Memoire Online - crises financières et contagion: cas de subprime

INTRODUCTION GENERALE ............................................................... 1

CHAPITRE I : Les crises financières : Modèles et contagion........................... 5

Section 1 : Les crises financières............................................................... 6

Section 2 : La contagion des crises financières.............................................15

CHAPITRE II : La crise de « subprime ».....................................................25

Section 1 : Cadre générale de la crise américain...........................................26

Section 2 : La crise de subprime à la lumières des modèles des crises...............36

CHAPITRE III : Etude de contagion pendant la crise du subprime.................. 41

Section 1: Présentation des données et analyse statistique............................ .42

Section 2 : Etude de corrélation.................................................................43

Section 3 : Cointégration et modèle VECM..................................................45

Section 4 : Transmission en moyenne et en variance......................................50

CONCLUSION GENERALE.................................................................. .62

ANNEXES...........................................................................................66

BIBLIOGRAPHIE................................................................................ ..91

La dernière décennie laissera dans les ouvrages de l'histoire économique la trace d'importantes et fréquentes crises dans le système financier international. Durant cette période, les économies ont été confrontées à des crises financières résultant par exemple des attaques spéculatives brutales sur certaines monnaies lors de crise du SME en 1992, des fluctuations considérables des cours sur les marchés dérivés (matières premières), l'effondrement des prix des certains marchés émergents qui a conduit à la crise mexicaine en 1994 et surtout la panique de système bancaire pendant la crise asiatique en juillet 1997 qui a donnée un coup fatal à l'ensemble de l'économie mondiale.

Les économistes ont cherché à étudier les sources de déclanchement de chaque crise à travers les modèles de première, deuxième et troisième génération. En se basant sur les modèles de première génération, on peut identifier les sources de la de la crise mexicaine ainsi que celle d'argentine qui sont la dégradation des fondamentaux et la persistance du déficit des balances des paiements. Alors que le but des modèles de deuxième génération était la représentation de l'inefficience de la politique monétaire adoptée qui a conduit à l'apparition de la crise du système monétaire européen.

Toutefois, ces deux modèles précités n'ont pas permis à étudier les causes et les défaillances de la crise asiatique. Une troisième génération des modèles est alors apparue. Cette nouvelle catégorie des modèles a combiné l'imperfection de l'information sur les marchés financiers et la fragilité du système bancaire. Suite à cette crise asiatique, on remarque que l'intensité de la crise n'est plus spécifique au pays originaire mais elle a contaminé des autres pays géographiquement regroupés ou dispersés.

Ces crises, plus précisément la crise asiatique, ont été marquées par l'introduction d'un nouveau phénomène attaché à l'occurrence des crises financières. On parle, alors, de l'extension des perturbations d'un marché financier vers les autres marchés.

Autrement dit, c'est le phénomène de la contagion des crises financières qui a comme cause : l'abolition des barrières nationales et l'interdépendance des marchés financiers à l'échelle internationale.

Aujourd'hui, nous somme devant une crise financière entrain de frapper la terre promise de la nouvelle jeunesse du capital. C'est la crise des crédits immobiliers des Etats Unis, dite encore la crise de « subprime ». En effet, en 2007, les prix ont baissé, les taux ont grimpé et les mauvais emprunteurs commencent à se trouver en difficulté. Ils ont vendu leurs habitations, pour qu'ils ne subissent pas une perte qui devienne lourde, contribuant à la chute des prix. Dès lors, le risque théorique de faire défaut sur leur crédit, non honoré, devient réel.

Le but de notre mémoire est d'étudier cette crise de subprime. Pour cela, d'abord, on présentera les différentes crises financières ultérieures en se référant aux modèles de différentes générations. Puis, nous distinguerons les mécanismes de transmission de ces crises d'un pays à un autre. En fin, d'une part, on va définir les modalités de fonctionnement de marché de subprime, les sources de déclanchement de cette crise. D'autre part, nous étudierons son impact sur le reste du monde y compris la contagion de la crise de subprime via les canaux de propagation.

Nous voudrions ainsi étudier cette crise en répondant aux questions suivantes :

Peut-on associer la crise de subprime au modèle de troisième génération ? Quelles sont ses impacts sur l'économie américaine ? Peut-on parler d'une contagion financière durant la crise de subprime? Si oui, quelles sont alors les mécanismes de propagation ?

Empiriquement, nous étudierons le phénomène de contagion pendant la crise de subprime à fin de savoir à quel point les marchés sont intégrés. Par la suite l'impact de cette crise sur les pays suivants : le France, la grande Bretagne, l'Allemagne et le Japon. Nous procéderons ainsi une étude de corrélation entre les différents marchés, puis nous ferons appel à la théorie de cointégration pour montrer l'indépendance à long terme entre ces pays.

En fin, nous étudierons la transmission en moyenne et en variance (méthode ARCH) de marché américain vers les autres marchés pour détecter la contagion. Nous distinguerons la période exacte de cette crise en intégrant deux variables « dumy ».

Introduction

Selon Arvai et Vincze (2000), la crise financière est une crise qui a lieu sur un marché financier. On peut distinguer quatre types de crises financières : crise de change, crise de dette, crise des capitaux et crise du système bancaire. Chacune de ces crises peut se produire toute seule ou en combinaison avec les autres.

Généralement, il n'existe pas une distinction implicite des notions d'attaque monétaire spéculative, de crise de change et de crise financière. En réalité, une crise sur le marché des changes est habituellement précédée par une attaque spéculative réussie contre le taux de change. Celle-ci peut provoquer un processus de répartition des ressources dans l'économie entière, de même elle provoque un changement dans les comportements de tous les agents dont les intérêts sont concernés.

Parmi les crises les plus récents qui ont été source de contagion, on peut citer la crise asiatique qui a touché le Thailand, en premier lieu, puis elle a contaminé les Philippines, la Malaisie, l'Indonésie et la Corré du Sud .Cette crise a suscité un intérêt énorme de la part des économistes à fin de rendre intelligible et d'en comprendre les mécanismes de contagion. En suite, la crise financière russe en 1998 qui s'est propagée vers les marchés d'Amérique latine. Finalement, la crise argentine en 2001, considérée comme isolée au départ, s'est propagée vers le Brésil et l'Uruguay.

Dans ce travail, nous traiterons les crises financières comme des crises intégrant à la fois toute autre type de crise. Concernant ce chapitre, nous commencerons par l'indentification des modèles des crises financières puis nous passerons à ses mécanismes de transmission.

Section 1 : Les crises financières

1.1. Les modèles des crises financières

Les analyses théoriques des crises financières font distinguer plusieurs types de modèles. Ceux-ci sont jusqu'ici présentés en trois générations.

1.1.1. Les modèles de première génération

Dans une première génération des modèles, Krugman (1979) et Flood et Garber (1984) ont essayé d'expliquer les crises de balance de paiements des années 1970-1980 telles que la crise mexicaine de 1973-1982 et d'argentine de 1978-1981.

Selon ces modèles, les crises peuvent être expliquées par deux principaux facteurs résidant d'une part de l'effet négatif de la dégradation des fondamentaux macro-économiques et d'autre part, de la persistance de déficit des balances de paiements^1(*). Ces deux facteurs peuvent engendrer un déséquilibre persistant sur le marché de la monnaie ou sur le plan budgétaire, en plus de la limitation des stocks des réserves de change. En effet, dans un régime de change fixe, un excès d'inflation peut engendrer une dépréciation de la monnaie locale. De ce fait, les autorités monétaires, notamment la banque centrale, rachète sa monnaie en appuyant sur les réserves de change. Par conséquent, les réserves s'épuiseraient progressivement jusqu'à atteindre un niveau limite.

Ces modèles indiquent que le déclenchement d'une crise n'est pas un phénomène purement aléatoire mais c'est le résultat de déséquilibre économique en mettant l'accent sur les contradictions entre des objectifs économiques. Les politiques monétaires et fiscales sont en général incompatibles avec un taux de change stable.

L'objectif de cette première catégorie des modèles est de montrer que l'occurrence d'une crise résulte logiquement de l'incohérence entre la politique intérieure et la politique de taux de change (stabilité de taux de change) et qu'elle n'est pas la conséquence d'irrationalité des opérateurs. En revanche, ces derniers jouent le rôle le plus important dans la deuxième catégorie des modèles.

1.1.2. Les modèles de deuxième génération

Ces modèles ont été développés dans les années 1990. Eichengreen et Wyplosz (1993), par exemple, ont traité des premières expériences de la globalisation financière dans les pays développés. Ils ont été suivi par Obstfeld (1994,1996) qui a analysé la crise du mécanisme de change Européen (MCE) en 1992-1993.

Ces modèles sont caractérisés par un jeu d'influence entre le gouvernement, représentés par les politiques économiques, et le marché, à travers le caractère auto réalisateur de l'anticipation des investisseurs. Généralement, on parle d'anticipation auto réalisatrice lorsque, par exemple, la prévision de l'augmentation du cours engendrera un flux d'achat qui le fait effectivement monter. Une anticipation que l'économie va sortir de la récession, donc que les revenus des ménages vont augmenter et les carnets de commande des industriels se remplir, engendre une croissance de la consommation et de l'investissement, donc de la demande, qui fait sortir effectivement l'économie de la récession.

Dans les modèles de première génération, la crise a un concept déterministe conduisant au déclenchement rationnel et prévisible d'une attaque spéculative. Quant aux modèles de deuxième génération, le scénario de crise est purement aléatoire, et dans ces contextes, les crises sont de plus en plus imprévisibles. En effet, la dégradation des fondamentaux macro-économiques n'est plus l'issue unique des crises, les spéculateurs sont susceptible de choisir une devise au hasard pour l'attaquer. En d'autre terme, les crises peuvent intervenir indépendamment d'une forte détérioration des fondamentaux. C'est-à-dire qu'on considère que les politiques économiques ne sont plus prédéterminés, mais adoptés selon les chocs touchant l'économie par secteur.

C'est ce que résume parfaitement Obstfeld (1996): « la question intéressante n'est pas de savoir si, oui ou non, la crise est justifiée par les fondamentaux, dans la mesure où tout le monde est d'accord pour dire que les fondamentaux jouent un rôle, mais si, oui ou non, les fondamentaux sont tels qu'ils font de la crise l'issue unique et inévitable ». On parle donc des crises auto-réalisatrices. En effet, et afin de mieux comprendre le déclenchement de la crise mexicaine de décembre 1994, Sachs, Tornell et Velasco (1996) introduisent cette hypothèse dans un cadre de crédibilité imparfaite de la politique de change du Mexique. Ils ont montré que les modèles de deuxième génération peuvent révéler des équilibres multiples auto-réalisatrices puisque les attaques spéculatives augmentent le coût de défense du taux de change. Par exemple, soit une économie où les politiques de gouvernement sont désignées pour l'entretien d'un taux de change ancré, mais le marché est dominé par le sentiment que la devise sera dépréciée. Si une attaque spéculative augmente le coût du maintient de l'ancrage (peg), elle pourrait par la suite forcer ainsi les autorités à l'abandonner. Les croyances des spéculateurs peuvent donc s'avérer auto réalisatrices.

On commence alors à reconnaître, dans la théorie des crises, que les équilibres de marché peuvent être multiples et que le libre fonctionnement des marchés ne conduit pas nécessairement à un équilibre unique, de sorte que les crises s'auto justifient, même si toutes les conditions macroéconomiques initiales sont saines et vérifiées. En outre, un grand nombre de spéculateurs peuvent provoquer un basculement des anticipations, non seulement sur le taux de change, mais sur l'avenir de l'économie tout entière, et ceux en spéculant sur la hausse ou à la baisse d'une monnaie. Dans ce contexte de crise de deuxième génération, si l'anticipation moyenne bascule, elle deviendrait alors auto réalisatrice.

Malgré leur importance, les conclusions des modèles des deux premières générations se sont révélées insuffisantes pour comprendre la crise asiatique de 1997-1998. Une troisième génération des modèles a vu donc le jour.

1.1.3. Les modèles de troisième génération

Ces modèles de crises sont apparus après la crise asiatique de 1997-1998 (Pesenti et Tille 2000, Krugman 2001) qui s'est déclenchée en Juillet 1997 en Thaïlande avec la dévaluation du Bath thaïlandais. Puis, elle s'est propagée aux pays émergents de la région asiatique. Ces modèles sont parfois qualifiés de modèles inter-générations (Flood et Marin 1999) du fait qu'ils combinent des séquences des modèles de crises de première et de deuxième génération. Ils sont caractérisés par l'imperfection de l'information sur les marchés financiers et par la fragilité des systèmes bancaires.

Les économies émergentes d'Asie avaient augmenté la liquidité, expliquée par les fortes entrées de capitaux, et par conséquent avaient augmenté le crédit domestique. Or, à cause d'une mauvaise évaluation du risque de défaut et l'absence de supervision solide par les autorités, les créances douteuses dans les bilans bancaires ont considérablement augmenté. Ce qui a provoqué des restrictions des crédits en raison de l'insolvabilité de certaines banques et à la chute de la richesse nette d'un très grand nombre d'emprunteurs.

La crise bancaire s'est transformée par la suite en une crise de change à cause de l'interruption massive des entrées de capitaux sous la forme de prêts bancaires à court terme et en devise. La réduction des capitaux bancaires internationaux et la chute des réserves de change ont aggravé les déficits courants et fortement déprécié le taux de change. La charge réelle de la dette s'est par conséquent augmentée et les sorties des capitaux se sont accélérées, ce qui a renforcé les mécanismes de la crise et l'a rendue inéluctable. C'est en fait le scénario de la crise du bath thaïlandais, de même que celui de la crise de Won Coréen (Contamin et lacu 1998) ou de la roupie indonésienne.

C'est dans ce contexte que s'est apparaît le concept de « crise jumelle ». Celles ci se manifestent par la combinaison d'une spéculation intense contre la monnaie nationale et une série de défaillances bancaires. Elles associent une méfiance à l'égard de la stabilité du taux de change, et donc du régime de change s'il existe, et de la liquidité ou de la solvabilité des intermédiaires bancaires, qui rétroagissent l'une sur l'autre en se consolidant mutuellement. Les analyses statistiques des crises jumelles menées par Velasco (1987) suggèrent qu'une crise bancaire entraîne une crise de change par le biais d'émission excessive de la monnaie nationale, provoquée par le secours exceptionnel en liquidité que la Banque centrale apporte au système bancaire pour le stabiliser, comme le montre le graphique dans la page suivante :

Deux approches, qui tendent à étudier le contexte macroéconomique et les éléments sous jacents de la crise financière asiatique dans son ensemble peuvent être retenues. L'implication des secteurs bancaires et financiers dans la crise financière a fait l'objet de deux approches : l'aléa moral et la panique financière.

a) L'approche d'aléa moral

Cette approche, soutenue par Krugman (1998) et Corsetti, Pesenti et Roubini (1999), introduit une définition générale de l'aléa de moralité ou de risque moral. Celui-ci se caractérise par le fait que les agents aient la possibilité de prendre des décisions risquées, car ils ne subiront aucune perte en cas de problème, dans la mesure où le gouvernement leur fournit des garanties plus ou moins explicites. Ainsi, les intermédiaires asiatiques ont la possibilité d'emprunter aux banques étrangères car leur passif est garanti par le système en cas de retraits des clients ou de faillite personnelle de la banque.

