BANCAIRE

TROIS ESSAIS SUR LA SURLIQUITE

DANS LA COMMUNAUTE ECONOMIQUE ET
MONETAIRE DAFRIQUE CENTRALE (CEMAC)
Olivier Beguy

To cite this version:

BANCAIRE DANS LA COMMUOlivier Beguy. TROIS ESSAIS SUR LA SURLIQUITE
NAUTE ECONOMIQUE ET MONETAIRE DAFRIQUE CENTRALE (CEMAC). Economies
et finances. Universite dAuvergne - Clermont-Ferrand I, 2012. Francais. <tel-00679471>

HAL Id: tel-00679471

https://tel.archives-ouvertes.fr/tel-00679471
Submitted on 15 Mar 2012

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est

destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

Universit dAuvergne Clermont-Ferrand I

Facult des Sciences Economiques et de Gestion
Centre dEtudes et de Recherches sur le Dveloppement International (CERDI)

TROIS ESSAIS SUR LA SURLIQUIT BANCAIRE DANS LA COMMUNAUTE

ECONOMIQUE ET MONETAIRE DAFRIQUE CENTRALE (CEMAC)

Thse Nouveau Rgime

Prsente et soutenue publiquement le 16 fvrier 2012
Pour lobtention du titre de Docteur s Sciences Economiques
Par
BEGUY Olivier
Sous la direction de
M. Jean-Louis Combes, Professeur, Universit dAuvergne
M. Samuel Guerineau, Maitre de confrences HDR, Universit dAuvergne

Membres du jury:
M. Gilles Dufrnot, Professeur, Universit Aix-Marseille 2
M. Christian Aubin, Professeur, Universit de Poitiers
M. Gervasio Semedo, Maitre de confrences HDR, Universit de Tours
M. Jean-Louis Combes, Professeur, Universit dAuvergne (CERDI)
M. Samuel Guerineau, Maitre de confrences HDR, Universit dAuvergne (CERDI)

LUniversit dAuvergne Clermont 1 nentend donner aucune approbation ni

improbation aux opinions mises dans la thse. Ces opinions doivent tre
considres comme propres lauteur.

ii

iii

Remerciements
Pour achever cette thse, dimportantes contributions ont t mises ma disponibilit. Pour
preuve de reconnaissance, cest le lieu ici de remercier tous ceux qui mont aid de prs ou de
loin laccomplissement de cette tache.
Avant tout, je tiens exprimer ma profonde gratitude Jean-Louis Combes et Samuel
Guerineau pour lencadrement de cette thse. Ils nont mnag aucun effort pour me soutenir,
morienter, me conseiller et mencourager pendant toutes ces annes. Leur implication active
et constante ont t dterminants pour laccomplissement de cette thse.
Merci tous les membres du jury davoir accept den faire partie et pour leurs apprciations.
Je remercie sincrement Inessa Love qui ma fourni son programme destimation des modles
VAR en panel utiliss dans le Chapitre III. Je remercie galement Rotoudjimbaye Thophile
qui ma initi au logiciel R. Son apport ma permis dlaborer les prvisions baysiennes.
Je tiens remercier vivement toute lquipe denseignants chercheurs du CERDI. Je remercie
galement lensemble du personnel administratif du CERDI pour leurs appuis logistiques
durant ces annes de thse. Je pense notamment Annie Cuer, Solange Debas et Lina
Lacroix.
Je remercie galement les Doyens de lUniversit de Ndjamena qui se sont succd pendant
le droulement de la thse savoir Djikoloum Benjamin et Abba Danna pour mavoir donn
lautorisation de me rendre plusieurs fois Clermont Ferrand poursuivre mes travaux. Il en est
de mme pour Jean-Claude Brou, Jan Walliser et Raju Singh, mes chefs hirarchiques la
Banque Mondiale qui mont autoris venir soutenir cette thse.
Je tiens remercier aussi tous les collgues et amis de Clermont Ferrand qui mont aid
passer un sjour agrable en Auvergne. Je pense notamment Romuald Kinda, Bokilo
Christian Fred, Ousmane Aboubakar, Ndjilkodje Patrice, Hissein Djaldi, Boel Taro, Aristide
Mabali, Christian Guerd, Eric Djimeu, Tamib Pofinet, Outhman Hamdan, Salomon
Allaramadji. Je noublie non plus mes parents de Lyon, particulirement la famille dEvariste
Djimasd ainsi que Desir Neld, Honor Nodjibeye et Madjirangue Djimremadji. Tous mes

iv

remerciements vont aussi spcialement la famille de Mbaissin Moita Yabao qui ma

toujours accueilli chaleureusement pendant mes sjours Paris.
Je noublie non plus mes parents, proches et amis du Tchad qui nont cess de mencourager
fortement pour lachvement de cette thse pendant les moments de doute. Je tiens exprimer
toute ma reconnaissance et mes remerciements mes frres et surs Angle, Dotom,
Djimounoum, Rodrigue et Arnaud, pour leur amour, leur patience, leur soutien indfectible
durant toutes ces longues annes dtudes. Jai naturellement une pense profonde pour mon
pre partie trop tt, mais qui ma tant difi et ma mre dont la dtermination pour la russite
de ses enfants demeure un modle prenniser. Je leur ddie cette thse.
Je voudrai autant remercier tous mes collgues enseignants chercheurs de la Facult de Droit
et des Sciences Economiques de lUniversit de Ndjamena, particulirement Reounodji
Madji Cyrille, Ousmane Ada, Younous Abdoulaye, Mouta Djirabi, Mogod Nadine, Thierry
Mamadou Asngar, Rimabaye Gabriel, Tawfick Djarma, Awat Hissein, Alfarouk, Kosseimi
Issa Djibrine.

Enfin, je tiens exprimer ma gratitude envers tous mes amis de longue date qui ont eu
partager avec moi mes moments de tristesse et de bonheur depuis mon enfance. Je pense
singulirement feu Vidal dont la mort prmature nous a normment affects. Tous mes
remerciements Chris_Kedy, Christian, Lipelba, Guilou III, Carlos, Beosso, Alexis, Alain,
Eric, Fata, Vridao, Herv, Sylvain, Gordon, Djinodji, Mbaitetroh, Beassoum, Sarah, Erudyce.
Jen oublie sans doute.

vi

A mes parents

BEGUY MBAIOLO et KOUTOU NDIGRADE

vii

viii

Rsum
Cette thse sarticule autour de trois essais consacrs lanalyse de la surliquidit bancaire
dans les pays de la CEMAC. Le premier essai a cherch identifier les dterminants de la
surliquidit des pays membres de la CEMAC sur la priode de 1985 2002. Lestimation
GMM utilis a permis de montrer que la surliquidit en Afrique Centrale drive la fois du
comportement de prcaution des banques commerciales et des facteurs exognes. La grande
prudence des banques peut sexpliquer par lexprience de la crise financire des annes
1980, la restructuration du systme bancaire, linstabilit des dpts et un contexte
conomique trs risqu. Lembellie du cours du ptrole alimente les rserves excdentaires
due la faible capacit dabsorption des pays de la zone. Dans le deuxime essai, il a t
question didentifier les canaux de transmission les plus oprationnels en Afrique Centrale. La
modlisation VAR a permis de montrer que le taux dintrt est le canal le plus faible. Cest
prcisment la carence dun march financier qui ne permet pas dassurer le rle de recyclage
de la liquidit bancaire et de la transmission de la politique montaire. Dans le troisime essai,
a t labor un modle de prvision dinflation dans un des pays membres de la CEMAC
savoir le Tchad. Les modles BVAR se sont rvls en Afrique Centrale tre plus efficaces
que les outils traditionnels (AR, ARIMA, VAR). Lanalyse de sensibilit entreprise par
lapproche bayesienne indique que la surliquidit exercerait des tensions inflationnistes dans
la zone.

Mots-clefs : Surliquidit, GMM, canaux de transmission, VAR, prvision, inflation, politique

montaire, BVAR, BEAC, CEMAC.

ix

Abstract
This thesis is based on three essays focused on analysis of the excess liquidity in the CEMAC
countries. The first one identifies the determinants of excess liquidity in developing countries
by studying the case of CEMAC member countries from 1985 to 2002. The GMM estimator
used has shown that the excess liquidity in Central Africa derived from both the prudence of
commercial banks and exogenous factors. The precaution of Commercial Banks can be
explained by the financial crisis in 1980s, the restructuring of the banking system, the
instability of deposits and a very risky economic environment. The increasing in oil prices
fueling excess reserves due to the low absorption capacity of countries in the region. In the
second essay, it was discussed the transmission channels in Central Africa. The VAR model
used has shown that the interest rate channel is the lowest. This is exactly the lack of a
financial market that does not allow ensuring the function of the recycling of liquidity and the
transmission of monetary policy. At the last essay, it was developed a forecasting model of
inflation in Chad which is member of CEMAC countries. BVAR models have been shown in
Chad to be more effective than traditional tools (AR, ARIMA and VAR). A sensitivity
analysis undertaken by the Bayesian approach indicates that the excess liquidity would exert
inflationary pressures.

Keywords: Excess liquidity, GMM, transmission channels, VAR, forecasting, inflation,

monetary policy, BVAR, BEAC, CEMAC.

xi

Sommaire

CHAPITRE I : INTRODUCTION GENERALE ................................................ 1

CHAPITRE II : LES DETERMINANTS DE LA SURLIQUIDITE DANS LES

PAYS EN DEVELOPPEMENT : CAS DE LA CEMAC .................................. 31

CHAPITRE III : IDENTIFICATION DES CANAUX DE TRANSMISSION DE

LA POLITIQUE MONETAIRE DE LA BEAC : UNE APPROCHE PAR LA
MODELISATION VAR ..................................................................................... 62

CHAPITRE IV : PREVISION DE LINFLATION AU TCHAD : UNE

APPROCHE BAYESIENNE ............................................................................ 104

CONCLUSION GENERALE ........................................................................... 137

xii

xiii

CHAPITRE I : INTRODUCTION
GENERALE

La Communaut Economique et montaire dAfrique Centrale (CEMAC) a pour vocation de

complter la coopration montaire existante par la constitution dun espace conomique
unifi, fond sur lharmonisation graduelle des politiques conomiques et de lenvironnement
juridique (Banque de France, 2009). Elle se prsente comme une zone montaire dans laquelle
lunicit de la monnaie a devanc toutes les autres tapes de la mise en place dun march
commun. L'intgration montaire n'a pas t suffisante pour compenser des handicaps
structurels majeurs : une structure d'exportation centre sur des produits peu transforms, des
infrastructures insuffisamment dveloppes, des marchs troits et de nombreux obstacles aux
changes. Cette Union Montaire appartient la zone franc qui est caractrise par un modle
de coopration montaire assez singulier1. La zone franc a t formellement cre en 1939
dans le cadre des mesures lies la dclaration de guerre par un dcret instituant une
lgislation des changes pour tous les territoires de lempire colonial franais (Guillaumont et
Guillaumont, 2002). Le contour gographique de cette zone sest modifi au fil du temps, car
on a assist des sorties et des entres de certains pays. La zone franc comprenait ses
dbuts, la France et la plupart de ses colonies. De nos jours, la zone franc comprend en plus
de la CEMAC en Afrique Centrale, les pays membres de lUEMOA en Afrique de lOuest et
les Comores (Cf. Annexe Figure 1.1). La CEMAC, objet de notre tude, sest substitue ainsi
lUnion Douanire des Etats de lAfrique Centrale (UDEAC). Les Etats membres entendent
ainsi passer dune situation de coopration qui existe dj entre eux une situation dunion
susceptible de parachever le processus dintgration conomique et montaire2. Dans la zone,
la surveillance multilatrale a t mise en place 1994. Elle consiste, selon les textes
fondateurs, pour les Etats de la CEMAC, tablir les procdures permettant de respecter les
rgles communes de coordination des politiques conomiques nationales, notamment en
matire budgtaire. La surveillance multilatrale vise, travers la dfinition des critres de
convergence, renforcer la cohrence entre les variables de la politique montaire et celles de
la politique budgtaire (Policy mix). Cependant selon Dufrenot (2009), la policy mix est
difficile mettre en uvre dans une union montaire quand chaque pays membre poursuit ses
propres objectifs. Cest ainsi que les pays appartenant cette union montaire, narrivent
pas toujours respecter les critres de convergence3 et les rsultats macroconomiques
diffrent relativement dun pays un autre. Lexamen de la situation de la convergence, au 31

RelationdeCooprationmontaireNordSuduniqueaumonde.
Article1dutraitinstituantlaCEMAC
3
Lesquatre(4)critressont: SoldebudgtairedebaserapportauPIBnominal>=0%; Tauxdinflationannuel
moyen<=3%;encoursdeladetteintrieureetextrieurerapportauPIBnominal<=70%;Nonaccumulation
desarrirsintrieursetextrieurs.
2

dcembre 2009, montre que seul le Gabon a respect les quatre critres de convergence, les
autres pays de la zone en respectant deux, lexception du Tchad (un seul critre)4. Les
conomies de la sous rgion se distinguent aussi relativement dun pays un autre mais ont
peu dchanges commerciaux entre elles. Cette situation sexplique par le fait quils sont tous
sans exception spcialiss dans les produits primaires.
Cet espace conomique pesait en 2008 en termes de PIB, 34069 milliards de franc CFA et
contenait 39,4 millions de population. Quand on observe les indicateurs macroconomiques
depuis lan 2000, le taux de croissance conomique demeure toujours au dessus de 3% avec
un pic en 2004 (6,6%) prcisment d au secteur ptrolier qui a connu pendant cette anne
une croissance de 20,1%. Bien que le relvement du rgime dinflation depuis dix ans soit
utilis comme argument de lintrt de la question de lefficacit de la politique montaire on
constate nanmoins que le taux dinflation a dpass le seuil de 3% en 2001(4,4%), 2006
(5,4%) et continue daller au-del depuis 2008 (5,9%)5 (Cf. Annexe Figure 1.3). Cette
situation illustre ainsi que le problme principal concernant la stabilit montaire demeure
entier dans la zone et pose ainsi la question de lefficacit de linstitut dmission. Pourquoi la
politique montaire semble inoprante dans la zone et comment y remdier ? Notre travail de
thse cherche apporter des lments de rponse ces questions.
Nous proposons plus exactement des analyses conomtriques pour lefficacit de la politique
montaire en nous focalisant sur les origines de la surliquidit, les canaux de transmission et
la prvision de linflation qui demeure la cible des autorits montaires. Dans ce qui suit nous
essayons dabord didentifier les difficults qui entravent lefficacit de la politique montaire
en Afrique Centrale. Ensuite, nous avons cherch dterminer les dfis relever par les
autorits montaires pour rendre la politique de la BEAC plus efficace. Nous terminons ce
chapitre introductif par un rsum des principales contributions de ce travail de thse.

1.1 Les difficults de la politique montaire en Afrique Centrale

La politique montaire dans cette zone, qui a vraiment pris son envol partir de 1972
(Godeau, 1996) est rgie par la Banque des Etats de lAfrique Centrale (BEAC). Cette
dernire avait dabord pratiqu une politique axe sur le dveloppement pour soutenir le

4
5

BanquedeFrance(2009)
Sources:AdministrationsNationales,FMIetBEAC

contexte macroconomique des pays membres (Banque de France, 2002). La BEAC parvenait
entre temps maitriser efficacement les tensions inflationnistes dans la zone. Cependant cela
lui a valu nanmoins quelques critiques de la part de certains auteurs qui considrent que le
niveau dinflation entretenue par la zone tait trop bas pour stimuler la croissance. la zone
franc suscitait un biais anti-inflationniste excessif, car selon Devarajan et Rodrik (1991, pp
23), les rsultats de croissance court terme auraient pu tre amliors si les autorits
montaires staient autorises 1,5% dinflation annuelle supplmentaire pour rapprocher le
PIB de son niveau potentiel .
Il est intressant de rappeler que la politique montaire de la BEAC est pratique dans le
cadre de la zone franc. La zone franc a t formellement cre en 1939 dans le cadre des
mesures lies la dclaration de guerre par un dcret instituant une lgislation des changes
pour tous les territoires de lempire colonial franais (Guillaumont et Guillaumont, 1984).
Cest une union montaire regroupant tous les pays qui utilisent le franc6 comme monnaie ou
qui en ont arrim leur monnaie et y gardent lessentiel de leurs avoirs extrieurs. Cependant
en 1972 et 1973, en prlude la crise du systme montaire international et la volont des
Banques Centrales des pays africains de la zone franc de renforcer leur pouvoir et leur
domaine dintervention, ont t sign de nouveaux accords de coopration montaire. Ce sont
des rgles, dfinies par ces accords, qui rgissent mme actuellement le fonctionnement de la
zone franc, malgr lavnement de lEuro. Les principes manant de ces accords sont les
suivants :
La parit fixe du franc CFA : elle fixe les modalits respecter pour prserver la
valeur externe de la monnaie. A dfaut de lliminer compltement, la parit fixe permet de
rduire un risque ventuel concernant les oprations de change. De ce fait la France scurise
les sources dapprovisionnement en les soustrayant des alas de la spculation et des
fluctuations des prix. Le taux de change fixe garantit galement aux africains des gains stables
dans leurs oprations dexportation, surtout que la France est lun des principaux partenaires ;
La garantie de convertibilit illimite du franc CFA en franc franais et aujourdhui en
euro : la France sous certaines conditions, pourra avancer des fonds pour viter aux pays
africains de la zone franc une crise de liquidit lorsque leurs comptes doprations sont

Lapicedorfranaisedunfrancauraittcrele5dcembre1360,aupoidsde3,877gdorfin(dAlmeida,

1999).

dficitaires, pour assurer le maintien de leurs activits extrieures. En cas de dficit du compte
d'opration, des mesures de politique montaire restrictives, portant sur les taux d'escompte et
les plafonds de rescompte notamment, doivent tre prises.
La libre transfrabilit : lapplication de ce principe donne la possibilit aux expatris
de rapatrier de manire scurise leurs bnfices commerciaux, et facilite pour les locaux, les
changes montaires et financiers entre la France et les pays africains de la zone franc,
notamment dans le cadre de partenariats commerciaux ou mme de transfert de technologie ;
La centralisation des rserves de change : ce principe sopre dans un compte vue dit
compte dopration ouvert auprs du Trsor franais. Ces avoirs extrieurs domicilis dans le
compte dopration reprsentaient au dbut 65% des devises captes par les exportations des
pays africains membres de la zone franc. Ce taux a t rduit provisoirement 55% en juillet
2008 pour stablir dornavant 50% partir de juillet 2009.

Ces principes sappliquent dans la zone grce une organisation sappuyant sur les lments
suivants :
Le compte dopration cit ci-dessus ;
Le compte de correspondant log la Banque de France. Compte tenu du fait
que le Trsor franais ne peut crer de la monnaie, il assure la convertibilit du
franc CFA grce ce compte ;
Les Banques Centrales ont pour rle de mettre en uvre, de superviser et de
coordonner les actions de cette politique.

Encadr 1. 1 : Schma simplifi du circuit montaire franc CFA dAfrique Centrale

BEAC

Transfertdefondsdemands

Comitnationalmontaire
etfinancier

Comptedopration

Bailleursde
Fonds

Misedispositiondesfonds
PAYSdelaCEMAC

Comptedecorrespondant
Opration de conversion si besoin

Demandedefinancement

Comitnational

Misedispositiondesfonds

BANQUEDEFRANCE

MinistredesFinances

BEAC

TRESORFRANAIS

Demandedemisedisposition
desfonds

TRESORFRANAIS
Comptedopration

montaireetfinancier

Source : OMGBA, ENJEUX, N19, Avril-Juin 2000

Dans tout le systme, cest le principe du compte dopration, contrepartie de la garantie de la
convertibilit illimite, qui retient plus lattention de la plupart des auteurs. Pour Pouemi
(1980), le compte dopration nest rien dautre quune expression curieuse, mystrieuse,
inconnue du monde des conomistes, mais brviaire de tous les financiers des Etats membres.
A partir de 1990, conscutivement la crise conomique suivie de la crise financire la fin
des annes 1980 et surtout face lintransigeance des institutions financires internationales,
les autorits montaires taient obliges

de reformer le secteur en passant ainsi de la

rpression la libralisation financire pour ne retenir la fin quun seul objectif savoir la
stabilit montaire. La libralisation financire sinscrivait ainsi dans la logique dune large
gamme de reformes impulse par les institutions de Bretton Woods. Ces reformes taient
constitues entre autres, dune nouvelle srie de taux dintrt, de lintroduction du march
montaire, de la cration de la Commission Bancaire dAfrique Centrale (COBAC)7, de la
mise en place de la programmation montaire (Cf. Annexe) sans oublier la dvaluation du
franc CFA de 1994.

Cf.Encadr1.2

Conformment aux nouveaux statuts de la BEAC, lobjectif dornavant poursuivi est la

stabilit montaire dfinie par une faible inflation et une couverture extrieure de la monnaie
dau moins 20% (Cf. Annexe). Plus question pour les autorits montaires de sencombrer
dobjectif de croissance qui demeure nanmoins, incontestablement, un facteur crucial de
dveloppement de tout pays pauvre. Pour atteindre lobjectif final de stabilit montaire, deux
objectifs intermdiaires ont t retenus. Il sagit des crdits lconomie et de lagrgat
montaire M2. Labsence de marchs financiers trs dvelopps, peut encourager les banques
centrales utiliser les agrgats montaires, les crdits ou les autres composantes de son bilan
comme indicateurs ou objectifs intermdiaires de la politique montaire (Schaechter, 2001).
En ayant lil ces grandeurs montaires, la BEAC utilise grce aux reformes successives
des instruments indirects en intervenant travers la politique de refinancement sur loffre de
monnaie centrale et travers les rserves obligatoires sur la demande de monnaie centrale. La
BEAC arrte ainsi, un objectif de refinancement reprsentant la limite maximale des avances
quelle est dispose accorder au march montaire. Suivant les objectifs de la politique
montaire, la BEAC accorde des avances un taux dintrt fixe (taux dintrt des appels
doffres ou TIAO) (Cf. Annexe Figure 1.2). Par contre, la liquidit est ponctionne, par le
biais des appels doffres ngatifs, un taux dintrt appel le Taux dintrt sur les
placements ou TISP.
Ces reformes ont contribu largement assainir le systme financier8 de la zone (Cf. Annexe
Tableau 1.2) et stabiliser efficacement le niveau dinflation (Elbadawi et Nadj, 1996) en
Afrique Centrale pendant quelques annes. Le secteur bancaire est devenu globalement
rentable aussi (Hugon, 2006), mais il existe des disparits en fonction des pays membres
(FMI, 2005). Cependant il faut noter quelles ont engendr aussi des effets inattendus tels que
lmergence de la microfinance et la forte augmentation de la liquidit. Cest cette dernire,
particulirement qui retient notre attention.
Do viendrait cette surliquidit qui tend devenir quasi structurelle ? En plus de la
prcaution du systme bancaire, dautres facteurs tels que les opportunits limites et des
chocs exognes sont mis en exergue. La prcaution du systme bancaire a engendr une forte
prudence des Banques Commerciales qui prennent dornavant assez de prcautions pour se
conformer aux ratios prudentiels engendrs par la rforme et entretiennent un certain effet
de mmoire dans leurs comportements suite la crise financire vcue dans les annes 1980.

