Déterminants de la volatilité du prix des produits agricoles dans la ville de Bukavu. Cas du riz et du mais de janvier 2005 à décembre 2013.

REPUBLIQUE DEMOCRATIQUE DU CONGO

ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE

UNIVERSITE CATHOLIQUE DE BUKAVU

U.C.B

251656704BP : 285 Bukavu

Faculté des Sciences Economiques et de Gestion

Déterminants de la volatilité du prix des produits agricoles dans la ville de Bukavu: Cas du riz et du mais de janvier 2005 à décembre 2013

Option Economie Rurale

Mémoire présenté et défendu en vue de l'obtention du diplôme de licence en sciences Economiques et de Gestion

Par :LUHIRIRI MUHANYI Denis

Directeur : Prof MUBAGWA CIHINDA MUKO

Co-directeur : CT MUFUNGIZI NABINTU Alice

251655680

ANNEE ACADEMIQUE: 2013-2014

Epigraphe

« L'instabilité des prix déstabilise le producteur qui n'arrive pas à s'organiser pour développer son exploitation. Il ne sait pas à quel prix il va vendre ses produits, il prend des prêts, des engrais à crédit, sans connaître le prix de vente, et si les prix des denrées chutent, il ne peut honorer ses engagements ; il va passer une saison endettée et la suivante il aura des difficultés à remonter la pente ». (AZIZ, 2012)

Dédicace

Je dédie ce travail à mon père Luhiriri Lwa-ngwasi Jean-Marie.

Remerciements

Je rends grâce à Jésus-Christ le maitre incontesté de tout le temps et de toutes connaissances qui nous a donné le souffle de vie et le courage pour finir ce travail.

Cet avec un grand plaisir que je réserve ces lignes pour exprimer ma gratitude et ma reconnaissance à tous ceux et celles qui ont contribué, de près comme de loin, à l'élaboration de ce mémoire.

Tout d'abord, j'exprime ma profonde gratitude et ma reconnaissance à mon directeur de recherche, Mubagwa et ma co-directrice de recherche. Leurs expériences, compétences, remarques, disponibilité et leurs judicieux conseils ont été grandement appréciés.

Je remercie mes parents Luhiriri Lwa-Ngwasi Jean-Marie, Aziza, Jacqueline et Georgine qui ont accepté de bien vouloir tout sacrifier pour la réalisation de ce mémoire et pour leur amour qu'ils ne cessent de manifester.

A tout le corps professoral de l'UCB et particulièrement aux professeurs célestin Bucekuderwa, Augustin Mutabazi, Deo Bugandwa, Christian Kamala, Dieudonné Muhinduka ; aux chefs des travaux Lubula Mumbere, Asclé Mufungizi, Janvier Kilosho; aux assistants Licette Bikubanga, Douglass Amuli Godelive Batano, Francine Iragi, Ariane Badesire, Josué Lwanzo, Miki Baluku, Romeo Mashali, Isidore Muri.

De plus, j'aimerais remercier Nathalie, Diane, Lydie, Sylvie, Carine, Serge, Emmanuel, Chance, Freddy, Clarisse, Christel, Djani, Jospin, Christiane, Jean-Jacques, Raïssa, Yve tous de la famille Luhiriri et Daniel Lukambo pour leur réconfort.

A toute la grande famille Gwasi particulièrement, Cirimwami, Fumiliya, Badera, Sadiki, Kalumuna, Franck, Dady.

Nos remerciements s'adressent aux familles Magadju, Mweze et Mugemusi ;à Maombi, à Yenga-Yenga, à Pacifique Magadju, à Edward, à mes oncles Yves et Claude pour leur soutien.

A mes amis et tout particulièrement à Alain Fungulo, Justin Mushamuka, Machukizi Papy, Nacky Byamungu, Furaha Odja Rehema Bagaya, Roger Aganze, Doux Cheruga, Prince Wasinda, Alex Smba, Bienvenu Matugulu, Claire Mutungwa, Frid Maseka, Sophie Mukesha et à tous les étudiants de la deuxième année de licence pour leurs constants encouragements et leur précieux support tout au long de mon parcours académique.

Mes dernières remerciement s'adressent à toute personne ayant contribué de près ou de loin à la réalisation de ce présent travail. Merci

Sigles et abréviations

ARCH: AutoRegressive Conditional heteroskedasticity

ARDL:Autoregressive Distributed Lag

ARIMA:Autoregressive integrated moving-average

ARMA:Autoregressive-moving average

BCC: Banque centrale du Congo

BLUE: Best Linear unbiased Estimator

CIDSE:Coopération internationale pour le développent et la solidarité

CNUCED : conférence de nations unies sur le commerce et le développement

CSA: Comité de la Sécurité Alimentaire Mondiale

CV: coefficient de variation

DS: Differency stationnary

DSCRP: Document startégique pour la croissance et la réduction de la pauvreté

FAC: Fonction autocorrélation

FAO: Organisation des nations unies pour l'alimentation et l'agriculture

FAP: Fonction d'autocorrélation partielle

FC: Franc congolais

GARCH:Generalised AutoRegressive Conditional Heteroskedasticity

GARCH-MIDAS: Generalised AutoRegressive ConditionalHeteroskedasticitv mixed data sampling

HLC : Conférence de haut niveau sur la sécurité

HLPE:Groupe d'Experts de Haut Niveau sur la Sécurité Alimentaire et la Nutrition

INS: Institut nationale de statistique

MCG:Moindres Carrés Généralisés

MCO: Moindre carrés ordinaire

MGARCH: Multivariate GARCH

OCC: Office congolais de contrôle

OCDE: organisation de coopération et de développement économiques

PAM: Programme alimentaire mondial

RDC: République Démocratique du Congo

SDD: Ecart type en différence logarithmique

TS: Trend stationnary

TVA: Taxes sur la valeur ajoutée

UCB: Université Catholique de Bukavu

USD: Dollars Américain

VAR:Vector AutoRegression Model

VECM : Modèle vectoriel à correction d'erreur

LISTE DES TABLEAUX ET FIGURES

Tableau 1: Politique et programme pour gérer et réduire la volatilité 2

Tableau 2: Nature de la série, nature de l'évolution et réaction aux chocs 22

Tableau 3 : Nature de la série, degré d'intégration et filtre de stationnarisation 23

Tableau 4 : Mesure et signes espérés des variables indépendantes. 31

Tableau 5 : Résultats statistiques des séries des prix du maïs et du riz 34

Tableau 6 : Résultats de la significativité globale du modèle 39

Tableau 7 : Résultats de l'estimation GARCH(1,1) pour le prix du riz 39

Tableau 8 : ARCH et GARCH 41

Tableau 9 : Résultats de la significativité globale du modèle 43

Tableau 10 : Résultats de l'estimation GARCH(1,1) pour le prix du riz 44

Tableau 11 : ARCH et GARCH prix mais local 46

Tableau 12 : Test de racine unitaire pour le prix du riz local lvi

Tableau 13 : Test de racine unitaire pour le prix du maïs local lvi

Tableau 14 : Test de racine unitaire pour le prix du riz importé lvi

Tableau 15 : Test de racine unitaire pour la masse monétaire lvii

Tableau 16 : Test de racine unitaire pour le taux de change lvii

Tableau 17 : Test de racine unitaire pour le prix du pétrole lvii

Tableau 18 : Test de racine unitaire pour la distribution de semences du maïs lviii

Tableau 19 : Test de racine unitaire pour la distribution de semences du riz lviii

Tableau 20 : Test de racine unitaire pour les quantités importées du riz lviii

Tableau 21 : Test de racine unitaire pour les quantités importées du maïs lviii

Tableau 22 : Test de racine unitaire pour l'indice de la pluviométrie lix

Tableau 23 : Estimation du modèle du prix du riz par la MCO lx

Tableau 24 : Tableau n021. Régression par MCO des résidus du prix du riz local lx

Tableau 25 : Estimation du modèle du prix du maïs local par la MCO lxi

Tableau 26 : Régression par MCO des résidus du prix du maïs local lxi

Tableau 27 : Estimation du coéffient de détermination pour le modèle du prix du maïs local lxiii

Figure 1 : Stratégie simplifiée des tests de racine unitaire 2

Figure 2 Evolution de prix du riz et du mais de janvier 2005 à décembre 2013 33

Figure 3 : Variances roulantes de la volatilité du prix du riz 34

Figure 4 : Evolution du prix du riz local et du riz importé 35

Figure 5 : Evolution du prix du riz local et des quantités importées 36

Figure 6 : Evolution du prix du maïs local et des quantités importées 36

Figure 7 : Evolution de la rentabilité du riz et du mais 37

Introduction

La volatilité, est l'une des particularités des marchés agricoles provoquée par des chocs inattendus et aggravés en cas de faible élasticité de l'offre et de la demande par rapport aux prix (FAO et OCDE, 2011). Elle peut conduire à des crises alimentaires mondiales (HLPE et CSA, 2011).

La Banque mondiale (2009), a proposé une représentation sur un siècle des crises faisant état de quatre flambées des prix des produits de base depuis la première guerre mondiale: 1915 -1917, 1950-1957, 1973-1974 et 2003-2008.En particulier entre 2007 et 2008, les études attribuent ces mouvements des hausses aux facteurs liés à la demande tel que le taux de croissance économique et le facteur du côté de l'offre comme le désinvestissement dans l'agriculture (Abbott et Borot de Battisti, 2009; Gilbert; 2010; Gilbert et Morgan, 2010 ; Ederer, Heumesser et Staritz, 2013).

D'autres facteurs comme le biocarburant, le changement climatique, les mouvements de l'offre mondiale de la monnaie, du taux de change, du prix du pétrole, la spéculation et la hausse du prix de l'énergie expliquent également cette hausse(FAO et OCDE, 2011 ; HLPE et CSA, 2011 ; Huchet-Bourdon, 2011 ; Dönmez et Magrini, 2013). En 2007, l'indice international de prix des produits alimentaires a augmenté de près de 40%, comparé à 9% en 2006 et 50% pour les seuls trois premiers mois de 2008 (Braun et al. 2008). En juin 2008, les prix des produits alimentaires de base sur les marchés internationaux ont atteint leurs plus hauts niveaux depuis 30 ans (FAO, 2009).

Cette hausse a été accompagné par une baisse pendent la période 2009 et mi-2010 (FAO, 2011), suivi d'une hausse durant 11 mois expliquée par la baisse du niveau des stocks et de la production des denrées en 2011(FAO et OCDE, 2011). L'indice FAO des prix des produits alimentaires atteignait 234 points en juin 2011, soit 39% de plus qu'en juin 2010 et a chuté à son niveau le plus bas en octobre où il s'établit à 216 point (CIDESE, 2012 ; HLPE et CSA, 2011).Cet indice est relativement stable en 2013 où le niveau bas est observé en novembres'établissantà 206,3 à un niveau inférieur de 9,5 points à sa valeur de novembre 2012 (FAO et PAM, 2013).

Ces fortes volatilités des prix semblent entrainer des conséquences néfastes pour les producteurs, les consommateurs et également pour les Etats surtout ceux en développement (Aziz, 2012 ; Balcombe, 2009 ; Huchet-Bourdon, 2011). Celles-ci sont d'autant plus aigües que les producteurs disposent de systèmes de production peu intensifiés, que les consommateurs sont pauvres et que les Etats disposent de moyens limités pour les gérer (Aziz, 2012).

Pour les producteurs,ellescréent une incertitude sur les prix auxquels ils vendront leurs produits ou achèteront leurs intrants, rendant les prix des produits variables et les investissements difficiles (Huchet-Bourdon, 2011). Pour un pays, la volatilité peut rendre l'organisation de la production plus difficile et modifier la position des échanges commerciaux(Balcombe, 2009).

La volatilité des prix des denrées alimentaires constitue le problème le plus grave auquel le monde a été confronté en 45 ans et est qualifiée de « tsunami silencieux» menaçant ainsi 100 million de personnes supplémentaires de ne plus pouvoir manger à leur faim (PAM, 2009).

Les fluctuations des prix des produits agricoles renforcent des situations d'insécurité alimentaire pour les ménages (Temple et Dury, 2003). Cela est dû au fait que les paysans pauvres^1(*) ne disposent généralement pas d'un capital suffisant pour faire face à de tels aléas.Ce qui peut les amener à prendre des décisions d'investissement inadaptées et compromettre leur production sur le long terme (Kamgnia, 2009 ; Aziz, 2012).

La crise alimentaire de 2007-2008 a placé le problème de la volatilité des prix au centre des débats politiques et plusieurs gouvernements ont tenté de réguler les prix des produits alimentaires(Aziz, 2012; Elodie, 2012). Ces tentatives ont boosté la turbulence des marchés domestiques plutôt que de les stabiliser (Elodie, Le Cotty et Jayne, 2012). Ceci s'explique par le fait que ces tentatives n'ont pas intégré les sources de la volatilité des prix des produits alimentaires^2(*)(Tangermann, 2011).

Le contrôle des prix des aliments est difficile, car il prend en compte un certain nombre des facteurs structurelset externesà la demande et à l'offre qui sont impliqués dans la formation du prix^3(*) (Elodie, 2012).

L'Afrique ne demeure pas neutre à ces phénomènes des volatilitéscar les politiques d'ajustement structurel misent en place vers les années 1970^4(*), contribuent au large désinvestissement dans l'agriculture. Au cours des dernières années, les dépenses publiques affectées à l'agriculture ont été réduites à 7% en moyenne dans les pays en développement, et à un niveau encore inférieur en Afrique (FAO, 2010). En outre, la part de l'aide publique au développement destinée à l'agriculture a baissé de 18% en 1979 à peine plus de 3% durant ces dernières années (CNUCED, 2010).

Pour ce qui est de la RDC, le taux d'inflation se situe à 15,5% contre une cible de 17% fixé dans le cadre du programme économique du gouvernement(BCC, 2011).Taux atteint grâce à la coordination des politiques conjoncturelles ayant permis de contenir les pressions inflationnistes liées à l'envolée des prix mondiaux des produits alimentaires et pétroliers (BCC, 2011).Du fait de la forte dépendance du pays à l'exportation de produits primaires, de la faiblesse de la monnaie et de la forte consommation de pétrole et de gaz par la population ; l'instabilité des prix des produits alimentaires et leur hausse tendancielle, exposent la population congolaise au risque de la faim (DSCRP, 2011).

Il est donc légitime de s'intéresser de plus près aux questions de la volatilité des prix agricoles et alimentaires. Ainsi, quels seraient les facteurs justifiants la volatilité des prix des produits agricoles à court terme et quelles seraient les mesures à mettre en place pour avoir la stabilité à long terme ?

Les prix alimentaires sont influencés par des facteurs de la demande et d'offre tels que les anticipations des offreurs sur les prix, les exportations de produits alimentaires,les variations climatiques, le coût du transport, les festivités de fin d'année, la masse monétaire,le moment de la récolte, les produits agricoles importés, l'évolution de la population et le taux de change.

Ce travail vise à analyser les déterminants de la volatilité des prix des produits alimentaires de base afin de faire face aux éventuelles conséquences et à une volatilité future. La démarche de cette étude consiste à s'interroger sur les facteurs qui expliquent le comportement des prix réels des produits alimentaires dans la RDC en prenant pour étude de cas la ville de Bukavu.

Il s'agira spécifiquement donc d'étudier la dynamique des prix des céréales dans la ville de Bukavu pour une période allant de janvier 2005 à décembre 2013. Le but n'est pas de trouver un modèle parfait de formation des prix mais de représenter les principaux aspects de la dynamique des prix.

Pour affirmer ou infirmer nos hypothèses et afin d'estimer les paramètres, nous allons utiliser le modèle ARCH.

Outre l'introduction et la conclusion, ce travail est subdivisé en trois parties. La première aborde la revue de littérature, la deuxième se focalise sur la méthodologie tandis que la dernière se focalise sur la présentation et l'interprétation des résultats.

Chapitre premier Revue de la littérature

Ce chapitre sera subdivisé en deux sections : la première porte sur la revue théorique et la seconde sur la revue empirique.

I.1. Revue théorique

Dans cette section, nous allons définir le terme volatilité et donner quelques facteurs de la volatilité de prix des produits agricoles.

I.1.1. Variabilité et volatilité : définitions

La volatilité mesure l'ampleuret la rapidité^5(*)del'évolutions du prix d'un actif (Alioune, 2011).

La variabilité des prix ne constitue pas un problème majeur lorsque les fluctuations sont progressives et prévisibles parce que liées aux fondamentaux du marché^6(*). En revanche, lorsqu'elles sont de grandes amplitudes, très fréquentes ou qu'elles se produisent soudainement et essentiellement dans une direction, elles constituent (les fluctuations) la volatilité qui est un problèmesérieux (Balcombe, 2011).

La volatilité des prix se définit comme un mouvement à la hausse ou à la baisse au cours d'une période donnée et ce mouvement peut être voisin de zéro ou devenir plus important^7(*) (HLPE, 2011).

