12250) [ 1.05599] 0.209588 (0.16448) [ 1.27422] 2.828564 (7.51129) [ 0.37657] 2.661609 (0.85967) [ 3.09610] -0.210546 (0.65607) [-0.32092] 0.394932 0.301845 13905.48 23.12631 4.242603 -138.6309 9.266508 9.497797 19.18652 27.67772 7089.543 4987.025 -219.9504 14.83551 15.29809

SIZE(-1)

INFL

GFC

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

xvi

Modle n2
Vector Autoregression Estimates Date: 07/12/10 Time: 17:51 Sample (adjusted): 1978 2008 Included observations: 31 after adjustments Standard errors in ( ) & t-statistics in [ ] GROWTH GROWTH(-1) 0.324521 (0.18591) [ 1.74556] 0.000272 (0.00656) [ 0.04143] -1.061095 (1.18438) [-0.89591] -0.064924 (0.15343) [-0.42314] 0.009849 (0.11544) [ 0.08532] 0.114212 -0.022063 426.6492 4.050874 0.838097 -84.62770 5.782432 6.013721 -2.002940 4.006913 VALTRADE 5.859994 (5.50411) [ 1.06466] 0.015611 (0.19435) [ 0.08032] 75.89758 (35.0648) [ 2.16450] -2.901326 (4.54258) [-0.63869] -0.576707 (3.41779) [-0.16874] 0.065341 -0.078452 373966.7 119.9305 0.454410 -189.6551 12.55839 12.78968 45.12521 115.4860

VALTRADE(-1)

INFL

GFC

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

230134.4 161884.4 -273.8911 18.31555 18.77813

xvii

Modle n3
Vector Autoregression Estimates Date: 07/12/10 Time: 17:55 Sample (adjusted): 1978 2008 Included observations: 31 after adjustments Standard errors in ( ) & t-statistics in [ ] GROWTH GROWTH(-1) 0.380169 (0.16356) [ 2.32427] 0.125549 (0.04481) [ 2.80181] -1.317388 (1.00437) [-1.31166] -0.098695 (0.13247) [-0.74503] -0.035028 (0.10080) [-0.34751] 0.319589 0.214910 327.7272 3.550337 3.053047 -80.53911 5.518652 5.749940 -2.002940 4.006913 DEPTH -0.741678 (0.57851) [-1.28206] -0.195296 (0.15849) [-1.23225] -1.789414 (3.55231) [-0.50373] 1.076231 (0.46853) [ 2.29701] 0.134134 (0.35650) [ 0.37625] 0.271606 0.159545 4099.671 12.55706 2.423736 -119.6996 8.045132 8.276421 5.353450 13.69716

DEPTH(-1)

INFL

GFC

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

1987.301 1397.935 -200.2368 13.56367 14.02624

xviii

Modle n4
Vector Autoregression Estimates Date: 07/12/10 Time: 17:59 Sample (adjusted): 1979 2008 Included observations: 30 after adjustments Standard errors in ( ) & t-statistics in [ ] SAVE SAVE(-1) -0.134541 (0.23283) [-0.57786] -0.093270 (0.21687) [-0.43008] 0.708415 (6.36827) [ 0.11124] -3.353015 (6.77578) [-0.49485] 240.8914 (262.208) [ 0.91870] -24.35979 (34.3676) [-0.70880] 20.38259 (29.7656) [ 0.68477] 0.033951 -0.218062 15887795 831.1280 0.134718 -240.2661 16.48441 16.81135 127.3286 753.0662 SIZE 0.014913 (0.00527) [ 2.82738] 0.016881 (0.00491) [ 3.43614] 0.160241 (0.14427) [ 1.11074] 0.082460 (0.15350) [ 0.53721] -5.697121 (5.93999) [-0.95911] 3.745178 (0.77855) [ 4.81042] -1.046992 (0.67430) [-1.55270] 0.642129 0.548771 8153.476 18.82814 6.878159 -126.6432 8.909546 9.236492 18.72462 28.02910 2.29E+08 1.35E+08 -365.9310 25.32873 25.98263

SAVE(-2)

SIZE(-1)

SIZE(-2)