Krugman (1998) défend la thèse des politiques économiques et monétaires insoutenables et de la responsabilité des fondamentaux dégradés de la panique financière. C'est le cas de la crise asiatique, croit-il. La dégradation des fondamentaux asiatiques ainsi que les politiques inappropriées (crazy policies), tels que les garanties, les soutiens et la socialisation ou l'indemnisation des dettes et les actes des agents des autorités monétaires, sont responsables de la crise. Il considère que les banques, par la constitution d'un stock excessif d'investissement et d'emprunt bancaires, ont fait déclencher la crise asiatique à travers le rôle du risque moral dans le gonflement de la bulle sur les prix des actifs, ainsi que dans son profitabilité. Cela a engendré, dans une première phase, appelait « la phase euphorique », un boom d'activité et des augmentations de réserves voire des bulles sur le taux de change.

Puis, dans une deuxième phase, appelait « la phase neurasthénique », tout est inversé. Il y aurait une détérioration de la situation financière des entreprises, une dégradation des bilans bancaires, un sous investissement, un ralentissement de l'activité, des pertes massives de réserves, une chute des cours boursiers, des faillites bancaires, une crise réelle, une diffusion de la panique, une attaque spéculative, des sorties massives des capitaux. En d'autre terme une crise financière totale qui est due au risque moral.

Le risque moral se situe à trois niveaux. Le premier concerne les entreprises. Les investisseurs, optimistes, croyant qu'ils ne pouvaient pas subir de perte en cas de chocs négatifs, ont pris des risques démesurés et ont même adopté certains projets dont la profitabilité est faible. Le deuxième qui est financier implique les banques qui ont massivement accordé des prêts aux investisseurs nationaux dont plusieurs projets ainsi financés sont souvent douteux. Elles estimaient que les emprunteurs capables de rembourses leurs crédits. Par la suite, elles pouvaient elles-mêmes rembourser leurs dettes extérieures. Cependant, aucune banque ne consacrait des mécanismes de contrôle et de supervision pour les activités de leurs clients, de sélection des projets, des normes et des ratios prudentiels et de mesure de risque, ce qui a conduit forcement à des non remboursements.

Le troisième niveau est international et implique les banques étrangères qui ont accordé des crédits aux économies asiatiques, à la garantie des gouvernements locaux ou du FMI. Ainsi, ces anticipations ont poussé les acteurs à prendre des risques excessifs même dans le cas des situations défavorables dans l'économie.

Dooley (1997) soutient le problème se situe au niveau de l'action du gouvernement. D'une part, il a essayé d'acquérir des réserves de change, par les entrées des capitaux étrangers, dont le but est de constituer une assurance en cas de choc extérieur. D'autre part, il a assuré une bonne santé du système bancaire et un remboursement en cas de retraits et ce grâce aux réserves. Cette garantie a incité les investisseurs aux retraits, s'ils estiment optimal, et de ce fait à puiser dans les réserves de change.

Berger et De Young (1997) ont démontré l'existence d'une relation de causalité au sens de Granger entre la faiblesse des fonds propres des banques américaines et l'apparition de créances douteuses. En testant l'hypothèse du risque moral, ils ont conclu que les banques à faibles fonds propres augmentent le risque de leur actif en octroyant beaucoup de prêts, ce qui provoquera le développement des prêts non performants.

b) L'approche de la panique financière

Cette approche est soutenue par Radelet et Sachs (1998,1999). Elle introduit la thèse de la crise d'illiquidité nationale et internationale qui provient essentiellement de la panique financière pure, de ruée bancaire et des désajustements d'échéances au sein des bilans bancaires. Cette approche minimise les anomalies des fondamentaux et le risque moral. La crise asiatique s'apparaît ainsi comme une crise d'illiquidité causée par un assèchement accru et inattendu des entrées de capitaux internationaux et une fuite massive des capitaux étrangers.

Le sous-développement des banques asiatiques et leurs inaptitudes de gérer efficacement des flux grandissants, à cause du manque des règles de contrôle et des normes prudentielles, ont entrainé une augmentation des créances douteuses et une diminution des exportations. Les investisseurs internationaux, jugeaient le bouleversement des politiques des gouvernements asiatiques et l'inefficacité des programmes de sauvetage du FMI, changent leurs opinions durant la panique.

Donc, l'aggravation de la crise financière, notamment la crise bancaire, peut être expliquée principalement par un état de panique traduit par un retrait massif des dépôts par les épargnants.

c) Un modèle de synthèse

Afin de comprendre les mécanismes de déclenchement de la crise asiatique, Irwin et Vines (1999) ont développé un modèle qui fait la synthèse des aspects principaux des trois modèles déjà mentionnés : les garanties des gouvernements Krugman (1998), l'aléa moral Dooley (1997), et enfin les modèles de panique bancaire Radelet et Sachs (1998, 1999).

Dans ce modèle de synthèse, le gouvernement, les banques nationales et les banques étrangères sont les principaux acteurs. Le gouvernement peut se situer dans deux cas de figure : soit il est crédible, soit il ne l'est pas. Dans le premier cas, il honore ses engagements en payant sur les coûts de la garantie, les banques étrangères (qui prêtent aux banques nationales moyennant des garanties) ne vont pas augmenter leurs taux sur les prêts. Dans le deuxième cas, il manque à sa parole, en offrant des garanties peu fiables. Les banques étrangères exigeraient des primes de risque traduisant par une hausse des taux d'intérêt, introduit par les banques étrangères.

Ce scénario va produire un équilibre unique de long terme et des équilibres multiples de court terme. L'équilibre unique de long terme existe lorsqu'il y a une forte probabilité, ex ante, que le gouvernement manque à sa parole et n'honore pas ses garanties. Les équilibres multiples de court terme sont vérifiés dès que le niveau de la dette des banques nationales dépasse un certain seuil. Dans ce cas, si le taux d'intérêt sur la dette est égal au taux sans risque et qu'aucun choc n'intervient, alors on est dans une situation d' « équilibre sain ». Si le taux dépasse le taux sans risque et qu'il y a un choc éventuel, alors on est dans une situation d'« équilibre instable ». Dans un troisième cas, si le taux dépasse le taux sans risque et qu'il y a un choc certain, par exemple choc de productivité de la fonction de production des banques, alors on est dans une situation d' « équilibre de crise ». La crise est inévitable du fait de l'existence des garanties gouvernementales qui entraînent des équilibres multiples jusqu'à ce que les gouvernements ne soient forces de manquer à leur parole.

En résumé, la diversification des approches dans l'explication des crises qui est due à la diversification des facteurs sou jacents. Les deux premières générations de modèles mettent l'accent sur le rôle, d'une part des fondamentaux économiques et, d'autre part sur les politiques des autorités monétaires et les anticipations auto réalisatrices des investisseurs. Quant au modèle de troisième génération, la ruée bancaires, qui est caractérisée par un retrait massif des dépôts auprès des banques, et le risque d'illiquidité sont les facteurs primordiaux des crises. Ils en résultent, essentiellement, des phénomènes du cycle d'affaires et d'asymétrie d'information à partir du quelle les investisseurs se comportent selon les informations qui influe sur le comportement des investisseurs quant à leurs rendements futurs de leurs placements ou seulement par mimétisme des autres investisseurs informés.

Les crises de troisième génération se sont différenciées par l'apparition d'un phénomène de propagation de crise dans la région asiatique à travers des canaux de transmission. Ce phénomène est connu sous le nom de la contagion financière.

Section 2 : la contagion des crises financières

Le passage d'un système financier séparé par des barrières nationales à un système financier global est à l'origine de l'apparition d'une nouvelle conjoncture économique appelée globalisation financière, avec des marchés financiers plus en plus interdépendants à l'échelle internationale. Dans ce contexte, la simultanéité des crises financières dans des pays géographiquement regroupés ou dispersés amène à s'interroger sur la présence d'un phénomène de transmission de ces crises d'un marché financier à un autre. Ce phénomène est souvent nommé la contagion qui apparaisse désormais comme un facteur explicatif et fatal de la naissance des crises financières ayant frappés plusieurs pays.

Une contagion se manifeste à travers la propagation des chocs d'un pays à un autre, par suite on peut la qualifier, l'extension de déséquilibre d'un marché financier dans un pays particulier aux autres marchés financiers, des forts co-mouvements des prix et des quantités à travers les marchés. Ces derniers sont souvent abusifs par rapport à un niveau ou un seuil ordinaire qui traduit l'interdépendance normale entre les pays.

Autrement, une forte volatilité de prix des actifs qui se répand d'un pays en crise à d'autre pays, on les y qualifiera d'une contagion. En effet, pendent les épisodes de la turbulence financière, l'alternative de l'augmentation de la volatilité des prix des actifs sur les marchés financiers internationaux est souvent adaptée. Généralement, on parle d'un marché incertain s'il existe une volatilité dans les prix de ses actifs, donc notre dernière définition peut être ainsi interprétée comme la propagation de cette incertitude à travers les marchés financiers.

2.1. Les théories de transmission des crises

D'un point de vue économétrique, et en analysant les travaux réalisés sur les crises financières, un conflit entre les résultats des travaux sur ce thème se manifeste. On a ceux qui montrent l'existence d'un phénomène de contagion pendant une crise particulière (Kaminsky et Reinhart 1999) et d'autres qui remettent en cause cet existence en expliquant la transmission des chocs par les interdépendances normaux entre les pays (Forbes et Rigobon, 2002, Billio et Pelizzon, 2003).

Ainsi, deux théories se présentent à fin d'étudier la contagion financière. La première présume l'importance des liens forts et existants juste avant la crise et la deuxième s'intéresse à ces liens au moment de cette crise.

2.1.1. Les théories non contingentes aux crises

Ces théories montrent que les mécanismes des propagations des crises sont indépendants des moments du déclanchement des crises. Ces mécanismes, suite à un choc initial, ne sont pas différents de ceux avant le choc sous l'hypothèse d'existence permanent des co-mouvements entre les différents marchés.

Cette première catégorie des théories est basée sur les fondamentaux de l'économie comme canaux de transmission. Forbes et Rigobon (2000) distinguent trois canaux principaux: Le commerce international, la coordination des politiques monétaires et les chocs aléatoires.

Généralement, l'occurrence d'une crise financière engendrera la dévaluation du pays à travers une fusion de deux effets. Cette crise s'accompagne d'une chute des exportations envers ce pays des principaux partenaires commerciaux et donc une détérioration de leur balance commerciale comme effet direct. Elle engendre aussi une détérioration de la compétitivité des exportations par la pression sur la monnaie du pays touché comme effet indirect.

Le commerce international joue le rôle le plus important dans la transmission d'une crise d'un pays à un autre en cas de dépendance. Cette dernière se justifie par fait que tous les pays sont extrêmement attachés par les liens réels et financiers. Glick et Rose (1998) ont montré que les canaux commerciaux sont significativement supérieurs aux variables macroéconomiques. Ces liens commerciaux entre les pays intensifient, d'une part, le risque d'occurrence d'une crise financière à cause des anticipations auto-réalisatrices et d'autre part, augmentent le risque de déséquilibre régional à cause des équilibres multiples.

L'interdépendance entre les différentes économies mène les pays à suivre une politique similaire à celle adoptée par le pays touché par une crise. Cette suivie est plus réaliste dans les unions monétaires ainsi qu'à l'intérieur des zones de libre échange. Tout choc à un pays menace l'équilibre de l'union et provoquera des effets presque instantanés à tous les pays y appartiennent. Chacun d'entre eux payera, en fin, une partie de coup.

Par exemple, le choix d'une politique de taux d'intérêt élevé, dont le but de soutenir le taux de change, va aggraver encore la situation des entreprises largement endettées. Ces dernières seront trouvés incapables de se refinancer ou de gérer les opérations d'importation et d'exportation. Il est clair que la suivie d'une telle politique sans avoirs objectifs précis générera plusieurs risques qui seront loin d'être contrôlés (soit le risque d'illiquidité suite à l'augmentation du taux d'intérêt).

« Les chocs globaux, communs ou aléatoires influencent simultanément les fondamentaux de bon nombres d'économies » Dornbusch (2000).

A ce niveau la croissance économique des certains pays peut être freiné, une fois ses fondamentaux sont touchés, à cause d'une augmentation des taux d'intérêts étrangers et internationaux, la baisse de l'offre des capitaux, les chocs de liquidités exogènes (par exemple un choc de politique monétaire) , et la chute de la demande mondiale pour quelques produits et matières premières comme pour les pays pétroliers (baisse du prix de pétrole).

Dans ce contexte des chocs communs, Masson (1999) signale que ces derniers apparaissent comme des facteurs indépendants du déclanchement des crises. Ces sont les interdépendances économiques et financières qui sont à l'origine de transmission des chocs entre les pays. Ainsi, ces canaux se présentent avant la crise et qui ne peuvent être modifiés au moment du déclenchement de ladite crise.

2.1.2. Les théories contingentes aux crises

Ces théories stipulent que la transmission d'une crise est spécifique et liée à celle-ci. Autrement dit, une fois la crise est déclenchée des nouveaux canaux de propagation apparaissent. Ils sont différents de ceux avant la crise. Certes, ces canaux n'existent pas durant les périodes de stabilité financière, il existe alors un changement structurel. Ce courant est fondé sur l'équilibre multiple, les chocs de liquidité endogène et la contagion politique.

Pour avoir un équilibre unique, l'étude menée par Morris et Shin (1998) en réaction avec les modèles de crise de la seconde génération stipule l'existence d'un nombre d'information public suffisamment large. D'une part, L'importance du nombre d'information compensera le manque de précision, en cas des signaux publics non précis, afin d'avoir un équilibre unique. D'autre part, ce résultat remet en cause l'hypothèse d'unicité d'équilibre puisque ces mêmes informations publiques conduisent à un équilibre multiple.

Dans un contexte de contagion, l'intégration de la notion des équilibres multiples est très importante. En effet, le passage du virus d'un pays à un autre lui ramènera d'un bon à un mauvais équilibre. Parmi les caractéristiques de ce dernier, on cite : la chute des prix des actifs financiers, la sortie massive des capitaux (pour rééquilibrer les portefeuilles) et le défaut sur le règlement des dettes.