La variabilité et la volatilité des prix constituent des aspects clé du risque prix pour les participants au marché (Aziz, 2012). La variabilité des prix résulte des mouvements des prix suite à des variations de la demande ou de l'offre et englobe les différentes formes de changement des prix, quel que soit leur fréquence et cela est mesurable (Piot-Lepetit et Mbarek, 2011) ; tandis que la volatilité des prix, survient suite à des chocs et représente la partie des prix non expliquée, donc non prévisible(Aziz, 2012).

La volatilité des prix est considérée comme étant «des variations d'une ampleur et d'une fréquence qui deviennent problématiques car ne peuvent être anticipées et «outrepassent lacapacité d'adaptation des producteurs et des consommateurs» (OCDE et FAO, 2011).

La volatilité des prix désigne donc l'instabilité à forte amplitude d'unevariable économique dans le temps dont le caractère imprévisible des fluctuations empêche la formation d'anticipations correctes, favorisela déconnexion du prix des fondamentaux du marché (Nahoua, 2012).

La variabilité et la volatilité s'observent dans le temps et dans l'espace. Il existerait un lien de causalité entre les variabilités (ou les volatilités) spatiale et temporelle des prix en ce sens que la première peut renforcer la seconde car l'absence ou la lenteur de la transmission des prix des zones de production vers les zones de consommation peut occasionner une variabilité (ou une volatilité) saisonnière accrue des prix, notamment dans les zones non productives et déficitaires (Aziz, 2012).

Des études établissent une distinction entre volatilité normale et volatilité extrême, d'autres, la qualifiant également de bonne ou de mauvaise (Prakash, 2011). Toutefois, cette distinction n'est pas facile à faire. Aucune mesure simple n'est applicable dans toutes les situations. De plus, le fait que la volatilité extrême soit définie par rapport au degré de vulnérabilité signifie qu'il n'existe pas de critère ni de seuil universel permettant de la caractériser.

En dehors des effets de la volatilité des prix agricoles et alimentaires, le caractère « normal » de la volatilité des prix s'apprécie en mesurant le rapport entre les variations de prix et ce qu'il est convenu d'appeler les « fondamentaux du marché ^8(*)». Parfois aussi, on parle de volatilité excessive » pour qualifier une variation de prix qui ne peut s'expliquer a priori par un changement de l'offre ou de la demande. Cette imprécision intrinsèque expose toute évaluation de la volatilité à d'interminables controverses, comme l'illustrent les débats actuels autour du rôle de la spéculation dans la formation des prix et de sa responsabilité dans l'installation d'une volatilité excessive. Il n'est guère aisé d'établir un cadre de référence permettant de mesurer les degrés de volatilité normale ou excessive (HLPE, 2011).

Huchet-Bourdon(2011) distingue deux types de volatilité. La volatilité historique basée sur les observations de prix du passés montrant comment était la volatilité des prix dans le passé,  et la volatilité future.

La théorie économique soutient que la fluctuation des prix des actifs est un phénomène normal est souhaitable car cela traduit le bon fonctionnement du marché concurrentiel ; seulement, il ne faudrait pas que ces fluctuations soient imprévisibles et sujettes à de fortes oscillations sur une longue période (Alioune, 2011). Prakash (2011) nous rappelle un postulat fondamental en économie: « Le principe essentiel qui régit le système des prix veut que, lorsqu'un produit donné se fait rare, son prix augmente, ce qui imprime une tendance à la baisse de sa consommation et marque une progression des investissements dans sa production ». Une certaine volatilité est donc essentielle au bon fonctionnement des marchés.

Il n'est donc pas possible de prévoir l'ampleur future de la volatilité des prix par contre on peut définir les facteurs sous-jacents pour que les Etats et la communauté internationale puissent s'y préparer.

I.1.2. Sources de la volatilité des prix, impact sur le bienêtre et politique

I.1.2.1. sources

Les référentiels théoriques sur les déterminants de la volatilité et de la variabilité des prix différencient deux origines (Boussard, 2005). Des travaux qui privilégient une source exogène c'est-à-dire qui sont spécifiés en dehors du marché et des travaux qui mettent en évidence plutôt une source endogène, relativement au fait que la variabilité et la volatilité seraient générées par le comportement des acteurs sur le marché.

En dehors des fluctuations saisonnières traditionnelles, plusieurs facteurs peuvent expliquer la volatilité à savoir les aléas climatiques, le niveau de stocks, les taux de change, la forte croissance de la demande, le prix de l'énergie, les politiques agricoles, la spéculation, les coûts de production, la variation de la production agricole, (Balcombe,2011 ; OCDE et FAO, 2011 ; Aziz,2012).

A. Aléas météorologiques et climatiques

La sensibilité des productions agricoles aux variables pluviométriques, affectent les récoltes et leur commercialisation (Minkoua, 2010 ;Rapsomanikis, 2010, FAO, 2011).En cas de conditions pluviométriques favorables,la production augmente et les prix des produits alimentaires sont réduits, le fait inverse se produit en cas de de conditions pluviométriques défavorables.

Les aléas climatiquesrelève de phénomènes tel que les sécheresses et des inondations dans les grandes zones productrices (Aziz, 2012)réduisent l'offre de produits agricoles accroissant le prix de denrées.Pour atténuer les effets du climat d'autres variables tels les fertilisants du sol ou les stocks peuvent être utilisées.Dans le cas de la province du Sud-Kivu, l'agriculture utilise des techniquestraditionnelles. Ce qui fait que la production dépend des variations climatiques et le prix alimentaire sera plus élevé en cas des mauvaises pluies et faible durant les périodes de pluies abondantes.

B. Prix de l'énergie

Les prix de l'énergie ont des répercussions sur les prix des produits agricoles. L'industrialisation de la production agricoleimplique une utilisation accrue de produits pétroliers sous forme de carburants et d'engrais (OCDE et FAO, 2011). La volatilité des prix du pétrole se répercute sur la volatilité des prix des denrées alimentaires par le biais des coûts de transport et du prix des engrais (Balcombe, 2005). Pour certains pays pauvres utilisant uniquement les engrains naturels comme le cas de la RDC, la volatilité des prix de produits agricoles est influencée par celle de prix du carburant.

L'utilisation des aliments pour produire l'énergie (par exemple les biocarburants) ou pour nourrir les animaux a un impact indirect sur la volatilité de prix agricoles (HLPE et CSA, 2011,Dönmez et Magrini, 2013).

C. Le Taux de change

Les mouvements de devises ont des répercussions sur la compétitivité des pays du fait que la plupart des prix des produits sont libellés en dollars des États-Unis, les fluctuations des taux de change ont un impact sur les prix domestiques (en monnaie nationale), dans les pays où les marchés sont largement intégrés aux marchés mondiaux (OCDE et FAO, 2011).

Les pays n'utilisant pas le dollar, ajuste leur pouvoir d'achat issu de revenu des exportations en fonction des fluctuations du taux de change, une augmentation de la volatilité du dollar américain conduirait à une augmentation de la volatilité de prix agricoles suite à des réaménagementsde la parité du pouvoir d'achat (Dönmez et Magrini, 2013). Le prix que les producteurs reçoivent une fois qu'ils sont exprimés dans les devises pourrait avoir un grand impact sur le prixqueles producteurs domestiques sont disposés à vendre (Balcombe, 2005).

Lorsque la devise d'un pays exportateur s'apprécie par rapport au dollar américain, cela a pour effet de réduire sa compétitivité^9(*). Afin de compenser cette perte de compétitivité et de maintenir ses parts des marchés mondiaux, les prix intérieurs peuvent chuter^10(*). Dans les pays exportateurs nets, cette baisse des prix intérieurs donne lieu normalement à une baisse de la production au fil du temps^11(*). En revanche, dans les pays importateurs nets, les produits se faisant relativement moins chers, la demande a normalement tendance à s'accroître^12(*). Une demande en hausse, associée à une offre en baisse, se traduit généralement par une augmentation des cours mondiaux.

D. Croissance de la demande et la production

Lorsque le taux de croissance de la production n'a pas le même rythme que celui de la demande, les prix devient volatiles (OCDE et FAO, 2011).Cette situation ne peut être possible que dans le cas où il n'y a pas de stock pour satisfaire la demande supplémentaire ou pour y stocké la production excédentaire.

Lorsqu'une large production a un grand impact sur le prix qu'une faible production, la volatilité est positivement reliée à la production, et si une faible production a un grand impact sur le prix qu'une production élevée, la volatilité est négativement liée à la production (Balcombe, 2005).Une production élevée peut mener à une constitution de stock conduisant à une hausse de la volatilité de prix dans l'année en cours et à une baisse dans l'année suivante.

La volatilité devient élevée lorsqu'il y a une augmentation de la demande avec un pouvoir d'achat en termes de revenu le rendant insensible aux variations de prix.Cette faible élasticité induit de plus fortes augmentations des prix de produits de base, en cas de variation de l'offre ou de la demande au niveau du consommateur.

La conséquence est que les consommateurs ayant des revenus plus élevés maintiennent leur niveau de consommation habituel lorsque les prix alimentaires augmentent, les ajustements devant être absorbés par les couches de la société les plus pauvres. .

E. Le niveau de stock

Les stocks de denrées jouent le rôle d'atténuer les écarts entre l'offre et la demande à brève échéance, et aident à lisser les prix et à réduire la volatilitéen absorbant les chocs de la demande et de l'offre durant les périodes où les stocks sont élevés (HPLE, 2011 :Dönmez et Magrini, 2013 ;Gilbert, 2010 ;Stigler et Prakash, 2010). Lorsque le niveau de stock chute et s'il est faible, et que la production ne rencontre pas la consommation de la demande à court terme la volatilité augmente (Balcombe, 2005)

La sensibilité de l'offre ou de la demande de stocks par rapport aux prix et aux prix futurs anticipés a un impact significatif sur les prix que le niveau de stock^13(*) (OCDE et FAO, 2011 ;Gilbert, 2010). Cette sensibilité doit être plus forte que celle de la production ou de la consommation, de sorte que l'ajustement des niveaux des stocks permet d'amortir les fluctuations de prix.

Pour que le stock joue le rôle de stabilisateur de prix, il ne faudrait pas qu'il soit à un niveau faible ou que les acteurs constituent les stocks en procédant par des achats de panic suite à une carence ou même lorsqu'une part importante est affectée à la constitution de stocks. Ce comportement ne fera qu'augmenter les prix au lieu de les stabiliser.

La volatilité a un impact négatif sur le bienêtre (Dönmez et Magrini, 2013) en termes de la réduction de la sécurité alimentaire en portant atteinte aux revenus et au pouvoir d'achat des ménages (Dawe etSlayton, 2010 ; Gilbert et Tabova, 2010 ; HLPE et CSA, 2011). La conséquence néfaste de la volatilité sur le bienêtre donnedonc un moyen aux décideurs politiques d'intervenir pour réduire son effet négatif.

I.2.1.2. impact et politique

La sécurité alimentaire est une question complexe et multidimensionnelle, et une responsabilité nationale, pour cela il faut augmenter la résilience à tous les niveaux si l'on veut pouvoir réduire, gérer et affronter la volatilité des prix (HLPE et CSA, 2011 ; HLC, 2008). Pour réduire l'impact de la volatilité il faut stabiliser le prix et pour cela, l'Etat peut appliquer la politique de stock, de réduction des tarifs douaniers et de la TVA, de contrôle du prix, de restriction des exportations (Demeke, Pangrazio et Maetz, 2010).

Ces politiques peuvent être groupées en deux catégories et appliquer ex ante ou ex post^14(*) (HLPE et CSA, 2011 ; Byerlee et al. 2010).La première catégorie vise à stabiliser les prix et la seconde à réduire les effets de la volatilité sur les revenus et le pouvoir d'achat (HLPE et CSA, 2011).

Les politiques peuvent être scindés en trois groupes: instruments reposant sur le jeu du marché, interventions directes de l'État sur les marchés et interventions p²ar l'entremise d'organisations de la société civile (HLPE et CSA, 2011).

En combinant trois objectifs (stabilisation, gestion et réduction des effets) et les trois groupes (marché, État et société civile), on obtient neuf catégories d'instruments (voir tableau 1).

Tableau 1: Politique et programme pour gérer et réduire la volatilité

Politiques et programmes	Réduire la probabilité et l'ampleur des chocs liés aux prix	Interventions ex ante, avant les chocs liés aux prix	Interventions ex post, après des chocs liés aux prix
Programmes	Réduire la volatilité des prix	Gérer la volatilité des prix	Affronter la volatilité des prix
Interventions par l'entremise des marchés et avec le concours du secteur privé	A. Améliorer l'efficacité du fonctionnement des marchés dans le temps et dans l'espace · Systèmes d'information · Infrastructures de transport et de communication · Renforcement de la concurrence sur le marché intérieur et dans les échanges · Développement du stockage dans le secteur privé grâce à un accès plus facile au financement · Classements et normes	B1. Produits financiers · Assurance des récoltes ou du bétail fondées sur des index · Associations de crédit et d'épargne	B2. Programmes de prêts d'urgence · Accès des importateurs au crédit commercial · Prêts aux producteurs et aux consommateurs
		B1. Investissement dans le secteur agricole · Augmentation de la production alimentaire nationale · Diversification et renforcement des systèmes alimentaires · Culture de plantes locales · Systèmes de stockage de produits alimentaires à tous les
Interventions directes de l'État	C. Interventions sur les marchés · Stocks publics · Systèmes de fourchettes de prix · Stabilisation des prix	D1. Accroissement de la productivité des petits producteurs agricoles · Renforcement des systèmes agricoles · Subventionnement ciblé d'intrants (semences, engrais) · Production destinée à la consommation Familiale	D2. Protection sociale des ménages vulnérables · Transferts d'espèces et de vivres · Programmes d'alimentation scolaire · Prise en compte du cycle de la vie humaine
		D1. Emploi dans le secteur économique rural non agricole · décentralisation · Programmes destinés aux PME rurales
Interventions par l'entremise et avec le concours de la société civile		E1. Protection sociale ex ante issue de négociations · Salaire minimum, droit à l'alimentation	E2. Protection sociale fondée sur des activités productives et à assise communautaire · Protection-travail (affrontement) avec des projets de développement mis en oeuvre par les communautés (gestion)
		E1. Services des organisations de producteurs à leurs membres · Systèmes de crédit tournant · Assurances collectives · Achats locaux pour les distributions de produits alimentaires (initiative du PAM « Achats au service du progrès », par exemple)

Source : HLPE et CSA, 2011

Ce tableau indique que :

A. Politique et instruments (A) visant à améliorer l'efficacité du fonctionnement des marchés dans le temps et dans l'espace.

Les instruments proposés dans cette catégorie sont conçus pour aider les individus à faire leurs choix (temporels et spatiaux, mais aussi en termes de produits et de technologies) enfin de prévenir la volatilité. Il s'agit principalement d'infrastructures matérielles et institutionnelles, notamment: des systèmes d'information, une réglementation claire des interventions des États sur les marchés, des infrastructures de transport et de communication, la réduction des coûts de transaction sur les marchés, des capacités de stockage et un classement des produits (HLPE, 2011 ; HLC, 2008).

B. Politique et instruments (B) permettant aux producteurs, aux commerçants et aux fabricants de gérer le risque de fluctuation des prix ex ante avant les chocs liés aux prix (B1), et d'affronter ces chocs ex post (B2), ayant comme but ultime de stabiliser les revenus réels.

Les instruments reposant sur le jeu du marché et destinés à gérer le risque (B1) comprennent les produits financiers (assurance climatique, options et contrats à terme, et associations de crédit et d'épargne) et les investissements dans le secteur agricole en vue d'augmenter la production alimentaire nationale et de stabiliser par la diversification et le renforcement des systèmes alimentaires (HLPE et CSA, 2011 ; FAO, 2010 ; HLC, 2008).

Les instruments qu'offre le marché pour affronter le risque (B2) incluent les programmes de prêt d'urgence conçus pour renforcer la capacité de réaction à un choc.Le coût de ces deux types d'instruments est élevé, mais des compromis sont possibles pour parvenir à une combinaison optimale des deux approches (HLPE et CSA, 2011).

C. Politique et instruments (C) correspond aux interventions directes des États pour réduire la volatilité des prix sur les marchés nationaux.

La politique consiste à agir sur le commerce extérieur en menant une action directe sur les prix des importations ou exportations au moyen des droits de douane et des taxes, ou sur les quantités échangées par des interdictions d'exporter(FAO, IFAD, IMF, OECD, UNCTAD, WFP, World Bank, WTO, IFPRI et UN HLTF, 2011 ; Sarris, Conforti et Prakash 2010 ;Konandreas, 2010, HLC, 2008), sur les réserves alimentaires publiques (stocks régulateurs ou réserves d'urgence) et sur les systèmes de fourchettes de prix (Demeke, Pangrazio et Maetz, 2010). Les stocks publics peuvent être gérés comme des stocks régulateurs ou comme des réserves alimentaires d'urgence (Gilbert, 2010 ;Prakash, 2011 ; Cafiero, Bobenrieth, 2011 ;Gezahegn, Ayel, Beaujeu,Blein,Coste,Gérard,Konaté et al. 2013).

