L’IMPACT DE LA QUALITE DES INSTITUTIONS SUR LES CRISES DE CHANGE (version préliminaire) Gérard DUCHENE* (Erudite Paris 12 et CES Paris 1) Samir ZOUARI** (Erudite Paris 12) Abstract This paper contributes to the study of the determinants of macroeconomic and financial instability of 43 emerging countries of Asia, Latin America and Eastern Europe in the period 1995-2004. An index of instability is built on the basis of the monthly variability of exchange rates and currency reserves. Both macroeconomic and institutional factors are proposed as explanatory variables of that index in a two-stage panel econometric analysis. In a first stage, the index of instability is regressed on macroeconomic variables drawn from classical crises models. In a second step, country-fixed effects are regressed on institutional variables, drawn mainly from Heritage Foundation and Kaufmann databases. The results show that the quality of institutions plays a positive role on the stability of the countries under review: the quality of the financial system, the freedom of international economic relations, the quality of public governance, social consensus and low corruption levels are all shown to enhance economic stability. Classification JEL: F310, F330, N100, O170 Mots-clés : instabilité, crise, institutions, données de panel, pays émergents * Les auteurs remercient Pierre Blanchard, Philippe Adair, Pierre-Henri Faure, Horst Brezinski et Belaïd Ghermani pour leur aide et leurs suggestions. Ils restent évidemment responsables des éventuelles erreurs contenues dans le texte. Ils remercient également les participants au séminaire de doctorants de l’ERUDITE pour leurs remarques sur une version préliminaire de ce texte. * E-mails : [email protected], [email protected], [email protected] . Laboratoire ERUDITE, 61, Avenue du Général De Gaulle, 94010 CRETEIL CEDEX, France. Tél : (00 33) 01 41 78 46 61. 1 1) Introduction La vision classique de l’instabilité économique et financière des pays émergents repose sur l’analyse des crises de change. On synthétise en général l’abondante littérature sur ce sujet en mettant en exergue trois générations de modèles qui se sont succédé depuis le début des années 80. Chacune de ces générations de modèles repose sur un mécanisme privilégié d’explication des crises, et rend compte de divers épisodes qui se sont succédés historiquement. Ainsi, la première génération, qui est représentée par le modèle désormais classique de Krugman [1979] et Flood et Garber [1984], correspond-elle aux crises des années 1970-80 (crises mexicaine de 1973 – 82 et argentine de 1978 – 1981). La seconde génération, représentée par Obstfeld [1994] tente pour sa part une explication des crises du début des années 90 et notamment la crise du mécanisme de change européen de 1992 - 93. Quant à la troisième génération, qui est développée à partir des travaux de Krugman [1998] et Radelet et Sachs [1998, 1999], elle s’attache aux crises de 1994-95 et de 1997-98 dont la crise de l’Asie du Sud Est est l’archétype. Ces diverses générations de modèles de crise mettent en évidence deux choses : d’une part, le rôle central de la spéculation sur le taux de change et l’épuisement des réserves de devises dans les mécanismes de la crise. Ces deux variables-clés sont intégrées dans les différentes générations de modèles et en constituent en quelque sorte le coeur. D’autre part, il y a de façon évidente des différences entre chacun des épisodes historiques auxquels chaque génération de modèles s’est attachée, les mécanismes générateurs et propagateurs diffèrent. Comme pour les virus de la grippe, il y a une souche commune mais des modalités spécifiques à chaque épisode, qui rendent nécessaire la recherche d’un vaccin particulier à chaque fois. On peut alors se demander quelle sera la spécificité du prochain épisode de crise, sachant que les explications qui ont été successivement proposées par chaque génération de modèle rendent aussi compte (rétrospectivement) des épisodes précédents. Récemment, les institutions sont apparues comme une variable économique significative qui avait été largement négligée dans le passé. Selon le mot célèbre de Douglass North, « institutions matter ». Leur rôle a été souligné surtout pour expliquer les différentiels de croissance entre pays, mais il a été élargi à l’impact sur le commerce et plus généralement sur l’ouverture économique, par exemple sur les investissements directs étrangers par Méon et Sekkat [2004]. La garantie d’un système de droits de propriété bien établi, l’existence d’un droit des contrats ou des sociétés et surtout de procédures d’application de ces droits (tribunaux fonctionnant de façon efficace), la présence d’un système bancaire bien établi, l’absence ou tout au moins le caractère limité de la corruption, etc, apparaissent de plus en plus comme une infrastructure juridique ou institutionnelle indispensable pour garantir la durabilité du développement. Paradoxalement cependant, l’instabilité de la croissance n’a pas fait partie des thèmes que les économistes ont cherchés à expliquer par les institutions. Ce n’est que très récemment qu’une « quatrième génération » de modèles de crise, mettant en avant le rôle des institutions comme mécanisme générateur de déséquilibre, est apparue, avec par exemple Apoteker et Barthélémy [2005]. Encore les travaux sont-ils très embryonnaires dans cette direction. L’objectif de la présente contribution est d’explorer cette voie de recherche en contribuant à développer un modèle de crise de quatrième génération, qui pourrait rendre compte à la fois des épisodes de crises des années 80 et 90, et d’anticiper ce que pourrait être la manifestation 2 du prochain épisode (les crises à venir des années 2000). Nous proposons pour cela d’observer un échantillon de 43 pays émergents pour la plupart répartis entre les trois continents d’Europe Centrale et Orientale, d’Asie du Sud et de l’Est et d’Amérique Latine. Le papier est organisé de la façon suivante : la section 2 présente des données descriptives sur l’instabilité des pays émergents en mettant en relation les déséquilibres réels (instabilité de la croissance) et les déséquilibres financiers internationaux (crises de change, de balance des paiements etc) ; elle construit sur cette base un indicateur d’instabilité financière synthétisant la situation critique d’une économie émergente et son évolution au cours du temps. La section 3 propose un cadre conceptuel expliquant comment les institutions peuvent agir sur (ou interagir avec) l’instabilité macroéconomique ou macro-financière. La section 4 présente les données disponibles et la méthodologie que nous nous proposons d’utiliser (il s’agit principalement de l’économétrie des données de panel, utilisée pour tester des équations expliquant l’instabilité par la (mauvaise) qualité des institutions). La section 5 présente les résultats des régressions et discute leur validité et leur robustesse. La section 6 conclut. 2) L’instabilité économique et financière des pays émergents en perspective Cette section passe en revue successivement les indicateurs d’instabilité réelle et les indicateurs d’instabilité financière internationale. Elle propose sur cette base de construire un indicateur synthétique d’instabilité financière qui représente l’évolution dans le temps de la fragilité d’une économie, de façon comparable entre pays. a) Croissance et instabilité dans les pays émergents Les performances des pays émergents sont caractérisées par une croissance moyenne plus forte que dans les pays développés, mais par une instabilité également plus forte. La croissance peut être estimée classiquement par le taux de croissance annuel moyen sur une période assez longue, de 1984 à 2004 par exemple. Un problème spécifique est posé par les pays émergents européens, qui sont habituellement désignés sous le terme « économies en transition ». Ces pays ont traversé une crise spécifique à leur sortie du système communiste, et la période d’analyse de leur croissance doit être limitée à 1995-20041. L’instabilité de la croissance peut être mesurée par deux indicateurs, l’un direct et l’autre indirect. L’indicateur direct consiste à observer la variance des taux de croissance sur les périodes mentionnées ci-dessus. L’indicateur indirect d’instabilité le plus simple repose pour sa part sur le taux d’inflation (taux de croissance de l’indice des prix à la consommation, non représenté dans la présente version) : l’hypothèse implicite est ici que l’inflation est la variable d’ajustement aux déséquilibres macroéconomique la plus fréquemment utilisée par les pays émergents. Les pays émergents que nous observons se répartissent principalement en trois régions (la classification s’inspire des grandes régions du monde établies par la Banque Mondiale) : 13 pays d’Amérique Latine et Caraïbes, 13 pays d’Asie du Sud et de l’Est et Pacifique (regroupement de deux régions de la Banque Mondiale), 14 pays de l’Europe et de l’Asie Centrale (la liste des pays observés est fournie en Annexe 1). Nous pouvons observer les 1 En fait, les pays d’Europe Centrale et Orientale ont surmonté la récession transitionnelle à partir de 1994, et les pays de l’ex-URSS à partir de 1996 seulement, mais pour simplifier, nous unifions la période d’analyse spécifique à tous ces pays à 1995-2004). 