Masson indique que l'apparition d'une crise dans une première économie peut coordonner ou polariser les anticipations des investisseurs afin de passer une deuxième économie à une situation de mauvais équilibre voire même l'occurrence d'une crise. On peut illustrer l'exemple de la ruée bancaire à fin de comprendre ce mécanisme d'équilibre multiple. Soit une date décomposée en trois périodes 0, 1 et 2. De même les agents sont classés en deux types. Le premier type concerne les agents qui consomment et retirent leurs fonds à la date 1. Quant aux agents de type 2, ils consomment et retirent leurs fonds à la date 2. Les agents désirant retirer peuvent suivre « une contrainte de service séquentielle ». Autrement dit, le premier agent qui demande le remboursement de ses dépôts sera le premier servi.

Avec ce modèle, on peut aboutir à un « bon équilibre » comme on peut aboutir à un « mauvais équilibre ». Le moment où les agents de type 1 retirent en période 1 et les agents de type 2 attendent la période suivante pour retirer, on parle de bon équilibre. Ce dernier correspond à « l'équilibre de Nash » ou « l'équilibre de vérité ».

Par contre, le mauvais équilibre se vérifie lorsque tous les agents, suivant leurs anticipations, préférant retirer à la date 1. D'où une panique générale s'apparaît. Dans cette situation, l'agent de type 2 va se comporter rationnellement, grâce à la contrainte de service séquentiel, en fonction de stratégies des retraits des autres agents. Dans ce cas, si l'agent de type 2 anticipe que les autres agents vont retirer précipitamment, donc il va opter de même vers une stratégie de retrait à la date 1 et non plus attendre la date 2 pour en faire. Par conséquent, il y aurait une demande de retrait massive qui excède la valeur liquidative de la banque, d'où une ruée bancaire.

D'un point de vu général, l'action d'un dépositaire individuel, de retirer son argent de sa banque ou de le conserver, dépende de son degré d'aversion au risque et surtout des actions de tous les autres dépositaires. Concrètement, cette action dépende de l'état d'équilibre du banque en question puisque si l'équilibre est révélé du bon alors les agents auront du conserver leur argent. En revanche, s'il a été confié du mauvais alors il y aurait des files d'attentes devant les guichets.

Il est clair que le passage du bon au mauvais équilibre et la propagation d'une crise se fait par le biais des modifications des anticipations des ces investisseurs et non par les liens réels entre ces économies.

Lorsqu'un pays demeure en crise, les investisseurs se trouvent obligés à rééquilibrer leurs portefeuilles d'une manière automatique en vendant ses actifs et en transmettant ainsi la crise initiale aux autres marchés. Van Rijckeghem et Weder (2000) montrent que le système bancaire joue un rôle très important dans la transmission des chocs. En effet, suite à une crise dans un pays, les banques se réagissent en limitant les lignes de crédits envers les pays emprunteurs. L'effet direct de cette crise est l'apparition d'un retrait massif des capitaux puisque les anticipations des investisseurs ont été modifiées pour rééquilibrer leurs portefeuilles. Cette réaction des investisseurs (réajustement) provoquera la transmission du choc aux autres pays.

Valdès (1998) développe un modèle de liquidité endogène qui reflète le lien entre le choc et son impact sur la liquidité. En fait, ce choc limitera la liquidité des participants sur le marché. Autrement, face à ce choc de liquidité, les investisseurs vont recomposer leurs portefeuilles par la vente des actifs d'autres pays afin de répondre aux appels de marges à titre d'exemple. L'importance du degré d'intensité du choc initial a pour effet, d'une part, l'augmentation du degré du rationnement du crédit. D'autre part, les investisseurs céderont leurs parties dans les actifs d'autres pays non touchés par cette crise initiale malgré que ces pays présentent des fondamentaux sains et solides.

Kodres et Pritsker (1998) présument que le fait de rééquilibrer les portefeuilles dans le contexte d'une crise où l'information est asymétrique, générera une volatilité plus importante des prix que celle vue en situation de stabilité financière.

Dehove (2003) montre que, dans un régime de change fixe, le canal de transmission des chocs est le taux d'intérêt. Plus précisément, il affirme que «la manifestation de ce mécanisme suppose l'existence d'une économie centre dont la monnaie est l'ancre et des économies périphériques dont les monnaies sont stabilisées par les autorités monétaires des pays périphériques par rapport à la monnaie ancre ». L'idée de base est la suivante : l'apparition d'un choc sur la monnaie de l'économie centre peut obliger cette dernière à augmenter son taux d'intérêt. A cause d'interdépendance, les pays périphériques doivent adopter la même politique du pays centre, cette augmentation du taux d'intérêt peut déstabiliser la situation économique. Dès lors, un certain nombre de pays périphérique voire la totalité seront obligés de quitter ce système d'ancrage.

2.2. L'impact du comportement des investisseurs

Le résultat de cette dichotomie entre les mécanismes contingents et ceux non contingents est la manifestation du rôle important joué par les investisseurs dans la transmission des crises dans le cadre de l'intégration financière des marchés. La rationalité par nature de ces investisseurs en matière de prise de décision individuelle peut donner lieu à une exagération des co-mouvements entre les marchés.

Dans ce cadre, on distingue l'importance des problèmes de liquidité et de rendement, les problèmes d'asymétrie d'information et de coordination des économies dans la transmission de crises.

a) Les problèmes de liquidité et de rendement

Michel Aglietta (1997) a mis l'accent sur le rôle joué par les banques internationales dans l'aggravation de la situation financière. Ces banques n'acceptent plus de reconduire des lignes de crédits, pour limiter le risque global de leurs portefeuilles, aux banques commerciales qui y dépendent et se situant dans le pays en crise. Ces banques commerciales se trouveront face à des problèmes de liquidité. L'apparition des ces problèmes, au sein d'un pays, se répercute sur le rendement qui peut être à l'origine d'une baisse des prix suite au mouvement excessif des ventes. Pour comprendre un tel phénomène de tendance baissière des prix on peut se référer à trois analyses :

En premier lieu, Dorunbusch (2000) l'explique simplement en se basant sur le comportement des investisseurs qui tendent à vendre leurs « holdings » dans certains pays et en contrepartie ils conservent une certaine proportion d'actifs dans autres pays.

En deuxième lieu, en approfondissant, Shinasi et Smith (2000) stipule que l'utilisation de la méthode Value-at-Risk^2(*) soit par la majorité des investisseurs ou par les banques commerciales qui justifie la tendance baissière des prix.

En dernier lieu, Goldfajn et Valdès (1997) signalent qu'un choc touchant un pays aura l'inconvénient de pousser les investisseurs étrangers à retirer leurs dépôts, dans ce cas il en résulte une baisse des prix des actifs et une diminution massive de liquidité sur le marché. Cette diminution mette en danger la situation financière des investisseurs. D'ailleurs, elle peut conduire à une crise bancaire.

b) Problème d'asymétrie d'information

La volatilité des prix sur un marché peut être perçue comme ayant des répercussions sur la valeur des actifs sur autres marchés. En effet, un choc dans un pays x n'aurait pas d'effet dans le pays y si l'information était publiquement percevable, mais cette information l'aurait si elle était cachée. Donc, l'existence d'incomplétude d'information intensifie les mouvements des prix des actifs financiers.

Dans le même cadre de l'étude menée par Dorunbush (2000), on remarque comment les investisseurs supposent que le déclanchement d'une crise dans pays donné peut avoir des effets contagieux et donc amènera un autre pays à une situation pareille de crise. Ce qui préparera la bonne situation aux attaques spéculatives contre les monnaies des pays en question. Cette attaque prend lieu lorsqu'une devise paraît surévaluée. Les spéculateurs estiment tirer une plus value de change en suivant les quatre opérations suivantes : « en premier lieu, emprunter la monnaie locale à court terme, en deuxième lieu céder le montant emprunté sur le marché des changes contre devise forte, au cours en vigueur, souvent proche du cours officiel, et en troisième lieu, refinancer la position courte en monnaie locale jusqu'à ce que celle-ci se soit dépréciée, enfin Solder la position courte en rachetant la monnaie locale à un cours inférieur ».

Cette supposition des investisseurs s'explique par le faite que ces derniers n'ont pas des informations parfaites quand aux justes caractéristiques de chaque pays. La prise de décision est alors basée sur un comportement d'imitation en s'appuyant sur les réactions des autres investisseurs (moins couteux) ou sur la base d'un certain indicateur indiquant la vulnérabilité d'un pays à une crise.

Calvo (1999) a développé un modèle complémentaire à celui de Dorunbush (2000) dans lequel l'information est asymétrique, dans ce cas et pour répondre aux appels de marges, par exemple, les investisseurs bien informés trouvent le remède dans la vente d'une partie de leurs actifs. Le problème s'oppose aux agents non informés, ils ne peuvent qu'observer le choc de liquidité sans déterminer sa cause. D'une part, ces agents ne peuvent pas différencier entre les appels de marges des autres agents informés et, d'autre part, l'apparition du mauvais signal indiquant la dégradation des fondamentaux du pays en question suite à la ventes d'actifs.

Ce phénomène représentant la mauvaise lecture des actions prises par les agents informés entraine une amplification des retraits des capitaux dans ce pays.

Cette information est souvent très couteuse pour la part des petits investisseurs qui n'ont pas les moyens permettant la collecte individuelle des informations propres à chaque pays. La prise de décision par les agents moins informés nécessite la mise à coté de ses informations et la suivie des réactions des agents informés (la masse) puisqu'ils ne possèdent pas d'autres alternatives et en même temps ils veulent plus être discriminés.

En fin, c'est la présence d'asymétrie d'information qui cause la contagion « pure » où les canaux de transmissions pendant les situations de perturbations diffèrent de celles pendant la stabilité financière.

c) L'impact d'une augmentation du taux d'intérêt extérieur

On a vu qu'un mauvais équilibre est caractérisé par une sortie massive des capitaux. Cette sortie est une conséquence de l'augmentation du taux d'intérêt étranger. En effet, les investisseurs vont préférer le taux d'intérêt à l'extérieur qui offre le rendement le plus important. Cette situation est alors caractérisée par une baisse de taux de change qui nécessite l'intervention de l'autorité monétaire. Dans le cas d'un régime de change fixe, la défense de la parité de change, en augmentant le taux d'intérêt national par rapport au taux extérieur, conduit à une réduction des réserves officielles et une contraction monétaire (marché illiquide). En revanche, dans le cas d'un régime de change flottant, la dépréciation de la monnaie (sortie massive des capitaux) entraine un effet expansionniste sur l'économie national malgré cette augmentation du taux d'intérêt.

Il est claire que la conclusion est la même que se soit un pays caractérisé par un régime fixe ou flottant. Le choc se répercuterait sur l'activité économique.

Chapitre II :

la crise de « subprime »

Introduction

L'effet de l'innovation financière ainsi que la mondialisation s'est retourné sur le système financier international. La déréglementation des marchés financiers a stimulé différents établissements financiers à créer des nouveaux produits et d'exercer tous les métiers de la finance, ce qui a provoqué des problèmes récents à l'échelle mondiale pouvant même conduire à l'apparition des crises. Tel que le cas de la crise « subprime ».

Dans cette crise, on va essayer, après avoir l'identifier, d'aborder deux questions majeures : Est-ce que la prise en compte des imperfections des marchés financiers et des risques d'illiquidité bancaire internationale permet d'introduire de nouveaux facteurs de crises ? Peut-on cerné les explications de la crise de subprime en se référant à celles des modèles de crises pré indiqués ?

Et en vue de bien comprendre cette crise, dans un premier lieu on va expliciter leur nature et leur incidence sur la conjoncture, et dans un deuxième lieu on va essayer d'analyser ses facteurs en vue de voir si elle s'échappe aux modèles de crises classiques.

Section 1 : Cadre générale de la crise

La crise actuelle a débuté avec les difficultés rencontrées par les ménages américains à faible revenu pour rembourser les crédits qui leur avaient été consentis pour l'achat de leur logement.

Dans cette section, nous présenterons dans une première partie les instruments inhérents à cette crise notamment les crédits immobiliers hypothécaires à risque élevé, ensuite dans une deuxième partie, nous exposerons les causes de son apparition.

Les crédits immobiliers hypothécaires à risques élevés

C'est le type de crédit immobilier utilisé dans les pays anglo-saxons. Il se distingue de l'emprunt ordinaire car il se pose que le bien acheté à crédit est hypothéqué. Ce type de crédit est accordé aux ménages présentant de trop faibles garanties pour accéder aux emprunts ordinaires dits « prime », et ceux soit parce qu'ils ont déjà eu des difficultés financières par le passé, soit que leurs revenues sont aussi faibles qu'ils limitent leurs capacité de remboursement. Ce genre de crédit est consenti aux emprunteurs pour les lesquels le ratio dette/revenu est supérieur à 55% et/ou le ratio Prêt/valeur du bien dépasse 85%.

En outre, le terme crédits immobiliers désigne les prêts immobiliers dits « à risque » car ils sont consentis à des ménages à solvabilité fragile moyennant un taux d'intérêt révisable (indexé sur la base du taux directeur de la Federal Reserve), majoré d'une prime de risque (subprime) pouvant être très élevée.

Un grand nombre des établissements financiers américains, qui font de la subprime leur spécialité, s'est trouvé facile à intégrer dans le système bancaire traditionnel. En fait, le marché des crédits hypothécaires à haut risque a connu une forte croissance pendant les quatre dernières années comme l'indique le graphique ci-dessous.

Quand la conjoncture est favorable, ce système fonctionne bien : l'emprunteur met sa maison en hypothèque, qui sert donc de garantie, et les établissements peuvent obtenir des marges confortables de profit grâce à ces clients à risque. Pour l'emprunteur à risque, ce mécanisme permet d'accéder à la propriété, ce qu'il ne pourrait pas faire par ailleurs.

1.2. Les causes du déclenchement de la crise

De diverses causes sont à l'origine de déclenchement de la crise de subprime pouvant classés. Celles-ci sont à la fois à l'échelle nationale qui sont propres aux Etats-Unis, qu'à l'échelle internationale résultant de l'impact de la conjoncture économique mondiale.

1.2.1. L'impact du contexte mondial

A fin de répondre aux chocs successifs de 1998 à 2003 et d'éviter des éventuelles récessions, les banques centrales mondiales avaient baissé longuement et fortement les taux d'intérêt.

