Académique Documents
Professionnel Documents
Culture Documents
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Sanvi Avouyi-Dovi*
RafalK Kierzenkowski**
Catherine Lubochinsky***
* Service de Recherche en Économie et en Finance, Banque de France, 31 rue Croix des Petits
Champs, 75049 Paris Cedex 01, et CREFED-CERPEM, Université Paris-Dauphine.
Courriel : sanvi.avouyi-dovi@banque-france.fr
** Service des Analyses et Statistiques Monétaires, Banque de France, 31 rue Croix des Petits
Champs, 75049 Paris Cedex 01 et LASER-LAEC, Université Montpellier 1.
Courriel : rafal.kierzenkowski@banque-france.fr
*** Université Paris II Panthéon-Assas, 92 rue d'Assas, 75006 Paris.
Courriel : catherine.lubochinsky@u-paris2.fr
Les opinions présentées dans cet article sont celles des auteurs et ne reflètent pas nécessairement
les vues de la Banque de France ou des institutions auxquelles ils sont affiliés. Les auteurs remercient
Julien Matheron pour les programmes mis à leur disposition et pour ses suggestions. Ils remercient
également Iikka Korhonen et Marina Vasjukova ainsi que les participants du colloque international
Les nouvelles frontières de l’Union européenne (Marrakech, 16-17 mars 2005) et ceux du troisième
atelier de travail sur les pays émergents (Banque d’Espagne, 24-25 novembre 2005) pour leurs
remarques et commentaires.
851
to firms and real industrial output on the one hand, and between the aforementioned
variables and a monetary policy indicator (the three-month real interest rate) on the
other. Given that there is no single definition for the business cycle, we take three diffe-
rent approaches: we identify the turning points in the series and then estimate a con-
cordance index; we decompose and compare the cyclical components of the series;
and we calculate dynamic correlations across the variables. We find a better conver-
gence of real than financial cycles between the new EU members and the euro area.
There is no a high degree of dependence between loans and industrial output in all
countries; yet, monetary policy appears to smooth the distribution of credit throughout
the cycles.
INTRODUCTION
852
industrielle. Les résultats de Darvas et Szapary révèlent que, parmi les pays
candidats potentiels à l’adoption de l’euro, la Hongrie, la Pologne et la Slovénie
présentent la plus forte synchronisation des cycles réels avec l’UEM. Cette
conclusion prévaut pour le PIB, la production et les exportations, mais non pour
la consommation et les services1.
L’apport de cet article à la littérature existante se situe à trois niveaux.
Premièrement, en plus des co-mouvements de variables d’activité, nous
étudions ceux des variables de crédit et de taux d’intérêt. Ce choix s’explique par
l’existence d’une littérature abondante sur l’effet du crédit bancaire dans la trans-
mission de la politique monétaire à travers le rôle du crédit dans le financement
de l’investissement productif ou via la capacité de la politique monétaire à agir
sur l’offre de crédit des banques. Ces thèmes, importants dans le cadre des pays
industrialisés, semblent également pertinents pour les pays de l’Europe centrale,
compte tenu du faible degré de liquide de leurs marchés financiers. Plus spécifi-
quement, nous étudions les co-mouvements entre l’indice de production indus-
trielle en volume, le crédit bancaire aux entreprises déflaté par les prix à la
production et un indicateur de politique monétaire (taux d’intérêt réel à 3 mois)
au cours du cycle économique. Nous avons privilégié ici le taux d’intérêt réel (au
lieu du nominal) ; l’inflation anticipée est de ce fait considérée par les autorités
monétaires comme une donnée. En outre, cela respecte un souci de cohérence
entre les variables réelles.
Deuxièmement, l’étude est cohérente à travers les données et les méthodes
tout en étant exhaustive dans la démarche adoptée. Elle est conduite en trois
étapes : intra-pays, inter nouveaux pays membres, puis entre ces derniers et la
zone euro. Elle vise à dégager un ensemble de faits stylisés pour trois pays
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
1. Les statistiques de liaison entre les séries obtenues avec l’IPI et le PIB sont qualitativement
comparables mais sont, en général, plus élevées lorsqu’on utilise l’IPI.
