REPUBLIQUE DU SENEGAL Un peuple-Un but-Une foi MINISTERE DE L’ECONOMIE DES FINANCES ET DU PLAN DIRECTION GENERALE DE LA PLANIFICATION ET DES POLITIQUES ECONOMIQUES DIRECTION DE LA PLANIFICATION PLANNING PAPER N°2 : EFFETS DE LA BAISSE DES PRIX DU BARIL DE PETROLE SUR L’ECONOMIE SENEGALAISE : ANALYSE PAR UN MODELE BVAR A LA VILLANI Souleymane CISSE Amadou DJIGO @DP/DPG – Juillet 2015 Effets de la baisse des prix du baril de pétrole sur l’économie sénégalaise : analyse par un modèle BVAR à la Villani. Souleymane CISSE* & Amadou DJIGO† Juillet 2015 Résumé : Dans cet article, nous analysons l’effet de la baisse du prix du pétrole sur l’économie sénégalaise dans le moyen terme à l’aide d’un modèle VAR Bayésien à la Villani qui incorpore des connaissances a priori sur les valeurs de l’économie à l’état stationnaire. L’exercice de prévision montre qu’en prenant en compte les hypothèses du WEO du FMI relatives au prix du baril de pétrole à l’horizon 2016, le taux d’inflation s’établirait à 1,4% et le taux de croissance à 4,5%. La valeur ajoutée du secteur secondaire hors énergie et celle des branches « transport » et « énergie » se situant en moyenne à 4%. Mots clés : VAR Bayésien, Fan charts, Chocs externes, prix du pétrole. Classification JEL : F37, F43, E31. Abstract: In this article, we analyze the effect of lower oil prices on the Senegalese economy in the medium term with a Bayesian vector auto-regressive model (BVAR) with informative prior on the steady state. The results of estimation with IMF WEO hypothesis on oil price in horizon 2016, the inflation is expected to be 1.4% and the growth rate close to 4.5%. The added value of the secondary sector excluding energy, "transport" and "energy" averaging up to 4%. Keywords: Bayesian vector auto-regression, charts Fan, external shocks, oil prices. JEL Classification: F37, F43, E31. * Direction de la Planification (DP) : 8, rue du Dr Guillet, BP: 4010 Dakar Tél: (221) 33 823 88 91/ Fax: (221) 33 823 14 37 Email : [email protected] ; [email protected] † Email : [email protected] ; [email protected] Nous adressons nos vifs remerciements au Directeur de la Planification et à l’ensemble des collègues qui ont apporté leurs observations. Les positions et points de vue exprimés dans ce document n’engagent que les auteurs ; ils ne reflètent pas la position de la Direction de la Planification du Ministère de l’Economie, des Finances et du Plan du Sénégal. 1 Introduction : Depuis le deuxième trimestre de 2014, les cours du baril de pétrole ne cessent de baisser, passant de 107$ US/b en juillet 2014 à 63$/b au mois de décembre de la même année, soit une baisse de 41,1%. Les projections du FMI tablent sur une légère diminution du cours du pétrole sur la période 2014–16 par rapport à 2013. Cette chute des cours du pétrole tire son origine d’une offre plus forte que prévue émanant des Etats-Unis avec le pétrole de schiste, non compensée par une réduction de la production des pays membres de l’OPEP. Parallèlement, la demande réelle et anticipée de pétrole reste faible en particulier celle de la Chine, du Japon et de la zone euro. Dans un contexte national marqué par l’adoption d’un nouveau modèle de développement économique à travers le Plan Sénégal Émergent (PSE), l’économie sénégalaise n’est pas insensible aux fluctuations du baril du pétrole (Diop et Fame (2007), Diop (2011)‡), en particulier à la chute récurrente des cours du pétrole. Selon Arezki et Blanchard (2014), cette baisse des cours du baril pourrait avoir pour effet pour un pays importateur de pétrole: - une augmentation du revenu réel sur la consommation ; - une