Le recourir aux stocks régulateurs pour maintenir les prix intérieurs des aliments dans une certaine fourchette garantit aux agriculteurs et aux consommateurs, pauvres ou non, des prix minimaux d'achat et de vente (HLPE et CSA, 2011).

La principale limitation de cet instrument est son coût élevé, qui excède la capacité budgétaire de nombreux pays mais aussi en cas de frontières poreuses des pays voisins n'appliquent pas de politiques de prix similaires,le pays qui tente d'appliquer une politique de stocks régulateurs se voit contraint de stabiliser non seulement ses prix intérieurs, mais également ceux de tous ses partenaires commerciaux voisins, ce qui compromet encore davantage la viabilité financière du mécanisme(HLPE et CSA, 2011 ;Gezahegn, AYEL, Beaujeu,Blein,Coste,Gérard,Konaté et al. 2013 ; Timmer, 2009).

D. Politique et instruments permettant de gérer ex ante la volatilité des prix (D1).

La politique consiste à stimuler l'offre à court terme en accroissant la productivité des petits exploitants. Les instrumentspeuvent consister à subventionner les intrants (essentiellement des engrais et des semences) ; àfournir des services de vulgarisation ; à promouvoir la recherche agricole centrée sur les besoins des petits producteurs ;à favoriser l'accèsaux services agricoles(notamment la recherche, la vulgarisation), aux services financiers et à garantir l'accès aux ressources naturelles des petits producteurs(comme la terre et l'eau)... (FAO, IFAD, IMF, OECD, UNCTAD, WFP, World Bank, WTO, IFPRI et UN HLTF, 2011; FAO; 2010; HLC, 2008).

Cette politique pose problème de la pérennité budgétaire pourtant dans les pays pauvres où les administrations manquent de moyens pour gérer la protection sociale, la production destinée à la consommation familiale où les pauvres travaillent dans leurs propres fermes, peut se révéler l'une des approches les moins onéreuses et les plus efficaces pour gérer le risque ex ante (HLPE et CSA, 2011).

Cette classe d'instruments comprend également la promotion de l'emploi dans le secteur rural non agricole grâce à la décentralisation et à des programmes d'aide aux PME rurales.

E. Politique et instruments de protection sociale (D2).

Cette politique consiste à mettre en place des stratégies permettant de limiter la hausse des prix intérieurs tout en renforçant les programmes de protection sociale, afin d'assurer l'accès à la nourriture des personnes trop pauvres pour payer les prix en vigueur (CIDSE, 2011 ; HLPE et CSA, 2011). Il peut s'agir des instruments tels que les transferts d'espèces et de vivres, de programmes d'alimentation scolaire, de filets de sécurité^15(*) fondés sur des activités productives, de programmes de garantie de l'emploi et d'autres programmes tels que les activités vivres contre travail ou vivres pour la formation (FAO, 2009).

Les programmes d'alimentation scolaire et d'aide nutritionnelle constituent également des outils efficaces de développement du capital humain; de plus, s'ils sont associés à des achats locaux, ils ont aussi l'avantage d'ouvrir des débouchés commerciaux aux petits producteurs(Gilbert et Tabova, 2010 ; HLC, 2008).

Les stocks de sécurité alimentaire peuvent utiliser comme instrument permettant de faire face aux crises vivrièresce qui rend leur efficacité dépendante de l'existence de systèmes d'alerte ; malheureusement ils ne permettent pas de maîtriser la volatilité des prix il faudraitdonc les transformer en stocks régulateurs, en les reliant aux réserves communautaires, afin de réduire les fortes fluctuations saisonnières des prix et les autres types de volatilité observés sur les marchés intérieurs (FAO, IFAD, IMF, OECD, UNCTAD, WFP, World Bank, WTO, IFPRI et UN HLTF, 2011 ; HLPE, 2011 ; FAO, 2010 ; HLC, 2008).

F. Politique et instruments E permettent d'organiser les interventions par l'entremise et avec le concours d'organisations non gouvernementales

Les organisations non gouvernementales ( par exemple la société civile )ont un rôle important à jouer dans le contrôle et l'évaluation des programmes de protection sociale (salaire minimum et droit à l'alimentation, par exemple) ; de même que les organisations de producteurs peuvent également gérer des actions collectives au bénéfice de leurs membres à l'aide de programmes de crédit tournant, d'assurance collective et d'achats locaux pour les programmes sociaux, par exemple (HLPE, 2011 ; FAO, 2009).

ces mêmes organisations peuvent agir efficacement en gérant des programmes de protection sociale tel que les filets de sécurité fondés sur des activités productives fonctionnant comme des programmes de protection-travail à court terme en fournissant un salaire immédiat aux participants en situation d'insécurité alimentaire (affrontement du risque), et en utilisant le travail fourni pour créer des infrastructures qui renforceront la capacité de résistance à plus long terme des systèmes locaux de production vivrière (gestion du risque, projets communautaires dans des domaines tels que les petites infrastructures d'irrigation, la conservation des sols et de l'eau et l'agroforesterie) (HLPE et CSA, 2011).

Ces programmespeuvent comporter les principaux risques à prendre en compte, dont le détournement des avantages liés à ce programme par des groupes non ciblés, la revente de coupons par le groupe cible et l'exploitation de la rente de la part des responsables, (HLC, 2008).Tout comme les programmes de transfert d'espèces assorti de conditions, tels que Oportunidades au Mexique ou Bolsa Familia au Brésil, qui combinent paiements en espèces et développement du capital humain(Gilbert et Tabova, 2010), ils présentent l'avantage de fournir des instruments permettant d'affronter le risque à court terme (E2) et de gérer lerisque à long terme (E1) (HLPE et CSA, 2011).

L'objectif de ces stratégies globales et intersectorielles est de veiller à ce que l'offre nationale demeure suffisante grâce à la combinaison d'une politique optimale^16(*).

Une politique optimale permettant de gérer la volatilité des prix des produits alimentaires doit trouver une bonne combinaison des différents instruments(FAO, IFAD, IMF, OECD, UNCTAD, WFP, World Bank, WTO, IFPRI et UN HLTF, 2011). Pour assurer l'efficacité et l'efficience de la solution ainsi élaborée, il faut l'adapter aux spécificités de chaque pays qui peuvent être de trois caractéristiques (volatilité nationales des prix intérieurs et importé ; de la vulnérabilité des pays et des ménages, et les Capacités institutionnelles) (HLPE et CSA, 2011 ; HLC, 2008).

La volatilité des prix intérieurs peut être d'origine locale (variabilité de la production nationale en raison des conditions météorologiques ou due à un mauvais fonctionnement des marchés intérieurs, par exemple) ou peut être importée à partir des marchés internationaux, voire provenir de ces deux sources. Les instruments à utiliser dépend donc de l'origine de la volatilité (HLPE et CSA, 2011 ; Galtier, 2009 ; Byerlee et al.2005).

Un pays est plus vulnérables aux chocs des prix internationaux lorsqu'une large part des importations est composée de produits alimentaires et les ménages sont plus vulnérable aux chocs des prix intérieurs lorsqu'ils dépendant d'un ou de deux produits de base que ceux qui ont un régime alimentaire plus diversifié (HLC, 2008)^17(*).Les instruments à mettre en place sont des filets de sécurités ciblés et sont de deux types permettent.Le premier est destiné aux ménages dont aucun membre n'est économiquement actif et qui ne possèdent pas d'avoirs productifs, et le second, aux ménages qui comptent et compteront des actifs^18(*).

La capacité de mettre en oeuvre des instruments de gestion de la volatilité des prix varie considérablement d'un pays et négliger les disparités entre les pays en termes de capacités institutionnelles, les instruments de politique couramment recommandés ne produit pas toujours les résultats escomptés que ça soitl'utilisation des filets de sécurité, des assurances climatiques, des stocks régionaux ou des réserves stratégiques de céréales et des mesures de réglementation des échanges (HLPE et CSA, 2011 ; HLC, 2008).

I.2. revue empirique

Dans cette section nous allons présenter un nombre d'études ayant discuté sur les facteurs expliquant la volatilité de prix agricoles.

Plusieurs études ont cherché à expliquer la volatilité récente des prix des produits agricoles.Nahoua (2012) ;Ahsan, Iftikhar et Kemal (2011) ; Temple, Meuriot, et Ali (2009) ;Rapsomanikis utilisent respectivement les modèles, MGARCH,VECM, ARDL, GARCH et trouvent que la volatilité des prix des produits agricoles importés explique celle des prix des produits agricoles domestiquessoit négativement ou positivement.Cette volatilité dépend de condition prévalent sur le marché international du prix internationaux et peut affecter les producteurs locaux même si Rapsomanikis et Sarris (2005) montre en utilisant un GARCH que cette transmission n'a pas d'impactsur les agriculteurs, dans le court terme.

Dönmez et Magrini, (2013) ; Balcombe (2009) ; Huchet-Bourdon (2012) ;Busse, Brümmer et Ihle ;Gilbert (2010) en utilisant respectivement un modèle GARCH-MIDAS,GARCH,le test de causalité de Grange,un MGARCH, montrent que la volatilité du prix du pétrole,du taux de changes, le niveau de stock et la production explique la volatilité des produits agricoles.Par contreMinkoua, Temple et Kamgna (2009) ; Elodie Maitre d'Hôtel, Le Cotty et Jayne(2012),montre en utilisant successivement un GARCHet une MCO que le taux le change n'affecte pas significativement la volatilité de prix des produits agricoles. Cette contradiction ressort du fait ces travaux n'intègre pas le degré de transmission des variations du taux de change nominal aux prix dans l'analyse.Dönmez et Magrini, (2013) ajoutent le rôle de l'activité économique et le taux d'intérêt qui expliquent significativement la volatilité des prix agricoles.

Apergis et Rezitis (2011), en utilisant les modèles GARCH et GARCH-X trouve qu'outre la volatilité du taux de change, le revenu par habitat explique la volatilité de prix agricole à la hausse tandis que l'offre de monnaie l'explique à la baisse.

Aziz (2012), utilise un modèle ARCH et les résultats indiquent que le prix anticipé explique de façon positive la volatilité des prix des produits. Ces résultats sont également soutenu par les conclusions de Minkoua, Temple et Kamgna(2009) ; Le Cotty et Jayne(2012). L'efficacité de la politique publique (constitution de stock publique) et l'offre de monnaie affecte significativement la volatilité des prix des produits agricoles tel que le montre Ahsan, Iftikhar et Kemal (2011) ; Le Cotty et Jayne(2012).Pour atténuer l'impact de la volatilité l'une de ces politiques peut être appliquée. Cespolitiques ne peuvent être efficace dans cas où le gouvernement contrôle l'ensemble de l'économie, mais dans le cadre ou il y a prédominance du secteur informel par exemple elles peuvent être qu'inefficaces.

Ederer, Heumesser et Staritz (2013), utilisent un VAR et attribuent plutôt cette volatilité des prix des produits agricoles au rôle fondamental de la financiarisation (l'indice de produits et le fonds despéculation) des produits agricoles.Dönmez et Magrini, (2013) confirment le rôle de la spéculation dans l'explication de la volatilité des prix alimentaires.

Chapitre deux. Considérations Méthodologiques

Cettepartie sera subdivisée en cinq sections. La première retrace la situation des prix vivier dans différents marchés de Bukavu, la deuxième porte sur les mesures de la volatilité, la troisième présente les données, la quatrième porte sur la spécification du modèle et la cinquième donne l'analyse descriptive.

II.1. Situation des prix vivriers dans la ville de Bukavu

Une étude menée par Amato (2012) retrace les variations des prix des produits vivriers au Sud-Kivu sur six marchés dont quatre en milieu rural et deux en milieu urbain pour période allant de 15 février au 16 mai 2010. En milieu urbain cette étude porte sur deux marchés dont celui du Beach Muhanzi et celui de Kadutu, se situant dans la ville Bukavu.

Il ressort de cette étude que de manière générale les prix des produits viviers sont plus volatiles sur le marché de Kadutu que sur le marché Beach Muhanzi. Cela s'explique par le fait que le marché de Kadutu a une demande plus élevée par rapport au Beach Muhanzi. Aussi le fait qu'il y ait un coût de transport à supporter du marché Beach Muhanzi vers le marché de Kadutu l'explique également.

Par contre, le prix moyen d'un namaha du maïs se situe au tour de 550 FC sur le marché de Kadutu pendant qu'il est en moyenne de 800 FC au Beach Muhanzi. Le prix du maïs est plus volatile sur le marché de Beach Muhanzi avec un écart-type de 173 contre 58 sur le marché de Kadutu. Ceci nous amène à étudier les mesures de la volatilité.

II.2. Les mesures de la volatilité

Plusieurs approches pouvant être regroupées en deux types d'indicateurs à savoir des indicateurs inconditionnels et des indicateurs conditionnels (Aziz, 2012) servent à mesurer la volatilité.

Les mesures de la volatilité inconditionnelles consistent à analyser des variations d'un actif financier au cours du temps(Huchet-Bourdon, 2012). Dès le début du XXème siècle, le mathématicien français Louis Bachelier s'est attaché à quantifier cette variabilité (Tsasa, 2013).

Les mesures conditionnelles de la volatilité considèrent la variance comme dépendant du temps. Les travaux de Engle (1982) ont produit toute une théorie économétrique de la volatilité sous le vocable de « modèles ARCH », modèles Autorégressifs Conditionnellement Hétéroscédastiques.

II.2.1. Mesures de la volatilité non conditionnelle

Ces mesures cherchent à caractériser les mouvements de prix en calculant l'écart des prix par rapport à une moyenne ou une tendance. Plusieurs auteurs ont utilisé la variance, l'écart type, le coefficient de variation(CV) (Huchet-Bourdon, 2011 ; Aziz, 2012) qui exprime la dispersion des données observées autour de la moyenne (Piot-Lepetit et Mbarek, 2011). L'écart-type de la différence logarithmique des prix et les graphique des variances roulantes et des variances roulantes à fenêtre fixe peuvent être utilisées (Huchet-Bourdon, 2011; Gilbert et Morgan, 2010 ; Aziz, 2012; David-Benz, Diallo, Lançon, Meuriot, Rasolofo, Temple, Wane, 2010)

A. Le coefficient de variation

Le CV exprime les degrés d'homogénéité de la distribution des prix. Quand ce dernier est élevé, il indique une distribution hétérogène donc une variabilité des prix.

Avec T étant égal au nombre d'observations

, le prix observé au temps t

, la moyenne de prix sur T périodes;

Huchet-Bourdon(2011) trouve que les pics sont plus apparents avec le coefficient de variation.L'écart-type de la différence logarithmique des prix (SDD) permet d'atténuer ces pics.

B. Ecart type de la différence logarithmique des prix(SDD)

Avec le taux de rendements utilisé en finance pour étudier la volatilité des cours de matières premières. Où représente le prix au temps t et le prix au temps t - 1.

Ces approches considèrent les agents naïfs^19(*) et rendent plus compte de la variabilité que de la volatilité (Figiel et Hamulczuk, 2010 et Aziz, 2012). Pour cela on peut recourir au graphique des variances roulantes ainsi que celui des variances roulantes à fenêtre fixe (Huchet-Bourdon, 2011; David-Benz, Diallo, Lançon, Meuriot, Rasolofo, Temple, Wane, 2010).

C. Graphique des variances roulanteset des variances roulantes à fenêtre fixe

La variance roulante représente l'évolution de la variance (qui en l'occurrence tient lieu de volatilité) au cours du temps. Elle est d'abord calculée sur la base des deux premiers points de la série (2 ans de données) et chaque pas de temps supplémentaire représente le calcul de la variance en prenant en compte ce nouveau point. On dispose donc d'une première fenêtre d'une amplitude de 25 points qui s'élargit au fur et à mesure qu'on avance dans le temps. Le graphique ainsi obtenu s'interprète comme l'évolution temporelle de la volatilité.

La variance roulante à fenêtre fixe est obtenue de façon similaire à la différence que pour chaque pas de temps supplémentaire pris en compte, le point le plus ancien est exclu du calcul. On a donc une fenêtre de 24 points (2 ans) qui se déplace sur toute la durée de la série étudiée. L'information apportée par cet outil nous permettra de mettre en évidence les ruptures que subit la volatilité.

Les séries financières et certaines séries économiques sont caractérisées par de volatilité ; où l'on retrouve des valeurs qui semblent être aberrantes (Tsasa, 2013). La spécification de telles séries exige de modèles plus complexes (Aziz, 2012).

II.2.2. Les mesures de la volatilité conditionnelle

Un autre groupe d'indicateurs mobilise des modèles plus ou moins complexes de formation des prix (d'où la dénomination « indicateurs conditionnels ») peut déduire des mouvements de prix la part expliquée de ces mouvements de façon à recueillir la part non expliquée. Il représente le fait que la variance de l'erreur est soumise à l'influence de ses valeurs passées.

