Chapter

Chapitre 3. Les enseignements à tirer des fluctuations des prix des actifs pour la politique monétaire

Author(s):
International Monetary Fund. Research Dept.
Published Date:
November 2009
Share
  • ShareShare

Related Material

Show Summary Details

La crise actuelle nous offre l’occasion de nous pencher à nouveau sur une question ancienne : faut-il recourir à la politique monétaire pour prévenir les effondrements des prix des actifs? Cette question revêt au moins trois aspects, dont chacun est abordé dans le présent chapitre. Nous examinons d’abord les données historiques afin de détecter des schémas macroéconomiques réguliers susceptibles de servir d’indicateurs précurseurs fiables de ces phénomènes. Nous analysons ensuite le rôle de la politique monétaire dans la période qui a précédé la crise actuelle. Nous évaluons en particulier la validité des accusations selon lesquelles les pouvoirs publics auraient provoqué cette crise en adoptant des mesures insuffisantes face aux pressions inflationnistes croissantes, ou auraient augmenté la probabilité d’un affaissement des prix des actifs en établissant les taux d’intérêt sans prêter suffisamment attention à ces prix et au crédit. Enfin, nous nous posons la question de savoir si l’objectif de la politique monétaire devrait être élargi à d’autres domaines que la stabilité de l’inflation des prix des biens, et nous nous interrogeons sur la façon dont cela pourrait se faire et sur les arbitrages éventuels.

Le chapitre présente les conclusions suivantes. De manière générale, l’inflation et la production n’affichent pas de comportement inhabituel dans la phase précédant la chute des prix des actifs. En revanche, le crédit, la part de l’investissement dans le PIB, les déficits courants et les prix des actifs augmentent, et constituent ainsi des indicateurs prospectifs utiles de ces phénomènes. Ce schéma est également observable dans la phase qui a précédé la crise actuelle. Par ailleurs, depuis 1985, l’orientation de la politique monétaire n’a généralement pas été un indicateur avancé fiable des replis ultérieurs des prix du logement, ce qui concorde avec les données indiquant que l’inflation et la production sont de médiocres indicateurs précurseurs. Dans certains pays, le laxisme de la politique monétaire est dans une certaine mesure associé à la hausse des prix du logement dans les années qui ont précédé la crise courante, mais il n’a pas été la cause principale, systématique, de la période d’expansion et du marasme qui l’a suivie. S’il est une chose que l’on peut reprocher aux responsables de la politique monétaire, c’est essentiellement d’avoir pris des mesures trop modérées et de ne pas avoir réagi assez vigoureusement aux signes d’une vulnérabilité financière croissante.

Le présent chapitre défend l’idée selon laquelle il pourrait être bénéfique, en termes de stabilisation, de mettre davantage l’accent sur le risque macrofinancier. Les simulations indiquent que l’utilisation d’un instrument macroprudentiel spécifiquement conçu pour atténuer les cycles du marché du crédit permettrait de contrer les mécanismes accélérateurs qui gonflent la croissance du crédit et les prix des actifs. Par ailleurs, une riposte monétaire plus vive aux signes de surchauffe ou à une bulle du crédit ou des prix d’actifs pourrait également s’avérer utile. Une approche ainsi élargie à la politique monétaire passerait peut-être par l’intégration explicite de la surveillance de la stabilité macrofinancière aux mandats des banques centrales. Les attentes doivent toutefois être réalistes. Il est difficile de déterminer si les périodes d’expansion du crédit et d’envolée des prix des actifs ou le creusement des déficits courants sont dus à des évolutions inoffensives ou pernicieuses. Les meilleurs indicateurs avancés de vulnérabilité financière eux-mêmes sont bruyants, et envoient parfois des signaux fallacieux qui risquent d’entraîner des erreurs de politique monétaire.

La première partie analyse les phases de contraction des prix des actifs au cours des quarante dernières années; elle présente des données concernant les coûts caractéristiques de ces périodes, décrit brièvement les tendances des variables macroéconomiques qui les provoquent, et définit d’éventuels indicateurs précurseurs d’effondrements ultérieurs. La deuxième partie examine si ces schémas sont valables pour une section transversale de pays avancés dans les années qui ont précédé la crise en cours. La troisième se penche sur le rôle de la politique monétaire dans ces pays, et s’intéresse notamment aux associations entre conditions monétaires, expansion du crédit et appréciation des prix du logement. Le chapitre fait ensuite appel à une méthode modélisée pour étudier le rôle que pourraient jouer les politiques monétaire et macroprudentielle pour modérer les hausses des prix immobiliers et l’expansion du crédit. La dernière partie analyse les conséquences pour l’action des pouvoirs publics. L’appendice 3.2 apporte des précisions sur les sources des données et explique les modifications apportées à ces dernières.

Les phases de contraction des prix des actifs à l’ère moderne

Nous examinons ici les cas d’effondrement des prix du logement et des cours boursiers au cours des quarante dernières années. Nous nous intéressons en particulier aux variables macroéconomiques déterminantes dans les périodes qui les ont précédés pour tenter de déceler des schémas systématiques dans leur comportement. La question de savoir si les pouvoirs publics doivent réagir à ces indicateurs précurseurs est abordée plus loin dans le chapitre.

L’analyse des périodes précédant les chutes des prix immobiliers et des cours boursiers est un apport relativement nouveau aux études spécialisées. Borio et Lowe (2002a) et Gerdesmeier, Reimers et Roffia (2009) présentent des preuves concrètes de la façon dont les périodes d’expansion du crédit, des prix des actifs et de l’investissement permettent de prévoir, respectivement, les crises bancaires et la baisse brutale des prix des actifs. L’analyse présentée ici, qui examine les prix du logement et les cours boursiers séparément, livre de nouveaux résultats. Nous observons en particulier un schéma récurrent de dégradation des soldes courants dans les périodes précédant l’effondrement des prix du logement.

Le chapitre définit en outre des schémas singuliers pour les périodes de recul des prix d’actifs intervenues après 1985 par rapport à ceux qui étaient observables avant cette date1.

Faits stylisés concernant les phases de repli des prix des actifs

La première tâche consiste à définir en quoi consiste un effondrement des prix des actifs. Nous faisons appel ici à une méthode simple, analogue à celle utilisée par Bordo et Jeanne (2002)2. On entend par effondrement des prix des actifs toute période de quatre trimestres consécutifs durant laquelle la moyenne mobile suivie du taux de croissance annuelle des prix des actifs, en termes réels, diminue en deçà d’un seuil donné. Ce seuil est fixé à –5 % pour les prix du logement, et à –20 % pour les cours boursiers3. Le niveau plus élevé (en termes absolus) du seuil appliqué aux cours boursiers tient au fait que ces derniers sont généralement plus instables. Cette méthode est objective, aisément reproductible, et peut s’appliquer uniformément à tous les pays. Les seuils établis permettent par ailleurs de détecter les périodes essentielles et bien connues de baisse brutale des prix des actifs (le Japon au début des années 90, la bulle internet dans les années 2000), tout en en respectant la rareté relative.

L’application de cette méthode aux données concernant les cours réels des actions et les prix réels du logement permet de détecter 47 phases de repli des prix immobiliers et 98 phases de contraction des cours boursiers entre 1970 et 2008 (tableau 3.1)4. Les premières sont généralement plus longues et s’accompagnent d’une perte de productivité plus prononcée. Elles durent en moyenne deux ans et demi, les secondes un an et demi environ5. La baisse cumulée de la production en dessous de la tendance est d’environ 4¼ % au cours de la première année suivant le début de la phase de contraction des prix du logement6, contre 1¼ % pendant celle suivant la chute des cours boursiers. Ces constatations correspondent à celles d’éditions antérieures des Perspectives de Véconomie mondiale (avril 2003 et avril 2008), ainsi qu’à celles de Claessens, Kose, and Terrones (2008).

Tableau 3.1.Phases de contraction des prix du logement et des cours boursiers entre 1970 et 2008
Échantillon completAvant 19851985–2008
Prix du logementCours boursiersPrix du logementCours boursiersPrix du logementCours boursiers
Nombre total de phases de contraction479822412557
Nombre de phases de contraction par pays2,764,671,291,951,472,71
Recul cumulé des prix (%)1–17,71–37,38–19,43–35,27–15,58–38,90
Durée (nombre de trimestres)10,026,9811,227,929,746,29
Recul cumulé de la production (en % par rapport à la tendance)2–4,27–1,31–5,41–1,33–3,27–1,29
Note : Les valeurs présentées sont des valeurs moyennes.

Le recul cumulé des prix est mesuré sur la durée totale de la phase de contraction.

Le recul cumulé de la production est mesuré par l’écart cumulé par rapport à la tendance extraite par un filtre Hodrick-Prescott simple avec un paramètre de lissage de 1600 pour les quatre premiers trimestres de baisse.

Note : Les valeurs présentées sont des valeurs moyennes.

Le recul cumulé des prix est mesuré sur la durée totale de la phase de contraction.

Le recul cumulé de la production est mesuré par l’écart cumulé par rapport à la tendance extraite par un filtre Hodrick-Prescott simple avec un paramètre de lissage de 1600 pour les quatre premiers trimestres de baisse.

Le graphique 3.1 montre une répartition assez uniforme des phases de contraction des prix des actifs avant et après 1985 — année qui marque généralement le début de la «Grande Modération», période caractérisée par une baisse sensible de la volatilité macroéconomique dans les pays avancés (voir McConnell and Pérez-Quirôs, 2000, et Gali and Gambetti, 2009). Plusieurs de ces phases ont touché plusieurs pays, notamment celles de 1974–75, 1983, 1992 et 2008. La crise actuelle est celle qui en touche le plus grand nombre, tant en ce qui concerne les prix immobiliers que les cours boursiers.

Graphique 3.1.Effondrement des prix des actifs

Source : calculs des services du FMI.

Tendances des variables macroéconomiques dans les périodes précédant un effondrement

Les phases de contraction des prix des actifs, surtout celles des prix du logement, sont longues et coûteuses. Sont-elles prévisibles? En théorie, il est impossible de prévoir très précisément à quel moment les fluctuations des prix des actifs, les baisses prononcées en particulier, vont se produire. Si c’était possible, les investisseurs vendraient, en partie au moins, ces actifs, et il n’y aurait pas de cycles d’expansion et de contraction. Même ainsi, on pourrait peut-être observer dans le comportement des variables macroéconomiques quelques schémas réguliers indiquant la probabilité d’une phase de repli, même s’ils ne donnent guère de précisions quant au moment où elle interviendra.

Avant d’examiner si de tels schémas macroéconomiques existent, nous devons procéder à des corrections pour tenir compte des périodes d’évolution lente. Cette analyse porte certes, dans une large mesure, sur les taux de croissance, mais ces derniers ont connu des périodes d’évolution lente au cours des quatre décennies couvertes par l’échantillon. Ainsi, dans presque tous les pays, les taux d’inflation enregistrés pendant les années 90 ont été sensiblement inférieurs à ceux des années 70; un examen des écarts par rapport à une moyenne calculée sur la base de l’échantillon complet serait donc de nature à induire en erreur. Il en va de même pour la croissance de la production, dont la dynamique s’essouffle après la période de rattrapage suivant la Seconde Guerre mondiale et sous l’effet du vieillissement démographique. Pour tenir compte de ces périodes d’évolution lente, on prend pour filtre une moyenne mobile suivie sur huit ans afin d’isoler les fluctuations importantes ou anormales de ces variables. Trois facteurs ont présidé au choix du filtre. Primo, il est aisément reproductible. Secundo, les évolutions des variables étudiées sont assez lentes. Tertio, cette mesure, à la différence des moyennes mobiles centrées ou du très apprécié double filtre Hodrick-Prescott (HP), ne comporte pas d’informations non disponibles à l’époque7.

