Les variables financières sont-elles utiles pour anticiper la croissance économique?

Transcription

1 Les variables financières sont-elles utiles pour anticiper la croissance économique? Quelques évidences économétriques 1 Laurent Ferrara * Dans la littérature économétrique récente, le rôle des variables financières pour la prévision des fluctuations macroéconomiques est ambigu. Les résultats empiriques dépendent, entre autres, des variables considérées, des modèles utilisés ou de l échantillon étudié. Toutefois, certains faits stylisés apparaissent clairement. Dans cet article, les différentes variables financières sont discutées, les principaux modèles économétriques sont esquissés et une synthèse des résultats récents est proposée. Are FiNANciAL variables useful to ANticipAte economic growth? some econometric evidences In the recent econometric literature, the role of financial variables in predicting macroeconomic fluctuations is ambiguous. Empirical results depend on the kind of variables, econometric models or sample size. However, some stylized facts clearly appear. In this paper, various financial variables are discussed, the main econometric models are briefly presented and a summary of recent results is put forward. Classification JEL : C53, E32, E37, E44 INTRODUCTION Les variables en provenance des marchés financiers font partie de l ensemble d informations mis à la disposition des conjoncturistes et des prévisionnistes pour effectuer leurs analyses et leurs scénarii prévisionnels pour la croissance économique des pays. cet ensemble d informations présente la caractéristique d être extrêmement vaste, et de l être de plus en plus. ces variables viennent compléter les données classiquement utilisées par les conjoncturistes telles que les données relatives à l activité (indice de la production industrielle, consommation des ménages en produits manufacturés ), aux prix et les enquêtes d opinion. toutefois, malgré le contenu prédictif largement reconnu des variables * banque de France, direction de la conjoncture et des prévisions macroéconomiques, dcpm-diaconj, 31, rue croix-des-petits-champs, paris cedex 01. Courriel : laurent. ferrara@banque-france.fr. Les vues exprimées dans cet article n engagent que l auteur et ne reflètent pas nécessairement celles de la banque de France. 645

2 Revue économique financières, ces dernières ne sont que peu considérées dans les modèles économétriques de prévision à court terme de croissance. cela tient principalement à deux éléments : leur forte volatilité et l instabilité de leur avance au cours du temps. Leur forte volatilité fournit une information particulièrement bruitée entraînant une délicate extraction d un signal de qualité utile au prévisionniste. en particulier, le risque de faux signaux est élevé lorsqu on utilise ce type de variable en modélisation. de plus, la volatilité engendre des lois de distribution asymétriques et à forte leptokurticité qui s écartent de la loi Normale provoquant ainsi des problèmes lors de l estimation des paramètres, en particulier lorsque l hypothèse gaussienne est effectuée pour la maximisation de la vraisemblance. d autre part, leur instabilité fait que les modèles économétriques intégrant des retards échelonnés permettent certes une bonne qualité d ajustement du modèle aux données, mais sont rendus caducs dans une optique prévisionnelle. en effet, pour un horizon de prévision donné, la précision des prévisions varie largement au cours du temps. toutefois, la récente récession économique traversée par la plupart des pays industrialisés au cours des années , reliée à la crise financière internationale, a mis de nouveau en lumière le rôle prépondérant des variables relatives aux marchés financiers dans la prévision à court terme. en effet, la plupart des modèles de prévision, en particulier basés sur les enquêtes d opinion, se sont révélés trop inertes et n ont pas su anticiper l intensité du retournement qui a eu lieu, même si certains avaient permis de prévoir un point de retournement du cycle de croissance. de plus, les données financières possèdent deux caractéristiques essentielles pour le conjoncturiste : elles ne sont pas (ou peu) révisées et sont disponibles rapidement. dans cet article, il est proposé une revue non exhaustive