INFL

GFC

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

xix

Modle n5
Vector Autoregression Estimates Date: 07/12/10 Time: 18:03 Sample (adjusted): 1978 2008 Included observations: 31 after adjustments Standard errors in ( ) & t-statistics in [ ] SAVE SAVE(-1) 0.042120 (0.24853) [ 0.16948] -1.422147 (1.50206) [-0.94680] 232.9886 (214.490) [ 1.08624] -17.17210 (30.1251) [-0.57003] 8.683528 (23.1918) [ 0.37442] 0.046636 -0.100035 15694521 776.9398 0.317965 -247.5770 16.29529 16.52658 123.1669 740.7713 VALTRADE 0.075446 (0.03629) [ 2.07898] -0.253205 (0.21933) [-1.15444] 67.37738 (31.3201) [ 2.15125] -1.172357 (4.39890) [-0.26651] -2.342145 (3.38649) [-0.69161] 0.163629 0.034957 334640.6 113.4495 1.271674 -187.9329 12.44728 12.67857 45.12521 115.4860

VALTRADE(-1)

INFL

GFC

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

4.82E+09 3.39E+09 -428.1199 28.26580 28.72838

xx

Modle n6
Vector Autoregression Estimates Date: 07/12/10 Time: 18:04 Sample (adjusted): 1979 2008 Included observations: 30 after adjustments Standard errors in ( ) & t-statistics in [ ] SAVE SAVE(-1) -0.194047 (0.20355) [-0.95333] -0.111624 (0.18566) [-0.60122] 0.404148 (9.88904) [ 0.04087] -25.93343 (9.87315) [-2.62666] 299.9567 (206.498) [ 1.45259] -34.67965 (29.7268) [-1.16661] 42.62352 (26.8607) [ 1.58684] 0.250179 0.054573 12331672 732.2292 1.278998 -236.4654 16.23103 16.55797 127.3286 753.0662 DEPTH 0.001491 (0.00346) [ 0.43084] 0.005426 (0.00316) [ 1.71915] -0.154828 (0.16812) [-0.92095] -0.178703 (0.16785) [-1.06467] -0.974788 (3.51058) [-0.27767] 1.214307 (0.50537) [ 2.40281] 0.164655 (0.45664) [ 0.36058] 0.363398 0.197328 3564.058 12.44825 2.188219 -114.2300 8.082001 8.408947 5.532462 13.89438 83069693 48826520 -350.6931 24.31287 24.96676

SAVE(-2)

DEPTH(-1)

DEPTH(-2)

INFL

GFC

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

xxi

Annexe 3 : Tests de Causalit

Modle n1
Pairwise Granger Causality Tests Date: 06/29/10 Time: 11:19 Sample: 1976 2008 Lags: 1 Null Hypothesis: SIZE does not Granger Cause GROWTH GROWTH does not Granger Cause SIZE Obs 31 F-Statistic Probability 3.85542 0.84952 0.05959 0.36456

Modle n2
Pairwise Granger Causality Tests Date: 06/29/10 Time: 11:22 Sample: 1976 2008 Lags: 1 Null Hypothesis: VALTRADE does not Granger Cause GROWTH GROWTH does not Granger Cause VALTRADE Obs 31 F-Statistic Probability 0.01286 1.09133 0.91053 0.30511

Modle n3
Pairwise Granger Causality Tests Date: 06/29/10 Time: 11:23 Sample: 1976 2008 Lags: 1 Null Hypothesis: DEPTH does not Granger Cause GROWTH GROWTH does not Granger Cause DEPTH Obs 31 F-Statistic Probability 7.10385 0.92722 0.01262 0.34383

xxii

Modle n4
Pairwise Granger Causality Tests Date: 06/29/10 Time: 11:24 Sample: 1976 2008 Lags: 1 Null Hypothesis: SIZE does not Granger Cause SAVE SAVE does not Granger Cause SIZE Obs 31 F-Statistic Probability 0.03684 1.51478 0.84917 0.22865

Modle n5
Pairwise Granger Causality Tests Date: 06/29/10 Time: 11:27 Sample: 1976 2008 Lags: 1 Null Hypothesis: VALTRADE does not Granger Cause SAVE SAVE does not Granger Cause VALTRADE Obs 31 F-Statistic Probability 0.93754 4.10730 0.34120 0.05232

Modle n6
Pairwise Granger Causality Tests Date: 06/29/10 Time: 11:28 Sample: 1976 2008 Lags: 1 Null Hypothesis: DEPTH does not Granger Cause SAVE SAVE does not Granger Cause DEPTH Obs 31 F-Statistic Probability 0.00525 0.04956 0.94276 0.82544

xxiii

Annexe 4 Tests sur les rsidus

Test de normalit des rsidus Modle n1


VAR Residual Normality Tests Orthogonalization: Cholesky (Lutkepohl) H0: residuals are multivariate normal Date: 07/07/10 Time: 11:44 Sample: 1976 2008 Included observations: 31