Les résultats obtenus au moyen d’un filtre simple doivent cependant être interprétés avec prudence. Dans le cas d’une variable dont le taux de croissance affiche une hausse temporaire mais persistante, l’écart par rapport à une moyenne mobile suivie s’amenuise à mesure que la courbe «rattrape» le taux de croissance supérieur. On pourrait erronément y voir un retour à un comportement normal, même si la variable continue d’afficher une forte croissance. Le choix d’un créneau de huit ans pour la moyenne mobile atténue légèrement ce problème du fait qu’il allonge la période pendant laquelle une période d’expansion doit durer pour que le rattrapage s’effectue.

Quels schémas observons-nous lorsque nous procédons à ces corrections? Le graphique 3.2 illustre le comportement de huit variables macroéconomiques fondamentales à l’époque où ont débuté les phases de repli des prix du logement, avant 1985 d’une part, et pendant et après cette date d’autre part. Trois facteurs ont motivé la décision de scinder l’échantillon. Comme signalé, l’année 1985 marque grosso modo le début de la Grande Modération. Ensuite, il se peut que la dynamique des phases de contraction des prix des actifs au cours de la période précédant 1985 ait été très différente en raison du caractère distinct des chocs, tels que les deux crises pétrolières des années 70. Enfin, dans la période suivant 1985, la libéralisation des marchés financiers s’est poursuivie et la politique monétaire a été plus régulière — une conjoncture macroéconomique bien plus proche de la conjoncture actuelle que celle qui régnait avant 1985.

Graphique 3.2.Variables macroéconomiques représentatives avant et pendant les phases de contraction des prix du logement

(Écart médian, en pourcentage, à partir dune moyenne mobile suivie sur huit ans, sauf indication contraire; un astérisque indique une divergence statistiquement significative de l’écart post-1985 par rapport à 0; t = 1 représente le premiér trimestre d’une phase de contraction)

Source : calculs des services du FMI.

Le graphique 3.2 livre des résultats intéressants. Les périodes qui précèdent les phases de contraction des prix du logement, en 1985 et par la suite, se caractérisent par des taux de croissance du crédit par rapport au PIB supérieurs à la normale, une forte dégradation des soldes courants, et des ratios investissement/PIB supérieurs à la normale. Les prix du logement et les cours des actions aussi augmentent plus rapidement que la tendance de la moyenne mobile sur huit ans, bien que la différence ne s’écarte pas significativement de zéro dans les deux années précédant leur effondrement. Tout aussi intéressant, la croissance de la production n’affiche aucun écart significatif par rapport à la tendance mesurée, et l’inflation est en fait inférieures sa moyenne mobile sur huit ans. Avant 1985, on n’observe pas systématiquement d’augmentation rapide du crédit par rapport au PIB ou de dégradation des soldes courants dans la période précédant les phases de contraction, même si l’on constate d’importants écarts de l’inflation, qui coïncident avec les deux crises pétrolières.

Comme le montre le graphique 3.3, la période suivant 1985 présente un schéma analogue de forte augmentation de la croissance du crédit et du ratio investissement/PIB au cours de la période précédant la chute des cours des actions. Le comportement des variables économiques est toutefois très distinct avant l’effondrement des cours boursiers et avant celui des prix du logement. D’abord, la croissance de la production est généralement si-gnificativement supérieure à la tendance durant la période précédant la chute des premiers. Ensuite, il n’y a pas de dégradation des soldes courants comme c’est le cas avant les phases de contraction des prix du logement. Même si le solde courant médian affiche une dégradation dans l’année précédant l’affaissement des cours, son niveau ne s’écarte pas significativement de zéro.

Graphique 3.3.Variables macroéconomiques représentatives avant et pendant les phases de contraction des cours boursiers

(Écart médian, en pourcentage, à partir d’une moyenne mobile suivie sur huit ans, sauf indication contraire; un astérisque indique une divergence statistiquement significative de l’écart post-1985 par rapport à 0; t = 1 représente le premier trimestre d’une phase de contraction)

Source : calculs des services du FMI.

Comme indiqué au tableau 3.1, les phases de repli des prix des actifs, de ceux du logement en particulier, sont des phénomènes coûteux. Les variables macroéconomiques affichent-elles des évolutions différentes dans la période précédant des phases de contraction des prix immobiliers particulièrement coûteuses? Le graphique 3.4 illustre le comportement du même ensemble de variables pour les seuls prix du logement entre 1985 et 2008. Les observations sont réparties en deux catégories : les phases de contraction de ces prix associées à des chutes notables de la production, et les autres8. Le taux de croissance du crédit par rapport à la production, la part de l’investissement résidentiel dans le PIB, et le taux d’augmentation des prix du logement eux-mêmes sont tous plus élevés pendant les phases de contraction coûteuses que pendant les autres. Il est intéressant de constater que la hausse de l’inflation et l’augmentation de la production n’affichent pas, pendant les périodes précédant de telles phases, d’écart significatif par rapport aux autres.

Graphique 3.4.Variables macroéconomiques représentatives avant et pendant les phases de contraction, coûteuses et autres, des prix du logement, 1985–2008

(Écart médian, en pourcentage, à partir d’une moyenne mobile suivie sur huit ans, sauf indication contraire; un astérisque indique une divergence statistiquement significative de l’écart post-1985 par rapport à 0; t = 1 représente le premier trimestre d’une phase de contraction)

Source : calculs des services du FMI.

Ces indicateurs peuvent-ils prédire les chutes des prix des actifs?

Il existe donc quelques schémas communs aux deux à trois années précédant les baisses brutales des prix des actifs, notamment une expansion considérable des parts du crédit intérieur et de l’investissement, souvent conjuguée à des déficits courants. Mais dans quelle mesure ces variables sont-elles prédictives? Du point de vue des autorités monétaires, la surveillance de ces variables macroéconomiques, voire l’adoption de mesures correctives, en cas de croissance anormale ne se justifient que si elles permettent d’évaluer les risques d’un effondrement des prix d’actifs.

Pour évaluer la capacité prédictive de ces variables, nous faisons appel à une méthode mise au point par Kaminsky, Lizondo et Reinhart (1998) et Kaminsky et Reinhart (1999)9. Il s’agit de déterminer si des variations trop amples de variables particulières sont associées à des chutes ultérieures. On entend par «variation ample» les écarts par rapport à une tendance sous-jacente, fondée sur l’utilisation d’une moyenne mobile sur huit ans. Quand l’écart par rapport à la tendance dépasse un seuil donné, nous disons qu’un «signal d’alarme» a été déclenché. Pour un pays donné, on calcule pour chaque trimestre le seuil de chacune des variables à partir d’observations portant sur les 15 années précédentes10. L’utilité de ces signaux est fonction de leur association avec des phases de contraction ultérieures.

Le choix d’un seuil au-dessus duquel un signal d’alarme est déclenché constitue un arbitrage décisif entre le souhait d’être prévenu de l’imminence d’un effondrement et les coûts associés à une fausse alerte. Un seuil très élevé, par exemple, donne lieu à peu d’alertes, parce que seules sont captées les variations extrêmes des variables. Celles-ci peuvent être des indicateurs fiables d’une chute imminente des prix des actifs (et réduire ainsi la probabilité d’une fausse alerte), mais risquent d’en laisser passer un grand nombre. Avec un seuil bas, en revanche, des variations moins extrêmes des variables déclencheraient plus souvent des alertes. Les pouvoirs publics seraient très probablement prévenus de l’imminence d’un effondrement des prix, mais seraient également exposés à beaucoup de fausses alertes. Une solution équilibrée consiste à choisir des seuils qui minimisent le rapport des fausses alertes aux alertes légitimes. Ici, le même centile est pris pour seuil d’une variable particulière pour tous les pays, mais la valeur de séparation varie d’un pays à l’autre en raison de la distribution dissemblable des variables11.

Chacune des observations effectuées pour une variable donnée peut être rangée dans l’une des quatre catégories définies au tableau 3.2. Les écarts du rapport crédit/PIB montrent de quelle manière les observations peuvent être classées. Le 90e centile de la distribution de cette variable affiche le plus faible ratio fausses alertes/alertes légitimes, ce qui en fait un seuil acceptable. Une observation de cette variable au-dessus du 90e centile est jugée constituer une alerte, l’observation s’inscrivant alors à la première ligne de la matrice. Si les prix des actifs chutent dans un délai donné (analysé plus loin) après l’alerte, celle-ci est jugée légitime, et on l’inscrit dans la case A. Si aucun effondrement ne se produit, elle est considérée n’être que du bruit, et on l’inscrit dans la case B. Une procédure de classification analogue détermine l’inscription d’observations dans les cases C et D. Dans l’idéal, toutes les observations figureraient dans les cases A ou D, qui prédisent correctement la survenance ou la non-survenance d’un effondrement.

Tableau 3.2.Classification d’observations fondées sur des seuils variables
Chute des prix

1 à 3 ans plus tard
Pas de chute des prix

1 à 3 ans plus tard
Signal d’alarmeAB
Absence de signal d’alarmeCD

Deux des statistiques pouvant être ainsi dégagées présentent un intérêt particulier. La première est une mesure de la probabilité conditionnelle d’une chute des prix d’actifs, c’est-à-dire la probabilité que cet effondrement se produise dans un horizon temporel spécifique une fois que l’alerte a été donnée en fonction d’une variable particulière12. La seconde est une mesure de la capacité prédictive (ou de son absence) des variables, qui met essentiellement en évidence le pourcentage de périodes au cours desquelles un effondrement s’est produit un à trois ans plus tard sans que l’alerte soit donnée13. Ces deux statistiques rendent compte de l’arbitrage qui intervient dans le choix d’un seuil approprié. Un seuil extrêmement élevé qui ne détecte qu’une observation dans l’échantillon obtiendra un bon résultat pour la mesure de la probabilité conditionnelle si une chute se produit dans un horizon temporel donné, mais un mauvais résultat pour l’autre du fait qu’aucune alerte n’aurait été donnée pour la majeure partie des effondrements.

Le calcul de ces probabilités suppose également le choix d’un horizon temporel approprié. Si cet horizon est trop court, l’alerte n’aura aucun intérêt opérationnel parce que l’intervention des pouvoirs publics serait dans tous les cas trop tardive pour influer sur l’économie et prévenir ou atténuer la chute des prix. S’il est trop long, l’alerte perd toute utilité; autrement dit, elle perd sa capacité prédictive. Nous avons choisi un horizon qui considère qu’une alerte est légitime si elle prédit correctement, au moins un an à l’avance, la survenance d’un effondrement dans un délai de trois ans.

Le graphique 3.5 illustre la différence entre la probabilité conditionnelle qu’un effondrement se produise dans un délai de un à trois ans après une alerte et la probabilité inconditionnelle qu’il intervienne sur le même horizon temporel. On évalue ainsi la capacité prédictive des mesures de probabilité conditionnelle. Dans l’échantillon, la probabilité inconditionnelle qu’une chute des prix du logement se produise dans un délai de un à trois ans est de 14 % pour la période postérieure à 1985. La probabilité correspondante pour une baisse brutale des cours des actions est de 29 %.

Graphique 3.5.Probabilité d’un effondrement des prix des actifs

(Pourcentage de fois qu’un effondrement intervient dans un délai de 1 à 3 ans après le déclenchement d’une alerte par rapport à la probabilité inconditionnelle d’un effondrement)

Source : calculs des services du FMI.

Pour la période suivant 1985, les écarts substantiels du ratio crédit/PIB, du solde courant, de la part de l’investissement résidentiel dans le PIB et des prix du logement eux-mêmes s’avèrent particulièrement prédictifs d’un effondrement imminent de ces derniers. Des écarts prononcés du ratio crédit/PIB, par exemple, sont associés à une probabilité de 28 % que cette chute intervienne dans un délai de un à trois ans, soit le double de la probabilité inconditionnelle. Des écarts sensibles de la production et de l’inflation (les composantes classiques des règles de politique monétaire dans les études universitaires) ne permettent guère de prédire ces baisses. S’agissant du fléchissement brutal du cours des actions, la production et l’inflation constituent des indicateurs avancés un peu plus fiables, mais la valeur prédictive du crédit, du solde courant et de l’investissement résidentiel est nettement supérieure, comme dans le cas des prix du logement. Le niveau de signification de la capacité prédictive marginale de ces variables est confirmé par une analyse économétrique (probit) rigoureuse (voir tableau 3.6 à l’appendice 3.1).