de la littérature économétrique récente qui s est penchée sur le rôle des variables financières pour la prévision des fluctuations macroéconomiques. d une part, plusieurs articles se sont intéressés à la prévision quantitative du taux de croissance du pib, alors que, d autre part, de nombreuses études ont souligné la capacité des variables de marché à anticiper les points de retournement des cycles dans le cadre d une approche qualitative. ci-dessous, les différentes variables financières sont évoquées, les principaux modèles économétriques sont esquissés et une synthèse des résultats est proposée. QUELLES SONT LES VARIABLES D INTéRêT? parmi la multitude de variables financières considérées dans la littérature, il ressort que l écart entre les taux d intérêt à long terme, tels que les taux des bons gouvernementaux à dix ans, et ceux à court terme, en général le taux interbancaire à trois mois, était la variable qui présentait la plus forte capacité prédictive pour la croissance au cours d un horizon de douze mois. on citera, entre autres, les travaux de d estrella et hardouvelis [1991], estrella et mishkin [1997, 1998], estrella et al. [2003] ou giacomini et rossi [2006] pour les États-unis, et ceux de moneta [2005] ou duarte et al. [2005] pour la zone euro dans son ensemble. rudebusch et williams [2009] mettent en évidence que, en temps réel, l écart de taux aux États-unis fournit systématiquement de meilleures prévisions 646

3 Laurent Ferrara des récessions américaines, avec un horizon supérieur à un trimestre, que le consensus des économistes réuni dans le Survey of Professional Forecasters. hamilton et Kim [2002] soulignent que la contribution de l écart de taux à la croissance peut se décomposer utilement en un effet lié aux anticipations des acteurs du marché sur les taux courts et un effet lié à la prime de risque. des écarts de taux entre différentes maturités ont également prouvé leur capacité à prévoir la croissance économique. d autres variables ont été également utilisées avec succès pour la prévision à court terme, en particulier des variables relatives aux prix des actifs financiers, tels que les indices boursiers (estrella et mishkin [1998], henry et al. [2004], Andersson et d Agostino [2007], tkacz et wilkins [2008]) ou leurs déterminants (de bondt [2008]), les agrégats monétaires (estrella et mishkin [1998]), les prix des matières premières (hamilton [2003], pour les prix du pétrole) ou les prix immobiliers (tkacz et wilkins [2008]). stock et watson [2003] considèrent un ensemble de 43 séries pour sept pays de l ocde (États-unis, canada, Japon, royaume-uni, France, Allemagne et italie). cet ensemble reprend des séries monétaires et de prix d actifs (notamment de prix immobiliers). King, Levin et perli [2007] utilisent 54 variables financières, comprenant celles de stock et watson [2003] ainsi que plusieurs écarts de taux de crédit aux entreprises et des mesures de liquidité, et montrent que ces écarts de taux de crédit sont au moins aussi informatifs que les écarts de taux d intérêt pour anticiper les récessions américaines au cours des vingt dernières années. s agissant de la zone euro, le problème majeur rencontré est celui de l obtention de séries longues homogènes, en particulier lorsqu on s intéresse aux récessions qui ne sont qu au nombre de quatre entre 1970 et La courte existence de la zone monétaire, depuis 1999 uniquement, demande ainsi d utiliser des approximations. par exemple, l écart de taux allemands est souvent utilisé comme un proxy de celui pour la zone euro avant Autre alternative, moneta [2005] propose un écart de taux rétropolé à partir des différentes sources nationales en utilisant différents systèmes d agrégation. dans un article récent, Ferrara et bellego [2009] se sont penchés sur la capacité d un ensemble de treize variables relatives aux marchés financiers à prévoir les récessions économiques en zone euro. parmi les variables retenues, nous retrouvons des variables standard telles que plusieurs écarts de taux d intérêt en zone euro pour différentes maturités, l indice du cours des actions, une série de rendements des dividendes, le per, un indice de prix des matières premières (crb), les séries de prix du pétrole et de l or et l agrégat monétaire m1. deux séries américaines