853
1. En l’absence de série longue officielle, la variable de crédit de la zone euro a été reconstituée
en combinant différentes sources statistiques : les sources BCE (en mensuel depuis janvier 2003, en
trimestriel depuis septembre 1997) et les sources nationales regroupées dans les bases de données de
la BRI.
2. Il s’agit de l’indice global concernant la Hongrie, la Pologne et la République tchèque et de
l’indice hors construction pour la zone euro.
3. Artis et al. [2004] ont opté dans leur étude pour une désaisonnalisation fondée sur l’utilisation
de modèles à composantes inobservables afin de mieux contrôler la gestion des jours fériés spécifi-
ques. Nous avons privilégié une solution plus simple et « plus homogène ».
854
En outre, à la différence des pays de la zone euro, la part des prêts bancaires
aux ménages dans le total de bilan demeure relativement faible1, ceci renforce,
a posteriori, le fait de focaliser l’analyse sur le secteur des entreprises. Si l’évolu-
tion du crédit aux entreprises connaît en Pologne et en Hongrie une évolution
1. Elle enregistre néanmoins une progression soutenue entre 2002 et 2003 : 21,4 à 26,3 % en
Hongrie ; 16,7 à 21,1 % en République tchèque ; 37,4 à 38,9 % en Pologne (BCE [2005]).
855
856
Plus généralement, on observe dans certains cas (tableau A1, annexe A) une
relative convergence des principaux indicateurs macroéconomiques réels et
nominaux des nouveaux pays membres de l’UE et de la zone euro. Nous allons
désormais approfondir l’étude de ce lien pour les variables de crédit, de taux
d’intérêt à court terme et de production.
CONCORDANCE
ENTRE CYCLES RÉELS ET CYCLES DE CRÉDIT
857
⎛ s y, t ⎞ ⎛ s x, t ⎞
⎜ ------- ⎟ = η + ρs ⎜ -------⎟ + εt , (3)
⎝ σ sy ⎠ ⎝ σ sx ⎠
où η est une constante et εt un résidu. La procédure d’estimation de la relation
(3) doit être robuste à la corrélation sérielle des résidus, car εt hérite les propriétés
de corrélation sérielle de sy, t sous l’hypothèse nulle, ρ s = 0. C’est la méthode
des moindres carrés augmentés d’une procédure HAC qui est donc retenue ici
pour estimer l’équation (3).
Les points de retournement estimés sont reportés en annexe B sur le graphique
B1 pour le crédit (en termes réels) et le graphique B2 pour la production indus-
trielle en volume. Les séries de production sont plus volatiles que celles du
crédit ; ceci laisse entrevoir un nombre plus important de phases de récession
dans la sphère réelle. En effet, les points de retournement observés sur les
marchés de crédit sont moins fréquents (Hongrie, zone euro), voire égaux
(Pologne) à ceux identifiés pour la production industrielle, mais leur durée est
globalement comparable. Cependant, le cas de la République tchèque est très
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
858
859
860
Pologne, les cycles de la zone euro devancent les cycles hongrois et tchèque de
cinq à six mois. L’activité réelle des entreprises industrielles des nouveaux pays
membres de l’UE présente une intégration encore plus marquée avec l’UEM : c’est
en Hongrie et, dans une moindre mesure, en Pologne qu’elle est la plus forte.
Alors que la production industrielle de la zone euro coïncide avec le cycle
hongrois, un décalage d’un mois et de deux mois existe respectivement par
rapport aux cas tchèque et polonais.