Tableau 3.3.Paramètres et résultats des régimes monétaires adoptés en riposte aux chocs financiers
Coefficient de pondération dans chaque régime
Taux d’intérêt retardé dans la règle de politique monétaireInflation dans la règle de politique monétaireEcart de production dans la règle de politique monétaireCrédit nominal dans la règle de politique monétaireCrédit nominal dans la règle macroprudentielle
Règle de Taylor0.71.50.5
Règle de Taylor augmentée0.71,50,50,5
Règle de Taylor augmentée + règle macroprudentielle0,71,50,50,50,5
Règle de Taylor augmentée optimisée + règle macroprudentielle0,013,23,20,00,8
Résultats
Écart-type de l’inflationÉcart-type de l’écart de productionPerte1Classement
Règle de Taylor0,5120,6240,6524
Règle de Taylor augmentée0,1100,0760,0183
Règle de Taylor augmentée + règle macroprudentielle0,0920,0610,0122
Règle de Taylor augmentée optimisée + règle macroprudentielle0,0180,0400,0021
Source : calculs des services du FMI.

La perte équivaut à la somme des variances de l’écart de production et de l’inflation de l’indice des prix à la consommation.

Source : calculs des services du FMI.

La perte équivaut à la somme des variances de l’écart de production et de l’inflation de l’indice des prix à la consommation.

Tableau 3.4.Paramètres et résultats des régimes monétaires adoptés en riposte aux chocs de productivité
Coefficient de pondération dans chaque régime
Taux d’intérêt retardé dans la règle de politique monétaireInflation dans la règle de politique monétaireEcart de production dans la règle de politique monétaireCrédit nominal dans la règle de politique monétaireCrédit nominal dans la règle macroprudentielle
Règle de Taylor0,71,50,5
Règle de Taylor augmentée0,71.50,50.5
Règle de Taylor augmentée + règle macroprudentielle0,71,50,50,50,5
Règle de Taylor augmentée optimisée + règle macroprudentielle0,03,5120,30,0
Résultats
Écart-type de l’inflationÉcart-type de l’écart de productionPerte1Classement
Règle de Taylor0,1990,1620,0662
Règle de Taylor augmentée0,1840,2200,0823
Règle de Taylor augmentée + règle macroprudentielle0,2330,2760,1304
Règle de Taylor augmentée optimisée + règle macroprudentielle0,0720,0800,0111
Source : calculs des services du FMI.

La perte équivaut à la somme des variances de l’écart de production et de l’inflation de l’indice des prix à la consommation.

Source : calculs des services du FMI.

La perte équivaut à la somme des variances de l’écart de production et de l’inflation de l’indice des prix à la consommation.

Tableau 3.5.Centiles utilisés comme seuils d’alarme
Recul des prix du logementRecul des cours boursiers
Crédit/PIB9090
Compte des transactions courantes/PIB9090
Investissement résidentiel/PIB9090
Hausse des prix du logement9070
Hausse des cours boursiers7070
Croissance7580
Inflation9090
Notes : Les valeurs présentées dans le tableau correspondent au centile de la répartition des variables respectives quand le rapport bruit-signal (à savoir le rapport des fausses alarmes aux alarmes justifiées) est réduit au minimum. La recherche sur grille s’est limitée aux 70e, 75e, 80e et 90e centiles.
Notes : Les valeurs présentées dans le tableau correspondent au centile de la répartition des variables respectives quand le rapport bruit-signal (à savoir le rapport des fausses alarmes aux alarmes justifiées) est réduit au minimum. La recherche sur grille s’est limitée aux 70e, 75e, 80e et 90e centiles.
Tableau 3.6.Probabilités marginales fondées sur des régressions probit
Échantillon completAvant 19851985–2008
Recul des prix du logement (1)Recul des cours boursiers (2)Recul des prix du logement (3)Recul des cours boursiers (4)Recul des prix du logement (5)Recul des cours boursiers (6)
Crédit/PIB0,241**0,546***–0,864*0,0520,443***0,638***
(2,180)(4,070)(–1,740)(0,130)(4,280)(4,210)
Solde courant–3,910***0,691–3,472***–2,851***–3,191***1,768**
(–7,560)(1,200)(–3,640)(–2,990)(–5,440)(2,510)
Investissement résidentiel/PIB1,9566,392***4,6214,8012,456*7,327***
(1,520)(5,280)(1,370)(1,550)(1,930)(5,290)
Hausse des prix du logement0,798***0,577***2,147***1,046***0,455***0,318
(5,240)(3,110)(5,140)(3,170)(2,910)(1,340)
Hausse des cours boursiers0,249***0,337***0,577***0,323***0,111***0,349***
(6,060)(5,250)(4,890)(2,660)(2,680)(4,660)
Hausse de la production–0,4131,686**–0,9160,280–0,1602,428
(–0,810)(2,540)(–0,940)(0,290)(–0,300)(2,620)
Inflation2,511***4,373***3,786***4,721***0,6813,732***
(7,180)(7,030)(5,460)(5,470)(1,640)(4,130)
N1,6991,5804354191,2641,161
Pseudo R20.140,100,160,150,150,10
Source : calculs des services du FMI.Note : La variable dépendante a une valeur de 1 si les prix s’effondrent dans les 4 à 12 trimestres suivants, et de 0 dans les autres cas. L’estimation est effectuée au moyen d’erreurs-type robustes. Les statistiques Zsont indiquées entre parenthèses. Les symboles *, ** et *** indiquent que les résultats sont significatifs au niveau de 10, 5 et 1 % respectivement. Les probabilités marginales calculées aux valeurs moyennes d’autres variables sont indiquées. Les variables sont mesurées par les écarts à partir d’une moyenne mobile sur huit ans.
Source : calculs des services du FMI.Note : La variable dépendante a une valeur de 1 si les prix s’effondrent dans les 4 à 12 trimestres suivants, et de 0 dans les autres cas. L’estimation est effectuée au moyen d’erreurs-type robustes. Les statistiques Zsont indiquées entre parenthèses. Les symboles *, ** et *** indiquent que les résultats sont significatifs au niveau de 10, 5 et 1 % respectivement. Les probabilités marginales calculées aux valeurs moyennes d’autres variables sont indiquées. Les variables sont mesurées par les écarts à partir d’une moyenne mobile sur huit ans.

Ces résultats indiquent que des écarts substantiels des ratios du crédit, du solde courant et de l’investissement résidentiel au PIB constituent des indicateurs prévisionnels significatifs des phases de contraction des prix des actifs. Que se passe-t-il lorsque ces trois variables envoient un signal d’alarme au même moment? Les barres inférieures figurant dans chacune des parties du graphique 3.5 indiquent que ces événements ont dans 56 % des cas été associés à une chute brutale des prix du logement dans un délai de un à trois ans14. Le ratio est à peu près identique pour les cours boursiers.

Ces résultats doivent être maniés avec prudence. Comme signalé, il se peut que les seuils les plus prédictifs pour ces variables soient ceux qui n’identifient qu’un petit nombre d’observations produisant des alertes particulièrement fiables. Cette réserve est d’autant plus importante lorsqu’il s’agit d’étudier le déclenchement simultané d’alertes par les trois variables. Pour compléter l’analyse, nous examinons donc le pourcentage de périodes durant lesquelles les indicateurs n’ont pas déclenché d’alerte dans un délai de un à trois ans avant un effondrement (graphique 3.6). Des écarts substantiels de variables telles que les ratios crédit/PIB, solde courant/PIB, et investissement résidentiel/PIB envoient des signaux d’alarme anticipés dans 25 % à 50 % des cas seulement pendant la période suivant 1985. L’indicateur le plus fiable est le crédit, qui déclenche une alerte dans la moitié des cas.

Graphique 3.6.Échec des indicateurs à prévoir un effondrement des prix des actifs

(Pourcentage de trimestres pour lesquels les variables n’ont pas déclenché d’alerte de 1 à 3 ans avant un effondrement)

Source : calculs des services du FMI.

En bref, les périodes de forte expansion du crédit et de l’investissement, de même que la dégradation des soldes courants, augmentent sensiblement la probabilité qu’une chute se produise dans un avenir proche. Quand ces indicateurs déclenchent un signal d’alarme, la probabilité qu’une baisse brutale intervienne est deux fois supérieure à la probabilité inconditionnelle. Cela étant, le meilleur indicateur lui-même n’a pas déclenché d’alerte dans les une à trois années précédant quelque 50 % des cas d’effondrement des prix depuis 1985. Les chutes des prix des actifs sont donc difficiles à prédire.

Les schémas macroéconomiques qui ont précédé la crise actuelle

Ces observations conduisent à la question suivante : les schémas associés à des cas antérieurs de chute des prix d’actifs sont-ils apparus avant la crise actuelle? Incontestablement, ces dernières années ont connu plusieurs évolutions notables, telles les innovations en matière de titrisation, qui pourraient laisser penser que la crise actuelle est fondamentalement distincte des crises antérieures. Néanmoins, en ce qui concerne les prix du logement, elle a présenté des caractéristiques macroéconomiques très courantes : leur chute a été précédée d’une forte croissance du crédit, d’une dégradation des soldes courants et d’envolées des prix de l’immobilier.

Le graphique 3.7 illustre la croissance annuelle moyenne réelle des prix du logement et des cours des actions dans tous les pays de l’échantillon depuis le début de 1995 jusqu’à la fin de 2008. Mis à part la crise actuelle, les cours boursiers ont connu un autre cycle de surchauffe suivie de krach durant cette période. Les prix réels du logement ont dans l’ensemble affiché des taux de croissance dynamiques jusqu’à 2007. La valeur des actifs a ensuite enregistré une baisse prononcée, en regard du passé, dans la plupart des pays. La courbe des prix d’actifs varie considérablement selon les pays. Du quatrième trimestre de 2001 au troisième trimestre de 2006, les prix réels de l’immobilier ont vigoureusement progressé en Espagne, en Irlande, en Nouvelle-Zélande, mais ont fléchi en Allemagne, en Autriche et au Japon15. Confirmant les résultats présentés dans des éditions antérieures des Perspectives de Véconomie mondiale (avril 2003 et avril 2008), les hausses plus sensibles des prix du logement ont généralement, mais pas toujours, été suivies de baisses plus prononcées par rapport aux montants records récemment atteints. Hormis l’Allemagne et le Japon, où les prix réels de l’immobilier traversent un marasme prolongé, la corrélation entre l’augmentation des prix du logement et les chutes subséquentes est de 0,7916. À l’inverse, la dépréciation récente des cours boursiers a été relativement uniforme dans les différents pays, et en grande partie indépendante des flambées qui l’ont précédée.

Graphique 3.7.Évolutions récentes des prix immobiliers et des cours boursiers1

Sources : Banque des règlements internationaux; Bloomberg Financial Markets; Haver Analytics; FMI, Statistiques financières internationales; Organisation de coopération et de développement économiques; calculs des services du FMI.

1 AUS : Australie; AUT: Autriche; BEL : Belgique; CAN : Canada; CHE : Suisse; DEN : Danemark; DEU : Allemagne; ESP : Espagne; GBR : Royaume-Uni; GRC : Grèce; FIN : Finlande; FRA : France; IRL : Irlande; ITA : Italie; JPN : Japon; NLD : Pays-Bas; N0R : Norvège; NZL : Nouvelle-Zélande; PRT : Portugal; SWE : Suède; USA : États-Unis.