ont également été incorporées sous l hypothèse que les marchés américain et européen sont fortement dépendants (un spread corporate et la série du taux de défaut). d une manière générale, les variables financières sont supposées incorporer de l information sur les fluctuations à venir de l activité économique à travers les anticipations des acteurs des marchés financiers. selon le type de variable considérée, différents canaux de transmission possibles entre la sphère réelle et la sphère financière ont été évoqués dans la littérature, dont il ne serait pas raisonnable de mener une revue dans cette étude. toutefois, de manière empirique, la forte volatilité observée dans les variables financières suggère qu elles incorporent également de l information sur le fonctionnement des marchés euxmêmes ou sur l évolution de la prime de risque venant ainsi brouiller l information prédictive sur les fluctuations macroéconomiques. de même, une évolution sur l écart de taux peut provenir soit d une variation du taux long, soit 647

4 Revue économique du taux court, ce qui n impacte pas l économie de manière symétrique. cette asymétrie n est pas forcément prise en compte dans les différentes tentatives de modélisation. APPROCHE QUANTITATIVE : MODèLES POUR LA PRéVISION DU TAUX DE CROISSANCE DE LA PRODUCTION dans cette section, nous présentons quelques approches paramétriques développées pour prévoir à court terme le taux de croissance du pib (ou de la production industrielle), à l aide de modèles linéaires et non linéaires. il ne s agit pas ici d une revue exhaustive de la littérature sur le thème, mais plutôt d une mise en évidence de quelques faits stylisés. Modèles linéaires dans un cadre univarié, le taux de croissance du pib (ou de l indice de production industrielle), noté Y t, est relié à une variable financière d intérêt, notée X t, préalablement stationnarisée, par l équation linéaire suivante : 648 p Y = a + b Y + c X + f t + h i t - i i = 0 j = 0 q / /, (1) j t - j t + h où h est l horizon de prévision et f t est le terme d erreur, p et q étant les ordres autorégressifs. La spécification optimale retenue est celle obtenue par maximisation d un critère d information de type aic ou bic. généralement, ce modèle est estimé sur une fréquence mensuelle (pour l ipi) ou trimestrielle (pour le pib), les données financières étant alors agrégées à la fréquence voulue. ce modèle donné par l équation (1) a été largement utilisé dans la littérature empirique. par exemple, sur des données américaines, on citera les travaux d estrella et hardouvelis [1991], hamilton et Kim [2002], estrella et al. [2003] ou giacomini et rossi [2006]. en particulier, estrella et al. [2003] et giacomini et rossi [2006] concluent à l instabilité au cours du temps de la relation entre l écart de taux d intérêt et la production, en mettant en œuvre des tests de stabilité. ceci plaide pour une utilisation restreinte de ce type de modèle en prévision. estrella et mishkin [1997] mettent en évidence l apport de différents écarts de taux et de variables monétaires pour les États-unis ainsi que pour les quatre grands pays européens. s agissant de la zone euro dans son ensemble, Andersson et d Agostino [2008] utilisent des indices boursiers sectoriels pour prévoir le pib agrégé, duarte et al. [2005] intègrent l écart entre le taux à dix ans et le taux inter-bancaire à trois mois dans leurs modèles. de bondt [2009] souligne qu il est préférable d utiliser les déterminants du prix des actions tels que le dividende des entreprises (source interne de financement) ou un taux d intérêt sans risque (coût de financement) plutôt que directement l indice de prix. d une manière générale, les résultats empiriques montrent que les variables financières ressortent significativement dans les modèles linéaires et ont un impact bénéfique sur la précision des prévisions de croissance pour des horizons