Un modèle pour analyser la volatilité a été développé en 1970 : modèle ARMA (Auto Regressive with Moving Average) qui n'est qu'un mélange des modèles AR et MA développés séparément et respectivement par Yule et Slutsky en 1927. Dans cette catégorie d'ARMA on peut retrouver des modèles tels que le VAR, le test de causalité de Granger et le VECM qui peuvent être également utilisés (Ahsan, Iftikhar et Kemal, 2011 ; Huchet-Bourdon, 2012). Ces modèle ont comme défaillance de n'est pas prendre en compte des processus non-linéaire.

Des auteurs comme Engle (1982), Balcombe (2009), David-Benz, Diallo, Lançon, Meuriot, Rasolofo, Temple, Wane, (2010), Aziz (2012), Elodie Maitre d'Hôtel, Le Cotty et Jayne(2012),  ont estimé la volatilité des prix à travers un modèle économétrique de type ARCH couramment utilisé pour la mesure de l'instabilité du cours des actifs financiers. Ce modèle considère le terme d'erreur hétéroscédastique. L'hétéroscedasticité est liée au fait que la variance du terme d'erreur n'est pas constante ; elle peut changer dans le temps et est prédite par les erreurs passées : c'est la variance conditionnelle (Bourbonnais, 2009).

Il a l'avantage contrairement au modèle autorégressif à moyenne mobile (ARMA) de ne pas être limitatif dans le traitement des séries de prix car il autorise la prise en compte du phénomène de la volatilité en fonction du temps en modélisant la variance conditionnelle qui donne non seulement l'ampleur de la variabilité des prix mais aussi le degrés d'imprévisibilité de ces derniers (Aziz, 2012 ;Tsasa, 2013).

La volatilité est définie comme « la partie» du prix qui n'est attribuable ni à la tendance ni à la saisonnalité (Benz, Diallo, Lançon, Meuriot, Rasolofo, Temple, Wane, 2010). De ce fait il faut bien représenter cette partie résiduelle endésaisonnalisant et en stationnarisant les séries.

Nous devons donc procéder dans un premier temps à l'identification de la série temporelle.Elle consiste à caractériser la tendance, qui peut être considérée comme l'évolution de long terme de la série de prix, correspondant à des changements macroéconomiques. Mais aussi la saisonnalité, qui est un mouvement cyclique des prix suivant une période bien déterminée.

A. Processus d'identification de la nature de la série

a. Identification du processus générateur de la série:

Il consiste à chercher les éléments déterministes (tendance, saisonnalité...) contenus dans la partie autorégressive de la chronique, et quels sont les éléments stochastiques (tout ce que l'on ne connaît pas) contenus dans la partie moyenne mobile. Cette distinction apparaît dans la lecture des fonctions d'autocorrélation(FAC) et d'autocorrélation partielle(FAP).

Il s'agit de faire différents tests: des fonctions d'autocorrélation (FAC) et des fonctions d'autocorrélation partielle (FAP), de bruit blanc (Statistique de Box-Pierce et Ljung-Box) (Bourbonnais, 2009 ; Greene, 2003).

Une série présente une tendance déterministe si les FAC décroît régulièrement et une Saisonnalité déterministe si FAC présente une sinusoïde à intervalles réguliers.

b. Tests de racine unitaire :

Il s'agit d'une analyse univariée pour savoir si la chronique a une nature à subir définitivement les chocs (DS) ou temporairement (TS). Le résultat (processus identifié comme stationnaire en différence (DS) ou en tendance (TS)), conditionnera le choix du modèle pour conduire l'analyse dynamique adéquate.

Tableau 2: Nature de la série, nature de l'évolution et réaction aux chocs

Nature de la série	Degré d'intégration	Effet temporel (nature de l'évolution)	Mémoire	Réaction aux chocs
Série stationnaire TS	I(0)	La période précédente ne compte pas ou peu	Sans mémoire	Effets transitoires
Série non Stationnaire DS	I(1)	La période précédente explique la valeur présente	Avec mémoire	Effets permanents

Source :Benz, Diallo, Lançon, Meuriot, Rasolofo, Temple, Wane, 2010

On considère que la chronique subit un choc transitoire (elle a donc la capacité de revenir à son état initial), dans l'autre (processus DS) on considère qu'elle est définitivement modifiée et ne peut revenir à son état initial sans intervention extérieure (Benz, Diallo, Lançon, Meuriot, Rasolofo, Temple, Wane, 2010).

c. Stationnarisation :

La dernière étape de la procédure d'identification consiste à produire le «bon filtre». Une série non stationnaire n'est pas utilisable en l'état dans les modèles; elle contient un aléa trop conséquent pour permettre une étude rigoureuse de la dynamique.

Une série est stationnaire si elle ne contient ni tendance ni saisonnalité ou si ses caractéristiques statistiques ne varient pas dans le temps ou d'un point de vue statistique le passé est comparable au présent et au futur (Bourbonnais, 2009 ; Greene, 2008). Ainsi, une série chronologique est stationnaire, au sens strict, si sa distribution de probabilité ne change pas au cours du temps^20(*).

Tableau 3 : Nature de la série, degré d'intégration et filtre de stationnarisation

Nature de la série	Degré d'intégration	Filtre de stationnarisation
Série stationnaire TS	I(0)	MCO:
Série non stationnaire DS	I(1)	Différences premières:

Source :TSASA, 2013

Une erreur sur la détection de l'ordre d'intégration peut conduire à des conclusions opposées en termes d'implications pour la politique économique. Pour cela, les tests de racines unitaires de Dickey-Fuller (1979), de Dickey-Fuller Augmentés (1982) et de Philips et Perron (1988) permettent non seulement de détecter l`existence d'une non-stationnarité mais aussi de déterminer la source du non stationnarité (processus TS ou DS) (Bourbonnais, 2009). Ces tests permettent de ressortir trois types de modèles:

Modèle autorégressif d'ordre 1 ( ), Modèle autorégressif avec constante ( ) et: Modèle autorégressif avec tendance (  )

Pour retenir l'un de ces modèles on mène le test de signification du trend et de l'intercept à partir du modèle 3:

H0 : est non significatif H1 : est significatif mais aussi H0 : est non significatif et H1 : est significatif

Le paramètre sera significatif si et seulement si : Prob < 0.05 et t > 1.96. Dans le cas contraire, il est non significatif. Le schéma suivant synthétise la démarche de ces tests:

Figure 1 : Stratégie simplifiée des tests de racine unitaire^21(*)

Test =1

Estimation du modèle (3)

Test b=0

Test =1

Non

Oui

Oui

Non

Processus TS

Processus DS

Estimation du modèle (2)

Test c=0

Non

Oui

Processus DS

Processus stationnaire

Non

Oui

Estimation du modèle (1)

Test =0

Processus stationnaire

Processus DS

Non

Oui

Une fois expurgés de tous les éléments déterministes de la chronique de départ, nous pouvons isoler sa partie résiduelle. C'est sur cette partie (chronique résiduelle) que s'effectue l'étude de la volatilité.

B. les modèles ARCH

Le point de départ de l'analyse est l'identification de la chronique résiduelle de sorte à distinguer les éléments déterministes (tendance, saisonnalité...) et les éléments stochastiques (aléatoires, que l'historique de la série ne peut expliquer). Ainsi, soit le processus résiduel d'une série de prix par exemple son espérance et sa variance sont respectivement:

Où représente l'historique²²(*) de la chronique résiduelle jusqu'à la période (t-1).

L'étude de volatilité s'effectue sur la variance conditionnelle (par rapport au passé de la série) notée . Toute la richesse des travaux de Engle (1982) consiste à appliquer sur cette chronique résiduelle la procédure d'identification des séries temporelles. Ainsi, nous sommes à même de distinguer les éléments conjoncturels (liés à l'environnement économique de la chronique) des éléments structurels (inhérents à la chronique) (Benz, Diallo, Lançon, Meuriot, Rasolofo, Temple, Wane, 2010).

La partie résiduelle, peut être subdivisée en deux composantes. La volatilité conjoncturelle qui résulte d'événements extérieurs aux processus d'échange associés à la formation du prix (une sécheresse, l'interruption d'une communication...). La volatilité structurelle qui correspond à des variations de prix parfaitement imprévisibles et qui résultent uniquement des comportements des agents. Cette volatilité endogène au marché peut être considérée comme un indicateur de performance des marchés et de leur caractère plus ou moins volatile.

Pour cela nous devons recourir aux modèles ARCH dont la spécification est donnée par :

Et avec et 0

Où est un vecteur de variables exogènes et un vecteur de paramètres.

Suivant une loi normale centrée réduite N(0,1) et le terme d'erreurs n'est plus identiquement distribué car il est dépendant de

La variance conditionnelle de ce modèle de régression dit modèle AR à erreurs ARCH(p) s'exprime comme suit :

La variance non conditionnelle s'exprime également comme suit :

, avec

Ces contraintes sur les coefficients garantissent la positivité de la variance conditionnelle. Cette variance est finie si .

Ce modèle ARCH permet de prendre en compte les regroupements de volatilité, c'est-à-dire que les fortes (ou faibles) variations de prix sont suivies par d'autres fortes (ou faibles) variations de prix, mais le signe n'est pas prévisible (Aziz, 2012).

Une extension du modèle ARCH, le modèle GARCH (Generalized ARCH) que l'on doit à Bollerslev (1986) permet également de mesure la volatilité (Gujarati, 2011). En introduisant les valeurs historiques de la variance dans le modèle ARCH, on obtient une description de la structure des retards. L'équation de la variance est alors spécifiée comme suit :

Ou

La variance (la volatilité) est ainsi décomposée en deux éléments. Une volatilité conjoncturelle: appréciée par le passé des résidus et qui permet de capturer les effets fréquents (exogènes). Une volatilité structurelle qui représente les influences de long terme (la mémoire de la volatilité) et qui est donc endogène.

L'estimation de ces modèles (ARCH et GARCH) se fait par les méthodes de maximum de vraisemblance.Les estimateurs de á et â obtenus par la méthode des Moindres Carrés Ordinaires ne sont pas BLUE (Bourbonnais, 2009). Il est donc nécessaire d'employer la méthode du Maximum de Vraisemblance ou la méthode des Moindres Carrés généralisée (Hervé, Pichery, 2002 ; Bollerslev, 1991). Les estimateurs du maximum de vraisemblance sont très attrayants en raison de leurs propriétés dans les grands échantillons où les estimateurs convergent vers leur vraie valeur. De même, on peut prouver qu'ils sont asymptotiquement efficients (à variance minimale). La MCG est souvent utilisée en raison de sa commodité d'emploi, mais elle ne fournit pas des estimateurs asymptotiquement efficients.

II.3. les sources de données et les variables

II.3.1. Les sources de données

L'ensemble des données va de Janvier 2005 à Décembre 2013. L'essentiel de nos données est tiré des statistiques des différentes divisions. Les séries portant sur les prix du riz et du maïs des quantités produites localement et importés, sont tirés de l'INS. Les données relatives à la masse monétaire, au taux de change entre le franc congolais et le dollar, et au prix du carburant sont issues auprès de la BCC.  Les séries portant sur les quantités produites du riz et du maïs sont issues auprès de la division de l'agriculture. Les données relatives aux quantités importées du riz et du maïs sont issues de la banque de données de l'OCC et de la division du commerce extérieur. Les données portant sur l'évolution de la population sont tirées auprès de la mairie. Les séries portant sur l'indice de la pluviométrie sont issues auprès de l'INERA. Les données relatives à la distribution des engrains proviennent du SENASEM. Deux variables qualitatives ont été construites. La première mesure l'effet de l'introduction de la TVA sur la volatilité des prix du maïs et du riz et la seconde mesure l'impact saisonnier sur la volatilité des prix.

Les séries s'étalant sur neuf ans, nous avons utilisé les Prix mensuels à la Consommation calculés par l'Institut National de la Statistique afin de calculer et travailler sur des prix réels. La période de référence étant janvier 2005, nous avons multiplié tous les prix nominaux par 100 avant de les diviser par le prix mensuel à la consommation, celui de janvier 2005.

II.3.2. Les variables

Les variables pertinentes de l'étude susceptibles de concourir à une meilleure appréhension du phénomène de la volatilité sont :

a. Les prix du riz et du mais local

Les variables dépendantes sont constituées par les prix du riz et du maïs. Ce sont des variables quantitatives exprimées en terme de Franc congolais qui nous ont permis de mesurer l'ampleur de la volatilité et l'évolution des prix dans la ville de Bukavu.

b. Les prix du riz et du maïs importés

L'économie congolaise dépend principalement de l'extérieur en termes d'importations alimentaires (BCC, 2012). La volatilité observer sur le marché international pourrait se transmettre sur le marché bukavien à travers les prix du riz et du mais importés. Lorsque le gouvernement réduit ou augment les taxes à l'importation cela affecte la volatilité (Elodie Maitre d'Hôtel, Le Cotty et Jayne, 2012). Le prix moyen du kg de riz et du maïs importé sur les marchés pourrait influencer positivement ou négativement (Nahoua, 2012) ; Ahsan, Iftikhar et Kemal, 2011 ; Temple, Meuriot, et Ali, 2009) les prix du riz domestiques à l'intérieur de la ville de Bukavu. Lorsque le prix du riz ou du maïs importé augmente, le bien devient cher et les gens vont s'abattre sur le riz et maïs produits localement. Cette attitude ne fera qu'augmenter la demande alors que l'offre resté inchangé, ce qui fera qu'accroitre la volatilité. De même, on observe une réduction de la volatilité lorsque les prix du maïs et du riz importés baissent. Le signe espéré sera soit positif ou négatif.

c. Les quantités importées du riz et du maïs.

La production locale du riz et du mais est très faible pour satisfaire les besoin alimentaires de la population, ce qui fait que la ville recourt aux importations. Les importations réduire la production localement en décourageant les producteurs. Une des mesures pour palier à cela serait de restreindre les quantités importées.

Pourtant une des sources de la volatilité serait les restrictions des quantités importés (FAO, 2011 ; HLPE et CSA, 2011). En cas des crises alimentaires les restrictions des importations conduisent à des volatilitésdu fait que les quantités disponible ne parviennent pas à satisfaire la demande. Les quantités importées peuvent aussi accroitre les quantités disponibles et de ce fait réduisent la volatilité des prix. Le signe attendu est soit négatif ou positif.

d. Le taux de change

La volatilité du taux change conduisent à la volatilité des prixagricolessoit à la hausse soit à la baisse(Balcombe, 2009 ; Huchet-Bourdon, 2012 ;Dönmez et Magrini, 2013). En RDC l'un des objectifs de la banque centrale consiste, à contenir les volatilités du taux de change nuisibles à la stabilité des prix sur le marché des biens et services. Le taux de change a enregistré une faible dépréciation de 0,5 % à fin décembre contre une appréciation de 0,5 % en 2011 (BCC, 2012 et 2011).

Les interventions de la Banque sur le marché ont permis l'acquisition de 320,5 millions de USD contre 23,0 millions en 2013 et 266,4 millions de USDen 2012 (BCC,2012 et 2013 et 2014) sans atteinte majeure à la valeur externe de la monnaie nationale qui ne s'est déprécié que de 0,1 % face au dollar américain à l'interbancaire en 2014.Ces innervations de la BCC pour réguler le taux de change pourrait avoir d'impact sur la volatilité des prix.

La volatilité du taux de change augmente le risque de rentabilité (Balcombe, 2005), et ainsi il est espéré qu'il ait une transmission positive de la volatilité du taux de change sur la volatilité des prix agricoles. Dans le contexte de la RDC ou le taux ne cesse de baissé peut conduire à ce qu'il est une transmission négative du taux de change. Le signe espéré est de ce fait soit positif ou négatif.

e. La masse monétaire

La politique est l'un des instruments que le gouvernement utilise pour face à l'inflation.La masse monétaire en RDC est composée de la monnaie fiduciaire et la quasi-monnaie.

En 2012, l'accroissement de la masse monétaire est localisé au niveau de la quasi-monnaie, principalement dans les dépôts en devises. La quasi-monnaie se situe 21,7 % en 2011 à 21% en 2012 tandis que la circulation fiduciaire, a reculé de 3,3 % en 2012 alors qu'elle avait augmenté de 25,7 % en 2011 (BCC, 2011 et 2012).