2 Non indiqués pour l’Allemagne et le Japon du fait que les prix réels ont reculé pendant toute la période concernée.

Les indicateurs macroéconomiques définis dans la partie précédente ont-ils été associés aux récents effondrements des prix d’actifs? Le graphique 3.8 montre le pourcentage de pays où ces baisses sont intervenues et pour lesquels les variables des ratios crédit/PIB, investissement résidentiel/PIB et solde courant/PIB ont donné l’alerte, sur la base des définitions énoncées dans la précédente partie. Des signes d’une envolée de l’investissement résidentiel, dans certains cas financée par la dégradation du solde courant, sont apparus dans au moins la moitié des pays un à trois ans avant que les prix du logement n’amorcent leur recul. L’expansion du crédit a été inha-bituellement vigoureuse dans à peu près la moitié des pays durant presque toute la période de trois ans. Le compte des transactions courantes a envoyé des signaux d’alarme plus ténus jusqu’à environ un an avant la chute, moment où l’alerte s’est déclenchée dans près de la moitié des pays.

Graphique 3.8.Signaux d’alarme concernant les effondrements récents des prix immobiliers

(Pourcentage de pays où des signaux d’alarme ont précédé les effondrements récents des prix du logement)

Source : calculs des services du FMI.

Le graphique 3.9 montre en quoi les variations internationales récentes de l’évolution des prix du logement sont associées à celles de la croissance du crédit, de l’investissement résidentiel et du solde courant par rapport au PIB. Dans les pays où les prix de l’immobilier ont enregistré la plus forte appréciation, on observe également une hausse sensible de la part de l’investissement résidentiel dans le PIB, des déficits courants prononcés en pourcentage du PIB, et une expansion soutenue du crédit par rapport à celle de la production. En outre, la croissance plus dynamique du crédit a généralement été de pair avec une dégradation plus marquée des comptes de patrimoine des ménages : on a constaté que le «ratio de liquidité relative» des ménages (le rapport des engagements aux actifs liquides, autrement dit les dépôts et le numéraire) était étroitement associé à la hausse des prix du logement (graphique 3.10)17. De ce fait, à l’échelon macroéconomique, les données indiquent que la crise actuelle est une crise classique en ce qu’elle a suivi des schémas historiques d’expansion et de contraction des prix des actifs. Une question essentielle consiste donc à déterminer si ces cycles conjoncturels ont été provoqués par les politiques monétaires.

Graphique 3.9.Schémas macroéconomiques à l’origine des envolées récentes des prix immobiliers1

Sources : Banque des règlements internationaux; Bloomberg Financial Markets; Haver Analytics; FMI, Statistiques financières internationales; Organisation de coopération et de développement économiques; calculs des services du FMI.

1 Voir la liste des abréviations des pays au graphique 3.7.

Graphique 3.10.Flambées récentes des prix immobiliers et compte de patrimoine des ménages1

Sources : Banque des règlements internationaux; Haver Analytics; FMI, Statistiques financières internationales; Organisation de coopération et de développement économiques; calculs des services du FMI.

1 Voir la liste des abréviations des pays au graphique 3.7.

2 Ratio des engagements aux actifs liquides (dépôts et numéraire).

Le rôle de la politique monétaire

Deux reproches ont été adressés aux pouvoirs publics :

  • Le premier est un trop grand laxisme de la politique monétaire entre 2002 et 2006; en particulier, les banques centrales auraient maintenu les taux directeurs en deçà du niveau spécifié par une règle simple dictant les mesures à adopter en cas de déficit de production et d’inflation18. Selon cet argument, si les responsables de la politique monétaire ne s’étaient pas écartés de la règle de Taylor, la hausse des prix des actifs (et, par conséquent, la crise actuelle) aurait été évitée. On notera que l’idée centrale ici est que les excès monétaires ont été la cause essentielle des périodes d’expansion et des récessions qui les ont suivies.
  • Le second soutient que l’approche consistant à déterminer la politique monétaire uniquement en fonction de l’inflation de l’indice des prix à la consommation (IPC) et du déficit de production est trop étroite : autrement dit, la politique monétaire devrait contrecarrer les hausses intenables des prix des actifs ou les évolutions qui accroissent la fragilité financière, même si cela doit accentuer la variabilité de l’inflation et de la production19.

Il est difficile de répondre de façon décisive à ces critiques, car il faudrait évaluer ce qui se serait produit si des politiques différentes avaient été appliquées. Néanmoins, une analyse de la situation monétaire et des prix des actifs pendant les années précédant les récentes phases de contraction permet de mieux jauger la validité du premier reproche. (Celle du second est évaluée dans la partie suivante à partir d’une méthode modélisée.)

De manière générale, depuis 1985, les conditions de la politique monétaire n’ont pas été un indicateur fiable des chutes des prix du logement. Le graphique 3.11 suit l’évolution de deux mesures classiques de l’orientation de la politique monétaire dans la période précédant ces phénomènes. Comme dans la partie précédente, on a examiné séparément les caractéristiques de la période entourant ces baisses avant 1985, et pendant et après 1985. La partie supérieure illustre le comportement des taux directeurs réels20; la partie inférieure, l’écart de ces taux par rapport à une règle de Taylor classique, qui tient compte des évolutions des cycles conjoncturels21. Certains éléments semblent indiquer un certain laxisme de la politique monétaire pendant les périodes précédant les chutes des prix du logement avant 1985. On peut supposer que celle-ci n’a alors pas suffisamment réagi à l’inflation, comme à celle produite par les chocs pétroliers.

Graphique 3.11.La politique monétaire avant les effondrements des prix immobiliers

(Points de pourcentage; t = 1 représente le premier trimestre d’une phase de contraction)

Source : calculs des services du FMI.

1 Les effondrements récents sont au nombre de 10, et se sont produits, à compter du premier trimestre 2007, dans les pays suivants : Australie, Canada, Danemark, Espagne, États-Unis, Finlande, Irlande, Nouvelle-Zélande, Norvège et Royaume-Uni.

2 Écart par rapport à une moyenne mobile sur huit ans.

3 Écart par rapport à une règle monétaire de forme r = r* + 0,5 (π-π*) + 0,5 (y-y*), où les variables marquées d’un astérisque sont calculées par la moyenne mobile suivie sur huit ans.

Globalement, depuis 1985, les taux directeurs réels ont en général été supérieurs à la tendance au cours des périodes qui ont précédé un effondrement des prix du logement, et élevés en comparaison à ceux dérivant d’une règle de Taylor. La dynamique des taux réels semblerait même indiquer que ceux-ci ont en fait augmenté durant ces années. Néanmoins, tant les taux d’intérêt réels que les éléments résiduels des règles de Taylor ont dans l’ensemble été négatifs un à trois ans avant les derniers krachs, et un resserrement brutal des conditions monétaires est intervenu au cours de l’année les précédant, ce qui pourrait attester d’une politique monétaire par trop laxiste. Cela posé, dans la plupart des pays, le seul examen de l’inflation de 1TPC n’aurait pas nécessairement permis aux pouvoirs publics de détecter l’existence d’un problème. Le graphique 3.12 indique que l’inflation sous-jacente aux États-Unis, dans la zone euro et, globalement, dans les autres pays avancés (à l’exception du Japon), s’est maintenue entre 1 % et 3 % pendant toute la période d’expansion du crédit et d’envolée des prix d’actifs. Selon une interprétation avancée à l’époque (et analysée à la partie suivante), la hausse du prix des actifs et la demande de crédit découlaient des gains de productivité escomptés.

Graphique 3.12.Inflation et production dans les pays avancés ces dernières années

(Pourcentage)

Sources : Haver Analytics; calculs des services du FMI.

1 Hors Japon.

2 Estimation du déficit de production au moyen d’un filtre glissant Hodrick-Prescott.

Si la politique monétaire était la cause fondamentale de la flambée des prix de l’immobilier qu’a connue la dernière décennie, il y aurait une relation systématique entre les conditions de la politique monétaire et l’augmentation des prix du logement dans les différents pays. Il est vrai que les taux directeurs réels moyens étaient faibles, voire négatifs, dans certains pays, et les éléments résiduels de la règle de Taylor essentiellement négatifs, ce qui laisse entendre que les pays ont généralement appliqué une politique monétaire flexible durant cette période. La relation avec l’évolution des prix du logement est cependant ténue, dans le meilleur des cas, dans la zone euro (graphique 3.13, lignes bleues)22. Elle est en outre quasiment inexistante entre les mesures de l’orientation de la politique monétaire et l’augmentation des prix du logement sur l’ensemble de l’échantillon (graphique 3.13, lignes noires). Ainsi, alors que l’Espagne et l’Irlande affichaient de faibles taux réels à court terme et des hausses substantielles des prix immobiliers, l’Australie, la Nouvelle-Zélande et le Royaume-Uni enregistraient des taux réels relativement élevés et de fortes augmentations des prix du logement. Qui plus est, la relation entre les mesures de l’orientation de la politique monétaire et la croissance des cours réels des actions est infime, qu’elle soit évaluée durant la période de flambée mondiale des prix du logement (4e trimestre 2001–3e trimestre 2006) ou ultérieurement, entre le moment où les marchés boursiers ont amorcé leur redressement (1er trimestre 2003) et leur contraction de 2007 (graphique 3.14).

Graphique 3.13.Prix immobiliers et conditions monétaires1

Sources : Banque des règlements internationaux; Bloomberg Financial Markets; Haver Analytics; autorités nationales; Organisation de coopération et de développement économiques; Thomson Datastream; calculs des services du FMI.

1 Voir la liste des abréviations des pays au graphique 3.7.

2 Les pays de la zone euro sont représentés par des carrés bleus, les autres pays avancés par des carrés rouges. Les lignes bleues correspondent à un sous-échantillon des pays de la zone euro; les lignes noires à l’ensemble de l’échantillon des pays avancés.

Graphique 3.14.Cours boursiers et conditions monétaires1

Sources : Bloomberg Financial Markets; FMI, Statistiques financières internationales; calculs des services du FMI.

1 Voir la liste des abréviations des pays au graphique 3.7.

2 Les pays de la zone euro sont représentés par des carrés bleus, les autres pays avancés par des carrés rouges. Les lignes bleues correspondent à un sous-échantillon des pays de la zone euro; les lignes noires à l’ensemble de l’échantillon des pays avancés.

Le comportement relativement régulier de l’inflation et de la production et le fait que les éléments résiduels de la règle de Taylor n’ont pas été associés aux récentes hausses des prix d’actifs dans les différents pays de l’échantillon indiquent que la politique monétaire n’a pas été la source principale ou systématique des dernières envolées des prix des actifs23. Dans le même temps, les données présentées plus haut font clairement apparaître que la phase de contraction des prix des actifs qui a débuté en 2007 n’a pas surgi du néant, en ce sens que les variables macroéconomiques fondamentales ont affiché des évolutions similaires à celles qui avaient précédé les cycles antérieurs d’expansion et de resserrement de ces prix. Les pouvoirs publics auraient-ils dû réagir à ces signaux et alertes, et privilégier la stabilité financière plutôt que l’inflation? Nous abordons cette question dans la partie suivante.

Les pouvoirs publics doivent-ils réagir aux fluctuations des marchés d’actifs?

La présente analyse a identifié plusieurs variables macroéconomiques qui sont souvent associées à des chutes de prix des actifs, même si leur capacité prédictive n’est ni aussi uniforme, ni aussi fiable que les pouvoirs publics pourraient le souhaiter. Ces mêmes variables expliquent assez bien les dissemblances observables entre les hausses des prix du logement qui ont conduit à la crise actuelle dans les différents pays. Cela indique que les banques centrales devraient envisager de réagir plus vigoureusement à des indicateurs autres que la production et l’inflation pour atténuer les effets pénalisants des phases d’envolée et de chute de prix des actifs. Pour définir les mesures appropriées, trois questions fondamentales doivent être examinées :

  • Quels pourraient être les avantages d’une riposte à des signes avant-coureurs d’une fragilité financière, tels qu’une croissance excessive du crédit?
  • La politique monétaire est-elle l’instrument approprié pour réagir à ces indicateurs, ou faut-il faire appel à d’autres types de mesures?
  • Quels sont les arbitrages entre des mesures visant à stabiliser la production et l’inflation de l’IPC et une politique s’efforçant de diminuer le risque d’un cycle d’envolée suivie de krach des prix des actifs?