3 variables de croissance et d’instabilité en parallèle pour les régions entières de la Banque Mondiale et pour les sous-échantillons de pays émergents que nous observons. Trois pays « hors régions » s’ajoutent à l’observation (Turquie, Israel, Afrique du Sud) à titre de comparaison. Les pays Mena (Middle East North Africa) ont été sortis de la base. Les pays à haut revenu de l’OCDE sont présentés à titre de référence. Pour chacune des cinq régions mentionnées, nous présentons dans le diagramme ci-dessous deux des trois indicateurs mentionnés : le taux de croissance moyen sur la période 1984-2004 (1995-2004 pour les pays en transition) et la moyenne des variances des taux de croissance sur la même période. Croissance et instabilité dans le monde 1985-2004 Données Banque Mondiale par régions 8 taux de croissance annuel: moyenne et variance 7 taux de croissance moyen variance du taux de croissance 6 5 4 3 2 1 0 ASIE (Sud et Est) EUROPE (Est et Asie centrale, 1995-2004) AMERIQUE LATINE OCDE Croissance et instabilité dans les pays de l'échantillon 1984-2004, Données Banque Mondiale 16 taux de croissance annuels: moyenne et variance 14 moyenne des taux de croissance variance des taux de croissance 12 10 8 6 4 2 0 ASIE (Sud et Est) EUROPE (Est et Asie Centrale 1995-2004) AMERIQUE LATINE 4 AUTRES Comme on le constate, il n’y a pas de relation univoque entre croissance et instabilité. On observe par exemple que, contrairement à ce qu’on pourrait attendre, une croissance supérieure s’accompagne d’une plus grande stabilité dans le cas de la région Asie. b) Hétérogénéité de l’échantillon Dans les graphiques précédents, les régions choisies présentent une assez forte hétérogénéité. Cette dernière est encore plus forte si l’on considère l’ensemble des 43 pays initialement choisis. Peut-on par exemple mettre sur le même plan des pays aussi différents que la Slovénie, qui compte 1,5 millions d’habitants et qui a un niveau de développement relativement élevé, et le Bangladesh ? Il est donc légitime de se demander si les pays qui composent cette population sont comparables et à cet effet, nous avons procédé à une analyse de données portant sur tous les pays et tous les indicateurs retenus dans l’analyse (voir annexe). Analyse de l’hétérogénéité de l’échantillon Deux groupes de pays-années outliers apparaissent assez nettement, le long de chacun des deux axes principaux : sur l’axe horizontal, qui représente le niveau de développement économique, financier et des institutions, on trouve un groupe composé de Singapour et Hong Kong ; sur l’axe vertical, que l’on peut interpréter comme représentant la croissance économique, on trouve la Chine. Les deux autres groupes de pays-années (composés principalement des classes 1 et 3, contenant tous les autres pays de l’échantillon) peuvent être considérés comme relativement homogènes. Afin de tenir compte de cette hétérogénéité des pays initialement choisis, nous proposons dans la suite du travail de procéder à un double traitement des données, en raisonnant d’abord 5 sur la totalité des pays puis sur l’échantillon réduit, et de comparer les résultats obtenus dans les deux procédures. c) Crises économiques et crises de change Les analyses des crises de change ou des crises de balance des paiements se distinguent de l’approche précédente de deux façons : d’abord, elles font en général référence à deux indicateurs privilégiés qui sont le taux de change d’une part, et les réserves en devises d’autre part ; ensuite, elles traitent des données de court terme, telles que des données mensuelles (ou même des données hebdomadaires ou quotidiennes). Le recours simultané à ces deux indicateurs se justifie par le fait qu’un pays émergent qui subit une crise peut être soit en change fixe, soit en changes flottants : dans le premier cas, la crise sera signalée par une diminution des réserves, le taux de change restant stable (au moins pendant un temps), alors que dans le second cas, la crise sera signalée par une dépréciation du taux de change, les réserves restant stables ; un pays en changes fixes qui dévalue se retrouve de fait dans cette seconde situation ; enfin, dans le cas maintenant fréquent des pays en flottement administré, la crise de change sera signalée par une variation combinée des deux indicateurs : dépréciation et/ou baisse des réserves. La plupart des modèles de crises de change cherchent alors à analyser le déclenchement et la propagation de ces crises en expliquant l’une ou l’autre de ces deux variables (ou une combinaison de ces deux variables) par un ensemble de variables macroéconomiques contemporaines ou retardées supposées exogènes. Dans notre perspective, qui est l’analyse de l’instabilité économique et financière à partir de l’observation d’un groupe de pays émergents, nous pouvons chercher à caractériser cette instabilité en faisant référence aux deux indicateurs précédents. Nous proposons de construire pour chaque pays de notre groupe un indicateur annuel d’instabilité en combinant la variabilité du taux de change et la variabilité des réserves. La variabilité du taux de change ne pose pas de problème particulier et peut être appréhendée par le coefficient de variation (rapport de l’écart type à la moyenne) du taux de change nominal2. Ce coefficient de variation a été calculé pour chaque année sur la base des douze données mensuelles, conduisant ainsi à attribuer à chaque pays-année une valeur particulière dans une gamme d’évaluation comparable. Les réserves de change posent pour leur part quelques difficultés, et adopter la même méthode du coefficient de variation n’est pas possible. En effet, les réserves peuvent dans certains pays pour certaines années augmenter constamment (par exemple en Chine), ce qui est un signe de relative bonne santé économique, mais cela conduirait à un coefficient de variation élevé indiquant une fragilité économique ; nous avons donc préféré utiliser pour apprécier la détérioration de la position en réserves d’un pays un autre indicateur. L’idée est ici de ne tenir compte que des baisses de réserves, l’augmentation des réserves étant considérée comme normale ; l’indicateur d’instabilité des réserves est alors calculé comme la moyenne des baisses mensuelles de réserves pendant une année, rapportée à la moyenne des réserves pendant cette année. Cet indicateur est lui aussi comparable entre pays et entre années. Enfin, les deux indicateurs (instabilité du taux de change et instabilité des réserves) sont combinés linéairement pour obtenir l’indicateur d’instabilité financière globale3. 2 Ce faisant, nous devons distinguer entre les pays qui se réfèrent au dollar et ceux qui ont ancré leur monnaie sur l’euro. Dans la suite de ce papier, nous avons considéré que les pays émergents européens (sauf la Russie, l’Ukraine et le Kazakhstan) se référaient à l’euro, et les pays des autres régions (Amérique Latine, Asie et « hors région ») se référaient au dollar. Dans le premier cas, le calcul du coefficient de variation du taux de change a donc été calculé sur la base des taux de change par rapport à l’euro ; dans tous les autres cas, c’est le taux de change par rapport au dollar qui a été utilisé. 