Document de Recherche

Transcription

1 Document de Recherche n " Risque pays, IDE et crise financière internationale : Evaluation et étude empirique " Faouzi BOUJEDRA Laboratoire d'economie d'orléans FRE CNRS 2783 Faculté de Droit, d'economie et de Gestion, rue de Blois, B.P Orléans Cedex 2 - France Tél : 33 (0) (0) Fax : 33 (0) [email protected] -

2 RISQUE PAYS, IDE ET CRISE FINANCIERE INTERNATIONALE EVALUATION ET ETUDE EMPIRIQUE Boudjedra Faouzi LEO * Séminaire Orléans (Avril 2004) GDR Economie Monétaire et Financière (6 et 7 Mai, 2004) «Crises Financières Internationales» Résumé L objectif de cet article est d étudier la relation entre le risque-pays et les investissements directs étrangers (IDE) dans les pays en développement (PED). L analyse est menée par la construction d une Base de données sur les déterminants du Risque d investissement international dans les pays en développement. L étude porte sur une estimation en données de panel pour 28 PED. Les résultats montrent qu il existe une forte corrélation entre les indicateurs risque-pays et IDE sur la période La robustesse du modèle est confirmée, en présence des variables de contrôle. Nous découvrons que vers la fin des années 90, il existe une relation de causalité inverse entre l IDE et la crise financière internationale. Ceci, incite à s interroger sur les risques associés aux investissements directs étrangers. Abstract The objective of this paper is to study the relation between country-risk and FDI in developing countries. The analysis is made by constructing a Data Base on the risk factors influencing international investment in developing countries. By analyzing a panel data set of 28 emerging countries over the period , we find that FDI are driven by country risk, while country risk is determined by global economic, financial and political factors. The robustness of the model is proved even in the presence of other control variables. We discover in the late 90's, that there is an inverse relation causality between FDI and International Financial Crisis. Consequently, the presence of other risks specific to foreign investments remains an open question. Les opinions et les interprétations contenues dans ce document sont celles de l auteur, tous les commentaires sont les bienvenus. -draft, comments welcome- Mots Clés : Risque pays, IDE, Crise financière internationale, Données de Panel. Keywords : Country Risk, FDI, International financial crisis, Panel Data. JEL Classification : F23, F21, C23. * Laboratoire d Economie d Orléans (LEO), Université-CNRS, rue de Blois, Orléans/ [email protected] Je tiens à remercier T.Montalieu, I.Rabaud, J.B Châtelain, C.Hurlin et P.Saucier pour leur assistance appréciée. I m grateful to Campbell Harvey for providing me data on country risk. 1

3 Introduction L un des traits caractéristiques de la mondialisation, était l évolution des flux d investissement direct étranger en direction des PVD depuis les années 90. La montée en puissance des IDE durant les années 90, a été stimulée par la Communauté Internationale et par les pays hôtes qui ont eux même créé un environnement d affaires souvent favorable (des législations protectrices, des avantages fiscaux, stabilité économique et financière ). L IDE est un facteur de modernisation et d une rationalisation accélérées des pays en développement : accès à des capitaux étrangers, à une technologie plus performante, etc. Source : Le Monde, Dimanche 17-Lundi 18 Novembre 2002/13. La dynamique de l IDE est conjuguée à la conjoncture internationale (disponibilité des fonds propres, facilités financières, aversion au risque/perception de l incertitude et évolution des taux de change), aux caractéristiques du pays hôte (stabilité économique et sociale du pays d accueil, compétitivité sur les marchés internationaux tels que les coûts de la main d œuvre et ressources naturelles, attractivité du marché local et efficacité du cadre institutionnel) et à la stratégie de l investisseur (implantation sur le marché local ou plutôt régional, diversification des risques, exploitation des ressources naturelles ou exploitation des programmes de privatisation). Tous ces éléments font apparaître que le niveau d IDE dans les pays en développement est plus affecté par les éléments déterminants au niveau du pays plutôt que du secteur ou de la firme. Les éléments au niveau de la firme ou du secteur importent moins, lorsque les conditions économiques, financières et politiques du pays découragent l IDE. L analyse risque-pays essaye d identifier les divers obstacles qui peuvent compromettre les mouvements de capitaux étrangers. Le risque-pays influence directement ou indirectement les apports d IDE, ne permet pas de créer un contexte encourageant l investissement direct étranger. 2

4 La prise en compte du risque pays dans le choix d implantation des IDE désigne les facteurs affaiblissants l attraction d un pays en terme d investissements. Les pays désavantagés doivent identifier les facteurs permettant d améliorer l attractivité des IDE. Les trois facteurs de risque qui peuvent affecter les IDE d une manière ou d autres sont le risque économique, financier et politique. Afin de comprendre ces différents concepts nous allons essayer de répondre à la problématique suivante: Quelles sont les composantes du risque pays auxquelles doit faire face un investisseur ou un exportateur à l'étranger ainsi que les méthodes existantes pour les évaluer? Existe t-il une méthodologie «rating» universelle ou plus développée qu une autre sur le risque-pays? Quelles différences méthodologiques existent entre les différents organismes d évaluation extérieurs? Et quel est l impact du risque-pays dans le choix stratégique des investisseurs? Dans cette étude, nous essayons d étudier le lien entre risque-pays et IDE via plusieurs approches. Dans la première approche et à travers la littérature empirique existante sur la question traitée, nous essayons de trouver un lien théorique entre risque-pays et IDE. La deuxième section décrit la méthodologie de construction des indicateurs de risque-pays : notre propre indice combinaison des risques, comme ceux des organismes officiels et examine le degré d association entre quatre mesures (ICRG, ECCR, IICR et auteur). Nous étudions l évolution des «ratings» risque-pays et investissements directs étrangers dans une troisième section. Nous proposons, par la suite, de mesurer l impact du risque pays sur les variations de l IDE dans les pays en développement, ceci fera l objet de l étude économétrique en données de panel d une quatrième section. En fonction des résultats trouvés, nous terminons cette étude par tester la causalité au sens de Granger entre IDE et indicateur financier. 3

5 -1 : CADRE THEORIQUE ET LITTERATURE Les agences de «rating» ont pour objectif, de permettre aux investisseurs de prendre des décisions d investissement de façon plus objective en classant les pays en fonction des risques qu ils présentent. Les efforts des réformes politiques pour attirer l IDE, déployés depuis les années 1980, ont connu des succès dans certains pays mais sans doute pas pour d autres. Dans cette analyse, nous nous intéresserons aux éléments qui sont à l origine de ces différences dans les influx d IDE 1. Malgré l existence d une riche littérature sur l IDE, les difficultés rencontrées pour faire des mesures ont généralement empêché de prêter une attention particulière à la prise en compte du risque pays dans le choix d implantation des IDE. Les organismes d évaluation qui se sont attaqués à ce problème ont souvent des méthodes semblables et peu développées scientifiquement. Deux rapports relatifs aux investissements étrangers récents (2002). L un, celui de la CNUCED, s intéresse aux investissements directs étrangers, l autre, celui de l Institut de Finance International, formule des prévisions jusqu à 2003 et concerne l ensemble des flux de capitaux vers les pays émergents. Ces derniers mettent en relief la réactivité des capitaux mondiaux face aux risques des pays émergents. Un autre rapport de la Banque Mondiale (1999), met en exergue l impact de la crise financière mondiale qui a éclaté en Asie de l Est avant de s étendre à la Russie et de faire sentir ses ondes de chocs jusqu au Brésil, a mis frein à la croissance du commerce mondial et a modifié la dynamique des flux de capitaux privés. Pour mesurer l attrait d un pays aux yeux des investisseurs internationaux, il est utile de prendre en compte sa situation politique (World Investment Report 2002) et son poids économique relatifs (World Investment Report 2001) en vue de connaître le degré d ouverture des institutions politiques et l avancement des réformes économiques dans ces pays. «Investir, c est en partie prendre des risques, mais pas n importe lesquels. En réalité, les systèmes transparents ou le cadre juridique est efficace et la corruption faible tendent à attirer plus d investissements» 2 Au fil des années, la notion de risque pays est devenue une nécessité opérationnelle et plus seulement une spécialité académique. Elle s'étend également aux assureurs et aux entreprises multinationales exportant et investissant à l'étranger. Les marchés financiers sont devenus sensibles aux informations sur les risques pays. L évaluation des risques dans le monde des affaires Internationales en ces dernières années diffère de celle qui était dans les années 80. L approche classique consistait alors à étudier l état perturbateur comme s il était pleinement autonome dans sa conduite des affaires. Il est utile d étudier les caractéristiques spécifiques d un pays afin de l inscrire dans un mouvement de facteurs internes et externes, qui combinent les comportements d acteurs nationaux et internationaux, ainsi que le fonctionnement des grands systèmes économiques, politiques et sociaux. Le risque pays : instabilité politique, corruption, non-transparence institutionnelle, paiements ou modification sur la dette souveraine, guerre et autres et relié à la probabilité que les changements de l environnement d affaires se produiront et réduisent la rentabilité des affaires dans un pays. Ces changements peuvent compromettre des bénéfices d exploitation comme la valeur des capitaux. Ainsi, le risque pays est multidimensionnel et omniprésent dans l ensemble des transactions économiques internationales. Son analyse repose sur des aspects fondamentaux liés aux déséquilibres d ordre économique, financier et politique. L apparition d un bouleversement dans la stabilité mondiale peut certes survenir ici ou là et à tel moment; c est pourquoi la dimension 1 L étude est centrée sur la composante IDE de l investissement privé, par opposition à la composante portefeuille, car la règle veut que dans le processus du développement, l IDE précède les influx de portefeuille. La distinction économique entre IDE et Investissements de portefeuille est liée au fait que l IDE suppose un intérêt durable de l entreprise investisseuse dans l entreprise investie, alors que l investissement de portefeuille suppose uniquement des préoccupations de rendement ou de diversification de portefeuille pour réduire le risque. 2 OCDE Observateur : «Transparence et IDE»,

6 historique et géographique des risques reste essentielle. Cependant tout changement résulte toujours d une combinaison de facteurs dans lesquels les facteurs externes, intentionnels ou non, sont de plus en plus prédominants. L analyse risque pays permet d examiner le processus méthodologique de plusieurs organismes d évaluations et de mesurer le degré d association entre ces différentes mesures (Erb, Harvey, and Viskanta, 1996; Gautrieaud, 2002 ; Oetzel, Bettis, and Zenner, 2000 ; Simpson, 1997 ; Cosset, Claude.J and Roy, 1991). Cette littérature a en commun de considérer que le risque pays est le fruit de l environnement macro-économique, financier, politique et social. D autres ont essayé de déterminer les facteurs risque pays qui affectent l IDE (Meldrun, 1998 ; Nordal, 2001; Henisz and Zelner, 1999 ; Albuquerque, 2003 ; Janeba, 2001). Partant des différentes études qui portent sur les déterminants de l IDE dans les pays en développement, Singh and Jun (1995), dans une analyse empirique, ont mesuré l effet du risque politique et des variables macro-économiques sur les flux d IDE dans les pays en développement. Les résultats de cette étude confirment la signification de ces facteurs dans l explication des déterminants de l IDE (tableau suivant). La question des déterminants de l IDE dans les pays en développement a retenu l attention de plusieurs auteurs dont, notamment, Asiedu (2001). Son étude permet d expliquer la faible attractivité des pays subsahariens en raison des problèmes d ouverture économique et de leur mauvaise infrastructure. Dans d autres études, telle que celle de Cecchini (2002) et de Hassane et Zatla (2001), ces analyses empiriques représentent une approche comparative au niveau régional qui permet d expliquer la répartition inégale des IDE dans le monde en développement. D autres tels que Baniak, Kukrowski and Herczyriski (2002) ; Bevan and Estrin (2000) ; Waldkirch (2002), soulèvent des questions sur les facteurs affectant négativement les afflux d IDE, sans accorder l attention sur la prise en compte du risque pays dans le choix d implantation des IDE. La théorie de l adaptation institutionnelle à l IDE avancée et développée par Saskia (1998), n apporte pas une analyse claire et solide sur le risque pays. Cette approche est liée aux quatre groupes institutionnels qui contribuent à l adaptation de l IDE : le gouvernement, les marchés, l éducation et le milieu socioculturel. Méthodologie et principaux résultats de quelques études agrégées Auteur (Année) Variable expliquée Asiedu.E (2001) IDE%PIB Saskia.W (1998) IDE%PNB Singh & Jun (1995) IDE%PIB Muldrun.DH (1998) PIB%IDE (rentabilité) Pfefferman, Kisunko and Sumlinski (1998) IDE%PIB Méthodologie Estimation en panel par groupe (MCO) : pays subsahariens et pays non-subsahariens (71 économies en développement, ). Estimation en panel (MCO), 67 pays émergents ( ). Estimation en panel par groupe : critère de regroupement basé sur IDE%PIB (1%) (31 pays en développement, ) Evaluation du risque-pays, comparaison avec d autres «ratings», tau-kendall et estimation en cross-section (38 économies, ). Estimation en MCO en présence des variables de contrôle, 74 économies en développement ( ) Variables et commentaires Ouverture, infrastructure et rentabilité. Les pays subsahariens n ont pas réussi à appliquer certaines politiques d attractivité aux IDE. Indicateurs de l adaptation institutionnelle à l IDE (ICRG & WB) avec des variables de contrôle. Risque politique (BERI), variables macroéconomiques : niveau de fiscalité et des exportations manufacturières et variables de contrôle. Indicateurs de risque-pays de l ICRG, IICR, ECCR et Auteur. Faiblesse des indicateurs des agences de notation. Indicateurs mesurant l imprévisibilité du système judiciaire en présence des variables sur les obstacles à l IDE. ICRG: International Country Guide, WB: World Bank, BERI: Business Environment Risk Intelligence, IICR: Institutional Investor Credit Rating, ECCR: Euromoney Country Credit Rating. En gras : variables significatives. 5