Néanmoins, en 2003, une nouvelle phase de croissance est venue, il y a plus des problèmes de liquidité en conséquence de la croissance de l'activité des établissements financiers et surtout par l'enrichissement général (hausse de prix de pétrole, hausse des prix des matières premières, l'excédent des réserves chinois et autre pays émergents). Cette hausse des prix des matières premières et surtout la croissance de la chine ainsi que la prévision de tout risque inflationniste ont poussé les banques centrales à augmenter leurs taux d'intérêt à savoir l'Angleterre en 2003 puis aux USA en 2004 et enfin en Europe en 2005 et dans autres pays.

Contre toute prévision, la remonte des taux d'intérêt n'a pas entrainé une réduction de liquidité et en plus les marchés obligataires sont restés stables. En effet, l'importance du stock de liquidité a qualifié l'action des banques centrales d'inefficacité. Cette stabilité des rendements obligataires a permis de financer sans cesse des opérations qui appariaient nouvelles telle que les crédits à la consommation et surtout les crédits immobiliers des ménages, financement de rachat des entreprises par des fonds d'investissement et le financement des fonds spéculatifs, etc. En fin, de nombreux investisseurs ont recherché des rémunérations supérieures. Ils ont accepté de financer des opérations de plus en plus risquées comme par exemple les « Subprime Mortgage »

1.2.2. Les causes internes et propres aux USA

Au de l'année passée, plusieurs signes ont indiqué que le marché résidentiel américain est entrain de se trouver de plus en plus hors de portée. En fait, tout commence sur le marché américain des prêts immobiliers dits « subprime » au début de l'année 2007. Notons que le système dépend obligatoirement de deux conditions pour assurer sa pérennité : d'une part, les taux d'intérêt doivent être relativement stables et d'autre part, l'immobilier doit être régulièrement apprécie.

Or, entre 2004 et 2006, les taux d'emprunt ont été augmentés par la Federal Reserves de 1% à 5,25%. Et cela s'est accompagné d'une baisse des prix de l'immobilier de 20% juste les 18 deniers mois précédant la crise, en raison d'une contraction de la demande, diminuant ainsi l'effet richesse des ménages. Ces éventuelles événements ont rendu la plus part des emprunteurs (environ 15%) incapables de rembourser leurs emprunts puisque les populations le plus fragiles ne peuvent plus assumer l'énorme charge de la dette qui a déclenché les turbulences actuelles des marchés. Donc, elles font défaut et leur bien hypothéqué par les organismes créanciers est vendu, ce qui amène à accélérer encore la baisse des prix immobiliers.

Le graphique, dans la page suivante, indique l'évolution rapide du taux de défaut des subprimes pendants les deux dernières années.

Ce phénomène de défaut de paiement en masse a mis en danger les établissements de crédit. En effet, suite à la dépréciation du marché immobilier américaine, la valeur des maisons est devenue inférieure à la valeur du crédit qui a été garantis. Ainsi, ces établissement de crédits, qui désirent récupérer leurs mises en vendant les habitations hypothéquées, se retrouvés paralysés puisque vendre ces biens ne suffisait plus à couvrir leurs pertes.

1.3. Les conséquences de la crise sur le marché américain

1.3.1. L'impact sur les dépenses des ménages

Durant ces dernières années, les dépenses des ménages américains ont été extrêmement soutenues. Néanmoins, ces opportunités ont été disparues l'un après l'autre. Tout d'abord, les dépenses de ces ménages ont été financées par les marchés des actions et surtout par le marché de logement. En effet, plus de 5% des dépenses des ménages aux USA au cours de deux dernières années résultaient des extractions hypothécaires. Toutefois, suite à la baisse actuelle des prix des logements, cette source de financement des dépenses ne peut être facilement disponible. En plus, l'enthousiasme d'un consommateur américain n'aurait pas un impact seulement les secteurs de consommation, mais plus tôt sur des nombreux autres secteurs du marché. Ainsi, cette baisse de la demande des ménages américains se transmettra aux secteurs manufacturiers et des services.

En fin, cette crise a engendré des pertes sur le marché d'emplois. En fait, l'économie a abandonné 22 000 emplois en janvier 2008. De plus, les chiffres de février 2008 ont été révisés pour faire ressortir 63 000 licenciements. Le niveau des abandons d'emplois est le plus fort enregistré depuis le début de la guerre en Irak en mars 2003. C'est aussi la première fois que l'économie enregistre deux mois consécutifs de licenciements depuis juin 2003. Ces pertes d'emplois proviennent essentiellement de la crise en question qui a entrainé une diminution des mises en chantiers et donc une récession sur le marché d'emploi dans les domaines de construction.

1.3.2. L'impact sur le Dollar

Depuis l'éclatement de la crise de subprime, le Dollar est en entrain de subir une dépréciation continue (quelque 16%) par rapport à l'Euro. En fait, aujourd'hui, la monnaie américaine a touché le niveau le plus bas depuis les années 70 lors de la suspension de la convertibilité du dollar en or.

Les craintes d'une perte fondamentale en valeur du dollar ainsi qu'un risque accru de l'inflation aurait du augmenter de plus en plus que le Fed continuera à adopter sa politique monétaire consistant à baisser le taux d'intérêt américain. Une autre crainte pour le dollar consiste à passer d'un système unipolaire basé sur le dollar à un système bipolaire basé sur l'dollar et l'euro. En effet, la crise financière actuelle a poursuivi l'action prise des différentes banques mondiales qui consiste à diminuer le dollar dans ses réserves de changes. Ces banques mondiales se sont trouvées dans une situation où la politique monétaire anti-récession suivie par le Fed n'est plus adaptée à leur condition économique qui se caractérise par une augmentation croissante et rapide de l'inflation. Par conséquent, de nombreux pays n'acceptent plus le dollar comme monnaie principale de réserve de change.

1.4. La transmission internationale de la crise

Cette crise a dépassé le territoire américain en contaminant les marchés des autres pays à la fois développés et en voie de développement.

1.4.1. L'impact de la crise sur les systèmes financiers mondiaux

Les dégâts de la crise de subprime ne sont plus restreints seulement à l'insolvabilité des emprunteurs des crédits immobiliers américains. En fait, elle a causé d'une part, la faillite des sociétés de crédits spécialisées américaines ou des pertes consécutives des grandes banques américaines qui travaillaient avec elles donc une crise de liquidité globale. D'autre part, la crise de subprime a engendré des pertes excessives dans les différentes places boursières.

Les conséquences de la crise américaine de la subprime sur les marchés financiers de ces pays sont énormes. Des grandes banques d'affaires américaines et européennes ont enregistré d'importantes dépréciations d'actifs. En effet, la banque britannique Northern Rock a annoncé l'occurrence d'une une ruée bancaire en septembre 2007. Seulement en trois jours, les clients de cette banque ont retiré 12 % des montants y déposés.

En France, la Secrétaire générale de la Commission bancaire, autorité publique de contrôle des banques a précisé le 5 février 2008 lors d'une audition à l'Assemblée Nationale, que le risque « subprime » était maintenant bien cerné par les banques françaises alors que l'impact a été comptabilisé à un peu plus de 1 milliard d'euro par BNP Paribas (qui a annoncé néanmoins des bénéfices de plus de 7 milliards), à hauteur de 2 milliards par la Société Générale et à 3 milliards pour le Crédit Agricole.

L'ampleur des pertes n'est donc pas encore totalement connue avec précision en début de l'année 2008. Le FMI a publié le 8 avril son édition d'avril du Rapport sur la stabilité financière dans le Monde. Ce rapport chiffre environ 945 milliards de dollar comme coût de la crise pour le système financier mondial, dont plus de la moitié (565 milliards) pour les banques.

b) L'ampleur sur les places boursières

Une autre conséquence de cette crise bancaire est de diffuser ses effets sur les valeurs boursières. Le cours des actions des principales banques a été touché pendent l'été 2007, ce qui a fait également baisser les principaux indices boursiers tel que DOW JONES (-7%), CAC (-12%), NIKKEI (-10%) et FTSE(-10%) . En effet, à titre d'exemple 21 Janvier 2008, la bourse de Paris a chuté de 6,83 % du jamais vu depuis le 11 septembre 2001.

Il est clair que les grandes boursières mondiales ont toutes subi une sévère purge au cours de l'été de l'année 2007. Donc la crise de subprime s'est étendue au monde entier et ceux à cause des facteurs de transmission qui sont essentiellement : la transmission par titrisation des prêts hypothécaires et la transmission par les fonds d'investissement.

1.4.2. Les mécanismes de transmission

La titrisation est un mécanisme adopté par les établissements financiers accordant des prêts hypothécaires à risque élevé. C'est une opération financière par lequel une banque peut sortir ces créances peu ou assez douteuses de leur bilan en les transformant en titres, MBS (Mortgage Backed Securities), négociés sur les marchés financiers. Ainsi, les banques émettrices des crédits créent des sociétés intermédiaires dans lesquelles ces crédits constituent les actifs et qui émettent en contrepartie des obligations qui constituent le passif. Les intérêts et les remboursements des crédits servent au paiement des intérêts des obligations émises et à leur remboursement. Ces sociétés sont appelées SPV pour « Special Purpose Vehicule » ou « Véhicule spécial », car elles n'ont pas d'autre objet social et sont créées au cas par cas. Via ce mécanisme les banques peuvent se refinancer et de réduire ses risques.

C'est le phénomène de « la mutualité des risques » où tout le monde détient une proportion de risque, mais aucun grand établissement n'en porte suffisamment pour le mettre en danger. Par la suite ces crédits titrés sont rachetés par les investisseurs. Afin de compenser la mauvaise qualité des créances sur lesquelles ces derniers sont adossés, ces titres offraient des taux d'intérêt nettement supérieurs au standard du marché. Donc, la titrisation apparaît comme un phénomène pertinent pour la répartition de risque. Cependant, elle a contribué dans la propagation de la crise de subprime au reste du monde et elle conduit à aggraver la doute des investisseurs internationaux contre les titres de créances hypothécaires appelés RMBS (Residential Mortgage Backed Securities) portant sur l'immobilier d'habitation américaine et contre les paquets de créances diversifiées appelés CDO (Collateralized Debt Obligations). D'où la panique s'est renforcée. Ces CDO sont émis en suivant ces étapes :

Les fonds d'investissement ou les Hedge funds (ou fonds d'arbitrage) sont les fonds spéculatifs qui servent à acheter les créances titrisées. Ils sont caractérisés par des rendements élevés par le fait que l'emprunteur paie des taux d'intérêt supérieur que celui offert sur le marché prime. Quand les performances dégradées de la subprime se sont amplifiés, de nombreux déposants ont retiré leurs fonds et des créanciers ont refusé de reconduire leurs crédits. Alors les fonds de certains établissements financiers internationaux n'ont pu faire face et ont fait défaut. Suite à cette situation, certaines banques américaines ont annoncé le gel des actifs de ces fonds monétaires. Mais quelque mois suivant, les fonds ont relancé avec des décotes positives.

Malgré qu'en Europe il n'y ait pas d'équivalent au marché subprime américain, les banques et les organismes de placements européens étaient amplement affectés et ceci est expliqué par le fait que ces banques sont massivement fournis en titres adossés à du subprime auprès des banques américaines.

Section 2 : la crise de subprime à la lumière des modèles des crises

Au cours de ces derniers mois, les effets de la crise de subprime ont été relativement aggravés, puisque les grandes banques et les fonds spéculatifs ont déclaré que les dégâts relatifs à cette crise seront étendus sur quelques années. Et ceux-ci malgré les grands efforts adoptés par le comité financière international notamment par les banques centraux et le Fed à fin de pouvoir éviter le problème de la dépression mondial tel le cas de la crise de 1929. « La crise de subprime sera la plus grave depuis la fin de la seconde guerre mondiale » Alan Greenspan, l'ancien gouverneur de la Reserve Federal américain (Fed).

Dans cette section, nous allons expliciter les facteurs et les nouveaux éléments qui en expliquent résultant principalement de la déréglementation des marchés financiers, puis nous proposerons les solutions et les procédures pour en dépasser.

2.1. La déréglementation des marchés financiers

La crise actuelle a été initiée dans l'immobilier américain, puis elle s'est diffusée au marché du crédit subprime puis elle a contaminé les marchés financiers à risque, avant d'atteindre le marché monétaire avec la crise de liquidité. C'est donc une crise de la finance globale dérégulée.

2.1.1. L'effet d'innovation financière

Cette crise résulte de la déréglementation du système financier. En effet, depuis que les institutions financières sont autorisées à adopter la titrisation comme nouvelle mécanisme financière en vue de partager le risque et de ne pas l'assumer en totalité par une seule banque, il y aurait une utilisation de ces mécanismes de manière excessive.

En d'autre terme, au lieu d'utiliser la titrisation de manière raisonnable, les banques ont exagéré le refinancement des dettes à long terme par des actifs à court terme. En effet, les investisseurs qui ont acheté les obligations n'ont pas tous acheté en payant comptant, mais en s'endettant à leur tour pour bénéficier de l'effet de levier d'un endettement à bas taux d'intérêt. Ces investisseurs, banques et fonds spéculatifs notamment ont opéré en quelque sorte une titrisation au second degré en créant de nouveaux véhicules (appelés cette fois-ci SIV ou « conduits ») dont l'actif a été constitué par des obligations des véhicules de premier niveau et dont le passif a été constitué par du papier commercial à court terme (appelés « Asset Backed Commercial Paper » ou ABCP). Il en a été émis plus de 1000 milliards de dollar.

On est donc à la présence d'un mécanisme de transformation bancaire dont les ressources à court terme sont utilisées pour effectuer des prêts à long terme. En plus, elles ont `titrisé la titrisation' et ceux en créant des produits dérivés comportant des palettes de risques très diversifiés et financés par l'endettement c'est-à-dire rajouter un endettement qui a pour seul objectif d'améliorer le rendement.

Cette approche n'est plus opposable à la titrisation, mais elle est seulement à l'excès dans son application ce qui nous a amené à avoir, pendant les cinq dernières années, un système incontrôlé. Au contraire, la titrisation fait partie d'un mode de financement global de l'économie mondiale. Elle a joué un rôle positif dans l'extension du crédit ce qui a favorisé les opérations de fusions-acquisitions à l'échelle mondial. Elle résulte des nouvelles formes de régulations bancaires qui sont principalement des normes prudentielles (selon «les accords de Bâle») obligeant les établissements de crédits d'avoir assez de Fonds Propres pour couvrir une certaine proportion des montants qu'ils prêtent. Mais puisque la titrisation leurs permet de faire sortir les crédits de leur bilan, les banques n'ont pas constitué un capital en réserve pour le cas où des difficultés de remboursement se présenteraient (règles prudentielles concernant les fonds propres), et ceux pour pouvoir consentir de nouveaux crédits.

2.1.2. Les agences de notation

Les agences de notation, chargées d'évaluer le niveau de risques des emprunts, ont une grosse part de responsabilité dans cette situation de crise, car elles ont accordé d'excellentes notations aux titres représentatifs de créances risqués émis par les établissements financiers.