L'offre de monnaie baisse la volatilité de prix (Apergis et Rezitis, 2011).Pour mesurer l'effet de la masse monétaire sur la volatilité des prix nous allons partir d'une hypothèse selon laquelleles individus demandent la monnaie pour faire face aux dépenses des consommations alimentaires. Lorsqu'une plus grande monnaie est demandée pour la consommation des biens alimentaires les prix augmentent(accompagner par une plus grande offre de monnaie²³(*)). Une plus grande demande de la monnaie augmente le prix de biens alimentaire rendant les gens insensible à cette augmentation ce qui pourrait conduire à la volatilité. Ainsi la demande de monnaie est positivement liée à la volatilité des prix du riz et du maïs.

f. Le prix du pétrole

Le pétrole est un élément important dans la détermination de la volatilité de prix agricoles (Balcombe, 2009) ; Huchet-Bourdon, 2012). Une augmentation du prix du pétrole génère une hausse du coût de transport des vivres de leur lieu de production vers les marchés urbains correspondants, entraîne un accroissement significatif des prix sur le marché conduisant à une hausse de la volatilité des prix.

En RDC, le prix du pétrole ne cesse de croitre depuis 2005 (BCC, 2014, 2013, 2007) ce qui peut expliquer la volatilité de produits agricoles. Un prix du pétrole plus élevé génère typiquement des coûts supplémentaires dans la production et pour le transport et les produits de substitution deviennent plus attrayants par leur prix relativement plus avantageux. Le signe espéré est donc positif.

g. La distribution des semences

Elle constitue une variable importante car elle permettre de voir l'efficacité des mesures dans l'agriculture (HLPE et CSA, 2011). Elle permettrait au gouvernement de faire face à la volatilité. Par hypothèse, la distribution de semence aura comme effet de baissé la volatilité des prix. La distribution des semences accroit l'offre qui à son tour réduit les prix. Elle permet d'analyser l'efficacité des politiques publique sur la volatilité des prix alimentaires. Le signe espérer est donc négatif.

h. L'indice de la pluviométrie

L'effet des perturbations climatiques explique la forte volatilité des prix alimentaires dans le monde (FAO, 201 et, 2011). En cas d'aléas climatiques détruisant la production, l'offre baisse et le prix grimpe. Situation qui peut s'aggraver lorsqu'il y a une croissance de la demande. Cet effet peut être mesuré par l'indice de la pluviométrie. En effet, depuis 2007, il s'observe de forte perturbation du climat dans la province du Sud-Kivu avec des indices allant de 1736,7 mm contre 1572 mm des pluies en 2000(INERA, 2007).

Un indice élevé réduit la volatilité des prix à travers l'offre. Un indice élevé relève la présence des pluies abondantes qui conduisent à l'augmentation de la production. Une production élevée conduit à une baisse de prix.Le signe espéré est négatif.

i. La saisonnalité

Pour la prise en compte d'un effet saisonnier permettant de capter le comportement du prix indépendamment de la volatilité, nous avons intégré les différents mois de l'année dans notre raisonnement, et créé quatre variables dummies renseignant les périodes de l'année ou les prix sont élevés .

La première période regroupe les mois de janvier, février et mars. La deuxième période regroupe les mois d'avril, de mai et de juin. La troisième regroupe les mois de juillet, août et septembre. Le quatrième groupe contient les mois d'octobre et de novembre et de décembre.

Le deuxième trimestre, est situé en pleine saison culturale B où après le semis intervenu au début du mois de février, il s'observe une rareté des produits sur le marché. Le signe espéré pour ce trimestre est donc positive. Le troisième trimestre représente se situe dans la période de récolte. Le quatrième constitue la saison culturale A ou la rareté des produits accroit le prix. De même durant cette période les fêtes de fin d'années peuvent contribuer à la hausse de prix. Le signe espéré est donc positif

j. La TVA

C'est une variable pertinente du fait qu'elle mesure l'impact des mesures publiques sur la volatilité du prix du riz et du maïs. L'introduction de la TVA en 2012 a fait augmenter les prix des produits. C'est une variable qualitative qui prend 1 durant la période d'introduction et 0 avant la période d'introduction. Elle a comme effet de faire augmenter la volatilité²⁴(*). Le signe attendu est donc positif.

Le tableau suivant synthétise les signes espérés et les mesures des variables :

Tableau 4 : Mesure et signes espérés des variables indépendantes.

Code variable	Nom Variables	Types variables	Modalité	Mesure	Modalité de référence	Signe espéré
PR	Prix du riz	Quantitative		Prix 1kg en FC
PM	Prix du maïs	Quantitative		Prix 1kg en FC
PRI	Prix importé du riz	Quantitative		Prix 1kg en FC		+/-
QRI	Quantités du riz importés	Quantitative		Kilo		-
QMI	Quantités du maïs importés	Quantitative		Kilo		-
TE	Le taux de change	Quantitative		Taux de change FC		+/-
MASSM	La masse monétaire	Quantitative				+
PP	Le pétrole	Quantitative		Prix pétrole en FC/litre		+
SEM	Semences	Quantitative		Kilo		+
INDPL	Indice pluviométrie	Quantitative		Hauteur pluie en mm		-
SAS	Saisonnalité	Qualitative	S1 S2 S3 S4	1 sinon 0 1 sinon 0 1 sinon 0	S1	+ - +
TVA	La TVA	Qualitative	AVTVA TVA	1 sinon 0	AVTVA	+

Source : nos compilations

II.4.Estimation du modèle et spécification du modèle

Le modèle se présente de la manière suivante :

Suivant )

Où t représente le temps, P les prix, X les variables exogènes (taux de change, le prix du carburant, la masse monétaire, les prix du riz et du maïs importés, l'indice de la pluviométrie, la distribution de semences, les quantités du riz et du maïs importées, la TVA et la saisonnalité) , le terme d'erreur dont la variance est hétéroscédastique et exprimée par la variance conditionnelle et un bruit blanc.

Avant d'estimer les paramètres ARCH ou GARCH, il est fondamental de tester si les résidus de la régression du modèle exhibe une variance hétéroscédastique ou pas. Engel en 1982 dérive le test ARCH basé sur le multiplicateur de Lagrange (Hamilton, 1994, Bourbonnais, 2009 ;Hervé, Pichery, 2002 ; Bollerslev, 1991).Une fois que le test le confirme on peut passer à l'étape de l'estimation.

Les traitements préalable ont été faits sous Excel 2013 et l'estimation du modèle sera fait grâce aux logiciels stata 12 et Eviews 3.1.

II.5. Analyse descriptive

L'étude de l'évolution des prix du riz et du mais dans le temps permet de ressortir l'existence d'une tendance à la hausse pour les deux séries tel que le montre le graphique suivant :

Figure 2 Evolution de prix du riz et du mais de janvier 2005 à décembre 2013

Source :Résultats de l'étude

Depuis janvier 2005 comme le montre le graphique 1, la volatilité du prix du riz et du maïs local augmente significativement. La période allant de janvier 2005 àfévrier 2008, les prix du riz et du mais local sont stables. Cette dernière dont la caractéristique principale est l'augmentation de la demande globale dans un contexte de stabilité de l'offre s'accompagne à terme des tensions inflationnistes.

Durant la période allant de février 2008 à novembre 2010, les prix semblent avoir une volatilité à la hausse. Cette volatilité à la hausse serait due d'une part, à la forte expansion de la demande mondiale émanant des pays émergents et la persistance de la flambée des prix des produits pétroliers (FAO et CSA, 2011) et, d'autre part, par la crise financière internationale ayant entraîné une crise économique sans précédent.

La période allant de février 2010 à novembre 2011 se caractérise par une baisse de la volatilité des prix du riz et du mais local. Durant cette période il s'observe une croissance modérée de l'offre de la monnaie et de la masse monétaire (BCC, 2011). Ce qui répond à la théorique économique qui dit que lorsque l'offre de la monnaie augmente, le taux d'intérêt baisse, l'investissement augmente et le prix baisse.

La période allant de septembre 2011 à décembre 2013, les prix du riz et du mais local se caractérisent par une volatilité à la hausse. Durant cette période, il s'est observé une crise de l'endettement en occident principalement en Europe et aux Etats-Unis (BCC, 2011). La crise de l'endettent en occident a haussé le taux d'intérêt conduisant à la baisse de l'investissement dans l'agriculture (CIDSE, 2011). La baisse de l'investissement dans l'agriculture a conduit à la baisse de la production et à la hausse des prix alimentaires.

De même en analysant l'évolution de la volatilité du prix du riz et du mais confirme ces quatre phases de chocs comme l'indique le graphique suivant :

Figure 3 : Variances roulantes de la volatilité du prix du riz

Légende : VARPRL=Variance du prix du riz local VARPML=Variance du prix du maïs local

Tableau 5 : Résultats statistiques des séries des prix du maïs et du riz

Variable	Moyenne	Ecart type	Min	Max	CV	SDD
prix du riz local (FC)	840,24	446,96	191,88	1 709,99	53	0,49
prix du riz importe (FC)	678,25	372,74	97,81	1 311,68	55
prix du maïs local (FC)	425,18	237,16	122,83	1 013,42	56	0,109
masse monétaire (FC)	1 317 245,00	1 101 218	10 163,07	3 878 985	84
Taux de change (FC)	723,21	201,87	425,59	940,49	28
indice de la pluviométrie (mm)	145,82	65,69	1,04	339,55	45
prix du pétrole (FC)	947,08	354,92	429,39	1 471,30	37
semence mais (KG)	7 324,17	28 600,96	0	261 005	391
semence riz (KG)	6 553,79	21 687,68	0	140 910	331
quantités importes du riz (KG)	124 000 000	506000000	1 297483	3970000000	408
quantités importes du maïs (KG)	159 097,20	544 658,50	203,81	4 679 621	342

Source : nos calculs à partir de données d'enquête

Le prix moyenne du riz local est de 840,24 FC supérieur à celui du mais qui s'élevé à 425,18 FC. Ceci pourrait être dû à une faible production du riz qui est produit dans trois territoire, Uvira, Shabunda et Mwenga alors que le mais est produit dans tous les territoires du Sud-Kivu.

Le prix du riz local est supérieur à celui du riz importé qui s'élève à 678,25 FC. Le prix du riz importé faible par rapport à celui produit localement s'explique par le fait que les producteurs du riz importé reçoivent de subvention leur permettant de produire, de vendre et d'exporté à un prix faible (CIDSE, 2011). Le prix faible du riz importé pourrait impliquer sa forte consommation que celui produit localement accroissant les quantités importées du riz.

Figure 4 : Evolution du prix du riz local et du riz importé

Source : notre construction sur base de l'enquête

Les quantités moyennes importées sont respectivement de 124000000 KG pour le riz et 159097,20 KG pour le maïs indiquant une dépendance du marché bukavien au marché international du riz et du maïs mais à de degrés différents. Le riz semble plus dépendre du marché international que le maïs. La dépendance des marchés du riz et du maïs local bukavien au marché international l'expose à la volatilité car le marché international est réputé être volatile (Balcombe, 2009). Ce qui est confirmer par les graphiques 4 et 5 indiquant que les quantités importées du riz et du mais semble affecter la volatilité du prix du riz et du mais local.

Figure 5 : Evolution du prix du riz local et des quantités importées

Figure 6 : Evolution du prix du maïs local et des quantités importées

Source : notre construction sur base des résultats de l'enquête

L'observation des écart-types, et des étendues (Max-Min) nous donne une information sur le degré de dispersion des différentes séries autour de leurs moyennes et indiquent une forte instabilité du taux de change, de la masse monétaire, de l'indice de la pluviométrie, du prix du pétrole, des quantités importées et de la distribution du riz et du maïs. L'écart-type ne donne pas le degréd'homogénéité des séries, pour cela le coefficient de variation(CV) joue un rôle important. Les résultats consignés dans le tableau nous donnent des CV allant 84% pour la masse monétaire, 28% pour le taux de change, 45% pour l'indice de la pluviométrie, 37% pour le prix du pétrole, 391% pour les semences mais, 331%pour les semences du riz, 408%pour les quantités importées du riz et 342 % pour les quantités importées du maïs.

La variabilité des variables expliquées ci-haut semblent affecter l'instabilité du prix du riz et du mais local. Avec des écart-types de 446,96 pour le prix du riz local et 237,16 pour le prix du maïs local ; des étendues de variation de 1518,11 FC et 890,59 FC ; et des CV de l'ordre de 53% et 56% indique une forte instabilité et hétérogénéitéaffirmant la présence d'une variabilité temporelle des prix du riz et du mais local. Le prix du maïs local semble être plus instable que celui du riz local.

Par contre lorsqu'on fait une analyse graphique, le prix du riz semble être plus volatile et plus rentable que celui du mais comme l'indique le graphique suivant :

Figure 7 : Evolution de la rentabilité du riz et du mais

Source : notre construction sur base des résultats de l'enquête

Les résultats indiquent que le prix qui est le plus variable n'est pas forcément celui qui est le plus imprévisible (Aziz, 2012).

Chapitre 3. Déterminants de la volatilité du prix du riz et du maïs dans la ville de Bukavu.

Cette partie sera subdivisée en trois sections. La première portera sur le test ARCH et de racine unitaire, la deuxième porte sur les déterminants du prix du riz et la troisième les déterminants du maïs local.

III.1. test de racine unitaire et ARCH.

Cette partie s'attèlera à caractériser la dynamique des prix du riz compte tenu des fluctuations irrégulières observées dans l'analyse descriptive des séries des prix.

Le test de stationnarité de Philippe Perron des séries révèle que la tendance est significativement différente de zéro pour les séries du prix du riz local, du prix du maïs local, du prix du riz importé sauf pour le taux de change. Ce qui nous a amené à refaire le test sur les séries sans tendance pour le taux de change afin de détecter la présence de racinesunitaires sur le taux de change. Voir le tableau en annexe1 pour la procédure du test.

Les statistiques du test Z(t) sont supérieur aux valeurs critiques à 1%, 5% et à 10% pour les séries du prix du riz, du prix du maïs, du prix du riz importé sauf pour les quantités importées et la distribution de semence du riz et du maïs pour lesquellessontinférieures aux valeurs critiques à 1%, 5% et 10%. Voir les tableaux en annexe1 pour la présentation du test.

Ces séries sont donc non stationnaires en différenceet ne retrouventpas leur valeur d'équilibre de long terme si un choc parvenait à se produire.

Le test ARCH par le Multiplicateur de Lagrange révèle la présence d'effets ARCH sur toutes les séries du prix du riz ( )et du maïs ( ). L'existence d'effets ARCH implique l'hétéroscedasticité de la variance du terme d'erreur, ce qui nous amène à dire que les prix du riz et mais sont volatiles. La procédure du texte se trouve en annexe 2.

Dans les sections suivantes il sera maintenant question de voir les sources de cette volatilité en spécifiant pour le prix riz et pour le prix maïs.

III.2. déterminants de la volatilité du prix du riz

La loi du Chi2 (6227,34) et la probabilité critique associée à cette loi de la régression au tableau 5GARCH(1,1) montre que le modèle tel que spécifié est globalement significatif au seuil de 5% pour leprix du riz comme il est indiqué dans le tableau 5 ci-dessous. Le modèle GARCH(1,1) est globalement bon. Il y a donc une hétéroscedasticité conditionnelle du terme d'erreur.

Tableau 6 : Résultats de la significativité globale du modèle

Chi2	PROBABILITE
6227.34^**	0.0000
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 7 : Résultats de l'estimation GARCH(1,1) pour le prix du riz

Estimation GARCH pour le riz local
	COEFFICIENTS	Z	PROBABILITE
PRIX DU MAIS LOCAL	0.33^**	7.23	0.000
PRIX DU RIZ IMPORTE	0.21^**	2.54	0.011
MASSE MONETAIRE	0.03^**	5.28	0.000
TAUX DE CHANGE	-0.64^**	-3.31	0.001
PRIX DU PETROLE	-0.48^**	-2.77	0.006
DISTR.SEMENCE RIZ	0.007	0.44	0.657
QUNTITE IMPORTE DU RIZ	0.000034	0.15	0.878
TVA	86.47^**	7.12	0.000
INDICE DE LA PLUVIOMETRIE	-0.03	-0.79	0.431
T2	-10.91	-1.33	0.183
T3	7.35	1.00	0.318
T4	10.56	1.55	0.122
CONSTANTE	190.56^**	6.51	0.000
ARCH
	0.39^**	3.24	0.001
GARCH
	0.69^**	10.48	0.000
CONSTANTE	19.18	0.78	0.437
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

De cetableau, nous relevons que les aléas climatiques, les quantités importées et la politique de distribution de semences n'affectent pas la volatilité du prix du riz. Ceci s'explique par le fait que le prix dépend essentiellement des conditions qui prévalent sur le marché international et non de facteurs structurels.

Pour la saisonnalité ce seulement le deuxième trimestre qui explique largement la volatilité.Le résultat pour T2 est contraire aux attentes. Le deuxième trimestre, est situé en pleine saison culturale B où après le semis intervenu au début du mois de février, il s'observe une rareté des produits sur le marché. Cette baisse pourrait être expliquée par les importations due à l'arrivée sur le marché de récoltes précoces venues du Rwanda, ou d'autres régions de la RDC).

Par contre le du taux de change, la masse monétaire, le prix du riz importé, la TVA, le du prix du pétrole expliquent la volatilité du prix du riz local.