5 Laurent Ferrara inférieurs à un an. toutefois, il apparaît que les modèles linéaires transmettent directement l instabilité des variables financières en tant que variables exogènes à l espérance conditionnelle de la variable endogène, à savoir le taux de croissance du pib. une manière de stabiliser cette information est de combiner les prévisions. Ainsi, stock et watson [2003] soulignent que la combinaison des prévisions issues de plusieurs prix d actifs individuels, à partir de la médiane ou de la moyenne tronquée, améliorent significativement la qualité prédictive. Modèles non linéaires un fait remarquable est que la plupart des approches en prévision dans un cadre paramétriques ont été menées avec des modèles linéaires. or, il semble que des effets asymétriques ou des paramètres variant au cours du temps devraient permettre de reproduire plus fidèlement les faits stylisés de la relation entre sphère réelle et sphère financière. dans cette optique, des modèles non linéaires à seuil ont été estimés pour tenir compte de ces aspects, en particulier l asymétrie. en utilisant les notations précédentes, on dira que la variable Y t suit un processus à seuil, avec deux régimes, si elle vérifie l équation générale suivante : Y h Y X h = a + b + c + v f, si Z G c, t + h p q 1 i = 0 1, i t - i j = 0 1, j t - j 1 t + h t - d p q Y h Y X h = a + b + c + v f, si Z > c, t + h / / / / 2 2, i t - i 2, j t - j 2 t + h t - d i = 0 j = 0 où c est le seuil, d est le délai, f t est le terme d erreur et Z t est la variable de transition. si q = 0, alors Y t suit un processus à seuil de type tar (Threshold Auto- Regressive), et si, de plus, pour tout t, Z t = Y t, le processus est défini comme un processus setar (Self-Exciting tar). pour un seuil c donné et la position de la variable de transition par rapport à ce seuil, le processus suit un processus linéaire particulier, ce qui permet de tenir compte d éventuelles asymétries présentes dans les données. d autres spécifications peuvent être proposées dans chaque régime. L estimation des paramètres se fait à l aide des moindres carrés conditionnellement au seuil c. dans la spécification décrite par l équation (2), la transition se fait de manière abrupte à l aide d une fonction indicatrice, mais on peut également envisager une transition plus lisse modélisée par une fonction de type logistique : on parle alors de processus str (Smooth Transition Regression). hamilton [2003] souligne la nécessité d un modèle non linéaire pour prévoir le taux de croissance du pib américain à l aide des prix du pétrole. il remarque également que les phases de hausse des prix sont beaucoup plus importantes pour prévoir le pib que ne le sont les phases de baisse et que les prix sont moins utiles en prévision lorsqu ils suivent une période de forte volatilité. galbraith et tkacz [2000] mettent en évidence l existence d une relation non linéaire dans la relation entre l écart de taux et la croissance pour les Étatsunis et le canada à l aide du test de hansen [1996]. ce fait stylisé est confirmé par venetis et al. [2003] qui modélisent cette relation à différents horizons par un processus str. de plus, ces derniers auteurs permettent aux paramètres du modèle d évoluer dans le temps afin d intégrer des changements structurels. (2) 649

6 Revue économique tkacz et wilkins [2008] soulignent également le gain obtenu par un modèle non linéaire lors de la prévision du pib canadien par des prix immobiliers, même si ce gain n est pas jugé substantiel d un point de vue macroéconomique. en revanche, galbraith et tkacz [2000] arrivent à la conclusion que les pays européens qu ils considèrent dans leur expérience (Allemagne, France, italie et royaume-uni) ne présentent pas d effet non linéaire dans la relation entre écart de taux et pib. parmi les explications possibles, les auteurs évoquent un problème statistique lié au manque de puissance du test ou des considérations plus économiques basées sur des mécanismes différents de transmission monétaire de part et d autre de l Atlantique. cependant, ces résultats relatifs aux pays européens sont contrebalancés par d autres études. par exemple, venetis et al. [2003] montrent qu un effet d asymétrie existe dans cette relation pour le royaume-uni. duarte et al. [2005] soulignent le gain en termes de rmse obtenu à l aide d un modèle à seuil pour prévoir le pib zone euro à l aide de l écart de taux et henry et al. [2004] montrent sur un panel de vingt-sept pays que les rendements des indices boursiers sont plus utiles pour prédire la croissance lors d une phase de récession que lors d une phase d expansion. APPROCHE QUALITATIVE : MODèLES POUR L ANTICIPATION DES POINTS DE