PlusfaibleauniveaudelaCEMACquedanslesautrespaysafricains(FMI,2005)

Encadr 1. 2: Les diffrents pouvoirs de la COBAC

La COBAC dispose de comptences et de pouvoirs divers en matire de rglementation et
dorganisation de lactivit bancaire, dont les plus importants sont :
- le pouvoir administratif : la COBAC est charge de dlivrer des avis conformes dans les
procdures dagrment et dautorisation individuelles qui restent la prrogative des autorits
montaires nationales. La COBAC peut prendre des mesures conservatoires en mettant un
tablissement de crdit sous le rgime dadministration provisoire et est habilite nommer
un liquidateur dans les tablissements qui cessent dtre agrs.
- le pouvoir rglementaire : La COBAC dispose de toutes les comptences pour dfinir le
plan et les procdures comptables applicables aux tablissements de crdit, et les normes
prudentielles de gestion (ratios de solvabilit, de liquidit, de division des risques, de
transformation, de couverture des immobilisations par les ressources permanentes, etc.). Le
dispositif prudentiel de la COBAC a t largement inspir des principes dicts par le Comit
de Ble sur le contrle bancaire en sappuyant sur les spcificits des conomies des pays
membres.
- le pouvoir de contrle : la COBAC veille ce que la rglementation bancaire soit respecte
par les tablissements de crdit. Pour ce faire, elle organise et exerce, par l'intermdiaire de
son Secrtariat Gnral, des contrles sur place et sur pices de ces tablissements. Elle est
habilite diligenter toutes les vrifications commandes par lurgence et elle rend
simplement compte aux Autorits montaires nationales des rsultats des enqutes. Les
membres de la COBAC et les personnes habilites agir en son nom son tenus au secret
professionnel.
- Le pouvoir de sanction : la COBAC est galement un organe juridictionnel et peut
intervenir titre disciplinaire, sans prjudice des sanctions que pourront prendre les Autorits
judiciaires nationales. Les sanctions prvues sont : lavertissement, le blme, linterdiction
deffectuer certaines oprations ou toute autre limitation dans lexercice de lactivit bancaire,
la suspension ou la rvocation des commissaires aux comptes, la suspension ou la dmission
doffice des dirigeants responsables et enfin, le retrait dagrment de ltablissement.
Source : BEAC
Ensuite, labsence dun march de titres et lexistence des avances aux trsors nationaux,
noffrent pas beaucoup de possibilits aux Banques Commerciales de dtenir des actifs
rmunrateurs, et ainsi elles se contentent daccumuler plutt des liquidits excdentaires.
Enfin, la dvaluation du franc CFA de 1994, en entrainant lamlioration des recettes
dexportations (ce qui induit lentre des devises) et le rapatriement des capitaux, a contribu,
elle aussi, la surliquidit structurelle du systme bancaire de la zone (FMI, 2006). En Outre
le renchrissement du cours du brut a entrain un afflux important de la liquidit dans les pays
8

membres de la CEMAC exportateurs du ptrole9. Cette surliquidit a affaiblit davantage la

situation de la BEAC qui fait malheureusement face une tension inflationniste ces dernires
annes. Saxegaard (2006) a indiqu que la surliquidit affaiblit les canaux de transmission
dune Banque Centrale. Pour ponger cette surliquidit, la BEAC a mis en place un
mcanisme des rserves obligatoires qui prouve nanmoins des difficults tre efficace.
Dailleurs Nissanke et Aryeetey (1998) ont prcis quen situation de surliquidit le
mcanisme des rserves obligatoires demeure compltement inefficace. Il faut reconnaitre
quen passant dun contrle direct un contrle indirect de la liquidit bancaire, avec la
cration dun march montaire, les effets de la politique montaire peuvent se rvler moins
prcis en Afrique Centrale.
La BEAC se retrouve ainsi face un dfi majeur quelle doit relever afin de permettre aux
Etats membres de respecter le seuil de 3% dinflation inscrit dans les critres de convergence.

1.2 Les dfis relever par les autorits montaires

Les diffrents enjeux pralablement exposs et les constats tablis soulvent de nombreuses
questions qui constituent les principales problmatiques de la thse. En premier lieu, il
convient de savoir quelles sont les origines du phnomne de la surliquidit qui a survenu
depuis quelques annes en Afrique Centrale et tend devenir totalement structurel. Il sagit en
fait didentifier ses dterminants principaux afin de pouvoir lendiguer car elle est souvent
considre comme un facteur daffaiblissement des canaux de transmission pouvant rendre
impuissante la Banque Centrale. Dans la littrature conomique, des controverses subsistent
sur le caractre involontaire ou non de laccumulation de la surliquidit par les Banques
Commerciales. Les modles de la gestion des risques de liquidit, en rapport avec les
rserves, ont t largement exposs dans la littrature par Baltensperger (1974), Santomero
(1984) et Swank (1996). Agnor, Aizenman, et Hoffmaister (2004) en sinspirant du modle
de Baltensperger (1974) postulent thoriquement quun accroissement du taux de pnalit, ou
de la volatilit de la production, augmente le niveau de rserves dtenus par les Banques
Commerciales.

ApartlaCentrafrique,touslesautrespaysmembressontexportateursdeptrole.

En Afrique Centrale, laccumulation des recettes ptrolires, ltroitesse du march

interbancaire, les faibles niveaux de bancarisation et des marchs financiers

peuvent

permettre de postuler que la surliquidit est totalement indpendante de la volont des

Banques Commerciales. Cependant, ces dernires, comme voqu ci-dessus, ont aussi en
mmoire la grave crise des annes 1980, et en outre face lincertitude et aux risques
encourus, elles peuvent dtenir des actifs liquides volontairement pour des motifs de
prcaution.
La seconde question centrale concerne les mcanismes de transmission de la politique
montaire qui poursuit pour but ultime la stabilit montaire malgr les dfis importants
auxquels elle fait face. Les canaux de transmission de la politique montaire, qui se trouvent
tre des mcanismes par lesquels une dcision de politique montaire, en affectant le
comportement des agents conomiques, agit sur la croissance et les prix, constituent des
processus trs complexes. On distingue le canal du taux dintrt, le canal des prix dautres
actifs et le canal du crdit. Les canaux du taux dintrt constituent le principal mcanisme
keynsien de transmission de la politique montaire. Selon Taylor (1995) lexprience a
montr que les taux dintrt ont une influence considrable sur les dpenses de
consommation et dinvestissement, ce qui en fait un parfait mcanisme de transmission de la
politique montaire. Cependant Bernanke et Gertler (1995) affirment quil nest pas du tout
facile de montrer empiriquement que le taux dintrt a une influence considrable. En outre,
la principale critique labore, lencontre de lanalyse keynsienne, repose sur le fait,
quelle ne retient pas le prix des autres actifs financiers (taux de change, cours des actions)
part le taux dintrt. Ito et Sato (2006) montrent quen Indonsie, la rponse des variables
de la politique montaire en prsence des chocs de taux de change, tait statistiquement
significative. Cependant, selon Caballero et

Krishnamurthy (2004), en priode de crise

externe dans les pays en transition, la politique montaire expansionniste exacerbe la

dprciation du taux de change et a ainsi peu deffet sur lactivit relle. Le dernier canal qui
concerne celui du crdit bancaire est fond sur lide que les banques jouent un rle
spcifique au sein du systme financier, car elles sont particulirement bien places pour
rsoudre les problmes dasymtrie dinformation sur les marchs de crdit (Mishkin, 1996).
Dans le contexte des pays en dveloppement, les canaux que lon pourrait prendre compte
concerneraient prcisment le canal du taux dintrt et celui du crdit, car la zone entretient
un taux de change fixe avec lEuro et son march financier est quasi inexistant. Cependant, en
10

ce qui concerne le canal du taux dintrt, il existe presquun consensus quil est difficilement
oprationnel dans un tel contexte. Dabord, la prsence des banques filiales de multinationales
qui entretiennent des relations verticales avec leur maison mre fausse le jeu de la Banque
Centrale (Hugon, 2006). En plus, dans le secteur rel, leffet de la politique montaire est
difficilement apprhendable du fait que la majeure partie de la population se trouve dans le
secteur agricole et naccde pas ainsi au systme financier traditionnel. Par consquent
lautoconsommation ainsi que lauto investissement demeurent encore prpondrants dans ces
conomies.
Dans le contexte de la BEAC, en intgrant le problme dasymtrie dinformation, qui gnre
lala moral et la slection adverse, les canaux du crdit ou de la masse montaire10 ne
peuvent-ils pas sembler les mieux adapts pour rendre efficace la politique montaire ? Etant
donn que le franc CFA est arrim leuro, le canal du taux de change ne relve pas de la
politique montaire de la BEAC.
Enfin, la dernire question et non la moindre concerne la prvision du niveau des prix qui doit
samliorer afin de rendre les autorits montaires plus proactives, car la pression
inflationniste constate ces dernires annes loigne de plus en plus la BEAC de son objectif
principal. Il sagit ici de ne pas seulement sarrter sur loprationnalit des canaux existants,
mais didentifier dans quelle mesure, dvelopper une certaine capacit rendre plus proactive
les autorits montaires. La gestion de la politique montaire requiert une trs bonne
anticipation afin de permettre aux dcideurs de prvoir et de mettre sur pied des mcanismes
permettant datteindre les objectifs fixs. Cependant, en plus du trs faible niveau financier de
la zone, la surliquidit en affaiblissant les canaux de transmission de la politique montaire
vient rduire davantage les marges de manuvre de la BEAC, face un ventuel choc
inattendu sur le niveau dinflation. Cet vnement, comme dcrit prcdemment,

occasionn plusieurs ractions de la BEAC, qui narrivent pas contenir le phnomne. On

peut citer entre autres, les variations des coefficients de rserves obligatoires dans le temps et
entre les pays, ainsi que la diminution de leur taux de rmunration. Malgr ces interventions,
la surliquidit prend toujours de lampleur au fil du temps et ainsi laisse craindre le pire pour
lavenir de la stabilit montaire dans la zone. En outre, les rcentes crises alimentaire et
nergtique sont susceptibles de crer des tensions inflationnistes que les autorits montaires

10

M2illustreleschocsdoffreetdedemandedemonnaie,tandisquelecrditintrieurpermetdvaluer
limportanceducanalducrdit.

11

sont supposes tre capables de maitriser. Comment laborer alors dans ce contexte, des
modles performants qui permettraient aux autorits de la BEAC de faire preuve dune
certaine proactivit afin dassurer la stabilit montaire de la zone ?

1.3 Les Principaux rsultats

Lobjectif de cette thse est dapporter des lments de rponse aux questions exposes cidessus et de proposer des solutions envisageables pour lAfrique Centrale. Elle est pour cela
organise en trois chapitres.
Le premier chapitre, a pour objet danalyser le phnomne de la surliquidit et didentifier
surtout ses principaux dterminants dans le contexte de la CEMAC. En affaiblissant les
canaux de transmission, la surliquidit que connaissent les pays membres de la CEMAC, peut
contribuer mettre en mal la politique montaire de la BEAC. Cest eu gard ce constat
quil a t jug important danalyser le phnomne en identifiant surtout ses principaux
dterminants. Notre modle qui sinspire des travaux raliss par Agnor, Aizenmann et
Hoffmaister (2004) et Saxegaard (2006) prend en compte deux groupes de variables
reprsentant les origines volontaires et les causes involontaires de dtention de rserves en
excs par les banques commerciales. Cependant, la diffrence de Saxegaard, nous
utiliserons un modle en panel dynamique afin de prendre en compte lhtrognit de
certains phnomnes dans les diffrents pays membres de la CEMAC. Lutilisation des
mthodes GMM nous a permis de dceler que la surliquidit dans la CEMAC proviendrait
la fois de la forte prudence

des banques commerciales et des facteurs exognes,

principalement le cours du ptrole. La grande prudence des banques peut sexpliquer par
lexprience de la crise financire des annes 1980, la restructuration du systme bancaire,
linstabilit des dpts et un contexte conomique trs risqu. Lembellie du cours du ptrole
alimente les rserves excdentaires cause de la faible capacit dabsorption des pays de la
zone. Les autorits montaires, pour enrayer le problme peuvent acclrer le dveloppement
des oprations dopen-market par lmission des titres publics, la diminution puis la
suppression des avances aux trsors nationaux, qui peuvent tre remplaces par lmission des
bons et des obligations du trsor. Les diffrents Gouvernements peuvent encourager les
banques octroyer plus de crdits en accordant un bonus fiscal, en crant un fonds de garantie
ou en procdant une recapitalisation. Il faut aussi remarquer que le dveloppement des
12

marchs financiers est fondamental pour le financement de la dette publique, et surtout pour
lefficacit de la politique montaire.

Dans le deuxime chapitre, il a t question de chercher revisiter les canaux de transmission

proposs par la BEAC. Etant de plus en plus confronte au problme de la surliquidit, la
BEAC voit ainsi son pouvoir diminu, travers la baisse du niveau de refinancement. Dans
ces conditions, il est judicieux de dterminer les canaux de transmission qui marchent le
mieux, afin doptimiser profondment la politique montaire pour lensemble des pays de la
zone CEMAC. La modlisation VAR utilise a permis de montrer que le taux dintrt est le
canal le plus faible. La masse montaire entretient une forte relation avec le niveau de la
production. Le canal du crdit nest oprationnel quau Cameroun. En plus de la modlisation
VAR simple, nous avons cherch renforcer nos rsultats en utilisant le modle VAR en
Panel. Lunicit des objectifs et des critres de convergence peut imposer de prendre en
compte dans une tude de la zone, les diffrentes caractristiques des pays dans leur ensemble
car la CEMAC est dirige malgr tout, par une Banque Centrale commune. En outre
techniquement, lajout de la dimension pays permet daccroitre le nombre de donnes (donc le
degr de libert), (Hurlin et Mignon, 2007). Ensuite, cela permet de contrler lhtrognit
individuelle des pays membres de la CEMAC, et didentifier des effets qui ne peuvent pas
tre dtects par une simple srie de donnes temporelles ou en coupe transversale. Le
modle VAR en panel utilis vient confirmer les rsultats des estimations antrieures qui
montrent que le taux dintrt est le canal le moins oprant.
Au troisime chapitre, un modle de prvision de linflation tenant compte de ces difficults
est construit. Cest pour cela que notre choix sest port sur le Tchad qui sattendait recevoir
dnormes entres de devises partir de 2003 suite au dmarrage de la production du ptrole.
Pour atteindre notre objectif, nous avons utilis plusieurs modles de prvision en allant de
simples modles autorgressifs (AR, ARIMA, SARIMA) aux modles de prvision
bayesienne (BVAR) en passant par les diffrents VAR (vecteurs autorgressifs). Lapproche
bayesienne est gnralement considre comme un outil permettant damliorer sensiblement
la prcision dans le domaine de la prvision. Elle consiste en une mthode statistique
combinant les priori du modlisateur, provenant de la thorie conomique, et linformation
contenue dans les donnes (Lardic et Priso, 1996).

13

Cet outil, a permis dexplorer un nouveau champ de prvision pour les conomies des pays en
dveloppement, malgr la problmatique de la qualit et de la fiabilit de leurs donnes
macroconomiques. Les modles BVAR se sont rvls dans le cas du Tchad tre plus
efficaces que les outils traditionnels (AR, ARIMA, VAR) dans les prvisions de court terme.
Lanalyse de sensibilit entreprise par lapproche bayesienne indique que la surliquidit
exercerait des tensions inflationnistes dans la zone.

Lapport de la prsente thse se situe plusieurs niveaux. Cette thse a permis pour la
premire fois didentifier les dterminants de la surliquidit en Afrique Centrale grce des
donnes de panel, et lestimateur de la Mthode des Moments Gnraliss en panel
dynamique qui permet de contrler pour les effets spcifiques pays et temporels et de pallier
aux biais dendognet des variables explicatives (Bond, 2002). Une des innovations dans ce
chapitre a consist dmontrer empiriquement que les variables reprsentants les motifs
involontaires de la dtention des rserves agissent sur la surliquidit travers les motifs de
prcaution Au chapitre II, nous avons innov en utilisant pour la premire fois pour
lidentification des canaux de transmission un modle combinant la fois les approches VAR
et panel qui permettent de contrler lhtrognit individuelle des pays membres de la
CEMAC, et didentifier des effets qui ne peuvent pas tre dtects par une simple srie de
donnes temporelles ou en coupe transversale. Enfin au dernier chapitre nous sommes passs
des outils traditionnels de prvision (AR, ARIMA, SARIMA, VAR) vers une approche
bayesienne. Cette dernire permet aussi dvaluer limpact dune intervention des dcideurs
ou dun choc affectant lconomie dun pays ou dune zone montaire (Leeper et Zha, 1996 ;
Sims et Zha, 1998 ; Brandt et Freeman, 2005). Cette approche sest rvle dans le contexte
de notre tude tre plus efficace que les outils traditionnels.

14

ANNEXES CHAPITRE I

15

Figure 1 1: Cartographie des pays de la Zone Franc

Source : Banque de France

16

Figure 1. 2: Activit du march interbancaire

TIMP: Taux Interbancaire Moyen Pondr

TIAO : Taux dintrt sur les appels doffres positifs
Source : COBAC

17

Tableau1. 1 : Rpartition des Banques Commerciales par pays en 2007

Source : COBAC

18

Tableau1. 2 : Rsultats des Banques de la CEMAC (en millions de FCFA)

Source : COBAC

19

Tableau1. 3: Rpartition des Etablissements Financiers par pays en 2007

Source: COBAC

20

Figure 1. 3: Taux dinflation annuelle de la zone CEMAC de 2000 2009

7.0
6.0
5.0
4.0
3.0
2.0
1.0
0.0
2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

Source : BEAC

21

La structure organique de linstitut dmission

Compte tenu du fait que notre tude est circonscrite lAfrique Centrale, nous essayerons de
ne dcrire que la structure organique de la BEAC, sans oublier de prendre en compte ses
organes suprieurs qui sont la CEMAC et lUnion Montaire dAfrique Centrale (UMAC).

La CEMAC

Cre lors de la Confrence des Chefs dEtat au Tchad en 1999, la CEMAC sest substitue
ainsi lUnion Douanire des Etats de lAfrique Centrale (UDEAC). Les Etats membres
entendent ainsi passer dune situation de coopration qui existe dj entre eux une situation
dunion susceptible de parachever le processus dintgration conomique et montaire11. Elle
est constitue de quatre institutions savoir:

LUnion Economique de lAfrique Centrale (UEAC) ;

LUnion Montaire dAfrique Centrale (UMAC);

Le Parlement Communautaire ;

La Cour de Justice Communautaire.

Chacune de ces institutions fait lobjet dune convention. Il est noter que la BEAC et la
Commission Bancaire de lAfrique Centrale (COBAC) font partie des principaux organes de
la Communaut.

LUMAC

LUMAC se caractrise par ladoption dune mme unit montaire dont lmission est
confie un institut dmission commun, la BEAC12. Outre la BEAC, les autres organes de
lUMAC sont : la Confrence des Chefs dEtat, le Comit Interministriel et la COBAC.
Cette dernire cre en janvier 1993, en rponse la crise financire des annes 1980, a pour
rle principal, llaboration de la rglementation prudentielle des banques et les contrles sur

11
12

Article1dutraitinstituantlaCEMAC
Article3duChapitreIdelaconventionrgissantlUMAC.

22

pices et sur place des tablissements de crdit accompagns des sanctions en cas de
manquements constats. La Confrence des Chefs dEtat, lautorit suprme au niveau de la
CEMAC, assure lorientation de laction du Comit Interministriel de lUMAC.

La BEAC13

Rgie par la convention de lUMAC et la convention de coopration montaire entre la

France et les Etats membres, la BEAC a le privilge exclusif dmission de la monnaie dans
toute la zone CEMAC. En plus de lmission montaire, les autres missions assignes la
BEAC sont les suivantes :

Dfinir et conduire la politique montaire de lUMAC ;

Conduire la politique de change de lUMAC ;

Dtenir et grer les rserves de change des Etats membres ;

Promouvoir le bon fonctionnement des systmes de paiements et des rglements.

Les organes de dcision au niveau de la BEAC sont les suivantes : le Conseil

dAdministration, le Comit de Politique Montaire, le Gouvernement de la BEAC et dans
chaque Etat membre, le Comit Montaire et Financier National.

a) Le Conseil dAdministration
Constitu de 14 membres raison de 2 administrateurs par Etat membre et 2 administrateurs
pour la France, le Conseil dAdministration est lorgane suprme de la BEAC. Il administre et
veille au bon fonctionnement de linstitution.

13

StatutdelaBEACdisponiblesurwww.beac.int

23

b) Le Comit de Politique Montaire

Le Comit de Politique Montaire a en charge toutes les dcisions qui concernent les
politiques montaires et de gestion des rserves de change de la BEAC. Il est constitu de 15
membres raison de 2 par Etat membre, 2 pour la France et un Prsident qui nest rien dautre
que le Gouverneur. Le Comit de Politique Montaire se runit au moins 4 fois par an.

c) le Gouvernement de la BEAC

Compos de 6 membres savoir le Gouverneur, le Vice-gouverneur, le Secrtaire Gnral et

3 Directeurs Gnraux, le Gouvernement de la BEAC soccupe de la direction et de la gestion
courante de linstitut dmission en fonction des diffrents textes le rgissant qui sont en
vigueur. Chaque Etat membre dispose dans son pays dun Directeur National qui reprsente le
Gouvernement de la BEAC.

d) le Comit Montaire et Financier National

Le Comit Montaire et Financier National tablit un examen des besoins gnraux de

financement de lconomie de lEtat membre tout en dterminant les moyens propres les
satisfaire. Il lui est aussi assign de proposer des pistes quant la coordination de la politique
conomique nationale avec la politique montaire commune. Il est compos des membres du
comit interministriel, des membres du Conseil dAdministration, dune personnalit
nomme par le Gouvernement de lEtat membre et du Gouverneur.

24

Figure 1. 4: Organigramme du cadre institutionnel de la politique montaire dans la

CEMAC
ConfrencedesChefs
dEtat(CEMAC)

ComitInterministriel
(UMAC)

BEAC

ComitdePolitique
Montaire

ConseildAdministration
(CEMAC)

Gouvernementdela
BEAC

ComitMontaireet
FinancierNational

25

La Politique Montaire de la BEAC14

L'objectif final de la politique montaire est dfini par l'article 21 de la convention rgissant
l'UMAC : L'objectif de la BEAC est de garantir la stabilit de la monnaie. Sans prjudice de
cet objectif, la BEAC apporte son soutien aux politiques conomiques gnrales labores
dans les tats membres de l'Union montaire .
Les statuts de la BEAC prcisent, par ailleurs, un objectif intermdiaire de la politique
montaire : l'article 11 indique que le taux de couverture extrieure de la monnaie, dfini par
le rapport entre lencours moyen des avoirs extrieurs de la BEAC et lencours moyen de ses
engagements vue, ne peut tre infrieur ou gal 20 % au cours de trois mois conscutifs.
Dans le cas contraire, ou si le compte doprations est dbiteur pendant plus de trois mois
conscutifs, les plafonds de refinancement des banques sont rduits :
de 20 % dans les pays dont la situation fait apparatre une position dbitrice en compte
doprations ;
de 10 % dans les pays dont la situation fait apparatre une position crditrice en compte
doprations mais dun montant infrieur 15 % de la circulation fiduciaire rapporte cette
mme situation.
La BEAC dispose de trois types d'instruments : le refinancement des banques, les taux
d'intrt et les rserves obligatoires.
Le refinancement des banques
Sappuyant sur un objectif de refinancement fix chaque anne par le CPM pour chaque pays
membre, le refinancement des banques s'effectue travers deux guichets :
le guichet A, par appel d'offres l'initiative de la BEAC pour une dure de 7 jours (ce
mcanisme peut tre utilis pour les retraits de liquidit), et par prises en pension l'initiative
des banques pour une dure de 2 7 jours ;
le guichet B, auprs duquel sont refinancs les anciens crdits moyen terme irrvocables et
les nouveaux crdits d'investissement productifs ayant bnfici d'un accord de classement de
la BEAC.

14

Source:BanquedeFrance,2007,RapportannueldelaZoneFranc.

26

Lorsque le taux de couverture extrieure de la monnaie pour l'ensemble de la zone d'mission

est suprieur au plancher statutaire de 20 %, les objectifs de refinancement peuvent tre
dpasss, en particulier dans le cadre des interventions ponctuelles directes de la BEAC. En
revanche, lorsque le taux de couverture extrieure est infrieur 20 % ou si le pays est sous
programme avec le FMI, les objectifs de refinancement deviennent des plafonds impratifs.
Les taux d'intrt
La BEAC utilise quatre taux directeurs, fixs par le CPM, en vertu des nouveaux statuts de la
Banque centrale :
le taux d'intrt sur les appels d'offres (TIAO), taux de refinancement des banques qui y
soumissionnent ;
le taux d'intrt sur les placements (TISP) des banques effectus dans le cadre des appels
d'offres ngatifs , procdure instaure en janvier 1996 ; ce taux varie selon les chances (
7, 28 et 84 jours) ;
le taux d'intrt des prises en pension (TIPP), gal au TIAO major de 150 200 points de
base ;
le taux de pnalit des banques (TPB), taux appliqu au dcouvert des tablissements de
crdit sur leur compte auprs de la BEAC.
La politique et les agrgats montaires dans la CEMAC
Le CPM fixe aussi, en vertu de l'article 17 des statuts, le taux des avances statutaires aux
Trsors nationaux, lequel correspond au principal taux de refinancement des tablissements
de crdit (TIAO).
Par ailleurs, le taux crditeur minimum (TCM), qui s'applique aux dpts d'pargne ou sur
livret infrieurs FCFA 5 millions, reste un taux rglement par la BEAC. Le CPM, lors de
sa runion du 2 juillet 2008, la ramen de 4,25 % 3,25 % et a dcid la suppression du taux
dbiteur maximum (TDM).
Enfin, une nouvelle politique de rmunration des dpts publics par la BEAC a t adopte
en mars 2006 et rvise en juillet 2008 ; elle sest traduite par linstauration de 3 taux
diffrents pour les placements publics :
27

 le taux dintrt sur placement public au titre des fonds de rserve pour les gnrations
futures (TISPP0), fix 3,65 % compter du 10 juillet 2008,
le taux dintrt sur placement public au titre du mcanisme de stabilisation des recettes
budgtaires (TISPP1), fix 3,45 % compter du 10 juillet 2008,
le taux dintrt sur placement public au titre des dpts spciaux classiques (TISPP2), fix
3,15 % compter du 10 juillet 2008.
Les rserves obligatoires
Depuis 2001, sur dcision du Gouverneur de la BEAC agissant par dlgation du Conseil
dadministration, les banques de la zone dmission sont soumises la constitution de
rserves obligatoires. Cette dcision a t motive par la ncessit de contribuer rsorber la
forte liquidit bancaire et renforcer lefficacit de la politique des taux dintrt. Dans le
cadre de cette mesure, les banques sont contraintes de conserver une partie des dpts
collects auprs de leur clientle sur des comptes rmunrs tenus par la BEAC. Seules sont
concernes les banques qui collectent des dpts et disposent dun compte courant auprs de
la BEAC, les tablissements financiers et les institutions financires publiques en tant
dispenss.
Conformment aux nouveaux statuts de la BEAC, les coefficients de rserves obligatoires
sont fixs et modifis par le CPM, dans les mmes conditions que les taux dintervention de la
Banque centrale, en fonction de lvolution de la conjoncture conomique interne et externe.
Depuis 2002, les coefficients de rserves obligatoires sont appliqus de faon diffrencie
selon les pays, du fait des disparits constates en matire de liquidit bancaire entre les tats
de la CEMAC.