7 La littérature classique qui les effets de l IDE dans les pays en développement met en commun que l IDE présentent plusieurs avantages (Borzenstein, De Gregorio & Lee (1998) ; Nagesh (1996) et Lim (2001) et d autres. Il était considéré comme un mode indolore des déficits courants (ne génère pas une obligation contractuelle de remboursement, source de financement stable de long terme). Il est promoteur de croissance par la diffusion des compétences, des connaissances et des technologies, générateur des gains de productivité et catalyseur de développement. Les études montrent qu elles existent deux formes d IDE : IDE vertical (de délocalisation et de réexportation, exploitation des coûts de la main d ouvre) et IDE horizontal (market-seeking). Le concept d IDE n est pas claire, bien défini, mais difficilement mesurable. L ampleur et l effet de l IDE peut être variable selon le pays, le secteur, le finalité de l IDE et les conditions d accueil. Les théories de développement de l école de la dépendance qui eut prospéré durant entre les années 1960 et 1980, mettent l accent sur l inégale répartition des richesses dans le monde. Les conséquences de l IDE dans les PED, étaient considérées par l école de la dépendance comme néfastes sur ces économies contribuant a leur sous-développement et à leur dépendance. Ceci est en contradiction avec le paradigme de développement occidental considérant l IDE comme facteur de croissance et de développement. L école de la dépendance affirme que les pays industrialisés exploitent les pays de la périphérie, via le commerce international ou par les sociétés multinationales qui mènent à la détérioration des termes de l échange et le rapatriement des bénéfices. Alors que le souhait des pays en développement aujourd hui est d attirer cette manne en renforçant leur intégration à l économie mondiale et en poursuivant les étapes de modernisation et de développement. Au delà des effets d externalités positifs : quels prix faut-il payer pour attirer cette manne? Il convient alors de mesurer l impact sur la contrainte en devises fortes du pays récipiendaire des sorties récurrentes de capitaux pouvant être générées par l IDE au cours du temps. De ce fait, naît une nouvelle problématique qui s avère difficilement quantifiable : Comment peut-on ré-apprécier le risque associé à l accumulation d un passif en devises sous formes d IDE?. Par contre la littérature classique sur les crises financières internationale (Harvey & Viskanta, 1998 ; Fratzscher (2003) et autres met en commun que sont les capitaux de court terme (volatils), les problèmes d antisélection, le risque de contagion et l absence de contrôle sur les mouvements de capitaux qui expliquent l apparition d une telle crise. On observe une explosion des flux d IDE vers les PED au cours de ces dernières années faisant partie d un mouvement plus vaste de capitaux privés, conjuguée à la baisse des flux générateurs de dette associée voire même à l annulation des capitaux volatils qui ont déserté la sphère émergente. En rapport avec les objectifs des gouvernements émergents : sous prétexte que la perception du risque s appréciait et que l IDE est une source de financement vitale et voire durable, les PED se trouvent dans un besoin qui devient une nécessité : accroître l IDE à tous prix, alors que la question du risque ressurgit!. L IDE peut être considéré comme synonyme de sorties de capitaux au cours de sa vie. Outre les importations des B&S nécessaires aux activités opérationnelles des entreprises sous contrôle étrangers et les paiements des intérêts courants (intérêts versés enregistrés dans la balance courante) sur le dette inter-entreprises, les dividendes versés sous forme de rémunération peuvent grever la balance des revenus, ce qui va peser sur le déficit courant. En effet, les bénéfices réinvestis sont enregistrés comme une sortie (ces flux sont considérés comme négligeables par la balance de paiement, ils sont réintégrés comme une sortie au titre des revenus courants et en positif dans la balance des capitaux ). Il est difficile de savoir si le déficit courant d un pays d accueil provient d un gonflement des dividendes versées ou d une politique de réinvestissement des bénéfices dans le pays d accueil. Alors, on sait que le risque de sorties massives de capitaux du aux variations de rendement sont moindres pour les flux d IDE que pour les investissements de portefeuille, même dans le cas des usines tournevis. 6

8 Une autre approche sur les effets de l IDE ressurgit: peut-on assimiler cet afflux massif d IDE au mécanisme du «dutch-desease»? ou plutôt existe t-il un niveau soutenable d IDE dans les PED? L interventionnisme excessif des pouvoirs publics dans les économies asiatiques (Thaïlande, Indonésie, Philippines, Malaisie, ) et d autres est généralement retenu comme l une des principales causes des difficultés récentes : les pouvoirs publics auraient joué un rôle important dans le boom d investissement qui a précédé et alimenté la crise de , dans la mesure ou ils ont encouragé, même indirectement, un endettement excessif. Cet endettement mal structuré (non-contrôle des banques associé à des problèmes d anti-sélection, ) a conduit à la détérioration des bilans des entreprises et du secteur bancaire. Au fil des années, les pouvoirs publics ont continué d intervenir et d influencer les entreprises mais de manière plus indirecte. Des secteurs financiers mal surveillés et mal réglementés, caractérisés par une mauvaise gestion du risque et par des problèmes de prêts, ont des investissements peu productifs. En présence de l aléa de moral et la mauvaise gestion des entreprises dans les secteurs des finances et des affaires, les entrées des IDE et les montants élevés d épargne n ont pas été investis ni gérés 3. L IDE est devenu une source importante de financement extérieur pour les pays en développement 4. Les entrées massives de capitaux ne présentent pas que des avantages, elles peuvent conduire à une surchauffe de l économie, à une volatilité accrue du taux de change et, à long terme, à d importantes sorties de capitaux liées à des variations du rendement prévu des actifs investis au grégarisme des investisseurs et aux effets de contagion 5. La demande globale augmente, via l effet Balassa 6 qui se traduit par des pressions inflationnistes ainsi qu une appréciation des taux de change réel et aggravation des déficits courants. En effet, l ouverture au commerce international permet de gains de productivité dans les secteurs soumis à la concurrence internationale que dans les secteurs abrités. Ces gains de productivité conduisent à des hausses de salaires dans l ensemble de l économie. Les prix des biens abrités augmentent alors plus vite que ceux des biens non protégés créant de l inflation. Ce qui conduit à une appréciation du taux de change réel : taux de change nominal multiplié par le rapport des prix à l étranger et dans le pays considéré. Le recours à l étude empirique permet de justifier quant au lien existant entre IDE et risque pays et plus précisément risque financier sur la dernière période. 3 Lopez.M A. 4 Mallampally.P & Sauvant K.P. 5 Lopez.M A. 6 L effet Balassa-Samuelson vient de ce que la croissance de la productivité diffère selon les secteurs, tandis que les salaires tendent à être moins différenciés. La productivité augmente plus dans le secteur des biens échangés que dans celui des biens non échangés ce qui se traduit par une augmentation des salaires dans tous les secteurs et le prix des biens non échangés eu égard à celui échangé augmentera. 7

9 -2 : AGENCES DE NOTATION ET METHODOLOGIE Le risque-pays est un indicateur composite tenant compte des facteurs économiques, financiers et politiques qui influent sur la perception du risque par les investisseurs. Cette variable «rating» est mesurée de telle manière qu une valeur élevée correspond à un risque faible. Le risque pays global est influencé par les perspectives économiques, financières et politiques de chaque pays. Plusieurs organismes d évaluation qui effectuent des études de conjoncture, mesurent la capacité de chaque pays à s acquitter de ses obligations financières. COFACE, Economist Intelligence Unit ( EIU), Euromoney (ECCR), Institutional Investor (IICR), Nord Sud Export, Political Risk Services: International Country Risk Guide (ICRG), Standard & Poor s Rating Group (S & P), et d autres 7 (voir aperçu méthodologique dans Annexe). Les notations de risque pays classifiées en index fournies auprès de ces différents fournisseurs sont une synthèse de plusieurs informations exprimées en données quantitatives et qualitatives. La non disponibilité des données sur les autres agences de notation et le manque de transparence sur ces dernières, nous permet d avoir recours aux données de l ICRG, dont les données sont rassemblées par étape. INTERNATIONAL COUNTRY RISK GUIDE 8 L ICRG a été crée pour la prédiction du risque économique, financier et politique en 1980 par les rédacteurs de Rapports Internationaux : Political Risk Services. Les recherches sont exhaustivement faites sur l analyse des risques liés aux opérations des affaires internationales pour répondre aux besoins des investisseurs étrangers dans leurs choix d investissement. Les rédacteurs ont crée un modèle statistique pour l évaluation des risques et l ont renforcé avec les analyses qui expliquent les notes et examinent ce que les notes ne montrent pas. Le résultat est un système complet qui permet aux divers types de risque d être mesuré et comparé entre différents pays. Nous avons des données à partir de 1984 jusqu au et de pour les différentes catégories de risque-pays, sous formes mensuelles 10. Aussi nous disposons des données sur le risque composite de l ICRG sur la période Ces indices sont calculés suite à une combinaison des variables, on trouve des variables qui portent sur l annulation de contrats par le gouvernement (échelle de 0 à 10), le risque d'expropriation (0-10), la Corruption au sein du gouvernement (0-6), la loi et l ordre/régime de droit (0-6) et la qualité bureaucratique (0-6). Ces critères déterminent l impartialité et la transparence juridiques et administratives et donc les déterminants fondamentaux de l adaptation institutionnelle à l IDE. L évaluation du Guide de Risque Pays International (ICRG) repose sur 22 variables classées dans trois sous-catégories de risque : risque politique, risque financier et risque économique. Un index est créé pour chacune des sous-catégories. L'index de risque politique est fondé sur 100 points, le 7 Il existe d autres services d évaluation, pour lesquels nous avons des difficultés pour assembler de l information tels que : Bank of America World Information Services, Business Environment Risk Intelligence (BERI), Control Risks Information Services (CRIS), Moody s Investors Service, S.J.Rundt & Associates, Political Risk Services : Coplin- O Leary Rating System 8 Liewellyn D. Howell, http//: 9 La méthodologie de l ICRG, a changé depuis Campbell Harvey est professeur à Duke University, responsable de l assemblage de ces données sur la période L auteur se tient responsable sur l assemblage du reste des données. 8

10 risque financier sur 50 points et le risque économique sur 50 points (voir tableau suivant). Les points totaux des trois indices sont divisés par deux pour produire et inclure les coefficients de ces derniers dans le score total de risque pays composé (ICRGC). La note composée de zéro à 100, une note de 80 à 100 signifie un risque très bas et une note de zéro à 49,5, signifie un risque très élevé. L ICRG fournit des évaluations pour 140 pays sur une base mensuelle. Un avantage du modèle ICRG, consiste en ce qu'il permet aux utilisateurs de faire leurs propres évaluations de risque basées sur le modèle ICRG ou modifier le modèle pour rencontrer leurs exigences spécifiques. Si des facteurs de risque particuliers ont un impact très significatif pour des affaires ou des investissements spécifiques; les évaluations de risque composé peuvent être recalculées en ajustant le poids relatif à ces facteurs. Ces données peuvent être employées par des investisseurs institutionnels, des banques, des sociétés multinationales, des importateurs, des exportateurs, des commerçants, des entreprises et une multitude d'entre d'autres. Le modèle ICRG peut déterminer comment le risque financier, économique et politique pourrait affecter leurs environnements d affaires et d investissements d aujourd hui et de demain. Le système est fondé sur un jeu de 22 composants groupés dans trois catégories principales de risque : risque économique avec cinq composantes, risque financier avec cinq composantes et risque politique comprenant 12 composantes. Le personnel de l ICRG rassemble des informations politiques et des données financières et économiques, transformées en points de risque pour chaque composant de risque individuel sur la base d'un modèle d'évaluation cohérent. Les évaluations de risque sont faites sur la base d une analyse subjective par les experts de l ICRG. En plus des 22 évaluations individuelles, le modèle ICRG, produit aussi une évaluation pour chacun de trois groupes de facteur de risque plus une évaluation complète pour chaque pays. Sur la base d une formule de combinaison et après avoir abouti à une évaluation catégorielle. Ces trois catégories sont associées ensemble pour fournir une évaluation complète du risque composé. Nous disposons des données de l ICRG, seulement sur la période , ces données sont calculées selon l ancienne méthodologie de l ICRG 11. Par contre, les données sur la période , sont calculées sur la base de la nouvelle évaluation de l ICRG (tableau suivant). 11 voir Boudjedra.F (2004). 9

11 Tableau (4) Système de notation de l ICRG ( ) 12 Facteur Points/200 % du total des points Politique 1- Stabilité du gouvernement 2- Conditions socioéconomiques 3- Profil d investissement 4- Conflit interne 5- Conflit externe 6- Corruption 7- Implications des militaires dans la politique 8- Implication des organisations religieuses dans la politique 9- La tradition de respect de la loi et l état de droit 10- tensions ethniques 11- responsabilité démocratique 12- qualité de la bureaucratie Points politiques totaux Financier 1- Dette étrangère en % du PIB 2- Service de la dette étrangère en % des exportations des biens et des services 3- Balance courante en % des exportations des biens et services 4- Liquidité nette internationale ( couverture en mois d importation) 5- Stabilité du taux de change Points financiers totaux Economique 1- PIB par tête 2- Croissance du PIB réel 3- Taux d inflation annuel 4- Balance budgétaire en % du PIB 5- Balance courante en % du PIB Notation du Risque Composite de l ICRG Points économiques totaux Total des points CPFER (pays X) = 0.5 (PR + FR +ER ) avec CPFER, PR, FR et ER représentent respectivement le rating politique-financier-économique composite, le rating politique, le rating financier et le rating économique. A l instar de la nouvelle méthodologie de l ICRG et de certaines méthodes d analyse de données plus développées (analyse factorielle discriminante, ), nous proposons de construire une base de données propre sur le risque-pays. La théorie économique, financière et politique, nous enseigne aussi que certains indicateurs économiques, financiers et politiques peuvent être des mesures directes du risque-pays. Ainsi, le recours à la construction d une nouvelle base de données, en fonction de la disponibilité des données, permet de reproduire des indices «risque-pays» pour un échantillon de 28 pays en développement sur la période Cette période capte les principales crises internationales, aussi permet d étudier sur les stratégies de l investissement direct étranger qui est la cible directe 12 Ce système d évaluation se diffère de l ancien système d évaluation (avant 1997) au niveau du contenu et des points attribués. 10