Les analyses constatent, en effet, que Moody's et Standard & Poor's sont relativement responsables de la panique. Certaines notes auraient été dégradées de 7 crans d'un seul coup. Et par conséquent, les investisseurs qui croyaient avoir acheté des emprunts peu risqués se sont retrouvés avec des « junks bonds » (obligations pourries).

Donc nulle n'étant en mesure d'évaluer la valeur exacte des créances et le marché de la dette s'est alors fermé. En effet, Les banques chargées d'organiser la titrisation regroupent des « paquets » de crédits qu'elles mettent à l'actif des véhicules. Elles ont constitué des paquets de crédits « subprime », mais aussi des paquets mixtes, mélangeant des crédits subprimes avec d'autres crédits hypothécaires, ou avec des crédits destinés à d'autres financements (par exemple des opérations LBO des fonds d'investissement).

La baisse des prix de l'immobilier américain a entraîné un effondrement de la valeur des actifs des véhicules. Les risques de défaillance de ces « paquets » étaient supposés être inférieurs à ceux des crédits pris un par un. C'est ce qui permet d'obtenir une très bonne notation de la part des agences de notation sur les obligations émises en contrepartie.

2.2. Les démarches proposées : Remède

2.2.1. L'injection de la liquidité

Dans cette crise, d'une coté on parle non seulement de problème de liquidité, caractérisée par une défiance totale conduisant les établissements financières à ne plus se prêter de l'argent entre eux, mais essentiellement de problème de Fonds Propres des banques. En effet, les banques ont obligé de faire déprécié ces crédits titrisés et ceux peut l'amener à serrer sa politique de crédit traduisant par l'assèchement du crédit et l'augmentation de son coût. D'une autre coté, les investisseurs conservent ses titres jusqu'à l'extinction de la créance ce qui peut relativement contribuer à la gélation du marché et le rendre moins liquide.

Les résultats de ces problèmes sont de plus en plus néfastes. Un marché sans liquidités organisés fait craint et crée ce qui est le fondement de toute crise financière ce qui est la perte de confiance. C'est en fait on parle de crise de méfiance générale. Pour activer le système interbancaire et pour ramener le marché vers les conditions normales de fonctionnement, il y aurait des injections massives de liquidité par le Fed ainsi que par les banques centrales mondiales qui ont joué le rôle du « préteur en dernier ressort ». En fait, la politique monétaire demeure la première ligne de défense. A titre d'exemple, le Fed a injecté respectivement 24 puis 38 Milliards de dollars. Ces injection de liquidité ont du continuer jusqu'au ces jours.

2.2.2. La baisse du taux d'intérêt

Le Fed a adopté une politique économique active en baissant son taux d'intérêt directeur. En un peu plus d'un trimestre ce taux est passé de 5,2 % en septembre 2007 à 3 % fin janvier 2008. Ceux-ci ne sont plus suffisants pour diminuer la peur des investisseurs, les banques doivent dévoiler rapidement et complètement leurs pertes pour restaurer la confiance. Elles doivent aussi obtenir plus de transparence sur les actifs faisant l'objet d'une titrisation. Mais la crainte que l'injection massive de liquidités et le maintien de bas taux d'intérêt risquent de provoquer la formation d'une nouvelle bulle et de la crise suivante, puisque les liquidités sont un terrain favorable pour la formation de l'euphorie et d'une mauvaise perception des risques caractéristique des bulles en formation.

La crise immobilière est ainsi une crise financière systémique et mondiale caractérisée la détérioration des critères de crédit, une dépréciation des prix des immobiliers et des titres ainsi que par une manque de fonds propres bancaires d'où une ruée bancaire de certaines banques.

En outre, dans cette crise, on arrive à témoigner une asymétrie financière : rares sont les économies qui peuvent échapper à une crise qui frappe les États-Unis, mais, jusqu'à présent, les États-Unis ont échappé à toutes les crises qui frappent spécifiquement les autres économies. Certains indices incitent même à penser que lors de la crise asiatique de 1997, le reflux des capitaux vers les places financières les plus sûres a bénéficié à l'économie américaine grâce à la prolongation de la phase d'expansion caractérisée par la vague des nouvelles technologies.

La finance globalisée n'est donc pas exempte d'asymétrie : entre les places financières majeures et les autres d'un côté, entre les pays de vieille industrialisation et les économies les plus dynamiques de l'autre. Cette asymétrie est importante pour l'analyse de la propagation des crises.

L'asymétrie d'information, la présence de risque morale, et rôle joué par les agences de notation, dont la mission principale est la supervision du risque, dans le déclanchement de cette crise nous amènent à l'associer, mais avec beaucoup d'insuffisance, aux modèles de troisième génération. Ainsi, nous prévoirons un nouveau modèle permettant l'explication totale la cette crise de subprime.

Chapitre III :

etude dE contagion pendant la crise dU

« subprime »

L'objectif de cette partie empirique est de tester la présence de phénomène de contagion pendent la crise hypothécaire américaine dite « subprime ». Dès lors, nous étudions les aspects de la modélisation des rendements des indices boursiers à fin de tester, d'une part, la transmission en moyenne et en variance des chocs et d'autre part, l'application de la théorie de cointégration.

Nous utiliserons les rendements journaliers des indices boursiers de bases de cinq pays à savoir l'Etats Unis, la France, la Grande Bretagne, l'Allemagne, et le Japon durant la période allant de 1967 jusqu'au la fin de l'année 2007 y inclus la sous période, à déterminer, de la crise du subprime.

Section 1: Présentation des données et analyse statistique

Avant de passer à l'estimation, nous présenterons chacun des indices boursiers ainsi que ses statistiques descriptives.

1.1. Présentation des indices

Dow jones 30 : c'est le plus vieil indice des bourses des New York voire le plus vieil indice mondial. Comme son nom l'indique, il comporte 30 entreprises importantes. Il a dépassé pour la première fois de son histoire la barre des 14 000 points le7 juillet 2007.

Mdax : C'est un indice boursier calculé par la bourse allemande. Il liste les 50 plus grandes capitalisations boursières allemandes qui suivent celles du Dax.

Cac 40 : Il prend son nom du système de Cotation Assistée en Continu, est le principal indice boursier sur la place de Paris. Créé par la Compagnie des agents de change, il est déterminé à partir des cours de 40 actions cotées en continu sur le Premier Marché parmi les 100 sociétés dont les échanges sont les plus abondants sur Euronext Paris.

Nikkei 225 : c'est le principal indice boursier de la bourse de Tokyo. Le terme Nikkei est l'abréviation de « Nihon Keizai Shinbun », le nom du quotidien économique qui publie cet indice. Il est composé de 225 sociétés.

FTSE 100 : Il couramment utilisé comme reflet de l'activité de la bourse de Londres et de l'économie britannique. Il est connu généralement sous le nom Footsie100.

1.2. Statistiques descriptives

L'utilisation des rendements logarithmiques des indices boursiers pour les cinq marchés nous permet de tracer le tableau suivant :

Ce tableau illustre les statistiques descriptives des cinq séries d'étude. En moyenne, les rendements sont presque nuls. On constate ainsi que le coefficient de Kurtosis est très élevé (Kurtosis >3), il confirme d'une grande probabilité l'occurrence des valeurs extrêmes. De même, le coefficient de Skewness est négatif (sauf au Japon) et différent de zéro pour tous les indices, Ce dernier corrobore l'asymétrie des rendements. Cette asymétrie se traduit par le fait que la volatilité est plus faible après une hausse qu'après une baisse de rentabilité puisqu'un choc négatif a plus d'effet qu'un choc positif.

En résumé, ces statistiques montre l'existence d'une forme léptokurtique des distributions empiriques et que toutes ces caractéristiques sont propres aux variables financières à hautes fréquences.

Section 2 : Etude de corrélation

2.1. Définition

En probabilité et en statistique, le coefficient de corrélation permet d'étudier l'intensité de la liaison entre deux ou plusieurs variables. Le test de corrélation est fondamentalement basé sur la stabilité du coefficient â de cette régression linaire :

2.2. La corrélation : preuve de contagion

La contagion peut être définie comme étant une augmentation significative dans le coefficient de corrélation entre les marchés. Cette mesure a pour objet de tester l'existence d'une augmentation significativement importante des co-mouvements des rendements des actifs financiers entre une période de stabilité financière et celle de crise.

2.3. Application et résultats

L'application de la corrélation entre les indices en période normale et celle de crise nous permet de dresser les deux tableaux suivants :

D'après ces deux tableaux, nous montrons l'augmentation significative du coefficient de corrélation entre les marchés boursiers : américain, français et allemand sauf le marché anglais suite à la chute de Dow Jones (crash du marché américain). Nous interprétons cette augmentation comme étant une preuve de contagion.

Section 3 : Cointégration et modèle VECM

La définition elle-même de la contagion nous permet d'identifier une méthode de mesure de ce phénomène, cette définition stipule que ce phénomène de transmission des crises est n'est qu'un changement significatifs dans les canaux de propagation des chocs ayant comme origine un pays ou un ensemble de pays. En analysant ce changement, on peut la qualifier aussi comme l'apparition des nouveaux mécanismes temporaires de transmission outre que ceux dits permanents suite à la crise.

Pour montrer l'existence d'une contagion, il s'agit de mettre en évidence l'existence d'une relation d'interdépendance à long terme entre les marchés financiers, par le biais des relations de cointégration, en modélisant les canaux permanents à travers lesquels les crises sont normalement propagées entre les pays.

3.1. Test de racine unitaire des séries : test ADF

Avant de répondre à la question d'existence ou non d'une telle relation de cointégration, il est nécessaire de tester la stationnarité (absence d'une racine unitaire) des séries étudiées en utilisant l'un des tests possibles à savoir le test de Dickey Fuller Augmenté (ADF).

3.1.1. Procédure du test

Etape 1 : On commence par l'estimation du modèle comportant une constante et une tendance :

Et on test la significativité de la tendance. Si elle est significativement différente de 0 alors on test l'hypothèse nulle H

* si H

est accepté alors la série en niveau est non stationnaire. Donc il faut la différencier et recommencer la procédure du test sur la série différenciée.

* si H

est rejeté, alors la série en niveau est stationnaire. On arrête le test et on travaille la modélisation par la série en niveau.

Et on test la significativité de la constante. Si elle est significativement différente de 0 alors on test directement l'hypothèse nulle H

* si H

est accepté alors la série en niveau est non stationnaire. Donc il faut la différencier et recommencer la procédure du test sur la série différenciée.

* si H

est rejeté, alors la série en niveau est stationnaire. On arrête le test et on travaille la modélisation par la série en niveau.

* si H

est accepté alors la série en niveau est non stationnaire. Donc il faut la différencier et recommencer la procédure du test sur la série différenciée.

* si H

est rejeté, alors la série en niveau est stationnaire. On arrête le test et on travaille la modélisation par la série en niveau.

3.1.2. Application de test d'ADF

Nous avons procédés le test d'ADF à fin d'étudier la stationnarité des séries financières. Le tableau ci-dessus illustre les différentes étapes ainsi que les résultats trouvés en tenant compte des hypothèses.

On test ici l'hypothèse : H

: la série en différence première est non stationnaire

3.1.3 Interprétation des résultats:

L'application de test d'ADF montre que les séries sont tous non stationnaires en niveau. En revanche, elles sont stationnaires en différence première I(1).

3.2. Calcul du nombre de retard : modèle VAR

La première étape a permis de tester la présence d'une racine unitaire alors qu'en deuxième il faut déterminer le nombre de retard optimal à intégrer en utilisant le modèle autorégressif vectoriel (VAR) afin d'appliquer le test de Cointégration. Nous avons trouvé que ce nombre égale à 4.

3.3. Test de Johansen

Ce test est basé sur les valeurs propres d'une matrice résultante de l'estimation des paramètres par maximum de vraisemblance en calculant la statistique de Johansen suivante :

La règle de décision est définie comme suit : Si

trace est inférieur à la valeur critique donnée au seuil choisi, on accepte H

en montrant l'existence au moins d'une relation de cointégration entre les séries étudiées.

L'application du test de Johansen nous permet de dresser le tableau ci-dessous :

Nous montrons qu'il existe au moins une relation de Cointégration, la présence de cette relation peut indiquer l'existence des canaux permanents dans la transmission des chocs entre ces pays, autrement dit, c'est la preuve d'une contagion selon la spécification des théories non contingentes des crises.

3.4. Ecriture VECM

Le modèle VECM permet d'intégrer les fluctuations du court terme au tour de l'équilibre de long terme à travers la relation de cointégration.

Ce modèle est valide si et seulement si les coefficients sont tous significatifs et toutes les forces du rappel sont négatives.

D'après ce tableau, nous montrons que tous les coefficients sont significatifs au seuil de 5%. En plus, la force du rappel est toujours négative. Cette écriture VECM est validée. Ce que corrobore l'existence de cette relation d'interdépendance à long terme entre les différents marchés.

L'inconvénient de ce modèle, est qu'il ne nous permet pas de détecter le sens de causalité entre les pays. Pour cela, nous introduisons un test de causalité au sens de Granger.

Test de causalité au sens de GRANGER : « La causalité, au sens de Granger (1969), entre X et Y signifie que la prévision de Y fondée sur la connaissance des passés conjoint de X et de Y est meilleure que la prévision fondée sur la seule connaissance du passée de Y ».

On constate que les probabilités sont tous inférieur à 5 %, on rejette alors H

. On conclue qu'il existe une causalité au sens de Granger entre les Etats Unis et les autres pays. Dans ce cas là, on peu écrire la spécification de modèle des corrections d'erreurs (VECM) qui nous intéresse à la part de l'indice de Dowjones en fonction des autres indices.

C'est vrai qu'on peut répondre à la question d'existence d'une contagion mais sans connaitre le pays originaire de crise. Pour cela, on a utilisé le test de causalité au sens de Granger à fin de justifier la présence de ce genre de causalité entre les pays de notre étude.

Section 4 : Transmission en moyenne et en variance

Nous appliquons l'étude de transmission en moyenne puis en variance. Pour cela, il faut déterminer les meilleurs modèles. Nous commençons par étudier toute la période des données à partir de 1967. Puis nous considérons la période de crise en intégrant une variable dummy.

4.1. Modélisation de l'équation de moyenne

La première étape consiste à déterminer le nombre de retard. Puis, nous estimons l'équation de moyenne de chacune des séries. En fin, nous effectuons un diagnostique sur les résidus et nous traçons chacune des courbes relatives à l'évolution des séries en différence première.

4.1.1. Identification de nombre de retard

En établissant les corrélogrames des différentes séries, en différence première, on peut identifier les nombres de retard à intégrer dans l'équation de moyenne.