28

Encadr 1. 3 : La Programmation montaire de la BEAC

La Banque Centrale a engag, au cours de la dcennie qui vient de scouler, une srie de
rformes en profondeur au nombre desquelles figurent la politique rnove des taux dintrt,
la mise en place de la programmation montaire et le lancement du march montaire. Ces
rformes importantes ont confr la politique montaire commune davantage de flexibilit
et defficacit dans la poursuite de lobjectif primordial de sauvegarde de la stabilit interne et
externe de la monnaie. Depuis sa mise en place en septembre 1991 au Cameroun et en janvier
1992 dans les autres pays de la CEMAC, la programmation montaire sest trouve au centre
du nouveau dispositif dintervention de la Banque Centrale. Cet exercice a en effet permis
lInstitut dEmission de renforcer la cohrence entre la politique montaire et le cadre
macroconomique des pays membres et dinstaurer un dialogue permanent entre la Banque
Centrale, les administrations publiques et les tablissements de crdit sur la dtermination des
objectifs montaires et de crdit.
1. But de la programmation montaire
La mise en place de la programmation montaire dans la Zone dEmission constitue la
rponse de la BEAC aux critiques formules lencontre de lancien systme, en vigueur
jusquau dbut des annes 90, des plafonds globaux de refinancement des banques
commerciales. Cette mthode, qui permettait de dterminer le montant maximum
dintervention de la Banque Centrale partir des prvisions de dficits des banques aprs
confrontation de leurs emplois et ressources sest en effet avre limite et inoprante,
particulirement dans le contexte de crise de la fin des annes 80.
2. Dmarche de la programmation montaire
La programmation montaire repose sur la mthode dite de projection directe. Celle-ci
consiste dterminer par tapes successives les diffrents agrgats des secteurs
macroconomiques (secteur rel, finances publiques, secteur extrieur, secteur montaire)
avant dassurer la cohrence densemble du cadre macroconomique. Lavantage de cette
mthode, par ailleurs utilise dans llaboration et le suivi des programmes dajustement
soutenus par le FMI, est de laisser une bonne place au jugement. Elle soppose ainsi la
mthode conomtrique qui suppose lutilisation dun modle conomtrique complexe
comportant plusieurs quations et ncessitant des donnes trs fiables. Dans les deux cas, le
recours linformatique ainsi quaux tests de cohrence et de pertinence des donnes est
incontournable. La dmarche de la programmation montaire tant essentiellement
macroconomique, lexercice sarticule gnralement en deux temps, savoir tout dabord
ltablissement des prvisions des agrgats conomiques et financiers et ensuite la
dtermination des objectifs montaires et de crdit. Cependant, il importe de prciser que cette
dcomposition apparat purement analytique et didactique car les diffrentes tapes de la
programmation se confondent en pratique travers les multiples itrations et tests de
cohrence devant conduire ltablissement du cadrage macroconomique dfinitif.
Source : www.beac.int

29

30

CHAPITRE II : LES DETERMINANTS

DE LA SURLIQUIDITE DANS LES PAYS
EN DEVELOPPEMENT : CAS DE LA
CEMAC

31

32

INTRODUCTION

Apres avoir subi une crise sans prcdent dans les annes 1980, le systme bancaire de la
zone CEMAC a connu des restructurations occasionnes par la Banque des Etats de lAfrique
Centrale (BEAC) au dbut de la dcennie 1990. Ces rformes qui ont conduit la
libralisation du secteur, avaient pour but dune part de remdier aux principaux maux qui ont
min les banques commerciales savoir linsolvabilit et le manque de liquidit et dautre
part de passer dun contrle direct un contrle indirect de la situation montaire. Le premier
objectif est atteint, mais le passage au contrle indirect de la situation montaire rend la
politique montaire moins efficace.
Depuis la dvaluation du franc CFA, qui a contribu aux rapatriements des capitaux et
laugmentation des recettes dexportations, le systme bancaire est pass au fil du temps
dune situation de tensions une situation daisance de trsorerie. Cependant, cet tat de fait
met mal la politique montaire conduite par la BEAC dans cette zone. Car la surliquidit
affaiblit les canaux de transmission de la politique montaire (Saxegaard, 2006). Or, la BEAC
face aux tensions inflationnistes observes ces dernires annes, ne devrait pas demeurer
impuissante et utiliser ses instruments les plus efficaces afin de freiner la hausse des prix.
Pour grer ce problme, une des solutions a consist en lintroduction depuis 2001 des
rserves obligatoires. Cependant Nissanke et Aryeetey (1998) montrent quen situation de
surliquidit, il devient d'ailleurs difficile de rguler loffre de monnaie par les rserves
obligatoires. Le cas de la CEMAC corrobore cette thse, car la surliquidit na pas t
rsorbe par les rserves obligatoires et ne cesse de poser des difficults la BEAC. En dpit
de cela, lenvole du cours du ptrole risque daggraver la fois cette crise de surliquidit et
les tensions inflationnistes.
Compte tenu de tout ce qui prcde, il est particulirement important danalyser le phnomne
de la surliquidit

et didentifier surtout ses principaux dterminants. Ce phnomne

proviendrait-il de la forte prudence des banques commerciales due un effet de mmoire par
rapport la crise prcdente o de la faible demande de crdit ?
En plus des proccupations de la BEAC, cette situation interpelle tout observateur
conomique de cette sous-rgion, soucieux de faire sortir ces pays de la spirale de la pauvret.
Car au moment, o les experts jugent que laccs des pauvres au crdit peut contribuer
33

rduire la pauvret, de manire tout fait paradoxale, les banques commerciales des pays en
dveloppement sont caractrises par une certaine "thsaurisation". Cest ainsi quune
meilleure lisibilit des causes de ce phnomne permettrait non seulement de contribuer
rsoudre le problme de la stabilisation des prix, mais aussi de rendre moins surliquide les
banques commerciales afin de faciliter laccs au systme financier, dune plus grande partie
de la population.
Plusieurs auteurs se sont penchs sur le phnomne de la surliquidit en cherchant
dterminer les principaux facteurs qui lengendrent. Dollar et Hallward-Driemeier (2000)
affirment que la surliquidit, en Asie de lEst, rsulte de la baisse de la demande de crdit qui
est due la contraction de la demande agrge engendre par la crise. Par contre, pour
Agnor, Aizenman, et Hoffmaister (2004), le phnomne drive plutt de la contraction de
loffre de crdit par les banques commerciales. Le dbat se situe finalement sur la volont des
banques commerciales accorder du crdit ou dtenir des rserves peu ou pas rmunrs15.
En Afrique Centrale, ltroitesse du march interbancaire, les faibles niveaux de bancarisation
et des marchs financiers

peuvent permettre de comprendre que la surliquidit serait

indpendante de la volont des Banques Commerciales. Cependant, ces dernires ont en

mmoire la grave crise des annes 1980, et en outre face lincertitude et aux risques
encourus, elles peuvent dtenir des actifs liquides volontairement pour des motifs de
prcaution.
Lapproche mthodologique de notre travail sappuiera sur le modle conomtrique
dAgnor, modifi par Saxegaard (2006)16, qui a servi dterminer les facteurs engendrant la
surliquidit dans le systme bancaire. Ce modle prend en compte les variables expliquant la
surliquidit pour des motifs de prcaution et des variables montrant quelle peut tre
influence par des facteurs involontaires. A la diffrence de Saxegaard, nous utiliserons un
modle en panel dynamique afin de prendre en compte lhtrognit de certains
phnomnes dans les diffrents pays membres de la CEMAC.
Apres avoir soulign les origines de la surliquidit dcrites dans la littrature (I), nous
identifierons quelques faits styliss relatifs au phnomne (II), avant de passer lapproche

15

LaBEACnermunrequelesrservesobligatoiresavecuntauxde0,55%.
PendantqueAgnorcaptelasurliquiditinvolontairedanslersidudesonquation,Saxegaardlidentifie
partirdesvariablesintroduitesdanslquationenplusdecellesutilisesparAgnor.
16

34

empirique(III) et de proposer finalement quelques recommandations pour la politique

montaire (IV)
2.1 La surliquidit dans la zone CEMAC
2.1.1 Dfinition
La surliquidit peut tre dfinie comme tant la quantit de rserves dtenues par les Banques
Commerciales la Banque Centrale en plus du niveau statutaire ou requis de rserves (
Saxegaard, 2006). Khemraj (2008) aborde le sujet dans le mme sens en dfinissant la
surliquidit comme tant lensemble des actifs liquides des banques auquel on soustrait les
rserves obligatoires. Certains auteurs apportent des dfinitions prenant plutt en compte les
agrgats macroconomiques tels que le ratio de crdit ou de masse montaire sur le PIB. Pour
Gouteron et Szpiro (2006) lexcs de liquidit est gnralement entendu comme le surplus de
monnaie - ou de crdit incompatible avec la stabilit des prix long terme et que cette
dfinition prend gnralement appui sur la thorie quantitative de la monnaie17. Cest aussi la
dfinition retenue par Wyplosz (2005) qui indique que labondance de liquidit nest pas un
phnomne propre la zone Euro, mais quil concerne le monde entier. Dans le mme sens
Bruggeman (2007) identifie la surliquidit soutenue comme tant une dviation vers le haut
du ratio masse montaire sur PIB, par rapport son niveau cible pendant trois trimestres
conscutifs.
Ces dfinitions qui prennent en compte le ratio masse montaire ou crdit sur PIB, identifient
ainsi les actifs dtenus par les agents conomiques non financiers. Mais tant donn que notre
souci majeur est de savoir pourquoi les banques dtiennent des rserves en excs non
rmunres auprs de la Banque Centrale dans des pays pauvres, nous nutiliserons par la
suite que la dfinition considrant la surliquidit comme le surplus de rserves par rapport au
niveau statutaire. Le problme est de savoir comment rendre moins surliquide les banques
commerciales afin quelles puissent financer des investissements productifs pour la zone.
Fondamentalement, une banque commerciale a pour rle lintermdiation financire qui
consiste collecter lpargne des agents capacit de financement, pour loctroyer en crdit
aux agents besoin de financement. Sa rentabilit provient mme de ce mcanisme de
gestion. Cependant elles sont aussi confrontes au phnomne du

risque encouru lors

17

Pourplusdedtail,voirGouteronetSzpiro(2006)

35

dattribution du crdit aux agents conomiques, ou certains chocs exognes susceptibles de

fragiliser leur niveau de liquidit.

2.1.2 Les manifestations de la surliquidit dans la CEMAC

2.1.2.1 Le niveau des rserves libres

Figure 2. 1: Evolution trimestrielle des ratios rserves obligatoires/dpts et rserves
libres/dpts de la zone CEMAC de 1990 2006.
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0

Reserveslibres/depots

Reservesobligatoires/depots

Source : FMI et estimations de lauteur

On observe daprs la figure 2.1, que lvolution du niveau du ratio rserves libres/dpts a
chang de rgime avec lavnement de la dvaluation de 1994 pour se situer dans une
fourchette de 10 20%, alors quelle oscillait autour de 5% auparavant. Juste aprs la
rcession de 1999 quont connue les conomies de la zone, le niveau du ratio a pris un autre
envol, mais a connu toutefois des perturbations importantes avec lintroduction des rserves
obligatoires ds 2001.Cependant depuis 2005, la tendance est une hausse assez vertigineuse,
imputable lembellie du cours du ptrole. La figure 2.1 montre ainsi que la mise en place des
rserves obligatoires reste un mcanisme jusque l inappropri pour la baisse de la surliquidit
dans la zone. Depuis sa cration, la BEAC a diffrenci (par pays), et augment les
coefficients des rserves obligatoires mais la surliquidit persiste et prend des proportions
beaucoup plus inquitantes.

36

2.12.2 Le refinancement de la BEAC

Lvolution du montant de rfinancement des Banques Commerciales par la Banque Centrale
reflete le niveau de liquidit sur le march interbancaire. En effet, lorsque le sytme bancaire
est "en banque ", il ny a pas de raison de solliciter le concours de la Banque Centrale.
Figure 2. 2: Evolution annuelle du montant du rfinancement de la BEAC (en pourcentage du
PIB)

14%
12%
10%
8%
6%
4%
2%
0%

Cameroon

CentralAfricanRep.

Chad

Congo,Republicof

EquatorialGuinea

Gabon

Source : FMI
Figure 2. 3: Evolution du montant des avances de la BEAC aux Trsors Nationaux (en
pourcentage du PIB)
0.3
0.25
0.2
0.15
0.1
0.05
0

Cameroun

RCA

Tchad

RepubliqueduCongo

GuineEquatoriale

Gabon

Source : FMI

37

La Figure 2.2, montre en effet que la tendance de lvolution du refinancement, est

lannulation complte dans toute la zone dmission de la BEAC. Cependant, on observe
toutefois, deux phases. Dans la premire phase qui stale de 1985 1993, le refinancement
existait encore dans la zone. Ces diffrents pays venaient de sortir de la crise du systme
bancaire des annes 1980, donc les banques commerciales avaient fortement besoin du
concours de la Banque Centrale en termes de liquidit. Dans la seconde phase, le montant du
refinancement est presque nul dans la plupart des pays et dans toute la zone sauf en 1998199918. On peut interprter ce fait comme tant un impact de la dvaluation ou de
lintroduction du march montaire la mme anne en 1994. Soit la dvaluation a acclr le
rapatriement des capitaux, soit les banques commerciales se procurent en liquidit
exclusivement sur le march interbancaire. Cette dernire hypothse doit tre carte du fait
que le march interbancaire a du mal fonctionner. Notons aussi que le systme financier de
la zone CEMAC est domin par les banques dont les capitaux sont pour la plupart trangers
(Y. Saab et J. Vacher, 2007), et qui bnficient de nombreux " circuits de financements clos"
depuis le financement des filiales par leur maison mre jusquaux rseaux chinois dont les
activits croissantes sont finances hors du systme bancaire (Hugon, 2006). Ces nombreux
"circuits de financements clos" viennent affaiblir

davantage les effets de la politique

montaire de la BEAC, et rendent cette dernire surtout impuissante face un risque de

surchauffe de lconomie.
Contrainte par les banques commerciales qui nont plus besoin de son concours de
refinancement, la Banque Centrale arrive quand mme injecter de la liquidit par le biais des
avances aux trsors nationaux, comme latteste la figure 2.3. Cette dernire montre une
certaine stabilit dans le recours aux avances statutaires pour la plupart des pays sauf la
Guine Equatoriale sur toute la priode. La Guine Equatoriale faisait fortement recours ces
avances jusquen 1996, avant de dcliner loffre suite son entre dans le groupe des pays
exportateurs du ptrole.
Cette situation est trs favorable linflation, car dune part, la BEAC pratiquerait du
seigneuriage par le canal des avances aux trsors nationaux, et dautre part elle narriverait
plus exercer un pouvoir sur le secteur rel, car le refinancement aux banques commerciales
qui demeure le seul moyen permettant dassurer la stabilit montaire de la zone tend tre

18

Priodequiconcideaveclarcessionquecertainspaysdelazoneontconnu.

38

non oprationnel. Ainsi, si la surliquidit nest pas fonction de la volont des banques
commerciales et que ces dernires se trouvent dans des conditions leur permettant doctroyer
davantage des crdits, le risque inflationniste peut saggraver dans la zone, et la Banque
Centrale ne pourra quobserver les faits sans pouvoir se mettre dans une position lui
permettant dagir efficacement. Quen est-il des taux dintrt?
Les taux d'intrt dbiteurs et crditeurs sont fixs librement par ngociation entre les
tablissements de crdit et les agents conomiques, mais tout en respectant les bornes
engendres par le taux crditeur minimum (TCM) et le taux dbiteur maximum (TDM) qui
relvent de la comptence des autorits montaires. La figure 3 reprsente lvolution
trimestrielle du taux directeur fix par la BEAC de 1990 2005. Le taux directeur de la
BEAC, appel Taux d'Intrt des Appels d'Offres (TIAO) est fix par le Gouverneur dans le
cadre des oprations sur appels d'offres en tenant compte des conjonctures conomiques
intrieure et internationale. On constate que la BEAC, depuis la libralisation financire,
pratique une politique montaire qui nest pas trs favorable loctroi des crdits. Alors que
la libralisation financire se justifie thoriquement par largument de Mac Kinnon (1973) et
Shaw (1973) selon lequel, la hausse des taux dintrt crditeurs permettra un accroissement
des fonds disponibles pour linvestissement, le taux dintrt dbiteur plafond pratiqu
pendant un moment dans la zone tait suffisamment lev pour pouvoir favoriser
efficacement les investissements. En effet, les agents conomiques pour sassurer

de

bnficier dun financement dune banque commerciale, doivent prsenter un projet ayant une
rentabilit prvisionnelle dau moins 25%. Cette exigence nest pas aise satisfaire compte
tenu de lenvironnement difficile des affaires dans la zone (Mougani, 2006). Il serait judicieux
de baisser davantage le taux dbiteur, car la libralisation financire, sans cela, peut entrainer
un cout prohibitif du crdit tel que dnoncs par Taylor (1995) et Aryeetey et al. (1997).
Bien que la BEAC se donne pour objectif principal, la stabilit montaire et ainsi demeure
trs rigide quant lajustement des taux dintrt, elle se retrouve limite dans son action par
les "rseaux de financement clos" et la forte liquidit des banques commerciales qui peuvent
constituer des menaces importantes envers linflation dans les pays membres de la CEMAC.
Une des rponses a consist en lintroduction des rserves obligatoires19 en 2001. Ces
dernires, qui ont pour but dexercer une pression sur la liquidit bancaire, sont censes

19

CesrservesobligatoiressontsingulirementrmunresdanslaCemac

39

augmenter la sensibilit des banques lvolution des taux directeurs. Malheureusement le

niveau du refinancement, comme tabli ci-dessus, tend au fil du temps vers zro, dmontrant
ainsi linefficacit du procd dans la zone.

2.2 Les origines de la surliquidit

2.2.1 Le comportement de prcaution du systme bancaire
On voque le caractre volontaire de la surliquidit des banques, le plus souvent, pour
expliquer un mcanisme de protection contre le risque de liquidit. Il sagit donc dune
rponse planifie des Banques Commerciales pour faire face un risque potentiel. Pour grer
ce type de risque, et prendre une dcision concernant la quantit dactifs liquides quelles
doivent dtenir, les Banques Commerciales internalisent le fait quelles peuvent emprunter
des fonds sur le march interbancaire ou la Banque Centrale en cas dventualits non
anticipes (Agnor, Aizenman, et Hoffmaister, 2004). Les modles de la gestion des risques
de liquidit, en rapport avec les rserves, ont t largement exposs dans la littrature par
Baltensperger (1974), Santomero (1984) et Swank (1996).
Agnor, Aizenman, et Hoffmaister (2004) en sinspirant du modle de Baltensperger (1974)
postulent thoriquement quun accroissement du taux de pnalit, ou de la volatilit de la
production (si le niveau initial du taux de pnalit est suffisamment lev), augmente le
niveau de rserves dtenus par les Banques Commerciales ; tandis quun accroissement des
rserves obligatoires produit un effet inverse. Les facteurs institutionnels peuvent aussi tre
lorigine de la dtention volontaire des rserves en excs. Ltroitesse du march
interbancaire, ainsi que le contrle des Banques Commerciales par la Banque Centrale, pour
le respect des normes prudentielles, encourageraient les banques dtenir des rserves afin de
pallier dventuels chocs.
Les rsultats des tests empiriques, cependant, nattestent pas tous que cest le motif de
prcaution qui explique le niveau de la surliquidit. Pendant que Agnor, Aizenman, et
Hoffmaister (2004) attestent que le phnomne de la surliquidit est fonction de la volont des
banques en Thalande, Saxegaard, (2006) reste un peu sceptique dans le cas des pays de la
CEMAC. Pour Khemraj (2008), dans les pays en dveloppement et en situation doligopole,
les banques dtiennent volontairement de la liquidit et ont besoin dun taux dintrt

40

minimum avant daccorder un crdit un emprunteur marginal. Lauteur dfinit ce taux

minimum, comme tant une majoration sur le taux dintrt extrieur, le cot marginal de
transaction et la prime de risque. Certains auteurs pensent que la surliquidit ne proviendrait
pas seulement de la volont des banques, donc il va falloir chercher encore dautres facteurs
exognes pour mieux cerner le phnomne.
2.2.2 Des opportunits dexploitation limites
Les pays en dveloppement sont caractriss par un faible niveau dinfrastructure financire
(Hugon, 2006)

pouvant occasionner des goulots dtranglement rendant impossible le

dsengorgement des Banques, ayant accumul une forte liquidit. Labsence dun march de
titres et lexistence des avances20 aux trsors nationaux, noffrent pas beaucoup de possibilits
aux Banques Commerciales de dtenir des actifs rmunrateurs, et ainsi elles se contentent
daccumuler plutt des liquidits excdentaires.
En plus, du faible niveau dinfrastructure financire, il faut noter aussi lenvironnement
difficile des affaires (Mougani, 2006), un risque de dfaillance lev et le faible niveau
dducation de la population.
2.2.3 Les facteurs exognes
La dvaluation du franc CFA de 1994, en entrainant un accroissement des recettes
dexportations (ce qui induit lentre des devises) et le rapatriement des capitaux, a contribu,
la surliquidit structurelle du systme bancaire de la zone (FMI, 2006). La dvaluation mne
ainsi directement sur la piste du systme de change pratiqu dans la zone. En effet lancrage et
la convertibilit illimite avec lEuro, sont de nature favoriser une dtention de la liquidit
en franc CFA par les agents au dtriment de linvestissement.
Lenvole du cours du ptrole est aussi retenue par la BEAC, comme facteur prpondrant
dans lexplication de la surliquidit de la zone. Autant leffondrement du cours des matires
premires a engendr une crise dans le systme bancaire dans les annes 1980, autant son
envole serait lorigine de cette aisance de trsorerie qui inquite toujours les autorits
montaires. Dollar et Hallward-Driemeir (2000) montrent que la surliquidit dans les pays de

20

Lesavancesauxtrsorspeuventtreremplacesparunemissiondesbonsetdesobligationsdutrsor
public

41

lAsie de lEst pendant la crise rsulte dune baisse de la demande de crdit, engendre par la
contraction de la demande agrge qui a accompagne la crise. En dfinitive, on peut affirmer
que les banques dans leur mcanisme de gestion des risques, doivent dtenir de la liquidit,
mais quau-del de cette contrainte dautres facteurs contribuent la surliquidit structurelle.
En Afrique Centrale, en plus des facteurs prcits, nous mettons lhypothse dun
phnomne inverse au phnomne de la "panique bancaire". Les mesures de protection contre
le risque de liquidit, pour viter la crise prcdente, a entrain une aisance de trsorerie qui a
redonn confiance aux dposants. A la place dune rue pour le retrait de la liquidit en cas de
panique bancaire, on assisterait plutt une affluence pour le dpt de la liquidit. Et tant
donn le caractre volatil de ces dpts, les Banques prennent leur prcaution en les
conservant sous forme de rserves libres.