12 du risque-pays. Ceci se justifie non seulement par la non disponibilité des données sur toute la période, mais aussi, est due : au problème d évaluation qui était plutôt subjective qu objective pour la plupart des agences de notation (évaluations auto-réalisatrices). Aussi, le choix d attribution des notes n est pas déterminé par des raisons scientifiques, au problème de chevauchement entre les différentes catégories de risque-pays, par exemple une forte imbrication entre risque économique et risque politique. La nouvelle méthodologie adoptée par l ICRG a été modifiée qu une seule fois (1997). La légitimité de cette adaptation aux changements permanents des conditions économiques internationales est justifiée par : la nature des IDE dans les PED qui a évolué avec un poids plus important des origines privées, la nature des risques qui s est aussi modifiée avec un rôle plus important de l endettement privé et la gestion des crises qui s est dédramatisée avec une banalisation croissante des marchés émergents. On constate au total, qu au niveau de ces différentes évaluations, il y a certaines analyses incompréhensibles sur certains pays comme si elles étaient les fruits d humeur des experts d évaluation, pourquoi certains facteurs sont valables pour certains pays comme ne le sont pas pour d autres?. Alors une bonne évaluation nécessite une véritable coopération entre l analyste et l homme de terrain. -3 : PRINCIPE DE LA CONSTRUCTION D UNE NOUVELLE BASE DE DONNEES La collection des données sur le risque-pays, nous permet de construire une base de données sur la période , cette base de données peut être mise à jour en fonction du recueil des données par l auteur ultérieurement. Les données économiques et financières sont recueillies dans le World Development Indicators et la mise à jour de la Banque Mondiale de Les données qui portent sur les institutions politiques ont été recueillies de l Integrated Network for Societal Conflict Research (INSCR) 13. Ces données portent sur tous les pays du monde à partir de 1800 jusqu à 2002, et à partir de l année d indépendance pour les pays qui ont été colonisés. Nous exploitons ces données sur la base de notre propre méthodologie afin de construire des «rating» pays comme suit : Le risque économique : Des changements importants au niveau de la structure économique peuvent influer sur les apports d IDE. Les indicateurs économiques qui tracent au mieux la conjoncture économique ne sont qu une quantification et des mesures des politiques économiques (budgétaire, monétaire, fiscale, internationale etc. ). L analyse risque pays repose sur des mesures traditionnelles. Des variables qui présentent des agrégats économiques et sont les déterminants de risque pays telles que : le revenu par tête (PNB par tête), cette variable est éprouvée par une étude portant sur les déterminants du risque pays (Cosset & Roy, 1991) 14. La performance du commerce ((exportations importations)/pnb) sont des déterminants importants du risque pays (Simpson, 1997). D autres variables peuvent être utiles dans la détermination du risque économique telles que : le taux d inflation et l importance des échanges pour l économie mesurée par le commerce extérieur en pourcentage du PIB mesure 13 Monty G. Marshall and Keith Jaggers, sont responsables de cette base de données. 14 La faible flexibilité du revenu dans les pays pauvres n a pas un grand effet sur la réduction de la consommation comme pour les autres pays. Les pays à bas revenu se trouvent moins capables de résoudre leur problèmes d endettement (service de la dette), en exécutant les programmes d austérité. 11

13 l effet de la politique internationale. Le crédit national accordé par le secteur bancaire, crédit domestique accordé au secteur privé (en pourcentage du PIB), indiquant la disponibilité du crédit et l intermédiation financière. L impact de la politique fiscale sur les IDE est approchée par les taxes sur le commerce international (en pourcentage du revenu courant). D autres telles que la dette centrale gouvernementale totale (en % du PIB), l épargne domestique brute (en % du PIB) et le taux d intérêt réel. Ces indicateurs voudraient, ainsi, approcher le degré de stabilité macroéconomique ainsi que l état d avancement des réformes économiques. Le risque financier : Le risque financier qui peut associer le risque de transfert, le risque de change et le risque souverain, mesure le niveau d instabilité financière d une économie. Les gouvernements peuvent limiter les mouvements de capitaux par des décisions politiques. Pour mesurer le risque financier, nous trouvons des difficultés, par exemple certains gouvernements choisissent de fixer le taux de change pour des objectifs de balance de paiements ou de politique extérieure. Certains indicateurs financiers peuvent être utiles dans la prédiction des crises financières, dont nous distinguons : le service de la dette totale en pourcentage des exportations des biens et services (Simpson, 1997), les réserves internationales en mois d importation, le compte courant (en % du PIB) : en effet la balance courante permet de mesurer la compétitivité globale d un pays, prime du marché noir et la variabilité du taux de change réel comme le suggère la théorie financière. Le risque politique : Les changements institutionnels, le niveau de contrôle des gouvernements, le type de régime politique : toutes sont des variables explicatives du risque politique. Elles déterminent les caractéristiques structurelles des régimes, les changements institutionnels et administratifs, le degré d ouverture politique et d intensité autocratique ainsi que la puissance du pouvoir : Méthodologie de l auteur Première approche appelée «RATING» 1- PIB par tête en % de la moyenne RATING ECONOMIQUE ( ) [0-50] (haut risque ; bas risque) Si x>250 Si 250 x>175 Si 175 x>125 Si 125 x>75 Si 75 x>45 Si 45 x>25 Si 25 x>15 Points Croissance du Si Si Si Si Si Si Si Sinon PIB réel x>4 4 x>2 2 x> x> x> x> x>-6 Points Taux Si Si Si Si Si Si Si Sinon d inflation annuel x< x< x< x< x< x< x<130 Points Balance Si Si Si Si Si Si Si Sinon Budgétaire%PIB x> x> x> x> x> x> x>-25 Points Balance Si Si Si Si Si Si Si Sinon Courante en % PIB x>2 2 x> x>-2-2 x>-5-5 x>-8-8 x> x>-18 Points Sinon 12

14 RATING FINANCIER ( ) [0-50] (haut risque ; bas risque) 1- Dette étrangère Si Si Si Si Si Si Si Sinon en % du PIB x<3 3 x<4 4 x<5 5 x<6 6 x<8 8 x<10 10 x<25 Points Service de la dette Si Si Si Si Si Si Si Sinon en % des exportations des biens et services x<15 15 x<20 20 x<25 25 x<30 30 x<40 40 x<50 50 x<60 Points Balance courante en % des exportations des biens et services Si x>15 Si 15 x>5 Si 5 x>0 Si 0 x>-30 Si -30 x>-35 Si -35 x>-45 Si -45 x>-55 Points Taux de couverture Si Si Si Si Si Si Si Sinon en mois d importation x>12 12 x>6 6 x>5 5 x>4 4 x>3 3 x>2 2 x>1 Points Sinon 5- STABILITE DU TAUX DE CHANGE 15 ( ) Appréciation (report) Dépréciation (déport) Points Variation positive Variation négative 0.0 à à à à à à à à à à à à à à à à à à à à à plus -30 à à à à à à à à à à plus 0 Source : Méthodologie de l ICRG à partir de fin La stabilité du taux de change est une composante du risque financier. 13

15 RATING POLITIQUE 16 ( ) [0-50] (haut risque ; bas risque) Composante Echelle Sous composants Etat du régime Démocratie 2- Autocratie Nombre d années au pouvoir Durée du gouvernement Recrutement exécutif Régulation du recrutement exécutif 5- Compétitivité du recrutement exécutif 6- Ouverture du recrutement exécutif Contraintes exécutives Indépendance du chef exécutif Compétition politique Régulation des participations 9-Compétitivité des participations Total des points 50 Explication des variables politiques : Les variables suivantes sont recodés 17 par l auteur selon la manière suivante : 1- Démocratie [0-5], (haut, bas): Il s agit d un indicateur numérique qui mesure le degré d ouverture des institutions politiques. 2- Autocratie [0-5], (haut, bas) : Il s agit d un indicateur numérique qui mesure le degré de fermeté des institutions politiques. Ces deux indicateurs décrient les caractéristiques des autorités et sont construits sur plusieurs critères liés au comportement des institutions politiques. 3- Nombre d années au pouvoir [0-10] : Il s agit d un indicateur numérique noté en fonction du nombre d années au pouvoir depuis la transition du régime. 4- Régulation du recrutement exécutif : Cet indicateur se base sur plusieurs procédures institutionnelles quant au transfert du pouvoir exécutif. 5- Compétitivité du recrutement exécutif : c est une mesure à laquelle les responsables sont choisis suite à des élections compétitives. 6- Ouverture du recrutement exécutif : c est une mesure des opportunités auxquelles les non-élites peuvent atteindre le pouvoir exécutif. 7- Contraintes exécutives : c est une mesure de l indépendance du chef exécutif vis à vis des autres forces politiques (pouvoir militaire). 8- Régulation des participations : elle mesure le développement des structures institutionnelles pour l expressionnisme politique. 9- Compétitivité des participations : c est une mesure auxquels les non-élites sont capables d avoir accès à l expressionnisme politique. Indicateur Total du Rating Composite de l auteur REFPAUT (pays X) = (RE + RF + RP) / 1.5 avec REFPAUT : indicateur du risque économique-financier-politique composite ; RE : indicateur du risque économique total ; RF :indicateur du risque financier total et RP : indicateur du risque politique total construits par l auteur. 16 Toutes les données sur les variables politiques sont recueillies de l INSCR. 17 Il s agit tout simplement d une notation attribuée par l auteur à l instar de la méthodologie de l ICRG. 14

16 La méthode «Rating» connaît des limites, surtout quelle ne se concentre pas sur des raisons scientifiques. Sinon, cette méthode reste la plus souhaitable, du fait qu elle est plus empirique et plus opérationnelle. Nous faisons recours à l AFD pas à pas, cette méthode permet de sélectionner les variables qui expliquent et contribuent aux mieux à la construction des indicateurs risque-pays. Certaines variables peuvent être non explicatives et moins pertinentes. Deuxième approche 18 «Analyse Factorielle Discriminante ou AFD» Cette approche permet de garder les variables initiales, en les transformants en des «scorings» discriminants. Le recours à l analyse factorielle discriminante 19 (AFD), se justifie afin de reconstruire des «scorings» discriminants pour le risque financier, le risque économique et le risque politique. L AFD 20 est utilisée surtout dans une optique inférentielle, plutôt que dans un but descriptif (Analyse en Composantes Principales). La méthode retient des indicateurs macroéconomiques, financiers et politiques, tous très classiques dans la littérature. Composition de chaque «scoring» dans l AFD. Risque économique Risque financier Risque Politique PIB par tête* Dette Etrangère en % du PIB Etat du régime Croissance du PIB réel Service de la Dette Etrangère 21 en % des* Exportations Nombre d années au pouvoir des Biens et Services Taux d inflation annuel Balance Courante en % des exportations des biens et Recrutement exécutif services Balance Budgétaire en % du PIB Taux de couverture en mois d importation (liquidité Contraintes exécutives* nette internationale)* Balance Courante en % du PIB Stabilité du taux de change Compétition politique * Ces variables ont été éliminées par la méthode pas à pas de l AFD. DIFFRENCES METHODOLOGIQUES 22 Pour mesurer le degré d association entre différentes sources de notation risque-pays (ICRG, IICR, ECCR et AUTEUR), nous faisons recours au calcul des coefficients de corrélation. Nous adoptons, ainsi, pour le tau-b de Kendall 23. Le tau-b de Kendall vaut mieux à Spearman, puisque les variables quantitatives appartiennent à des modalités ordonnées, il permet de déterminer comment l ordre des rangs est mesuré. Les résultats montrent que le tau-b de Kendall est significatif au seuil de 1% pour la plupart des cas (tableau 1, 2 et 3). Ceci, signifie que les méthodes employées par ces derniers aboutissent à des résultats qui avaient des ressemblances significatives. Aussi, on observe que les pays considérés dans notre échantillon avaient presque les mêmes configurations macroéconomiques et institutionnelles. 18 Annexe (Tests et Validité de l AFD). 19 L AFD est une méthode de discrimination (de classement), elle consiste de prédire une variable qualitative à l aide de plusieurs variables quantitatives appelées prédicateurs ou variables explicatives. Notre objectif est de chercher des combinaisons linéaires de variables qui permettent de séparer le mieux possible les modalités de la variable qualitative (risque : 0 ou 1, haut ou bas). 20 Logiciel d analyse : SPSS. 21 Le service de la dette étrangère présente la somme des remboursements principaux avec les intérêts payés en devises étrangères. 22 Voir aperçu méthodologique dans Annexe, la non transparence et le manque des données sur d autres services de notation ne nous permet pas de montrer en détail sur les méthodologies des autres organismes d évaluation. 23 Ce dernier présente l avantage de pouvoir être généralisé à un coefficient partiel de corrélation xy.z et à un coefficient de concordance W. 15

17 Tableau (1) : IDE / Mesure Risque-Pays par catégorie Coefficient de concordance de Kendall W. ICRG AUTEUR ECO FIN POL ECO FIN POL ECO - ICRG FIN 0.46*** - POL 0.30*** 0.51*** - ECO 0.45*** - AUTEUR FIN 0.29*** 0.5*** - POL 0.18*** *** - ***signification au niveau de 1%. Les résultats du tableau (1), montrent le degré de corrélation entre les «rating» de l ICRG et ceux de l auteur d un coté et aussi le degré de chevauchement au sein de la même notation entre les différentes catégories de risque présentées. On remarque qu avec la nouvelle base de données, le risque de chevauchement a diminué significativement. Tableau (2) : IDE / Mesure Risque-Pays composite Coefficient de concordance de Kendall W et rhô de Spearman ICRG ICCR AUTEUR ICRG - (0.42***) (0.43***) IICR 0.30*** - (0.45***) AUTEUR 0.30*** 0.31*** - ***signification au niveau de 1%, ( ) : Rhô de Spearman. Tableau (3) : IDE / Mesure Risque-Pays composite Coefficient de concordance de Kendall W et rhô de Spearman ICRG ECCR ICCR AUTEUR ICRG - (0.75***) (0.68***) (0.49***) ECCR 0.56*** - (0.96***) (0.50***) ICCR 0.48*** 0.84*** - (0.52***) AUTEUR 0.32*** 0.36*** 0.37*** - ***signification au niveau de 1%, ( ) : Rhô de Spearman. 16

18 -3 : PANORAMA SUR L EVOLUTION DES IDE ET DU RATING PAYS DANS LES PVD 24 Graphique (1) Evolution du ratio IDE%PIB par région LAC ASIAN MED SBH LAC : Latin American & Caribbean, ASIAN : Asian Countries, MED (PSEM) :Mediterranean Countries ; SBH : Sub- Saharan Countries Graphique (2) Evolution du ratio IDE%PIB et du rating composite par source dans les PVD ICRGPVD ICCRPVD FDI%GDP ICRGPVD : «rating» composite calculé par l ICRG pour les 28 pays en étude, ICCRPVD : «rating» composite calculé par l IICR pour les 28 pays en étude. Graphique (3) 24 L étude descriptive porte seulement sur 28 pays en développement classés par région (Annexe)

19 Evolution du rating économique par région LAC MED SBH ASIAN Graphique (4) Evolution du rating financier par région LAC MED SBH ASIAN Graphique (5)