4.1.2. Estimation de l'équation de moyenne

Cette étape nous permet de choisir les meilleurs modèles d'estimation de l'équation de la moyenne. Pou cela, nous utiliserons la méthode basée sur les MCO qui nous a permis de tirer ces résultats :

Pour les rendements de l'indice FTSE100 le modèle unique qui reste candidat est celui de ARMA (2 ,1). Concernant les rendements des indices CAC40, DOW JONES, NIKKEI et MDAX deux modèle restent candidats à savoir ARMA(1,2) et ARMA(2,1).

Pour choisir le meilleur modèle, on procède la méthode de sélection selon les critères de choix (critères d'informations).

D'après cette étude, nous remarquons que le modèle ARMA(1,2) est le meilleur modèle dont on peut l'exploiter avec l'équation de variance.

4.1.3. Diagnostique des séries résiduelles

Dans cette étape nous récupérons les résidus issus de la modélisation ARMA(1,2) de chacun des indices boursiers

D'après ce tableau, on constate que les probabilités sont tous inférieur à 5%. Dès lors, on rejette H

et par suite, tous les résidus sont héteroscédastiques.

Pour tenir compte à cet effet ARCH nous estimons alors l'équation de la variance conjointement à l'équation de la moyenne. En effet, la nature des données suggère l'utilisation d'une modélisation de type GARCH à fin de capturer la nature des queues épaisses.

4.1.4. Méthode graphique

En appliquant la différence première aux différentes séries boursières, nous obtenons ces graphiques :

Ces graphiques montrent que toutes les séries sont volatiles, ainsi on observe des regroupements de volatilités : les fortes (faibles) variations ont tendance à être suivi par des fortes (faibles) variations. Cela suggère qu'un processus de type GARCH pourrait être adopté à la modélisation de la série.

4.2. Modélisation de l'équation de variance

Dans cette étape, nous cherchons le meilleur modèle permettant de modéliser les différentes séries boursières. Nous choisissons l'un des modèles suivants : GARCH(1,1), E-GARCH(1,1) ou M-GARCH(1,1).

4.2.1. ARMA(1,2)-GARCH(1,1)

Définition : C'est une extension des modèle ARCH, il consiste à introduire des valeurs retardées de la variance :

On remarque que tous les coefficients des paramètres de l'équation de la variance sont significativement différents de Zéro et positifs, ils vérifient alors les contraintes de positivité de la variance conditionnelle. Donc, le modèle GARCH(1,1) est un modèle candidat à la représentation de la variance conditionnelle de la rentabilité.

4.2.2. ARMA(1,2)-EGARCH(1,1)

Définition : c'est un modèle qui se distingue des modèles ARCH usuels par le fait qu'il rejette l'hypothèse de symétrie liée à la spécification quadratique conditionnelle.

On constate que tous les coefficients sont significatifs, il existe donc un phénomène d'asymétrie d'information. Donc, ce modèle aussi est candidat.

4.2.3. ARMA(1,2)-GARCH(1,1)-M

Equation de modèle : C'est une combinaison de l'équation de moyenne et celle de variance. Elle se présente comme suit :

Seul le modèle MGARCH(1,1) de Mdax reste candidat. Pour choisir le meilleur modèle de variance on doit procéder les critères de choix qui se présentent comme suit.

D'après ces tableaux, on peut conclure que le modèle asymétrique ARMA(1,2)-EGARCH(1,1) est le meilleur qui nous permet de modéliser les différentes séries de rentabilité boursières. Notons que pour l'indice Dowjones le modèle qui apparait le meilleur est celui de GARCH(1,1) mais puisque le modèle MGARCH(1,1) nous permet de tenir compte des effets de signe de choc, on doit l'utiliser au lieu de GARCH(1,1).

4.2.4. Estimation des équations de variance conditionnelle EGARCH(1,1)

Nous remarquons que la somme des coefficients, de tous les indices, est presque égale à l'unité sauf le cas de Mdax, ce qui témoigne le phénomène de persistance de la variance conditionnelle.

4.3. Mesure de la transmission entre les marchés :

Cette étude de transmission en moyenne et en variance entre les marchés financiers nous permet de mesurer le rôle d'un marché x dans l'anticipation sur un marché y. « En effet, la transmission en moyenne est la partie du rendement d'un marché x dans l'anticipation d'un marché y. Alors que la transmission en variance représente la part de la volatilité du marché x dans l'anticipation du marché y ». Ainsi, la contagion peut être mesurée en modélisant la transmission en moyenne et en variance d'un marché en crise aux autres marchés.

4.3.1. Définition de modèle

La transmission en moyenne et en variance sont obtenus grâce aux équations suivantes :

Dans ce système nous testons les deux coefficients d

et d

pour justifier ou nier la transmission du marché x vers le marché y.

L'acceptation de H

signifie l'absence d'existence de transmission entre la marché x vers le marché y.

4.3.2. Estimation du modèle

4.3.3. Interprétations

A la lecture de ce tableau, les résultats nous montrent que : d'une part, le coefficient d

est significativement différent de zéro pour tous les indices boursiers. Ce là corrobore l'existence d'une transmission en moyenne entre les différents marchés. En d'autre terme, les rendements de tous les marchés sont significativement affectés par le rendement du marché américain. En fait, une hausse de 1% du marché américain se traduit par une augmentation de 0,28% du marché français, de 0,39% du marché japonais, de 0,10% du marché britannique et de 0,29% du marché allemand. D'autre part, le coefficient d

est significativement différent de zéro pour tous les indices boursiers. Cela témoigne l'existence d'une transmission de la variance du marché américain aux autres marchés pré indiqués. En effet, la hausse de volatilité sur le marché américain s'accompagne d'une hausse de la volatilité de tous les marchés.

En résumé, le marché américain domine tous les autres marchés par l'effet de la transmission en moyenne et en variance. L'accroissement de rendement sur le marché américain améliore les rendements sur les autres marchés et l'augmentation de la volatilité du marché américain contribue à l'incertitude de l'anticipation de celle des autres marchés.

4.4. Test de transmission en période de crise « Contagion »

Nous commençons par la détermination de la période crise par la méthode graphique, puis nous établions le test de contagion en intégrant une variable dumy.

4.4.1. Détermination de la période de crise par la méthode graphique

Normalement, pour déterminer une période spécifique de crise, on utilise le test de Chow mais dans notre cas il n'est pas conseillé de le procéder puisque on na pas suffisamment des données après l'intervalle de crise. Dans ce cas, on a choisi d'utiliser la méthode graphique qui nous permet de limiter la période de crise en remarquant les différentes dates communes de chute spécifique à chaque indice boursier.

D'après les graphiques, on remarque que le mois d'Aout a été caractérisé par une chute touchant tous les indices boursiers. De ce fait, on peut qualifier la période allant du mois de juillet (pour tenir compte de passage de stabilité vers la non stabilité) jusqu'au décembre 2007 (la dernière date pour notre base) comme étant la période qui peut illustrer la crise de subprime.

4.4.2. Test de contagion

Nous proposons de tester la présence de l'effet contagion entre le marché de crise (marché américain) et les autres marchés. Cet effet peut se produire sur les rendements (contagion en moyenne) et/ou sur la volatilité (contagion en variance).

Ce test est basé sur l'introduction de deux variables « dumy » dans les deux équations de moyenne et de variance suivantes.

Pour tester l'existence d'une contagion du marché x vers celui de y en période de crise, on doit tester la nullité des coefficients

à la fois.

L'acceptation de l'hypothèse nulle signifie l'absence de contagion du marché x (marché américain) vers le marché y.

4.4.3. Interprétation

Les résultats du test confirment que, premièrement, la crise de « subprime » est caractérisée par la présence de contagion en moyenne vers le marché français. En deuxième lieu, l'absence de contagion en moyenne et en variance entre le marché américain et celui japonais. Enfin, la présence de contagion en moyenne et en variance à la fois vers le marché allemand et celui britannique, ce qui peut expliquer par une transmission excessive de volatilité et en moyenne.

Conclusion GENERALE

Certes, les crises financières ont une ampleur importante sur les pays émergents ainsi que sur ceux développés. En fait, ces crises ont eu tendance à être chronologiquement et parfois géographiquement groupées, c'est-à-dire, s'étendre entre pays et ceci indépendamment des fondamentaux macroéconomiques des pays concernés. La contagion reste désormais un sujet de grand débat sur le plan académique. Plusieurs travaux ont été présentés, ayant pour objectif de rechercher les causes et les défaillances à l'origine de ce phénomène.

Suite à l'occurrence de la crise de « subprime » qui a pris naissance aux Etats-Unis en Juillet 2007, l'objectif de notre recherche était d'analyser les mécanismes de leur apparition et de leur propagation ainsi de prouver la présence d'un éventuel effet de contagion entre différents marchés développés, traduisant par une transmission en moyenne et en volatilité des chocs. A cet effet, cinq marchés financiers de trois continents (Europe, Amérique du Nord, et Asie) sont considérés.

Nous avons préféré dans un premier temps de passer en revue les différents modèles de crise présentés dans la littérature avant d'étudier par la suite les théories de la propagation des crises, ensuite faire une profonde analyse sur la crise de subprime. Enfin, nous avons mis en évidence empirique ce phénomène de contagion en testant leur existence à travers des méthodologies économétriques parcimonieuses.

L'analyse de la crise de subprime présente, en premier lieu, les nouveaux instruments inhérents à cette crise. En deuxième lieu, nous encadrons théoriquement cette crise afin d'expliquer leurs facteurs de déclenchement ainsi pour la rapprocher aux modèles des crises précédentes. Nous avons constaté que cette crise est principalement une crise de fonds propres bancaires ou il y a un manque accru de liquidité interbancaire issue du non application de la réglementation prudentielle rigide au sein des banques lors de l'utilisation des nouveaux produits financiers notamment la titrisation des créances.

Notre étude empirique montre la contamination de l'Allemagne et la Royaume Unis par le phénomène de la contagion.

Pour en aboutir, nous avons procédé à l'étude de la corrélation entre le marché de crise (américain) et les autres marchés pendant la période de crise et la période de non crise. Nous avons remarqué une augmentation significative des coefficients de corrélation entre les différents marchés. Ceci nous a permis de conclure que les périodes de forte corrélation sont associées à des périodes de forte volatilité. Cependant, une augmentation de la corrélation entre les marchés de différents pays ne suffit pas pour prouver l'existence de contagion comme l'a démontré Forbes et Rigobon (2002). Si les marchés sont historiquement liés et inter corrélés, un changement significatif dans un marché va naturellement induire des changements sur les autres marchés, et les corrélations durant les crises peuvent augmenter sensiblement.

Pour cette raison, nous avons adopté une nouvelle procédure qui consiste à tester la non linéarité des mécanismes de propagation des chocs estimés à travers un modèle d'interdépendance de long terme VECM basé sur le test de cointégration (test de Johenson). Nous avons montré l'existence d'une relation de cointégration entre les séries, justifiée après par un modèle VECM validé.

Ensuite, en vue de connaitre le pays originaire de crise, nous avons utilisé le test de causalité au sens de Granger à fin de justifier la présence de ce genre de causalité entre les pays de notre étude. On peut signaler que, pendant la période de crise, les Etats-Unis cause et les autres pays notamment l'Allemagne, le Japon, la France et le Royaume Unis.

Enfin, nous avons étudié la transmission en moyenne et en variance en période normale et en période de crise de subprime au moyen d'une modélisation de type E-GARCH. En effet, les graphiques des rendements montrent l'existence d'un phénomène de regroupement de volatilité. Donc un processus suggéré de type GARCH était adopté à la modélisation des séries en question afin de corriger les problèmes d'hétéroscédasticité des erreurs.

Et à travers les critères de choix, nous avons abouti à conclure que le modèle asymétrique ARMA (1,2)-EGARCH (1,1) est le meilleur.

Au regard de l'étude de la transmission, nos résultats montrent la présence de contagion en moyenne et en variance à la fois vers le marché allemand et celui britannique, ce qui peut expliquer par une transmission excessive de volatilité et en moyenne. Il apparaît que le marché américain peut être assimilé au marché mondial.

ANNEXES

Null Hypothesis: LOG(DOW) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic based on SIC, MAXLAG=2)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-2.441149	0.3580
Test critical values:	1% level		-3.958914
	5% level		-3.410233


Date: 03/25/08 Time: 11:07
Sample (adjusted): 12/20/1967 12/17/2007
Included observations: 10434 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


LOG(DOW(-1))	-0.000789	0.000323	-2.441149	0.0147
D(LOG(DOW(-1)))	0.053757	0.009786	5.493515	0.0000
D(LOG(DOW(-2)))	-0.031709	0.009787	-3.240044	0.0012
C	0.004895	0.001987	2.463897	0.0138
@TREND(12/15/1967)	2.90E-07	1.09E-07	2.660624	0.0078


Null Hypothesis: D(LOG(DOW)) has a unit root
Exogenous: Constant


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-24.38133	0.0000
Test critical values:	1% level		-3.430803
	5% level		-2.861625


Date: 03/25/08 Time: 11:41
Sample (adjusted): 1/10/1968 12/17/2007
Included observations: 10419 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	0.000256	9.67E-05	2.641640	0.0083


Null Hypothesis: LOG(MDAX) has a unit root
Exogenous: None
Lag Length: 1 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			3.109105	0.9996
Test critical values:	1% level		-2.565406
	5% level		-1.940885


Dependent Variable: D(LOG(MDAX))
Method: Least Squares
Date: 03/25/08 Time: 11:52
Sample (adjusted): 1/01/1988 12/17/2007
Included observations: 5207 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


LOG(MDAX(-1))	4.89E-05	1.57E-05	3.109105	0.0019
D(LOG(MDAX(-1)))	0.059925	0.013846	4.328000	0.0000


Null Hypothesis: D(LOG(MDAX)) has a unit root
Exogenous: Constant
Lag Length: 15 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-16.06369	0.0000
Test critical values:	1% level		-3.431428
	5% level		-2.861901


Date: 03/25/08 Time: 12:13
Sample (adjusted): 1/22/1988 12/17/2007
Included observations: 5192 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	0.000348	0.000129	2.702353	0.0069


Null Hypothesis: LOG(CAC) has a unit root
Exogenous: None
Lag Length: 1 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			1.301714	0.9517
Test critical values:	1% level		-2.565396
	5% level		-1.940884


Date: 03/25/08 Time: 16:04
Sample (adjusted): 7/13/1987 12/17/2007
Included observations: 5331 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


LOG(CAC(-1))	2.90E-05	2.23E-05	1.301714	0.1931
D(LOG(CAC(-1)))	0.015095	0.013699	1.101882	0.2706


Null Hypothesis: D(LOG(CAC)) has a unit root
Exogenous: None
Lag Length: 15 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-17.04505	0.0000
Test critical values:	1% level		-2.565397
	5% level		-1.940884
	10% level		-1.616660


Date: 03/25/08 Time: 16:03
Sample (adjusted): 8/03/1987 12/17/2007
Included observations: 5316 after adjustments



Null Hypothesis: LOG(FTSE) has a unit root
Exogenous: Constant
Lag Length: 1 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-2.269817	0.1820
Test critical values:	1% level		-3.432097
	5% level		-2.862197


Date: 03/25/08 Time: 19:06
Sample (adjusted): 1/03/1995 12/17/2007
Included observations: 3380 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


LOG(FTSE(-1))	-0.001212	0.000534	-2.269817	0.0233
D(LOG(FTSE(-1)))	0.109198	0.017103	6.384664	0.0000
C	0.008407	0.003571	2.354485	0.0186


Null Hypothesis: D(LOG(FTSE)) has a unit root
Exogenous: Constant
Lag Length: 15 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-13.59434	0.0000
Test critical values:	1% level		-3.432106
	5% level		-2.862201
	10% level		-2.567166


Date: 03/25/08 Time: 19:26
Sample (adjusted): 1/24/1995 12/17/2007
Included observations: 3365 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	0.000328	0.000158	2.077054	0.0379


Null Hypothesis: LOG(NIKK) has a unit root
Exogenous: Constant
Lag Length: 2 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-2.148151	0.2259
Test critical values:	1% level		-3.431682
	5% level		-2.862014
	10% level		-2.567065


Date: 03/25/08 Time: 19:16
Sample (adjusted): 6/05/1991 12/17/2007
Included observations: 4314 after adjustments


Variable	Coefficient	Std. Error	t-Statistic	Prob.