Ces questions sont examinées ci-après au moyen de simulations effectuées avec un pays modèle comportant quelques-unes des caractéristiques nécessaires pour analyser le rôle que la politique monétaire pourrait jouer pour amortir les effets des flambées des prix des actifs. Étant donné que, pour les ménages, le patrimoine immobilier est généralement plus important que les titres de participation, et du fait que pour acheter leur logement, ils ont généralement recours au crédit bancaire, notre analyse porte sur les poussées des prix du logement plutôt que sur celles des cours boursiers24.

Modèle d’analyse des phases de flambée des prix du logement

Le modèle utilisé ici s’appuie sur des fondements néo-keynésiens classiques; en particulier, l’ajustement des prix n’est généralement pas immédiat. Autrement dit, la politique monétaire peut concourir à la stabilisation de l’économie du fait qu’elle influe sur les taux d’intérêt réels. La consommation et l’investissement résidentiel s’infléchissent lentement, et il est coûteux pour les travailleurs de passer de la production de biens de consommation à la construction de logements, et vice-versa. En outre, plusieurs modifications ont été apportées aux caractéristiques des ménages et des marchés financiers du modèle de base, ce qui confère un rôle spécial au marché immobilier25. Primo, les ménages font des choix en termes de consommation de biens non durables et de sommes à investir dans le logement. Le logement est un actif qui fournit des services et qui est le moyen principal d’accumuler de la richesse dans cette économie. Secundo, il existe une distinction entre les emprunteurs et les créanciers, ce qui crée les conditions nécessaires à un endettement. Tertio, le taux prêteur est modélisé sous la forme d’un écart par rapport au taux directeur qui est fonction des ratios prêt/valeur, de la majoration appliquée aux taux (directeurs) de financement et, dans certains cas (examinés plus loin), d’un instrument macroprudentiel. Les taux de prêt peuvent donc varier pour diverses raisons : ainsi, une hausse des prix du logement augmentera l’évaluation des garanties des emprunteurs, diminuera le ratio prêt/valeur moyen, et entraînera de ce fait une chute des taux de prêt même en l’absence d’assouplissement de la politique monétaire. Les conditions du crédit peuvent varier, sous l’effet d’une évolution des perceptions du risque ou de la concurrence sur ce marché par exemple, ce qui pourrait conduire les banques à ajuster leurs majorations et, partant, à modifier la marge d’intérêt des prêts. Ces deux mécanismes stimulent la hausse de l’investissement résidentiel, de la consommation de biens non durables et des prix. Dans certaines simulations, les pouvoirs publics peuvent agir directement sur les marges, au moyen d’un instrument macroprudentiel, ce qui vient s’ajouter à l’influence qu’ils exercent sur les taux de prêt par le biais des taux directeurs. Enfin, l’endettement joue un rôle essentiel dans l’achat de logements : au fil du temps, le ratio prêt/valeur fluctue autour d’une moyenne de 80 %.

Le comportement du pays modèle est examiné en fonction de différents régimes monétaires, à la suite de chocs qui produisent des hausses soutenues de l’investissement résidentiel et des prix immobiliers26. Il s’agit de déterminer lequel parvient le mieux à stabiliser l’économie face aux pressions qui s’exercent sur le marché du logement — des mesures qui permettent de prévenir les vulnérabilités financières plutôt que de réparer les dégâts après un krach. Les conclusions que l’on peut dégager de cette analyse dépendent au premier chef des chocs qui alimentent l’envolée des prix du logement. Pour expliquer combien il importe de définir correctement les facteurs qui stimulent cette flambée, nous testons les régimes monétaires au moyen de deux chocs : un choc financier qui entraîne un assouplissement des conditions de prêt, et un choc de productivité positif27. Bien que l’anticipation de plus-values avenir puisse provoquer une envolée des prix d’actifs, sans que les paramètres fondamentaux évoluent, nous ne modé-lisons pas de bulles ou de «phases d’exubérance irrationnelle»28. Nous ne tentons pas non plus de modéliser des événements qui déclenchent un effondrement des prix du logement.

On suppose que les pouvoirs publics ont à leur disposition des taux d’intérêt nominaux à court terme et, éventuellement, l’instrument macroprudentiel. Ce dernier influe sur les taux de prêt : les autorités peuvent directement compenser, dans une certaine mesure, les fluctuations des écarts provoquées par les variations des valeurs des garanties et les chocs financiers. C’est là une formule simple qui vise à imiter les effets, par exemple, des réglementations qui imposent aux banques de mettre plus de capitaux en réserve lorsque les prix des actifs montent, et augmente ainsi la marge qu’elles doivent appliquer aux coûts de financement (le taux directeur).

Le régime monétaire de référence est une règle de Taylor classique, spécifiée avec un coefficient de 1,5 sur l’inflation de l’IPC et de 0,5 sur le déficit de production. Sur cette base, nous examinons les avantages susceptibles de dériver de l’intégration d’indicateurs de la vulnérabilité financière potentielle. Le deuxième régime est donc appliqué sous forme de règle de Taylor augmentée, en fonction de laquelle les taux directeurs ne réagissent pas seulement à l’inflation de l’IPC et au déficit de production, mais également aux variations du crédit nominal29. Le troisième régime introduit une règle macropru-dentielle qui spécifie la réaction d’un instrument macroprudentiel (qui modifie l’écart entre le taux de prêt et le taux directeur) à des variations différées du crédit nominal (la même variable que dans la règle de Taylor augmentée). L’ajout de l’instrument macroprudentiel à la règle de Taylor augmentée produit le troisième régime monétaire30. Le dernier régime est une variation sur le troisième, le coefficient de chaque variable étant déterminé par une procédure d’optimisation qui cherche la meilleure riposte au choc examiné. Toutes les variables de ces règles sont retardées31.

Résultats des règles appliquées en riposte à des chocs financiers

Le graphique 3.15 illustre la riposte à un choc financier, modélisée sous forme d’un assouplissement des conditions de prêt qui a pour effet de diminuer immédiatement les taux de prêt de ÎOO points de base dans le régime de Taylor de référence (ligne noire). Trois autres trajectoires y sont présentées, qui correspondent aux autres régimes monétaires. Dans le régime de Taylor, la politique monétaire est guidée par la règle simple de Taylor, sans réaction macroprudentielle. Le choc financier provoque une hausse immédiate de l’investissement résidentiel et des prix du logement. Du fait que les banques sont censées baisser les taux de prêt quand les garanties augmentent, le choc s’autoalimente : la demande de logement pousse les prix immobiliers à la hausse, la valeur des garanties augmente, les taux de prêt diminuent, et les ménages contractent davantage d’emprunts. C’est là le mécanisme d’accélérateur du crédit qui intervient. Par ailleurs, la baisse des taux entraîne une augmentation de la demande de biens de consommation non durables, ce qui stimule l’inflation de l’IPC. Certaines caractéristiques d’un effondrement des prix du logement sont patentes dans la foulée de ce choc : la situation financière se normalisant, l’investissement résidentiel (et, avec lui, les prix du logement) doit diminuer pendant un certain temps pour ramener le stock de logements à son niveau d’équilibre. Ce processus a des retombées sur le reste de l’économie, puisqu’il provoque une récession temporaire et accentue la volatilité sur tous les marchés. La réaction d’une banque centrale qui applique une règle de Taylor simple est sans ambiguïté : dans la mesure où le déficit de production et l’inflation de l’IPC sont positifs suite à l’augmentation de la demande de logement, elle relève les taux directeurs. A terme, la production et l’inflation se stabilisent.

Graphique 3.15.Les effets d’un choc financier

(Écart par rapport à un état stable; trimestres en abscisse)

Source : calculs des services du FMI.

Le deuxième régime est celui de la règle de Taylor augmentée, en vertu de laquelle la réaction de la banque centrale ne se limite pas au déficit de production et à l’inflation, mais s’attaque directement au crédit. A titre d’illustration, nous supposons qu’elle applique le même coefficient (0,5) aux variations du crédit nominal qu’au déficit de production (tableau 3.3, partie supérieure, deuxième ligne). Comme l’indique le graphique, ce régime produit une plus grande stabilité pour l’ensemble des variables : la volatilité de l’investissement résidentiel s’apaise; elle diminue considérablement en ce qui concerne le PIB et le déficit de production, et s’atténue pour les prix du logement et l’inflation de l’IPC (voir également les écarts type au tableau 3.3, partie inférieure, deuxième ligne, à rapprocher de ceux de la première ligne)32.

La stabilisation macroéconomique est encore mieux servie par le troisième régime, en vertu duquel la banque centrale complète la règle de Taylor augmentée par l’utilisation d’un instrument macroprudentiel (tableau 3.3, partie inférieure, troisième ligne). A titre d’illustration, la règle macroprudentielle applique au taux de croissance du crédit nominal un coefficient de 0,5, les autres coefficients étant identiques à ceux de la règle de Taylor augmentée. Elle autorise les pouvoirs publics à lutter directement contre l’assouplissement des conditions de crédit qui incite les emprunteurs à contracter de nouvelles dettes lorsque les prix du logement augmentent.

En résumé, l’ajout d’un indicateur à la fonction de réaction des autorités monétaires peut renforcer la stabilité macroéconomique quand un choc financier frappe l’économie. Les résultats indiquent que les ripostes guidées par la règle de Taylor classique sont trop modérées face au relâchement des conditions de prêt et les effets d’accélérateur du crédit, ce qui a pour conséquence de ne pas suffisamment freiner l’investissement en logement. Néanmoins, les paramètres de la règle de Taylor augmentée et de la règle macroprudentielle utilisés ici sont adaptés aux circonstances. En fait, si l’objectif consiste simplement à stabiliser le déficit de production et l’inflation, les coefficients optimaux appliqués à ces deux variables dans les règles monétaires utilisées dans le cadre de modèles macroéconomiques bâtis sur des fondements microéconomiques de cette nature sont généralement nettement plus élevés que ceux de Taylor (voir Woodford, 2001). Autrement dit, l’amélioration de la stabilité dérivant de l’ajout du crédit nominal à la règle de politique monétaire et de l’emploi de l’instrument macroprudentiel pourrait simplement indiquer que la réaction au déficit de production et à l’inflation est insuffisante dans le cadre de la règle de Taylor de référence.

Pour examiner cette question, nous modélisons également un régime où la règle de Taylor augmentée et la règle macroprudentielle sont optimisées de manière à limiter les variations du déficit de production et de l’inflation. Comme prévu, les règles optimisées sont celles qui parviennent le mieux à stabiliser l’économie et parviennent presque à produire la réaction efficace, à savoir la suppression totale du déficit de production33. Plus intéressants sont les coefficients optimisés (tableau 3.3, partie supérieure, quatrième ligne). Les politiques monétaires optimales sont très vigoureuses : les coefficients appliqués au déficit de production et à l’inflation sont des multiples de ceux utilisés dans la règle de Taylor classique ou dans les estimations de fonctions de réaction monétaire habituelles, et le coefficient optimisé de lissage du taux d’intérêt est nul. Le coefficient appliqué au crédit nominal pour établir le taux directeur est nul34. Point néanmoins essentiel, le coefficient optimal appliqué au crédit nominal dans la règle macroprudentielle n’est pas nul; en fait, il est légèrement supérieur à celui utilisé auparavant (0,8). La politique macroprudentielle est donc clairement utile pour faire face aux chocs financiers, même quand la Banque centrale est libre de faire un usage très agressif des taux directeurs. Il est plus efficace, pour réagir au relâchement des marchés du crédit, de recourir à l’instrument macroprudentiel que de simplement augmenter les taux directeurs, car cet instrument s’attaque à la racine du problème.

