t - Direction de la Planification

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 tt   


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

G1  1  X X  G1 , G  G vec  X Y  1   G1G 
Y   xt   , X   xt 1  ,.........., xt k  
Distribution conditionnelle pour  :
7
1  U   DD  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
bˆ i eI  j 
 
si i  j
lˆ 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