réduction des coûts de production des produits finis et, partant, l’effet sur les bénéfices et l’investissement ; - une baisse du taux d’inflation, globale et sous-jacente. La présente étude cherche à mesurer l’effet de cette baisse du cours du pétrole sur la stabilité macroéconomique du Sénégal appréhendée par le taux de croissance économique, le taux d’inflation et la valeur ajoutée de certaines branches d’activité dans le moyen terme , à l’aide d’un modèle BVAR à la Villani (2009). Autrement dit, quels seront les effets de cette baisse récurrente des cours du pétrole sur ces agrégats dans le moyen terme? A cet effet, un exercice de prévision sera mené sur ces différents agrégats. L’article s’articule autour de trois parties. La première partie aborde quelques faits stylisés. Le modèle BVAR à la Villani est présenté dans la deuxième partie. Les résultats des estimations et l’exercice de prévision font l’objet de la troisième partie. ‡ Ces études examinent les effets de la hausse du prix du pétrole, entre autres produits, sur la stabilité macroéconomique du Sénégal. 2 1. Quelques faits stylisés Dans cette partie, nous décrivons les liens entre les variables extérieures et les variables domestiques. Corrélation variables extérieures et variables domestiques La transmission des fluctuations des cours du pétrole semble plus prononcée que celles du taux de change (E) sur les variables domestiques. Le cours du baril (Poil) est positivement corrélé avec le niveau d’inflation et négativement avec le taux de croissance économique§ (Y), la variation de la valeur ajoutée des branches d’activité Energie (ENR), transport (TRP) et du secteur hors énergie (SEC/ENR). Cette faible corrélation est plus prononcée avec le niveau de la valeur ajoutée du transport. Tableau 1: Corrélation entre variables extérieures et variables domestiques P P Y SEC/ENR TRP ENR POIL E 1 0,06 0,21 -0,08 0,11 0,13 0,10 Y SEC/ENR 1 0,53 0,40 0,12 -0,19 -0,01 1 0,26 0,02 -0,15 0,11 TRP 1 0,20 -0,01 -0,12 ENR 1 -0,14 0,25 POIL 1 -0,75 E 1 Source : ANSD, INSEE, calculs des auteurs. Analyse graphique de l’évolution des variables extérieures et domestiques Une analyse graphique de l’évolution du taux d’inflation et du taux de croissance économique montre une légère sensibilité par rapport aux cours du baril du pétrole. Les effets de la crise financière de 2008 se sont manifestés au Sénégal avec un décalage de deux trimestres. L’examen de l’évolution du cours du pétrole et des valeurs ajoutées (VA) du secteur secondaire hors énergie, du transport et de l’énergie montre également une légère sensibilité entre ces grandeurs. § Ces résultats corroborent ceux de Diop & Fame (2007). 3 Graphique 1: Evolution du cours du pétrole et des variables domestiques 15,0% 15,0% 10,0% 10,0% 5,0% 5,0% 0,0% 0,0% -5,0% -5,0% -10,0% -10,0% Taux de croissance du PIB Cours du baril de pétrole Taux d'inflation 80,0% 150,0% 60,0% 100,0% 40,0% 50,0% 20,0% 0,0% 0,0% -20,0% -50,0% -40,0% -60,0% -100,0% VA énergie VA Secteur secondaire hors énergie VA transport Cours du baril de pétrole Sources : ANSD, INSEE, calculs des auteurs. L’évolution des importations de produits pétroliers et l’analyse du niveau des consommations intermédiaires des secteurs et branches d’activité en produits pétroliers permettent de mettre en évidence la dépendance du Sénégal vis-à-vis du pétrole. En effet, les importations de produits pétroliers aux cours des 10 dernières années représentent en moyenne plus d’un cinquième des importations totales du Sénégal. La branche de l’énergie utilise le plus de produits pétroliers en intrants (55% en 2012). Elle incorpore plus de la moitié (64,6%) des intrants en produits pétroliers du secteur secondaire. 