LOG(NIKK(-1))	-0.001692	0.000788	-2.148151	0.0318
D(LOG(NIKK(-1)))	-0.032611	0.015218	-2.142883	0.0322
D(LOG(NIKK(-2)))	-0.034651	0.015217	-2.277067	0.0228
C	0.016198	0.007603	2.130523	0.0332


Null Hypothesis: D(LOG(NIKK)) has a unit root
Exogenous: None
Lag Length: 17 (Fixed)


			t-Statistic	Prob.*


Augmented Dickey-Fuller test statistic			-15.09390	0.0000
Test critical values:	1% level		-2.565500
	5% level		-1.940898
	10% level		-1.616650


Date: 03/25/08 Time: 19:21
Sample (adjusted): 6/27/1991 12/17/2007
Included observations: 4298 after adjustments

Dependent Variable: D(LOG(CAC))
Method: Least Squares
Date: 04/03/08 Time: 23:14


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	0.000247	0.000167	1.485076	0.1376
AR(1)	0.695699	0.218390	3.185580	0.0015
MA(1)	-0.682641	0.218485	-3.124431	0.0018
MA(2)	-0.031566	0.014250	-2.215082	0.0268


R-squared	0.001225	Mean dependent var		0.000245
Adjusted R-squared	0.000662	S.D. dependent var		0.012952
S.E. of regression	0.012947	Akaike info criterion		-5.855085
Sum squared resid	0.893000	Schwarz criterion		-5.850147
Log likelihood	15610.73	F-statistic		2.177278
Durbin-Watson stat	1.997988	Prob(F-statistic)		0.088547



Dependent Variable: D(LOG(CAC))
Method: Least Squares
Date: 04/03/08 Time: 23:17


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	0.000248	0.000166	1.492873	0.1355
AR(1)	0.726477	0.200030	3.631844	0.0003
AR(2)	-0.033764	0.014168	-2.383054	0.0172
MA(1)	-0.711826	0.199887	-3.561136	0.0004


R-squared	0.001342	Mean dependent var		0.000245
Adjusted R-squared	0.000780	S.D. dependent var		0.012953
S.E. of regression	0.012948	Akaike info criterion		-5.855015
Sum squared resid	0.892895	Schwarz criterion		-5.850076
Log likelihood	15607.61	F-statistic		2.386231
Durbin-Watson stat	2.001364	Prob(F-statistic)		0.067131


Dependent Variable: D(LOG(DOW))
Method: Least Squares
Date: 04/03/08 Time: 23:18


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	0.000258	9.34E-05	2.765274	0.0057
AR(1)	0.716355	0.146850	4.878122	0.0000
AR(2)	-0.062078	0.010176	-6.100513	0.0000
MA(1)	-0.663828	0.146974	-4.516620	0.0000


R-squared	0.004082	Mean dependent var		0.000259
Adjusted R-squared	0.003796	S.D. dependent var		0.009830
S.E. of regression	0.009811	Akaike info criterion		-6.410184
Sum squared resid	1.004005	Schwarz criterion		-6.407403
Log likelihood	33445.93	F-statistic		14.25131
Durbin-Watson stat	1.999011	Prob(F-statistic)		0.000000

Dependent Variable: D(LOG(MDAX))
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 04/06/08 Time: 13:19
Sample (adjusted): 5/14/1991 12/17/2007
GARCH = C(5) + C(6)RESID(-1)^2 + C(7)GARCH(-1)


	Coefficient	Std. Error	z-Statistic	Prob.


C	0.000874	0.000161	5.436838	0.0000
AR(1)	0.996938	0.000771	1292.484	0.0000
MA(1)	-0.904335	0.015275	-59.20353	0.0000
MA(2)	-0.093016	0.015374	-6.049992	0.0000


	Variance Equation


C	5.31E-06	5.61E-07	9.466094	0.0000
RESID(-1)^2	0.157596	0.010911	14.44425	0.0000
GARCH(-1)	0.778500	0.015346	50.72966	0.0000


R-squared	-0.010362	Mean dependent var		0.000336
Adjusted R-squared	-0.011765	S.D. dependent var		0.008834
S.E. of regression	0.008886	Akaike info criterion		-6.860999
Sum squared resid	0.341349	Schwarz criterion		-6.850695
Log likelihood	14861.06	Durbin-Watson stat		2.017654


Dependent Variable: D(LOG(CAC))


	Coefficient	Std. Error	z-Statistic	Prob.


C	0.000544	0.000134	4.043721	0.0001
AR(1)	0.845703	0.115981	7.291753	0.0000
MA(1)	-0.825988	0.115486	-7.152267	0.0000
MA(2)	-0.034525	0.015243	-2.264996	0.0235


	Variance Equation


C	3.35E-06	3.44E-07	9.720807	0.0000
RESID(-1)^2	0.087733	0.005131	17.09699	0.0000
GARCH(-1)	0.891909	0.006406	139.2249	0.0000


R-squared	0.000125	Mean dependent var		0.000245
Adjusted R-squared	-0.001002	S.D. dependent var		0.012952
S.E. of regression	0.012958	Akaike info criterion		-6.105239
Sum squared resid	0.893983	Schwarz criterion		-6.096597
Log likelihood	16280.51	F-statistic		0.110894
Durbin-Watson stat	2.008991	Prob(F-statistic)		0.995204

Dependent Variable: D(LOG(FTSE))
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 04/06/08 Time: 20:15
Sample (adjusted): 1/03/1995 12/17/2007
LOG(GARCH) = C(5) + C(6)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +
C(7)RESID(-1)/@SQRT(GARCH(-1)) + C(8)LOG(GARCH(-1))


	Coefficient	Std. Error	z-Statistic	Prob.


C	-0.000158	0.000613	-0.257897	0.7965
AR(1)	0.996702	0.002797	356.3754	0.0000
MA(1)	-0.870517	0.017800	-48.90432	0.0000
MA(2)	-0.117193	0.017561	-6.673539	0.0000


	Variance Equation


C(5)	-0.139763	0.019822	-7.050841	0.0000
C(6)	0.080565	0.009796	8.224362	0.0000
C(7)	-0.079220	0.006451	-12.28041	0.0000
C(8)	0.991905	0.001595	621.7916	0.0000


R-squared	0.009925	Mean dependent var		0.000349
Adjusted R-squared	0.007869	S.D. dependent var		0.009123
S.E. of regression	0.009087	Akaike info criterion		-6.860387
Sum squared resid	0.278443	Schwarz criterion		-6.845889
Log likelihood	11602.05	F-statistic		4.828804
Durbin-Watson stat	2.019154	Prob(F-statistic)		0.000020

Dependent Variable: D(LOG(DOW))


	Coefficient	Std. Error	z-Statistic	Prob.


C	0.000244	0.000103	2.374792	0.0176
AR(1)	0.997223	0.000791	1260.495	0.0000
MA(1)	-0.920639	2.95E-05	-31172.45	0.0000
MA(2)	-0.076298	0.000378	-201.7813	0.0000


	Variance Equation


C(5)	-0.131403	0.007266	-18.08566	0.0000
C(6)	0.062011	0.002450	25.31559	0.0000
C(7)	-0.025455	0.002093	-12.16462	0.0000
C(8)	0.991168	0.000663	1494.805	0.0000


R-squared	0.002466	Mean dependent var		0.000259
Adjusted R-squared	0.001797	S.D. dependent var		0.009829
S.E. of regression	0.009821	Akaike info criterion		-6.657012
Sum squared resid	1.005635	Schwarz criterion		-6.651452
Log likelihood	34740.96	F-statistic		3.682861
Durbin-Watson stat	2.044455	Prob(F-statistic)		0.000557

Dependent Variable: D(LOG(NIKK))


	Coefficient	Std. Error	z-Statistic	Prob.


C	-8.10E-05	0.000175	-0.462430	0.6438
AR(1)	-0.951570	0.037303	-25.50914	0.0000
MA(1)	0.931769	0.042222	22.06837	0.0000
MA(2)	-0.026501	0.016995	-1.559318	0.1189


	Variance Equation


C(5)	-0.322514	0.027099	-11.90134	0.0000
C(6)	0.136560	0.009809	13.92142	0.0000
C(7)	-0.076946	0.005740	-13.40617	0.0000
C(8)	0.974714	0.002621	371.8839	0.0000


R-squared	0.002162	Mean dependent var		-0.000123
Adjusted R-squared	0.000540	S.D. dependent var		0.013835
S.E. of regression	0.013832	Akaike info criterion		-5.869641
Sum squared resid	0.823986	Schwarz criterion		-5.857831
Log likelihood	12671.75	F-statistic		1.333210
Durbin-Watson stat	2.023802	Prob(F-statistic)		0.229971


Dependent Variable: D(LOG(CAC))


	Coefficient	Std. Error	z-Statistic	Prob.


C	0.000303	0.000148	2.043747	0.0410
AR(1)	-0.888330	0.014354	-61.88906	0.0000
MA(1)	0.909546	0.001833	496.1335	0.0000
MA(2)	0.029151	0.014192	2.054048	0.0400


	Variance Equation


C(5)	-0.274801	0.017413	-15.78157	0.0000
C(6)	0.113312	0.005239	21.62936	0.0000
C(7)	-0.074317	0.005312	-13.99143	0.0000
C(8)	0.978941	0.001800	543.9941	0.0000


R-squared	0.000719	Mean dependent var		0.000245
Adjusted R-squared	-0.000595	S.D. dependent var		0.012952
S.E. of regression	0.012956	Akaike info criterion		-6.116993
Sum squared resid	0.893452	Schwarz criterion		-6.107116
Log likelihood	16312.84	F-statistic		0.547043
Durbin-Watson stat	2.010317	Prob(F-statistic)		0.799168

Dependent Variable: D(LOG(DOW))
Date: 04/28/08 Time: 12:57
Included observations: 3905 after adjustments
Convergence achieved after 144 iterations
MA backcast: 12/25/1992 12/28/1992, Variance backcast: ON
GARCH = C(6) + C(7)RESID(-1)^2 + C(8)GARCH(-1)


	Coefficient	Std. Error	z-Statistic	Prob.


GARCH	4.903921	2.617447	1.873551	0.0610
C	0.000254	0.000200	1.268935	0.2045
AR(1)	-0.647980	0.255892	-2.532240	0.0113
MA(1)	0.653715	0.255901	2.554561	0.0106
MA(2)	0.000386	0.017420	0.022147	0.9823


	Variance Equation


C	9.22E-07	1.23E-07	7.506099	0.0000
RESID(-1)^2	0.068143	0.005026	13.55868	0.0000
GARCH(-1)	0.923635	0.005681	162.5833	0.0000


R-squared	0.000212	Mean dependent var		0.000352
Adjusted R-squared	-0.001583	S.D. dependent var		0.009811
S.E. of regression	0.009819	Akaike info criterion		-6.667024
Sum squared resid	0.375712	Schwarz criterion		-6.654179
Log likelihood	13025.36	F-statistic		0.118266
Durbin-Watson stat	2.031544	Prob(F-statistic)		0.997144


Dependent Variable: D(LOG(CAC))


	Coefficient	Std. Error	z-Statistic	Prob.


GARCH	4.274848	1.758515	2.430943	0.0151
C	-7.10E-05	0.000240	-0.295895	0.7673
AR(1)	0.355481	0.571300	0.622232	0.5338
MA(1)	-0.340661	0.570525	-0.597102	0.5504
MA(2)	-0.024345	0.015434	-1.577381	0.1147


	Variance Equation


C	3.50E-06	3.69E-07	9.480571	0.0000
RESID(-1)^2	0.088359	0.005217	16.93606	0.0000
GARCH(-1)	0.890069	0.006587	135.1247	0.0000


R-squared	-0.003138	Mean dependent var		0.000245
Adjusted R-squared	-0.004457	S.D. dependent var		0.012952
S.E. of regression	0.012981	Akaike info criterion		-6.104082
Sum squared resid	0.896901	Schwarz criterion		-6.094206
Log likelihood	16278.43	Durbin-Watson stat		1.987431

Dependent Variable: D(LOG(FTSE))


	Coefficient	Std. Error	z-Statistic	Prob.


GARCH	0.085594	3.139956	0.027260	0.9783
C	0.000652	0.000197	3.302720	0.0010
AR(1)	0.825377	0.097521	8.463620	0.0000
MA(1)	-0.711748	0.097278	-7.316665	0.0000
MA(2)	-0.125681	0.018339	-6.853219	0.0000


	Variance Equation


C	4.88E-07	1.06E-07	4.611566	0.0000
RESID(-1)^2	0.060635	0.005684	10.66706	0.0000
GARCH(-1)	0.934504	0.006166	151.5682	0.0000


R-squared	0.013375	Mean dependent var		0.000349
Adjusted R-squared	0.011327	S.D. dependent var		0.009123
S.E. of regression	0.009071	Akaike info criterion		-6.840274
Sum squared resid	0.277472	Schwarz criterion		-6.825776
Log likelihood	11568.06	F-statistic		6.530439
Durbin-Watson stat	2.001091	Prob(F-statistic)		0.000000


Dependent Variable: D(LOG(MDAX))


	Coefficient	Std. Error	z-Statistic	Prob.