Component 1 2 Joint

Skewness -1.324020 0.726917

Chi-sq 9.057315 2.730112 11.78743

df 1 1 2

Prob. 0.0026 0.0985 0.0028

Component 1 2 Joint

Kurtosis 5.413040 2.923759

Chi-sq 7.521067 0.007508 7.528575

df 1 1 2

Prob. 0.0061 0.9310 0.0232

Component 1 2 Joint

Jarque-Bera 16.57838 2.737620 19.31600

df 2 2 4

Prob. 0.0003 0.2544 0.0007

xxiv

Modle n2
VAR Residual Normality Tests Orthogonalization: Cholesky (Lutkepohl) H0: residuals are multivariate normal Date: 07/07/10 Time: 12:09 Sample: 1976 2008 Included observations: 31

Component 1 2 Joint

Skewness -0.648166 1.221786

Chi-sq 2.170616 7.712595 9.883210

df 1 1 2

Prob. 0.1407 0.0055 0.0071

Component 1 2 Joint

Kurtosis 3.746853 3.545645

Chi-sq 0.720479 0.384566 1.105044

df 1 1 2

Prob. 0.3960 0.5352 0.5755

Component 1 2 Joint

Jarque-Bera 2.891094 8.097160 10.98825

df 2 2 4

Prob. 0.2356 0.0174 0.0267

xxv

Modle n3
VAR Residual Normality Tests Orthogonalization: Cholesky (Lutkepohl) H0: residuals are multivariate normal Date: 07/07/10 Time: 12:21 Sample: 1976 2008 Included observations: 31

Component 1 2 Joint

Skewness -0.659167 0.258239

Chi-sq 2.244924 0.344551 2.589475

df 1 1 2

Prob. 0.1341 0.5572 0.2740

Component 1 2 Joint

Kurtosis 3.253676 2.550067

Chi-sq 0.083121 0.261485 0.344606

df 1 1 2

Prob. 0.7731 0.6091 0.8417

Component 1 2 Joint

Jarque-Bera 2.328045 0.606036 2.934081

df 2 2 4

Prob. 0.3122 0.7386 0.5689

xxvi

Modle n4
VAR Residual Normality Tests Orthogonalization: Cholesky (Lutkepohl) H0: residuals are multivariate normal Date: 07/07/10 Time: 12:34 Sample: 1976 2008 Included observations: 30

Component 1 2 Joint

Skewness 3.311618 0.134508

Chi-sq 54.83407 0.090462 54.92453

df 1 1 2

Prob. 0.0000 0.7636 0.0000

Component 1 2 Joint

Kurtosis 15.44021 1.294092

Chi-sq 193.4486 3.637652 197.0862

df 1 1 2

Prob. 0.0000 0.0565 0.0000

Component 1 2 Joint

Jarque-Bera 248.2826 3.728114 252.0108

df 2 2 4

Prob. 0.0000 0.1550 0.0000

xxvii

Modle n5
VAR Residual Normality Tests Orthogonalization: Cholesky (Lutkepohl) H0: residuals are multivariate normal Date: 07/07/10 Time: 12:44 Sample: 1976 2008 Included observations: 31

Component 1 2 Joint

Skewness 3.795659 1.651857

Chi-sq 74.43631 14.09794 88.53425

df 1 1 2

Prob. 0.0000 0.0002 0.0000

Component 1 2 Joint

Kurtosis 18.70110 6.148221

Chi-sq 318.4275 12.80209 331.2296

df 1 1 2

Prob. 0.0000 0.0003 0.0000

Component 1 2 Joint

Jarque-Bera 392.8638 26.90003 419.7639

df 2 2 4

Prob. 0.0000 0.0000 0.0000

xxviii

Modle n6
VAR Residual Normality Tests Orthogonalization: Cholesky (Lutkepohl) H0: residuals are multivariate normal Date: 07/07/10 Time: 12:53 Sample: 1976 2008 Included observations: 30

Component 1 2 Joint

Skewness 2.242828 0.366516

Chi-sq 25.15138 0.671671 25.82305

df 1 1 2

Prob. 0.0000 0.4125 0.0000

Component 1 2 Joint

Kurtosis 9.569660 2.336191

Chi-sq 53.95055 0.550804 54.50135

df 1 1 2

Prob. 0.0000 0.4580 0.0000

Component 1 2 Joint

Jarque-Bera 79.10193 1.222475 80.32440

df 2 2 4

Prob. 0.0000 0.5427 0.0000

xxix

Test dhtrocedasticit des rsidus


Modle n1
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares) Date: 07/07/10 Time: 11:55 Sample: 1976 2008 Included observations: 31