4 Le transport, qui emmagasine près de 77% des intrants en produits pétroliers du secteur tertiaire, est la branche d’activité qui utilise le plus d’intrants en produits pétroliers hormis l’énergie. Par conséquent, un choc sur le cours du baril de pétrole pourrait se répercuter sur le niveau d’activité de ces deux branches compte tenu de leur dépendance vis-à-vis du pétrole. Du fait de l’interdépendance des différentes branches et les différents secteurs, une baisse du prix du pétrole (choc d’offre) peut booster le niveau de l’activité de la branche qui, par ricochet bonifie le niveau de l’activité du secteur secondaire intensif en produits de la branche « Energie ». Graphique 2: Part des produits pétroliers dans la consommation intermédiaire 54,9% 32,7% 4,9% Secteur secondaire 1,8% SEC/ENR 4,2% Energie Services Transport Sources : ANSD, calculs des auteurs. 2. Expérimentation à l’aide d’un modèle BVAR « model with informative steady state priors » L’article s’appuie sur les travaux de Villani (2009) qui a introduit une version du modèle Vecteur autorégressif Bayésien (BVAR). Ce modèle BVAR incorpore des connaissances a priori sur les valeurs de l’économie à l’état stationnaire. Il se démarque de la méthode BVAR avec des distributions a priori de type Minnesota (Litterman (1986)). En effet, le modélisateur peut détenir une information sur les valeurs à long terme de certaines variables telles l’inflation, la croissance, les taux d’intérêt, etc. La prise en charge de telles informations dans le modèle permet de l’affiner et de produire des prévisions vraisemblables et réduire des erreurs de prévisions. 5 Les variables de l’étude sont le cours du baril du pétrole, le taux de change du dollar par rapport au CFA. La valeur ajoutée du secteur secondaire hors « énergie », celle du transport et de la branche « énergie », le taux de croissance économique et l’inflation mesurée par l’IHPC sont les variables domestiques pour l’économie sénégalaise. La période d’estimation s’étend de 1999:1 à 2015:1. Ce modèle permet de faire une prévision des variables domestiques dans le moyen terme. Le modèle permet également de faire des prévisions conditionnelles à l’évolution internationale déclinée dans le WEO du FMI (projections du cours du pétrole du FMI jusqu’en 2016 :3). Le modèle « BVAR with informative steady state prior » Depuis les travaux de Sims (1980), les modèles VAR ont montré leur efficacité en matière de prévision et d’analyse de la transmission de chocs. Toutefois, ils souffrent de problème de sur-paramétrisation lorsque la taille de l’échantillon utilisé est petite. De telles insuffisances pénalisent leur aptitude à faire des prévisions pour de longs horizons si l’on sait que ces dernières convergent vers des niveaux qui dépendent des paramètres du modèle. Pour pallier ce problème, Villani (2009) a proposé le BVAR avec la possibilité d’incorporer de l’information a priori qui s’appuie sur les valeurs à l’état stationnaire (BVAR with informative prior on the steady-state). Soit le modèle BVAR standard suivant : G L xt t Avec G L I G1L ..... Gp L un polynôme de retards d’ordre p, xt un vecteur de p variables stationnaires et t le vecteur des erreurs supposées indépendantes et identiquement distribuées. Ainsi, on a : E t 0 E tt Etant donné qu’il est difficile de spécifier la distribution a priori de dans la version canonique du modèle BVAR, Villani (2009) a proposé une spécification alternative : G L xt t Avec G L , xt et t qui conservent les mêmes définitions que précédemment. 