GARCH	9.715800	2.965677	3.276082	0.0011
C	0.000470	0.000294	1.600729	0.1094
AR(1)	0.996686	0.001757	567.3282	0.0000
MA(1)	-0.904248	0.017957	-50.35680	0.0000
MA(2)	-0.091624	0.017636	-5.195323	0.0000


	Variance Equation


C	5.01E-06	4.61E-07	10.86957	0.0000
RESID(-1)^2	0.158989	0.011339	14.02158	0.0000
GARCH(-1)	0.779478	0.014484	53.81704	0.0000


R-squared	0.003582	Mean dependent var		0.000336
Adjusted R-squared	0.001968	S.D. dependent var		0.008834
S.E. of regression	0.008825	Akaike info criterion		-6.861429
Sum squared resid	0.336638	Schwarz criterion		-6.849653
Log likelihood	14862.99	F-statistic		2.219498
Durbin-Watson stat	2.004154	Prob(F-statistic)		0.029908

Dependent Variable: D(LOG(MDAX))
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 04/13/08 Time: 19:56
Sample (adjusted): 1/01/1988 12/17/2007
Included observations: 5207 after adjustments
Convergence achieved after 153 iterations
MA backcast: 12/30/1987 12/31/1987, Variance backcast: ON
LOG(GARCH) = C(5) + C(6)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +
C(7)RESID(-1)/@SQRT(GARCH(-1)) + C(8)LOG(GARCH(-1)) +
C(9)E(-1)^2 + C(10)DUMMY(-1)*E(-1)^2


	Coefficient	Std. Error	z-Statistic	Prob.


C	0.000439	0.000152	2.888360	0.0039
AR(1)	0.883926	0.050379	17.54555	0.0000
MA(1)	-0.781102	0.053346	-14.64219	0.0000
MA(2)	-0.056469	0.018763	-3.009686	0.0026


	Variance Equation


C(5)	-1.675837	0.094003	-17.82739	0.0000
C(6)	0.216894	0.018728	11.58144	0.0000
C(7)	-0.073034	0.010762	-6.786302	0.0000
C(8)	0.848336	0.008683	97.70180	0.0000
C(9)	468.2025	14.86657	31.49365	0.0000
C(10)	1035.459	256.2599	4.040662	0.0001


Dependent Variable: D(LOG(CAC))
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 04/13/08 Time: 20:24
Sample (adjusted): 7/13/1987 12/17/2007
Included observations: 5331 after adjustments
Convergence achieved after 48 iterations
MA backcast: 7/09/1987 7/10/1987, Variance backcast: ON
LOG(GARCH) = C(5) + C(6)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +
C(7)RESID(-1)/@SQRT(GARCH(-1)) + C(8)LOG(GARCH(-1)) +
C(9)E(-1)^2 + C(10)DUMMY(-1)*E(-1)^2


	Coefficient	Std. Error	z-Statistic	Prob.


C	0.000277	0.000150	1.853738	0.0638
AR(1)	-0.915036	0.066353	-13.79045	0.0000
MA(1)	0.940178	0.066495	14.13916	0.0000
MA(2)	0.037277	0.014794	2.519786	0.0117


	Variance Equation


C(5)	-0.314083	0.019880	-15.79927	0.0000
C(6)	0.107449	0.006318	17.00748	0.0000
C(7)	-0.072437	0.005654	-12.81281	0.0000
C(8)	0.974458	0.002012	484.2545	0.0000
C(9)	29.93935	6.324655	4.733751	0.0000
C(10)	-19.34045	83.37548	-0.231968	0.8166


Dependent Variable: D(LOG(NIKK))
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 04/13/08 Time: 20:26
Sample (adjusted): 6/04/1991 12/17/2007
Included observations: 4315 after adjustments
Convergence achieved after 22 iterations
MA backcast: 5/31/1991 6/03/1991, Variance backcast: ON
LOG(GARCH) = C(5) + C(6)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +
C(7)RESID(-1)/@SQRT(GARCH(-1)) + C(8)LOG(GARCH(-1)) +
C(9)E(-1)^2 + C(10)DUMMY(-1)*E(-1)^2


	Coefficient	Std. Error	z-Statistic	Prob.


C	-7.10E-05	0.000176	-0.403677	0.6865
AR(1)	-0.959903	0.028603	-33.55963	0.0000
MA(1)	0.940777	0.034547	27.23208	0.0000
MA(2)	-0.025246	0.017025	-1.482858	0.1381


	Variance Equation


C(5)	-0.393796	0.031971	-12.31721	0.0000
C(6)	0.133549	0.010369	12.87938	0.0000
C(7)	-0.075264	0.006099	-12.34035	0.0000
C(8)	0.967328	0.003095	312.5291	0.0000
C(9)	94.33492	13.96116	6.756955	0.0000
C(10)	34.74344	79.86350	0.435035	0.6635

BIBLIOGRAPHIE

AGLIETTA, Michel. «Régulation et crises du capitalisme», Odile Jacob, nouvelle édition augmentée d'une préface, (1997).

ARVAI, Zsofia et János VINCZE, Janos. « Financial crises in transition countries: models and facts » MNB Working Papeer, (2000).

BILLIO, Monica et PELIZZON Luiji. «Contagion and interdependence in stock markets: Have they been misdiagnosed?», Journal of Economics and Business, 55, (2003), 5 p.

BOYER, Robert , DEHOVE, Mario et PLIHON, Dominique. « Les crises financières », Conseil d'Analyse Économique, 50, (2OO4).

CALVO, Guillermo. « Contagion in Emerging Markets: When wall street is a Carrier», University of Maryland, (1999).

CARTAPANIS, André. « Le déclenchement des crises de change : qu'avons-nous appris depuis dix ans ? », Economie International, 97, (2004), 43p.

CORETTI, Giancarlo, PESENTI, Paolo et ROUBINI, Nouriel. «Paper tigers: a model of the Asian crisis», European Economic Review, 43, (1999), 25p.

DEHOVE, Mario. « Crises financières deux ou trois choses que nous savons d'elles », Document de travail, Conseil d'Analyse Economique, (2003).

DORNBUSH, Rudiger et CHUL PARK Yung et CLAESSENS Stijn. «Contagion: how it spreads and how lit can be stopped», Forthcoming World Bank Research Observer, (2000).

FLOOD, Robert et GARBER, Peter « Collapsing Exchange Rate Regimes: Some Linear Example», Journal of International Economics, 17, (1984), 13p.

FORBES, Kristin et RIGOBON, Roberto. «No contagion, only interdependence: Measuring Stock Market Co-Movement», the journal of Finance, 57, (2002), 5 p.

FORBES, Kristin et RIGOBON, Roberto. «Contagion in Latin America: Definitions, measurements and policy implications », NBER Working Paper, (2000).

GLICK, Reuven et ROSE, Andrew. «Contagion and trade: Why are currency crises regional?», Jounal of international Money and Finance,18, (1999), 14 p.

IRWIN, Gregor. Et VINES David. «A Krugman - Dooley - Sachs third generation model of the Asian financial crisis », Economic and Social Research Council (ESRC) - Global Economic Institutions, Working Paper Series, 46, (1999).

KAMINSKY, Graciela et REINHART, Carmen. «The Twin crises: The causes of banking and balance of payments problems», American Economic Review, 89, (1999), 3 p.

Financial Contagion, Board of Governors of the Federal Reserve System», mimeo, (1998).

KRUGMAN, Paul. «A Model of Balance of Payments Crises », Journal of Money, Credit and Banking, 11, (1979), 14p.

LANDIER, Augustin et COHEN, Elie. « Crise des subprimes : le point de vue de deux économistes », Le Monde, (2007).

MASSON, Paul. «Contagion: macroeconomic models with multiple equilibria», Journal of International Money and Finance, 18, (1999), 4 p.

MORRIS, Stephen et SHIN, Hyun Song. «Rethinking Multiple Equilibria in Macroeconomic Modelling», paper prepared for the NBER Macroeconomics Annual , MIT Press, (1998)

RADELET, Steven et SACHS, Jeffery. «The East Asian Financial Crisis: Diagnosis, Remedies, Prospects», Brookings Papers on Economic Activity, 1, (1998), 73p.

TOBIAS, Adrien. « Liquidité et contagion », Revue de la stabilité financière, Banque de France, 11, (2008).

VALDES, Rodrigo, « Emerging Market Contagion: Evidence and Theory », Documentos de Trabajo del Banco Central, Central Bank of Chile, (1997).

VAN RIJCKEGHEM, Caroline et WEDER, Beatrice. « Financial contagion: Spillovers through Banking Centers », The contagion conference, (2000).

ZOUARI, Samir. «Modèles des crises financières, indicateurs de vulnérabilité et implication du secteur bancaire dans la crise asiatique de 1997 - 1998», Thèse de doctorat en Sciences Economiques, Université Paris II Assas, (2005).

TABLE DES MATIERES

INTRODUCTION GENERALE...................................................................1

CHAPITRE I : Les crises financières : Modèles et contagion..............................5

Introduction..........................................................................................6

Section 1 : Les crises financières..................................................................6

1.1. Les modèles des crises financières.........................................................6

1.1.1. Les modèles de première génération...................................................7

1.1.2. Les modèles de deuxième génération..................................................8

1.1.3. Les modèles de troisième génération...................................................9

a) La première approche : concept d'aléa moral.......................................... ..11

b) La deuxième approche : la panique financière ..........................................13

c) Modèle de synthèse........................................................................... ..13

Section 2 : la contagion des crises financières.................................................15

2.1. Les théories de transmission des crises...................................................16

2.1.1. Les théories non contingentes aux crises...............................................16

a) Le commerce international....................................................................16

b) La coordination des politiques économiques.............................................17

c) Les chocs globaux et les chocs aléatoires...................................................17

2.1.2. Les théories contingentes aux crises ...................................................18

a) L'équilibre multiple ...........................................................................18

b) Les chocs de liquidité endogène ............................................................20

c) La contagion politique ........................................................................20

2.2. L'impact du comportement des investisseurs..........................................21

a) Les problèmes de liquidité et de rendement..............................................21

b) Problème d'asymétrie d'information ......................................................22

c) L'impact d'une augmentation du taux d'intérêt extérieur ...........................24

CHAPITRE II : La crise de « subprime »......................................................25

Introduction..........................................................................................26

Section 1 : Cadre générale de la crise......................................................... 26

1.1. Les crédits immobiliers hypothécaires à risques élevés........................... .26

1.2. Les causes du déclanchement de la crise.......................................... . . ..28

1.2.1. L'impact du contexte mondial ...........................................................28

1.2.2. Les causes internes et propres aux USA...............................................29

1.3. Les conséquences de la crise sur le marché américain................................30

1.3.1. L'impact sur les dépenses des ménages............................................. 30

1.3.2. L'impact sur le dollar.......................................................................31

1.4. La transmission internationale de la crise.............................................. 32

1.4.1. L'impact de la crise sur les systèmes financiers mondiaux...................... 32

a) L'ampleur sur les banques mondiales......................................................32

b) L'ampleur sur les places boursières.........................................................33

1.4.2. Les mécanismes de transmission....................................................... .34

a) La transmission par titrisation des prêts hypothécaires ...............................34

b) La transmission par les fonds d'investissement à risque ............................. .35

Section 2 : La crise de subprime à la lumières des modèles des crises................. 36

2.1. La déréglementation des marchés financiers ......................................... 36

2.1.1. L'effet d'innovation financière ......................................................... .36

2.1.2. Les agences de notation................................................................... 38

2.2. Les démarches proposées : Remède................................................... ...39

2.2.1. L'injection de la liquidité.............................................................. ...39

2.2.2. La baisse du taux d'intérêt ......................................................... . . . 39

Conclusion ............................................................................................40

CHAPITRE III : Etude de contagion pendant la crise du Subprime....................41

Introduction..........................................................................................42

Section 1: Présentation des données et analyse statistique........................... ...42

1.1. Présentation des indices.................................................................. ...42

1.2. Statistiques descriptives.................................................................. ...43

Section 2 : Etude de corrélation..................................................................43

2.1. Définition..................................................................................... ...43

2.2. La corrélation : preuve de contagion............................................. . ... . 44

2.3. Application et résultats......................................................................44

Section 3 : Cointégration et modèle VECM............................................... ...45

3.1. Test de racine unitaire des séries : test ADF...................................... ......45

3.1.1. Procédure du test.................................................................. ...... 45

3.1.2. Application de test d'ADF.................................................... ......... 47

3.1.3. Interprétation des résultats: ................................................. .......... 47

3.2. Calcul du nombre de retard :VAR........................................................48

3.3. Test de Johansen................................................................... ...........48

3.4. Ecriture VECM..................................................................... ......... 49

Section 4 : Transmission en moyenne et en variance........................... ......... 50

4.1. Modélisation de l'équation de moyenne .................................... ......... 50

4.1.1. Identification de nombre de retard.......................................... ......... 51

4.1.2. Estimation de l'équation de moyenne ....................................... ...... 51

4.1.3. Diagnostique des séries résiduelles............................................. ... .. 52

4.1.4. Méthode graphique.........................................................................53

4.2. Modélisation de l'équation de variance............................................. ...54

4.2.1. ARMA(1,2)-GARCH(1,1)..................................................................54

4.2.2. ARMA(1,2)-EGARCH(1,1)............................................................ ...54

4.2.3. ARMA(1,2)-GARCH(1,1)-M...............................................................55

4.2.4. Estimation des équations de variance conditionnelle EGARCH(1,1)...... ...56

4.3. Mesure de la transmission entre les marchés :..........................................56

4.3.1. Définition de modèle........................................................................57

4.3.2. Estimation de modèle..................................................................... 57

4.3.3. Interprétation................................................................................. 57

4.4. Test de transmission en période de crise « Contagion ».............................. 58

4.4.1. Détermination de la période de crise par la méthode graphique............... 58

4.4.2. Test de contagion........................................................................... 60

4.4.3. Interprétation................................................................................. 61

CONCLUSION GENERALE.........................................................................62

ANNEXES.............................................................................................66

BIBLIOGRAPHIE................................................................................. ..91

* ¹ La balance de paiement est un état statistique dont lequel on trouve, sous forme comptable, les différents flux d'actifs réels, monétaires et financiers pendant un période donnée entre les résidents d'un pays et les non résidents.

* ² VaR: c'est une mesure de risque de perte potentielle qui peut subir un titre ou un portefeuille suite à des mouvements défavorable des prix des marchés avec un seuil de confiance donné, elle corresponde à la notion de quantile.