Le rapprochement des inflexions des taux réels de marchés de l’évolution de
la distribution du crédit révèle l’existence d’une politique monétaire fortement
stabilisatrice dans la zone euro et, dans une moindre mesure, en Hongrie et en
Pologne (tableau B9). Ce caractère stabilisateur de la politique monétaire ressort
avec un retard tout au plus égal à un mois dans la zone euro, alors qu’il intervient
avec un retard de trois à quatre mois dans le cas hongrois et une avance de onze
mois en Pologne, témoignant ainsi d’une politique monétaire prospective. En
revanche, les modifications des taux apparaissent comme étant significativement
contracycliques en République tchèque.
Enfin, on note l’existence d’une relation contracyclique entre la composante
cyclique des taux d’intérêt et celle de la production industrielle en Hongrie avec
un décalage de deux mois (tableau B10). La politique monétaire semble de nature
stabilisatrice en Pologne et en République tchèque, bien que l’efficacité de la
transmission soit contrastée entre les deux pays. Des accroissements temporaires
de l’activité sont suivis de hausses des taux, qui précèdent une diminution signifi-
cative (pour la Pologne seulement) de la composante cyclique de la production.
Il serait intéressant d’examiner la sensibilité des résultats à la définition du
cycle. Malheureusement, la taille de l’échantillon ne permet pas de tester si le
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
861
encore plus prononcée. Elle est positive et très importante dans le cas de la
Hongrie, plus faible s’agissant de la Pologne et statistiquement non significative
pour la République tchèque (graphique B8).
Enfin, les corrélations dynamiques entre taux d’intérêt réel à 3 mois et finan-
cements bancaires alloués aux entreprises sont significativement positives dans
le cas de la Pologne, de la Hongrie et tout particulièrement de la zone euro,
traduisant ainsi l’impact stabilisateur sur le marché du crédit des ajustements de
taux (graphique B9).
CONCLUSION
1. Pour 2004, cette part s’élevait 32,2 % en Pologne, 30,6 % en Hongrie, 41,7 % en République
tchèque, à comparer à 24,8 % en France, 26,4 % en Allemagne, 28,8 % en Italie et 28,4 % en Espagne.
862
1. Fin 2004, la République tchèque était le premier partenaire commercial de la Pologne parmi
l’ensemble des pays de l’Europe centrale et orientale (hors Russie). Tous pays confondus, il s’agissait
du cinquième pays partenaire pour les exportations et du sixième pour les importations.
863
RÉFÉRENCES BIBLIOGRAPHIQUES
ANAS J., BILLIO M., FERRARA L. et DUCA M. Lo [2004], « A Turning Point Chronology
for the Euro-zone », Greta Working Paper 04.01.
ANDREWS D. et MONAHAN C. [1992], « An Improved Heteroskedasticity and Autocorre-
lation Consistent Covariance Matrix Estimator », Econometrica, 60 (4), p. 953-966.
ARTIS M.J, MARCELLINO M. et PROIETTI T. [2004], « Characterizing the Business Cycle
for Accession Countries », CEPR Discussion Paper 4457, Centre for Economic Policy
Research.
AVOUYI-DOVI S. et MATHERON J. [2003], « Interactions Between Real Cycles, Financial
Cycles and Interest Rates: Stylized Facts », RSF Banque de France, 3, p. 80-99.
AVOUYI-DOVI S. KIERZENKOWSKI R. et LUBOCHINSKY C. [2006], « Are Business and
Credit Cycles Converging or Diverging? A comparison of Poland, Hungary, the Czech
Republic and the Euro Area », NER Banque de France, 144, mai.
BCE [2004], Report on EU Banking Structure, Francfort, Banque centrale européenne.