6 Le modèle ainsi représenté permet d’avoir l’état stationnaire des variables présentes dans le système ( ). A cet effet, le modélisateur peut donner son opinion sur . En suivant Villani (2009), Österholm et Beechey (2008), Österholm (2008), Diop (2011), on a les distributions a priori des vecteurs de paramètres suivants : p n 1 2 Avec vec G où G G1.....G p Il est démontré que la matrice de variance covariance n’est pas informative par contre les informations a priori sur les distributions a priori des paramètres vec G et apportent de l’information supplémentaire. Les distributions a priori de G et sont supposées indépendantes les unes des autres et leur distribution a posteriori conjointe est inextricable. Toutefois, la distribution a posteriori d’un bloc de paramètres conditionnelle au reste des paramètres n’est pas inextricable. Le simulateur de Gibbs, suggéré par Smith et Roberts (1993) permet de générer des simulations de la distribution conjointe a posteriori conditionnelle. Les distributions a priori sont combinées aux données à travers la log-vraisemblance et la distribution a posteriori des paramètres est dérivée dans Villani (2009). Ainsi, on a : Distribution conditionnelle pour : Avec E G L xt , X t x1 ,....., xt , T taille de l ' échantillon Distribution conditionnelle pour G : Avec G1 1 X X G1 , G G vec X Y 1 G1G Y xt , X xt 1 ,.........., xt k Distribution conditionnelle pour : 7 1 U DD 1 U 1 , U vec 1Y D 1 Avec Y G L xt ,U I pq , I q G1,....., I q Gk , D 1t , 1t 1 ,.........., 1t k Les distributions a priori des coefficients dynamiques sont constituées de loi normale multivariée. Etant donné que l’approche de type Minnesota largement répandue dans la littérature pose théoriquement des problèmes avec le type de modèle utilisé ici, les informations a priori placées au niveau des coefficients relatifs au premier retard sont fixées à 0.90 pour les variables modélisées en niveau et de 0.50 pour les variables en différence premières et zéro pour tous les autres retards. L’écart-type du coefficient relatif à la variable j de retard l dans l’équation i est donné par : ijl b l si i=j bˆ i eI j si i j lˆ j i l ij b 0,0 1,0 e 1 ˆ i : Ecart-type des résidus du modèle autorégressif univarié de la variable i. Ii j 1 Si la variable j est supposée exogène dans l’équation i et 0 sinon. 8 -10,0 -20,0 mai-00 mai-14 mars-13 janv.-12 nov.-10 sept.-09 juil.-08 mai-07 mars-06 janv.-05 nov.-03 sept.-02 -20,0 -30,0 9 20,0 0,0 -5,0 -10,0 Source : ANSD,INSEE, calcul des auteurs. mars-14 10,0 déc.-12 30,0 sept.-11 20,0 juin-10 30,0 mars-09 VA de la branche Transport déc.-07 -20,0 juin-05 -4,0 sept.-06 -15,0 -2,0 déc.-02 juin-05 mars-14 déc.-12 sept.-11 juin-10 mars-09 déc.-07 sept.-06 0,0 mars-04 0,0 -25,0 -8,0 VA du secteur secondaire hors Energie 25,0 20,0 15,0 10,0 5,0 0,0 -5,0 -6,0 -10,0 déc.-02 mars-14 déc.-12 sept.-11 juin-10 mars-09 déc.-07 sept.-06 juin-05 mars-04 4,0 juin-00 Taux de croissance du Sénégal sept.-01 8,0 mars-99 5,0 juin-00 10,0 sept.-01 15,0 mars-99 20,0 10,0 mars-04 mai-14 avr.-13 mars-12 févr.-11 janv.-10 déc.-08 nov.-07 oct.-06 sept.-05 12,0 déc.-02 mai-14 avr.-13 mars-12 févr.-11 janv.-10 déc.-08 juil.-03 août-04 25,0 sept.-01 oct.-06 nov.-07 mai-01 Variation du taux de change juin-00 0,0 -10,0 juin-02 30,0 mars-99 10,0 août-04 40,0 sept.-05 VA de la branche Energie juil.-03 50,0 -10,0 juin-02 -5,0 mai-01 0,0 avr.-00 50,0 avr.-00 100,0 mars-99 Variation du cours du baril de pétrole mars-99 -100,0 mai-14 avr.-13 mars-12 févr.-11 janv.-10 déc.-08 nov.-07 oct.-06 sept.-05 août-04 juil.-03 juin-02 mai-01 avr.-00 150,0 juil.