Les résultats des règles appliquées en riposte à des chocs de productivité

Des régimes monétaires plus larges et plus vigoureux peuvent renforcer la stabilité face à des chocs financiers, mais créent un risque d’erreurs face à d’autres types de chocs. C’est ce qui ressort d’une deuxième série de simulations, qui montre les mesures prises en riposte à une hausse de la productivité dans le secteur des biens non durables qui, dans le cas de la règle de Taylor, se traduisent par une augmentation immédiate de 1 % de la production (graphique 3.16)35. Les résultats ici sont également analogues à ceux d’une flambée de l’immobilier : l’investissement résidentiel, les prix des logements, et la demande de crédit augmentent, exactement comme à la suite d’un choc financier. Néanmoins, les prix des biens de consommation chutent. A vrai dire, le fait que l’inflation de l’IPC ait été modérée ces dernières années, alors que les prix des actifs montaient, a conduit de nombreuses autorités à conclure que l’augmentation des prix des actifs dérivait de chocs de productivité positifs.

Graphique 3.16.Les effets d’un choc de productivité

(Écart par rapport à un état stable; trimestres en abscisse)

Source : calculs des services du FMI.

Pour remédier à un choc de productivité, la meilleure politique pour la banque centrale consiste à tenir compte, dans toute la mesure du possible, de l’amélioration de la productivité. Des mesures visant à supprimer l’emprunt du secteur privé seraient malvenues, comme le montre le graphique : l’application de la règle de Taylor augmentée et de la règle macroprudentielle, avec les mêmes valeurs de paramètres que pour le choc financier, accentue la pression à la baisse sur les prix (indice IPC) et sur la production en raison de la réaction à l’expansion du crédit, ce qui a pour effet d’accroître la volatilité du déficit de production et de l’inflation et non de la diminuer (tableau 3.4, partie inférieure, deuxième et troisième lignes). Parmi les trois premiers régimes (règle de Taylor, règle de Taylor augmentée, règle de Taylor augmentée avec instrument macroprudentiel), le meilleur est la règle de Taylor classique. Le régime optimisé applique des coefficients supérieurs au déficit de production et à l’inflation, comme précédemment, mais le modèle ne permet pas du tout d’utiliser l’instrument macroprudentiel (tableau 3.4, partie supérieure, quatrième ligne). Ces résultats indiquent que les mesures adoptées en réaction aux indicateurs d’une vulnérabilité financière potentielle ne doivent être ni automatiques, ni rigides : les pouvoirs publics doivent faire preuve de souplesse.

Règles monétaires avec chocs multiples

Dans la réalité, les économies sont frappées par des chocs multiples de types divers. Des règles optimales doivent établir un équilibre entre les mesures les plus efficaces face à chaque catégorie de choc et tenir compte de l’influence relative de ces chocs sur l’économie. En conséquence, le bien-fondé d’un recours à un instrument macroprudentiel sera fonction, entre autres, des divers chocs auxquels une économie donnée est confrontée. Le graphique 3.17 montre comment le coefficient optimal appliqué aux variations du crédit nominal dans la règle macroprudentielle augmente à mesure que les chocs financiers gagnent en importance par rapport aux chocs de productivité36. En l’absence de chocs financiers, il est inutile de recourir à un instrument macroprudentiel. En présence de chocs financiers uniquement, le coefficient optimal pour le crédit nominal dans la règle macroprudentielle de ce modèle est de 0,8, comme indiqué plus haut. Ainsi, dans l’idéal, les pouvoirs publics seraient libres de traiter comme il convient les différents types de chocs à mesure qu’ils se produisent au lieu d’y répondre de manière inflexible par des règles rigides.

Graphique 3.17.Coefficients optimaux appliqués au crédit nominal dans la règle macroprudentielle

Source : calculs des services du FMI.

En quoi ces conclusions sont-elles comparables celles d’autres études? A notre connaissance, c’est la première fois, malgré l’abondante littérature consacrée à la politique monétaire et aux prix des actifs, que la coordination des règles monétaires et macropru-dentielles a été évaluée en bonne et due forme au moyen d’un modèle macroéconomique de ce type37. Le débat se poursuit sur la question de savoir si les banques centrales devraient réagir directement aux prix des actifs38. L’analyse présentée ici laisse entendre que les pouvoirs publics ne doivent pas tant se préoccuper des augmentations des prix des actifs en soi que d’autres situations susceptibles de leur être associées : laxisme des conditions de prêt, expansion excessive du crédit, surinvestissement, et dégradation des soldes externes. Ces situations donnent aux autorités de solides raisons de réagir.

Cela dit, les simulations présentées ici sont très simplifiées, et de nombreux facteurs potentiellement importants n’ont pas été retenus. Le modèle met en évidence certaines caractéristiques pertinentes au plan mondial, mais n’a pas été adapté à une économie particulière. La caractérisation des instruments macroprudentiels, notamment, est très simple et ignore quelques questions pratiques de premier plan comme celles de savoir comment ces instruments seraient gérés et quelle serait leur efficacité dans certains systèmes financiers39. Ces résultats ne sont donc qu’indicatifs, et de nombreuses études sont nécessaires à ce sujet.

Conclusions

Ces dernières années, l’action des autorités monétaires des pays avancés dotés de régimes de change souples a été guidée par le principe selon lequel la stabilisation de l’inflation est le meilleur moyen de favoriser la croissance économique et le bien-être. A l’époque où cette approche gagnait du terrain, il a été suggéré qu’une inflation stable réduirait aussi les primes de risque et renforcerait la stabilité financière. Plusieurs banques centrales ont aujourd’hui pour mandat explicite de cibler l’inflation de l’IPC, et elles ont remarquablement réussi à maîtriser l’inflation. Cette démarche n’a cependant pas suffi à prévenir les baisses brutales des prix des actifs; la crise actuelle n’échappe pas à la règle. Les chutes des prix d’actifs ont généralement été précédées d’une hausse de l’investissement, d’une expansion du crédit, et d’une dégradation des soldes courants. Là encore, la crise en cours ne fait pas exception.

La politique monétaire ne semble pas avoir été la cause essentielle des dernières envolées des prix des actifs. S’il est un reproche que l’on peut adresser aux autorités monétaires, c’est d’avoir pris des mesures trop limitées, de ne pas avoir prêté suffisamment attention aux premiers signes de fragilité financière, et non de n’avoir pas réussi à juguler l’inflation de l’IPC. En tolérant un relâchement des conditions de prêt et un accroissement de l’endettement, les autorités monétaires ont intensifié les risques d’un effondrement.

Les éléments dont on dispose indiquent que les autorités monétaires devraient réagir plus vigoureusement aux signes d’un risque macrofinancier croissant. Les observations présentées dans ce chapitre ne corroborent pas l’idée selon laquelle les banques centrales devraient réagir automatiquement aux variations des prix des actifs, encore moins qu’elles essaient d’en déterminer le niveau approprié. En revanche, elles devraient se pencher sur les facteurs à l’origine de ces variations, et se tenir prêtes à prendre des mesures correctives. Cela s’applique particulièrement au logement, qui représente pour la plupart des ménages une part plus importante du patrimoine que les titres et va généralement de pair avec un endettement sensiblement supérieur. Une solution consisterait à élargir les mandats des banques centrales de manière à y ajouter la question des vulnérabilités financières. Les autorités monétaires pourraient par ailleurs faire appel à des instruments macroprudentiels pour remédier aux problèmes des marchés financiers, ce qui pourrait diminuer la nécessité de ripostes monétaires vigoureuses.

Les attentes doivent cependant être réalistes. Les meilleurs indicateurs avancés des chutes des prix des actifs eux-mêmes sont imparfaits; en essayant de diminuer la probabilité d’un effondrement préjudiciable, les banques centrales risquent de déclencher des fausses alertes coûteuses. Par ailleurs, des réactions rigides aux indicateurs et une utilisation inflexible des instruments d’action seront vraisemblablement source d’erreurs de politique monétaire. Une marge d’appréciation est nécessaire. De ce fait, la mise en place d’un cadre plus général de politique monétaire pour atténuer les risques macrofinanciers accroît encore la nécessité d’identifier correctement les sources des chocs à l’origine des variations du crédit, de l’investissement, des comptes de patrimoine et des soldes extérieurs. Les banques centrales qui appliquent des politiques de plus grande envergure devront expliquer de manière très circonstanciée les raisons qui ont motivé les mesures adoptées, leurs objectifs immédiats, et en quoi leur action est compatible avec l’objectif à plus long terme de la stabilité des prix. Qui plus est, une coordination des politiques monétaires et macroprudentielles s’impose, ce qui passe par une intensification des échanges d’information et des consultations entre les autorités monétaires et de surveillance. Cela pose des problèmes pratiques substantiels qu’il convient de traiter en profondeur avant d’élargir le cadre de la politique monétaire ou de mettre d’autres instruments en application. Par ailleurs, ni l’élargissement d’un mandat, ni l’ajout d’instruments ne remplacent des cadres budgétaires et réglementaires conçus pour permettre aux économies de résister dans toute la mesure du possible aux effondrements des prix des actifs et pour donner aux pouvoirs publics la latitude nécessaire pour riposter à ces événements par des mesures de relance.

Appendice 3.1. Méthodes économétriques

Le principal auteur de cet appendice est Prakash Kannan.

Le présent appendice aborde deux problèmes. Il se peut d’abord que, dans la plupart des cas, les indicateurs d’un effondrement imminent des prix des actifs soient fortement corrélés, de sorte que les informations marginales dérivant de certaines variables sont insignifiantes quand les informations fournies par d’autres variables sont prises en considération. (Le tableau 3.5 indique les seuils utilisés pour les indicateurs.) Deuxièmement, il n’est pas aisé de calculer la signification statistique de ces indicateurs; par conséquent, il est difficile d’établir le degré de confiance associé à des indicateurs particuliers. Pour remédier à ces problèmes, on ajoute à l’analyse un modèle probit. Les modèles probit sont des régressions non linéaires qui cherchent à expliquer des variables binaires. Dans le cas de cet exercice, la variable binaire en question prend une valeur de 1 si un effondrement des prix des actifs se produit dans un délai de un à trois ans, et de 0 dans le cas contraire40.

Les résultats de l’analyse probit sont présentés au tableau 3.6. Les coefficients représentent l’augmentation marginale de la probabilité d’une chute des prix évaluée sous forme de moyenne des autres variables41. Dans le cas de l’échantillon post-1985, une hausse de 10 points du ratio crédit/PIB par rapport à une moyenne mobile sur huit ans (l’augmentation standard dans la période précédant une chute des prix du logement) accroît de 4,4 % la probabilité d’une telle chute, ce qui est supérieur d’un tiers environ à la probabilité inconditionnelle, qui se situe aux alentours de 15 %. Les soldes courants et l’investissement résidentiel sont aussi des indicateurs prédictifs significatifs des baisses brutales des prix du logement; ainsi, une dégradation de 1½ point du compte des transactions courantes par rapport à sa moyenne mobile sur huit ans, un ordre de grandeur généralement observable dans la période précédant un effondrement des prix, implique une hausse d’un tiers de la probabilité d’une chute des prix du logement par rapport à la probabilité inconditionnelle. Cela dit, pour cette même période (1985–2008), la croissance de la production et l’inflation ne sont pas si-gnificativement associées à la probabilité d’une chute des prix immobiliers.

Les écarts des parts de l’investissement résidentiel et du crédit sont également des indicateurs avancés significatifs d’une chute des cours boursiers. Une hausse de 10 points du ratio crédit/PIB est associée à une augmentation de 6,4 % de la probabilité d’un repli des cours — chiffre supérieur d’environ 20 % à la probabilité inconditionnelle d’une telle baisse. Le coefficient appliqué aux soldes courants dans le cas des cours boursiers semblent toutefois affecté du mauvais signe pour la partie de l’échantillon concernant la période 1985–2008.