2.3 Identification du modle, rsultats et estimations

Notre travail consiste saisir prcisment les dterminants de la surliquidit dans les pays
membres de la CEMAC. Notre modle va sappuyer sur celui de Saxegaard (2006) qui, luimme sest inspir de la mthodologie propose par Agnor, Aizenmann et Hoffmaister
(2004). Notre approche se distingue par le fait que nous utilisons les donnes en panel. Notre
choix se justifie dabord par le fait que la politique montaire dans la zone nest conduite que
par une seule Banque Centrale dans plusieurs pays ayant des caractristiques
macroconomiques non homognes21. Etant donn que lobjectif de stabilit montaire est le
mme et que les critres de convergence sont aussi les mmes, il serait judicieux de permettre
la BEAC davoir une meilleure lisibilit de sa politique en fonction des caractristiques
idiosyncratiques, de diffrentes conomies des pays membres de la zone qui forment, malgr
tout un march montaire commun.

21

MmelaBEACfractionnelespaysmembresenfonctiondelaliquidit

42

2.3.1 Le modle

Notre modle scrit sous la forme suivante :

1(L)ELit = 2(L)X1it + 3(L)X2 it + i + t +it

(2.1)

o i reprsente la dimension individuelle et t la dimension temporelle, ELit est le ratio dexcs

de rserves sur le total des dpts, X1it et X2 it sont les vecteurs de variables qui expliquent
respectivement, les causes volontaires et involontaires de dtention de rserves en excs par
les banques commerciales, i reprsente leffet individuel pays, it est le terme derreur et les
coefficients j(L) sont dfinis de la manire suivante :
1(L) = 1- 11L,
j(L) = j0 + j1L, j2

(2.2)

O (L)22 est loprateur retard, par consquent le modle scrit finalement sous la forme :
ELit = 11(L)ELit + 20X1it + 21(L)X1it + 30X2 it + 31(L)X2 it + i + t +it

(2.3)

o X1 et X2 se dcomposent comme suit:

X1 = {RR VOLY VOLPS VOLGOV VOLCD Y rD}
X2 = {DEPPS DEPG CREDPS CREDG OIL rL}
RR reprsente les rserves obligatoires, VOLY, VOLPS, VOLGOV et VOLCD correspondent
respectivement la volatilit de lcart tendanciel de la production, des dpts du secteur
priv, des dpts du gouvernement, et du ratio de lensemble des

actifs liquides sur

lensemble des dpts. Y23 est lcart tendanciel de la production rD reprsente le taux
directeur appliqu dans la zone. La volatilit des diffrentes variables est saisie par le
coefficient de variation qui est gal lcart-type de la variable spcifie divise par sa
moyenne pour deux priodes retardes et deux priodes avances, centres sur la priode

22

Seulelavariableretardedunepriodeserautilisecomptetenudelafaibletailledelchantillon
Yestcalculcommeladiffrenceenpourcentageentrelaproductionobserveetlaproduction
tendancielle.
23

43

contemporaine. Deux techniques ont t utilises pour calculer la production tendancielle : les
valeurs prdites de la rgression de Y sur le temps, et le filtre de Hodrick-Prescott.
DEPPS et DEPG sont respectivement les dpts du secteur priv et les dpts du
gouvernement. CREDPS et CREDG indiquent respectivement les crances accordes par les
Banques Commerciales au secteur priv et au Gouvernement, OIL est le cours du ptrole et
rL le taux dbiteur.
La liste des variables du vecteur X1 est construite grce au modle thorique dvelopp par
Agnor, Aizenmann et Hoffmaister (2004). Ainsi, un accroissement des rserves obligatoires
saccompagnerait dune diminution du niveau de surliquidit. VOLY et VOLCD identifies
comme tant des variables lies directement au motif de prcaution volueraient, de ce fait,
dans le mme sens que la surliquidit. Il en va de mme pour la volatilit des dpts du
secteur priv et du gouvernement (VOLPS et VOLGOV). Car les banques auront tendance
dtenir plus de liquidit, si la base des dpts demeure trs volatile. Lcart tendanciel de la
production Y est introduit pour saisir la demande de la liquidit. En cas de rcession par
exemple, la baisse de la production va entrainer une chute dans la demande de liquidit, par
consquent, les banques nauront pas intrt constituer beaucoup de rserves. rD tant le taux
directeur, donc le cot du refinancement, son augmentation va conduire les banques prfrer
dtenir des rserves excdentaires non rmunres.
Pour le vecteur X2 des variables, Saxegaard (2006) reconnat dans ses travaux quil nexiste
pas vraiment un corpus thorique permettant de les justifier. Par consquent nous nous
appuierons sur les travaux empiriques prcdents. Gilmour (2005)24 trouve quen Ethiopie, la
constitution de la surliquidit est associe avec un accroissement des dpts (DEPPS et DEPG)
du secteur priv et du gouvernement. Toute chose tant gale par ailleurs, laugmentation des
crdits du gouvernement et des entreprises publiques (CREDG), et des crdits du secteur
priv (CREDPS) contribueraient diminuer le niveau de liquidit. Par contre on sattendra
avoir une augmentation de la surliquidit, suite une hausse du taux dintrt dbiteur rL. Les
pays de notre chantillon sont exportateurs du ptrole brut, cest ainsi que nous jugeons utile
dintgrer son cours (Oil), qui pourrait alimenter la surliquidit du fait de la faible capacit
dabsorption de ces conomies.

24

InSaxegaard,2006.

44

2.3.2 Source des donnes

Les donnes proviennent pour la plupart du FMI travers sa base de donnes IFS
(International Financial Statistics).
La priode dtude retenue pour notre chantillon va de 1985 2002. Plusieurs raisons
militent pour ce choix. Dabord la disponibilit des donnes ne nous permet pas de faire
davantage surtout que nous avons besoin de cylindrer notre panel25. Ensuite cette priode
permet denglober lavnement de la crise du systme bancaire, la dvaluation du franc CFA
et la libralisation financire qui la suivie, et qui a occasionn certains faits (introduction du
march montaire, libralisation des taux dintrt, etc.) susceptibles de marquer la liquidit
bancaire de la zone.

2.3.3 Estimations et interprtation des rsultats

Nous nous retrouvons donc ainsi, daprs la forme de lquation (2.3), en prsence dun panel
dynamique, avec la variable dpendante retarde comme variable explicative. Mme si les
coefficients de la variable dpendante retarde nont pas un effet direct, la forme dynamique
de lquation peut tre cruciale pour lobtention des estimateurs efficaces des autres
paramtres (Bond, 2002). Ce qui suppose lutilisation de la

Mthode des Moments

26

Gnraliss en panel dynamique qui permettra de contrler pour les effets spcifiques pays
et temporels et de rduire le biais dendognet des variables explicatives (Bond, 2002).
Cette mthode permet aussi dapporter des solutions aux problmes de biais de simultanit,
de causalit inverse et de variables omises (Araujo, Brun et Combes, 2008). Les deux
variantes de lestimateur GMM en panel dynamique seront utilises savoir lestimateur
GMM en premire diffrence (Arellano et Bond, 1991) et lestimateur GMM en systme
(Blundell et Bond, 1998). Cela nous permettra de tester aussi la robustesse de nos rsultats
empiriques.
Etant donn que notre quation est en panel, contrairement aux travaux prcdents, nous
estimerons dabord le modle initial, avec les variables dAgnor, Aizenmann et Hoffmaister
(2004) c'est--dire X1, avant dintgrer les variables du vecteur X2 . Compte tenu du fait que,

25

LaGuineEquatorialeestentredanslazonepartirde1985.
Plusieursauteursontmontrquelestechniquesconomtriquesstandardsengendrerontdesrsultatsnon
efficientspouruntelmodle
26

45

nous formulons aussi lhypothse dun phnomne inverse la "panique bancaire", nous
testerons si certaines variables de X2 , surtout les dpts (DEPPS et DEPG) peuvent expliquer
la surliquidit, mais ne seraient pas significatives en prsence des variables qui reprsentent
essentiellement les motifs de prcaution. Par la suite, nous considrons les variables suivantes
comme tant endognes : rD, CREDPS, et CREDG. Leurs valeurs retardes dau moins deux
priodes sont utilises comme des instruments. La sollicitation des variables retardes comme
instruments et la construction de la volatilit de certaines variables rduisent fortement la
taille de lchantillon et ne permettent pas dutiliser la variable retarde dune priode en tant
que variables explicatives comme indiqu dans lquation (2.3).

46

Tableau 2. 1: Estimation de la surliquidit avec des variables reprsentant les motifs de

prcaution
Variables

GMM SYS

GMM DIF

explicatives
(1)

(2)

(1)

(2)

0.1420952***

0.0941994

0.23875***

0.19171**

(0.007)

(0.106)

(0.002)

(0.032)

0.0116044

0.15559*

-0.0442491

0.0875949

(0.891)

(0.072)

(0.686)

(0.451)

-0.01434***

-0.01051**

-0.01481**

-0.01134*

(0.002)

(0.034)

(0.013)

(0.087 )

0.3699***

0.3652***

0.2100**

0.1992482

(0.000)

(0.000)

(0.041)

(0.107)

-0.0011082

-0.0550245

-0.0394877

-0.0634653

(0.819)

(0.306)

(0.486)

(0.313)

0.21938***

0.2676***

0.0764477

0.1138406

(0.002)

(0.001)

(0.388)

(0.250)

0.0010926

0.0001806

0.0008908

0.0002203

(0.187)

(0.467)

(0.296)

(0.448)

0.0246***

-0.0024805

0.0239***

-0.0017962

(0.000)

(0.110 )

(0.001)

(0.380)

78

78

72

72

Wald (P-value)

0.000

0.0000

0.0000

0.000

AR2 (P-value)

0.5966

0.0885

0.6591

0.1063

Sargan (P-value)

0.075

0.1725

0.0693

0.2244

Constante

EL{-0}

rD

VOLCD

VOLGOV

VOLPS

VOLY

Y
Observations

Les deux premires colonnes concernent les estimations utilisant un GMM systme, tandis que les deux dernires utilisent un
GMM en diffrence. Dans les colonnes (1), VOLY et Y sont obtenues grce une tendance quadratique, et dans les colonnes
(2) a t utilis le filtre de Hodrik-Prescott. Les estimations dans le tableau correspondent aux coefficients des variables
explicatives et les p-value sont reprsentes entre parenthses.* ;** ;*** correspondent respectivement au seuil de
significativit de 10%, 5% et 1%. Hypothse nulle du test de Wald : les coefficients de tous les variables du modle sont nuls.
Test dautocorrlation dordre 2, H0 : absence dautocorrlation des erreurs de lquation en diffrence. Hypothse nulle du
test de Sargan : les restrictions sur la suridentification sont valides.

47

Nous interprtons dabord les rsultats issus de lestimation du modle thorique cit
prcdemment (Tableau 2.1). Les estimations opres avec lestimateur GMM en systme
fournissent des coefficients plus significatifs que celles ralises par lestimateur GMM en
premire diffrence. Etant donn que daprs les simulations de Monte-Carlo ralises par
Blundell et Bond (1998), lestimateur GMM en systme est le plus performant, nous
interprterons conomiquement les rsultats des deux premires colonnes du Tableau 2.1.
Cependant on peut toutefois se servir des deux autres colonnes pour valuer la fragilit des
rsultats.
La plupart des coefficients des variables de lquation sont significatifs sauf la volatilit de
lcart tendanciel la production et la volatilit des dpts du gouvernement. Nanmoins
lcart tendanciel la production a un impact significatif lorsque la variable est obtenue avec
une rgression quadratique, mais il nen est pas le cas avec le filtre de Hodrick-Prescott. Les
rsultats obtenus avec le filtre de Hodrick-Prescott peuvent tre mitigs cause de la faible
taille de notre chantillon. Ainsi, en considrant la colonne (1), la hausse de la production, en
augmentant la demande de la liquidit, conduit les banques commerciales constituer des
rserves afin de se prmunir dun choc de liquidit et de pouvoir respecter les ratios
prudentiels de la COBAC. La hausse de la volatilit des dpts du secteur priv, ainsi que
celle de la volatilit du ratio du niveau de liquidit sur lensemble des dpts accentuent la
prudence au niveau des banques et les entraine dtenir davantage de rserves excdentaires.
Fait surprenant, la baisse du taux dintrt directeur produit un effet inverse sur le niveau de la
surliquidit. Ce phnomne peut tre expliqu par le fait que la BEAC diminue son taux
dintrt directeur, au fur et mesure que la surliquidit augmente, afin de baisser le cot du
refinancement. Mais les banques demeurent insensibles face cette mesure. Il serait prudent
de parler plutt dune volution croise que dune causalit inverse entre les deux variables.
Leffet dynamique de la surliquidit, travers la variable dpendante retarde, nest
significatif que dans lquation o Y est obtenue avec le filtre de Hodrick-Prescott.
Certains auteurs (Saxegaard, 2006 ; Gilmour, 2005) considrent que ce modle ne prend pas
en compte une partie de la surliquidit qui ne serait pas fonction de la volont des banques
commerciales. Bien quils ne soient pas en possession dun modle thorique formalis
mathmatiquement, ils se fondent sur certains travaux empiriques pour inclure dans lquation
quelques variables pouvant expliquer la composante involontaire de la surliquidit.

48

Lorsquon utilise exclusivement les variables de X2 dans lquation estimer (Tableau 2.2) la
plupart des coefficients qui expliquent la composante involontaire de la surliquidit sont
significatifs, sauf le cours du ptrole. Etant donn que laugmentation du cours du ptrole
entraine une augmentation des dpts du Gouvernement et du secteur priv, nous avons
essay destimer le modle sans les deux dernires variables. Grace cette approche, le cours
du ptrole est devenu significatif. Par consquent on ne peut pas affirmer que le cours du
ptrole nagit pas sur la surliquidit, mais quil agit sur les rserves excdentaires des
banques travers les dpts du Gouvernement et du secteur priv.
En outre, le Tableau 2.2 donne tous les signes attendus thoriquement des coefficients des
variables significatives. Les dpts accroissent la surliquidit tandis que les crdits
contribuent sa baisse. Les rsultats montrent aussi quune augmentation de la surliquidit
survient suite une hausse du taux dintrt dbiteur. Etant donn que la plupart des variables
de X1 et X2 sont significatifs, il est question maintenant de vrifier lhypothse selon laquelle
X2 se transmet travers X1 sur le niveau de la surliquidit.
Une dernire estimation (Tableau 2.3) a t ralise avec des variables de X1 et X2 dont les
coefficients se sont avrs significatifs lors des rsultats prcdents. Tous les coefficients des
variables de X2 ne sont plus significatifs dans les estimations utilisant un GMM en systme.
Par contre les coefficients des variables de X1 demeurent toujours significatifs comme dans
les quations prcdentes. Ce qui ne veut pas dire, que les variables de X2 nagissent pas sur
le niveau des rserves excdentaires, mais plutt que leur impact serait indirect et passerait
par les variables qui reprsentent le motif de prcaution. Etant donn que la volatilit des
dpts du secteur priv, est dtermin par le niveau de ces dpts, il est vident que leffet de
ce dernier disparaisse lorsque les deux variables sont inclues dans une quation. Par
consquent, cest linstabilit des dpts du secteur priv qui est mise en cause. Il en est de
mme pour les crdits. Enfin le taux dbiteur agirait aussi sur le niveau de la surliquidit, mais
travers le taux directeur. Il faut nanmoins indiquer que ce rsultat semble assez fragile car
en utilisant un GMM en diffrence, on remarque que les coefficients de certaines variables de
X2 telles que les dpts au Gouvernement, les dpts au secteur priv et les crdits au secteur
priv demeurent toujours significatifs.
En dfinitive, on peut affirmer daprs nos rsultats que la surliquidit dans les pays membres
de la CEMAC est porte beaucoup plus par les motifs de prcaution. Leffet des variables
49

saisissant le motif involontaire serait plutt indirect. Nos rsultats convergent avec les travaux
dAgnor, Aizenmann et Hoffmaister (2004) qui trouvent que lexcs de liquidit en
Thalande, est attribuable aux Banques Commerciales. Nous ne sommes pas en total
dsaccord avec Saxegaard (2006), Gilmour (2005), mais apportons une nuance sur le type
dimpact de la plupart des variables qui nentrent pas dans les mesures de prcaution prises
par les Banques.
Plusieurs travaux indexent la forte hausse du prix du baril pour expliquer laccroissement des
rserves excdentaires dans les pays de la CEMAC (IMF, 2006 ; Saab et Vacher, 2007). Nos
estimations ont permis de montrer que la flambe du cours du ptrole agit sur les rserves
excdentaires des banques travers les dpts du Gouvernement et du secteur priv.
Plusieurs raisons permettent dtayer la dtermination de la surliquidit, par les variables
reprsentant le motif de prcaution. Demble nous pouvons citer la crise du systme bancaire
des annes 1980. Bien que dclenche par la dtrioration des termes de lchange, cette crise
a t exacerbe par la mauvaise gestion des Banques (Ebou, 2007).Cette situation a entrain
une perte de confiance de la part des pargnants. Cest ainsi que, depuis la restructuration du
systme bancaire (avec introduction des ratios prudentiels) couple par un "effet mmoire" d
la crise prcdente, les Banques prennent de plus en plus beaucoup de prcaution pour
octroyer des crdits. Etant donn que le contexte africain est caractris par une incertitude
radicale, les Banques prfrent la liquidit par rapport lirrversibilit de linvestissement
(Hugon, 2006). Daprs Wanda (2007) la surliquidit des Banques est le reflet dun contexte
risqu o lasymtrie de linformation obscurcit la relation Banque-emprunteur de nature
limiter au mieux les crdits aux ressources vue. Pour le FMI (2005), compte tenu de
limportance relative des dpts vue par rapport aux dpts terme, les banques pensent
tre vulnrables face une baisse soudaine de dpts et choisissent de dtenir un haut niveau
de liquidit.
En dfinitive, on peut dire que les Banques sont passes dune situation risquophile dans les
annes 1980 une situation risquophobe de nos jours.

50

Tableau 2. 2: Estimation de la surliquidit avec les variables non contrles par les
banques
Variables explicatives

GMM SYS

GMM DIF

constant

0.0617401

0.0085582

(0.344)

(0.917)

0.22355***

0.0746021

(0.003)

(0.446)

0.0061711**

0.005417*

(0.033)

(0.092)

0.0003238**

0.0004014**

(0.028)

(0.025)

0.0012667*

0.0014379*

(0.054)

(0.054)

-0.0003731**

-0.0002918*

(0.016)

(0.099)

-0.0010459***

0.0000641

(0.007)

(0.933)

-0.0009347

-0.0008526

(0.738)

(0.781)

Observations

96

96

Wald (P-value)

0.0296

0.0048

AR2 (P-value)

0.2073

0.2262

Sargan (P-value)

0.4236

0.3155

EL{-0}

rL

DEPPS

DEPG

CREDPS

CREDG

Oil

La premire colonne concerne les estimations utilisant un GMM systme, tandis que la dernire utilise un
GMM en diffrence. Les estimations dans le tableau correspondent aux coefficients des variables explicatives et
les p-value sont reprsents entre parenthses.* ;** ;*** correspondent respectivement au seuil de signification
de 10%, 5% et 1%. Hypothse nulle du test de Wald : les coefficients de tous les variables du modle sont nuls.
Test dautocorrlation dordre 2, H0 : absence dautocorrlation des erreurs de lquation en diffrence.
Hypothse nulle du test de Sargan : les restrictions sur la suridentification sont valides.

51

Tableau 2. 3 : Dterminants de la surliquidit

Variables

GMM SYS

GMM DIF

explicatives
(1)

(1)

0.0663915

0.071034

(0.509)

(0.558)

-0.0315316

-0.051366

(0.736)

(0.643)

-0.0110166*

-0.0104074

(0.075)

(0.136)

0.35994***

0.2634847**

(0.000)

(0.011)

0.1903506**

0.0879252

(0.017)

(0.361)

0.0263046***

0.0255358***

(0.000)

(0.001)

0.003676

0.0021778

(0.224)

(0.484)

0.0004112

0.000641**

(0.116)

(0.024)

-0.0008516

-0.0003522

(0.142)

(0.677)

0.0011477

0.0017109*

(0.173)

(0.050)

-0.0003145

-0.0003543*

(0.112)

(0.065)

84

78

Wald (P-value)

0.0000

0.0000

AR2 (P-value)

0.7882

0.8786

Sargan (P-value)

0.0110

0.0365

constant

EL{-0}
rD
VOLCD
VOLPS
Y
rL
DEPPS
CREDG
DEPG
CREDPS
Observations

La premire colonne concerne les estimations utilisant un GMM systme, tandis que la dernire utilise un
GMM en diffrence. Les estimations dans le tableau correspondent aux coefficients des variables explicatives et
les p-value sont reprsentes entre parenthses. * ;** ;*** correspondent respectivement au seuil de signification
de 10%, 5% et 1%. Hypothse nulle du test de Wald : les coefficients de tous les variables du modle sont nuls.
Test dautocorrlation dordre 2, H0 : absence dautocorrlation des erreurs de lquation en diffrence.
Hypothse nulle du test de Sargan : les restrictions sur la suridentification sont valides.

52

2.4 IMPLICATIONS POUR LA POLITIQUE MONETAIRE

Nos rsultats confirment dans lensemble, que la surliquidit bancaire des pays membres de la
CEMAC proviendrait dun mcanisme trs rigoureux de protection contre une ventuelle crise
de liquidit et du renchrissement du cours du ptrole. La surliquidit est conomiquement
couteuse pour les conomies de la zone, car elle empche la Banque Centrale de lutter
efficacement contre les tensions inflationnistes. Or linflation, engendre mcaniquement une
apprciation du taux de change effectif rel, grevant ainsi la comptitivit extrieure des pays
de la zone.
Il serait alors judicieux de mettre en uvre des mcanismes permettant aux banques de se
couvrir contre le risque, afin quelles puissent dtenir moins de rserves excdentaires et
financer davantage le dveloppement.
Au niveau de la Banque Centrale, on sait que dans une situation de surliquidit, les rserves
obligatoires et le taux directeur ne permettent pas de peser sur la cration montaire.
Cependant, un effort doit tre fait pour lintroduction effective des oprations dopen-market,
en prsence de titres publics dans la rgion. Les banques prfreront dtenir des actifs
rmunrateurs plutt que des rserves excdentaires au rendement nul. Lide est de
dvelopper lmission de titres publics ngociables, de diminuer puis de supprimer les
avances de la Banque Centrale aux trsors nationaux et de les substituer par lmission des
bons et dobligations du trsor, ds que la crdibilit des Etats sera rtablie. Le
dveloppement des marchs financiers est fondamental pour le financement de la dette
publique, et surtout pour la transmission de la politique montaire.
LEtat peut encourager les Banques octroyer les crdits par la mise en uvre dun bonus
fiscal bnficiant celles qui sengageront le plus dans le financement du secteur priv. Les
gouvernements peuvent contribuer la recapitalisation des Banques afin daugmenter leurs
fonds propres, o procder des dpts de long terme pour une scurisation contre le risque
de liquidit. LEtat peut envisager aussi la mise en place dun fonds de garantie pour que les
banques puissent rcuprer une part des crances en cas de dfaut de paiement. Pour A.
Joseph (1998), on peut rduire lasymtrie dinformation par la production de documents
comptables fiables et le dveloppement de la relation de clientle. Car la proximit et la
confiance sont les deux aspects qui expliquent lessor des marchs financiers informels. Par

53

consquent il serait important de chercher des solutions innovantes afin dorganiser une
complmentarit entre les secteurs financiers informels et traditionnels.
Daprs Servet (2007), on peut mobiliser les ressources locales auprs des institutions
financires pour le financement du dveloppement, par la mise en place dun fonds de
garantie international.

54

CONCLUSION

En affaiblissant les canaux de transmission de la politique montaire, la surliquidit demeure

un problme majeur dont il faut chercher les origines, afin de pouvoir le conjurer
efficacement. Cest ainsi que pour les conomies de la CEMAC, nous avons essay de
connatre la source du problme en nous appuyant sur les donnes de panel et en utilisant les
diffrentes approches du modle GMM. Les diffrents auteurs, qui ont prcdemment cherch
identifier les causes de la surliquidit, divergent sur la question de savoir si ce phnomne
provient dun mcanisme de protection dvelopp par les banques contre un risque potentiel
de liquidit ou de variables sur lesquelles les banques nont aucun contrle.
Les rsultats obtenus, pour le cas des pays membres de la CEMAC, rconcilient les deux
approches en montrant que la surliquidit driverait la fois du comportement trs prudentiel
des banques et des variables quelles ne contrlent pas. La flambe du cours du ptrole agit
sur les rserves excdentaires des banques travers les dpts du Gouvernement et du secteur
priv. La fragilit de la liquidit en RCA, vient conforter nos rsultats car cest le seul pays
membre de la CEMAC non exportateur du ptrole. Le comportement trs prudentiel des
banques peut sexpliquer par lexprience de la crise financire des annes 1980, la
restructuration du systme bancaire, linstabilit des dpts et un contexte conomique trs
risqu. Lembellie du cours du ptrole alimente les rserves excdentaires cause de la faible
capacit dabsorption des pays de la zone.
Les autorits montaires, pour enrayer le problme peuvent acclrer le dveloppement des
oprations dopen-market par lmission des titres publics. Les diffrents Gouvernements
peuvent encourager les banques octroyer plus de crdits en accordant un bonus fiscal, en
crant un fonds de garantie ou en procdant une recapitalisation. Enfin, on peut aussi utiliser
laide publique pour

la cration dun fonds de garantie international qui permettra de

mobiliser les ressources locales pour financer le dveloppement.