20 Evolution du rating politique par région LAC MED SBH ASIAN Les trois derniers graphiques sont construits à partir des données de l auteur Pour étudier le lien risque-pays et IDE, nous examinons, à grands traits, la marche de ces économies, à partir des graphiques sur la période Une approche descriptive au niveau régional, montre qu elles existent des trajectoires bien différentes (graphiques précédents). Les pays méditerranéens et d Afrique Subsaharienne et dans une moindre mesure les pays asiatiques semblent intéresser peu les investisseurs, vu leur faible attractivité pour les IDE. Vers la fin des années 1999, l IDE a diminué, voir même de moitié dans les pays en développement et n a pas cessé de baisser jusqu à La montée de l aversion au risque, le resserrement de la contrainte financière et la dégradation de la conjoncture dans ces derniers peuvent être à l origine de cette chute. Cette baisse n a pas touché la région méditerranéenne, l IDE a augmenté sur cette période, successivement en 2000 et en 2001, suite aux exploitations des programmes de privatisation et les fusions-acquisitions dans ces pays (privatisation de Maroc Télécoms et vente d une licence de téléphonie mobile en Turquie). L Asie a perdu du terrain au profit de la Chine depuis les années 90 et surtout avec la crise de L IDE dans les pays d Amérique Latine et les Caraïbes décolle plus tardivement sur ces dernières années suite à sa baisse depuis 1999, des facteurs propres à la région ont contribué à ce repli, surtout la crise économique et financière qui a secoué l Argentine et les incertitudes économiques qui planent dans d autres pays. Les flux d IDE baissent dans un contexte d instabilité économique, financière et politique. La stratégie d investissement des multinationales est orientée par un objectif d optimisation des avantages et de minimisation des coûts. Ces avantages et ces coûts sont fortement associés au risque que présente les pays en développement. Ainsi la capacité d un pays à attirer l IDE dépend dans une large mesure de son niveau de stabilité économique, financier et politique (se référer aux 19

21 graphiques précédents). Ainsi, l évolution en parallèle des courbes du risque-pays et IDE, affirme de prime abord, l existence d une corrélation forte entre le risque pays et l IDE. La prise en compte du risque pays dans le choix d implantation des IDE, présente une question fondamentale à la connaissance de ces mouvements de capitaux externes. En vue de tester la théorie risque-pays et IDE de la façon la plus objective possible, nous faisons recours à l analyse économétrique. L emploi de la méthode économétrique, se justifie afin de corriger l abondance de modèles vérifiables de la théorie d IDE et rendre opérationnelle la théorie du risque-pays et IDE dans un modèle qui peut se vérifier en se basant sur des chiffres plus objectifs et être confirmé ou réfuté. Aussi, l analyse économétrique, nous permet de voir si la théorie, basée sur les travaux des organismes d évaluation, les rapports des institutions internationales (WB,FMI, CNUCED, OCDE), les recherches de l auteur (entretiens avec des fonctionnaires et avec des experts de risque-pays et d investissement) et analyse de la littérature, peut être justifiable pour le cas des pays en développement et sur la période considérée. Aussi l analyse statistique nous apprend qu une meilleure exploitation des données quantitatives par le recours à l analyse quantitative traditionnelle est une méthode plus objective et plus neutre qu une analyse purement qualitative. L hypothèse de base est que les influx d IDE sont beaucoup plus influencés par les variables risque-pays que par les variables génériques traditionnelles avancées par les théories d IDE conventionnelles. Nous attendions à de fortes corrélations entre les variables risque-pays et les influx d investissements direct étranger par le test économétrique du modèle risque-pays et IDE. Les régressions sont faites en données de panel. 20

22 -4 : RISQUE-PAYS ET IDE : ETUDE ECONOMETRIQUE Nous proposons dans cette étude, à travers une analyse économétrique : de mesurer, en nous situant du point de vue de l économie réceptrice, la relation entre risque-pays et IDE. d estimer le tribut spécifique de ces facteurs à la variation de l IDE.. Notre étude contribue à la littérature existante sur l IDE : par la présentation d une étude systématique et structurée en panel des index risque-pays influençant la localisation géographique des IDE dans 28 pays en développement et par l intégration des déterminants classiques de la localisation géographique de l IDE et des variables dummy afin de contrôler la robustesse de notre modèle A- Description des Données et des Variables Pour placer la relation entre risque-pays et IDE dans un modèle opérationnel qui peut être testé, des compromis doivent être faits concernant les variables. Les variables clés de notre modèle, sont les indicateurs du risque-pays. Les 28 pays en développement sont classés par la Banque Mondiale à bas et moyen revenu, le choix de ces pays ne se limite pas seulement à la disponibilité commune des données, mais aussi, il existe une similitude en termes de PIB par tête entre ces pays. «RISQUE-PAYS» Les indicateurs risque-pays disponibles sont ceux de l ICRG, de l IICR, de l ECCR et de l auteur. ICRG : Ils existent quatre indicateurs tels que le COMPICRG [0-100], ECOICRG [0-50], FINICRG [0-50] et POLICRG [0-50], qui présentent respectivement le rating composite ( ), économique, financier et politique ( et ) construits par l ICRG, comme décrits précédemment. IICR [0-100] : Il existe seulement un seul indicateur composite de risque-pays ( ) construit par l Institutionnel Investor. ECCR [0-100] : On dispose seulement d un seul indicateur composite ( ) construit par Euromoney. AUTEUR : on distingue deux types d indicateurs construits par l auteur. COMPAUT [0-100], ECOAUT [0-50] et FINAUT [0-50] ( ) et POLAUT [0-50] ( ) sont des notations risque-pays semblables aux «rating» des organismes d évaluation extérieurs. ECOADF, FINADF ( ) et POLADF ( ) se sont que des «scorings discriminants» sous formes d indices synthétiques obtenus par l Analyse Factorielle Discriminante (Annexe). Le signe attendu de toutes ces variables est positif 25, on s attend donc à ce que le test du modèle risque-pays et IDE trouve une corrélation élevée entre les influx d IDE et les variables risque-pays. 25 Une note élevée indique un risque bas et vice versa. 21

23 VARIABLE ENDOGENE La variable expliquée est mesurée par les influx d investissement direct étranger exprimés en pourcentage du produit intérieur brut. Variables classiques 26 Pour tester la solidité de notre modèle, nous introduisons les variables habituelles sur les déterminants de l IDE comme variables de contrôle. 1- Niveau d Instruction : La présence d une main d œuvre à la fois bon marché et qualifiée constitue également un facteur d attractivité important pour les investisseurs étrangers. Plusieurs travaux sur les interactions entre le capital humain et les investissements directs étrangers montrent que le capital humain contribue fortement à l attraction des IDE. Certains pays ont d emblée investi dans le capital humain avec l objectif de développer des industries locales et les y employer et aussi pour attirer l IDE. Il est très important que la population ait un certain niveau minimum d instruction pour qu un pays puisse à la fois attirer l IDE et exploiter pleinement les retombées de la présence d entreprises étrangères sur le plan du capital humain. Ainsi, la main d œuvre a été perçue le plus souvent en terme de qualification et non en terme de coût. Le rôle de l éducation dans le développement et la croissance économique est très important. En terme économique, la main d œuvre est approchée par ses rendements marginaux croissants (externalités positives). On observe néanmoins, les effets d agrégation et d émulation au sein des générations par la transmission de valeurs et du savoir-faire (augmentation de productivité). Ainsi pour mettre en évidence empiriquement l impact de l éducation sur l IDE, on opte pour de nouvelles mesures du développement humain, cette évaluation est basée sur une mesure de stock approchée par le nombre moyen d années d études de la population en age de travailler (nombre moyen d années d études de la population des ans). Le taux de scolarisation s avère une mesure pertinente pour évaluer l impact de la qualité de la main d œuvre sur l IDE, la non disponibilité des données par année sur cette variable de flux pour certains pays ne nous permet pas d introduire cette variable. 2- Indicateur de Privatisation : La part de l investissement privé dans la FBCF permet de mesurer l effort du renforcement du secteur privé dans un pays. Par contre cette mesure soulève une objection, l IDE est une composante de l investissement privé, ce qui peut entraîner un problème de colinéarité avec la variable expliquée. Le crédit accordé par le secteur bancaire (en pourcentage du PIB), comprend les autorités bancaires et les banques de dépôts et d autres institutions bancaires. La fourniture de crédit est un moyen d intermédiation financière (Saskia.W, 1998), elle augmente le capital et stimule l activité économique et les affaires. Cette variable est utilisée comme une variable proxy afin de mesurer l effet de la privatisation dans ces économies sur l IDE (Hassane.R.B et Zatla.N, 2001). 3- Indice d infrastructure : L effet du stock d infrastructure sur l attractivité des économies peut être expliqué par des services adéquats pouvant constituer un environnement favorable à l entrée des investissements étrangers. Le nombre de téléphone par 1,000 habitants (Asiedu.E, 2001), ne présente qu une mesure du niveau des infrastructures de télécommunications. 26 Sauf exception que certaines variables relatives à la qualité des institutions telles qu elles sont appréhendées par les institutions internationales sont considérées comme relatives au risque-pays. 22

24 Dans leur étude sur les déterminants de l IDE dans le bassin méditerranéen et son effet sur la croissance économique, Hassane. R-B et Zatla.N (2001), ont retenu parmi les types d infrastructures susceptibles d affecter l attractivité d une économie, la puissance électrique générée, le nombre de lignes téléphoniques installées et la densité du réseau ferroviaire. Ces derniers à partir des séries longues élaborées par D.Canning (1998), en recourant à l analyse en composantes principales, ont construit un indice synthétique d infrastructures pour examiner l impact de la dotation en infrastructures physiques sur les flux d IDE entrants dans les PSEM. Pour examiner au mieux l impact du niveau d infrastructure sur l IDE, nous construisons un indicateur synthétique, en recourant à l analyse en composantes principales 27. En fonction de la disponibilité des données, nous retenons le nombre de lignes téléphoniques par habitants, la puissance électrique générée, la puissance énergétique et la densité du réseau routier pavé. 4- Indice d ouverture économique : A l instar de l indice d ouverture économique de Sachs et Warner (1995), nous construisons un indice indiquant l ouverture économique. L ouverture économique est un déterminant essentiel de l investissement direct étranger. Le volume du commerce rapporté au PIB, est interprété le plus souvent comme une mesure sur les restrictions commerciales ou une mesure sur l importance des échanges pour l économie. Dans leur étude sur l adaptation institutionnelle à l IDE, Saskia.W a introduit un indice d ouverture économique construit par Sachs et Warner 28. Sous l hypothèse que les pays pauvres n auraient aucune tendance générale à rattraper ou à converger vers les pays riches du fait que leur régime commercial est plus fermé que celui des pays riches qui est plus ouvert et que ces derniers peuvent accélérer leur croissance et leur processus de développement (théorie de la convergence), s ils réussissent à attirer les flux de capitaux étrangers qui transmettent la technologie, la connaissance et le capital vers les pays en développement. Sous cette hypothèse et en fonction de la disponibilité des données, nous définissons un indicateur d ouverture économique proche de celui de Sachs et Warner. Cet indicateur est défini par une variable indicatrice avec les quatre variables suivantes de la manière suivante ; ouverture égale 0 «si un pays reçoit la note 1 sur l une quelconque» des variables suivantes pour deux sous périodes : et Le choix des deux sous-périodes se justifie en rapport avec le contenu du consensus de Washington du début des années 90. Prime au taux de change offerte par le marché parallèle : la variable indicatrice est égale à 1 si la prime au taux de change du marché parallèle, prise en moyenne sur chacune des deux souspériodes dépassait 0.2. Pays socialiste : la variable indicatrice est égale à 1 si le pays est classé comme étant socialiste. Impôts sur commerce international (en % du revenu courant) : la variable indicatrice est égale à 1 si les taxes sur le commerce international en pourcentage du revenu courant dépasse 12%, cette variable indique le niveau des restrictions commerciales. Une économie dont la part des impôts dans le revenu courant dépassait 12% est considérée comme un pays protectionniste. 5- Dum_PETR : cette variable muette prend la valeur 1 pour les pays riches en pétrole (exportateurs de pétrole) et 0 sinon. Les pays concernés dans cet échantillon, sont le Mexique, le Venezuela, l Indonésie et l Algérie. 27 Annexe : Test et Validité. 28 Sachs et Warner définissent la variable fictive, qu ils définissent par ouverture économique avec les variables suivantes (ouverture égale à 0 «si un pays reçoit la note 1 sur l une quelconque» des variables suivantes) : Prime de taux de change offerte par le marché parallèle dépasse 0.2 en moyenne sur les années 1970 et 1980, le pays est classé comme étant «socialiste» par Kornai, l économie est substantiellement déformée par un office de commercialisation des produits à l exportation et si la fréquence des importations propres sans tarifs douaniers pondérées des biens capitaux et intermédiaires sur la période dépassait 0.4 (cette variable indique comment les biens capitaux et intermédiaires sont affectées par les quotas, les licences et les interdictions). 23

25 En effet, ces mesures relèvent d une vision a priori des saines institutions influencée par la vision anglo-saxone du monde : Méthode d Estimation et Modèle Les tests d homogénéité 29 globale, des coefficients β i et des constantes α i montrent qu il s agit bien d un modèle de panel hétérogène 30,ou la seule hétérogénéité provient des constantes individuelles. Par contre, on suppose dans ce cas que les coefficients des différentes variables explicatives sont identiques pour tous les pays du panel. Le test de spécification de Haussmann qui permet de discriminer entre les effets fixes et aléatoires indique, que le modèle avec effets fixes est plus approprié pour toutes les équations. Equation du modèle IDE = α i + β1.ratncomp it (K) + β1.ratneco it (K)+β2.RATNFIN it (K)+β3.RATNPOL it (K) + β4.ouveco it + β5.instr it + β6.infra it + β7. PRIVAT it. avec C i = effet fixe propre au pays (i). K = ICRG, IICR, ECCR ou Auteur. 29 Hurlin.C (Séminaire méthodologique). 30 La réalisation de la statistique de Fischer pour l échantillon considéré montre qu au seuil de 5%, on peut accepter l hypothèse d homogénéité des coefficients β i et la rejeter pour le cas des constantes α i. 24