Une augmentation de 1% de l'offre de monnaie conduit à une volatilité à la hausse du prix du riz de 0,03%. Ce résultat confirme l'étude de Le Cotty et Jayne(2012). Lorsque les ménage demandent la monnaie pour de besoin de consommation,et que la BCC accroit l'offre de monnaie pour répondre à cette demande, les ménages se trouveront avec un pouvoir d'achat élevé. Sur le marché du riz, les consommateurs sont donc prêts à faire face à une volatilité élevée et sont alors capables d'acquérir de quantités énormes. Dès lors que les capacités productives du riz n'ont pas augmentée et l'offre du riz n'augmente pas, les vendeurs vont augmenter le prix et il va continuer à être volatile sans retrouver son niveau d'équilibre. Bien sûr il faudrait voir le comportement de la production.

Une augmentation de 1% du prix dupétrole réduit le prix du riz de 0,446%. L'augmentation du prix du prix du pétrole augmente le coût de transport. Etant donné que la RDCne peut pas influencer le prix du riz sur le marché mondial, les exportateurs congolais du riz vont exporter à un prix élevé plus que celui du marché mondial faisant à ce qu'ils vont vendre à un prix inférieur.Pour cela les exportations vont baisser et les producteurs vont produire uniquement pour le marché local et l'offre va augmenter ce qui va conduire à la baisse du prix riz en RDC. L'augmentation de la TVA d'1FC augmente la volatilité du prix de 83,27%. L'augmentation de la TVA fait à ce que les vendeurs anticipent une hausse future des impôts et accroit le prix.Un autre phénomène s'observe du côté des consommateurs qui voulant se protéger contre une hausse future font des achats des paniques et accroit leurs stock du riz. Le fait de constituer des achats des paniques augmente la demande sur le marché ce qui accroit le prix du riz.

La hausse du taux de change du FC par rapport au dollarde 1% conduit à une baisse du prix de la volatilité du prix du riz de 0,623%. La dépréciation du taux de change fait à ce que l'entreprise produit à un coût relativement faible.

Lorsque le prix du maïs augmente de 1%, la volatilité du prix du riz augmente de 0,33%. Les consommateursdonc préfèrent les deux biens à la fois.En effet, les résultats indiquent que le prix du maïs localpeut servir d'un modèle de formation du prix du riz. Les vendeurs et les consommateurs du riz local peuvent former leur anticipation sur les variations du prix du maïs local. L'augmentation du prix du maïs conduit à ce que les agents anticipent une hausse du prix du riz et constituent le stock, ce qui ne fait qu'augmenter le prix du riz.

L'augmentation du prix du riz importé de 1% conduit à une hausse de la volatilité du prix du riz local de 0,22%.Ce qui rejoint les conclusions des études de Nahoua (2012) ; Ahsan, Iftikhar et Kemal (2011) ; Temple, Meuriot, et Ali (2009) ;Rapsomanikis.

Ceci indique le fait que la volatilité du marché international du riz se transmet sur le marché bukavien. La transmission du prix international s'explique par le fait que la production du riz est faible pour satisfaire la demande et l'essentiellement de la production provient de l'extérieur.

Sans les variables retenues, le prix du riz a une volatilité à la hausse de 188,82 FC. Cela pourrait traduire l'effet de la production locale du riz sur le prix par le fait qu'elle soit moindre pour satisfaire la demande mais aussi par le fait que la logique de production interne ne pas de satisfaire en premier lieu pour le marché local mais l'exportation.

II.2.1. Politiques et conclusion

Tableau 8 : ARCH et GARCH

ARCH	COEFFICINTS	Z	PROBABILITE
	0.39^**	3.24	0.001
GARCH
	0.69^**	10.48	0.000
CONSTANTE	19.18	0.78	0.437
Légende : **significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

Le terme ARCH(1) (á=0,39) représente l'effet des perturbations conjoncturelles sur la volatilité et le coefficient (â=0,69) reflète la dynamique du marché. Le fait que le coefficient ARCH soit inférieur au coefficient GARCH(1,1) (á<â) rétrécit la pondération des chocs structurels dans la détermination de la volatilité mais qui n'est pas du tout moindre. La volatilité du prix du riz est à la fois une caractéristique intrinsèque au marchéet externe au marché du riz. Le phénomène de retour vers une valeur moyenne de volatilité se fait moinsrapidement, d'une période à une autre avec 39% de l'instabilité conjoncturelle qui se fait ressentir sur la volatilité.

L'ampleur du coefficient GARCH(1,1) indique que 69% de l'instabilité structurelle sur la volatilité au temps (t-1) se fait encore ressentir au temps t.

L'essentiel de la volatilité serait donc majoritairement imputable au caractère naturellement instable du marché.

Le coefficient de détermination (R²=0.51) indique que ce modèle parvient à rendre compte de 51% d'instabilité dans la série du prix du riz local à Bukavu.

La somme des coefficients est supérieurs à 1 (á+â= 1,083). Ce qui veut dire que les perturbations sur la volatilité dans le temps ne se résorbent pas par le marché et la série est continuellement instable sans retourner à sa valeur d'équilibre. Ceci montre l'importance de l'intervention du gouvernement.

Comme politique l'Etat devrait augmenter la production du riz en distribuant des engrais et des semences, en facilitant l'accès aux crédits, en réduisant la TVA. Pour que cette politique fonctionne, elle doit être accompagnée par une politique commerciale interdisant d'importé et d'exporté le riz durant les périodes de récoltes. Cette politique a comme faiblesse le fait que le gouvernement va devoir perdre les recettes issues des échanges commerciaux. Mais néanmoins, les recettes fiscales espérées suite à l'augmentation de la production et des échanges (local) du riz pourrait compensée cette perte des recettes fiscales. Cette politique devrait être soutenue par la politique de change qui constituerait à baisser le taux de change nominale pour rendre le riz sud-kivutien moins compétitif afin de baisser les exportations du riz.

De même, le gouvernement devrait aussi le prix du pétrole qui est généralement un produit importé en réduisant le tarif douaniers afin de réduire les couts de transports.

III.3. Déterminants de la volatilité du prix du mais

On constate à la fois une forte ampleur de la variabilité des prix et une forte dépendance de cette variance aux erreurs passées. Le prix est donc à la fois très variable et très imprévisible sur ce marché.

Tableau 9 : Résultats de la significativité globale du modèle

Chi2	PROBABILITE
16640.13^**	0.0000
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

Le modèle GARCH(1,1) tel que modélisé est globalement significatif. Il y a donc une hétéroscedasticité conditionnelle du terme d'erreur.La loi du Chi2 (16640,13) et la probabilité critique associée à cette loi de la régression GARCH(1,1) montre que le modèle tel que spécifié est globalement significatif au seuil de 5% pour leprix du riz comme il est indiqué dans le tableau 10 ci-dessous.

De cetableau, nous relevons que la saisonnalité, l'indice de la pluviométrie, les quantités importées, la politique de distribution de distribution de semences, la volatilité du taux de change, de la masse monétaire, la TVA, la masse monétaireet la volatilité du prix du pétrole expliquent la volatilité du prix du maïslocal.

Tableau 10 : Résultats de l'estimation GARCH(1,1) pour le prix du riz

ESTIMATION GARCH POUR LE MAÏS LOCAL
	COEFFICIENTS	Z	PROBABILITE
PRIX DU RIZ LOCAL	0.276126^**	6.66	0.000
MASSE MONETAIRE	0.0134355^**	4.97	0.000
TAUX DE CHANGE	1.885438^**	14.12	0.000
PRIX DU PETROLE	-0.4846091^**	-4.57	0.000
DISTR.SEMENCE RIZ	0.0173299^**	3.15	0.002
QUNTITE IMPORTE DU RIZ	0.0000501^**	2.43	0.015
TVA	35.07312^**	2.75	0.006
INDICE DE LA PLUVIOMETRIE	0.0960825^**	6.24	0.000
T2	32.85736^**	9.44	0.000
T3	37.6506^**	9.91	0.000
T4	9.224856^**	2.23	0.026
CONSTANTE	-104.4487^**	-5.10	0.000
ARCH
	1.23^**	4.99	0.000
GARCH
	0.27^**	4.43	0.000
CONSTANTE	1.2	0.27	0.790
**significatif à 5%et [ ] pas significatif

Source : Résultats de l'étude

Le prix du maïs local est volatile durant le deuxième trimestre (avril, mai et juin) comparativement au premier trimestre (janvier, février et mars). La volatilité du prix du maïs augmente de plus de 32,86 FC que le premier trimestre. Durant le troisième trimestre, le prix du maïs est volatile de 37,65 FC de plus que le premier trimestre. Le quatrième trimestre affiche une volatilité de plus de 9,23 FC que le premier trimestre.

La saisonnalité des prix est bien observable mais n'est cependant conforme à la perception des acteurs. L'effet baisse de prix à la récolteattendu ne s'observe pas. Cela pourrait être dû à la baisse de la production rendant le produit rare. Ce qui reste en conformité avec la théorie économique qui veut que le prix baisse quand le produit devient rare surtout dans la province du Sud-Kivu où les conditions de stockage sont quasi-inexistantes et une insécurité grandissante dans les zones de productions.

La hausse du prix du pétrole de 1% conduit à une baisse de la volatilité de 0,48%. Tout comme le riz, cette baisse est au fait que l'augmentation du prix du pétrole accroit le coût de transport rendant le mais en provenance de la province du Sud-Kivu moins compétitifs sur le marché international ou sur les marches des provinces ou sur ceux des pays voisins et de ce fait réduisant les exportations.

La hausse de la distribution de semences du mais de 1% conduit à une hausse de volatilité du prix du maïs de 0,17%. La distribution de semences accroit la production qui est ensuite exporté au lieu d'être amenée dans la ville de Bukavu. Cela réduit l'offre dans la ville est conduit à une hausse de la volatilité du prix du maïs

L'augmentation des quantités importées de 1% augmente la volatilité du prix du maïs de 0,0005%. L'entrée des quantités importées décourage les producteurs locaux à continuer à produire.Cela s'explique par le fait que les quantités sont importées à un cout moindre et les quantités sont produites à un coût élevé. Ce coût est lié aumauvais état des infrastructures et au manque d'information sur le marché augmente les coûts de transactions rendant le produit localement plus coût que celui importés.

L'augmentation de la TVA de La sensibilité 1 FC conduit à une hausse de la volatilité de 35,07 FC. La sensibilité à la hausse de la volatilité du prix du maïs à la TVA est due comme pour le prix du riz à une anticipation des vendeurs et des acheteurs des impôts futurs en constituant des stocks.

Lorsque la pluie augmente de 1% de mm, la volatilité du prix du maïs augmente de 0,096%. Cela s'explique une perturbation climatique fait à ce que les cultivateurs ne savent plus dans quelle saison il faut planter. De même une forte pluie durant une saison détruisant les récoltes ou bien même une saison sèche qui durent faisant à ce que les cultivateurs ne puissent pas planter explique également la volatilité du prix du maïs.

La hausse de la masse monétaire de 1% augmente la volatilité du prix du maïs de 0,013%. Comme pour le riz, cette hausse est due à une augmentation du pouvoir d'achat pour les consommateurs et à une inélasticité de l'offre du maïs.

III.3.1. conclusion et politiques

Tableau 11 : ARCH et GARCH prix mais local

ARCH	COEFFICIENTS	Z	PROBABILITE
	1.23^**	4.99	0.000
GARCH
	0.27^**	4.43	0.000
CONSTANTE	1.2	0.27	0.79
Légende : **significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

Le terme ARCH (á=1,23) montre que phénomène de retour vers une valeur moyenne de volatilité se fait moins rapidement ou presque pas, d'une période à une autre avec 102,3% de l'instabilité conjoncturelle qui se fait ressentir sur la volatilité. Le coefficient (â=0,207) reflète la dynamique du marché et indique que 20,7% de l'instabilité structurelle sur la volatilité au temps passé se fait encore ressentir au temps en cours. Le faite que le coefficient ARCH soit supérieur au coefficient GARCH (â<á) augmente la part des chocs structurels et diminue l'importance des perturbations conjoncturelles dans la détermination de la volatilité mais qui n'est pas du tout moindre.

L'instabilité du prix du maïs est à la fois une caractéristique intrinsèque du marché et aux facteurs externes au marché mais l'essentiel de la volatilité serait donc majoritairement imputable à l'instabilité des facteurs externes au marché du maïs.

Le coefficient de détermination (R²= 0.887) indique que ce modèle parvient à rendre compte de 88,7% d'instabilité dans la série du prix du maïs local à Bukavu.

La somme des coefficients est supérieurs à 1 (á+â=1,437). Ce qui veut dire que les perturbations sur la volatilité dans le temps ne se résorbent pas par le marché et la série est continuellement instable sans retourner à sa valeur d'équilibre.

L'importance de la part des chocs conjoncturels dans l'explication de la volatilité du prix du maïs montre que l'Etat devrait mettre en place des politiques permettant d'améliorer le fonctionnement du marché en garantissant la concurrence. De ce fait réduire les coûts de transaction sur les marchés en mettant en place un système d'information (SIM) sur les marchés permettent d'améliorer la transparence du marché, de réduire les asymétries d'information pour les acteurs du marché, d'assurer un suivi du prix et quantités, de fournir des analyses aux décideurs publics pour orienter des politiques et apprécier l'impact des mesures mises en oeuvre. Aussi il devrait mener d'action permettant d'accroitre l'offre en protégeant les producteurs du mais contre les aléas climatique en construisant les infrastructures de transport et de communication,en aidant les producteurs du mais à développer les capacités, en distribuant des engrais et des semences, en facilitant l'accès aux crédits, en réduisant la TVA. Cette politique de l'accroissement de l'offre doit être accompagnéepar une politique commerciale interdisant d'importé et d'exporté le mais durant les périodes de récoltes et par une politique commerciale devrait être soutenue par la politique de change qui constituerait à baisser le taux de change nominale pour rendre le mais sud-kivutien moins compétitif afin de baisser les exportations du maïs. De même, le gouvernement devrait aussi baissé le prix du pétrole et la masse monétaire.

Conclusion

L'objectif de ce travail est de cherché les déterminants de la volatilité du prix du riz et du maïsafin de faire face aux éventuelles conséquences et à une volatilité future

Notre travail comporte trois parties outre l'introduction et la conclusion.

La partie porte sur la revue théorique et empirique dans laquelle nous avons défini la volatilité des prix comme étant la partie des prix non expliquée, donc non prévisible et qui survient suite à des chocs.

La deuxième partie porte sur la méthodologie dans laquelle nous avons spécifié les modèles des types ARCH et GARCH qui permet des prendre en compte des phénomènes non linéaire et permet de mesurer et des caractériser la volatilité.

La troisième partie porte sur les estimations des résultats. Les résultats indiquent que les prix du riz et du maïs sont volatiles. Cette volatilité semble être expliquée pour le prix du riz par le prix du pétrole, la masse monétaire, le taux de change, les variations climatiques, le prix du riz importé et la TVA. Pour le prix du maïs en plus de ces facteurs expliquant la volatilité du riz, il expliqué par la politique publique de distribution de semence et les quantités importés du maïs.

L'analyse révèle que les prix du riz est plus volatile que celui du maïs. La volatilité du riz et du mais relève à la fois des chocs conjoncturels et structurels amenant à une implication politique tel que :

Le gouvernement devrait mettre en place de mécanismes permettant réduire les coûts de transaction sur les marchés en mettant en place un système d'information (SIM) sur les marchés permettent d'améliorer la transparence du marché, de réduire les asymétries d'information pour les acteurs du marché, d'assurer un suivi des marchés (prix et quantités principalement), de fournir des analyses aux décideurs publics pour orienter des politiques et apprécier l'impact des mesures mises en oeuvre. Développer les capacités stockage dans le secteur privé grâce à un accès plus facile au financement qui sont nécessaires pour garantir un flux continu et régulier des produits entre l'agriculteur ou le point d'importation, le transformateur et enfin le consommateur. Construire les infrastructures de transport et de communication, afin de réduire les coûts du transport.

Le gouvernement devrait accroitre l'offre en accordant des assurances climatique, en développant le marché des options et contrats à terme ; en favorisant les associations de crédit et d'épargne, en investissement dans le secteur agricole (en vue à la fois d'augmenter la production alimentaire nationale et de la stabiliser par la diversification et le renforcement des systèmes alimentaires), en subventionnant l'agriculture grâce à la distribution des intrants (essentiellement des engrais et des semences) et de fournir des services de vulgarisation, accordant de prêt d'urgence pour permettre aux producteurs et vendeurs d'affronter le risque incluent les programmes.