55

ANNEXES CHAPITRE II

56

Tableau 2. 4 : Ratios de refinancement du secteur bancaire

Source: BEAC

Tableau 2. 5 Coefficients des rserves obligatoires

Source: BEAC

Tableau 2. 6 : Situation des rserves obligatoires au 31 dcembre 2007

Source: BEAC

Tableau 2. 7 : Injections de liquidit effectues par la BEAC

Source: BEAC

Tableau 2. 8: Avances aux trsors nationaux par pays membres de la CEMAC

Source: BEAC

Tableau 2.9 : Estimation de la surliquidit avec le cours du ptrole et les autres variables
non contrles par les Banques
Variables
explicatives

EL{-0}

Oil

(1)

(2)

(3)

0.3019753***

0.2720844**
*

0.22355**

(0.000)

(0.002)

(0.003)

0.0062271***

0.008138***

-0.0009347

(0.001)

(0.000)

(0.738)

-0.0005802

-0.0010459*

(0.254)

(0.007)

-0.0002505**

-0.0003731**

(0.039)

(0.016)

CREDG

CREDPS

rL

0.0061711**
(0.033)

DEPG

0.0012667*
(0.054)

DEPPS

0.0003238**
(0.028)

Observations

102

102

96

Wald (P-value)

0.0000

0.0000

0.0296

60

 61

CHAPITRE III : LIDENTIFICATION

DES CANAUX DE TRANSMISSION DE
LA POLITIQUE MONETAIRE DE LA
BEAC : UNE APPROCHE PAR LA
MODELISATION VAR

62

63

INTRODUCTION

La CEMAC est un espace conomique constitu des pays en dveloppement dont le systme
financier est peu dvelopp. La monnaie y constitue souvent le seul actif financier. Les
marchs montaires sont peu nombreux et peu actifs. Les marchs financiers sont
embryonnaires ou inexistants. Le taux de bancarisation se situe, selon les pays, entre 5 et 10%
de la population (Hugon, 2006). Au-del de cette situation, la population de certains pays
membres de la zone fait partie intgrante des plus pauvres de la plante27.
Aprs une priode de matrise de linflation la fin des annes 1990, les autorits montaires
de la CEMAC font face de nos jours une augmentation considrable du niveau gnral des
prix dans certains pays membres28. La lutte contre linflation se complique davantage, car
depuis la dvaluation du franc CFA et lenvole du cours du ptrole, le systme bancaire
demeure structurellement surliquide. Malgr cette situation daisance de trsorerie des
banques commerciales (surliquidit)), et la politique de libralisation financire amorce par
lInstitut dmission, le cot du crdit demeure toujours exorbitant et handicape de ce fait,
lessor du secteur priv29. Difficile dans cette situation de hisser les conomies de la sous
rgion vers un sentier de croissance durable et soutenue, afin dy enrayer efficacement la
pauvret.
Comme indiqu dans le chapitre prcdant, la surliquidit affaiblit les canaux de transmission
de la politique montaire. En outre, Nissanke et Aryeetey (1998) montrent quen situation de
surliquidit, il devient difficile de rguler loffre de monnaie par les rserves obligatoires. Par
consquent, lefficacit de la politique montaire dans cette zone, exigerait une identification
claire des

diffrents canaux de transmission. Ces canaux de transmission agissent-ils

efficacement pour influencer les secteurs rels et financiers de la zone ?

Bien quils appartiennent une mme zone montaire, les Etats membres de la CEMAC30 se
distinguent par leur environnement macroconomique (instabilit politique, exportation du

27

ClassementIndicedeDveloppementHumain(IDH)2010sur169pays:Tchad163e,RCA159e,Cameroun
131e.
28
Selon,laBEAC,letauxd'inflationannuelmoyenpour2006,seprsentecommesuit:Cameroun(5,4%),RCA
(6,5%),Congo(4,0%),Gabon(3,9%),GuineEquatoriale(7,5%),Tchad(5,2%).
29

ClassementDoingBusiness2011sur183pays:Cameroun168e,RCA182e,Tchad183e,Congo177e,Guine
Equatoriale164e,Gabon156e.
30
Malgrlapolitiquemontairecommune,cettezonenenestpasencoreunetotaleintgration
conomique.

64

ptrole, vulnrabilit macroconomique, etc.) ; ce qui explique en grande partie, le non

respect des critres de convergence par la majorit des pays membres. Nous avons labor
une valuation empirique des canaux de transmission de la politique montaire de la BEAC.
Apres une brve description des fondements thoriques des canaux de transmission(I), nous
exposerons la politique montaire de la BEAC depuis 1990 (II) avant deffectuer les
estimations de nos modles retenus VAR(III) et Var en Panel (IV) et enfin dvoquer
quelques implications pour la politique montaire (V).

3.1 LES CANAUX DE TRANSMISSION DE LA POLITIQUE MONETAIRE

On distingue dans la littrature, le canal du taux dintrt, le canal des prix des autres actifs et
le canal du crdit.

3.1.1 Le canal du taux dintrt

Le canal du taux dintrt constitue le principal mcanisme de transmission de la politique

montaire keynsienne, ayant pour support de base, le modle IS-LM. Ce dernier permet de
montrer que la conduite dune politique montaire expansionniste, en aboutissant une
baisse des taux dintrt rels qui rduirait le cot du capital, entranerait une augmentation
des dpenses dinvestissement et, par l mme, un accroissement de la demande globale et de
la production. Pour Mishkin (1996), le fait que ce soit le taux dintrt rel, et non nominal,
qui exerce une influence sur les dpenses constitue un mcanisme important de la faon dont
la politique montaire est susceptible de stimuler lconomie, mme si les taux dintrt
nominaux atteignent un seuil zro lors dune phase de dflation. Selon Taylor (1995)
lexprience prouve que les taux dintrt ont eu une forte influence sur les dpenses de
consommation et dinvestissement. Cependant selon Bernanke et Gertler (1995) il est difficile
de montrer empiriquement que le taux dintrt a eu une influence sensible par le biais du
cot du capital.

65

3.1.2 Les canaux du crdit

Tobin et Brainard (1963), ainsi que Modigliani (1963), avaient dj relev l'importance des
distorsions entre les cots des diffrentes sources de financement et prsent la manire dont
pouvait oprer, le rationnement du crdit. Cependant la littrature conomique tait alors
domine par le "thorme" de Modigliani-Miller (1958) dquivalence des diffrentes sources
de financement pour les entreprises. Depuis les annes 70 au contraire, les avances de la
thorie conomique en information incomplte ont permis de renouveler l'approche du crdit
bancaire31.Il existe deux canaux fondamentaux pour la transmission de la politique montaire,
provenant des problmes dinformation sur les marchs du crdit : le canal du crdit bancaire
et le canal du bilan.
3.1.2.1 le canal du crdit bancaire
Le canal du crdit bancaire est fond sur lide que les banques jouent un rle spcifique au
sein du systme financier, car elles sont particulirement bien places pour rsoudre les
problmes dasymtrie dinformation sur les marchs de crdit (F. S. Mishkin, 1996). En cas
de non parfaite substituabilit entre les dpts et les autres sources de refinancement, une
politique montaire expansionniste, qui concourt augmenter les rserves et les dpts
bancaires, accrot les prts bancaires disponibles. Compte tenu du rle spcifique des banques
en tant que prteurs, cette augmentation du volume de prts conduira une hausse des
dpenses dinvestissement, et partant de l, de la production globale.

3.1.2.2 le canal du bilan ou canal large du crdit

Leffet de la politique montaire par le canal du bilan ou canal large du crdit est fonction de
la proportion des dettes, de la rpartition, sur le march de crdits et plus gnralement sur les
marchs de capitaux, entre les crditeurs nets et les dbiteurs nets. Le canal du bilan se fonde
sur le problme dasymtrie de linformation. Cette asymtrie dinformation peut se situer ex

31
Barran,CoudertetMojon(1994)

66

ante : lentreprise dispose dune information prive avant le contrat de dette. Cette premire
forme dasymtrie conduit au problme de la slection adverse , selon lequel il est difficile
de distinguer les bons emprunteurs des mauvais emprunteurs. Lasymtrie peut se
situer galement ex post : la banque court le risque dune excution partielle du contrat ou de
sa non-excution du fait des comportements opportunistes de lemprunteur. Lexistence de
ces imperfections pse sur les structures financires des entreprises, sur leurs possibilits et
sur leurs dcisions de financement. Pour quil y ait augmentation des prts bancaires, il faut
que les problmes dala moral et de slection adverse soient rsolus. La politique montaire
expansionniste rsout les problmes de slection adverse et dala moral car elle abaisse les
taux dintrt, ce qui a pour effet daccrotre le nombre demprunteurs potentiels de bonne
qualit.
Barran, Coudert et Mojon (1994) en analysant cinq pays de lOCDE trouvent que le crdit ne
semble pas ragir une lvation du taux directeur. Mais les innovations sur le crdit et la
masse montaire tant trs corrles, il leur est difficile de conclure. Leurs tests n'apportent
pas de rsultats clairs sur la question du canal du crdit.

3.1.2.3 Le canal des prix dautres actifs

La principale critique labore, lencontre de lanalyse keynsienne, repose sur le fait,
quelle ne retient pas le prix des actifs financiers, au-del du taux dintrt. On distingue le
canal du taux de change et le canal du cours des actions. Nous nallons pas revenir sur ce
dernier, non applicable aux pays en dveloppement, qui se rfre la thorie de
linvestissement de Tobin (coefficient q) et aux effets de richesse sur la consommation.
Les conomistes considrent quune politique montaire expansionniste, en rduisant les taux
dintrt rels nationaux, va baisser lattrait des dpts des rsidents en monnaie locale par
rapport aux dpts libells en monnaies trangres, ce qui entranera une dprciation de la
monnaie. La dprciation de la monnaie augmente la comptitivit des biens locaux par
rapport aux biens trangers, ce qui se traduit par une augmentation des exportations nettes et
donc de la production. Notons, toute fois, que ce canal passe par les taux dintrt et quil
sagit ici dun mcanisme qui se manifeste dans le cadre dun systme de taux de change
flexible.

67

Ito et Sato (2006) montrent quen Indonsie, la rponse des variables de la politique montaire
en prsence des chocs de taux de change, tait statistiquement significative. Cependant,
Caballero et Krishnamurthy (2004) mettent en lumire le fait quen priode de crise externe
dans les pays en transition, la politique montaire expansionniste exacerbe la dprciation du
taux de change et a peu deffet sur lactivit relle. La diminution des taux rend la monnaie
nationale moins attractive et provoque une sortie de capitaux.

Au regard de ces canaux quels leviers la BEAC, travers sa politique montaire, actionne telle pour faire fonctionner les canaux de transmission au niveau de la zone dmission?

3.2 LES CANAUX DE TRANSMISSION PRATIQUES PAR LA BEAC

Ds sa cration en 1972, la BEAC se donnait pour objectif principal, le dveloppement des
Etats membres, en apportant un soutien montaire actif aux initiatives conomiques des
Trsors, entrepreneurs et particuliers nationaux. Cette politique a fonctionn sans trop de
difficults jusquen 1986 grce, entre autres, un environnement international porteur.
Cependant, partir de 1986, la situation montaire de la Zone dEmission sest
considrablement dtriore, non seulement cause de leffondrement des cours mondiaux
des produits de base, mais aussi du fait de lexpansion rapide du crdit intrieur pendant les
annes fastes.
Ainsi, pour pallier ces insuffisances, de nouvelles reformes ont vu le jour partir de 1990,
notamment lintroduction des rserves obligatoires et le dmarrage du march montaire. La
programmation montaire devient le cadre de formulation de la politique et lobjectif final
vis est la stabilit montaire. Les crdits lconomie et la masse montaire M2 sont les
deux objectifs intermdiaires retenus.

3.2.1 Les principaux instruments de la BEAC

La politique de refinancement travers le march montaire, et les rserves obligatoires sont

les instruments indirects, dont dispose actuellement la BEAC, pour ses interventions.
68

3.2.1.1 La politique de refinancement

Avant la rforme, des annes 1990, les oprations de refinancement sopraient
essentiellement par le biais de la technique du rescompte. Dautres modalits sont apparues
avec lintroduction du march montaire en 1994. Les taux sont dtermins suivant loffre et
la demande des liquidits. Laction de la BEAC consiste influencer le march montaire par
sa politique de taux directeur. La politique de refinancement revt aussi une autre forme qui
concerne laction par les quantits (objectif de refinancement). La BEAC arrte ainsi, un
objectif de refinancement reprsentant la limite maximale des avances quelle est dispose
accorder au march montaire. Suivant les objectifs de la politique montaire, la BEAC
accorde des avances un taux dintrt fixe (taux dintrt des appels doffres ou TIAO). Par
contre, la liquidit est ponctionne, par le biais des appels doffres ngatifs, un taux dintrt
appel le Taux dintrt sur les placements (TISP).

3.2.1.2 La gestion des rserves obligatoires

L'assiette des rserves obligatoires de la BEAC comprend les dpts vue et les dpts
terme et d'pargne. La dtermination du niveau rglementaire des rserves obligatoires, est
base sur les chiffres relatifs aux encours des dpts aux dates des 10, 20 et 30 (ou 31) du
mois de rfrence. Cette priode de 10 jours retenue par lInstitut dmission pourrait
favoriser une augmentation considrable de la surliquidit volontaire des banques
commerciales afin dviter les sanctions de la BEAC en cas dun choc exogne. Instaurs
dune manire uniforme en 2002, les coefficients des rserves obligatoires (1 % sur les dpts
vue et 0,5 % sur les dpts terme) dpendent actuellement du niveau de la liquidit de
chaque pays membre. Ainsi, les coefficients sont maintenant plus levs en Guine
Equatoriale et lapplication des rserves obligatoires est mme suspendue en Centrafrique,
suite la grave crise que traverse ce pays depuis quelques annes. Les rserves obligatoires,
en concourant mettre en banque le systme bancaire, constituent ainsi un complment
la politique de refinancement.

69

3.2.2 Analyse de lvolution du taux dintrt directeur, de la masse montaire et du

crdit domestique dans la CEMAC
La BEAC joue un rle central au sein de l'union montaire, mais son rle de refinancement
semble limit, car face la surliquidit des banques et leur comportement trs prudentiel
pour financer les investissements moyen terme, notamment des PME, on observe une baisse
des taux dintrt et des ratios de rserve (Hugon, 2006).
La figure 3.1 illustre cette baisse tendancielle du taux dintrt, amorce depuis lintroduction
du march montaire en 1994. Cette situation montre leffort fourni par les autorits
montaires pour mettre en place une politique non restrictive

favorable au crdit et

linvestissement priv. Mais les rsultats se font toujours attendre, au regard de la surliquidit
dont jouissent les banques commerciales de la zone. On serait tent daffirmer que le canal du
taux dintrt des difficults saffirmer dans cette conomie avec un faible dveloppement
des marchs financier et montaire. Pour que le canal du taux dintrt soit oprationnel, il
faudrait au moins quil existe une substitution entre actifs financiers et actifs montaires dans
le portefeuille des agents conomiques travers lexistence des marchs financiers et
montaires.
Figure 3. 1 : Evolution du taux dintrt directeur dans la zone CEMAC
16
14
12
10
8
6
4
1990

1992

1994

1996

1998

2000

2002

2004

Source : FMI

70

On observe daprs la Figure 232, que depuis la dvaluation du FCFA, la tendance de la masse
montaire est la hausse. Plus quune volont des autorits de mener une politique
expansionniste, cette volution reflte beaucoup plus, la sant financire de certains Etats de
la zone, suite lenvole du cours du ptrole qui a augment largement leurs avoirs extrieurs.
Avec la reforme de 1990, o lon est pass la libralisation du secteur bancaire, la BEAC a
opt pour la programmation montaire qui a pour fondement thorique lquation quantitative
de Fischer (1911). Elle consiste fixer les objectifs de croissance de la masse montaire en
fonction des prvisions sur le niveau dactivit de chaque pays membre de la zone. De ce fait,
si les prvisionnistes de la BEAC arrivent capter effectivement les anticipations des agents
conomiques, alors il serait fort probable dobserver une relation33 entre les variations de la
masse montaire et du niveau dactivit. Cependant, cest lexplication des thoriciens du
cycle rel (King et Plosser,1984) qui pourrait tre retenue. Car pour ces derniers, les
variations de la monnaie, provenant des modifications des anticipations des agents, prcdent
mais nagissent pas sur les cycles. Loffre de monnaie rpond de faon endogne aux
fluctuations du produit (Tobin, 1970).
Figure 3. 2 : Evolution du taux de croissance de la masse montaire dans 3 pays de la
zone CEMAC (en milliards de CFA)
60%
50%
40%
30%
20%
10%
0%
10%
20%
30%
40%
Cameroun

Tchad

Gabon

Source : FMI

32
33

Seulementtroispayssontretenus,exclusivementpourdesraisonsdedisponibilitsdesdonnes.
Cetterelationseraitinterprtetortcommeunecausalit.

71

On constate que le volume du crdit domestique narrive pas suivre exactement lvolution
de la masse montaire, daprs les Figures 3.2 et 3.334. Cette situation fait tat du niveau de
surliquidit dont connat actuellement la zone, grce la dvaluation qui aurait contribu au
rapatriement des capitaux, et aux recettes dexportations tires par lenvole du cours du
ptrole.
Figure 3. 3: Evolution du taux de croissance du crdit domestique dans la zone CEMAC
(en millions de FCFA)

60%
40%
20%
0%
20%
40%
60%
80%
100%
Cameroun

Tchad

Gabon

Source : FMI

34

Cependant,ilfautnoterquilyadefortesdisparitsentrelespays.

72

En prsence dasymtries dinformation, les canaux du crdit ou de la masse montaire,

peuvent sembler les mieux adapts pour rendre efficace la politique montaire. Dans un
contexte de surliquidit, le canal du taux dintrt est inefficace. En raison de lancrage des
parits, le canal du taux de change ne relve pas de la politique montaire de la BEAC.

3.3 IDENTIFICATION ET ESTIMATIONS

3.3.1 Spcification du modle et sources des donnes

Comme il a t de coutume depuis les annes 198035, pour la spcification de notre modle
nous utiliserons aussi la modlisation VAR pour analyser les mcanismes de transmission de
la politique montaire de la BEAC, au sein des diffrents pays membres de la CEMAC. Notre
modle gnral crit sous la forme dun processus VAR(P) se prsente sous la forme
structurelle suivante :

Yt AY
i t i BX t ut ,

t=1,, T

(3.1)

i 1

O Yt est le vecteur des variables endognes, X t le vecteur des variables exognes, Ai et B

sont les matrices des paramtres estimer et ut le vecteur dinnovations.
Avec E( ut 2) = 2 (cte) , E( ut , ut -p) = 0 , E( ut ,Xt) = E( ut , Yt-i)=0

Yt comprend des sries trimestrielles de production industrielle IPt, de prix la

consommation Pt, de taux dintrt directeur rt, de taux de change et, dagrgat montaire mt36

35
36

Sims(1980)futlundesprcurseursdelamodlisationVAR
Danstoutledocument,lamassemontaireestreprsenteparM2

73

ou de crdit domestique cdt, sur une priode stalant du premier trimestre 1990 au dernier
trimestre 2005. Xt constitu de variables exognes, est fonction des caractristiques
macroconomiques de chaque pays. Cest ainsi que pour le Cameroun et le Gabon, Xt
renferme le cours du ptrole, lindice synthtique des matires premires et le taux de change
dollar/FCFA ; en ce qui concerne le Tchad, sont retenus, les cours du ptrole et du coton, et le
taux de change dollar/FCFA. Ces variables aident mieux spcifier le modle en permettant
de prendre en compte la contrainte extrieure, les chocs doffre et labsence dinfluence des
petits pays sur les prix des biens changeables.
Tableau 3.1 : Correspondance entre les canaux de transmission thoriques et les variables de
test
Canal de transmission

Variable de test

Canal du taux dintrt

TIAO

Choc montaire

M2

Canal du crdit

Crdit domestique

Le secteur rel est reprsent par lIndice de la Production Industrielle (IPI), lIndice des Prix
la Consommation (IPC) traduit le niveau gnral des prix, le taux dintrt retenu est le taux
directeur de la Banque Centrale (TIAO), lagrgat montaire est M2, et enfin le crdit
intrieur reprsente lensemble des crdits intrieurs sur lconomie. LIPI est utilis comme
proxy du niveau dactivit. Bien qutant dans le contexte des pays en dveloppement o le
secteur primaire occupe une grande place, il faut aussi remarquer que la production
industrielle dans ces pays est constitue aussi de lagro-industrie utilisant pour la plupart des
intrants provenant de lagriculture. Il sagit par exemple des industries de transformation du
coton graine ou de production du sucre. Suivant en cela Hericourt et Mattei (2005), la masse
montaire et le crdit domestique sont inclus dans lquation alternativement afin de saisir le
rle des variables quantitatives dans llaboration des stratgies de la politique montaire. M2
illustrera les chocs doffre et de demande de monnaie, tandis que le crdit intrieur permettra
dvaluer limportance du canal du crdit.

Comme nous lavons voqu ci haut, le canal du taux dintrt aurait du mal marcher dans
le contexte de la CEMAC. Par contre nous supposons quun choc sur la masse montaire, peut
74

aisment avoir des effets positifs de court terme sur la production, mais que cet effet se
dissipera dans le temps du fait de lajustement du prix. Nous soulignons aussi lhypothse que
le canal du crdit peut tre trs important, car il peut permettre aux banques, de rgler les
problmes que peuvent crer lasymtrie dinformation, telle que la slection adverse.
Toutes les donnes proviennent du FMI travers sa base de donnes IFS (International
Financial Statistics), sauf celles concernant lIndice de la Production Industrielle qui ont pour
source AFRISTAT37. Lhomognit statistique de nos sources de donnes confre notre
modle une certaine cohrence dans llaboration des estimations.
La priode retenue va du premier trimestre 1990 au dernier trimestre 2005. Plusieurs raisons
militent en effet pour le choix de cette priode. Dabord la disponibilit des donnes ne
permet de faire davantage, car comme plusieurs pays africains, lIPI na pas toujours t
calcul par les Instituts Nationaux de Statistique. Cest pour la mme raison que nous avons
retenu uniquement trois pays de la CEMAC : Cameroun, Tchad et Gabon. Enfin au cours de
cette priode plusieurs vnements sont apparus et ont boulevers la politique montaire de la
BEAC. Nous pouvons citer entre autres : la dvaluation du franc CFA, lintroduction du
march montaire, lavnement de lEuro, lentre du Tchad dans le groupe des pays
exportateurs de ptrole brut, etc.
Dcrit comme nayant pas de fondements thoriques, le processus VAR(P) est caractris par
la stationnarit des variables principales, potentiellement toutes endognes et dont le nombre
de dcalages associes chacune delles est identique dans chaque quation.
Le Tableau 3.1 ci-dessous montre que daprs les tests de stationnarit de Dickey-Fuller
Augment, toutes les variables sont intgres dordre 1, par contre les tests de Philips Perron
admettent que la variable IPI est stationnaire en niveau pour le Cameroun et le Tchad. Ce
rsultat peut conduire tester une relation de cointgration entre les variables endognes
utilises. Cependant plusieurs auteurs (Sephton et Larsen (1991), Barkoulas et Baum (1997)
Hericourt et Mattei (2005)) ont soulign le caractre trs fragile des relations de cointgration
dans la modlisation des processus VAR.

37

ObservatoireAfricaindeStatistique.

75

Tableau 3. 2 : Tests de stationnarit des variables endognes38

Cameroun
ADF

Philips

Tchad
ADF

Perron

Philips

Gabon
ADF

Philips

Perron

Perron

IPI

I(1)[0.00]

I(0) [0.02]

I(1) [0.00]

I(0) [0.01]

I(1) [0.00]

I(1) [0.00]

IPC

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

DR

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.01]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.02]

DC

I(1) [0.00]

I(1) [0.00]

I(1) [0.00]

I(1) [0.01]

I(1) [0.00]

I(1) [0.00]

Les p-values sont entre crochets.