RETOURNEMENT DES CYCLES Au-delà de la prévision quantitative du taux de croissance de la production, les variables financières sont souvent utilisées dans une approche qualitative pour anticiper par les points de retournement des cycles. en particulier, la prévision des récessions économiques est un sujet d intérêt parmi les prévisionnistes et les décideurs. Ainsi, on suppose que l on observe les valeurs d une variable binaire r t qui prend comme valeur 1 lorsque l économie est en récession et 0 sinon. on va chercher à estimer la probabilité que r t + h = 1 pour un certain horizon de prévision h. pour cela deux types principaux de modèles ont été mis en œuvre dans la littérature, à savoir les modèles à réponse binaire de type logit-probit et les modèles à changements de régimes markoviens. Modèles à réponse binaire La probabilité d être en récession pour un horizon h issue d un modèle à réponse binaire est la probabilité conditionnelle suivante : q P`R = 1 X j = Ff- a - / c X p, (3) 650 t + h t j t - j j = 0 où la fonction F est une fonction croissante monotone de 0 à 1 qui peut être soit la fonction de répartition du terme d erreur supposé gaussien (spécification probit), soit une fonction logistique (spécification logit). L estimation des paramètres se fait généralement par maximum de vraisemblance et repose sur la connaissance a priori de la séquence r t, qui n est pas toujours disponible selon les pays considérés. Notons également que le problème de l autocorrélation des erreurs apparaît souvent dans ce type d estimation.

7 Laurent Ferrara dans ce cadre, estrella et hardouvelis [1991], estrella et mishkin [1998] ou rudebusch et williams [2009], entre autres, ont montré que, pour les Étatsunis, l écart de taux d intérêt améliore significativement les autres variables financières et macroéconomiques standard pour la prévision des récessions, en particulier pour des horizons supérieurs à un trimestre. chauvet et potter [2002, 2005] intègrent des changements structurels dans le modèle (3) pour prévoir les récessions américaines à l aide de l écart de taux afin de tenir compte par exemple de la baisse de la volatilité macroéconomique depuis les années ils montrent que la prise en compte de ces changements améliore considérablement la qualité prévisionnelle, en prenant ainsi en compte l instabilité au cours du temps de la relation. Kauppi et saikkonen [2008] proposent également un modèle probit dynamique qui tient compte des retards de la variable r t et des probabilités conditionnelles passées afin de prévoir les récessions américaines via l écart de taux. La prise en compte de la dynamique permet de lisser en partie la volatilité de la variable exogène. King et al. [2007] montrent également qu une combinaison bayesienne de prévisions de récessions estimées par un modèle à réponse binaire appliqué à différentes variables financières permet d améliorer la prévision moyenne. La combinaison de prévisions est en fait un autre moyen de réduire l instabilité des variables financières. s agissant des pays européens, estrella et mishkin [1997] montrent que l écart de taux permet d anticiper les récessions en France, Allemagne, italie et royaume-uni dans une analyse intra-échantillon. duarte et al. [2005] montrent que les écarts de taux aux États-unis et en zone euro permettent d anticiper avec une avance de trois trimestres les récessions en zone euro de 1970 à moneta [2005] teste différents écarts de taux, avec des maturités variées, en prévision des récessions et montre que l écart entre le taux à dix ans et celui à trois mois fournit les meilleurs résultats. il montre également que, pour un horizon supérieur à un trimestre, ce taux améliore nettement les prévisions menées avec les prix des actions. bellégo et Ferrara [2009] ont estimé un modèle de type probit pour chacune des treize variables financières considérées, en permettant aux paramètres d évoluer dans le temps selon une chaîne de markov à deux régimes, comme cela a été proposé par dueker [1997, 2002]. cette spécification introduit de la flexibilité dans le modèle en permettant aux paramètres de varier au cours du temps. de plus, les auteurs proposent deux schémas d agrégation de l information afin d obtenir des résultats plus stables. dans un premier temps, les