26 -4-2 : Résultats des Régressions Estimation de l Impact du risque-pays sur l IDE : Etude de panel avec effets fixes. Déterminants de l IDE COMPICRG 0.03***(0.01) IICR 0.05***(0.01) COMPAUTEUR 0.03***(0.01) ECORATAUT 0.05***(0.01) 0.34***(0.08) 0.004(0.05) FINRATAUT 0.01(0.02) 0.14***(0.04) -0.1*(0.06) POLRATAUT 0.05***(0.01) 0.07*(0.04) 0.04(0.03) ECORATICRG 0.08***(0.02) FINRATICRG 0.007(0.01) POLRATICRG 0.02**(0.01) ECOSCORADF 0.28***(0.09) 0.22**(0.09) FINSCORADF 0.24**(0.12) POLSCORADF 0.18***(0.05) 0.17***(0.06) EXGESTABILITY 0.14***(0.04) PRIVATIS (0.005) 0.01**(0.005) 0.12***(0.04) 0.08***(0.02) (0.004) 0.01***(0.005) 0.01***(0.005) INSTRUC (0.06) 0.07(0.06) 0.64(0.76) 0.26(0.31) 0.03(0.06) 0.07(0.06) 0.08(0.06) OUVERTECON 0.22(0.31) 0.7**(0.32) 0.20***(0.06) -0.19(0.26) 0.63**(0.63) 0.6**(0.32) INFRASTRUC 0.2(0.17) 0.64***(0.16) 0.36***(0.10) (0.39) 0.72***(0.22) 0.73***(0.16) 0.66***(0.16) Test Hauss p-value R 2 ajusté 45% 40% 36% 70% 50% 40% 41% Nbre obs Effets fixes _ARG--C _BOL--C _BRA--C _CHL--C _COL--C _CRI--C _DZA--C _EGY--C _GHA--C _IDN--C _IND--C _KEN--C _MAR--C _MEX--C _MYS--C _NIC--C _PAK--C _PER--C _PHL--C _PRY--C _SEN--C _SLV--C _THA--C _TUN--C _TUR--C _VEN--C _ZMB--C _ZWE--C *signification au niveau de 0.10, **signification au niveau de 0.05, ***signification au niveau de 0.01, (. ) Ecarttype ; Logiciel : Econometric Views et Limdep. Le tableau précédent résume les résultats des différentes régressions effectuées sur la période pour 28 pays en développement. Dans la première colonne, nous avons introduit trois indicateurs composites du risque-pays (ICRG, IICR et Auteur) avec toutefois des variables de 25

27 contrôle, les résultats montrent que le risque-pays est fortement corrélé à l IDE quelle que soit la source de notation. Ceci confirme de prime abord que le niveau d IDE dans les pays émergents est fortement affecté par la prise en compte du poids du risque-pays dans le choix stratégique des investisseurs étrangers. Dans la colonne (5), nous testons, l impact des indicateurs de risque économique, financier et politique construits par l ICRG, seulement sur la période (en fonction de la disponibilité des données). Les variables du risque économique, politique et celle qui mesure le niveau du stock d infrastructure sont les plus significatives. Le remplacement des trois indicateurs de risque économique, financier et politique par d autres indicateurs appelés «scorings» discriminants construits par la méthode d ADF (colonne 6), montre que les trois nouveaux indicateurs (ADF) sont fortement significatifs. Aussi les variables de contrôle sont fortement significatives, à l exception de la variable mesurant le niveau d instruction. Dans la dernière colonne, le remplacement de la variable rating financier par l indicateur de stabilité du taux de change montre que les pays qui ont adopté un régime de taux de change fixe sont devenus de plus en plus attractifs en déchargeant les investisseurs du risque de volatilité du taux de change au moins à court terme. Dans la deuxième colonne et sur la même période ( ), nous avons remplacé les variables risque-pays par trois catégories de ratings telles : rating économique, financier et politique construits par l auteur, les résultats montrent que la stabilité économique et politique sont fortement significatives ainsi que les programmes de privatisation, d ouverture économique et le niveau d infrastructure. Une fois que les résultats auraient été obtenus dans ces régressions avec des variables non logarithmiques, leur solidité a été testée en utilisant la forme logarithmique. Sous cette nouvelle forme, toutes les variables sont exprimées en logarithmes, sauf exception pour la variable ouverture économique. Modèle logarithmique L(FDI%GDP + 3) = α i + β 1.L(RATNECO it )+ β 2.L(RATNFIN it +1) + β 3.L(RATNPOL it ) + β4.ouveco it + β5.l (INSTR it ) + β6.l (INFRA it + 2) + β7.l(privat it ). L avantage de cette procédure linéaire est qu elle permet d interpréter les résultats en terme de pourcentage. Les résultats reportés dans la colonne (3), ont fourni des résultats semblables et renforcent donc de la solidité des variables. Les investisseurs étrangers sont de plus en plus sensibles aux risques. Quant aux effets fixes liés à chaque économie, ces effets sont différents d un pays à l autre et sont en défaveur de l ensemble des pays en développement. D autres facteurs non observables peuvent être aussi à l origine de ces différences en matière de répartition d IDE. Dans la colonne (4) et après avoir essayé sur plusieurs sous-périodes, nous gardons la sous-période , une période caractérisée par le grand avènement international de la crise de , seules deux variables significatives telles que le rating financier dont le signe a changé (non attendu) et la variable mesurant le degré de privatisation. Ceci nous révèle qu il existe une corrélation négative entre le niveau d IDE et la crise financière, ce qui n est pas en conformité avec ce qui a été prévu. Ce qui signifie que la crise financière de la fin des années 90 est conjuguée à un afflux massif d IDE. De ce fait, on se pose la question, si l afflux massif d IDE, qu ont connu certains pays dans la période était à l origine de la crise financière internationale? Supposons que la théorie le confirme, 26

28 peut-on assimiler le boom d investissement qu ont connu certains pays au mécanisme du «Syndrome-Hollandais»? Tout d abord, avant d aborder ce sujet, quels sont les pays affectés par cette maladie macroéconomique et sur quelle période? Ceci, nous laisse penser aussi, si le niveau atteint par certains pays ne risque t-il pas de leur créer des problèmes de balance de paiements? Existe t-il un niveau soutenable d IDE pour les pays émergent? Toutes ces questions font l objectif d une nouvelle problématique : Quels risques associés aux investissements directs étrangers? Nous ramenons toutes les variables en leur moyenne sur la période , afin de tester s il existe un seuil soutenable d IDE dans ces économies. C est à dire qu au-delà d un certain seuil, l IDE peut-il conduire à la surchauffe de l économie. Le signe attendu de la variable indicateur financier est négatif. Cette approche permet de capturer les effets importants ainsi de tester la solidité de notre modèle. Estimation sur 28 pays en MCO (les variables sont exprimées en leur moyenne sur la période ) Variable Coefficient Ecart-type Constante 9.71*** 2.62 ECORATING? FINRATING? -0.06* 0.03 POLRATING? 0.03*** 0.01 PRIVATISATION? 0.03*** INSTRUCTION? -0.14** 0.06 OUVERTURE? 1.36*** 0.36 INFRA? R 2 92% Nbre obs 28 Les résultats dans le tableau ci-dessus, fournissent les mêmes résultats trouvés précédemment, sauf la variable instruction qui devient significative avec un signe négatif. Cette variable peut être assimilée au chômage existant dans ces économies. Ce qui révèle qu une part importante des jeunes dans ces pays sont sans emploi. Le nombre moyen d années d études de la population des ans augmente surtout dans les pays en développement. Cet indice peut représenter la part des jeunes sans emploi et qui se trouvent obligés de continuer leurs études, on peut l assimiler à la dégradation du chômage dans ces économies. La non significativité de la variable infrastructure, se justifie sur la période Nous choisissons dans le cas comme variable endogène la crise financière mesurée par l indicateur du risque financier. Les variables explicatives sont les influx d IDE (IDE%PIB) et un indicateur du risque économique (qui synthétise l état des fondamentaux dans ces économies). 27

29 Nouveau : FINRISK = C + ß 1. FDI%GDP it + ß 2.ECORISK it Constante 32.57***(1.86) 2.67***(0.79) 3.92***(0.84) 4.64***(0.88) FDI%GDP 0.34***(0.11) 0.34***(0.10) ECORISK -0.59**(0.05) 0.63***(0.04) FDI%GDP(-1) 0.30***(0.11) ECORISK(-1) 0.55***(0.04) FDI%GDP(-2) 0.35***(0.12) ECORISK(-2) 0.51***(0.05) R 2 40% 42% 33% 27% Nbre obs Les données sur les variables du risque financier et économique sont disponibles de et complétées par les données de l ICRG sur la période Le risque financier est mesuré par un indicateur composite sur une échelle de [0-50] (bas risque, haut risque), sur la base du rating financier comme décrit précédemment tel que FINRISK = 50 RATINGFIN. Le risque économique est construit aussi de le même manière. Nous attendions à une corrélation positive avec l IDE, du fait que l accroissement des influx d IDE cause une crise financière. Résultats : Les résultats n ont pas changé est confirment de la solidité du modèle. Les résultats montrent que la crise financière est expliquée par l accroissement massif des IDE sur la dernière période des années 90. En effet, avant la crise asiatique, ces pays jouissent des atouts économiques, il est contestable que cette crise est due aux problèmes des fondamentaux. L existence d une forte corrélation entre la crise financière et les influx d IDE affirme de prime abord que les influx massifs d IDE dans ces économies peuvent être à l origine de la crise financière toutes choses égales par ailleurs. Le signe négatif du risque économique dans la première colonne montre que les fondamentaux de ces économies sont en très bon état, alors une crise financière est déclenchée. Le changement de signe du risque économique révèle le lien entre risque économique et risque financier. Le changement du signe de la variable économique traduit les effets grégaire et de contagion lors de l introduction surtout des variables retardées. Ces résultats proposent de tester la causalité entre les deux variables mesurant l IDE et crise financière. Notre approche est de déterminer dans quel sens s effectue la causalité, quelle est la variable qui a statistiquement un impact significatif sur l autre. Un mode de sélection possible est de retenir les deux variables ayant un lien de causalité significatif, telle que : l IDE%PIB et l indicateur financier. La causalité s entend ici au sens de Granger, c est à dire que la connaissance de l historique de la valeur de l accroissement des flux d IDE améliore l estimation de l indicateur financier. Les tests de causalité réalisés permettent de mettre en évidence le sens de la relation causale entre les deux variables. On fixe le nombre de retard à 1, à 2 et à 3 en fonction de la disparition de la corrélation entre les deux variables lors de chaque régression par pays. Le test de causalité est alors équivalent à un test d hypothèse nulle de la valeur des β i et est défini par : H0 : β i = 0 A un seuil de significativité de 5%, si la valeur théorique du test est supérieure à la valeur empirique de la statistique, l hypothèse de nullité des β i (la considération des valeurs antérieures de 28

30 l IDE%PIB n améliore pas la prévisibilité du risque financier) est rejetée. Les résultats montrent qu il existe bien un lien de causalité de l investissement direct étranger vers la crise financière pour un nombre important de pays (tableau suivant). Test de causalité (C.Hurlin 2004). Nous faisons recours au test de causalité au sens de Granger. Ce dernier permet d interpréter le sens de la causalité entre l indice des entrées potentielles d IDE et l indicateur financier. Test de causalité au sens de Granger en séries temporelles Causalité FIN FDI Causalité FDI FIN PAYS P F Wi=Pi*Fi Fi Wi=Pi*Fi NIC *** 5.17 ARG *** 10.8 TUR ** 8.5 THA ** 1.7 IDN * 3.41 IND * 3.41 CRI * * EGY * 0.02 KEN * 0.21 VEN * 1.24 PAK * 4.19 PER * 1.25 DZA CHL GHA BRA ** COL SLV PHL ** SEN ** ZWE MEX * ZMB BOL PRY MAR TUN MYS MOYENNE ***signification au niveau de 0.01, **signification au niveau de 0.05, *signification au niveau de 0.10 L analyse de la causalité en séries temporelles montre que 12 pays ont reçu des apports d IDE importants et que ces derniers ont rattrapé les symptômes de la surchauffe macroéconomique. La Malaisie, le Chili, la Colombie et le Mexique sont parmi les pays qui ont reçu des afflux massifs d IDE et ont su éviter la plupart des symptômes de la surchauffe macroéconomique. Des mesures ont été prises par certains pays, tels que le Chili, la Colombie et la Malaisie, en s appuyant sur la flexibilité du taux de change nominal. 29

31 Ces mesures ont été mises en œuvre dés le début de l afflux de capitaux, ce qui a entraîné une compensation des coûts liés à l appréciation réelle de la monnaie nationale par des mesures de réglementation des flux de capitaux qui visent à modérer le volume des capitaux étrangers et à prolonger les échéances 31. Test de causalité au sens de Granger en données de panel avec un modèle hétérogène à effets fixes Causalité FIN FDI Causalité FDI FIN MOY T F = 1.36 W = 1.94 F = 2.48 W = ST-Z HNC 33 ST-Z HNC ** ** Les résultats nous conduisent à accepter l hypothèse de la non causalité au sens de Granger du risque financier vers l IDE à 5%. Par contre, on rejette l hypothèse de la non causalité dans l autre sens. On accepte la causalité dans le sens IDE vers crise financière. Aussi cette étude propose l application du modèle de Corden & Neary, qui nécessite la connaissance statistique de la répartition sectorielle des IDE : secteurs rentiers telles que les ressources naturelles, secteurs abrités tels que les services et production des matériaux pondéreux et secteurs exposés. Les années 90 ont vu un développement très important des IDE dans les pays émergents (approche descriptive), ce développement a été notamment stimulé par la croissance de la taille du marché, l ouverture économique, l amélioration de l état des infrastructures, les programmes de privatisation et des politiques délibérées dans les pays émergents sous prétexte que l IDE est un facteur de croissance et de modernisation. Les IDE dans les pays émergents constituent également un passif extérieur qui, dans certaines circonstances, peut constituer une source de vulnérabilité financière associée à l accumulation d un passif en devises (A. Lehman, 2002). Ces caractéristiques ont conduit à le considérer comme un mode de financement externe des pays émergents préférable à la dette dont le remboursement et le paiement des intérêts est une obligation contractuelle est dont l éventuel renouvellement est soumis à la bonne volonté du créancier. Alors que la rémunération des capitaux est importante par rapport à la rémunération des dettes, ce qui laisse penser que l IDE est un élément coûteux!. la prise de risque implique davantage de rémunération. Certains pays ont reçu des afflux massifs d IDE 34 au-delà de leur capacité, ce niveau atteint va risquer de leur provoquer de sérieuses problèmes de balance des paiements 35, telles que : La non maîtrise des flux de devises engendrés par les IDE et La non-capacité à attirer les IDE. La théorie économique nous enseigne qu ils existent trois effets principaux qui ont contribué à cet excès d IDE, on distingue : 31 Lopez.M.A. 32 Cette statistique est calculée en supposant que T tend vers l infini. 33 Cette statistique est calculée en supposant que T ne tend pas vers l infini (corrigée de l effet taille). 34 «La gratification de la richesse ne se trouve pas dans la simple possession ni dans des dépenses somptueuses, mais bien dans son utilisation mesurée», citation du célèbre écrivain de Don Quichotte de la Manche, Miguel De Cervantes Saavedra. 35 MINEFI-DREE, Réunion de Travail MINEFI (2002) 30