Appendice 3.2. Sources de données
VariableSource
Prix nominaux des logementsBanque des règlements internationaux (BRI), Haver Analytics, Organisation de coopération et de développement économiques (OCDE)
Prix réels des logementsOCDE
Prix réel des actionsBloomberg Financial Markets, base de données des Statistiques financières internationales (SFI)
Crédit réelBase de données des SFI
Crédit nominalBase de données des SFI
Consommation privée réelleOCDE
Investissement résidentiel réelOCDE
ProductionOCDE
Solde courantOCDE
Indice des prix à la consommation (IPC)Haver Analytics (Core PCE), OCDE, et base de données des SFI
Ratio de liquidité relativeOCDE
Taux directeurBloomberg Financial Markets, autorités nationales et Thomson Datastream
Taux d’intérêt réels à long termeBase de données des SFI
Bibliographie

    Adalid, Ramôn, and CarstenDetken, 2007, “Liquidity Shocks and Asset Price Boom/Bust Cycles,” ECB Working Paper No. 732 (Frankfurt: European Central Bank).

    • Search Google Scholar
    • Export Citation

    Ahrend, Rudiger, BorisCournède, and RobertPrice, 2008, “Monetary Policy, Market Excesses and Financial Turmoil,” OECD Economics Department Working Paper No. 597 (Paris: Organization for Economic Cooperation and Development).

    • Search Google Scholar
    • Export Citation

    Aoki, Kosuke, JamesProudman, and GertjanVlieghe,2004, “House Prices, Consumption, and Monetary Policy: A Financial Accelerator Approach,“ Journal of Financial Intermediation, Vol. 13, No. 4, p. 414–35.

    • Search Google Scholar
    • Export Citation

    Berg, Andrew, EduardoBorensztein, Gian MariaMilesi-Ferretti, and CatherinePattillo, 2000, “Anticipating Balance of Payments Crises: The Role of Early Warning Systems,” IMF Occasional Paper No. 186 (Washington: International Monetary Fund).

    • Search Google Scholar
    • Export Citation

    Bank for International Settlements, 2009, Annual Report (Basle: Bank for International Settlements).

    Bernanke, Ben, MarkGertler, and SimonGilchrist,1998, “The Financial Accelerator in a Quantitative Business Cycle Framework,” NBER Working Paper No. 6455 (Cambridge, Massachusetts: National Bureau of Economic Research).

    • Search Google Scholar
    • Export Citation

    Bernanke, Ben, MarkGertler, and SimonGilchrist, and MarkGertler, 2001, “Should Central Banks Respond to Movements in Asset Prices?” American Economic Review Vol. 91, No. 2, p. 253–257.

    • Search Google Scholar
    • Export Citation

    Bordo, Michael, and OlivierJeanne,2002, “Boom-Busts in Asset Prices, Economic Instability, and Monetary Policy,” NBER Working Paper No. 8966 (Cambridge, Massachusetts: National Bureau of Economic Research).

    • Search Google Scholar
    • Export Citation

    Borio, Claudio, and PhilipLowe,2002, “Assessing the Risk of Banking Crises,” BIS Quarterly Review (December), p. 43–54.

    Borio, Claudio, and PhilipLowe,2002, “Asset Prices, Financial and Monetary Stability: Exploring the Nexus,” BIS Working Paper No. 114 (Basel: Bank for International Settlements).

    • Search Google Scholar
    • Export Citation

    Borio, Claudio, and PhilipLowe,2004, “Securing Sustainable Price Stability: Should Credit Come Back from the Wilderness?” BIS Working Paper No. 157 (Basel: Bank for International Settlements).

    • Search Google Scholar
    • Export Citation

    Borio, Claudio, and IlhyockShim,2007, “What Can (Macro-)Prudential Policy Do to Support Monetary Policy?” BIS Working Paper No. 242 (Basel: Bank for International Settlements).

    • Search Google Scholar
    • Export Citation

    Cecchetti, Stephen G., HansGenberg, JohnLipsky and SushilWadhwani, 2000, Asset Prices and Central Bank Policy, Geneva Reports on the World Economy 2 (Geneva: International Centre for Monetary and Banking Studies).

    • Search Google Scholar
    • Export Citation

    Christiano, Lawrence J., RobertMotto, and MassimoRosta-gno, 2007, ‘Two Reasons Why Money and Credit May Be Useful in Monetary Policy,” paper presented at the fourth ECB Central Banking Conference, ‘The Role of Money: Money and Monetary Policy in the Twenty-First Century,” Frankfurt, November9–10, 2006.

    • Search Google Scholar
    • Export Citation

    Claessens, Stijn, AyhanKose, and MarcoTerrones,2008, “What Happens During Recessions, Crunches, and Busts?” IMF Working Paper 08/274 (Washington: International Monetary Fund).

    • Search Google Scholar
    • Export Citation

    Cúrdia, Vasco, and MichaelWoodford, 2009, “Credit Spreads and Monetary policy” NBER Working Paper No. 15289 (Cambridge, Massachusetts: National Bureau of Economic Research).

    • Search Google Scholar
    • Export Citation

    Detken, Carsten, and FrankSmets,2004, “Asset Price Booms and Monetary Policy,” ECB Working Paper No. 364 (Frankfurt: European Central Bank).

    • Search Google Scholar
    • Export Citation

    Frankel, Jeffrey A., and Andrew KRose, 1996, “Currency Crashes in Emerging Markets: An Empirical Treatment,” Journal of International Economics, Vol. 41 (November), p. 351–66.

    • Search Google Scholar
    • Export Citation

    Galí, Jordi, and LucaGambetti, 2009, “On the Sources of die Great Moderation,” American Economic Journal: Macroeconomics, Vol. 1, No. 1, p. 26–57.

    • Search Google Scholar
    • Export Citation

    Gerdesmeier, Dieter, Hans-EggertReimers, and BarbaraRoffia, 2009, “Asset Price Misalignments and the Role of Money and Credit,” ECB Working Paper No. 1068 (Frankfurt: European Central Bank).

    • Search Google Scholar
    • Export Citation

    Gray, Dale, CarlosGarcia, LeonardoLuna, and Jorge E.Restrepo, àparaître, “Incorporating Financial Sector Risk into Monetary Policy Models: Application to Chile,” IMF Working Paper (Washington: International Monetary Fund).

    • Search Google Scholar
    • Export Citation

    Gruss, Betrand, and SilviaSgherri,2009, “The Volatility Costs of Procyclical Lending Standards: An Assessment Using a DSGE Model,” IMF Working Paper No. 09/35 (Washington: International Monetary Fund).

    • Search Google Scholar
    • Export Citation

    Iacoviello, Matteo,2005, “House Prices, Borrowing Constraints, and Monetary policy in the Business Cycle,” American Economic Review, Vol. 95, No. 3, p. 739–64.

    • Search Google Scholar
    • Export Citation

    Kaminsky, Graciela, SaulLizondo, and CarmenRein-hart, 1998, “Leading Indicators of Currency Crisis,” IMF Staff Papers, Vol. 45 (March), p. 1–48.

    • Search Google Scholar
    • Export Citation

    Kaminsky, Graciela L., and Carmen M.Reinhart, 1999, “The Twin Crises: The Causes of Banking and Balance-of-Payments Problems,” American Economic Review, Vol. 89, No. 3 (June), p. 473–500.

    • Search Google Scholar
    • Export Citation

    McConnell, Margaret M., and GabrielPérez-Quirôs, 2000, “Output Fluctuations in the United States: What Has Changed since the Early 1980s?” American Economic Review, Vol. 90, No. 5, p. 1464–76.

    • Search Google Scholar
    • Export Citation

    Mendoza, Enrique G., and Marco E.Terrones, 2008, “An Anatomy of Credit Booms: Evidence from Macro Aggregates and Micro Data,” IMF Working Paper 08/226 (Washington: International Monetary Fund).

    • Search Google Scholar
    • Export Citation

    Milesi-Ferretti, Gian Maria, and AssafRazin, 1998, “Current Account Reversals and Currency Crises: Empirical Regularities,” NBER Working Paper No. 6620 (Cambridge, Massachusetts: National Bureau of Economic Research).

    • Search Google Scholar
    • Export Citation

    Monacelli, Tommaso,2009, “New Keynesian Models, Durable Goods, and Collateral,” Journal of Monetary Economics, Vol. 56, p. 242–54.

    • Search Google Scholar
    • Export Citation

    Taylor, John B., 1993, “Discretion versus Policy Rules in Practice,” Carnegie-Rochester Conference Series on Public Policy, Vol. 39, No. 1, p. 195–214.

    • Search Google Scholar
    • Export Citation

    Taylor, John B., 2007, “Housing and Monetary Policy,” paper presented at the Federal Reserve Bank of Kansas City 31st Economic Policy Symposium, “Housing, Housing Finance and Monetary Policy,” Jackson Hole, Wyoming, August31-September1.

    • Search Google Scholar
    • Export Citation

    Taylor, John B., 2008, “The Financial Crisis and the Policy Responses: An Empirical Analysis of What Went Wrong,” written version of keynote lecture at the Bank of Canada, Ottawa, November.

    • Search Google Scholar
    • Export Citation

    White, William R., 2006, “Procylicality in the Financial System: Do We Need a New Macrofinancial Stabilisation Framework?” BIS Working Paper No. 193 (Basel: Bank for International Settlements).

    • Search Google Scholar
    • Export Citation

    Woodford, Michael,2001, “The Taylor Rule and Optimal Monetary policy” (unpublished; Princeton, New Jersey: Princeton University).

Les principaux auteurs de ce chapitre sont Antonio Fatâs, Prakash Kannan, Pau Rabanal et Alasdair Scott, assistés de Gavin Asdorian, Andy Salazar et Jessie Yang. Ils ont bénéficié des conseils de Jordi Galï.

1

Une catégorie apparentée d’études porte sur les périodes d’envolée des prix des actifs. Adalid et Detken (2007) et Detken et Smets (2004), par exemple, donnent des exemples simplifiés de variables réelles et financières concernant ces phases, et analysent l’influence des chocs de liquidité et de la politique monétaire durant ces périodes. Une étude connexe, Mendoza and Terro-nes (2008), examine les périodes d’expansion du crédit intérieur et le comportement des variables macroéconomiques et microéconomiques qui leur est associé.

2

Bordo et Jeanne (2002) définissent une phase de contraction comme une période durant laquelle la moyenne mobile sur trois ans du taux de croissance des prix des actifs est inférieure au taux de croissance moyen moins un multiple de l’écart-type des taux de croissance. Les seuils utilisés ici pour les phases de contraction des prix du logement et des cours boursiers correspondent grosso modo au taux de croissance moyen des prix respectifs des actifs sur l’ensemble de l’échantillon, moins un écart-type des taux de croissance. Bordo et Jeanne utilisent un multiple correspondant à 1,3 fois l’écart-type des taux de croissance.

3

Pour être précis, un effondrement se produit quand la condition suivante se vérifie:

g est le taux de croissance du prix des actifs et x le seuil pertinent (–5 pour les prix du logement et –20 pour les cours des actions). Si cette condition se vérifie, la période comprise entre t–3 et t correspond à une phase de contraction.

4

Le jeu de données est constitué d’observations trimestrielles des prix d’actifs et de variables macroéconomiques de 21 pays avancés entre 1970 et 2008. Sous réserve du manque de données, l’échantillon recouvre les pays suivants : Allemagne, Australie, Autriche, Belgique, Canada, Danemark, Espagne, États-Unis, Finlande, France, Grèce, Irlande, Italie, Japon, Nouvelle-Zélande, Norvège, Pays-Bas, Portugal, Royaume-Uni, Suède et Suisse. On trouvera des détails à l’appendice 3.2.