Joint test: Chi-sq 34.81597 df 24 Prob. 0.0712

Individual components: Dependent res1*res1 res2*res2 res2*res1 R-squared 0.342053 0.294661 0.324144 F(8,22) 1.429670 1.148833 1.318914 Prob. 0.2394 0.3717 0.2855 Chi-sq(8) 10.60365 9.134481 10.04847 Prob. 0.2252 0.3311 0.2616

Modle n2
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares) Date: 07/07/10 Time: 12:12 Sample: 1976 2008 Included observations: 31

Joint test: Chi-sq 24.47436 df 24 Prob. 0.4348

Individual components: Dependent res1*res1 res2*res2 res2*res1 R-squared 0.351021 0.086571 0.345792 F(8,22) 1.487427 0.260635 1.453555 Prob. 0.2181 0.9723 0.2304 Chi-sq(8) 10.88166 2.683712 10.71955 Prob. 0.2085 0.9526 0.2181

xxx

Modle n3
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares) Date: 07/07/10 Time: 12:25 Sample: 1976 2008 Included observations: 31

Joint test: Chi-sq 34.23565 df 24 Prob. 0.0806

Individual components: Dependent res1*res1 res2*res2 res2*res1 R-squared 0.287535 0.284748 0.509205 F(8,22) 1.109840 1.094796 2.853158 Prob. 0.3942 0.4032 0.0245 Chi-sq(8) 8.913593 8.827174 15.78536 Prob. 0.3496 0.3571 0.0456

Modle n4
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares) Date: 07/07/10 Time: 12:38 Sample: 1976 2008 Included observations: 30

Joint test: Chi-sq 41.91956 df 36 Prob. 0.2295

Individual components: Dependent res1*res1 res2*res2 res2*res1 R-squared 0.607877 0.550810 0.617921 F(12,17) 2.196141 1.737157 2.291123 Prob. 0.0674 0.1449 0.0578 Chi-sq(12) 18.23630 16.52429 18.53764 Prob. 0.1087 0.1684 0.1003

xxxi

Modle n5
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares) Date: 07/07/10 Time: 12:47 Sample: 1976 2008 Included observations: 31

Joint test: Chi-sq 11.99056 df 24 Prob. 0.9800

Individual components: Dependent res1*res1 res2*res2 res2*res1 R-squared 0.205024 0.172506 0.211295 F(8,22) 0.709225 0.573285 0.736730 Prob. 0.6808 0.7885 0.6589 Chi-sq(8) 6.355753 5.347672 6.550157 Prob. 0.6074 0.7199 0.5858

Test dautocorrelation des rsidus Modle n1


VAR Residual Serial Correlation LM Tests H0: no serial correlation at lag order h Date: 07/13/10 Time: 00:25 Sample: 1976 2008 Included observations: 31 Lags 1 2 LM-Stat 1.241782 2.638420 Prob 0.8712 0.6200

Probs from chi-square with 4 df.

xxxii

Modle n2
VAR Residual Serial Correlation LM Tests H0: no serial correlation at lag order h Date: 07/13/10 Time: 00:30 Sample: 1976 2008 Included observations: 31 Lags 1 2 LM-Stat 1.203379 3.945860 Prob 0.8775 0.4134

Probs from chi-square with 4 df.

Modle n3
VAR Residual Serial Correlation LM Tests H0: no serial correlation at lag order h Date: 07/13/10 Time: 00:32 Sample: 1976 2008 Included observations: 31 Lags 1 2 LM-Stat 4.847778 4.564704 Prob 0.3033 0.3349

Probs from chi-square with 4 df.

xxxiii

Modle n4
VAR Residual Serial Correlation LM Tests H0: no serial correlation at lag order h Date: 07/13/10 Time: 00:34 Sample: 1976 2008 Included observations: 30 Lags 1 2 LM-Stat 2.751521 5.522929 Prob 0.6002 0.2377

Probs from chi-square with 4 df.

Modle n5
VAR Residual Serial Correlation LM Tests H0: no serial correlation at lag order h Date: 07/13/10 Time: 00:37 Sample: 1976 2008 Included observations: 31 Lags 1 2 LM-Stat 2.395411 4.112959 Prob 0.6635 0.3909

Probs from chi-square with 4 df.

Modle n6
VAR Residual Serial Correlation LM Tests H0: no serial correlation at lag order h Date: 07/13/10 Time: 00:40 Sample: 1976 2008 Included observations: 30 Lags 1 2 LM-Stat 4.615732 2.065318 Prob 0.3290 0.7237

Probs from chi-square with 4 df.

xxxiv