probabilités de récession sont moyennées pour chaque horizon, puis un modèle à facteurs dynamiques pour l ensemble des variables est estimé et les facteurs sont intégrés dans un modèle à réponse binaire. Les résultats obtenus montrent que l introduction de paramètres variant au cours du temps permet d améliorer l ajustement du modèle aux données et, surtout, la méthode d agrégation par modèle à facteurs dynamiques permet des prévisions de meilleure qualité. Les résultats obtenus montrent une bonne qualité d ajustement du modèle aux données, permettant de reproduire fidèlement les quatre phases de récession traversées par la zone euro depuis 1970 (premier choc pétrolier en , deuxième choc pétrolier «double-dip» en et 1982, puis en suite à la récession américaine de 1991). de plus, une simulation de résultats en temps réel a montré que pour la dernière récession débutée au t2 2008, un premier signal de probabilité de récession aurait pu être envoyé dès le mois de septembre 2007, soit environ six mois avant l entrée effective en récession (le pic de la récession est daté au premier trimestre 2008). 651

8 Revue économique peu d études ont cherché à comparer la stabilité des prévisions quantitatives et qualitatives à l aide de variables financières. seuls estrella et al. [2003] ont montré, sur des données américaines et allemandes, que la prévision des récessions par un modèle de type probit fournissait des résultats plus précis et plus stables au cours du temps que les prévisions quantitatives de croissance. Modèles à changements de régimes markoviens Les modèles à changements de régimes markoviens, popularisés en économie par hamilton [1989], sont intéressants pour les praticiens, car ils permettent d obtenir à tout moment une probabilité d occurrence d une certaine variable inobservable, à valeurs dans l ensemble " 1, f, K, qui est supposée suivre une chaîne de markov à K états. en macroéconomie, la variable inobservable, que l on note _ S t i, est supposée représenter l état courant de l activité économique t et le nombre K de régimes est généralement supposé égal à deux ou à trois. Les moments où la variable change de régime sont supposés être les points de retournement d un certain cycle. La variable _ S t i est spécifiée comme une chaîne de markov du premier ordre t à K régimes, c est-à-dire que, pour tout t, s t ne dépend que de S t - 1, i.e. pour i, j = 1,, K : 652 P`S = j S = i, S = i, fj = P`S = j S = ij = p, (4) t t - 1 t - 2 t t - 1 ij Les probabilités ` p ij j sont appelées les probabilités de transition ; i, j = 1, f, K elles mesurent la probabilité de rester dans le même régime et de passer d un régime à l autre et constituent ainsi une mesure de la persistance des régimes. L estimation des paramètres du modèle se fait par maximum de vraisemblance en utilisant un algorithme de filtrage. L étape d estimation permet de récupérer à chaque date t la probabilité filtrée d appartenir au régime i, pour i = 1, f, K, P`St = i Xt, fx1, ij. À partir de la chaîne de markov précédente _ S t i, on peut définir différents t types de modèles économétriques à changements de régimes markoviens dont la structure et les paramètres dépendent du régime dans lequel se trouve la chaîne de markov. par exemple, on définit le modèle auto-régressif d ordre p, AR_ pi, à changements de régimes _ X t i s il vérifie l équation suivante : t X = n h + z _ X - n hi + + z `X - n i j + f, (5) t S^ t 1 t - 1 S^ t - 1 f p t - p S_ t - p t où ns ^ t h est la moyenne du processus au temps t et où _ fti est un processus bruit t blanc gaussien de variance finie inconnue v 2 qui peut également dépendre du régime. de nombreuses autres spécifications ont été proposées dans la littérature sur ce type de modèles, telles que des extensions multivariées ou des probabilités de transition non constantes au cours du temps, notamment dans l objectif de reproduire les cycles économiques. pour ce qui est des applications sur variables financières, Ahrens [2002] modélise l écart de taux pour huit différents pays (États-unis, canada, Japon, royaume-uni, Allemagne, France, italie et pays-bas) à l aide d un processus à deux régimes (5) et montre que la probabilité d appartenance à un régime bas permet d anticiper les récessions dans chacun de ces pays de manière fiable.