32 Un effet d anti-sélection (adverse selection) peut conduire à un excès d IDE. L excès d IDE peut résulter des filiales étrangères sur le marché des capitaux domestiques en raison des asymétries entre la position des investisseurs locaux au regard des contraintes de liquidité et de financement et des contraintes d équilibre de portefeuille, Effet grégaire : la dépréciation (ou l effondrement) de la monnaie d un pays provoque l alerte aux investisseurs, ce qui change leur manière dont-ils perçoivent les fondamentaux des autres économies. Ceci entraîne des effets grégaires auxquels les investisseurs vont réagir de la même façon dans des pays ou les fondamentaux sont différents. Effet contagion : la répercussion des chocs survenus dans un pays sur d autres, vu les liens financiers entre eux, sans eu égard à leurs fondamentaux peut augmenter le risque de contagion et Effet d apprentissage. La hausse des flux de devises engendrée par l entrée massive des IDE, mal gérée pourrait avoir des conséquences nuisibles sur les autres secteurs, voir toute l économie. Les IDE comme les autres apports de capitaux sont inhérents au processus de transition (de développement) et doivent donc pris en compte dans la formulation de la politique économique 36. Les entrées de capitaux étrangers alimentent une appréciation du taux de change qui détériore la compétitivité-prix des produits nationaux. La théorie économique nous enseigne qu une entrée massive des devises qui peut résulter, soit des nouvelles découvertes des ressources naturelles, des aides étrangères ou de l investissement direct étranger peut augmenter le niveau des revenus de l économie et aurait de sérieuses répercussions sur les autres activités de l économie. Il s agit d une rétroaction entre IDE et risque-pays (causalité en boucle). IDE : niveau insoutenable flux de devises : problème de maîtrise de ces flux Risque-Pays : crise financière économique politique incapacité à attirer les IDE : faible attractivité. Dans ce cadre, peut-on assimiler ce phénomène au «Syndrome-Hollandais 37». Le diagnostic est-il le même 38?. L accroissement des flux de devises suite aux entrées massives d IDE, a provoqué l augmentation des niveaux de revenus et donc une appréciation des taux de change dans ces économies. De ce fait, les secteurs d exportation se trouvent à la traîne 39 et le déficit extérieur s aggrave. Supposons dans notre cas que l IDE est substituable aux importations de point de vue pays d accueil, ce qui signifie que le niveau d importation est faible dans ces économies. Alors, l impact serait-il le même ou dépend-il du régime de change adopté par le pays? Il apparaît qu il est indispensable de se reporter au modèle de Corden et Neary (1982), pour justifier cette démarche. 36 Lipschitz.L, Lane.T & Mourmouras.A. 37 C est un terme qui se rapporte de manière générale aux conséquences nuisibles d une forte augmentation du revenu d un pays, se reporter à Corden et Neary (1982) et Eliane.C (1989). 38 Dans les années 60, les Pays-Bas ont enregistré une nette hausse de leur revenu après la découverte d énormes dépôts de gaz naturel en mer du Nord. Ce qui a provoqué des répercussions sur les autres secteurs de l économie hollandaise (appréciation du florin hollandais et chute des exportations non pétrolières). 39 Ceci n est pas vrai, si les devises engendrées par l IDE sont directement orientées vers le règlement de la facture des importations ou afin de compenser le déficit commercial. 31

33 CONCLUSIONS, LIMITES ET SUGGESTIONS En testant le modèle risque-pays et IDE en données de panel, nous avons tenté de construire une base de données propre sur le risque d investissement international. Les indicateurs risque-pays des différentes sources montrent et affirment que le risque-pays est un déterminant essentiel dans le choix stratégique des investisseurs étrangers. Les indicateurs risque-pays construits par l auteur selon deux méthodes différentes testées par l étude économétrique corroborent le modèle risquepays et IDE. Les résultats montrent qu un pays peut attirer des investissements très importants avec tous les avantages que cela comporte en créant un environnement stable et incitatif. Le recours à plusieurs méthodes d analyse de données (ACP et ADF) se justifie afin d expliquer au mieux la relation entre IDE et risque-pays. Pourtant, il existe d autres méthodes fondées sur des techniques artificielles. Le recours à ces méthodes se justifie surtout par les limites soulevées au niveau des outils les plus couramment utilisés par les opérateurs internationaux. L aptitude de nos techniques d évaluation se mesure en fonction de leur adaptation aux conditions économiques internationales. Elles peuvent être utiles dans la prévention des crises. Le climat de l investissement, la stabilisation de l environnement macroéconomique, le risque politique et les effets dits d agglomération testé par le modèle risque pays et IDE sont des facteurs rentrant en ligne de compte dans le choix d implantation des IDE. Le modèle adopté dans cette étude présente une approximation de la réalité. Certaines variables idéales liées aux déterminants habituels de l IDE ne sont pas testées, telles que : le réseau des accords d investissement bilatéraux et multilatéraux et l existence d une bourse de valeurs. La non disponibilité des données présente une contrainte plus significative à l analyse en données de panel pour les économies en développement. Les résultats révèlent une relation de causalité inverse entre les apports d IDE et le risque financier vers la fin des années 90. Même si l IDE est une variable financière, on peut effectivement penser qu il se traduit en investissement réel dans les pays en développement (à l exception du Luxembourg). Le test de causalité montre que des anticipations antérieures sur l évolution du risque-pays étaient favorables à l investissement qui peuvent être explicatives quant à l accroissement massif des IDE, ceci n est pas vrai, tant que l IDE a augmenté dans les pays concernés en période de crise. Les troubles économiques et financiers qui ont ponctué des économies émergentes ces dernières années, sans tenir de quelques incertitudes sur les environnements politiques associés aux crises financières se sont traduits par le tarissement progressif des IDE couplé d une politique active de rapatriement des profits. Les IDE peuvent-ils être considérés comme des mouvements balanciers! Même, en présence des aléas statistiques : il s avère que l IDE peut être à l origine des problèmes de Balance des Paiements dans les PED, observations faites en même temps avec la veille de la crise asiatique. Ainsi, que ce soit l IDE est perturbateur ou générateur de crise via une entrée massive de devises (IDE exportateur qui mène au réchauffement de l économie) ou sortie de devises (rapatriement des bénéfices), des interrogations subsistent et justifient des recherches plus approfondies et plus poussées. Existe t-il un niveau de soutenabilité d IDE dans les PED récipiendaires? Peut-on assimiler ce phénomène au mécanisme du «Syndrome-Hollandais»? Peut-on assimiler les IDE à des pompes à profits? Les rapatriements de bénéfices peuvent-ils déstabiliser la contrainte de financement en monnaie forte des pays récipiendaires? Dans cette analyse, nous proposons aux décideurs de prendre certaines mesures anticycliques ainsi que des politiques structurelles et de contrôle de capitaux. L adoption et l efficacité de ces mesures dépendent des spécificités de chaque économie. 32

34 En effet, le résultat d un effet positif des entrées d IDE sur le crises financières doit conduire les pays émergents à arrêter toutes leurs politiques d attractivité de l IDE. Or, les entrées de capitaux à court terme, ainsi que les ventes de valeurs mobilières (actions et obligations) sont très volatiles dans la mesure ou les pays investisseurs peuvent se retirer très rapidement. Si l IDE est également néfaste, quel moyen de financement de la FBCF nécessaire au développement reste-il aux pays émergents et les PED? En revanche, un recours trop systématique à l IDE qui conduit, comme c est le cas dans certains PECO, à une emprise complète de firmes d origine étrangère sur le secteur bancaire pose problème. La question semble plus de développer des institutions saines et fortes préalablement à l ouverture complète à l IDE et de choisir judicieusement les activités à privatiser ou à ouvrir au capital étranger. Si les investisseurs étrangers privilégient les activités rentables, il n est certain qu il soit judicieux d abandonner leur souveraineté et leur hégémonie dans ces activités? 33

35 BIBLIOGRAPHIE Addison.T & Heshmati.A (2003) «The New Global Determinants of FDI Flows to Developing Countries: The importance of ICT and Democratisation, discussion paper n 2003/45, World Institute for Development Economics Research, United Nations University. Asiedu.E (2001). «On the Determinants of Foreign Direct Investment to Developing Countries: Is Africa Different?. World Development, Vol.30, No. 1, pp Baniak.A, Cukrowski.J and Herczynski.J (2002). On the Determinants of Foreign Direct Investment in Transition Economies. CERGE-EI Foundation. Global Development Network. Center for Social and Economic Research (CASE). Bevan.A-A and Estrin.S (2000). The determinants of Foreign Direct Investment in Transition Economies. Centre for New and Emerging Markets, London Business School. Boudjedra.F (2004). La prise en compte du risque pays dans le choix d implantation des IDE dans les pays en développement. Document du Travail du LEO-Orléans. Blomstrom.M, Globerman.S & Kokoo.A (1999) «The determinants of host country spillovers from Foreign Direct Investment: Review and Synthesis of the literature, Working Paper No.76; EIJS. Campan.E «Le Syndrome hollandais», Revue Economie Politique 99 (1989). Canning G.D. A Data Base of World Infrastructure Stocks, Working Paper Series Coface (2002 et 2004). Guide de Risque Pays.Le MOCI. Corden (W.M) et Neary (J.P) (1982) «Booming Sector and the De-industrialisation in a Small Open Economy», Economic Journal, 92, Cosset, Jean-Claude and Roy.,(1991) «The Determinants of Country Risk Ratings, Journal of International Business Studies, First Quarter, (pp ). Cecchini.L (2002). Les Déterminants des IDE dans les Pays du Bassin Méditerranéen». CEFI- CNRS. Erb.C.B, Harvey.C.R and Viskanta.T.E (1996). «Political Risk, Economic Risk, and Financial Risk». Financial Analysts Journal. Erb.C.B, Harvey.C.R and Viskanta.T.E (1996). «Risk in Emerging Markets, Contagion and other factors must be taken into account. The Financial Survey. Fiess.N (2003) Capital Flows, Country Risk and Contagion, World Bank Policy Research Working Paper 2943, January Gautrieaud.S (2002). Le Risque Pays : Approche Conceptuelle et Approche Pratique». Centre d Economie du Développement Université Montesquieu Bordeaux IV. Document de Travail n

36 Harvey.C.R (2001). The International Cost Capital and Risk Calculator. Research Associate, National Bureau of Economic Research, Cambridge, Massachusetts, USA Harvey.C.R (1998). The Future of Investment in Emerging Markets. NBER. Duke University. Henisz.W.J and Zelner.B.A (1999). Political Risk and Infrastructure Investment. Infrastructure for Development: Confronting Political and Regulatory Risks. The Government of Italy and the World Bank Group. Hurlin. C L Econométrie des Données de Panel:Modèles linéaires Simples Séminaire méthodologique, Ecole Doctorale Edocif. Hurlin.C (2004) Testing Granger Causality in Heterogeneous Panel Data Models with Fixed Coefficients, LEO-Orléans. Janeba.E (2001). «Attracting FDI in a Politically Risky World». Working Paper, Kwang.W.J (1996) What determines foreign direct investment?, DEC notes, Research findings. World Bank. Lee.B.C & Powell.J.G (1999) Valuation of Foreign Direct Investment in the presence of Political Risk Working Paper Series 1999-WP99-8. Lehman.A (1999) Country Risk and the investment activity of US multinationals in developing countries IMF Working Paper, Policy Development and Review Department. Lehman.A (2002) The Distribution of Fixed Capital in the Multinational Firm, IMF Working Paper, Policy Development and Review Department. Lehman.A (2004) International Dividend Repatriations, IMF Working Paper, Policy Development and Review Department. Lipschitz.L, Lane.T & Mourmouras.A (2002) Le dilemme de Tosovsky: Déferlante de capitaux dans les pays en transition», Finance & Development. Lopez.M A (1999) Flux massifs de capitaux; les causes, leurs conséquences et la manière de les gérer, Finance & development (1999). Mallampally.P & K.P Sauvant (1999) Foreign Direct Investment in developing countries, Finance & Development, a quarterly magazine of the IMF. Marois. B (1990). «Le risque pays, Que sais-je?». PUF, Paris. Meldrun.D.H (1998). Country Risk and Foreign Direct Investment. U.S Bureau of Economic Analysis, Survey of Current Business, October, Morisset.J & Olivier.L.N (2002) Administrative Barriers to Investment in Developing Countries NBER, World Bank. Nord-sud export (2002). «Méthodologie du Classement-Pays, » 35

37 Oetzel.J.M, Bettis.R.A and Zenner.M (2000). «Country Risk Measures : How Risky Are They. Journal of World Business/36 (2)/ Pfeffermann.G.P, Kisunko.G.V and Sumlinski.M.A (1997). Trends in Private Investment in developing Countries and Perceived Obstacles to Doing Business. World Bank, World Development Report. Simpson.J.L (1997). «A regression Model of Country Risk and Risk Scoring». School of Economics and Finance, Curtin University of Technology, PERTH 6845; Western Australia. Singh.H and K.W.Jun (1995). Some New Evidence on Determinants of Foreign Direct Investment in Developing Countries. The World Bank, International Economics Department Finance Division. Waldkirch.A (2002). «Foreign Direct Investment in a Developing Country: An Empirical Investigation. Department of Economics, 303 Ballard Hall, Corvallis, OR Zeghni.S (2000) «Risk in Transition Economies :The Impact of Host Country Characteristics on FDI Determinants, Working Paper n WP CNUCED. Rapport sur l Investissement dans le Monde. «Vers de nouvelles relations interentreprises», Vue d ensemble. Nations Unies, New York et Genève, CNUCED. World Investment Report «Transnational Corporations and Export Competitiveness» United Nations, New York and Geneva, ICRG data: International Country Risk Guide. The ICRG Rating System. INSCR : Integrated National Societal Conflict Research, University of Maryland. (Data and Methodology). MINEFI-DREE (2002) Investissements Directs Etrangers et Risque-Pays : un niveau soutenable d IDE pour les pays émergents, Réunion de Travail MINEFI. OCDE Observateur : Transparence et IDE (2003). World Bank.(1999) World Development Indicators ; CDROM. World Bank.(2002 et mise à jour en 2004) World Development Indicators ; CDROM. 36