Etant donn la nature des variables en jeu, il ne serait pas trs cohrent, de chercher saisir
les relations de long terme, cest ce qui nous amne, en se contentant des relations de court
terme, les utiliser en diffrence premire. Nanmoins, lIPI du Cameroun prsentant une
forte saisonnalit, a t dessaisonnalis avant de passer en diffrence premire. Le critre
dInformation dAkaike a permis de retenir un retard de 2 pour lensemble des pays tudis,
facilitant ainsi, la comparaison entre les effets des chocs montaires. Les variables exognes,
quant elles, sont introduites sans retard.
Sagissant des chocs, larbitrage seffectue entre une identification rcursive la Cholesky et
une factorisation structurelle davantage fonde thoriquement.
La dcomposition retenue pour notre tude, est celle rcursive de Cholesky dont lordre
suivant, est retenu pour les variables endognes :
Yt= [ IPt, Pt, rt, et, mt] ou Yt= [ IPt, Pt, rt, et, cdt]

(3.2)

38

IPI:IndicedeProductionindustrielle;IPC:IndicedesPrixlaConsommation;DR:Tauxdintrt;M:
massemontaire;DC:Crditdomestique;

76

Cet ordre prend en compte le lent ajustement de la production et du prix face aux chocs
montaires, du fait de limpact de court terme de ces derniers sur la sphre relle. Cette
dcomposition implique que la variable IPt sera affecte, daprs lordre tabli, par ses
propres innovations et avec retard par celles de toutes les autres variables. Tandis que la
variable Pt en deuxime position ne sera affecte que par ses propres innovations et avec
retard par celles des variables qui la suivent dans la liste. Il en sera ainsi pour les autres
variables qui ne seront affectes que par leurs innovations et celles des variables suivantes.

3.3.2 Rsultats

Les rsultats qui nous intressent le plus, concernent limpact des chocs montaires sur les
variables des secteurs financier et rel. Par consquent, nous ciblons les chocs sur le taux
dintrt, la masse montaire, et le crdit domestique. Etant donn que notre tude porte sur
une zone montaire ayant un ancrage avec une monnaie extrieure, limpact des chocs sur le
taux de change ne peut tre interprt. Lensemble des quations a t estim par les MCO.

3.3.2.1 Rsultats du Cameroun

Notre analyse commence par le Cameroun, pays dont le poids conomique est le plus
important de la zone. Les rsultats des estimations se trouvent en annexes dans les Tableaux
3.2 et 3.3 et les simulations effectues sont reprsentes par les figures 3.6 et 3.7 en annexes.
On remarque demble que le canal du taux dintrt est celui qui fonctionne le moins. Le
taux dintrt a un impact non significatif sur lindice de la production. Cependant on assiste
au phnomne de price puzzle39 qui se caractrise par une augmentation du niveau des prix
face un choc sur le taux dintrt. Le niveau gnral du prix augmente jusqu atteindre un
pic (0,61%) au deuxime trimestre et leffet se dissipe presque totalement au bout dune
anne. La masse montaire influence plutt fortement, la production avec un impact qui
diminue progressivement dans le temps. Par contre leffet non significatif sur le prix, aprs
une forte hausse sannule brusquement au bout du cinquime trimestre. Il en va de mme pour

39

Plusieurstudesempiriquesontrvlcephnomnecaractrisparuneaugmentationpluttqu'une
diminutionduniveaudesprixsuiteunecontractiondelapolitiquemontaire:EichenbaumandEvans(1992),
LeeperetRoush(2003),Hanson(2004),etGiordani(2004).

77

le crdit domestique qui nagit pas sur la production, mais ne perturbe pas davantage le niveau
des prix.
En ce qui concerne le systme financier, on observe une forte influence ngative du taux
dintrt sur le crdit intrieur, pouvant permettre de rsoudre le problme dasymtrie de
linformation (Mishkin, 1996). Cette forte sensibilit de court terme du crdit domestique par
rapport au taux dintrt directeur semble montrer quune politique montaire expansionniste
en augmentant le nombre potentiel de bons clients, peut conduire instantanment les banques
commerciales camerounaises, tre plus gnreuses pour loctroi des prts. Laugmentation
du taux dintrt fait baisser la masse montaire, mais la relation nest pas significative.

3.3.2.2 Rsultats du Tchad

Pour le Tchad, les rsultats des estimations se trouvent dans les Tableaux 3.4 et 3.5 et les
simulations effectues sont reprsentes par les figures 3.8 et 3.9 le seul canal qui agit sur la
production est la masse montaire. Daprs le graphique, un choc sur la masse montaire
entrane dabord une augmentation de lindice de la production avec un pic au deuxime
trimestre, puis une baisse drastique de -5, 04% au troisime trimestre et enfin limpact sarrte
au bout de lanne. Ici, le phnomne price puzzle existe aussi, mais nest pas du tout
significatif. En ce qui concerne le taux dintrt, il influence significativement lindice de la
production que lorsque la masse montaire est introduite dans lquation. Ce qui nest pas le
cas avec le crdit domestique. Contrairement au Cameroun, le canal du crdit nest pas du tout
oprationnel sur le secteur rel tchadien, car aucun impact nest enregistr tant sur le niveau
du prix que sur celui de la production. On peut expliquer cela, par le faible niveau de
bancarisation de ce pays, qui illustre le fait que la plupart des agents conomiques nont pas
accs au systme financier.

En outre la majeure partie des crdits est de court terme, par consquent au vu de nos
rsultats, on peut supposer quils sont censs financer plutt la consommation de biens
imports dont le prix ne dpend que du march mondial. Ce nest ainsi que lon peut justifier
comment le prix et la production locale peuvent demeurer insensibles face une augmentation
du crdit domestique au Tchad.
78

Fait surprenant, un choc sur le taux dintrt influence positivement et avec une forte
significativit la masse montaire. Cet impact culmine 3,44% au deuxime trimestre avant
de diminuer et de se dissiper pendant les trimestres suivants. Cependant, le crdit domestique
nest pas influenc par une modification du taux dintrt. Cela montre que laugmentation de
la masse montaire se fait plutt au profit des autres contreparties telles que les avoirs
extrieurs nets capts par les exportations. Le phnomne peut tre mieux compris quand on
prend en compte la programmation montaire. En effet, laugmentation du taux dintrt,
rsulterait dune prvision la hausse, de la masse montaire travers les recettes
dexportation, afin de rduire les autres contreparties telles que les crances lconomie.
Par contre, un choc sur la masse montaire fait baisser significativement le taux dintrt
comme le stipule la thorie conomique.

3.3.2.3 Rsultats du Gabon

Les rsultats des estimations se trouvent dans les Tableaux 3.6 et 3.7 et les simulations
effectues sont reprsentes par les figures 3.10 et 3.11. La particularit du Gabon, par rapport
aux deux pays prcdents, est la non significativit des facteurs quantitatifs de la stratgie de
la politique montaire savoir la masse montaire et le crdit domestique. Ces deux dernires
ninfluencent significativement ni le niveau gnral du prix, ni lindice de la production du
Gabon. Ce rsultat, en dsaccord avec la thorie, met en cause la programmation montaire
mme qui est suppose ancrer les anticipations des agents conomiques par rapport leur
besoin de liquidit. On observe ici, un phnomne price puzzle significatif, mais
seulement au seuil de 10%. De la mme manire que pour le Tchad et le Cameroun, le canal
du taux dintrt demeure toujours aussi faible en ce qui concerne la production.

Aucun rsultat significatif nest enregistr du ct du secteur financier. Le taux dintrt ici
ne joue pas du tout son rle de variable de contrle direct montrant ainsi limpuissance des
autorits montaires face une crise ventuelle.

79

3.4 IDENTIFICATION DES CANAUX DE TRANSMISSION PAR UN VAR EN

PANEL

Dans cette partie, nous essayons daller plus loin dans notre analyse en cherchant identifier
les canaux de transmission de la politique montaire de la BEAC par le biais dun VAR en
panel. C'est--dire que nous prenons cette fois ci en compte la fois, la dimension temporelle
et la dimension pays. Ce choix se justifie dabord par le fait que la politique montaire dans la
zone, avec des objectifs communs, est conduite par une seule Banque Centrale. Lunicit des
objectifs et des critres de convergence imposent de prendre en compte dans une tude de la
zone, les diffrentes caractristiques dans leur ensemble, car la CEMAC constitue malgr
tout, un march montaire commun. En outre techniquement, lajout de la dimension
individuelle permet daccroitre le nombre de donnes (donc le degr de libert), en incluant
linformation relative des pays diffrents et de mener ainsi une analyse multi-pays (C.
Hurlin et V. Mignon, 2007). Ensuite, cela permet de contrler lhtrognit individuelle des
pays membres de la CEMAC, et didentifier des effets qui ne peuvent pas tre dtects par
une simple srie de donnes temporelles ou en coupe transversale. Notre modle combinant
les approches VAR et panel scrit de la manire suivante :

BX

(3.3)

O dans le vecteur des variables endognes Yit , les sries sont maintenant annuelles et le PIB
remplace lIPI tandis que les autres variables de lquation VAR prcdente sont maintenues.
Les donnes stalent de lanne 1985 2005. Les variables exognes retenues qui constituent
aussi des contraintes sur lconomie des pays dAfrique Subsaharienne sont le cours du
ptrole et lindice des prix des produits primaires. En plus des variables Yit et Xit du modle
VAR en panel, fi reprsente leffet fixe pays et dt leffet temporel.
Nous formulons toujours les mmes hypothses sur les variables lors de lestimation du VAR
savoir la difficile transmission du taux dintrt, leffet de court terme du choc montaire et
limportance du canal du crdit bancaire.
Pour estimer notre nouvelle quation, nous adoptons lapproche utilise par Love et Zicchino
(2005). Etant donn que les variables dpendantes sont corrles aux effets fixes cause du
80

retard des variables exognes, la procdure de la diffrenciation des moyennes conduira des
coefficients biaiss. Pour viter ce problme, il faut appliquer la procdure de Helmert qui
utilise la moyenne de toutes les observations futures disponibles pour chaque anne-pays
(Arellano et Bover, 1995). Pour chacune des observations (t-1), on soustrait la moyenne des
observations futures (t, t+1,.., T) disponibles dans lchantillon. Cette transformation prserve
lorthogonalit entre les variables transformes et les variables dpendantes. Ainsi il est tout
fait possible, dutiliser les variables dpendantes retardes comme instruments et destimer les
coefficients du modle par un GMM systme. La soustraction de la moyenne des observations
futures pour chaque observation, limine ainsi leffet temporel. Cest cette procdure qui a t
utilise pour les premires estimations.

81

Figure 3. 4: Simulations du modle var en panel avec les donnes transformes par la
procdure de Helmert

2 lag VAR of pib ipc discount_rate masse_montaire oil

(p 5) pib
(p 95) pib

pib

(p 5) ipc
(p 95) ipc

3.1e+03

ipc

(p 5) discount_rate
(p 95) discount_rate

325.0944

-1.3e+02

response of pib to pib shock

response of pib to ipc shock

pib

(p 5) ipc
(p 95) ipc

15.8314

(p 5) discount_rate
(p 95) discount_rate

15.2301

-27.1754

response of ipc to ipc shock

pib

(p 5) ipc
(p 95) ipc

0.9972

(p 5) discount_rate
(p 95) discount_rate

0.4899

-3.2524

oil

-0.7213
0

(p 5) oil
(p 95) oil

response of discount_rate to ipc shock response of discount_rate to discount_rate response

shock of discount_rate to masse_montaire shockresponse of discount_rate to oil shock

pib

(p 5) ipc
(p 95) ipc

311.9558

ipc

(p 5) discount_rate
(p 95) discount_rate

29.3369

0.0000

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire
55.5140

-4.2e+02
0

discount_rate

12.9120

-86.0489
0

response of ipc to oil shock

1.9999

-0.6445

response of discount_rate to pib shock

(p 5) pib
(p 95) pib

0.5466

6
s

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

-1.7929
0

discount_rate

5.9757

-1.2051
0

6
s

response of ipc to discount_rate shock response of ipc to masse_montaire shock

ipc

oil

-9.2768
0

(p 5) oil
(p 95) oil
16.0690

-3.6995

response of ipc to pib shock

(p 5) pib
(p 95) pib

7.3397

6
s

response of pib to oil shock

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

-12.2905
0

discount_rate

46.3196

-2.0799
0

6
s

response of pib to discount_rate shock response of pib to masse_montaire shock

ipc

oil

-1.9e+03
0

(p 5) oil
(p 95) oil
132.2981

-3.9e+02
0

s
(p 5) pib
(p 95) pib

402.3991

-4.4e+03
0

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

285.0103

-8.2e+02
0

discount_rate

-2.1e+02
0

oil

4.0869

-39.7370
0

(p 5) oil
(p 95) oil

response of masse_montaire to pib shock response of masse_montaire to ipc shock

response of masse_montaire to discount_rate
response
shockof masse_montaire to masse_montair e shock
response of masse_montaire to oil shock
(p 5) pib
(p 95) pib

pib

(p 5) ipc
(p 95) ipc

2.6314

ipc

(p 5) discount_rate
(p 95) discount_rate

5.6696

-18.4564
6
s

response of oil to pib shock

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

32.2317

-2.8442
0

discount_rate
3.7223

-1.2389
0

6
s

response of oil to ipc shock

6
s

response of oil to discount_rate shock

-1.5449
0

response of oil to masse_montaire shock

response of oil to oil shock

Errors are 5% on each side generated by Monte-Carlo with 500 reps

82

oil

12.3634

-1.7885
0

(p 5) oil
(p 95) oil

Nous nous intressons ici davantage leffet du taux dintrt et de la masse montaire sur le
niveau dinflation et sur la production. Cest ce qui nous permet didentifier clairement
loprationnalisation des canaux de transmission utiliss par la BEAC. On ne sintresse pas
videmment au cours du ptrole (oil), malgr le fait quil soit prsent dans lquation. On
lutilise juste comme une variable de contrle.
La Figure 3.4 reprsente des fonctions de rponse ainsi que les bandes d'erreur de 5% gnrs
par la simulation de Monte Carlo. Ces fonctions de rponse prsentent la variation maximale
en fonction du temps de chaque variable endogne suite un choc dun cart-type de la
variable exogne. Le Figure 3.4 prsente ainsi le choc de la variable dans la colonne j sur la
variable de la colonne i, avec lordre pour la dcomposition de Cholesky. On remarque
daprs nos rsultats dans le Tableau 3.3 que le taux dintrt ninfluence pas du tout le PIB.
La raction du PIB, face un choc sur le taux dintrt, nest pas du tout significative. Ce qui
nest pas surprenant au vu de nos analyses antrieures quant au manque dintensive
connexion entre le secteur montaire et le secteur rel. Cependant la Figure 3.4, nous montre
que la simulation dun choc sur le taux dintrt entrainerait un impact ngatif quasi linaire
sur le PIB (premire ligne, troisime colonne). Par contre en ce qui concerne limpact dun
choc montaire, on observe quand mme un effet qui nest pas immdiat (premire ligne,
quatrime colonne), car il survient la deuxime priode avant de se dissiper compltement,
probablement suite lajustement du prix. Ce rsultat illustre ainsi le consensus en thorie
conomique sur le fait que limpact de la masse montaire sur le secteur rel est toujours de
court terme. Mais en Afrique Centrale, il faut prendre aussi en compte la programmation
montaire qui fixe le montant de la masse montaire allouer aux diffrents pays en fonction
des prvisions sur leurs croissances conomiques. Nos rsultats de la Figure 10, illustrent bien
cette situation car un choc sur le PIB (quatrime ligne, premire colonne) entraine une forte
augmentation de la masse montaire.
En ce qui concerne le prix, on remarque toujours le phnomne Price puzzle dans notre
estimation en Var Panel (deuxime ligne, troisime colonne), c'est--dire une augmentation
du niveau du prix suite un choc sur le taux dintrt comme on la observ dans les
estimations prcdentes. Ce rsultat a prcdemment interpell aussi dautres auteurs tels que
Sims (1992), Eichenbaum and Evans (1992), Leeper et Roush(2003), Hanson (2004), et
Giordani(2004). Une des solutions envisages pour identifier

empiriquement limpact

thorique du taux dintrt sur les prix consiste contrler les facteurs lorigine des
83

mouvements cycliques. Ces derniers sont prpondrants en Afrique Centrale o les matires
premires constituent le plus souvent la plus grande composante de lIndice des Prix la
Consommation. Toujours en ce qui concerne le niveau du prix, on remarque encore daprs
nos estimations une relation priori surprenante avec la masse montaire. Puisque le choc sur
la masse montaire entraine dabord une chute du niveau du prix jusqu la deuxime priode
avant damorcer une hausse. Plusieurs raisons peuvent tre avances pour expliquer ce
rsultat. Dabord la trs forte cyclicit des prix occasionn par des facteurs purement
exognes ne permet pas la masse montaire davoir une influence significative. Ensuite la
faible connexion entre le secteur montaire et le secteur rel peut diminuer ou diffrer
limpact de la monnaie sur le prix. Enfin, en plus du faible niveau du dveloppement
financier, la surliquidit du systme bancaire montre une certaine prudence des banques
commerciales octroyer des crdits, ce qui pourrait empcher ce que laugmentation de la
masse montaire se traduise par un surplus de demande dinvestissement ou de consommation
susceptibles de mettre la pression sur le niveau du prix.
Tableau 3 3: Estimations du modle Var en panel avec les donnes transformes par la
procdure de Helmert

H_PIB (-1)
H_IPC (-1)
H_DR (-1)
H_M2 (-1)
H_Oil (-1)
H_PIB (-2)
H_IPC (-2)
H_DR (-2)
H_M2 (-2)
H_Oil (-2)
Observations

H_PIB

H_IPC

H_DR

H_M2

0.5140299
(1.3459109)
-0.3474169
(-0.0305004)
-128.60443
(-1.3338842)
-0.66122349
(-0.2736664)
4.1842682
(0.23155813)
0.18500135
(0.5618917)
-0.97734745
(-0.1635783)
56.498009
(1.2053966)
2.7630817
(1.1452064)
-34.830619
(-2.2860812)
83

0.0029493
(1.2769344)
1.2283122
(8.7651272)
0.1885473
(0.1723413)
-0.0420586
(-1.3724102)
0.0984863
(0.5377388)
0.0018101
(0.9815023)
-0.0793358
(-0.6444756)
3.3608663
(3.4531768)
0.01202498
(0.6187193)
0.14497903
(0.78392457)
83

-0.0008045
(-1.7257765)
-0.0057556
(-0.229563)
0.7319606
(3.2556144)
0.0098915
(1.8259429)
0.0266405
(0.9920324)
-0.0003191
(-0.8022739)
-0.0155460
(-0.6926914)
-0.1829358
(-0.9224303)
-0.0042049
(-1.3546432)
0.0040643
(0.1325897)
83

0.0493025
(2.4764797)
-0.2090083
(-0.2915865)
-1.8559098
(-0.2838780)
0.4170476
(1.8058167)
-1.1584965
(-1.0180567)
0.02635045
(1.4274451)
-0.34255609
(-0.6040649)
2.7196938
(0.5907570)
0.1825745
(1.3883582)
-2.6997981
(-2.6586814)
83

H_PIB, H_IPC, H_DR et H_M2 reprsentent les variables transformes par la procdure de Helmert. Le tableau
prsente les coefficients et les t-statistiques sont entre parenthses.

84

Nous avons essay de tester la robustesse de nos rsultats en utilisant cette fois ci au lieu de la
transformation de Helmert, les donnes en premire diffrence (Tableau 3.3, Figure 3.5).
Nous arrivons au mme rsultat concernant le manque dimpact significatif du taux dintrt
sur le PIB. Cependant la linarit obtenue prcdemment avec les donnes transformes par la
procdure de Helmert concernant le choc sur le taux dintrt disparait avec les donnes en
diffrence. Les rsultats demeurent robustes par rapport au choc sur la masse montaire dont
leffet se dissipe dans le temps. Toutefois, un choc sur le PIB augmente la masse montaire
mais pas avec la mme intensit que dans la simulation prcdente. Par rapport au prix, les
rsultats convergent en ce qui concerne le phnomne du Price puzzle. Par contre concernant
un choc sur la masse montaire, nos rsultats narrivent pas indiquer un quelconque effet
positif sur le prix, rendant ainsi fragile le rsultat prcdant selon lequel la masse montaire
agirait de manire dcale dans le temps, sur le niveau du prix. En dfinitive, on peut retenir
que les rsultats les plus robustes se rattachent au phnomne du Price puzzle et du choc sur la
masse montaire qui agit sur le PIB, mais dont leffet se dissipe rapidement dans le temps.
Tableau 3. 4 : Estimations du modle Var en panel avec les donnes en diffrence
premire
H_PIB

H_IPC

H_DR

H_M2

H_PIB (-1)

-0.2367703

0.0017227

-0.0003554

0.0493073

(-0.4660672)

(0.3555655)

(-0.510385)

(1.8300609)

H_IPC (-1)

3.9971143

0.5071896

0.0032369

(0.1362388)

(1.489378)

(0.0684927)

-103.45664

-0.2682984

-0.0686017

0.9356866

(-0.7408363)

(-0.1440754)

(-0.3096684)

(0.0906800)

-2.7084695

-0.0506685

0.0059913

-0.2125326

(-0.9490525)

(-1.3501743)

(1.2649564)

(-0.7380406)

15.999498

-0.0339002

0.009385

0.7041788

(1.0088649)

(-0.11132131)

(0.2351005)

(0.5648358)

H_PIB (-2)

-0.0049412

0.0016899

-0.0003701

0.0677743

(-0.011867)

(0.2852763)

(-0.5271254)

(1.9308721)

H_IPC (-2)

38.498084

1.225489

-0.1122431

-0.3266265

(0.6157468)

(1.0795671)

(-0.807145)

(-0.0742179)

158.6459

8.2448226

-0.4907565

-0.422718

(1.2385872)

(1.9524112)

(-0.7682607)

(-0.025117)

H_DR (-1)
H_M2 (-1)
H_Oil (-1)

H_DR (-2)
H_M2 (-2)
H_Oil (-2)
Observations

0.135771
(0.0521453)

6.0426869

-0.0322152

0.0066091

0.3097567

(0.6691275)

(-0.3586522)

(0.4488174)

(0.3174187)

-25.023596

-0.0486871

0.0145755

-3.1341585

(-0.5564694)

(-0.10072181)

(0.2196145)

(-0.8385609)

82

82

82

82

H_PIB, H_IPC, H_DR et H_M2 reprsentent ici les variables en diffrence premire. Le tableau prsente les
coefficients et les t-statistiques sont entre parenthses.