BCE [2005], Banking Structures in the New EU Member States, Francfort, Banque
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
864
ANNEXE A
STATISTIQUES DESCRIPTIVES
Tableau A1. Principaux indicateurs macroéconomiques
PIB PL 6,0 6,8 4,8 4,1 4,0 1,0 1,4 3,8 5,4
HN 1,3 4,6 4,9 4,2 5,2 3,8 3,5 2,9 4,2
(taux de croissance réel, CZ 4,2 – 0,7 – 1,1 1,2 3,9 2,6 1,5 3,2 4,4
en %) ZE 1,5 2,6 2,9 2,8 3,7 1,7 0,9 0,7 2,0
Demande intérieure PL 9,6 9,1 6,4 5,0 2,7 – 1,8 0,7 2,1 4,6
HN 0,3 4,8 8,2 5,0 4,5 1,8 5,6 6,0 1,8
(taux de croissance réel, CZ 7,7 – 0,7 – 1,5 1,3 4,6 4,5 3,8 4,0 3,6
en %) ZE 1,1 1,9 3,5 3,5 3,2 1,1 0,3 1,4 1,9
Consommation finale PL 7,2 6,2 4,2 4,5 2,5 1,8 2,8 2,5 2,9
HN – 3,2 2,3 3,9 4,4 4,4 5,9 8,9 7,2 1,7
(taux de croissance réel, CZ 6,6 1,5 – 1,4 3,1 2,1 3,0 3,3 4,4 0,9
en %) ZE 1,8 1,6 2,5 2,9 2,9 2,0 1,3 1,2 1,4
Prix à la consommation PL nd 15,0 11,9 7,2 10,1 5,4 1,9 0,7 3,6
HN 23,6 18,5 14,3 10,0 9,9 9,1 5,3 4,7 6,8
(indice harmonisé, CZ 9,1 8,0 9,8 1,8 3,9 4,5 1,4 – 0,1 2,6
glissement annuel, en %) ZE 2,3 1,6 1,2 1,2 2,1 2,3 2,3 2,1 2,2
Prix à la production PL 13,2 12,2 7,3 5,5 7,8 1,7 1,1 2,7 7,0
HN 21,8 20,3 11,4 5,0 11,7 4,8 – 1,4 2,4 3,6
(glissement annuel, CZ 4,9 4,8 5,0 1,0 4,9 2,8 – 0,5 – 0,3 5,6
en %) ZE 0,4 1,1 – 0,6 – 0,4 5,3 2,1 0,0 1,5 2,1
Taux de chômage PL 13,2 10,9 10,2 13,4 16,4 18,5 19,8 19,2 18,8
HN 9,6 9,0 8,4 6,9 6,3 5,6 5,6 5,7 5,9
(en % de la population CZ 4,0 4,8 6,4 8,6 8,7 8 7,3 7,8 8,3
active) ZE 10,7 10,6 10,0 9,2 8,2 7,9 8,3 8,7 8,9
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
865
Exportations Importations
1990 1995 2000 2003 1990 1995 2000 2003
PL 10,9 9,2 7,5 7,6 5,6 8,0 5,2 4,6
(1) Nourriture et animaux vivants HN 19,8 17,9 6,5 6,2 6,3 4,7 2,5 2,8
CZ 5,4 4,9 2,9 2,7 5,9 5,6 4,0 4,0
PL 0,5 0,7 0,4 0,3 1,6 0,7 0,4 0,3
(2) Boissons et tabac HN 1,3 2,4 0,4 0,3 0,8 0,5 0,2 0,3
CZ 0,5 0,8 0,7 0,6 0,9 0,8 0,6 0,5
Matériaux bruts, non PL 6,8 4,5 2,8 2,6 6,5 5,4 3,4 3,0
(3) comestibles, à l’exception HN 4,7 4,8 2,1 1,8 5,3 4,1 2,0 1,8
des combustibles
CZ 3,3 5,2 3,5 2,8 6,8 4,5 3,2 2,8
PL 10,7 8,2 5,1 4,3 21,9 9,1 10,8 9,1
Combustibles minéraux,
(4) HN 3,1 3,2 1,8 1,6 14,2 11,7 8,4 7,7
lubrifiants, etc.