38 ANNEXE Classement des pays par région Méditerranée et Moyen Orient Amérique Latine et Asie du Sud et Pacifique Afrique Subsaharienne Caraïbes Algérie (DZA) Egypte (EGY) Maroc (MAR) Tunisie (TUN) Turquie (TUR) Argentine (ARG) Bolivie (BOL) Brésil (BRA) Chili (CHL) Colombie (COL) Costa Rica (CRI) Salvador (SLV) Mexique (MEX) Nicaragua (NIC) Paraguay (PRY) Pérou (PER) Inde (IND) Indonésie (IDN) Malaisie (MYS) Pakistan (PAK) Philippines (PHL) Thaïlande (THA) Ghana (GHA) Kenya (KEN) Senegal (SEN) Zambie (ZMB) Zimbabwe (ZWE) Venezuela (VEN) Statistiques descriptives pour les 28 pays FDI%GDP? ECORATING? FINRATI POLRATIN INFRASTRUCT PRIVATISATION? INSTRUCTION? NG? G? URE? Mean Median Maximum Minimum Std. Dev Skewness Kurtosis Evolution du rating financier dans 28 pays émergents FINAUT FINICRG

39 ANALYSE ET CONSTRUCTION D UNE BASE DE DONNEES 40 Analyse Factorielle Discriminante : Tests et Validité L AFD regroupe deux types de techniques, celle de l ACP et celle de l analyse de variance, cette dernière s agit de comparer plusieurs populations à l aide d une seule variable. Analyse de la Variance : Pour une variable K, on a : x it (k) = µ (k) + α i (k) + e ij (k) avec µ (k) un paramètre fixe qui mesure l effet moyen de la variable k. α i (k) un paramètre fixe qui mesure un écart du groupe i pour la variable k. e ij (k) sont des variables aléatoires d espérance nulles et de variance constante. Tous ces termes sont indépendants deux à deux et leur distribution est normale. e ij (k) N { 0, σ.k 2 ) Nous admettons toutes ces suppositions pour ce modèle. Pour chaque variable k (ou observation), nous avons : T k (Total) = B k (Between) + W k (Within) Equivalent à: ij [x ij (k) x.. (k)] 2 = i.n i [x i.(k) x.. (k)] 2 + ij [x ij (k) x i. (k)] 2 avec i = 1,.,g : indice de groupe, j = 1,..,ni :indice de l observation dans le groupe i et k = 1,,p :indice de la variable k. T k représente la somme des carrées des écarts de toutes les observations à la moyenne générale notée x.. (k) B k représente la somme des carrées des écarts de chacune des moyennes des g groupes, notées xi.(k), à la moyenne x..(k). W k représente la somme des carrées des écarts à l intérieur de chaque groupe. Le résumé de l analyse est reporté dans le tableau suivant : SCE DDL CARREES MOYENS TEST F (somme carrées des écarts) (degré de liberté) VAR.TOTALE T k n-1 VAR.GROUPES B k g-1 Bk/(g-1) Fk VAR.RESIDUELLE W k n-g Wk/(n-g) Wk/(n-g) est une estimation de la variance des termes eij(k) du modèle statistique précédent. L expression du test de F (Fischer-Snedecor), vaut : F k = [B k / W k ] * [(n-g)/(g-1)] Ce test permet de s assurer, pour la variable k, s il existe des différences entre les g groupes assurant de la discrimination. Ce test statistique est défini par l hypothèse nulle H0 suivante : H0 : α i (k) = 0, pour tous les groupes, contre H1 : au moins des α i (k) est différent de Cette analyse est effectuée sous le logiciel SPSS. 38

40 Nous comparons la valeur de F k à un seuil F {α; g-1, n-g}, valeur de Fisher-Snedecor à g-1 et n-g degrés de liberté pour un niveau de signification α fixé. Dans ce cas, il convient de supprimer les variables ayant une signification (pour le F-test) supérieure à 5 ou 10%. Nous interprétons les résultats des indicateurs suivants pour 28 pays en développement. Ces pays sont classés en 2 groupes, le critère de regroupement [0 ;1] (risque élevé et risque bas) est déterminé à partir des sources externes. Au total, il s agit de 476 observations. Indicateur du risque Financier*** 41 ( ). Tests d'égalité des moyennes des groupes Lambda de Wilks F ddl1 ddl2 Signification Taux de couverture en mois d importation Balance courante en % des exportations B&S Service Dette extérieure en % des exportat B&S Dette extérieure en % du PIB Stabilité du taux de change Le test d égalité des moyennes de Ficher-S permet de savoir s ils existent des variables initiales discriminantes ou au contraire homogènes sur les groupes. Si les variables initiales ont des moyennes différentes sur chacun des groupes, ces dernières assurent la discrimination. Le tableau ci-dessus montre que F est important et fortement significatif. Toutes les variables ont intérêt dans l AFD. Matrices intra-groupes combinés Taux de cou Bal courante Dette % ex Dette % PIB Stabilité du tx en mois imp % ex B&S B&S change Covariance Taux de couverture en mois d importation Balance courante en % des E exportations B&S Service Dette extérieure en % des exportat B&S Dette extérieure en % du PIB Stabilité du taux de change Corrélation Taux de couverture en mois d importation Balance courante en % des exportations B&S Service Dette extérieure en % des exportat B&S Dette extérieure en % du PIB Stabilité du taux de change a La matrice de covariance a 474 degré(s) de liberté Variables introduites/éliminées Introduite D carré minimum Statistique Intergroupes F exact Pas Statistique ddl1 ddl2 Signification 1 Dette extérieure en % du et PIB 2 Balance courante en % des et exportations B&S 3 Stabilité du taux de change et A chaque pas, la variable qui maximise la distance de Mahalanobis entre les deux groupes les plus proches est introduite. a : Le nombre maximum de pas est 10 ; b : Le F pour introduire partiel minimum est 3.84 ; c : Le F partiel maximum pour éliminer est 2.71 ; d :Seuil du F, tolérance ou VIN insuffisant pour la poursuite du calcul % des observations originales classées correctement. 39

41 . Valeurs propres Fonction Valeur propre (µ) λ % de la variance % cumulé Corrélation canonique Cette fonction discriminante a été utilisée pour l analyse. µ = λ / 1- λ et λ = µ / 1+µ, λ mesure la part de la variance entre les groupes sur la variance totale pour la fonction discriminante. La corrélation canonique montre que 71% des variations de la première fonction discriminante sont due aux groupes. On remarque que les deux groupes sont parfaitement discriminés. Lambda de Wilks Test de la ou des fonctions Lambda de Wilks Khi-deux ddl Signification Le Lambda de Wilks mesure les différences de la fonction discriminante entre les groupes. Cette fonction est utile dans la discrimination. Dans notre cas, la variable endogène possède 2 modalités, on obtient ainsi qu une seule fonction discriminante (valeur propre). L étude des contributions des variables initiales et des fonctions discriminantes permet de donner un sens à ces derniers. Coefficients des fonctions discriminantes canoniques standardisées Fonction 1 Balance courante en % des exportations B&S Dette extérieure en % du PIB Stabilité du taux de change Les variables avec les plus forts coefficients sont celle qui discriminent le plus, soient la dette extérieure en % du PIB (le niveau d endettement). Matrice de structure Fonction 1 Dette extérieure en % du PIB Balance courante en % des exportations B&S Stabilité du taux de change Taux de couverture en mois d importation a Service Dette extérieure en % des exportat B&S a a Cette variable n'est pas utilisée dans l'analyse. La variable balance commerciale en % des exportations des biens et services et la variable de stabilité du taux de change ayant les plus forts taux de corrélation, ces variables ont les plus grandes contributions dans l axe déterminant de l indicateur du risque financier. FINADF = Bal cour en % des export B&S 0.6. Dette extér en % du PIB Stabilité du taux de change. Une valeur positive de cet «scoring» discriminant est due à : une amélioration de la compétitivité globale du pays, un niveau d endettement modérant est en baisse et une stabilité du taux de change du pays pour l année considérée et vice versa pour une valeur négative. Le signe attendu de cette variable est positif, c est à dire si la valeur de FINADF tend vers +, ceci signifie une amélioration vers une stabilisation financière. 40

42 Indicateur du risque Economique** ( ) Tests d'égalité des moyennes des groupes Lambda de Wilks F ddl1 ddl2 Signification Balance Courante en % du PIB Croissance du PIB réel PIB par tête Taux d inflation annuel Balance Budgétaire en % du PIB Toutes les variables initiales assurent de la discrimination (F est important et fortement significatif). Matrices intra-groupes combinés BCR%PIB CRPIBR PIBTETE INFLATIO BBG%PIB Covariance Bal Cour en % du PIB Crois du PIB réel PIB par tête Taux d inflation annuel Bal Budg en % du PIB Corrélation Bal Cour en % du PIB Crois du PIB réel PIB par tête Taux d inflation annuel Bal Budg en % du PIB a La matrice de covariance a 474 degrés(s) de liberté Variables introduites/éliminées Introduite D carré minimum Statistique Intergroupes F exact Pas Statistique ddl1 ddl2 Signification 1 Bal Cour %PIB et Crois du PIB et Bal Budg % PIB et Inflation et A chaque pas, la variable qui maximise la distance de Mahalanobis entre les deux groupes les plus proches est introduite. a Le nombre maximum de pas est 10. b La signification maximum du F pour introduire est.05. c La signification minimum du F pour éliminer est.10. d Seuil du F, tolérance ou VIN insuffisant pour la poursuite du calcul. Valeurs propres Fonction Valeur propre(µ) λ % de la variance % cumulé Corrélation canonique La corrélation canonique montre que 69% des variations de la première fonction discriminante sont due aux groupes. Lambda de Wilks Test de la ou des fonctions Lambda de WilksKhi-deux ddl Signification La valeur de λ montre que cette fonction est utile dans la discrimination. Pour connaître le sens et la contribution des variables initiales dans la fonction discriminante, nous étudions les coefficients et la matrice de structure de la fonction discriminante. 41

43 Coefficients des fonctions discriminantes canoniques standardisées Fonction 1 Balance Courante en % du PIB.632 Croissance du PIB réel.551 Taux d inflation annuel Balance Budgétaire en % du PIB.422 Les variables avec les plus forts coefficients sont celles qui discriminent le plus, soient la Balance courante en % du PIB et la croissance du PIB réel. Matrice de structure Fonction 1 Balance Courante en % du PIB.572 Balance Budgétaire en % du PIB.540 PIB par tête a.507 Croissance du PIB réel.493 Taux d inflation annuel Les corrélations intra-groupes combinés entre variables discriminantes et les variables des fonctions discriminantes canoniques standardisées sont ordonnées par tailles absolues des corrélations à l'intérieur de la fonction. a Cette variable n'est pas utilisée dans l'analyse. C est presque toutes les variables ont les plus grandes contributions dans l axe déterminant de l indicateur du risque économique. AUTADF = 0.63.Bal Cr en % du PIB Bal Bud en % du PIB Crs du PIB réel 0.31.Taux d infl annuel. Une valeur négative de cet «scoring» discriminant est conjuguée à : un déficit budgétaire, déficit courant, perte de croissance économique (décroissance du PIB) et une forte inflation du pays pour l année considérée et vice versa pour une valeur positive. Le signe attendu de cette variable est positif, signifie que si la valeur de cet indicateur économique tend vers +, ceci signifie une amélioration vers une stabilisation économique accompagnée par un accroissement des afflux d IDE. 42

44 Indicateur du risque Politique 42 *( ) Tests d'égalité des moyennes des groupes Lambda de Wilks F ddl1 ddl2 Signification Nbre d années au pouvoir Recrutement exécutif Contraintes exécutives Compétitivité politique Etat du régime La significativité de Ficher montre que toutes les variables ont intérêt dans l AFD. Variables introduites/éliminées Introduite D carré minimum Statistique Inter-groupes F exact Pas Statistique ddl1 ddl2 Signification 1 Etat du régime et Nbre d années au et pouvoir 3 Recrutement exécutif et Compétitivité politique et A chaque pas, la variable qui maximise la distance de Mahalanobis entre les deux groupes les plus proches est introduite. a Le nombre maximum de pas est 10. b La signification maximum du F pour introduire est.05. c La signification minimum du F pour éliminer est.10. d Seuil du F, tolérance ou VIN insuffisant pour la poursuite du calcul. Valeurs propres Fonction Valeur propre(µ) λ % de la variance % cumulé Corrélation canonique a Les 1 premières fonctions discriminantes canoniques ont été utilisées pour l'analyse. La part de la variance entre les groupes sur la variance totale est de 83% et 91.4% des variations de la première fonction discriminante sont due aux groupes. Les deux groupes sont parfaitement discriminés. Lambda de Wilks Test de la ou des fonctions Lambda de Wilks Khi-deux ddl Signification Le lambda de Wilks permet de tester de l importance de la fonction discriminante en mesurant les différences de la fonction discriminante entre les groupes. Dans ce cas, sa valeur est proche de 0, donc la fonction est utile dans la discrimination. L importance de la valeur de Khi-deux assure de l intérêt de la fonction discriminante. Coefficients des fonctions discriminantes canoniques standardisées Fonction 1 Nbre d années au pouvoir.336 Recrutement exécutif.372 Compétitivité politique.273 Etat du régime.605 POLADF = 0.33.Nbr an au pouv Rec ex Comp pol Etat du reg Le signe attendu de cet indicateur est positif, tant que les signes des coefficients sont positifs et l augmentation des valeurs des composantes varient aussi dans le même sens % des observations originales sont classées correctement. 43