85

Figure 3. 5: Simulations du modle var en panel avec les donnes en premire diffrence

2 lag VAR of pib ipc discount_rate masse_montaire oil

(p 5) pib
(p 95) pib

pib

(p 5) ipc
(p 95) ipc

3.9e+03

ipc

(p 5) discount_rate
(p 95) discount_rate

4.5e+03

-1.3e+03
s
(p 5) pib
(p 95) pib

(p 5) ipc
(p 95) ipc

29.6063

(p 5) discount_rate
(p 95) discount_rate

141.3183

-18.2978
s

-49.3579

(p 5) ipc
(p 95) ipc

(p 5) discount_rate
(p 95) discount_rate

(p 5) oil
(p 95) oil

oil

1.9898

-2.6817
6

response of ipc to oil shock

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

-1.7207
6

response of discount_rate to ipc shock response of discount_rate to discount_rate response

shock of discount_rate to masse_montaire shockresponse of discount_rate to oil shock

pib

(p 5) ipc
(p 95) ipc

276.8505

ipc

(p 5) discount_rate
(p 95) discount_rate

471.7251

-2.6e+02

discount_rate

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

333.6172

-7.0e+02
6

0
s

2.6871

response of discount_rate to pib shock

discount_rate

-5.1169
6

oil

-8.5942
6

0
s

3.9982

-6.5333
6

(p 5) oil
(p 95) oil

response of ipc to discount_rate shock response of ipc to masse_montaire shock

ipc

4.7828

-2.3920

response of pib to oil shock

34.5891

response of ipc to ipc shock

2.9085

(p 5) pib
(p 95) pib

15.6690

s
pib

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

-9.3927
6

response of ipc to pib shock

discount_rate

90.2686

-16.3942
6

response of pib to discount_rate shock response of pib to masse_montaire shock

ipc

oil

-2.3e+03
6

response of pib to ipc shock

(p 5) oil
(p 95) oil
1.5e+03

-2.4e+03
6

s
pib

(p 5) pib
(p 95) pib

3.1e+03

-2.3e+03
6

response of pib to pib shock

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

3.6e+03

-4.1e+03
6

discount_rate

423.3045

-4.8e+02
6

oil

123.8590

-1.7e+02
6

(p 5) oil
(p 95) oil

-2.6e+02
6

response of masse_montaire to pib shock response of masse_montaire to ipc shock

response of masse_montaire to discount_rate
response
shockof masse_montaire to masse_montaire shock
response of masse_montaire to oil shock
(p 5) pib
(p 95) pib

pib

(p 5) ipc
(p 95) ipc

20.7570

ipc

(p 5) discount_rate
(p 95) discount_rate

69.2315

-15.8882
s

response of oil to pib shock

(p 5) masse_montaire masse_montaire
(p 95) masse_montaire

58.9155

-25.7603
6

discount_rate
11.9752

-30.0438
6

0
s

response of oil to ipc shock

response of oil to discount_rate shock

-9.5733
6

response of oil to masse_montaire shock

response of oil to oil shock

Errors are 5% on each side generated by Monte-Carlo with 500 reps

86

oil

16.7179

-22.3379
6

(p 5) oil
(p 95) oil

3.5 QUELQUES IMPLICATIONS POUR LA POLITIQUE MONETAIRE

Nos rsultats confirment dans lensemble, la faiblesse du taux dintrt comme canal de
transmission de la politique montaire. Pour quil yait une transmission des taux dintrt du
march montaire lensemble des capitaux, il faut quil existe une substitution entre actifs
financiers et montaires dans le portefeuille des agents. Ce qui suppose le dveloppement des
marchs financiers et montaires. Malheureusement dans cette zone, aucune bourse des
valeurs ne fonctionne effectivement. La BEAC doit satteler crer un gisement de titres
publics dans la perspective dune future politique dopen-market.
Lefficacit des mesures indirectes suppose labsence dexcs de liquidit, sinon les rserves
obligatoires et les taux directeurs ne peuvent influencer la cration montaire. Pour lutter
contre la surliquidit, plusieurs solutions sont envisager parmi lesquelles : la vente des
titres, le dveloppement des titres publics ngociables, la diminution puis la suppression des
avances aux trsors nationaux, qui peuvent tre remplaces par lmission des bons et des
obligations du trsor. Le dveloppement des marchs financiers est ncessaire pour le
financement de la dette publique et notamment pour la transmission de la politique montaire.
Cependant, la mise en place dun renforcement de la politique montaire, doit tre prcde
dune analyse minutieuse sur les conditions initiales macroconomiques, institutionnelles et
aussi sur les conditions de ltat des infrastructures du march financier (IMF, 2006).
Lappartenance une zone montaire peut tre un atout pour le dveloppement financier, car
elle permet daccrotre la taille du march interbancaire des pays membres.

Si les

conomistes sont diviss sur le point de savoir quels canaux de transmission sont les plus
importants, tous saccordent nanmoins sur le fait que les prix dautres actifs jouent un rle
important dans la faon dont la politique montaire affecte lconomie (Mishkin F. S., 1996).
Malgr une forte liquidit, le manque de projets fiables, labsence dinformation,
lenvironnement difficile des affaires, empchent aux banques commerciales doctroyer les
crdits. Cependant avec le succs de la finance informelle, le secteur de la finance formelle
pourrait trouver des formules darticulation afin dorganiser une certaine complmentarit.

87

CONCLUSION

Comme la plupart des tudes empiriques qui ont cherch identifier les effets des chocs
montaires sur le secteur rel ou financier, nous avons jug adquat dutiliser la modlisation
VAR pour dterminer les diffrents canaux de transmission les plus oprationnels pour la
BEAC.
Le taux dintrt, principal canal voqu par les keynsiens travers le modle IS-LM nest
pas du tout actif pour rendre efficace la politique montaire de la BEAC. Ce rsultat est
conforme aux conclusions des travaux antrieurs. Etant significatif pour tous les pays, le
phnomne du price puzzle mrite une attention particulire. Il serait intressant dy identifier
ainsi un nouveau champ dtude pour la politique montaire en Afrique Centrale.
La masse montaire est la variable qui entretient le plus, une forte sensibilit avec lindice de
la production au Cameroun et au Tchad. Mais il nest pas ais dassimiler cette corrlation
une causalit car le fait que lmission montaire soit subordonne une prvision de
lactivit conomique, indique que la monnaie prcderait plutt lvolution de la production.
Pour le cas du Gabon, la programmation montaire aurait du mal identifier correctement le
rythme

des besoins de financement des agents conomiques. Labsence de relation

significative entre le prix et la masse montaire, montre lopportunit dlaborer des

statistiques sur linflation sous-jacente40, afin dvaluer de manire cohrente la politique
montaire. Le canal du crdit agit essentiellement au Cameroun, compte tenu dun relatif
dynamisme de son secteur secondaire, par rapport au Gabon qui bnficie de la rente
ptrolire et au Tchad dont le secteur priv est embryonnaire.
En cherchant identifier les canaux de transmission de la politique montaire de la BEAC par
le biais dun VAR en panel, nous avons pu dceler que les canaux de transmission ne sont pas
toujours trs oprationnels. Les rsultats identifient clairement le phnomne du Price puzzle
comme on la observ dans les estimations prcdentes. Le choc sur la masse montaire agit
sur le PIB, mais cet impact se dissipe rapidement dans le temps.

40
Cestdire linflation qui ne prendrait pas en compte les facteurs, purement transitoires, lorigine des
mouvementscycliquesdesprix.

88

En passant dune politique montaire fonde sur un contrle direct, celle fonde sur un
contrle indirect de la liquidit bancaire, les effets de la politique montaire sont forcement
difficile apprhender en Afrique Centrale. Labsence de march de titres ne permet pas non
plus dassurer avec une certaine efficacit le rle de recyclage de la liquidit bancaire et de
transmission de la politique montaire.

89

ANNEXES CHAPITRE III

90

Tableau 3. 5: Estimations du modle pour le Cameroun, avec prise en compte de la

masse montaire41
D(IPICAMEROUN)

D(IPCCAMEROON)

D(DRCAMEROON)

D(MCAMEROON)

-0.272552

-0.009898

0.000576

-0.931241

D(IPICAMEROUN(-1))

D(IPICAMEROUN(-2))

D(IPCCAMEROON(-1))

D(IPCCAMEROON(-2))

D(DRCAMEROON(-1))

D(DRCAMEROON(-2))

D(MCAMEROON(-1))

D(MCAMEROON(-2))

BRENT

INDEX

DOLLAR

R2

(0.08798)

(0.02003)

(0.00664)

(0.32653)

[-3.09805]

[-0.49408]

[ 0.08678]

[-2.85194]
-0.445477

-0.823811

0.026359

0.005172

(0.08370)

(0.01906)

(0.00631)

(0.31065)

[-9.84272]

[ 1.38294]

[ 0.81917]

[-1.43401]

-2.436785

0.240145

-0.159980

3.605610

(0.62951)

(0.14336)

(0.04749)

(2.33650)

[-3.87090]

[ 1.67516]

[-3.36873]

[ 1.54317]

0.567388

0.342997

-0.079451

-0.518492

(0.78766)

(0.17937)

(0.05942)

(2.92346)

[ 0.72035]

[ 1.91224]

[-1.33711]

[-0.17736]

0.836484

1.092584

-0.007357

-9.252025

(1.99831)

(0.45507)

(0.15075)

(7.41692)

[ 0.41860]

[ 2.40093]

[-0.04880]

[-1.24742]

-0.032266

0.242375

-0.137182

-4.082945

(1.67697)

(0.38189)

(0.12651)

(6.22423)

[-0.01924]

[ 0.63467]

[-1.08437]

[-0.65598]

0.075554

0.004400

0.001871

-0.230976

(0.03853)

(0.00877)

(0.00291)

(0.14301)

[ 1.96092]

[ 0.50142]

[ 0.64381]

[-1.61513]

0.070481

0.001753

0.000613

-0.307170

(0.04026)

(0.00917)

(0.00304)

(0.14942)

[ 1.75071]

[ 0.19120]

[ 0.20181]

[-2.05570]

-0.183551

-0.018214

-0.006240

0.908554

(0.09536)

(0.02172)

(0.00719)

(0.35394)

[-1.92479]

[-0.83871]

[-0.86734]

[ 2.56695]

0.256324

0.016747

0.005464

-1.380726

(0.12158)

(0.02769)

(0.00917)

(0.45124)
[-3.05983]

[ 2.10834]

[ 0.60488]

[ 0.59579]

-0.010994

0.000773

0.000161

0.110737

(0.00849)

(0.00193)

(0.00064)

(0.03149)

[-1.29570]

[ 0.40026]

[ 0.25128]

[ 3.51616]

0.831275

0.358308

0.384238

0.558000

Observations: 54
Ecart-types entre parenthses et t de Student entre crochets

41

Index:Indicesynthtiqueducoursdesmatirespremires;Brent:indiceducoursduptrole;Dollar:taux
dechangedollar/FCFA

91

Figure 3. 6 : Simulations du modle pour le Cameroun, avec prise en compte de la masse

montaire42
Response to Cholesky One S.D. Innovations 2 S.E.
Response of D(IPICAMEROUN) to D(DRCAMEROON)

Response of D(IPICAMEROUN) to D(MCAMEROON)

Response of D(IPCCAMEROON) to D(DRCAMEROON)

1.5

1.0

0.5

-4

-4

0.0

-8

-8
1

10

11

12

Response of D(IPCCAMEROON) to D(MCAMEROON)

1.5

-0.5
1

10

11

12

Response of D(DRCAMEROON) to D(DRCAMEROON)

10

11

12

Response of D(DRCAMEROON) to D(MCAMEROON)

.8

.8

.6

.6

.4

.4

.2

.2

1.0

0.5

.0

.0

-.2

-.2

0.0

-0.5

-.4
1

10

11

12

Response of D(MCAMEROON) to D(DRCAMEROON)

10

11

12

10

11

12

Response of D(MCAMEROON) to D(MCAMEROON)

40

40

30

30

20

20

10

10

-10

-10

-20

-.4
1

-20
1

10

11

12

10

11

12

42

LesFiguresenannexereprsententdesfonctionsderponseainsiquelesbandesd'erreurde5%gnrs
parlasimulationdeMonteCarlo.Cesfonctionsderponseprsententlavariationmaximaleenfonctiondu
temps,dechaquevariableendognesuiteunchocduncarttypedelavariableexogne.

92

Tableau 3. 6 : Estimations du modle pour le Cameroun, avec prise en compte du crdit

domestique

D(IPICAMEROUN) D(IPCCAMEROON) D(DRCAMEROON) D(DCCAMEROON)

D(IPICAMEROUN(-1))

D(IPICAMEROUN(-2))

D(IPCCAMEROON(-1))

D(IPCCAMEROON(-2))

D(DRCAMEROON(-1))

D(DRCAMEROON(-2))

D(DCCAMEROON(-1))

D(DCCAMEROON(-2))

BRENT

INDEX

DOLLAR

R2

-0.170723

-0.006715

-0.003191

-1.134691

(0.07571)

(0.01646)

(0.00521)

(0.50712)

[-2.25491]

[-0.40791]

[-0.61307]

[-2.23754]

-0.889412

0.022063

0.004404

0.269903

(0.07578)

(0.01648)

(0.00521)

(0.50758)

[-11.7367]

[ 1.33899]

[ 0.84530]

[ 0.53175]

-2.512589

0.220765

-0.158682

4.209942

(0.67835)

(0.14749)

(0.04663)

(4.54356)

[-3.70399]

[ 1.49676]

[-3.40266]

[ 0.92657]

1.008660

0.332242

-0.060633

-12.97190

(0.78773)

(0.17128)

(0.05415)

(5.27621)

[ 1.28047]

[ 1.93978]

[-1.11963]

[-2.45857]

1.497245

1.114770

0.007996

-50.61031

(2.07527)

(0.45123)

(0.14267)

(13.9002)

[ 0.72147]

[ 2.47050]

[ 0.05604]

[-3.64099]

0.464505

0.356785

-0.173438

0.135388

(1.88252)

(0.40932)

(0.12942)

(12.6091)

[ 0.24675]

[ 0.87165]

[-1.34013]

[ 0.01074]

0.021996

0.002496

-0.000386

-0.089970

(0.02203)

(0.00479)

(0.00151)

(0.14758)

[ 0.99826]

[ 0.52094]

[-0.25466]

[-0.60962]

0.008191

-0.000131

0.003337

-0.091161

(0.02081)

(0.00452)

(0.00143)

(0.13938)

[ 0.39364]

[-0.02899]

[ 2.33256]

[-0.65406]

-14.51358

-2.837668

0.692432

-221.0340

(16.2588)

(3.53520)

(1.11776)

(108.901)

[-0.89266]

[-0.80269]

[ 0.61948]

[-2.02967]

-0.309673

-0.052249

0.001137

-1.793097

(0.21571)

(0.04690)

(0.01483)

(1.44482)

[-1.43560]

[-1.11399]

[ 0.07670]

[-1.24105]

0.447616

0.069349

-0.005491

2.522686

(0.32078)

(0.06975)

(0.02205)

(2.14861)

[ 1.39538]

[ 0.99427]

[-0.24898]

[ 1.17410]

0.003064

0.002248

-0.000325

0.242450

(0.01187)

(0.00258)

(0.00082)

(0.07953)

[ 0.25807]

[ 0.87073]

[-0.39849]

[ 3.04864]

0.818931

0.372206

0.451210

0.418121

Observations: 54
Ecart-types entre parenthses et t de Student entre crochets
93

Figure 3. 7: Simulations du modle pour le Cameroun, avec prise en compte du crdit

domestique
Response to Cholesky One S.D. Innovations 2 S.E.
Response of D(IPICAMEROUN) to D(DRCAMEROON)

Response of D(IPICAMEROUN) to D(DCCAMEROON)

-2

-2

-4

-4

Response of D(IPCCAMEROON) to D(DRCAMEROON)

1.2

0.8

0.4

0.0

-6

-0.4

-0.8

-6
1

10

11

12

Response of D(IPCCAMEROON) to D(DCCAMEROON)

1.2

0.8

10

11

12

Response of D(DRCAMEROON) to D(DRCAMEROON)

10

11

12

Response of D(DRCAMEROON) to D(DCCAMEROON)

.8

.8

.6

.6

.4

.4

.2

.2

.0

.0

-.2

-.2

0.4

0.0

-0.4

-0.8

-.4
1

10

11

12

Response of D(DCCAMEROON) to D(DRCAMEROON)

10

11

12

10

11

12

Response of D(DCCAMEROON) to D(DCCAMEROON)

80

80

60

60

40

40

20

20

-20

-20

-40

-40

-60

-.4
1

-60
1

10

11

12

10

11

12

94

Tableau 3. 7: Estimations du modle pour le Tchad, avec prise en compte de la masse

montaire
D(IPITCHAD)
D(IPITCHAD(-1))

D(IPITCHAD(-2))

D(IPCCHAD(-1))

D(IPCCHAD(-2))

D(DRCHAD(-1))

D(DRCHAD(-2))

D(MCHAD(-1))

D(MCHAD(-2))

BRENT

COTTON

DOLLAR

D(IPCCHAD)

D(DRCHAD)

D(MCHAD)

-0.544043

0.057126

-0.003499

-0.222909

(0.15526)

(0.05174)

(0.00794)

(0.11274)

[-3.50415]

[ 1.10412]

[-0.44091]

[-1.97723]

-0.063141

0.066045

-0.004195

-0.225980

(0.15352)

(0.05116)

(0.00785)

(0.11147)

[-0.41130]

[ 1.29099]

[-0.53468]

[-2.02722]

-0.885692

0.223496

-0.028935

-0.366032

(0.42648)

(0.14212)

(0.02180)

(0.30968)
[-1.18196]

[-2.07676]

[ 1.57256]

[-1.32738]

0.108898

-0.323236

-0.047922

0.145936

(0.45076)

(0.15021)

(0.02304)

(0.32731)

[ 0.24159]

[-2.15182]

[-2.07995]

[ 0.44586]

-5.983551

1.457869

0.189411

5.832065

(3.15903)

(1.05274)

(0.16147)

(2.29389)

[-1.89411]

[ 1.38484]

[ 1.17305]

[ 2.54243]

-2.561533

0.281112

-0.192477

0.404782

(3.17608)

(1.05842)

(0.16234)

(2.30627)

[-0.80651]

[ 0.26560]

[-1.18565]

[ 0.17551]

0.676328

0.107164

-0.022397

0.023870

(0.21472)

(0.07155)

(0.01097)

(0.15591)
[ 0.15310]

[ 3.14988]

[ 1.49768]

[-2.04078]

-0.270694

0.062157

0.011040

0.113315

(0.24683)

(0.08226)

(0.01262)

(0.17924)

[-1.09667]

[ 0.75565]

[ 0.87508]

[ 0.63221]

-20.99766

-16.28360

0.410043

-18.07414

(23.6330)

(7.87561)

(1.20796)

(17.1608)

[-0.88849]

[-2.06760]

[ 0.33945]

[-1.05322]

0.064160

0.015706

-5.52E-06

0.047749

(0.05518)

(0.01839)

(0.00282)

(0.04007)

[ 1.16267]

[ 0.85406]

[-0.00196]

[ 1.19161]

0.129363

0.067207

-0.001859

0.076884

(0.09171)

(0.03056)

(0.00469)

(0.06659)

[ 1.41060]

[ 2.19910]

[-0.39663]

[ 1.15454]

0.001233

0.014545

-0.000296

0.016161

(0.02465)

(0.00822)

(0.00126)

(0.01790)

[ 0.05002]

[ 1.77036]

[-0.23497]

[ 0.90275]

0.499327

0.484047

0.356971

0.357837

Observations: 48
Ecart-types entre parenthses et t de Student entre crochets

95

Figure 3. 8 : Simulations du modle pour le Tchad, avec prise en compte de la masse

montaire
Response to Cholesky One S.D. Innovations 2 S.E.
Response of D(IPIT CHAD) to D(DRCHAD)

Response of D(IPIT CHAD) to D(M CHAD)

10

10

-5

-5

Response of D(IPCCHAD) to D(DRCHAD)

3

-1

-10

-10
1

10

11

12

-2
1

Response of D(IPCCHAD) to D(M CHAD)

10

11

12

Response of D(DRCHAD) to D(DRCHAD)

10

11

12

Response of D(DRCHAD) to D(M CHAD)

.8

.8

.6

.6

.4

.4

.2

.2

.0

.0

-.2

-.2

-.4

-.4

-1

-2

-.6
1

10

11

12

-.6
1

Response of D(M CHAD) to D(DRCHAD)

10

11

12

10

11

12

Response of D(M CHAD) to D(M CHAD)

12

12

-4

-4

-8

-8
1

10

11

12

10

11

12

96

Tableau 3. 8 : Estimations du modle pour le Tchad, avec prise en compte du crdit

domestique
D(IPITCHAD)
D(IPITCHAD(-1))

D(IPITCHAD(-2))

D(IPCCHAD(-1))

D(IPCCHAD(-2))

D(DRCHAD(-1))

D(DRCHAD(-2))

D(DCCHAD(-1))

D(DCCHAD(-2))

BRENT

COTTON

DOLLAR

D(IPCCHAD)

D(DRCHAD)

D(DCCHAD)

-0.605538

0.078145

-0.000717

0.069272

(0.16718)

(0.05143)

(0.00807)

(0.13262)

[-3.62210]

[ 1.51932]

[-0.08883]

[ 0.52235]

-0.192704

0.073876

0.001178

0.011060

(0.16544)

(0.05090)

(0.00799)

(0.13124)

[-1.16478]

[ 1.45140]

[ 0.14753]

[ 0.08427]

-0.923738

0.291608

-0.024181

-0.764406

(0.47974)

(0.14760)

(0.02316)

(0.38056)
[-2.00864]

[-1.92551]

[ 1.97571]

[-1.04409]

0.123349

-0.310125

-0.047906

0.791769

(0.51321)

(0.15789)

(0.02478)

(0.40711)

[ 0.24035]

[-1.96415]

[-1.93364]

[ 1.94486]

-2.966872

1.482513

0.081371

0.822038

(3.22121)

(0.99104)

(0.15550)

(2.55528)

[-0.92104]

[ 1.49592]

[ 0.52327]

[ 0.32170]

-0.796930

0.914986

-0.243713

-0.230852

(3.31269)

(1.01918)

(0.15992)

(2.62784)

[-0.24057]

[ 0.89776]

[-1.52397]

[-0.08785]
-0.396122

0.254202

0.041394

-0.006524

(0.20601)

(0.06338)

(0.00995)

(0.16342)

[ 1.23393]

[ 0.65310]

[-0.65598]

[-2.42393]

0.123849

-0.033789

-0.008018

-0.210408

(0.20541)

(0.06320)

(0.00992)

(0.16294)

[ 0.60294]

[-0.53466]

[-0.80859]

[-1.29129]

-3.968429

-14.59537

-0.149157

-21.27457

(28.4607)

(8.75624)

(1.37394)

(22.5769)

[-0.13944]

[-1.66685]

[-0.10856]

[-0.94232]

0.068368

0.019243

-0.000146

0.048914

(0.06239)

(0.01919)

(0.00301)

(0.04949)

[ 1.09581]

[ 1.00249]

[-0.04847]

[ 0.98831]

0.093453

0.056915

-0.000910

0.040968

(0.10479)

(0.03224)

(0.00506)

(0.08313)

[ 0.89180]

[ 1.76534]

[-0.17988]

[ 0.49284]

-0.019268

0.013876

0.000425

0.028235

(0.02990)

(0.00920)

(0.00144)

(0.02372)

[-0.64447]

[ 1.50849]

[ 0.29477]

[ 1.19049]

0.381579

0.456809

0.291503

0.357041

Observations: 54
Ecart-types entre parenthses et t de Student entre crochets

97

Figure 3. 9: Simulations du modle pour le Tchad, avec prise en compte du crdit

domestique

Response to Cholesky One S.D. Innovations 2 S.E.