L'État devrait également menée une action directe sur les prix des importations et exportations au moyen des droits de douane et des taxes, ou sur les quantités échangées par des interdictions d'exporter,

Il devrait constituer les réserves alimentaires en constituant les stocks publics de régulation, d'urgence et stratégiques. Les stocks publics de régulation pour protéger les producteurs contre les baisses de prix et les consommateurs contre les hausses de prix. Les stocks publics d'urgence pour faire face à une baisse soudaine des disponibilités alimentaires ou du pouvoir d'achat afin de limiter l'insécurité alimentaire des populations vulnérables.Les stocks stratégiques pour prévenir un risque de rupture d'approvisionnement sur les marchés internationaux. Car l'atténuation de la répercussion des prix internationaux sur les prix intérieurs par la baisse des tarifs douaniers à l'importation entraîne une perte de recettes fiscales.

Bibliographie

1. Adam Prakash and Christopher L. Gilbert (2011), Rising vulnerability in the global food system: beyond market fundamentals, safeguarding food security in volatile global markets, FAO, Rome, 46-68 pp.

2. Alexander Sarris and George Rapsomanikis (2009) agricultural Food Commodity Markets and Vulnerability of African Economies, FAO, Rome, 50 p.

3. Amato Masirika S. (2012), évolution et volatilité des prix sur le marché des produits vivriers au Sud-Kivu, CIALCA, Bukavu, 26 p.

4. Ann Berg, The rise of commodity speculation: from villainous to venerable, safeguarding food Security in Volatile global markets, FAO, 255-280 pp.

5. Ayça Dönmez and Emiliano Magrini (2013),Agricultural Commodity Price Volatility and Its Macroeconomic Determinants. A GARCH-MIDAS Approach, European Union, Joint Research Centre, 31 p.

6. Banque Centrale du Congo (BCC), Rapport annuel, Kinshasa 2005, 2007, 2008, 2009, 2010, 2011, 2012, 2013, http://www.bcc.cd/.

7. Bollerslev, T. (1986) Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics, 31 (3): 307-327 pp.

8. Boussard, J-M., (2005), « L'instabilité, un Phénomène Accidentel ou Structurel ». In Grimoux et al, Dynamique des Prix Agricoles Internationaux, Synthèse des Exposés et des Débats du Séminaire du 7 juin 2005, Ministère de l'Agriculture Française.

9. Brian Wright and Adam Prakash (2011), The fallacy of price interventions: a note on price bands and managed tariffs, safeguarding food Security in Volatile global market, FAO, Rome, 241-251 pp.

10. Coopération internationale pour le développent et la solidarité(CDESE) (2011), La volatilité des prix des produits alimentaires. Conséquences et impacts sur le droit à l'alimentation, Bruxelles, 16 p.

11. Christophe Hurlin (2006), Econométrie pour la Finance : Modèles ARCH - GARCH. Applications à la VAR, Université d'Orléans, 78 p.

12. Christopher L. Gilbert (2011), Safeguarding food Security in Volatile global markets: Grains price pass-through, 2005-09, FAO, Rome, 129-150 pp.

13. Christopher L. Gilbert (2011), safeguarding food Security in Volatile global markets: International commodity agreements, FAO, 213-239 pp.

14. conférence de nations unies sur le commerce et le développement(CNUCED) (2010) Synthèse de la CNUCED n°18, décembre 2010, http://www.unctad.org/fr/docs/presspb20108_fr.pdf.

15. David Dawe et Tom Slayton (2011), safeguarding food Security in Volatile global markets: The world rice market in 2007-08, FAO, 173-183 pp.

16. Dr. YEO Nahoua (2012), déterminants de la volatilité des prix des produits alimentaires et pertinence des mesures de stabilisation en côte d'ivoire, Abidjan, 22 p.

17. Elodie Maitre d'Hôtel, Tristan Le Cotty, Thom Jayne (2012), price volatility and farm income stabilization, Modelling Outcomes and Assessing Market and Policy Based Responses: is a public regulation of food price volatility feasible in Africa? An arch approach in Kenya, Ireland, Dublin, 18 pages.

18. Engle, R (2002), Dynamic conditional correlation a simple class of multivariate generalized autoregressive conditional heteroskedasticity models, Journal of Business Economic Statistics, 20(3): 339-350 pp.

19. Engle, R. F. & Kroner, K. F. 1995. Multivariate simultaneous generalized ARCH, Econometric Theory, 11(01): 122-150 pp.

20. Organisation des nations unies pour l'alimentation et l'agriculture(FAO) (2009), La situation des marchés des produits agricoles. Flambée des prix et crise alimentaire expériences et enseignements, Rome,

21. Organisation des nations unies pour l'alimentation et l'agriculture(FAO) (2011), Indice FAO des prix des produits alimentaires, juillet 2011.

22. Organisation des nationsunies pour l'alimentation et l'agriculture(FAO) (2011), Rising vulnerability in the global food system: environmental pressures and climate change, safeguarding food security in volatile global markets, FAO, Rome, 69-89 pp.

23. Organisation des nations unies pour l'alimentation et l'agriculture et Programme alimentaire mondiale (PAM) (2013), Sécurité alimentaire et implications humanitaires en Afrique de l'ouest et au sahel, N°51 - notes conjoncturelles de décembre 2012, janvier 2013, février 2013, novembre et décembre 2013, www.fao.org/crisis/sahel/fr/.

24. Organisation des nations unies pour l'alimentation et l'agriculture(FAO), (2010), Commodity market review, FAO, Rome, 2010, 189 p.

25. FAO, IFAD, IMF, OECD, UNCTAD, WFP, the World Bank, the WTO, IFPRI and the UN HLTF, Price Volatility in Food and Agricultural Markets: Policy Responses, June 2011

26. Organisation des nations unies pour l'alimentation et l'agriculture, Perspectives alimentaires de juin 2013 et novembre2013 (Les marchés en bref), Rome,

27. Florian Ielpo (2008), Econométrie de la Finance, Centre d'Economie de la Sorbonne, Paris, 171 p.

28. George Rapsomanikis and Alexander Sarris (2005), the impact of domestic and international commodity price volatility on agricultural income instability in Ghana, Vietnam and Peru, FAO commodity and trade policy research working paper No. 15.

29. George Rapsomanikis, safeguarding food Security in Volatile global markets: Price transmission and volatility spillovers in food markets, FAO, 151-170 pp.

30. Gilbert C.L. Morgan C.W., (2010), philosophical transaction of royal society: Food price volatility, pp 3023-3034

31. David Benz, A. Diallo, F. Lançon, V. Meuriot, P. Rasolofo, L. Temple, A. Wane (2011), L'imparfaite transmission des prix mondiaux aux marches agricoles d'Afrique subsaharienne, FARM, janvier  2010, 97 p.

32. Henna Ahsan, Zainab Iftikhar and M. Ali Kemal, The Determinants of Food Prices: A Case Study of Pakistan (2011), PIDE Working Papers: Pakistan Institute of Development Economics, 25 p.  

33. Hervé Alexandre, Marie-Claude Pichery (2002), les modèles de classe arch, université de bourgogne, 33 pages

34. HLC (208), La flambée des prix des denrées alimentaires: faits, perspectives, effets et actions requises. Conférence de haut niveau sur la sécurité alimentaire mondiale: les défis du changement climatique et des bioénergies, FAO, Rome, 52 p.

35. HLPE (2011), Volatilité des prix et sécurité alimentaire. Rapport du Groupe d'experts de haut niveau sur la sécurité alimentaire et la nutrition, Comité de la sécurité alimentaire mondiale, Rome, 98 P.

36. Huchet-Bourdon, OCDE, (2011), MRP (2011), TAD/CA/APM/WP (2010) 33/FINAL, Is agricultural commodity price volatility increasing?A historical review, 52p

37. J.R. Minkoua Nzié, L. Temple, B. Kamgnia Dia (2009), Les déterminants de l'instabilité du prix des produits vivriers au Cameroun, Titre du Colloque : 4iem Journées de recherches en sciences sociales à AgroCampus-Ouest 9 et 10, université de Yaoundé, Cameroun, 23 p.

38. James D. Hamilton (1994), Time series analysis, Princeton university press, 799 p

39. Kamgnia, D.B., (2009), «Political Economy of Recent Global Food Price Shocks: Gainers, Losers and Compensatory Mechanism», Paper presented during the African Economic Research Consortium Plenary Session on Global Food Price Shocks: Causes, Consequences and Policy Options in Africa.

40. Kelvin Balcombe (2009), the Nature and Determinants of Volatility in Agricultural Prices. AnEmpirical Study from 1962-2008, MPRA, 2010, 25 p.

41. Kelvin Balcombe (2010), The nature and determinants of volatility in agricultural prices: an empirical study, safeguarding food Security in Volatile global markets, FAO, Rome, 91-112pp.

42. Kelvin Balcombe et Rapsomanikis G (2008), Bayesian estimation and selection of nonlinear vector error correction models: The case of the sugar-ethanol-oil nexus in Brazil, American Journal of Agricultural Economics, 90(3): 658-668 pp.

43. M. Camara el hadji Alioune (2011), conférence nationale sur la volatilité des prix. Thème: la volatilité des prix domestiques et leurs déterminants. Journée mondiale de l'alimentation, 19 p.

44. Maitre d'Hôtel E. et Al, (2012), Volatility and agricultural production in developing countries, 14p.

45. Mulat Demeke, Guendalina Pangrazio and Materne Maetz, safeguarding food Security in Volatile global markets: Country responses to turmoil in global food markets, FAO, Rome, 185-211 pp

46. Nicholas Apergis and Anthony Rezitis (2012), Food Price Volatility and Macroeconomic Factors: Evidence from GARCH and GARCH-X Estimates, Journal of Agricultural and Applied Economics 95-110 pp.

47. Nicholas Minot (2012), Food Price Volatility in Africa. Has It Really Increased? IFPRI Discussion Paper, 32 p.

48. OCDE et FAO (2008), Perspectives agricoles de l'OCDE et de la FAO : 2008-2017.chapitre 2 : Les prix élevés actuels vont-ils se maintenir?, FAO et OCDE, Rome, 35-63 pp.

49. OCDE et FAO (2009), Perspectives agricoles de l'OCDE et de la FAO 2009-2018 : SYNTHÈSE, OCDE et FAO, Rome, 91 p.

50. OCDE et Organisation des nations unies pour l'alimentation et l'agriculture(FAO) (2010), perspectives agricoles de l'OCDE et de la FAO 2010 - 2019, OCDE et FAO, Rome, www.agri-outlook.org.

51. OCDE et FAO (2011), Perspectives agricoles de l'OCDE et de la FAO 2011-2020, OCDE et FAO, Rome, 225 p.

52. PAM (2009), UN World Food Programme, News, 22 avril 2008, http://www.wfp.org/node/195.

53. Piot-Lepetit I. and Mbarek R. (2011), Methods to analyze agricultural commodity price volatility, in Piot- Lepetit and Mbarek, Methods to analyze agricultural commodity price volatility, Springer, pp 1-11 pp.

54. Régis Bourbonnais (2009), Econométrie : Manuel et exercices corrigés, Dunod, Paris, 772 p.

55. Sidnoma Abdoul Aziz Traore (2012), Caractérisation de la variabilité et de la volatilité des prix des céréales. Étude empirique : cas du maïs au Burkina Faso, SupAgro, France, Montpelier, 58 p.

56. Stefan Busse, Bernhard Brümmer and Rico Ihle (2011), safeguarding food Security in Volatile global markets: Emerging linkages between price volatilities in energy and agricultural markets, FAO, 113-128 pp.

57. Stefan Ederer, Christine Heumesser and Cornelia Staritz (2013), The role of fundamentals and financialisation in recent commodity price developments -an empirical analysis for wheat, coffee, cotton, and oil, Working paper 42, Austrian Research Foundation for International Development, 54 p.

58. Temple L., Meuriot V., Ali M. (2009), « Déterminants de l'instabilité des prix alimentaires au Cameroun: une analyse institutionnelle des résultats économétriques », Rapport final, Cirad, Fondation FARM 34p.

59. Temple, L. et Dury, S. (2003), « Instabilité du Prix des Produits Vivriers et Sécurité Alimentaire Urbaine au Cameroun ». Document de travail No 6, CIRAD.

60. Timmer, C. P (2009), Did speculation affect world rice prices? Working Papers 09-07, Agricultural and Development Economics, FAO, Rome.

61. William H. Greene (2003), econometric analysis, New York University, Pearson Education, New Jersey, 1056 p.

62. World Bank, (2010), Les filets sociaux au Burkina Faso : Rôle pour la réduction de la pauvreté, atelier de partage d'expériences sur la prise en charge des indigents, 23p

63. CJean-Marc BOUSSARD et Araujo Bonjean ,La stabilisation des prix aux producteurs. Contribution à la boîte à idées du Ministère de la coopération [Rapport]. - Paris : [s.n.], 1997.

64. FMI (2011), DSCRP,Vol. I.

65. FAO (2010),Initiative sur la flambée des prix des aliments, Rome.

66. FIDA (2009),La volatilité des prix alimentaires - comment aiderl'agriculture paysanne à gérer le risque et les incertitudes ?

67. Hugon Philippe (2005), La volatilité des prix agricoles internationaux et la transmission aux économies nationales. Illustrations à propos du coton, Paris, 71 p.

ANNEXE1. TEST DE RACINE UNITAIRE

Tableau 12 : Test de racine unitaire pour le prix du riz local

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-38.42	-27.45	-20.73	-17.52
Z(t)	-4.55^**	-4.04^***	-3.45^**	-3.15^*
MacKinnon approximate p-value for Z(t) = 0.0013
PRIX RIZ LOCAL	COEFFICIENTS	T	PROBABILITE
L1.	0.64^**	7.97	0.000
_trend	1.43^**	4.00	0.000
CONSTANTE	19.87	2.00	0.048
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 13 : Test de racine unitaire pour le prix du maïs local

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-3.571	-19.823	-20.728	-17.523
Z(t)	-1.297^**	-3.508^***	-2.890^**	-2.580^*
MacKinnon approximate p-value for Z(t) = 0.0128
PRIX MAIS LOCAL	COEFFICIENTS	t	PROBABILITE
L1.	0.74^**	11.20	0.000
_trend	1.08^**	3.59	0.001
CONSTANTE	11.44	1.28	0.205
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 14 : Test de racine unitaire pour le prix du riz importé

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-36.898	-27.447	-20.728	-17.523
Z(t)	-4.609^**	-4.038^***	-3.449^**	-3.149^*
MacKinnon approximate p-value for Z(t) = 0.0010
PRIX DU RIZ IMPORTE	COEFFICIENTS	t	PROBABILITE
L1.	0.65^**	8.74	0.000
_trend	1.34^**	4.09	0.000
CONSTANTE	14.98	1.60	0.113
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 15 : Test de racine unitaire pour la masse monétaire

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-25.988	-27.447	-20.728	-17.523
Z(t)	-3.914^**	-4.038^***	-3.449^**	-3.149^*
MacKinnon approximate p-value for Z(t) = 0.0116
MASSE MONETAIRE	COEFFICIENTS	T	PROBABILITE
L1.	.7451973	11.67	0.000
_trend	24.38441^**	3.91	0.000
CONSTANTE	-329.2224	-2.45	0.016
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 16 : Test de racine unitaire pour le taux de change

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-3.92	-27.45	-20.73	-17.52
Z(t)	-1.24	-4.04	-3.45	-3.15
MacKinnon approximate p-value for Z(t) = 0.9032
TAUX DE CHANGE	COEFFICIENTS	T	PROBABILITE
L1.	0.98^**	38.28	0.000
_trend	0.02	0.66	0.512
CONSTANTE	3.49	1.47	0.145
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 17 : Test de racine unitaire pour le prix du pétrole

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-12.632	-27.447	-20.728	-17.523
Z(t)	-2.522^**	-4.038^***	-3.449^**	-3.149^*
MacKinnon approximate p-value for Z(t) = 0.3173
PRIX DU PETROLE	COEFFICIENTS	T	PROBABILITE
L1.	0.88^**	18.16	0.000
_trend	0.32^**	2.50	0.014
CONTANTE	12.40^**	2.90	0.005
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 18 : Test de racine unitaire pour la distribution de semences du maïs

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-103.85	-27.447	-20.728	-17.523
Z(t)	-11.077^**	-4.038^***	-3.449^**	-3.149^*
MacKinnon approximate p-value for Z(t) = 0.0000
SEMENCE MAIS	COEFFICIENTS	T	PROBABILITE
L1.	-0.07	-0.72	0.472
_trend	0.7	0.81	0.422
CONSTANTE	36.57	0.68	0.499
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 19 : Test de racine unitaire pour la distribution de semences du riz

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-94.324	-27.447	-20.728	-17.523
Z(t)	-13.890^**	-4.038^***	-3.449^**	-3.149^*
MacKinnon approximate p-value for Z(t) = 0.0000
SEMENCE RIZ	COEFFICIENTS	T	PROBABILITE
L1.	-0.16	-1.68	0.095
_trend	2.19^**	2.89	0.005
_cons	-32.72995	-0.72	0.475
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 20 : Test de racine unitaire pour les quantités importées du riz

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-105.010	-27.447	-20.728	-17.523
Z(t)	-10.607^**	-4.038^***	-3.449^**	-3.149^*
MacKinnon approximate p-value for Z(t) = 0.0000
QUANTITE IMPORTE DU RIZ	COEFFICIENTS	T	PROBABILITE
L1.	-0.0372741	-0.38	0.705
_trend	236.65^**	1.98	0.050
_cons	-3126.77	-0.43	0.670
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 21 : Test de racine unitaire pour les quantités importées du maïs

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-99.44	-27.45	-20.73	-17.52
Z(t)	-5.71^**	-4.04^***	-3.45^**	-3.15^*
MacKinnon approximate p-value for Z(t) = 0.0000
QUANTITE IMPORTE DU MAIS	COEFFICIENTS	T	PROBABILITE
L1.	0.04	0.27	0.791
_trend	1714.07^**	2.83	0.006
CONSTANTE	-37730.25	-1.04	0.302
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 22 : Test de racine unitaire pour l'indice de la pluviométrie

	Test Statistic	1% Critical value	5% Critical value	10% Critical value
Z(rho)	-88.37	-27.45	-20.73	-17.52
Z(t)	-8.88	-4.04^***	-3.45^**	-3.15^*
MacKinnon approximate p-value for Z(t) = 0.0000
INDICE PLUVIOMETRIE	COEFFICIENTS	T	PROBABILITE
L1.	0.13	1.33	0.188
_trend	0.22	1.05	0.298
CONSTANTE	111.57^**	6.19	0.000
*significatif à 1%, ** à 5%, * à 10% et [ ] pas significatif

Source : Résultats de l'étude

ANNEXE2. TEST ARCH POUR LE PRIX DU RIZ LOCAL ETPOUR LE PRIX DU MAIS LOCAL

1. TEST ARCH POUR LE PRIX DU RIZ LOCAL

La procédure consiste à estimer le modèle par le MCO ensuite estimer les résidus. Les résidus sont élevés au carré et retardé à p retards. Puis on régresse les résidus sur les p retards. Dans notre cas le nombre de retard est 1.