45 Matrice de structure Fonction 1 Etat du régime.910 Recrutement exécutif.742 Contraintes executives a.678 Compétitivité politique.523 Nbre d années au pouvoir.092 Les corrélations intra-groupes combinés entre variables discriminantes et les variables des fonctions discriminantes canoniques standardisées sont ordonnées par tailles absolues des corrélations à l'intérieur de la fonction. a Cette variable n'est pas utilisée dans l'analyse. Les variables recrutement exécutif, compétitivité politique et surtout celle qui mesure l état du régime ayant les plus forts taux de corrélation, ces variables ont les plus grandes contributions dans l axe déterminant de l indicateur politique. 44

46 Analyse en Composantes Principales : Tests et Validité L objectif de l ACP 43 dans cette étude est de construire un indice synthétique d infrastructures qui reproduit au mieux la variance des indicateurs retenus et d examiner l impact de la dotation des infrastructures physiques retenus sur la variation des IDE. L information que nous jugeons suffisante à retenir, celle qui aurait la plus forte corrélation significative avec la variation de l IDE (axe1 dans ce cas). Comme notre tableau est constitué de variables de différentes natures caractérisées par des unités différentes, nous adoptons pour les données centrées réduites (matrice des corrélations qui permet de donner le même poids à chaque variable). Indice KMO et test de Bartlett Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin Test de sphéricité de Bartlett Khi-deux approximé ddl 6 Signification de Bartlett Le KMO [0-1], présente le rapport de la somme des corrélations au carré par la somme des corrélations partielles au carré. Cet indice est supérieur à 0.6, donc assure que les corrélations partielles ne sont pas trop importantes par rapport aux corrélations simples. Il est donc indispensable d obtenir une ACP. Le test de sphéricité de Bartlett, consiste à comparer la matrice des corrélations X X avec l identité en utilisant un test de χ 2. Dans ce cas, sa valeur élevée, suffisamment grande, avec une signification quasi-nulle permet de rejeter la noncorrélation globale des variables, elle assure que les variables sont suffisamment corrélées entre-elles pour permettre une réduction significative de la dimension. Il est indispensable d obtenir une ACP intéressante. Qualité de représentation Initial Extraction Nombre de lignes téléphoniques par habitants Densité du réseau routier pavé (en % de tout le réseau routier) Puissance énergétique ( équivalent en kg de pétrole) par tête Puissance électrique ( équivalent à de kwh) par tête Méthode d'extraction : Analyse en composantes principales. Chaque variable initiale a par définition, une variance égale à 1 ; donc, la somme des variances est égale au nombre des ces variables initiales qui est 4 dans notre cas. DIAGONALISATION Variance totale expliquée Composante Valeurs propres initiales (variances sur les axes principaux) % de la variance (pourcentages expliqués par les axes principaux) % cumulés Extraction Sommes des carrés des facteurs retenus Total Total % de la variance % cumulés Méthode d'extraction : Analyse en composantes principales. L ACP recherche d abord celui qui permet de voir au mieux les individus, c est à dire celui pour lequel la variance des individus est maximale; l indice obtenu est appelé 1 ere composante principale. Cette première composante présente 63% de la variation totale des individus. La deuxième composante principale avait : une corrélation nulle avec la première et avait à son tour la plus grande variance. Cette dernière fournit la plus grande information possible complémentaire de 43 L avantage de l ACP, consiste à transformer les p variables quantitatives initiales, toutes plus ou moins corrélées entre elles, en p nouvelles variables quantitatives, non corrélées, appelées composantes principales. 45

47 la première. Dans notre cas, le processus continue jusqu a l obtention de la 4ême composante, celle-ci contient moins d information dont la part expliquée est plus faible que la 3eme. On se limite, toutefois au premier axe La part de toute l information initiale visible sur chaque axe, est déterminée par le rapport de chaque valeur propre ( 2eme colonne) à la somme de toutes les valeurs propres. Dans ce cas, les pourcentages de variation expliqués par les axes principaux sont calculés de la manière suivante : 100*(2.542/4) = % ; 100*(0.826/4) = %, etc Nous pouvons construire des nouvelles variables dont la part d information expliquée par plusieurs axes est plus importante. Les nouvelles variables obtenues étant non corrélées par construction, l obtention de nouvelles variables se fait en additionnant les axes, chacun pondéré par sa part d information expliquée (axe 1) (axe 2) = pour le plan 1-2. etc. Dans notre cas, le 1er axe explique plus de la moitié (les 2/3) de l information initiale ( %), les deux premiers axes expliquent plus des 4/5 (84.201%) de l information initiale. VECTEURS PROPRES : Matrice des coefficients des coordonnées des composantes (coefficients des variables centrées réduites dans l équation linéaire des axes principaux). Composante Nombre de lignes téléphoniques par habitants Densité du réseau routier pavé (en % de tout le réseau routier) Puissance énergétique (équivalent en kg de pétrole) par tête Puissance électrique (équivalent à de kwh) par tête Méthode d'extraction : Analyse en composantes principales. Scores composante. Le calcul des composantes principales (fameux indices synthétiques) se fait en affectant les vecteurs propres aux variables initiale (les variables sont centrées réduites). Le calcul de la première composante principale retenue se calcule comme suite : INFRA = 0.345*NBRLTEL *DENSRESROUTER *PUISENRGETIQ *PUISELECTRIQ Ces coefficients s appliquent aux variables centrées et réduites. Les 4 variables contribuent presque avec le même poids dans la formation de l indice d infrastructure retenu (premier axe). ETUDE DE VARIABLES : Matrice des composantes. 1ere colonne : corrélations entre les variables et les axes principaux 2eme colonne : corrélations au carré (en gras) Composante AXE 1 AXE 2 AXE 3 AXE4 Nombre de lignes téléphoniques par E-02 E habitants Densité du réseau routier pavé E E- 03 Puissance énergétique (kg de pétrole E E par tête) Puissance électrique (kwh par tête) Méthode d'extraction : Analyse en composantes principales. 46

48 En pratique, on s intéresse rarement aux vecteurs propres (coefficients). Nous interprétons les axes, en regardant surtout les corrélations entre les variables et les axes : cette notion de corrélation nous permet de voir la manière dont sont structurées les variables. Pour calculer la part de variation d une variable expliquée par l axe (qui est le même type d interprétation que dans un problème de régression), nous élevons le coefficient de corrélation au carré (2eme colonne). Par exemple, la part de variation du nombre de lignes téléphoniques expliquée par le 1 er axe est de 76%, c est à dire 76% de l information de cette variable sont représentés sur le 1 er axe, etc. pour les p variables suivantes % ( = ) de l information du nombre de lignes téléphoniques sont représentés sur le plan principal (c est à dire le plan formé par les axes 1 et 2). r2 > 0.80 : La troisième variable est très bien représentée sur l axe 1. La deuxième et la quatrième variable, sont très bien représentées sur l axe principal (axe 1 et axe 2). 0,65 < r2 <0.80 : la première variable est bien représentée sur l axe 1. r2 = 0.48 : la deuxième et la quatrième variable sont moyennement représentées sur l axe 1 et aussi sur l axe 2. r2 0.4 : les variables qui avaient un taux de corrélation au carré inférieur à 0.4 sont médiocrement représentées sur chacun des axes 2,3 et 4 ; sauf exception pour la deuxième et la quatrième variable sur le deuxième axe. Les variables significativement liées à l axe 1 sont celles caractérisant l infrastructure des pays telles que ; le nombre de lignes téléphoniques, densité du réseau routier pavé, puissance énergétique et puissance électrique générée. Ces 4 variables sont situées sur la même direction et dans le même sens ; ceci signifie que l une augmente quand l autre augmente, ce qui est logique compte tenu de type de mesure mis en ouvre. Les 4 variables forment un groupe contribuant fortement à l axe, le signe attendu de cet axe comme variable explicative dans l explication de la variabilité de l IDE est positif. Sur le deuxième axe, on trouve la puissance commerciale et la puissance énergétique en opposition avec les deux autres variables ; ceci signifie que les deux variables diminuent quand les deux autres augmentent. Le calcul des coordonnées des individus sur les axes principaux se fait en partant des variables initiales (centrés réduites dans le cas d une ACP sur la matrice de corrélations) en les multipliant par les coefficients correspondants qui figurent dans les vecteurs propres.. 47

49 APERCU METHODOLOGIQUE COFACE EUROMONEY Elle indique dans quelle mesure un engagement financier d une entreprise du pays concerné est influencé par les perspectives économiques, financières et politiques du pays, en tenant compte de : la situation politique la probabilité de défaut de paiement le comportement de paiement du pays. En dressant une analyse du risque pays à court et moyen terme et en indiquant les principaux indicateurs économiques. Le magasine d Euromoney met à jour ses évaluations semestrielles, ces évaluations sont basées sur : Indicateurs analytiques (40%) Risque politique(15%) Risque économique(10%) Indicateurs économiques (15%) : service de la dette/exportations, dette extérieure sur PNB, balance de paiements/pnb. Indicateurs de crédit (20%) Antécédents de paiements (15%) Rééchelonnement(5%) Indicateurs de marché (40%) Accès aux marchés obligataires (15%) Décote sur effets à court terme (10%) Décote sur affacturage (15%) ICRG Son évaluation repose sur 22 variables classées dans trois sous catégories de risque : risque politique, financier et économique. Un index est crée pour chacune de ses sous catégories. L index de risque politique est basé sur 100 points, le risque financier sur 50 points et le risque économique sur 50 points. Les points totaux des trois index sont divisés par deux pour produire et inclure les poids relatifs de ces derniers dans le scoring du risque composé (ICRGC). Sur une échelle de 0 à 100, une note de 80 à 100 signifie un risque très bas et vice versa pour une note de 0 à 49,5. INSTITUTIONAL INVESTOR ECONOMIST INTELLIGENCE UNIT La revue d Institutional Investor met à jour ses évaluations semestrielles, basées sur les informations fournies par les principales banques internationales, ces données permettent de classer chaque pays sur une échelle de 0 à 100 ( 100 représentant le risque de défaut minimum). Chaque réponse est pondérée selon une formule qui privilégie les réponses des banques les plus exposées sur les marchés internationaux. Les informations fournies par les experts ne sont que des évaluations subjectives et les critères utilisés par chaque banque ne sont pas spécifiés. Une base de données de plus de publications fournit des analyses et des prévisions économiques et politiques pour 200 pays et régions, incluent: *analyse économique et politique mensuelle. * analyse et estimations du risque souverain. * prévisions économiques et politiques de cinq ans. Ces données sont confidentielles et portent sur : Risque de crédit à court terme (45%) Dette extérieure/pib, service de la dette/pib, paiements d intérêts sur PIB, solde courant sur PIB, épargne sur investissement, arriérés sur les prêts bancaires internationaux, utilisation des crédits du FMI, dépendance vis à vis d un seul produit d exportations. 48

50 Risque politique et économique (40%) Risque commercial à court terme (15%) NORD SUD EXPORT Spécialiste, depuis vingt ans sur l'analyse du risque-pays et les opportunités sur les marchés émergents, son évaluation repose sur deux mesures : 1ere mesure : le potentiel du marché *poids économique et niveau du développement. *taille réelle du marché. *dynamique du marché. 2eme mesure : le risque pays *risques financiers souverains. *risques financiers de marché. *risques politiques. *environnement des affaires. STANDARD & POOR S Risque politique Charge de l endettement public Stabilité des prix Structure économique des revenus Flexibilité de la balance des paiements Perspectives de la croissance Flexibilité fiscale Dette extérieure et liquidité 49

51 Statistiques descriptives en séries temporelles IDE%PIB PRIVATI INSTRU OUVERT INFRA ECORTG FINRTG POLRTG ARG Mean ARG Median ARG Maximum ARG Minimum ARG Std. Dev BOL Mean BOL Median BOL Maximum BOL Minimum BOL Std. Dev BRA Mean BRA Median BRA Maximum BRA Minimum BRA Std. Dev CHL Mean CHL Median CHL Maximum CHL Minimum CHL Std. Dev COL Mean COL Median COL Maximum COL Minimum COL Std. Dev CRI Mean CRI Median CRI Maximum CRI Minimum CRI Std. Dev DZA Mean DZA Median DZA Maximum DZA Minimum DZA Std. Dev EGY Mean EGY Median EGY Maximum EGY Minimum EGY Std. Dev GHA Mean GHA Median GHA Maximum GHA Minimum GHA Std. Dev IDN Mean IDN Median IDN Maximum IDN Minimum IDN Std. Dev IND Mean IND Median IND Maximum IND Minimum IND Std. Dev

52 KEN Mean KEN Median KEN Maximum KEN Minimum KEN Std. Dev MAR Mean MAR Median MAR Maximum MAR Minimum MAR Std. Dev MEX Mean MEX Median MEX Maximum MEX Minimum MEX Std. Dev MYS Mean MYS Median MYS Maximum MYS Minimum MYS Std. Dev NIC Mean NIC Median NIC Maximum NIC Minimum NIC Std. Dev PAK Mean PAK Median PAK Maximum PAK Minimum PAK Std. Dev PER Mean PER Median PER Maximum PER Minimum PER Std. Dev PHL Mean PHL Median PHL Maximum PHL Minimum PHL Std. Dev PRY Mean PRY Median PRY Maximum PRY Minimum PRY Std. Dev SEN Mean SEN Median SEN Maximum SEN Minimum SEN Std. Dev SLV Mean SLV Median SLV Maximum SLV Minimum SLV Std. Dev THA Mean THA Median THA Maximum

53 THA Minimum THA Std. Dev TUN Mean TUN Median TUN Maximum TUN Minimum TUN Std. Dev TUR Mean TUR Median TUR Maximum TUR Minimum TUR Std. Dev VEN Mean VEN Median VEN Maximum VEN Minimum VEN Std. Dev ZMB Mean ZMB Median ZMB Maximum ZMB Minimum ZMB Std. Dev ZWE Mean ZWE Median ZWE Maximum ZWE Minimum ZWE Std. Dev IDE%PIB(MAX-MIN) _ARG--C 6.46 _BOL--C 8.62 _BRA--C 4.06 _CHL--C 9.77 _COL--C 3.20 _CRI--C 1.68 _DZA--C 0.03 _EGY--C 1.52 _GHA--C 3.32 _IDN--C 2.12 _IND--C 0.59 _KEN--C 0.76 _MAR--C 1.28 _MEX--C 1.51 _MYS--C 4.46 _NIC--C _PAK--C 0.77 _PER--C 5.06 _PHL--C 2.03 _PRY--C 2.82 _SEN--C 3.08 _SLV--C 8.22 _THA--C 4.44 _TUN--C 2.07 _TUR--C 0.22 _VEN--C 4.44 _ZMB--C 3.44 _ZWE--C