-01 mars-99 -50,0 mars-99 Graphique 3 : Evolution des variables de l’étude Taux d'inflation du Sénégal 15,0 10,0 6,0 5,0 2,0 0,0 3. Analyse des résultats Les résultats du BVAR sont présentés dans cette section. Avant de procéder à l’exercice de prévision, il est important de veiller à ce que le modèle ait des propriétés raisonnables. Les réponses des variables suite aux chocs sont conformes à la théorie et aux expériences empiriques. Chocs externes - Une hausse du prix du baril de pétrole et une appréciation du dollar se traduisent par une légère hausse des prix à la consommation et une baisse de l’activité économique au Sénégal. Cette baisse de l’activité économique est l’effet de l’augmentation des coûts de production, contraignant les entreprises à répercuter la hausse du pétrole (intrant) sur le prix de vente, d’où l’inflation constatée. En atteste d’ailleurs, la baisse de la valeur ajoutée du secteur secondaire hors énergie, des branches « énergie » et « transport », qui sont intensifs en produits pétroliers dans leur processus de production. Une baisse des cours du baril cumulée à une relative stabilité du taux de change entraine un regain d’activité économique et une stabilité du niveau d’inflation qui tend vers sa valeur à l’état stationnaire. Chocs domestiques - Etant donné le caractère de petite économie, les chocs domestiques n’exercent aucune influence sur les variables extérieures que sont le taux de change et le cours du baril de pétrole. Un choc positif sur les prix à la consommation agit négativement sur le niveau de l’activité des branches d’activité et par conséquent sur le niveau de l’activité économique du Sénégal. Exercice de prévision En plus des prévisions ponctuelles, il est intéressant pour le prévisionniste d’avoir le degré d’incertitude associé à ses prévisions. Cela pourrait faciliter la communication avec le grand public. Dans cette perspective, nombreuses sont les institutions notamment les Banques centrales qui utilisent les “fan-charts” (Banque d’Angleterre, Sveriges Riksbank, etc.). Dans cet article, nous privilégions la prévision avec un intervalle de confiance. Pour cela, nous procédons à la présentation de la distribution des prévisions. Cette distribution est générée selon le schéma suivant. A chaque simulation de la distribution a posteriori, une séquence de chocs est simulée et utilisée pour générer les données futures. Avec une telle démarche, 10 il est possible d’avoir plusieurs échantillons pour chaque variable comme dans l’algorithme de Gibbs. Pour chaque variable du modèle, une représentation graphique des percentiles à partir des distributions marginales est faite. Dès lors, les “fan-charts” sont obtenus en prenant en compte le choc et l’incertitude sur le paramètre. o Prévision non conditionnelle La Figure ci-dessous présente les “fan charts” générée par le modèle BVAR retenu dans cet exercice. La prévision médiane est donnée avec un intervalle de confiance de 68 et 95%. Les variables de l’étude sont prises en taux de variation. Dans le moyen terme, les prévisions donnent un taux d’inflation de l’ordre de 1,5 % et un taux de croissance de l’ordre de 4,1% (avec un degré d’incertitude d’environ ±3,3 %). Le taux de variation de la valeur ajoutée des branches « énergie » et « transport » est projeté à 4,4% et 4,0% respectivement et celui secteur secondaire hors énergie est de l’ordre de 2,6%. Figure 1: Résultat des prévisions non conditionnelles Source : ANSD, INSEE, calculs des auteurs. 