3 Le coefficient de pondération est de 0,7 pour les réserves et de 0,3 pour le taux de change, cette pondération correspondant à la moyenne de chacun des deux indicateurs d’instabilité pour l’ensemble des pays considérés (la 6 Le graphique ci dessous montre un des problèmes que pose l’indicateur proposé : la méthode de calcul de l’indicateur d’instabilité peut être répétée en faisant glisser les variables de mois en mois ; on obtient alors un indicateur mensuel de l’instabilité annuelle : pour un mois donné, l’indicateur se réfère aux douze mois passés, et pour chaque mois de décembre, il se réfère aux douze mois de l’année correspondante. On constate alors que l’indicateur retenu pour les mois de décembre ne reflète pas forcément l’évolution de l’indicateur au cours de l’année : ainsi, le graphique représente les évolutions mensuelles pour le Brésil et la Thaïlande, ainsi que la valeur des indicateurs annuels ; on constate que les valeurs annuelles retenues aux mois de décembre de chaque année sont assez arbitraires et ne reflètent pas toujours l’ampleur relative de la crise (pour le Brésil par exemple, la crise de 1999 s’intercale entre les valeurs de décembre 1998 et de décembre 1999 et disparaît ainsi quasiment du repérage annuel). Néanmoins, du fait de l’indisponibilité des données institutionnelles, nous sommes contraints de conserver notre méthode de mesure faute de mieux4. Indicateur d'instabilité en mesure mensuelle et en mesure annuelle Cas de la Thailande et du Brésil 14 BRA BRA annuel 12 THA THA annuel 10 8 6 4 2 0 janv-95 janv-96 janv-97 janv-98 janv-99 janv-00 janv-01 janv-02 janv-03 janv-04 janv-05 Le graphique suivant montre l’évolution de l’indicateur annuel d’instabilité pour quelques pays typiques ayant successivement traversé des crises à la fin des années 90 et au début des années 2000 : Indonésie, Corée, Russie, Brésil, Turquie, Argentine. On remarque que seule, la crise Brésilienne de 1999 n’apparaît pas sur le graphique ; dans l’ensemble cependant, l’indicateur d’instabilité reflète assez bien l’ordre d’apparition des crises et leur ampleur relative. moyenne de l’indicateur d’instabilité du taux de change est 4,0 alors que celle de l’indicateur d’instabilité des réserves est de 1,8). 4 Une solution à ce problème consisterait à traiter directement les variables au niveau mensuel. De nouvelles analyses utilisant cette possibilité seront délivrées ultérieurement par les auteurs. 7 Indicateurs d'instabilité financière pour quelques pays 12 25 ARG INDO KOR TUR BRA RUS 20 8 15 6 10 4 indicateur d'instabilité (Russie) Indicateur d'instabilité 10 5 2 0 0 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 L’indicateur d’instabilité présente une capacité de discrimination qui peut être caractérisée de la façon suivante : sur 430 années-pays de notre échantillon, 55 présentent un indicateur supérieur à 4 ; à titre de comparaison, il y a 56 années-pays qui ont un taux de croissance du PIB négatif. Cependant, il n’y a pas de correspondance forte entre instabilité financière et croissance négative : seules 22 années-pays soit 5% de nos observations ont la double caractéristique d’avoir un indicateur d’instabilité supérieur à 4 et un taux de croissance négatif. Ceci signifie que, comme en atteste la littérature, les dépressions économiques ne sont pas toujours liées aux crises de change et inversement qu’une crise de change ne se traduit pas toujours par une baisse de croissance. 3) Cadre conceptuel Les études sur les crises de change consistent à expliquer une variable indicatrice de la crise, telle que celle que nous venons de présenter, au moyen de plusieurs variables macroéconomiques contemporaines ou retardées. Parmi les variables habituellement retenues, on trouve celles qui correspondent aux diverses théories rappelées précédemment, à côté de variables de contrôle qui expriment la situation générale des économies considérées. Nous passerons successivement en revue ces deux types de variables macroéconomiques. A côté de ces variables, nous proposons de recourir à un second type de variables qui sont des variables institutionnelles, qui posent des problèmes spécifiques. Conceptuellement, nous avons donc une variable à expliquer qui est l’indicateur d’instabilité présenté au paragraphe précédent pour chaque pays i et chaque année t (CRISit), et trois séries de variables explicatives : des variables macroéconomiques tirées de la littérature classique (MACit), des variables macroéconomiques de contrôle (CONTit) et des variables institutionnelles (INSTit), avec i l’indice correspondant aux pays et t l’indice correspondant aux années. Si les variables institutionnelles, les variables macroéconomiques et les variables de contrôle avaient les mêmes caractéristiques, nous serions donc amenés à procéder à une régression en panel du type : 8 CRISit = αi + Σj (βjit * MACjit) + Σk (γkit * CONTkit) + Σh (λhit * INSThit) + µit (1) où les indices j, k et h désignent le nombre de variables de chaque catégorie incorporées dans la régression, et αi est le vecteur d’effets fixes-pays. Cependant, comme les variables utilisées n’ont pas toutes la même fréquence ni le même degré de variabilité, nous serons amené à adopter des spécifications légèrement différentes. Auparavant, nous détaillons les trois types de variables qui seront utilisées et la logique du choix de ces variables. a) Les variables macroéconomiques tirées des modèles de crise classiques 1) Les modèles de crises de change de première génération s’inspirent des articles fondateurs de Krugman [1979] et de Flood et Garber [1984]. Dans ce contexte, la crise est indissociable de l’apparition de déséquilibres persistants dans les domaines monétaire ou budgétaire, qui entrent en conflit avec la contrainte d’un stock limité de réserves de change. Dans un régime de changes fixes, la monétisation d’un déficit budgétaire engendre de l’inflation qui à son tour entraîne une dégradation de la compétitivité prix et un déficit commercial qui engendre une pression sur le taux de change qu’il va falloir nécessairement soutenir. De ce fait, la Banque Centrale puise dans les réserves de change qui vont progressivement s’épuiser. Dans ce cas, l’attaque spéculative est motivée par la conviction des opérateurs que les autorités monétaires ne vont pas pouvoir poursuivre leur politique inflationniste sans abandonner le régime de change. L’attaque se produit dès que le taux qui prévaudrait si la devise flottait (shadow exchange rate) dépasse la parité fixée. Cette première génération de modèles explique convenablement les crises mexicaines de1973 – 1982 et argentine de 1978 – 1981. Il n’est bien entendu pas exclu que de telles crises réapparaissent, comme par exemple dans le cas de certains pays en transition à la fin des années 90. Typiquement, ces crises ont été précédées par des politiques domestiques excessivement expansives. Le test de cette première génération de modèles de crise peut être mené en mettant en relation d’une part un indicateur de crise de change (l’indicateur d’instabilité présenté précédemment) et d’autre part des indicateurs de monétisation des déficits budgétaires et de déficit extérieur ; nous aurons recours dans le premier cas au ratio des créances sur le gouvernement par rapport à M2, et dans le second cas au ratio de balance courante par rapport au PIB (données Banque Mondiale). 2) Les modèles de crise de change de la deuxième génération, ou modèles « à clause de sortie », sont développés dans les années 1990 sous l’impulsion d’Obstfeld [1991, 1994, 1996 et 1997]. La crise peut se déclencher sans pour autant qu’il y ait ex ante une dégradation des fondamentaux. Ces modèles se basent essentiellement sur l’existence d’équilibres multiples et mettent en avant la notion de crise auto-réalisatrice : à partir du moment où un doute s’instaure concernant l’engagement du gouvernement sur le maintien du taux de change, compte tenu des coûts du soutien en termes de taux d’intérêt anormalement élevés, l’attaque spéculative intervient en prévision d’une renonciation de la Banque Centrale. Celle-ci est alors contrainte à renoncer et la crise s’analyse en termes de prophétie auto–réalisatrice. Autrement dit, il suffit que les agents anticipent un changement de politique et donc une dévaluation pour que cette dévaluation ait effectivement lieu. Ainsi, la parité annoncée par les autorités des économies émergentes doit apparaître crédible aux yeux des spéculateurs internationaux. Cependant, la crédibilité et la capacité du gouvernement à défendre la parité 9 fixe de sa monnaie nationale est réduite du fait de la gêne que représente la hausse des taux d’intérêt sur le chômage, la dette publique et la croissance économique. Prenant l’exemple de la crise monétaire du SME en 1992 – 93, Obstfeld [1994] considère que ces crises ne peuvent pas être expliquées par la première génération de modèles : les pays de l’UE appartenant à l’ERM n’ont jamais manqué de réserves dans la mesure où ils empruntent amplement sur le marché ou auprès de leurs voisins. De ce fait, même un régime de change soutenable et compatible avec les autres politiques du gouvernement peut être attaqué et modifié. L’indicateur d’instabilité que nous avons construit, et qui juxtapose à côté des réserves la variation du taux de change nominal, répond donc bien à cette logique des modèles de deuxième génération ; la variable explicative de la crise de change au plan opératoire peut alors être vue comme le différentiel de taux d’intérêt du pays considéré, ou alternativement l’évolution du taux de change réel. Par ailleurs, la nature du régime de change adopté par les pays (variable dummy) est aussi un facteur explicatif de ces crises de change auto-réalisatrices. 