CZ 4,9 4,3 3,1 2,9 17,9 7,9 9,7 7,5
PL 0,2 0,2 0,1 0,0 0,5 0,7 0,3 0,4
Huiles animales et végétales,
(5) HN 1,2 0,7 0,3 0,2 0,1 0,3 0,2 0,2
matières grasses, paraffines
CZ 0,4 0,2 0,1 0,1 0,7 0,3 0,2 0,3
PL 9,1 7,7 6,8 6,5 8,6 15,0 14,1 14,7
Produits chimiques
(6) HN 12,4 11,8 6,6 6,9 14,9 14,2 8,8 9,7
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
866
ANNEXE B
Tableau B1. Indices de concordance entre production industrielle et crédits par pays
Zone euro –
Variable Zone euro – Pologne Zone euro – Hongrie
République tchèque
Crédit aux entreprises 0,85271 (***) 0,74419 0,38760
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
867
Revue économique
sur les crédits aux entreprises (janvier 1994 – septembre 2004)
Pologne Hongrie
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
Note : Pics (1997:11, 2003:11), creux (2003:5) Note : Pics (2002:8), creux (1995:4, 2003:2)
Graphique B2. Points de retournement
Revue économique — vol. 57, N° 4, juillet 2006, p. 851-880
Note : Pics (1997:10, 2004:3), creux (1995:7, 1999:1) Note : Pics (1995:2, 1998:7, 2000:12, 2002:9),
869
Revue économique
et de la production industrielle (graphiques de droite) et taux interbancaire à 3 mois en termes réels (janvier 1994 – septembre 2004)
Pologne Pologne
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
Hongrie Hongrie
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
Sanvi Avouyi-Dovi, RafalKKierzenkowski, Catherine Lubochinsky
République tchèque
Zone euro
République tchèque
Zone euro
871
Revue économique — vol. 57, N° 4, juillet 2006, p. 851-880
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
Revue économique
Tableau B4. Corrélations entre les composantes Tableau B5. Corrélations entre
cycliques du crédit aux entreprises (t) et de la produc- les composantes cycliques du crédit aux entre-
tion industrielle (t ± k) par pays prises des nouveaux pays membres
HN (t) – PL CZ (t) – PL CZ (t) – HN
k PL HN CZ ZE k
(t ± k) (t ± k) (t ± k)
– 12 – 0,09 – 0,41 – 0,19 0,34 – 12 0,57 (**) – 0,21 – 0,06
– 11 – 0,17 – 0,38 – 0,19 0,27 – 11 0,59 (*) – 0,25 – 0,07
– 10 – 0,24 – 0,35 – 0,18 0,19 – 10 0,60 (**) – 0,29 – 0,07
–9 – 0,32 (*) – 0,31 – 0,18 0,10 –9 0,60 (**) – 0,32 (*) – 0,07
–8 – 0,39 (**) – 0,27 – 0,17 – 0,01 –8 0,60 (**) – 0,35 (*) – 0,08
–7 – 0,45 (**) – 0,22 – 0,17 – 0,12 –7 0,58 (**) – 0,38 (**) – 0,08
–6 – 0,51 (*) – 0,17 – 0,16 – 0,23 –6 0,56 (*) – 0,40 (**) – 0,09
–5 – 0,54 (**) – 0,12 – 0,15 – 0,33 (*) –5 0,52 (**) – 0,42 (**) – 0,09
–4 – 0,57 (**) – 0,08 – 0,14 – 0,43 (**) –4 0,47 (**) – 0,44 (**) – 0,10
–3 – 0,57 (**) – 0,03 – 0,13 – 0,52 (**) –3 0,42 (**) – 0,46 (**) – 0,12
–2 – 0,55 (**) 0,01 – 0,13 – 0,58 (**) –2 0,35 (**) – 0,47 (**) – 0,13
–1 – 0,52 (**) 0,05 – 0,12 – 0,63 (**) –1 0,28 (*) – 0,48 (**) – 0,15
0 – 0,47 (**) 0,08 – 0,11 – 0,66 (**) 0 0,20 – 0,49 (**) – 0,17