5

La durée d’une phase de contraction est la durée pendant laquelle la moyenne mobile de quatre trimestres du taux de croissance des prix d’actifs demeure en deçà du seuil concerné. Du fait que les périodes t–3 à t sont dénommées «phase de contraction», toutes ces phases durent au minimum un an.

6

La production tendancielle est mesurée au moyen d’un filtre Hodrick-Prescott (HP) simple avec un coefficient de lissage de 1600.

7

Pour vérifier la robustesse, l’analyse a également été effectuée au moyen d’un filtre HP glissant avec une tendance à évolution lente. Des schémas similaires ont été obtenus au plan qualitatif. Le paramètre de lissage a été fixé à 400.000, conformément à Borio and Lowe (2004). Voir Kannan, Rabanal, and Scott (à paraître, a) pour les résultats obtenus au moyen de cette procédure.

8

Les pertes de production sont calculées pour la durée totale de la phase de contraction. Celles qui se rangent dans le quartile inférieur en termes de variation de la production sont qualifiées de «très coûteuses».

9

L’analyse de la capacité prédictive des variables macroéconomiques en ce qui concerne les baisses brutales des prix des actifs est associée aux études sur les systèmes d’alerte avancée (voir Berg et al., 2000, pour un inventaire).

10

Compte tenu de ce créneau mobile sur 15 ans, ces statistiques ne sont calculées et présentées qu’à partir de l’année 1985.

11

Plus particulièrement, nous établissons le seuil en fonction des centiles de la distribution des écarts de manière à ce que le rapport bruit/signal, par lequel on entend le rapport des fausses alertes aux alertes légitimes, soit minimisé. Pour éviter l’influence d’observations extrêmes, nous limitons notre recherche sur grille à quatre centiles : le 70e, le 75e, le 80e et le 90e. Pour les seuils utilisés, se reporter au tableau 3.5 de l’appendice 3.1.

12

Dans le cas de la matrice présentée au tableau 3.2, on peut calculer cette statistique en divisant A par (A+B).

13

Ici, la statistique pertinente est C divisé par (A+C).

14

On calcule ce pourcentage par la somme des pourcentages indiqués dans la barre et de la probabilité inconditionnelle de chaque catégorie de chute.

15

Nous avons retenu ces dates parce qu’elles couvrent la période durant laquelle les prix du logement ont enregistré une hausse continue dans la plupart des pays (hormis l’Allemagne, l’Autriche et le Japon), et qui s’est achevée avec le pic atteint en Irlande.

16

Les chutes des prix du logement se définissent par l’écart, en pourcentage, entre le dernier pic que ceux-ci ont enregistré dans le pays et les dernières données disponibles (troisième ou quatrième trimestre de 2008 selon le pays concerné).

17

Ces mesures ont été construites à partir des données non consolidées relatives aux comptes de patrimoine des ménages de l’Organisation de coopération et de développement économiques (OCDE). Le rapport des prêts au revenu disponible ne cadrait pas bien. Le Royaume-Uni et les États-Unis affichaient des rapports dette à long terme/ dette à court terme très élevés, mais ceux-ci n’expliquent pas l’évolution des prix du logement durant cette période.

18

Voir Taylor (2007 et 2008). Taylor cite Ahrend, Cour-nède, and Price (2008) à l’appui de l’argument selon lequel les mesures adoptées ont partout été insuffisantes, et pas uniquement celles de la Réserve fédérale des États-Unis.

19

Voir, entre autres, Borio and Lowe (2002b et 2004) et White (2006). Une version plus radicale de cette critique est que la façon dont les mesures monétaires optimales sont actuellement appliquées (surtout dans les régimes officiels de ciblage de l’inflation) risque elle-même d’intensifier l’instabilité macroéconomique globale en donnant une définition trop étroite de la stabilité, à savoir l’inflation sur le marché des biens. Une critique apparentée, le «paradoxe de crédibilité», soutient qu’une politique qui réussit à diminuer l’inflation et à ancrer les anticipations inflationnistes peut encourager une sorte d’illusion monétaire (voir, par exemple, Borio and Shim, 2007).

20

Comme dans la partie précédente, ces données sont déterminées par l’écart par rapport à une moyenne suivie sur huit ans.

21

La règle établit des coefficients de 1,5 sur les écarts de l’inflation par rapport au niveau ciblé, et de 0,5 pour le déficit de production. Voir Taylor (1993).

22

Le taux directeur réel est ici construit en déflatant les taux directeurs nominaux bruts du taux d’inflation brut de l’IPC prévu par Consensus Economies une année à l’avance. (Les prévisions de Consensus Economies ne sont pas disponibles pour tous les pays de l’échantillon avant 1995; c’est pourquoi on n’a pas pu y faire appel pour mesurer les taux réels dans les parties qui précèdent.)

23

Cette analyse repose notamment sur l’hypothèse selon laquelle les décisions de politique monétaire dans un pays étaient indépendantes de celles d’autres pays, ce qui est une conclusion commune étant donné les régimes de change flottants et la libre circulation des capitaux. D’aucuns avancent que la conduite de la politique monétaire aux États-Unis a plus d’influence sur les conditions monétaires d’autres pays que cette hypothèse ne l’autorise, ce qu’une rigoureuse analyse empirique devra prouver.

24

Pour un modèle qui analyse les conséquences des fluctuations des cours boursiers pour la politique monétaire, voir Christiano, Motto, and Rostagno (2007). Par souci de simplicité, il n’y a pas de capital dans la production, et l’économie est fermée.

25

Le modèle emprunte des éléments des modèles d’Aoki, Proudman, and Vlieghe (2004); Cúrdia and Woodford (2009); Iacoviello (2005); et Monacelli (2009). Voir également l’édition d’avril 2008 des Perspectives de l’économie mondiale. Le mécanisme d’accélération revient à Bernanke, Gerder, and Gilchrist (BGG, 1998); contrairement à BGG, l’accélérateur du présent modèle fonctionne avec le financement du logement et non avec le capital des entreprises. Pour une description détaillée du modèle, voir Kannan, Rabanal, and Scott (à paraître, b).

26

Nous classons les régimes monétaires en fonction des variances également pondérées du déficit de production et de l’inflation de l’IPC. Dans ce modèle, le déficit de production est la différence entre la production totale et potentielle (PIB). On entend par production potentielle le niveau de la production totale dans cette économie quand on retire les rigidités nominales et les frictions financières; en d’autres termes, les prix sont supposés flexibles dans les deux secteurs, tous les agents ont le même coefficient d’actualisation, et il n’y pas d’écart entre les taux d’emprunt et de prêt. Le déficit de production est une cible appropriée, du point de vue du bien-être, parce que le PIB est la somme de la production des secteurs de la consommation et du logement. Les politiques monétaire et réglementaire doivent viser à diminuer les effets des distorsions nominales et financières dans l’économie. L’inflation de l’IPC est le taux de variation des prix des biens de consommation, et ne couvre pas l’inflation des prix du logement; elle ne constitue donc pas une mesure totalement appropriée du bien-être. Nous évaluons à dessein les politiques en termes d’inflation de l’IPC, afin de faciliter la comparaison avec la majeure partie des études portant sur la politique monétaire et les objectifs classiques des banques centrales; globalement, l’évaluation des politiques en termes d’inflation des prix du logement également apporterait d’autres arguments à l’appui d’un élargissement des politiques.

27

On peut considérer le choc financier comme une réduction de la marge facturée par les banques sur les coûts de financement, provoquée soit par une intensification de la concurrence et la quête d’une part de marché, soit par la diminution du risque de prêt perçu. L’augmentation de la productivité est modélisée sous forme de choc de productivité dans le cas des biens de consommation non durables. Les deux chocs sont temporaires mais assez persistants — ils suivent des processus autorégressifs (1) dont les paramètres de persistance sont fixés à 0,95. Nous supposons que, lorsque le choc frappe l’économie, les ménages et les pouvoirs publics en comprennent immédiatement la nature et la façon dont il se transmettra au reste de l’économie.

28

Il ne s’agit pas là d’un commentaire sur la probabilité des bulles; cela tient au fait qu’il n’existe actuellement pas de modèles efficaces de bulles irrationnelles susceptibles d’être incorporés à des modèles de ce type.

29

On entend par crédit nominal le crédit réel multiplié par le déflateur du PIB, qui est la moyenne pondérée de l’IPC et de l’indice des prix du logement.

30

Dans ces trois régimes, toutes les mesures monétaires sont lissées par l’application d’un coefficient de 0,7 sur le taux d’intérêt nominal retardé, et de 0,3 sur les variables monétaires (le coefficient est optimisé dans le quatrième).

31

Ces retards sont introduits au motif que, dans la vie réelle, les pouvoirs publics ne disposent des chiffres concernant le déficit de production et l’inflation qu’à l’issue d’un certain délai; les données relatives aux agrégats monétaires et au crédit sont plus rapidement disponibles. L’intégration du crédit actuel dans les règles augmenterait la valeur du crédit en tant qu’indicateur, et orienterait donc les conclusions en faveur d’un élargissement de la politique monétaire. Pour éviter cela, le crédit aussi est retardé.

32

La volatilité des taux d’intérêt diminue également, bien que les règles de politique monétaire soient plus agressives. C’est parce qu’un modèle dont les agents privés sont entièrement tournés vers l’avenir, comme celui-ci, a des effets d’anticipation considérables — les ménages anticipent une réaction plus vigoureuse de la banque centrale et l’intègrent dans leur processus de décision. De ce fait, la politique monétaire fonctionne sous la menace de mesures plus énergiques plutôt que par leur application effective.

33

La réaction efficace est souhaitable du point de vue du bien-être, mais n’est pas possible dans le cadre de ce modèle en raison des rigidités et distorsions nominales des marchés financiers.

34

Dans la règle de Taylor augmentée, le coefficient appliqué au crédit était positif, et ce même quand on a associé cette règle à un instrument macroprudentiel. Ce résultat tient au fait que la règle de Taylor applique des coefficients moins qu’optimaux au déficit de production et à l’inflation (0,5 et 1,5, respectivement). Iacoviello (2005) fait état d’un résultat analogue.

35

Bien que le choc touche essentiellement la production de biens de consommation non durables, les ménages consacrent une plus grande part de leurs dépenses à l’investissement résidentiel et aux biens de consommation non durables parce qu’ils anticipent une hausse de leurs revenus.

36

Plus précisément, cet exercice spécifie une séquence de matrices de variance-covariance dans lesquelles le rapport de la variance du choc financier augmente tandis que celle du choc de productivité et la covariance des deux chocs se maintiennent respectivement à 1 et à 0; il optimise ensuite les coefficients de toutes les variables du régime faisant appel à la règle de Taylor augmentée et de celui utilisant la règle macroprudentielle pour chacune des matrices variance-covariance de la séquence.

37

Gray et al. (à paraître) estiment qu’un indicateur de stabilité financière a un rôle à jouer dans la règle de politique monétaire. Gruss et Sgherri (2009) étudient les effets sur le bien-être de ratios prêt/valeur procycliques dans un modèle de deux pays. Néanmoins, ce modèle ne comportant pas de données nominales, la réaction de la politique monétaire ne peut être examinée.

38

Deux exemples bien connus sont Bernanke et Gertler (2001), qui aboutissent à la conclusion que les prix des actifs n’ont aucun rôle à jouer dans les règles de politique monétaire, et Cecchetti et al. (2000), qui soutiennent que les banques centrales devraient réagir à ces prix.

39

Voir BRI (2009) pour une analyse utile.

40

Les modèles probit ont été utilisés dans le cadre de travaux de prévision des crises monétaires (Frankel and Rose, 1996, et Milesi-Ferretti and Razin, 1998).

41

Les variables sont mesurées par les écarts par rapport à une moyenne mobile suivie sur huit trimestres, comme précédemment.

    Other Resources Citing This Publication