3) Les modèles de crise de change de troisième génération sont apparus après la crise asiatique de 1997 – 98 (Pesenti et Tille [2000]). Du fait qu’ils combinent les mécanismes des modèles de première et de deuxième générations, ils sont parfois qualifiés de modèles inter générations (Flood et Marion [1998]). Ces modèles privilégient l’imperfection de l’information sur les marchés financiers et la fragilité des systèmes bancaires, plutôt que les distorsions macroéconomiques. De ce fait, une multitude de séquences de crises sont spécifiées sans pour autant disposer d’un modèle canonique de caractère synthétique. Pour expliquer les crises de type asiatique, deux approches peuvent être retenues ainsi que l’explique Zouari[2005a, 2005b]. La première approche est soutenue par Krugman [1998a, 1998b, 1998c] qui reste fidèle à sa logique et défend la thèse de politiques insoutenables et de fondamentaux dégradés. Il pense qu’avant la crise, les fondamentaux asiatiques étaient dégradés et que des crazy policies (politiques inadaptées), telles que les garanties, les soutiens et la socialisation ou l’indemnisation des dettes et les décisions des autorités monétaires, sont responsables de la crise. On a finalement un mécanisme de risque moral : les agents prennent des risques excessifs car ils savent qu’en cas de pertes, celles ci incombent aux autorités monétaires et diminuent le bien être collectif beaucoup plus que le leur. La seconde approche est soutenue par Radelet et Sachs [1998a, 1998b, 1999]. Ces auteurs défendent la thèse de la crise de liquidité nationale et internationale, c’est à dire d’une panique financière pure (modèles de run bancaire à la Diamond et Dybvig [1983]). La crise asiatique s’apparente alors à une panique financière qui n’est pas liée à une aggravation subite des déséquilibres macro-économiques mais qui doit être perçue comme une crise d’illiquidité causée par un assèchement imprévu des entrées de capitaux internationaux. Ces deux approches s’accordent sur l’implication des secteurs bancaires et financiers dans les pays asiatiques. Les auteurs des modèles de troisième génération vont retenir des facteurs de déclenchement des crises très divers : endettement externe excessif (Krugman [1998], Corsetti et alii [1999]) ; substitution aux déposants domestiques des créanciers internationaux (Chang et Velasco [2000a, 2000b]) ; dégradation des bilans bancaires ou des bilans des entreprises (Krugman [1998a, 1998b], Mishkin [1998, 1999, 2000]) ; bulles sur les prix d’actifs et des crises de bilan (Schneider et Tornell [2000]). Nous proposons pour notre part de résumer ces variables explicatives par le recours à une batterie d’indicateurs : le ratio de 10 l’endettement bancaire en devises rapporté aux réserves de la Banque Centrale ; les crédits bancaires au secteur privé (rapportés à M2) ; enfin, une variable dummy indiquant si un pays a subi des faillites bancaires ou non. 4) Nous proposons, dans une perspective inter-générations, de juxtaposer les diverses variables explicatives recensées précédemment. Au total, nous avons sept variables macroéconomiques (j = 1…7) composant le groupe MACjit : les créances sur le gouvernement, le taux de change réel, la présence d’un régime de changes fixes, l’endettement des banques en devises, les crédits bancaires au secteur privé, la capitalisation boursière, et les faillites bancaires. Parmi ces variables, deux sont des dummy : le régime de changes fixes et les faillites bancaires. A l’exception de cette dernière, toutes sont tirées des indicateurs annuels de la Banque Mondiale. b) Les variables macroéconomiques de contrôle Le second groupe de variables macroéconomiques est constitué de variables de contrôle qui représentent les caractéristiques globales des pays (ou des années) considérés. Il est en effet nécessaire de tenir compte du fait que les pays considérés sont très différents, ainsi d’ailleurs que les années observées. Par exemple, les pays de l’échantillon peuvent avoir une dimension plus ou moins grande ou un niveau de développement plus ou moins élevé et il est possible a priori que cette différenciation ait un impact sur les mécanismes de déclenchement ou de propagation des crises de change. De même, certaines années (par exemple les années 1997 et 1998) peuvent avoir des caractéristiques particulières par rapport aux autres5. En se basant sur la plupart des travaux sur les facteurs de crise, nous retenons quatre variables de contrôle à intégrer dans les régressions : le PIB total du pays (en milliards de dollars de 2000) considéré comme un indicateur de la taille de l’économie considérée, le degré d’ouverture de l’économie (ratio du commerce au PIB), le taux d’investissement (ratio de la formation brute de capital au PIB), et le degré de monétisation de l’économie (ratio de M2 au PIB). Ces quatre variables, tirées également des indicateurs annuels de la Banque Mondiale, constituent le groupe CONTkit avec k = 1…4. Une particularité de ces variables est qu’elles ne varient pas au même rythme que les variables macroéconomiques explicatives. Dans certains cas (PIB), elles peuvent même être considérées comme quasi-fixes, la dimension économique d’un pays ne variant pas significativement (par rapport aux autres variables) même en période de crise. C’est ce qui justifie d’ailleurs leur caractère de variables de contrôle. En ce sens, les variables CONTkit ont donc un statut voisin de celui des variables institutionnelles que nous allons détailler plus bas. Nous sommes donc amenés à leur conférer un traitement spécifique en les considérant comme des variables fixes dans le temps : elles prennent donc la forme CONTki des moyennes des CONTkit sur toutes les périodes de 1995 à 2004. Ces variables seront exploitées dans une analyse en termes de coupe transversale (cross section). c) Les variables institutionnelles L’idée qui préside à l’introduction de variables institutionnelles dans l’explication du commerce ou de la croissance est que les pays qui présentent une organisation plus libérale de leur économie favorisent un ajustement plus souple et plus rapide de leurs ressources aux changements des conditions extérieures, et de ce fait bénéficient à la fois d’une croissance 5 Après vérification, ces effets-années ne se révèlent pas pertinents. 11 plus rapide et d’une ouverture au commerce plus forte (les deux effets se combinant d’ailleurs pour se renforcer). C’est ainsi que Anderson et Marcouiller [2002], Dollar et Kraay [2002], se basant sur le fait que de mauvaises institutions accroissent le coût et les risques du commerce extérieur, observent une relation positive entre la qualité des institutions et le commerce international. Sekkat et Méon [2004] montrent de façon similaire que la bonne qualité des institutions (principalement la lutte contre la corruption, l’efficacité du gouvernement et l’état de droit) favorise les exportations de produits manufacturés et les IDE. D’autres études mettent en évidence une relation positive entre institutions et performances économiques globales (taux de croissance). Un tel raisonnement, qui suppose d’une certaine manière que la liberté économique et le respect de l’état de droit sont, sinon des moteurs, du moins des conditions permissives de la croissance et du développement économique, s’applique-t-il dans le cas de l’instabilité économique ? Y a-t-il un mécanisme par lequel les conditions d’accomplissement des libertés économiques (ainsi que les institutions démocratiques qui sont supposées les garantir) se traduisent par un effet de stabilisation de la croissance et des équilibres macroéconomiques ? A priori, on pourrait le supposer. Prenons le cas d’un pays dans lequel il n’y a pas moyen de faire appliquer les contrats (pas de recours possible aux tribunaux en cas de différend) ni de créer facilement une entreprise, dans lequel la liberté de commercer internationalement ou de déplacer ses capitaux à l’étranger est entravée, dans lequel l’intervention de l’administration est systématique et les réglementations gênantes pour l’activité économique (jusqu’à laisser se développer une corruption généralisée), ou dans lequel l’accès au financement est limité du fait d’un système bancaire mal organisé ou trop protégé. Un tel pays se trouve alourdi dans ses réactions aux chocs exogènes, ses agents ne peuvent redéployer facilement leurs activités et les conséquences du choc risquent donc de se propager durablement et profondément, ce qui va aggraver l’instabilité économique. Pourtant, un autre mécanisme, totalement inverse, est envisageable : le pays décrit précédemment peut être considéré, du fait du poids de l’état et de son intervention, du fait de la lenteur des réactions de ses agents, du fait de son relatif isolement par rapport aux marchés internationaux, et du fait de la limitation des conditions de financement, comme placé dans des conditions qui « protègent » en quelque sorte sa stabilité (probablement au prix d’une croissance à long terme plus faible). Convenons donc que, contrairement à la relation institutions – croissance, ces deux scénarios sont plausibles dans le cas de la relation institutions – instabilité. Notre objectif est de tester le sens de cette relation sur les données réelles des crises qu’ont traversé les pays émergents de notre échantillon ces dix dernières années. 