9 Laurent Ferrara Anas et Ferrara [2004] construisent un indicateur avancé de retournement des cycles, pour les États-unis et la zone euro, en intégrant un indice boursier et l écart de taux dans un modèle ms. bellone et al. [2006] proposent également un indicateur avancé du cycle américain, basé sur l écart de taux, un indice boursier et la masse monétaire m2 et obtenu par estimation d un modèle ms sur variables qualitatives, qui permet d anticiper les récessions avec une avance non négligeable. s agissant de la France, bouabdallah et tselikas [2007], à l aide d un modèle à changements de régimes, montrent que l intégration de variables financières dans un ensemble de variables réelles et de données d enquêtes n améliore que marginalement les prévisions de points de retournement des cycles. Layton et Katsuura [2001], en utilisant en partie des données financières, mettent en évidence que la spécification markov-switching fournit des meilleures performances qu une spécification à réponse binaire pour prédire les récessions américaines. Notons enfin que, pour une utilisation en temps réel, un modèle à réponse binaire ne peut pas être ré-estimé pour chaque nouvelle valeur, car la variable r t n est alors pas connue, puisque c est justement celle qu on cherche à estimer. Le praticien doit alors mener une prévision dite statique. en revanche, un modèle à changements de régimes permet de fournir une probabilité instantanée à chaque nouvelle valeur, tenant compte de toute l information disponible, ce qui est un argument supplémentaire pour l utilisation de ce type de modèle en temps réel. CONCLUSION en conclusion, il ressort de la plupart des études économétriques que les variables des marchés financiers contiennent de l information prédictive sur les fluctuations à venir de l activité économique d un pays. parmi les différentes variables financières, il apparaît que les écarts de taux sont les variables qui fournissent les prévisions les plus précises, même si les résultats peuvent varier d un pays à l autre. de plus, les variables financières semblent être plus utiles dans une approche qualitative pour anticiper les points de retournement des cycles, en particulier les récessions économiques, que dans une approche quantitative pour prévoir le taux de croissance du pib. en effet, les modèles qui cherchent à anticiper la probabilité d occurrence d un point de retournement permettent une meilleure extraction du signal contenu dans les variables financières fortement bruitées. de plus l agrégation d information, par combinaison des prévisions ou à l aide d un modèle à facteurs dynamiques, tel que cela est proposé par bellégo et Ferrara [2009], semble permettre de stabiliser l avance de ces variables via une avance moyenne estimée par la méthode d agrégation. si l on cherche à utiliser le formidablement large ensemble d information des marchés financiers pour prévoir le taux de croissance de l activité économique, les modèles non linéaires apparaissent comme la voie de recherche la plus porteuse pour la prévision à court terme de l activité économique. toutefois, les évidences en termes de non-linéarités dans les relations entre variables financières et croissance macroéconomique sont moins nettes pour les pays de la zone euro que pour les États-unis. 653

10 Revue économique RéFéREnCES BIBLIOGRAPHIquES anas J., Ferrara L. [2004], «turning points detection: the abcd approach and two probabilistic indicators», Journal of Business Cycle Measurement and Analysis, 1 (2), p andersson m. et d agostino A. [2008], «Are sectoral stock prices useful for predicting euro area gdp?», Working Paper 876, european central bank. bellone b., gautier e. et Lecoent s. [2006], «Les marchés financiers anticipent-ils les retournements conjoncturels?», économie et Prévision, 172. bellego c., Ferrara L. [2009], «Forecasting euro area recessions with time-varying binary response models with financial variables», Working Paper No. 259, banque de France. bouabdallah o. et tselikas