+1 – 0,39 (**) 0,12 – 0,11 – 0,65 (**) +1 0,12 – 0,46 (**) – 0,18 (*)
+2 – 0,30 (*) 0,15 – 0,10 – 0,63 (**) +2 0,03 – 0,44 (**) – 0,19 (*)
+3 – 0,21 0,17 – 0,09 – 0,58 (**) +3 – 0,05 – 0,41 (**) – 0,20 (**)
+4 – 0,12 0,19 – 0,07 – 0,53 (**) +4 – 0,12 – 0,39 (**) – 0,20 (**)
+5 – 0,04 0,20 – 0,05 – 0,46 (**) +5 – 0,19 – 0,36 (**) – 0,20 (**)
+6 0,03 0,20 – 0,02 – 0,39 +6 – 0,25 – 0,33 (*) – 0,19 (*)
+7 0,09 0,20 0,01 – 0,31 +7 – 0,29 – 0,30 – 0,19 (*)
+8 0,13 0,20 0,05 – 0,22 +8 – 0,33 – 0,28 – 0,17 (*)
+9 0,16 0,19 0,08 – 0,14 +9 – 0,36 – 0,25 – 0,16
+ 10 0,18 0,18 0,11 – 0,06 + 10 – 0,38 – 0,23 – 0,15
+ 11 0,18 0,17 0,14 0,01 + 11 – 0,40 – 0,20 – 0,14
+ 12 0,17 0,15 0,16 0,08 + 12 – 0,41 – 0,17 – 0,12
Note : * (**) coefficient significatif à 10 % (5 %), PL = Pologne, Note : * (**) coefficient significatif à 10 % (5 %),
HN = Hongrie, CZ = République tchèque, ZE = zone euro PL = Pologne, HN = Hongrie, CZ = République tchèque
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
872
Tableau B8. Corrélations entre les compo- Tableau B9. Corrélations entre
santes cycliques de la production industrielle : les composantes cycliques du taux d’intérêt à 3 mois (t)
zone euro et nouveaux pays membres et du crédit aux entreprises (t ± k) par pays
k PL HN CZ ZE
– 12 0,55 (**) 0,05 0,35 0,44 (**)
– 11 0,56 (**) – 0,05 0,40 (*) 0,36 (**)
– 10 0,56 (**) – 0,15 0,43 (**) 0,26
–9 0,54 (**) – 0,26 0,46 (**) 0,15
–8 0,52 (**) – 0,36 (**) 0,48 (**) 0,03
–7 0,48 (**) – 0,45 (**) 0,48 (**) – 0,09
–6 0,43 (**) – 0,53 (**) 0,48 (**) – 0,21
–5 0,36 (*) – 0,60 (**) 0,46 (**) – 0,33 (**)
–4 0,29 – 0,64 (**) 0,44 (**) – 0,43 (**)
–3 0,21 – 0,67 (**) 0,40 (**) – 0,53 (**)
–2 0,13 – 0,68 (**) 0,36 (**) – 0,60 (**)
–1 0,03 – 0,67 (**) 0,30 (**) – 0,66 (**)
0 – 0,06 – 0,63 (**) 0,25 – 0,70 (**)
+1 – 0,15 – 0,58 (**) 0,19 – 0,72 (**)
+2 – 0,25 – 0,51 (**) 0,14 – 0,71 (**)
+3 – 0,34 (**) – 0,43 (**) 0,08 – 0,69 (**)
+4 – 0,43 (**) – 0,34 0,03 – 0,66 (**)
+5 – 0,51 (**) – 0,25 – 0,01 – 0,61 (**)
+6 – 0,58 (**) – 0,15 – 0,05 – 0,55 (**)
+7 – 0,64 (**) – 0,04 – 0,01 – 0,48 (**)
+8 – 0,69 (**) 0,06 – 0,07 – 0,40 (**)
+9 – 0,73 (**) 0,16 – 0,09 – 0,31 (*)
+ 10 – 0,75 (**) 0,25 – 0,09 – 0,23
+ 11 – 0,75 (**) 0,34 (*) – 0,09 – 0,13
+ 12 – 0,74 (**) 0,41 (**) – 0,09 – 0,04
Note : * (**) coefficient significatif à 10 % (5 %), PL = Pologne,
HN = Hongrie, CZ = République tchèque, ZE = zone euro
873
Pologne Hongrie
874
875
Pologne Hongrie
876
Pologne Hongrie
ÉLÉMENTS THÉORIQUES
Bry et Boschan [1971] ont déterminé un algorithme permettant de répliquer les dates
d’entrée en récession identifiées par le comité d’experts du NBER. C’est une variante de
cet algorithme, développée par Harding et Pagan [2002, 2004], que nous avons utilisée
dans cette étude. Nous en détaillons les principales étapes ci-dessous.