Tableau 23 : Estimation du modèle du prix du riz par la MCO

PRIX DU RIZ LOCAL	COEFFICIENTS	T	PROBABILITE
PRIX DU MAIS LOCAL	0.34^**	3.27	0.002
PRIX DU RIZ IMPORTE	0.21	1.86	0.066
MASSE MONETAIRE	-0.001	-0.14	0.892
TAUX DE CHANGE	0.02	0.54	0.593
PRIX DU PETROLE	.2087327	0.89	0.378
DISTR.SEMENCE DU RIZ	0.007	0.37	0.714
QUANTITE IMPORTEE DU RIZ	-0.0001	-0.53	0.596
TVA	82.34^**	3.82	0.000
INDICE DE LA PLUVIOMETRIE	-0.1	-1.37	0.174
T2	-16.63	-1.26	0.211
T3	-9.86	-0.75	0.458
T4	-8.14	-0.61	0.545
CONSANTE	37.91744	0.98	0.330
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 24 : Tableau n021. Régression par MCO des résidus du prix du riz local

	COEFFICIENTS	T	PROBABILITE
	.9593608	33.56	0.000
CONSTANTE	4923.162	1.61	0.111
F( 1, 105)	1126.17	Prob > F = 0.0000
R-squared	0.9677
Adj R-squared	0.9665
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

e

TEST ARCH POUR LE PRIX DU MAIS LOCAL

Tableau 25 : Estimation du modèle du prix du maïs local par la MCO

PRIX DU MAIS LOCAL	COEFFICIENTS	T	PROBABILITE
PRIX DU RIZ LOCAL	0.50^**	5.42	0.000
MASSE MONETAIRE	0.02^**	3.31	0.001
TAUX DE CHANGE	1.46^**	4.97	0.000
PRIX DU PETROLE	-0.45^**	-1.93	0.057
DISTR.SEMENCE DU MAIS	0.02	0.86	0.390
QUANTITE IMPORTE DU MAIS	0.00004	1.82	0.072
TVA	-50.39^**	-2.23	0.028
INDICE DE LA PLUVIOMETRIE	-0.03	-0.40	0.690
T2	18.99	1.42	0.159
T3	1.41	0.11	0.916
T4	16.1	1.19	0.238
COSTANTE	-69.46	-1.79	0.076
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 26 : Régression par MCO des résidus du prix du maïs local

	COEFFICIENTS	T	PROBABILITE
	0.96	33.56	0.000
CONSTANTE	4923.162	1.61	0.111
F( 1, 105)	1126.17	Prob > F=0.0000
R-squared	0.9147
Adj R-squared	0.9139
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

ANNEXE3. COEFFICIENTS DE DETERMINATIONS

Tableau : Estimation du coéffient de détermination pour le modèle du prix du riz local

	COEFFICIENTS	Std. Error	z-Statistic	Prob.
PRIX DU MAIS LOCAL	5214761	3304341.	1.578155	0.1145
INDICE DE LA PLUVIOMETRIE	-2419618.	2156142.	-1.122198	0.2618
MASSE MONETAIRE	-98037.39	250974.6	-0.390627	0.6961
PRIX DU PETROLE	663674.6	8651647.	0.076711	0.9389
MASSE MONETAIRE	5127376.	5046711.	1.015984	0.3096
QUNTITE IMPORTE DU RIZ	1953.124	5762.007	0.338966	0.7346
DISTR.SEMENCE RIZ	658185.9	712627.3	0.923605	0.3557
TAUX DE CHANGE	-18055347	10526520	-1.715225	0.0863
T2	7.03	4.28	1.644292	0.1001
T3	1.08^**	3.80	2.849564	0.0044
T4	1.40^**	3.77	3.701770	0.0002
TVA	1.40^**	6.84	2.051589	0.0402
CONSTANTE	1.77	1.27	1.399037	0.1618
Variance Equation
C	1.03	3.17	3.25	0.0012
ARCH(1)	0.51	0.22	2.28	0.0227
GARCH(1)	-0.05	0.03	-2.02	0.0429
R-squared	0.509870	Mean dependent var		2.45E+09
Adjusted R-squared	0.429958	S.D. dependent var		1.81E+09
S.E. of regression	1.37	Akaike info criterion		44.77831
Sum squared resid	1.71	Schwarz criterion		45.17566
Log likelihood	-2402.029	F-statistic		6.380360
Durbin-Watson stat	1.640876	Prob(F-statistic)		0.000000
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

Tableau 27 : Estimation du coéffient de détermination pour le modèle du prix du maïs local

	COEFFICIENTS	Std. Error	z-Statistic	Prob.
MASSE MONETAIRE	0.03^**	0.01	2.24	0.0254
INDICE DE LA PLUVIOMETRIE	-0.05	0.21	-0.23	0.8218
PRIX DU PETROLE	-0.48	0.47	-1.04	0.2999
PRIX DU RIZ LOCAL	1.09	1.63	0.67	0.5058
QUNTITE IMPORTE DU MAIS	3.42	0.0002	0.21	0.8355
DISTR.SEMENCE MAIS	-0.009	0.10	-0.09	0.9286
TAUX DE CHANGE	2.13^**	0.62	3.44	0.0006
T2	2.96	34.39	0.09	0.9314
T3	-16.59	32.3	-0.51	0.6075
T4	-5.24	28.47	-0.18	0.8541
TVA	-28.91	40.75	-0.71	0.4781
C	-77.98	70.07	-1.11	0.2657
Variance Equation
C	1469.96	2532.364	0.58	0.56
ARCH(1)	0.15	0.323558	0.46	0.64
GARCH(1)	0.60	0.639054	0.94	0.35
R-squared	0.89	Mean dependent var		254.42
Adjusted R-squared	0.87	S.D. dependent var		141.91
S.E. of regression	51.25	Akaike info criterion		11.01
Sum squared resid	244239.8	Schwarz criterion		11.38
Log likelihood	-579.33	F-statistic		51.96
Durbin-Watson stat	1.04	Prob(F-statistic)		0.000000
**significatif à 5% et [ ] pas significatif

Source : Résultats de l'étude

TABLE DE MATIERE

EPIGRAPHE I

DÉDICACE II

REMERCIEMENTS III

SIGLES ET ABRÉVIATIONS IV

LISTE DES TABLEAUX ET FIGURES V

INTRODUCTION 1

CHAPITRE PREMIER REVUE DE LA LITTÉRATURE 5

I.1. REVUE THÉORIQUE 5

I.1.1. Variabilité et volatilité : définitions 5

I.1.2. Sources de la volatilité des prix, impact sur le bienêtre et politique 7

I.1.2.1. sources 7

A. Aléas météorologiques et climatiques 7

B. Prix de l'énergie 8

C. Le Taux de change 8

D. Croissance de la demande et la production 9

E. Le niveau de stock 9

I.2.1.2. impact et politique 10

A. Politique et instruments (A) visant à améliorer l'efficacité du fonctionnement des marchés dans le temps et dans l'espace. 12

B. Politique et instruments (B) permettant aux producteurs, aux commerçants et aux fabricants de gérer le risque de fluctuation des prix ex ante avant les chocs liés aux prix (B1), et d'affronter ces chocs ex post (B2), ayant comme but ultime de stabiliser les revenus réels. 12

C. Politique et instruments (C) correspond aux interventions directes des États pour réduire la volatilité des prix sur les marchés nationaux. 12

D. Politique et instruments permettant de gérer ex ante la volatilité des prix (D1). 13

E. Politique et instruments de protection sociale (D2). 13

F. Politique et instruments E permettent d'organiser les interventions par l'entremise et avec le concours d'organisations non gouvernementales 14

I.2. REVUE EMPIRIQUE 16

CHAPITRE DEUX. CONSIDÉRATIONS MÉTHODOLOGIQUES 18

II.1. SITUATION DES PRIX VIVRIERS DANS LA VILLE DE BUKAVU 18

II.2. LES MESURES DE LA DE LA VOLATILITÉ 18

II.2.1. MESURES DE LA VOLATILITÉ NON CONDITIONNELLE 19

A. Le coefficient de variation 19

B. Ecart type de la différence logarithmique des prix(SDD) 19

II.2.2. LES MESURES DE LA VOLATILITÉ CONDITIONNELLE 20

A. Processus d'identification de la nature de la série 21

b. Tests de racine unitaire : 22

c. Stationnarisation : 22

B. LES MODÈLES ARCH 25

II.3. LES SOURCES DE DONNÉES ET LES VARIABLES 27

II.3.1. LES SOURCES DE DONNÉES 27

II.3.2. LES VARIABLES 28

a. Les prix du riz et du mais local 28

b. Les prix du riz et du maïs importés 28

c. Les quantités importées du riz et du maïs. 28

d. Le taux de change 29

e. La masse monétaire 29

f. Le prix du pétrole 30

g. La distribution des semences 30

h. L'indice de la pluviométrie 30

i. La saisonnalité 31

j. La TVA 31

II.4.ESTIMATION DU MODÈLE ET SPÉCIFICATION DU MODÈLE 32

II.5. ANALYSE DESCRIPTIVE 33

CHAPITRE 3. DÉTERMINANTS DE LA VOLATILITÉ DU PRIX DU RIZ ET DU MAÏS DANS LA VILLE DE BUKAVU. 38

III.1. TEST DE RACINE UNITAIRE ET ARCH. 38

III.2. DÉTERMINANTS DE LA VOLATILITÉ DU PRIX DU RIZ 39

II.2.1. POLITIQUES ET CONCLUSION 41

III.3. DÉTERMINANTS DE LA VOLATILITÉ DU PRIX DU MAIS 43

III.3.1. CONCLUSION ET POLITIQUES 46

CONCLUSION 48

BIBLIOGRAPHIE 50

ANNEXE1. TEST DE RACINE UNITAIRE LVI

ANNEXE2. TEST ARCH POUR LE PRIX DU RIZ LOCAL ET POUR LE PRIX DU MAIS LOCAL LX

ANNEXE3. COEFFICIENTS DE DETERMINATIONS LXII

TABLE DE MATIERE LXIV

* ¹ Pour les ménages riches l'effet revenu les rend relativement insensible à la volatilité.

* ² Connaitre l'origine permet de mettre en place une politique appropriée afin de réduire la volatilité. Ainsi par exemple si la volatilité est due à une faible production on pourrait accorder de subvention agricole ou réduire les barrières tarifaires pour accroitre l'offre par l'intermédiaire des importations ce qui peut atténue cette volatilité des prix. On peut également jouer sur le taux de change en le dépréciant pour accroitre la compétitivité en réduisant le prix. De ce fait la volatilité doit être prise en compte dans les politiques macroéconomique.

* ³Comme facteur structurel liés à l'offre on peut citer l'investissement, et le taux de change du côté de la demande ; le facteur externe du côté de l'offre on peut avoir les variations climatiques et du côté de la demande on peut avoir le revenu.

* ⁴ Durant ces périodes la libéralisation de l'agriculture conduit à la baisse de la production agricole suite ont producteurs européens subventionnés pratiquant le dumping. Cette baisse de la production entraine une hausse des importations ce qui a conduit à la volatilité de prix.

* ⁵L'ampleur est mesurée par la variation d'une période à une autre. La rapidité fait allusion à l'incertitude c'est à dire aux variations imprévisibles.

* ⁶ Les variations classiques du prix sont attribuables aux variations de l'offre et de la demande.

* ⁷Les mouvements des prix proche de zéro constitue une faible volatilité qui n'est d'autre que de la variabilité et ceux important constitue une forte volatilité.

* ⁸Les variations de l'offre et de la demande.

* ⁹Suite à une baisse du taux de change nominal, il devient cher de se procurer les biens à l'intérieur plutôt que dans les pays voisins. Le niveau des importations va augmenter et le pays va perdre sa compétitivité en termes de réduction du niveau des exportations.

* ¹⁰ Etant donné que la demande pour les biens locaux est faible, les producteurs vont baisser le prix de produits locaux à un niveau inférieur du coût marginal.

* ¹¹ Le fait de vendre à un prix inférieur au coût marginal va décourager les producteurs à quitter le secteur ou ne plus produire. Ceci conduit à une baisse de la production.

* ¹² La baisse du prix dans le pays exportateur augmente la demande externe.

* ¹³ Lorsque l'offre et la demande de stocks sont sensibles aux variations de prix, les effets suivants s'observent : si le prix augmente, l'offre de stock augmente et la demande baisse ce qui va stabiliser le prix. Si le prix baisse il aura constitution de stocks afin de faire face à une hausse future, la demande de stocks augmente et l'offre diminue et le prix se stabilise.

* ¹⁴ C'est-à-dire avant les chocs liés aux prix, en gérant la volatilité, ou après les chocs, en en affrontant les effets.

* ¹⁵Le «filet de sécurité» est un terme général désignant divers programmes d'aide aux groupes de populations vulnérables: programmes ciblés de distribution de vivres, transferts ciblés en espèces, programmes alimentaires et d'emploi.

* ¹⁶Une politique optimale est la combinaison des différends instrumentsde la production nationale, des stocks régulateurs et le commerce, et y associe une protection sociale et un plan d'intervention d'urgence

* ¹⁷ Lorsque l'alimentation tourne autour d'un seul produit celui-ci entre pour une part importante dans les dépenses des ménages; une flambée de son prix risque alors de compromettre la sécurité alimentaire des familles pauvres. A l'inverse, si le régime alimentaire est diversifié, les fluctuations de l'offre et du prix d'un produit particulier peuvent être partiellement compensées par d'autres marchés.

* ¹⁸La société doit venir en aide aux ménages de la première catégorie, en leur distribuant gratuitement de vivres. Les ménages dont certains membres sont économiquement actifs peuvent bénéficier de transferts assortis de conditions ou de filets de sécurité fondés sur des activités productives, tels que les programmes de type vivres contre travail ou vivres (ou espèces) pour l'éducation.

* ¹⁹ Ces approches considèrent les agents comme ne pouvant pas être capable de faire des anticipations rationnelles sur le prix.

* ²⁰E [Yt] = ì, pour tout t : c'est-à-dire la série stationnaire en moyenne. V [Yt] = E(Yt2) = ó2, pour tout t : c'est-à-dire la série est stationnaire en variance. Cov [Yt, Yt+k] = E [(Yt- ì) (Yt+k- ì)] = ãk : l'autocovariance ou la covariance entre deux périodes t et t+k est uniquement fonction de la différence des temps k.

* ²¹Source Bourbonnais (2004)

* ²² Il peut aussi être appelé l'innovation ou l'information et notée :

* ²³La demande de monnaie sera approximée par la masse monétaire en émettant la contrainte de l'égalité (offre de monnaie MS= demande de monnaie MD)

* ²⁴ Le fait que l'introduction de la TVA a fait augmenter la volatilité de prix en termes de double paiement. Les consommateurs paye à la fois la TVA et l'ICA. Mais aussi pour les produits alimentaire exempté de la TVA verront leur demande augmenter alors que l'offre reste inchangé. Ce qui pourrait conduire à la volatilité.