s. [2007], «Les variables financiers permettent-elles de mieux connaître l état de l économie en temps réel?», Trésor-Eco, 16, dgtpe. chauvet m. et potter s. [2002], «predicting recessions: evidence of the yield curve in the presence of structural breaks», Economics Letters, 77 (2), p chauvet m. et potter s. [2005], «Forecasting recessions using the yield curve», Journal of Forecasting, 24 (2), p de bondt g. [2009], «predictive content of the stock market for output revisited», Applied Economics Letters, 16, p duarte a., venetis i.a. et paya i. [2005], «predicting real growth and the probability of recession in the euro-area using the yield spread», International Journal of Forecasting, 21 (2), p dueker m. [1997], «strengthening the case for the yield curve as a predictor of us recessions», Federal Reserve Bank of St. Louis Review, 79 (2), p dueker m. [2002], «regime-dependent recession forecasts and the 2001 recession», Federal Reserve Bank of St. Louis Review, p estrella a. [2005], «why does the yield curve predict output and inflation?», The Economic Journal, 115, p estrella A. et hardouvelis g. [1991], «the term structure as a predictor of real economic activity», Journal of Finance, 46, p estrella A. et mishkin F. s. [1997], «the predictive power of the term structure of interest rates in europe and the united states: implications for the european central bank», European Economic Review, 41, p estrella A. et mishkin F. s. [1998], «predicting us recessions: Financial variables as leading indicators», Review of Economics and Statistics, 80, p estrella a., rodrigues A. p. et schich s. [2003], «how stable is the predictive power of the yield curve? evidence from germany and the united states», Review of Economics and Statistics, 85 (3), p galbraith J.w. et tkacz g. [2000], «testing for asymmetry in the link between the yield spread and output in the g7 countries», Journal of International Money and Finance, 19, p giacomini r. et rossi b. [2006], «how stable is the forecasting performance of the yield curve for output growth», Oxford Bulletin of Economics and Statistics, 68, supplément, p hamilton J.d. [1989], «A new approach to the economic analysis of nonstationary time series and the business cycle», Econometrica, 57, p hamilton J.d. [2003], «what is an oil shock?», Journal of Econometrics, 113, p hamilton J.d., kim d.h. [2002], «A re-examination of the predictability of economic activity using the yield spread», Journal of Money, Credit and Banking, 34 (2), p hansen b.e. [1996], «inference when a nuisance parameter is not identified under the null hypothesis», Econometrica, 64, p henry o.t., olekalns n., thong J. [2004], «do stock market return predict changes to output? evidence from a nonlinear panel data model», Empirical Economics, 29, p

11 Laurent Ferrara kauppi h. and saikkonen p. [2008], «predicting us recessions with dynamic binary response models», The Review of Economics and Statistics, 90 (4), p king t.b., Levin A.t. et perli r. [2007], «Financial market perceptions of recession risk», feds Working Paper No Layton A. et katsuura m. [2001], «comparison of regime switching, probit and logit models in dating and forecasting us business cycles», International Journal of Forecasting, 17, p moneta F. [2005], «does the yield spread predict recessions in the euro area», International Finance, 8 (2), p rudebusch g., WiLLiams J. [2009], «Forecasting recessions: the puzzle of the enduring power of the yield curve», Journal of Business and Economics Statistics, 27 (4), p stock J.h. et Watson m.w. [2003], «Forecasting output and inflation: the role of asset prices», Journal of Economic Literature, 41 (3), p tkacz g. et WiLkins c. [2008], «Linear and threshold forecasts of output and inflation using stock and housing prices», Journal of Forecasting, 27, p venetis i., paya i. et peel d. [2003], «re-examination of the predictability of economic activity using the yield spread: A non-linear approach», International Review of Economics and Finance, 12, p

12