– Définition d’un pic ou d’un creux. Un pic (creux) est atteint en t si la valeur de la
série à la date t est supérieure (inférieure) aux k valeurs précédentes et aux k valeurs
suivantes, où k est un entier naturel qui varie selon la nature de la série étudiée et sa
fréquence d’échantillonnage.
– Mise en œuvre d’une procédure « forçant » l’alternance des pics et des creux, en
sélectionnant le plus haut (bas) de deux pics (creux) consécutifs.
– Élimination des cycles dont la durée est inférieure à un temps minimal imposé a
priori, et noté m, et de cycles dont la période complète de reproduction (nombre de
périodes séparant un pic d’un pic ou un creux d’un creux) est inférieure à un nombre de
périodes M fixé à l’avance.
877
De façon générale, plus les paramètres k, e, m et M sont faibles, plus il est probable
que toutes les baisses du niveau des séries soient identifiés comme des creux, d’autant
plus si la variable d’origine présente une évolution erratique. À l’inverse, si ces paramè-
tres sont fixés à de fortes valeurs, l’algorithme peut manquer de déterminer les points de
retournement. Nous fixons des valeurs pour les différents paramètres généralement
admises dans la littérature, soit e = 6, k = 5, m = 5 et M = 15.
Le filtre à bande passante idéal, isolant les mouvements cycliques dont les périodes de
reproduction sont comprises dans l’intervalle [bi, bs], est défini par la relation :
k = +∞
y tct = B ( L )y t , B( L ) = ∑
k=–∞
Bk Lk , L k yt = yt – k ,
où les Bk vérifient :
sin ( 2kπ ⁄ b i ) – sin ( 2kπ ⁄ b s )
B k = -------------------------------------------------------------------
-.
πk
© Presses de Sciences Po | Téléchargé le 05/10/2021 sur www.cairn.info (IP: 190.115.149.146)
S y c t ( ω ) = B ( e – iω ) 2 S y ( ω ),
⎧ 1 pour ω ∈ [ 2π ⁄ b s, 2π ⁄ b i ] ∪ ] – 2π ⁄ b i , – 2π ⁄ b s [
B ( e – iω ) = ⎨ .
⎩ 0 sinon
Il découle de cette formule que la densité spectrale de yt est non nulle sur la bande de
fréquences [ 2π ⁄ b s, 2π ⁄ b i ] ∪ ] – 2π ⁄ b i , – 2π ⁄ b s [ ⊂ ] – π, π[, et nulle partout ailleurs.
En d’autres termes, toute la variance de y tct est expliquée par des mouvements cycliques
dont les périodes de reproduction sont comprises entre bi et bs.
La définition du filtre B ( L ) impose une limite importante, car elle nécessite l’exis-
tence d’un nombre infini d’observations. En pratique, nous travaillons en échantillon fini
et devons donc trouver une approximation adéquate de B ( L ). Disposant d’un nombre
fini d’observations { y 1, …, y T } du processus stochastique yt, Christiano et Fitzgerald
878
879