4) Données institutionnelles et méthodologie Souvent, la « mauvaise qualité institutionnelle » qui transparaît dans le domaine économique est liée à de mauvaises institutions politiques, c'est-à-dire à un système dans lequel les organes de représentation de la société se montrent incapables d’adopter les réformes qui permettraient aux mécanismes de marché de fonctionner de façon efficace. Les institutions politiques et économiques font l’objet depuis plusieurs années de diverses mesures par des institutions spécialisées. Les variables institutionnelles que nous utiliserons dans cette contribution sont présentées en Annexe 2. La mesure des institutions a considérablement progressé depuis une dizaine d’années sous l’influence des réformes qui ont été adoptées dans les pays en transition. Dans les pays anciennement communistes en effet, les transformations institutionnelles qui ont été entreprises pour rapprocher ces pays des normes de 12 fonctionnement des pays démocratiques à économie de marché ont fait l’objet de mesures systématiques destinées à comparer les situations des divers pays et à mesurer l’impact des réformes sur les performances économiques (EBRD Transition Reports, années 1994 à 2005). Un des indicateurs institutionnels les plus fréquemment utilisés est une mesure de la corruption, et des organisations telles que la Banque Mondiale ou Transparency International présentent des indicateurs correspondants. 1) Les institutions économiques font l’objet de mesures par diverses organisations spécialisées, les plus connues et celles qui présentent annuellement leurs estimations depuis le plus longtemps sont Heritage Foundation et Fraser Institute. Les indicateurs présentés par ces deux organismes différent légèrement mais ont un contenu assez similaire. On trouvera en annexe la composition précise des indicateurs de Heritage qui seront utilisés dans les analyses qui suivent. Pour résumer l’ensemble, on peut présenter les cinq groupes de variables suivants : (i) un premier groupe qui définit la structure juridique du pays considéré et le degré auquel les droits de propriété y sont garantis ; (ii) un second groupe qui se réfère au degré d’intervention de l’état, y compris le fardeau fiscal, le montant des dépenses publiques, le degré de redistribution des revenus entretenu par la puissance publique ; (iii) un troisième groupe reflétant l’étendue des réglementations et de l’intervention administrative sur les marchés du travail, des biens ou du crédit ; (iv) un quatrième groupe qui concerne la liberté de commercer internationalement, d’implanter des investissements directs étrangers, d’acheter, de vendre et de posséder librement des devises étrangères ; (v) et enfin un cinquième groupe qui concerne la capacité d’accéder au crédit et au financement en général, la présence d’un système bancaire et d’un marché des titres organisé. Le graphique suivant représente pour chaque grande région la valeur moyenne des indicateurs institutionnels pour l’année 2004. Ces indicateurs, qui ont l’avantage d’être disponibles annuellement, peuvent varier de 1 à 5, où 1 dénote une plus grande liberté économique et 5 une plus grande répression des activités économiques. On constate par exemple que l’Amérique Latine est moins ouverte internationalement que l’Asie de l’Est et du Sud qui est elle-même moins ouverte que l’Europe et l’Asie Centrale. Variables Institutionnelles dans le domaine économique (Données Heritage 2004, moyennes par régions pour les pays de l'échantillon) Plus l'indicateur est élevé, plus on s'éloigne du libéralisme 4,0 3,5 3,0 2,5 Droits de propriété Intervention de l'Etat Réglementations Ouverture Internationale Accès au crédit 2,0 1,5 1,0 0,5 0,0 Amerique Latine Asie Est et Sud Europe et Asie Centrale 13 Autres Une observation plus précise des variables d’institutions économiques conduit à remarquer que certaines d’entre elles sont fortement corrélées. A côté de tests sur les variables prises individuellement, nous serons donc amenés à traiter trois regroupements de variables institutionnelles tirées de la base Heritage. Ces regroupements sont dénommés dans la suite « Herit1 », qui est une moyenne des indicateurs « property rights », « regulation » et « informal market » ; la variable composite « Herit2 » est une moyenne des indicateurs « monetary policy » et « banking » ; enfin la variable composite « Herit 3 » est formée sur la base des indicateurs « trade » et « foreign investments ». Rappelons que les variables Heritage sont d’autant plus grandes que l’intervention de l’Etat dans l’économie est forte. En quelque sorte, la variable « Herit 1 » représente le non-respect des droits économiques fondamentaux (ou l’excès de réglementation, souvent accompagné de corruption) ; la variable « Herit 2 » représente la mauvaise qualité du système monétaire et financier ; et la variable « Herit 3 » représente les obstacles aux relations économiques internationales. 2) Quant aux institutions politiques, elles ont fait l’objet d’un travail de classification considérable de la part de D. Kaufmann et de la Banque Mondiale depuis plusieurs années : le programme « Governance matters » fixe ainsi six indicateurs institutionnels dans le domaine politique, que l’on peut regrouper en trois grandes catégories. La première est le processus par lequel les gouvernements sont choisis, contrôlés et remplacés (indicateur de transparence et responsabilité démocratique et indicateur de stabilité politique et absence de violence) ; la deuxième est la capacité du gouvernement à formuler et mette en œuvre des politiques saines (indicateurs d’efficacité du gouvernement et de qualité de la réglementation) ; et la troisième est le respect des citoyens et de l’Etat envers les institutions qui gouvernent les relations économiques e t sociales (indicateurs d’état de droit et de contrôle de la corruption). Variables institutionnelles dans le domaine politique (Données Kaufmann 2004, moyennes par régions pour les pays de l'échantillon) plus l'indicateur est élevé, plus on se rapproche de la démocratie 3,5 3,0 2,5 2,0 Sélection du gouvernement Efficacité du gouvernement Resepct des institutions 1,5 1,0 0,5 0,0 Amerique Latine Asie Est et Sud Europe et Asie Centrale Autres Les mesures vont ici en sens inverse des variables économiques : un score plus proche de 5 dénote une plus grande proximité d’un fonctionnement proche de la démocratie ; par exemple, pour l’efficacité du gouvernement, l’Amérique Latine a un score moins bon que l’Asie du Sud et de l’Est qui elle-même a un score inférieur à l’Europe et l’Asie Centrale. Une autre différence avec les variables économiques est que les variables de la base Kaufmann ne sont disponibles qu’avec une périodicité de deux ans, soit pour 1996, 1998, 2000, 2002 et 2004. 