11 o Prévision conditionnelle aux projections du FMI Les prévisions conditionnelles s’appuient sur les projections du prix du baril de pétrole du Fonds Monétaire International de janvier 2015. Ces projections sont présentées dans le tableau ci-dessous : Tableau 2: Projections du cours du baril selon le FMI. Dates 2015Q2 Poil $/b Variation5 2015Q3 2015Q4 2016Q1 2016Q2 2016Q3 55,7 58,1 60,0 61,8 64,6 65,8 -0,48 -0,42 -0,20 0,16 0,16 0,13 Source : FMI, 2015. Les résultats de l’exercice de prévision conditionnelle tablent sur un taux d’inflation de l’ordre de 1,4% et un taux de croissance de 4,5% dans le moyen terme (avec un degré d’incertitude de l’ordre de [±3,0%]). Le taux de variation de la valeur ajoutée des branches « énergie » et « transport » est projeté à 4,0% et 4,4% respectivement et celui secteur secondaire hors énergie est de l’ordre de 2,7%. Figure 2: Résultat des prévisions conditionnelles Source : ANSD, INSEE, calculs des auteurs. 5 En glissement annuel. 12 Conclusion : Dans cet article, nous avons utilisé un modèle VAR Bayésien à la Villani qui incorpore des connaissances a priori sur les valeurs de l’économie à l’état stationnaire pour appréhender dans le moyen terme l’effet de la baisse des cours du baril de pétrole sur l’économie sénégalaise. Les résultats des estimations montrent une conformité avec la théorie économique. Ce modèle se révèle être plus performant que les modèles BVAR traditionnels et donne des prévisions nettement meilleures pour un horizon lointain. Les résultats de l’exercice de prévision montrent qu’en prenant en compte les hypothèses du WEO du FMI relatives à la trajectoire du cours du baril de pétrole à l’horizon 2016, le taux d’inflation s’établirait à 1,4%, avec un taux de croissance de 4,5%. La valeur ajoutée du secteur secondaire hors énergie et celle des branches transport et énergie se situant en moyenne à 4%. Il apparaît dans l’ensemble que le modèle BVAR à la Villani est un puissant outil d’analyse et de prévision économique ayant l’avantage de présenter les prévisions sous forme de « fan charts » plus adaptés pour la communication au grand public. 13 Bibliographie : Rabah Arezki et Olivier Blanchard, décembre 2014, ‘‘Sept questions sur la chute récente des cours du pétrole’’, blog FMI. Diop Mouhamadou Bamba (2011) “ Les effets inflationnistes de la hausse des prix des matières premières au Sénégal ”. Diop Mouhamadou Bamba et Abdoulaye Fame (2007) “ Sources de fluctuations économiques”, Document d’Etude n°4, DPEE. Diop Mouhamadou Mody et Abdoulaye Fame (2007) “ Impact de la hausse du prix du pétrole sur la stabilité macroéconomique ”, Document de travail n°1, DPEE. Lescaroux François, Valérie Mignon(2008), « Déterminants du prix du pétrole et impacts sur l'économie », Revue française d'économie. Volume 23 N°2, pp. 179-214. Litterman, R. B. (1986) ‘’Forecasting with Bayesian vector autoregressions” five years of experience’’, Journal of Business and Economic Statistics, 5, 25–38. Österholm P. (2008) “A structural Bayesian VAR for model-based fan-charts“, Applied Economics, 40, 1557–1569. Österholm Pär et Beechey Meredith (2008) “A Bayesian Vector Autoregressive Model with Informative Steady-state Priors for the Australian Economy”, The Economic Record, Vol. 84, NO. 267, 449–465. Valérie Mignon (2009), « les liens entre les fluctuations du prix du pétrole et du taux de change du dollar », EconomiX-CNRS, université Paris Ouest - Nanterre La Défense. Villani, M. (2009), ‘Steady State Priors for Vector Autoregressions’, Journal of Applied Econometrics, 24, 630–50. Ziadi Naoufel, Ali Abdallah (2007), « Taux de change, ouverture et croissance économique au Maghreb », Commission Economique pour l’Afrique des Nations Unies (UNECA). 14 Annexe : Fonction de réponses impulsionnelles 15