14 Nous serons donc amenés, pour tester l’influence des variables institutionnelles politiques sur l’indicateur de crise, à réduire le nombre d’observations dans notre échantillon. Il existe potentiellement un recouvrement partiel des indicateurs institutionnels économiques et politiques, en particulier dans le domaine de l’état de droit, du contrôle de la corruption et de la structure juridique. Cependant, un test de corrélation sur les années et les pays de notre échantillon montre que les indicateurs concernés ne sont que faiblement corrélés. Comme nous n’avons pas d’idée a priori sur la façon dont les institutions influent sur l’instabilité économique (au cas où elles auraient une influence), nous avons dans un premier temps testé individuellement chacune des variables institutionnelles et nous avons sélectionné celles qui présentaient un impact significatif, que cet impact soit positif ou négatif. Par contre, il y a une forte corrélation entre certains indicateurs d’institutions politiques. Deux groupes apparaissent ainsi : d’une part, un groupe que nous dénommerons « Kauf 1 » qui incorpore les variables « government effectiveness », « quality of regulation », « rule of law » et « control of corruption » ; et une seconde variable « Kauf 2 » qui est la moyenne des indicateurs « voice and accountability » et « political stability ». D’une certaine manière, la variable « Kauf 1 » représente ce que l’on peut désigner par « la bonne gouvernance politique » : qualité de l’action du gouvernement et de l’administration, règne de l’état de droit et (bon) contrôle de la corruption. Quant à la variable « Kauf 2 », elle représente plutôt un indicateur de consensus social. Cependant, les variables institutionnelles – ainsi que, comme on l’a déjà mentionné en section 2, les variables de contrôle – se distinguent des variables macroéconomiques explicatives par leur relative stabilité ; d’ailleurs, certaines de ces variables ne sont pas mesurées pour chaque année, mais seulement de façon discontinue. Le groupe de variables INSTit est donc plutôt de la forme INSTi et relève donc de la catégorie des effets fixes-pays qui apparaissent dans l’équation (1). Nous proposons donc de modifier cette équation et d’introduire un traitement en deux étapes pour tenir compte de cette spécificité. Dans un premier temps, nous procédons à une régression en panel de note indicateur global d’instabilité sur les variables macroéconomiques, de la façon suivante : CRISit = EFi + Σj (βjit * MACjit) + νit (2) où EFi représente un nouveau vecteur d’effets fixes incorporant l’effet des variables (institutionnelles ou de contrôle) stables ou quasi-stables. Un test de Hausman est appliqué pour vérifier la pertinence des effets fixes. Ces effets fixes peuvent alors être récupérés et servir de variable expliquée dans une nouvelle régression en cross section où les variables explicatives sont les variables de contrôle et les variables institutionnelles ; la seconde étape prend donc la forme suivante : EFi = δi + Σk (γki * CONTki) + Σh (λhi * INSThi) + ξi (3) Cette procédure en deux étapes peut être appliquée de deux façons, afin de tenir compte de l’hétérogénéité des pays analysée à la section 2 : dans un premier temps, nous raisonnerons sur l’ensemble des 43 pays, et dans un second temps sur l’échantillon réduit de 40 pays (en éliminant la Chine, Hong Kong et Singapour). Cette méthode nous permettra d’évaluer la robustesse de notre modèle en appréciant l’effet de l’inclusion de ces trois pays atypiques. 15 5) Résultats empiriques La procédure en deux étapes décrite précédemment est appliquée successivement aux deux populations et conduit aux résultats suivants. a) Etape 1 : l’analyse de déterminants macroéconomiques de l’instabilité Cette étape consiste à régresser l’indicateur de crise sur les sept variables explicatives macroéconomiques présentées à la section 3. Les résultats sont présentés dans le tableau 1 cidessous. Les deux premières colonnes (RE et FE pour Random Effects et Fixed Effects) permettent d’appliquer le test de Hausman qui a pour objectif de vérifier la pertinence des effets fixes ou des effets aléatoires pour la spécification proposée. La troisième colonne (OLS) procède à un test des moindres carrés ordinaires destiné à contrôler pour la multicolinéarité et l’hétéroscédasticité. La quatrième et la cinquième colonnes (FE ROBUST) présentent les résultats de la régression éliminant l’hétéroscédasticité selon deux spécifications différentes : la première (colonne 4) inclut les sept variables initiales et la seconde (colonne 5) ne retient que les variables significatives. Tableau 1 1ère étape : Régression de l’indicateur d’instabilité sur les variables macroéconomiques (43 pays) (1)RE (2)FE (3)OLS (4)FE (5)FE ROBUST ROBUST .VARIABLES CRIS CRIS CRIS CRIS CRIS Claims on government 0.036 0.032 0.041 0.032 0.031 (7.22)*** (6.35)*** (7.79)*** (4.54)*** (4.49)*** Bank foreign liabil. 0.012 0.015 0.008 0.015 0.015 (9.35)*** (10.24)*** (7.20)*** (7.57)*** (7.48)*** REER 0.049 0.055 0.039 0.055 0.057 (11.76)*** (12.73)*** (9.32)*** (7.62)*** (7.73)*** Current account Bal. -0.072 -0.097 -0.043 -0.097 -0.104 (3.52)*** (3.64)*** (2.71)*** (2.32)** (2.53)** Claims on priv sector 0.014 0.007 0.024 0.007 (2.53)** (1.22) (4.05)*** (1.12) Banking crises 0.766 0.619 0.979 0.619 0.588 (3.08)*** (2.41)** (3.91)*** (1.77)* (1.67)* Fixed Exchange Regime -0.576 -0.172 -0.762 -0.172 (1.78)* (0.44) (2.91)*** (0.35) Constant -3.775 -4.551 -2.656 -4.551 -4.679 (8.43)*** (10.22)*** (6.30)*** (5.79)*** (6.02)*** Observations 392 392 392 392 392 Number of countries 43 43 43 43 43 0.50 0.63 0.52 0.71 0.71 R-squared Absolute value of t statistics in parentheses, * significant at 10%; ** significant at 5%; *** significant at 1% Les deux premières colonnes RE et FE permettent d’effectuer le test de Hausman qui révèle la validité du modèle à effets fixes (χ2 (7) = 17,37 ; Prob> χ2 = 0,0152). La colonne 3 (OLS) nous permet de procéder à un test de Breusch-Pagan pour vérifier l’hétéroscédasticité ; l’hypothèse nulle d’homoscédasticité est rejetée puisqu’on obtient χ2 (1) = 285,24 ; Prob> χ2 = 0,000. De ce fait, il convient de garder le modèle à effets fixes en corrigeant l’hétéroscédasticité : les résultats sont présentés en colonne 4. Nous constatons cependant que certaines variables deviennent non significatives et nous présentons en colonne 5 le modèle final comportant seulement les variables significatives. 16 L’observation des résultats montre que cinq variables sur les sept initiales sont significatives à 1%, 5% ou 10%. On constate que les crédits au gouvernement sont fortement significatifs avec un coefficient positif, ce qui implique, comme on pouvait s’y attendre, que plus le gouvernement s’endette, plus l’économie est instable. Il en va de même pour l’endettement du secteur bancaire en devises, conformément aux conclusions des modèles de troisième génération. Le taux de change réel est fortement significatif, la positivité du coefficient indiquant que plus la monnaie se déprécie en termes réels (plus le TCR augmente), plus l’économie est instable. Quant à la variable dummy représentant les faillites bancaires, elle est positive, conformément aux attentes de la littérature. Par contre, les crédits bancaires au secteur privé, ainsi que la variable dummy représentant les changes fixes devient nonsignificative, ce qui implique qu’un tel régime n’engendre pas forcément d’instabilité. Au total, les variables macroéconomiques seules expliquent environ 71% de la variance de l’indicateur d’instabilité. Cependant, jusqu’à présent, nous avons raisonné sur les 43 pays de notre liste initiale. Il est maintenant nécessaire, conformément à l’analyse de l’hétérogénéité des pays présentée à la section 2, d’effectuer la même procédure sur l’échantillon réduit des 40 pays homogènes et de comparer les résultats obtenus. Le tableau 2 ci-dessous présente les résultats pour l’échantillon réduit. Tableau 2 Régression de l’indicateur d’instabilité sur les variables macroéconomiques (échantillon réduit de 40 pays) (1)RE (2)FE (3)OLS (4)FE ROBUST CRIS 0.031 (4.50)*** 0.016 (6.93)*** 0.055 (7.54)*** -0.104 (2.38)** 0.006 (1.01) 0.730 (1.97)** -0.324 (0.58) -4.481 (5.57)*** 369 (5)FE ROBUST CRIS 0.031 (4.48)*** 0.016 (6.87)*** 0.057 (7.71)*** -0.111 (2.57)** CRIS CRIS CRIS 0.036 0.031 0.040 (6.98)*** (6.04)*** (7.59)*** Bank foreign liabilities 0.014 0.016 0.010 (9.76)*** (10.25)*** (7.99)*** REER 0.048 0.055 0.039 (11.48)*** (12.30)*** (9.34)*** Current account balance -0.062 -0.104 -0.024 (2.73)*** (3.73)*** (1.29) Claims on priv. sector 0.013 0.006 0.022 (2.34)** (1.08) (3.65)*** Banking crisis 0.823 0.730 0.944 0.683 (3.15)*** (2.68)*** (3.62)*** (1.83)* Fixed Exchange regime -0.411 -0.324 -0.427 (1.19) (0.76) (1.51) Constant -3.718 -4.481 -2.673 -4.658 (8.18)*** (9.71)*** (6.26)*** (5.86)*** Observations 369 369 369 369 Number of countries 40 40 0.64 0.53 0.70 0.70 R-squared Absolute value of t statistics in parentheses, * significant at 10%; ** significant at 5%; *** significant at 1% Claims on government Les mêmes tests que précédemment (Hausman, Breusch-Pagan, multiciolinéarité) ont été effectués et donnent des résultats identiques (modèle à effets fixes avec hétéroscédasticité). La comparaison des colonnes 4 et 5 (FE ROBUST) des tableaux 1 et 2 montre de façon patente que les coefficients obtenus sont extrêmement proches. Ce résultat est important car il 17 montre que la spécification adoptée est robuste et permet de traiter de façon identique des pays ayant des caractéristiques très diverses. Du fait que l’introduction des trois pays atypiques du tableau 1 n’altère en rien les résultats obtenus, nous choisissons de poursuivre l’analyse sur la totalité des 43 pays de la liste initiale. Nous sommes maintenant en mesure de déduire de l’analyse précédente les effets fixespays qu’il s’agira d’expliquer au moyen des variables de contrôle et des variables institutionnelles au cours de la seconde étape de la procédure. b) Etape 2 : régression des effets fixes-pays sur les variables institutionnelles et les variables de contrôle Cette étape consiste à régresser les effets fixes-pays sur les variables de contrôle et les variables institutionnelles. Du fait de l’indisponibilité de certaines données, nous disposons seulement d’un vecteur d’effets fixes comportant 41 observations et, comme nous l’avons mentionné à la section 3, il existe de nombreuses variables institutionnelles : 10 variables « Heritage », 6 variables « Kaufmann », auxquelles il faut ajouter une variable de corruption tirée de « Transparency International ». A ces 17 variables s’ajoutent 5 variables de contrôle, ce qui porte à 22 le nombre de variables susceptibles d’expliquer les effets-fixes pays. Il est bien évident qu’une simplification s’impose, d’autant que ces variables présentent une forte auto-corrélation. Nous regroupons donc les variables institutionnelles – ainsi que nous l’avons suggéré à la section 4 – ce qui permet d’éliminer l’auto-corrélation entre certaines variables. Nous parvenons ainsi aux résultats présentés dans le tableau 3 ci-dessous6. Parmi les variables de contrôle, quatre indicateurs apparaissent significatifs dans presque toutes les spécifications. L’indicateur de dimension (GDP) apparaît fortement significatif avec un coefficient négatif. Ceci reflète le fait que plus un pays est grand (économiquement), plus il est à l’abri de l’instabilité. Le taux d’ouverture (Trade/GDP) est une deuxième variable de contrôle significative et négative : plus une économie est ouverte, plus elle apparaît à l’abri de l’instabilité ; cette relation pourrait correspondre à l’idée selon laquelle l’ouverture au commerce international a un impact positif sur le développement (Frankel et Romer [1999]) et renforce ainsi la stabilité du pays considéré ; néanmoins, la confirmation de cette hypothèse nécessiterait des recherches supplémentaires. Le taux de monétisation (M2/GDP) est significatif à 1% et négatif dans la spécification 8 : alors que l’on aurait pu penser que l’excès de liquidité, souvent incriminé entre autres dans la crise asiatique, pourrait être un facteur déstabilisant, notre analyse révèle que cet indicateur reflète plutôt la profondeur financière du pays et constitue un facteur de stabilité. Enfin, le taux d’investissement apparaît aussi significatif dans la plupart des spécifications, mais avec un signe positif ; ceci implique que plus un pays a un taux d’investissement élevé, plus il a tendance à l’instabilité, un résultat qui semble a priori contre-intuitif ; bien que des analyses plus fines soient nécessaires, on peut suggérer un effet de surinvestissement de certains pays émergents dans des domaines improductifs. Quand on passe aux variables institutionnelles, on constate que seules cinq variables restent significatives en présence des variables de contrôle : il s’agit de « Kauf 1 » (la bonne qualité de la gouvernance publique), « Kauf 2 » (le consensus social), « Herit 2 » (la mauvaise qualité du système monétaire et financier), « Herit 3 » (des obstacles aux relations économiques internationales), et « Score CPI » (indicateur de perception de la corruption 6 Seules les spécifications comportant des variables significatives ont été retenues. 18 élaboré par Transparency International : plus l’indicateur est bas, plus il y a de corruption). Ces variables institutionnelles, qui rappelons-le sont des variables composites qui incorporent la quasi-totalité des variables institutionnelles de départ, ont toutes le signe attendu selon la littérature standard : meilleure est la gouvernance publique et meilleur est le consensus social, moins il y a d’instabilité économique ; pire est la qualité du système financier et pires sont les obstacles aux relations internationales, plus il y a d’instabilité économique ; enfin, plus il y a de corruption, plus il y a d’instabilité économique. En outre, nous pouvons noter l’absence de la variable « Herit 1 » qui représente le non-respect des droits économiques fondamentaux et l’excès de réglementation. Cette absence signifie que l’intervention de l’Etat n’est pas forcément génératrice d’instabilité, ni d’ailleurs de stabilité. 6) Conclusion Dans l’ensemble, la qualité institutionnelle a un impact significatif et positif sur la stabilité financière. L’instabilité financière a été mesurée par un indicateur de crise que nous avons construit sur la base des variations mensuelles de taux de change et des réserves de change pour 41 pays émergents, sur une période de dix ans de 1995 à 2004. Cet indicateur de crise ou d’instabilité économique a été régressé sur trois types de variables : des variables macroéconomiques suggérées par la littérature sur les modèles de crise de première, deuxième et troisième générations ; des variables de contrôle reflétant les caractéristiques générales des pays (dimension, niveau de développement, taux d’ouverture etc.) ; enfin, et c’est l’originalité de la présente contribution, l’indicateur a été régressé sur des variables institutionnelles, ellesmêmes de deux types : qualité des institutions politiques et qualité des institutions économiques, auxquelles on a ajouté un indicateur de corruption. Deux procédures ont été appliquées pour traiter les variables de contrôle : celles-ci ont été dans un premier temps considérées comme stables et dans un second temps comme variables dans le temps. Dans les deux cas, une première étape a consisté à régresser l’indicateur de crise sur les variables macroéconomiques et (selon les procédures) sur les variables de contrôle ; une seconde étape a procédé au calcul des effets fixes-pays résultant de cette première régression ; enfin une troisième étape a permis de régresser ces effets fixes sur les variables institutionnelles et (selon les procédures) sur les variables de contrôle. Dans toutes les spécifications envisagées, les variables institutionnelles politiques ou économiques (ainsi que l’indicateur de corruption) ont bien un impact sur l’instabilité, et cet impact correspond à la philosophie des travaux déjà réalisés sur l’impact des institutions sur la croissance : de même qu’une meilleure qualité institutionnelle engendre plus de croissance, elle engendre aussi plus de stabilité. Pour résumer, un pays plus consensuel, ayant une meilleure gouvernance publique, faiblement corrompu, plus ouvert internationalement et ayant des institutions financières développées, sera, toutes choses égales d’ailleurs, un pays relativement à l’abri des crises financières ou de change. Ce résultat permet d’enrichir la littérature naissante sur les modèles de crise « de quatrième génération », et de construire sur cette base des pronostics de déclenchement des crises futures. La question de politique économique que l’on peut se poser est celle de savoir quelles institutions devraient être aménagées pour favoriser la stabilité financière des pays émergents. La méthodologie adoptée dans cette contribution ne permet pas de chiffrer l’influence de chacune des variables institutionnelles sur l’indicateur d’instabilité, et de passer ainsi à une analyse factorielle de l’instabilité. Nous proposerons dans une version ultérieure de cette contribution un traitement spécifique de cette question. 19 Tableau 3 2ème étape : Régressions des effets fixes sur les variables de contrôle et les variables institutionnelles (1) (2) (3) EF EF EF -0.012 -0.011 -0.013 (2.48)** (2.31)** (2.69)** -4.51 -4.14 -4.88 (3.74)*** (3.56)*** (3.81)*** 0.135 0.137 0.109 (2.58)** (2.62)** (2.00)* (5) (6) (7) EF EF EF -0.013 -0.014 -0.012 (2.64)** (2.71)** (2.47)** -2.26 -4.11 -4.11 -3.97 (2.16)** (3.36)*** (3.29)*** (3.37)*** 0.123 0.109 0.137 (2.23)** (1.96)* (2.56)** Herit2 0.920 (2.47)** 1.004 (2.85)*** Herit3 0.620 0.959 (1.99)* (3.21)*** CPI Kaufmann Heritage Variables de contrôle Trade/GDP GDP7 Invest rate (4) EF M2/GDP 1.082 (3.13)*** Kauf1 Kauf2 -2.42 (2.10)** 0.107 (2.01)* -0.022 (3.21)*** 0.866 (2.02)* -1.082 -0.595 (3.24)*** (1.48) -0.650 -0.649 -0.891 (1.93)* (1.81)* (2.56)** Score CPI -0.410 (2.95)*** Constant -6.129 -3.357 -3.506 -1.069 1.621 (3.48)*** (1.69)* (2.34)** (0.63) (1.38) Observations 41 41 41 41 41 R-squared 0.49 0.49 0.40 0.36 0.40 Absolute value of t statistics in parentheses, * significant at 10%; ** significant at 5%;*** significant at 1% 7 (8) EF La variable GDP est exprimée en millions de dollars constants de 2000. 20 0.746 (0.67) 41 0.38 -2.752 (1.13) 41 0.47 1.173 (0.92) 41 0.40 BIBLIOGRAPHIE Anderson J. E. et Marcouiller D., 2002, «Insecurity and the pattern of trade: an empirical investigation», The Review of Economics and Statistics, 84, 2, p. 342 - 352. Apoteker T. et Barthélémy S., 2005, «Predicting financial crises in emerging markets using a composite non-parametric model», Emerging Markets Review, 6, p. 363 - 375. Bénassy-Quéré A., Coupet M. et Mayer T., 2005, «Institutional determinants of foreign direct investment», Working Paper n°2005-05, CEPII. Chang R. et Velasco A., 2000 b, «Financial fragility and the exchange rate regime», Journal of Economic Theory, vol. 92, issue 1, p. 1 – 34, mai. _____, 2000a, «Banks debt maturity and financial crises», Journal of International Economics, vol. 51, p. 169 - 194. Corsetti G., Pesenti P. et Roubini N., 1999 a, «What caused the Asian currency and financial crisis ? », Japan and The World Economy, vol. 11, p. 305 – 373. _____, 1999 b, «Paper tigers ? a model of the Asian crisis», European Economic Review, vol. 43, p. 1211 - 1236. Diamond D. et Dybvig P., 1983, «Bank runs deposit insurance and liquidity», Journal of Political Economy, vol. 91 n° 3, p.401 - 419. Dollar D. et Kraay A., 2002, «Growth is good for the poor», Journal of Economic Growth, 7, p. 195 - 225. Dollar D. et Kraay A., 2003, «Institutions, trade and growth», Journal of Monetary Economics, 50-1, p. 133 - 162. Flood Robert P. et Garber Peter M., 1984, «Collapsing exchange rate regimes : some linear examples», Journal of International Economics, n° 17, p. 1 - 13. Flood Robert P. et Marion Nancy P., 2000, «Self – fulfilling risk predictions : an application to speculative attacks», Journal of International Economics, vol. 50, p. 245 - 268. _____, 1998, «Speculative attacks : fundamentals and self – fulfilling prophecies», NBER Working Paper, n° 5789, octobre. _____, 1996, «Policy implications of second generation crisis models», IMF, Working Paper, n° WP/97/16, novembre. Frankel J. A. et Romer D., 1999, «Does trade cause growth ?», American Economic Review, vol. 89-3, p. 379 - 399. Krugman P., 1979, «A model of balance of payments crises», Journal of Money Credit and Banking vol. 11, n° 3, août. _____, 2000, «Pourquoi les crises reviennent toujours», Editions du Seuil, Paris. _____, 1998a, «What happened to Asia», Mimeo, MIT, janvier. _____, 1998b, «Fire sale FDI», Mimeo, MIT, janvier. _____, 1998c, «Will Asia bouce back ? », Mimeo, MIT, janvier. Méon P. G. et Sekkat K., 2004, «Does the quality of institutions limit the MENA’s integration in the world economy ?», The World Economy vol. 27, issue 9, p. 1475 1498. 21 Mishkin Frederic S., 2000, «Financial policies and the prevention of financial crises in emerging market coutries», NBER Conference, Economic and Financial Crises in Emerging Market Countries Woodstock, Vermont, 19 - 21 octobre. _____, 1999, «Lessons from the Asian crisis», NBER avril. Working Paper, n° 7102, _____, 1999, «Lessons from The Asian crisis», Journal of International Money and Finance, vol. 18, p. 709 - 723. _____, 1998, «International capital movements, financial volatility and financial instability», NBER, Working Paper, n° 6390, janvier. Obstfeld M., 1997, «Destabilizing effects of exchange rate escape clauses», Journal of International Economics, n° 43, p. 61 – 77. _____, 1996, «Models of currency crises with self fulfilling features», European Economic Review, vol. 40, p. 1037 – 1047. _____, 1994, «The logic of currency crises», Banque de France, Cahiers Economiques et Monétaires, n° 43, p. 189 - 213. _____, 1991, «Destabilizing effects of exchange rate escape clauses», NBER, Working Paper, n° 3603. Pesenti P. et Tille C., 2000, «The economics of currency crises and contagion : an introduction», Federal Reserve Bank of New York, FRBNY, Economic Policy Review, septembre. Radelet S. et Sachs J., 1999, «What have we learned so far from the Asian financial crisis?», Consulting Assistance on Economic Reform II, CAER II, Discussion Paper, n° 37, mars. _____, 1998a, «The onset of the East Asian financial crisis», NBER, Working Paper, n°6680, août. _____, 1998b, «The East Asian financial crisis : diagnosis remedies prospects», Brooking Papers on Economic Activity, N° 1. Schneider M. et Tornell A., 2000, «Balance sheet effects bailout guarantees and financial crises», NBER, Working Paper, n° 8060, décembre. Zouari S., 2005 a, «Modèles des crises financières indicateurs de vulnérabilité et implication du secteur bancaire dans la crise asiatique de 1997 - 1998», Thèse de doctorat ès Sciences Economiques, Université Paris II Assas, février. _____, 2005 b, «Que savons - nous des modèles de crise de change ? Survey théorique », Séminaire des doctorants de l’ERUDITE, 08 décembre 2005. 22 ANNEXES 1 LISTE DES 43 PAYS, CLASSES PAR REGIONS Groupe des Pays de la région Amérique Latine Groupe des pays de la région Asie du Sud et de l’Est Groupe des pays de la région Europe et Asie Centrale ARGENTINE BANGLADESH BULGARIE ISRAEL BRESIL CHINE CROATIE AFRIQUE DU SUD CHILI HONG KONG TCHEQUIE TURQUIE COLOMBIE INDE ESTONIE COSTA RICA INDONESIE HONGRIE EQUATEUR COREE DU SUD KAZAKHSTAN GUATEMALA MALAISIE LITUANIE HONDURAS PAKISTAN MACEDOINE MEXIQUE PHILIPPINES POLOGNE NICARAGUA SINGAPOUR ROUMANIE PEROU SRI LANKA RUSSIE URUGUAY THAILANDE SLOVAQUIE VENEZUELA VIETNAM SLOVENIE UKRAINE 23 Hors régions ANNEXE 2 LISTE DES VARIABLES INSTITUTIONNELLES Institutions politiques (KAUFMANN) VA : « Voice and Accountability » (expression et responsabilité démocratiques) PS : « Political Stability » (stabilité politique) GE : « Government effectiveness » (efficacité de la gouvernance publique) RQ : « Quality of Regulation » (qualité de la réglementation administrative) RL : « Rule of Law » (Etat de droit) CC: « Control of Corruption » (contrôle de la corruption) Chaque pays reçoit une note de 0 à 5 (meilleure qualité institutionnelle = 5). Données disponibles pour 1996, 1998, 2000, 2002 et 2004. Ces données variant peu, une moyenne a été établie pour les 5 observations disponibles. Kaufmann 1 (Kauf1) : (GE + QR + RL + CC) / 4 Kaufmann 2 (Kauf2) : (VA + PS) / 2 Institutions économiques (HERITAGE) Trade : « Trade Policy » (obstacles tarifaires ou non au commerce international) Fiscal : « Fiscal burden of government » (poids des impôts et taxes) Intervention: « Government intervention in the economy » (poids de la dépense publique) Monetary_policy: « Monetary Policy » (inflation sur les dix dernières années) Foreign_investment: « Capital flows and foreign investments » (degré de restrictions sur les flux de capitaux internationaux Banking: « Banking and Finance » (degré de contrôle du gouvernement sur le crédit, les marchés financiers et les banques) Wages_prices : « Wages and Prices » (degré de contrôle du gouvernement sur les marchés du travail et des biens) Property_rights : « Property Rights » (influence du gouvernement sur la justice, non-respect du droit de propriété, expropriations, corruption etc) Regulation : « Regulation » (lourdeur des réglementations diverses, bureaucratie etc) Informal_market : « Informal market » (degré d’extension de divers marchés informels) Chaque pays reçoit chaque année une note de 1 à 5 (meilleure qualité institutionnelle = 1). Données disponibles depuis 1970. Les données variant peu, une moyenne a été établie pour les 10 années observées. Heritage 1 (Herit1) : (Property_rights + Regulation + Informal_markets) / 3 Heritage 2 (Herit2): (monetary_policy + banking) / 2 Heritage 3 (Herit3): (trade + foreign_investment) / 2 Indice de perception de la corruption (TRANSPARENCY INTERNATIONAL) Score_CPI : « Corruption Perception Index » (Indice de perception de la corruption) Chaque pays reçoit une note de 0 à 10 (forte corruption = 0, haut niveau de probité = 10). Les notes font référence à la perception du degré de corruption tel qu’il est ressenti par les milieux d’affaires, les universitaires et les analystes du risque-pays. Les notes sont attribuées au moyen de 17 enquêtes réalisées par 13 organismes indépendants. Données disponibles annuellement mais relativement stables, une moyenne a été établie sur 1995-2004. 24