Response of D(IPIT CHAD) to D(DRCHAD)

Response of D(IPIT CHAD) to D(DCCHAD)

-4

-4

Response of D(IPCCHAD) to D(DRCHAD)

3

-1

-8

-8
1

10

11

12

-2
1

Response of D(IPCCHAD) to D(DCCHAD)

10

11

12

Response of D(DRCHAD) to D(DRCHAD)

10

11

12

Response of D(DRCHAD) to D(DCCHAD)

3
0.8

0.8

0.4

0.4

0.0

0.0

-0.4

-0.4

-1

-2
1

10

11

12

Response of D(DCCHAD) to D(DRCHAD)

10

11

12

10

11

12

Response of D(DCCHAD) to D(DCCHAD)

16

16

12

12

-4

-4

-8

-8
1

10

11

12

10

11

12

98

Tableau 3. 9: Estimations du modle pour le Gabon, avec prise en compte de la masse

montaire

D(IPIGABON(-1))

D(IPIGABON(-2))

D(IPCGABON(-1))

D(IPCGABON(-2))

D(DRGABON(-1))

D(DRGABON(-2))

D(MGABON(-1))

D(MGABON(-2))

BRENT

INDEX

DOLLAR

D(IPIGABON)

D(IPCGABON)

D(DRGABON)

D(MGABON)

-0.384262

-0.078942

0.001972

0.067319

(0.15434)

(0.05490)

(0.01489)

(0.32186)

[-2.48973]

[-1.43792]

[ 0.13239]

[ 0.20916]

-0.348866

-0.011505

0.014098

-0.045192

(0.16095)

(0.05725)

(0.01553)

(0.33566)

[-2.16749]

[-0.20094]

[ 0.90773]

[-0.13464]

0.020744

0.309774

-0.102872

-0.993467

(0.53997)

(0.19207)

(0.05210)

(1.12606)
[-0.88225]

[ 0.03842]

[ 1.61279]

[-1.97438]

-0.693290

0.054236

-0.082977

2.955362

(0.57397)

(0.20417)

(0.05538)

(1.19698)

[-1.20788]

[ 0.26564]

[-1.49820]

[ 2.46902]

-2.338472

1.219722

-0.005851

5.758018

(1.91124)

(0.67985)

(0.18442)

(3.98574)

[-1.22353]

[ 1.79410]

[-0.03173]

[ 1.44465]
-2.068969

0.158131

-0.209643

-0.108679

(1.48826)

(0.52939)

(0.14361)

(3.10365)

[ 0.10625]

[-0.39601]

[-0.75678]

[-0.66662]
-0.005629

0.010180

0.009755

-0.003738

(0.07839)

(0.02789)

(0.00756)

(0.16348)

[ 0.12986]

[ 0.34984]

[-0.49415]

[-0.03443]

0.057781

0.011596

-0.002362

0.133250

(0.07560)

(0.02689)

(0.00729)

(0.15765)
[ 0.84522]

[ 0.76432]

[ 0.43123]

[-0.32379]

-0.131007

-0.040112

-0.006372

0.284842

(0.10153)

(0.03612)

(0.00980)

(0.21174)

[-1.29027]

[-1.11061]

[-0.65039]

[ 1.34524]

0.100826

0.038769

0.004376

-0.157718

(0.09693)

(0.03448)

(0.00935)

(0.20214)

[ 1.04018]

[ 1.12439]

[ 0.46787]

[-0.78023]
-0.007942

0.005156

0.000594

0.000224

(0.00782)

(0.00278)

(0.00075)

(0.01631)

[ 0.65938]

[ 0.21370]

[ 0.29659]

[-0.48703]

0.302107

0.313167

0.394382

0.228707

Observations: 47
Ecart-types entre parenthses et t de student entre crochets

99

Figure 3. 10 : Simulations du modle pour le Gabon, avec prise en compte de la masse

montaire
Response to Cholesky One S.D. Innovations 2 S.E.
Response of D(IPIGABON) to D(DRGABON)

Response of D(IPIGABON) to D(MGABON)

-1

-1

-2

-2

-3

1.2
0.8
0.4
0.0
-0.4

-3

-4

-4
1

10

11

12

-0.8
1

Response of D(IPCGABON) to D(MGABON)

Response of D(IPCGABON) to D(DRGABON)

1.6

10

11

12

Response of D(DRGABON) to D(DRGABON)

.8

.8

1.2

.6

.6

0.8

.4

.4

0.4

.2

.2

0.0

.0

.0

-0.4

-.2

-.2

-0.8

-.4
2

10

11

12

10

11

12

-.4
1

Response of D(MGABON) to D(DRGABON)

10

11

12

10

11

12

Response of D(MGABON) to D(MGABON)

20

20

15

15

10

10

-5

-5

-10

Response of D(DRGABON) to D(MGABON)

1.6

-10
1

10

11

12

10

11

12

100

Tableau 3. 10 : Estimations du modle pour le Gabon, avec prise en compte du crdit

domestique

D(IPIGABON(-1))

D(IPIGABON(-2))

D(IPCGABON(-1))

D(IPCGABON(-2))

D(DRGABON(-1))

D(DRGABON(-2))

D(DCGABON(-1))

D(DCGABON(-2))

BRENT

INDEX

DOLLAR

D(IPIGABON)

D(IPCGABON)

D(DRGABON)

D(DCGABON)

-0.475529

-0.063647

0.004923

0.469717

(0.16096)

(0.05874)

(0.01609)

(0.84648)

[-2.95438]

[-1.08361]

[ 0.30596]

[ 0.55491]

-0.427952

0.001283

0.015816

0.129504

(0.16362)

(0.05971)

(0.01636)

(0.86050)

[-2.61546]

[ 0.02149]

[ 0.96686]

[ 0.15050]

-0.343818

0.378389

-0.116783

0.004311

(0.55582)

(0.20283)

(0.05557)

(2.92306)

[-0.61858]

[ 1.86558]

[-2.10160]

[ 0.00147]

-0.594677

0.014381

-0.069733

-3.130790

(0.58505)

(0.21349)

(0.05849)

(3.07677)

[-1.01646]

[ 0.06736]

[-1.19221]

[-1.01756]

-2.606879

1.187584

0.033264

-8.201182

(1.79291)

(0.65426)

(0.17925)

(9.42895)

[-1.45399]

[ 1.81515]

[ 0.18557]

[-0.86979]

0.607126

-0.254674

-0.073264

1.965297

(1.55076)

(0.56590)

(0.15504)

(8.15549)

[ 0.39150]

[-0.45003]

[-0.47255]

[ 0.24098]

0.059142

-0.010955

-0.000212

0.049157

(0.03703)

(0.01351)

(0.00370)

(0.19472)

[ 1.59730]

[-0.81079]

[-0.05722]

[ 0.25245]

-0.003575

-0.001675

-0.001773

-0.134160

(0.03609)

(0.01317)

(0.00361)

(0.18978)

[-0.09907]

[-0.12722]

[-0.49150]

[-0.70692]

-14.66793

-1.583697

0.248533

-17.40126

(14.6969)

(5.36313)

(1.46934)

(77.2914)

[-0.99803]

[-0.29529]

[ 0.16915]

[-0.22514]

-0.251247

-0.064194

-0.006052

-1.361301

(0.17509)

(0.06389)

(0.01751)

(0.92082)

[-1.43492]

[-1.00469]

[-0.34574]

[-1.47835]

0.366622

0.068665

0.001311

0.843971

(0.28414)

(0.10369)

(0.02841)

(1.49432)

[ 1.29027]

[ 0.66222]

[ 0.04615]

[ 0.56479]

0.006514

0.002098

0.000202

0.091193

(0.00865)

(0.00316)

(0.00087)

(0.04551)

[ 0.75278]

[ 0.66439]

[ 0.23297]

[ 2.00382]

0.348967

0.325701

0.393526

0.215065

Observations: 54
Ecart-types entre parenthses et t de Student entre crochets

101

Figure 3. 11 : Simulations du modle pour le Gabon, avec prise en compte du crdit

domestique
Response to Cholesky One S.D. Innovations 2 S.E.
Response of D(IPIGABON) to D(DRGABON)

Response of D(IPIGABON) to D(DCGABON)

-1

-1

-2

-2

-3

-3

-4

-4
1

10

1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
1

Response of D(IPCGABON) to D(DCGABON)

Response of D(IPCGABON) to D(DRGABON)

2.0

10

Response of D(DRGABON) to D(DRGABON)

10

Response of D(DRGABON) to D(DCGABON)

2.0

.8

.8

1.5

.6

.6

.4

.4

.2

.2

.0

.0

-1.0

-.2

-.2

-1.5

-.4

1.0

0.5
0.0
-0.5

10

Response of D(DCGABON) to D(DRGABON)

10

10

Response of D(DCGABON) to D(DCGABON)

40

40

30

30

20

20

10

10

-10

-10

-20

-.4
1

-20
1

10

10

102

103

CHAPITRE IV : PREVISION DE
LINFLATION AU TCHAD : UNE
APPROCHE BAYESIENNE

104

105

INTRODUCTION
La situation de la surliquidit bancaire depuis le dbut des annes 2000, dans la Communaut
Economique et Montaire de lAfrique Centrale (CEMAC) devient de plus en plus inquitante
pour les autorits en charge de sa gestion dans la rgion. Elle sest accrue de faon
vertigineuse en 5 ans (entre 2003 et 2008) 204,21%43.

Cet vnement a occasionn

plusieurs ractions de la Banque des Etats de lAfrique Centrale (BEAC), qui narrivent pas
contenir le phnomne. On peut citer entre autres, les variations des coefficients de rserves
obligatoires dans le temps et entre les pays, ainsi que la diminution de leur taux de
rmunration. Malgr ces interventions, la surliquidit prend toujours de lampleur au fil du
temps et ainsi laisse craindre le pire pour lavenir de la stabilit montaire dans la zone. En
outre, les rcentes crises alimentaire et nergtique sont susceptibles de crer des tensions
inflationnistes que les autorits montaires sont supposes tre capables de maitriser.

La gestion de la politique montaire requiert une trs bonne anticipation de lconomie dun
pays ou dune zone montaire afin de permettre aux dcideurs de prvoir et de mettre sur pied
des mcanismes permettant datteindre les objectifs fixs. Cependant, en plus du trs faible
niveau financier de la zone, la surliquidit en affaiblissant les canaux de transmission de la
politique montaire vient rduire davantage les marges de manuvre de la BEAC, face un
ventuel choc inattendu sur le niveau dinflation. La surliquidit des banques peut les rendre
insensibles aux injonctions de la BEAC pour rguler le niveau de la masse montaire. Nous
cherchons ici construire un modle de prvision de linflation dans un des pays de la zone
confront ces difficults. Notre choix sest port sur le Tchad. En effet nous cherchons
laborer un outil qui permettrait la Banque centrale dtre plus proactive en cas de choc par
exemple. Il sagit ici pour le cas du Tchad par exemple, qui est entr dans lre de
lexploitation du ptrole partir doctobre 2003, de prvoir le niveau dinflation qui en
rsulterait suite lexpansion de la masse montaire. Nous comptons aussi identifier limpact
de cette dernire sur le niveau du prix travers les prvisions conditionnelle et non
conditionnelle que les modles BVAR permettent dtablir.

43

Lasurliquiditestmesureiciparleratiorserveslibressurdpts

106

Pour atteindre notre objectif, nous utiliserons une batterie de modles de prvision en allant de
simples modles autorgressifs (AR, ARIMA, SARIMA) aux modles de prvision
bayesienne44 (BVAR) en passant par les diffrents VAR (vecteurs autorgressifs). Lapproche
bayesienne est apprhende par les experts comme un outil trs important, permettant
damliorer la prcision dans le domaine de la prvision et

consiste en une mthode

statistique combinant les a priori du modlisateur, provenant de la thorie conomique, et

linformation contenue dans les donnes (Lardic et Priso, 1996). Pour Todd (1984), la
combinaison de l' priori du modlisateur et des donnes sur les variables contribue faire de
la prvision plus une science et moins un art.

Cet outil, permettra dexplorer un nouveau champ de prvision pour les conomies des pays
en dveloppement, malgr la faible qualit et la fiabilit discutable des donnes
macroconomiques. En outre il permet aussi dvaluer limpact dune intervention des
dcideurs ou dun choc affectant lconomie dun pays ou dune zone montaire (Leeper et
Zha, 1996 ; Sims et Zha, 1998 ; Brandt et Freeman, 2005).

Nous prsenterons dabord la revue de la littrature, avant de dcrire les diffrentes mthodes
de prvision, puis nous

estimerons les diverses quations, identifierons les critres de

slection et enfin comparerons les modles.

4.1 Revue de la littrature

Nous

passerons en revue les diffrents travaux effectus pour tablir la prvision de

linflation en gnral. Nous voquerons ensuite plus particulirement ceux concernant les
pays en dveloppement.
Les travaux de Sims (1972) sur les variables financires ont permis de mettre en exergue la
prvision de linflation ou de la production. A la suite, plusieurs auteurs ont utilis les tests de
causalit la Granger entre les variables financires et linflation (Friedman et Kuttner, 1992 ;
Estrella et Mishikin, 1997). Dans ces tudes, les dcompositions des erreurs des variances ont
permis dattribuer la contribution dune variable financire donne la prvision du niveau

44

Litterman(1980)leprcurseurdesmodlesBVAR

107

des prix. Cependant Emery (1996) et Gray et Thoma (1998) ont montr que les rsultats
obtenus par les tests de causalit la Granger sont trs fragiles surtout lorsquon labore un
test de robustesse en modifiant lchantillon dtude. Ensuite les mthodes VAR ont t
utilises pour tablir la prvision sur linflation ou la production (Chandra et Tallman, 1997 ;
Gray et Thoma 1998).
Des estimations dquation simple dinflation ou de production ont aussi t utilises pour
identifier linformation contenue dans les variables financires (Chandra et Tallman, 1997).
Certains auteurs utilisent aussi simplement les quations autorgressives de type AR ou
ARIMA. Black et al. (2000) par exemple utilisent dabord un modle de type AR(1) avant
dajouter juste une variable et comparent ensuite les qualits de prvision de ces variables.
Les rsultats ont montr que cest la masse montaire qui amliore davantage la prvision de
linflation. Un rsultat similaire a t trouv par Orden et Fisher (1993) qui, en utilisant les
donnes australiennes, ont montr quun choc sur la masse montaire peut faire varier le
niveau dinflation de 30%. Certaines tudes utilisent juste une quation simple dinflation
pour mesurer par exemple linfluence de la masse montaire. Cest le cas de Chandra et
Tallman (1997) qui en utilisant les donnes australiennes, trouvent que parmi les agrgats
montaires, il ny a que M3 qui permet de prdire significativement linflation.
Spcifiquement en Afrique, plusieurs tudes sur linflation ont t menes et aboutissent des
rsultats similaires pour la plupart dentre eux. Des variables spcifiques telles que le taux de
change parallle apparaissent comme des facteurs dterminants dans la prvision de
linflation. Cest le cas de ltude dAgenor (1989), qui en examinant les tendances du niveau
dinflation dans 4 pays africains a montr que le taux de change parallle par rapport au taux
de change officiel, et lexpansion montaire sont les deux variables qui influencent le plus
fortement le niveau du prix. Chhibber et Al. (1989) dans le cas du Zimbabwe ont identifi par
exemple le cot du travail unitaire et les taux dintrt en plus du taux de change, des prix
extrieurs, de la croissance de la masse montaire et du revenu rel comme variables
influenant significativement la prvision de linflation. Des rsultats plus conformes avec la
thorie ont aussi t obtenus, tels que ceux de Tegene (1989) qui en utilisant le test de
causalit la Granger et Pierce, trouvent que lexpansion montaire permet de prdire
linflation.
Plusieurs travaux rcents ont explor le domaine de la prvision de linflation en Afrique subsaharienne. Durevall et Ndung'u (2001) en estimant un modle correction derreur
dynamique dinflation, trouvent que loffre de monnaie est significative seulement court
108

terme et que le taux des titres du trsor joue un rle trs important. Ce dernier a t aussi mis
en vidence positivement par Nachenga (2001) dans une tude sur les mcanismes de
transmission de la monnaie en Ouganda. Entre temps Sacerdoti et Xiao (2001) montrent que
la croissance de la masse montaire na pas un effet direct significatif sur linflation et que
son impact est transmis travers le mcanisme de correction derreur. De mme Durevall et
Kadenge (2001), montrent que le taux de change et les prix extrieurs sont plus importants
que loffre de monnaie dans la dtermination de linflation au Zimbabwe. Mais beaucoup plus
rcemment, Blavy (2004) et Nassar (2005) en appliquant un model correction derreur ont
confirm lexistence de la relation de long terme entre les prix la consommation et loffre de
monnaie respectivement en Guine et Madagascar. Selon Feridun et Adebiyi (2006) au
Nigeria, lagrgat M1 prdit moins linflation que M2, mais ce dernier nest pas significatif
dans une quation simple du prix. Barnichon et Peiris (2007) ont utilis une mthode de
cointegration en panel pour montrer que les carts de production et de la monnaie dterminent
significativement le niveau dinflation en Afrique Sub-saharienne. Moriyama (2006) se place
pour la premire fois dans un pays en situation de post conflit comme le Soudan et fait
ressortir, en utilisant plusieurs modles, que laccroissement de la masse montaire et les
variations de taux de change affectent significativement le niveau dinflation avec un dcalage
de 18 24 mois. Toujours au Soudan, Moriyama et Naseer (2009), en appliquant un test de
causalit la Granger montrent que le crdit au secteur priv et les prix mondiaux du bl sont
les principaux indicateurs expliquant majoritairement les mouvements des prix dans ce pays.
Une tude rcente de Jumah et Kunst (2007) concerne certains pays africains de la zone franc,
mais elle a pour particularit de ne pas utiliser comme variable explicative la masse montaire
mais plutt le cours du cacao, le dficit budgtaire et les transferts des migrants. Ces auteurs
indiquent que l'inclusion des transferts des migrants permet d'examiner l'effet d'une variable
de flux de capitaux internationaux sur l'inflation et que l'augmentation du prix domestique et /
ou international du cacao ainsi que les transferts des migrants pourrait gnrer un excdent de
la balance des paiements et une accumulation de rserves internationales, qui, selon la
politique montaire peut stimuler l'inflation. Ils montrent que seul le cours du cacao explique
significativement le niveau dinflation dans les 5 pays retenus pour ltude.
On note galement que beaucoup dauteurs se sont intresss au domaine de la prvision
dinflation en Afrique. Plusieurs outils conomtriques varis ont t labors cet effet.
Cependant le terrain reste encore assez vierge pour les pays membres de la zone franc qui font
lobjet de notre tude. En outre, toutes ces tudes empiriques listes ci-dessus nont pas
109

incorpor la modlisation bayesienne dans leurs diffrentes estimations. Pourtant lapproche

bayesienne est gnralement considre comme un outil trs important, permettant
damliorer la prcision dans le domaine de la prvision. Lutilisation de la mthode
bayesienne permettra dune part de faire la comparaison avec les autres outils et dautre part
dvaluer limpact des chocs ou des dcisions de politique montaire.

4.2 Mthodes de Prvision

Les modles de prvision utiliss dans ce chapitre, sont les modles autorgressifs classiques,
les modles VAR et les modles VAR bayesiens. Nous nutilisons pas la formulation linaire,
et prospective suivante que lon rencontre daprs Kozicki et Tinsley (2002), dans les modles
dconomie ferme de Yun (1996), de Woodford (1996) ou de King et Wolman (1999):

(4.1)

La variable t dsigne linflation, yt lcart de production, ut un choc et la valeur attendue

de Ett+1 compte tenu de linformation disponible au temps t.

Daprs Kozicki et Tinsley (2002), mme si cette modlisation prospective est la base de
nombreuses tudes empiriques, elle reprsente une linarisation autour dun taux dinflation
anticip constant et suppos gal zro en longue priode. Or, cette hypothse, qui est
adopte dans la plupart des modles structurels de politique macroconomique, est considre
par ces auteurs comme ntant pas en adquation avec les faits.

4.2.1 Modles autorgressifs classiques

Il sagit des modles qui utilisent les valeurs des variables passes pour laborer des
prvisions. Ce sont des modles ayant pour fondement thorique, les anticipations adaptatives
110

qui conduisent la verticalit de la courbe de Phillips voque initialement par Friedman. Il

sagit essentiellement des modles AR(p), ARMA (p, q), ARIMA (p, d, q) et SARIMA (p, d,
D, q)
La principale critique adresse aux modles autorgressifs, est quils sont incapables de
prvoir les points dinflexion et ne peuvent pas tre utiliss comme des outils permettant
dvaluer limpact dun choc ou dune intervention des autorits montaires (Kenny et Al.,
1998 ; Frain, 1995). Cest ce qui entraine les prvisionnistes porter un intrt particulier aux
modles VAR permettant dvaluer les effets des chocs des principaux variables sur le niveau
gnral des prix.

4.2.2 Modle VAR

Un processus VAR(P) se prsente sous la forme structurelle suivante :
m

Yt ,i jYi ,t j it

(4.2)

j 1

o Yt,i est le vecteur des variables endognes l'instant t, j est la matrice des coefficients des
variables retardes de t-j priodes (Yt j ) et t l'erreur alatoire.

4.2.3 Modle BVAR

Lapproche baysienne en gnral, propose un cadre rigoureux pour formaliser les croyances
a priori et dterminer comment celles-ci doivent tre mises jour une fois que les donnes
sont observes (Adjemian et Pelgrin, 2008)
Initie par Litterman (1980), l'approche baysienne en prvision, s'est fortement rpandue et
est utilise aujourd'hui par la plupart des

auteurs

cherchant prvoir les variables

macroconomiques. Elle est considre comme un aboutissement de la modlisation VAR

standard, en permettant de limiter le nombre de paramtres estimer grce aux informations
dtenues priori par le modlisateur sur les variables.
111

4.2.3.1 PRESENTATION DU MODELE BVAR

La prvision baysienne s'appuie avant tout sur le modle VAR standard dcrit
prcdemment. A partir de ce modle VAR standard, l'approche baysienne va se distinguer
en incorporant des informations dtenues par les auteurs priori sur les plus probables valeurs
que peuvent prendre les coefficients j de lquation (4.2). L'ide est de limiter l'influence des
donnes sur la valeur de nombreux coefficients et non d'viter la surparametrisation que
connaissent habituellement les modles VAR. Ainsi, pour tablir la prvision baysienne le
modlisateur devra passer par plusieurs tapes avant de passer aux estimations.

a) Les a priori du Minnesota

D'abord, il faut dfinir l'information priori dtenue sur les probables valeurs des coefficients.
Dans la littrature, on utilisait le plus souvent les a priori du Minnesota qui consistent
supposer que les variables suivent une marche alatoire et donc que le meilleur prdicteur
d'une variable est sa valeur contemporaine (Litterman, 1980).
Ensuite, tant donn que l'approche est bayesienne, le modlisateur ne peut avoir une
assurance totale sur ces coefficients et devra par la suite estimer quantitativement son degr
de confiance dans la valeur de chacun des coefficients. Il s'agit en fait d'introduire des
contraintes ayant pour objectif la spcification des variances priori. Les contraintes sont
tablies de la manire suivante:

les valeurs rcentes des variables prdisent mieux que les valeurs lointaines;

lorsqu'une variable est considre moins importante par le modlisateur, alors sa

confiance sur le meilleur ajustement a priori associ au coefficient de cette variable
augmente.

Aprs avoir tabli des contraintes sur les variances priori, il faut dterminer maintenant leurs
valeurs. Cette dtermination s'effectue par le biais des hyperparamtres. Sims (1989) a dfini
les hyperparamtres qui spcifient les variances priori.

Le modle BVAR est estim

quation par quation par le biais de l'estimateur mixte de Theil(1963).

112

b) les a priori de Sims et Zha

La principale critique du modle vient du facteur subjectif concernant la spcification des

variances priori provenant des croyances du modlisateur. Ds lors, la technique ne permet
pas d'avoir un rsultat unique quand on est en prsence de deux modlisateurs ayant des
hypothses de dpart diffrentes. Kadyala et Karlson (1997) montrent dailleurs que malgr
que la priori du Minnesota soit le plus utilis, dautres a priori laborent de meilleures
prvisions et sont mme prfrables dun point de vue thorique. Et donc cest sur le domaine
thorique que Sims et Zha (1998) vont exprimer leurs divergences par rapport aux travaux de
Litterman (1986). Ils pensent que le contexte macroconomique peut tre mieux dcrit partir
dun modle dynamique dquations simultanes et quil faut constituer des a priori sur un
ensemble de relations structurelles plutt que sur des formes rduites de paramtres.
Concrtement, au lieu des a priori constitus quation par quation, ils en tablissent pour
lensemble du systme VAR pour prendre en compte des corrlations entre les quations de
manire avoir aussi des relations entre les variables contemporaines. Sims et Zha (1998)
proposent alors une srie dhyperparamtres pour traduire les carts types des coefficients des
quations simultanes dynamiques en accord avec leurs croyances ( priori).
Le principal atout de l'approche baysienne rside dans l'amlioration de la qualit de la
prvision. C'est ce qui ressort de toutes les tudes, malgr des a priori diffrents qui ont essay
de la comparer avec les modles VAR standards. On peut citer entre autres Doan, Litterman
and Sims (1984), Litterman (1986), Racette and Raynauld (1992), Kadiyala et Karlson
(1997), Sims et Zha (1998), et plus rcemment Brandt et Freeman (2007) et Babura,
Giannone et Reichlin (2008).
Pour ce qui est de notre tude, nous utiliserons la mthode de Sims et Zha (1998) plus
complte et qui nous conduira faire des simulations sur les effets de la politique montaire
grce llaboration des prvisions conditionnelles utilises prcdemment par Waggoner et
Zha(1998), Leeper et Zha (1996) et trs rcemment par Brandt et Freeman(2005).

113

4.2.3.2 Utilisation des modles BVAR pour lvaluation de la politique montaire

Lanalyse dimpact dune politique passe ncessairement par lidentification dun

contrefactuel. Ce dernier qui reprsente ce qui serait advenu en labsence dune intervention
quelconque sert de point de comparaison avec lvolution dun phnomne en prsence de la
mise en place dune nouvelle politique. Dans lanalyse des sries temporelles, on identifie le
contrefactuel par le biais des prvisions conditionnelles. Des contraintes sont tablies sur les
valeurs de certaines variables dans le futur. On ralise alors des prvisions des valeurs futures
de manire respecter les contraintes et en prenant en compte lincertitude sur les paramtres
et les chocs alatoires que lon cherche valuer (Waggoner et Zha, 1998).

4.3 Applications des diffrentes mthodes pour la prvision de linflation

4.3.1 Sources des donnes

Toutes les donnes proviennent du Fonds Montaire International (FMI) travers la base de
donnes (IFS)
La priode retenue pour ltude va du premier trimestre 1985 au quatrime trimestre 2005.
Plusieurs raisons militent en effet pour le choix de cette priode. Dabord la disponibilit des
donnes, ne permet de faire davantage. Etant donn lindisponibilit de la srie concernant
lIndice de la Production Industrielle (IPI) nous avons labor des sries trimestrielles du PIB
partir des donnes annuelles par le biais de la mthodologie de Denton retenue par le FMI45.
Au cours de cette priode plusieurs vnements sont apparus et ont influenc la politique
montaire de la BEAC. Nous pouvons citer entre autres : la crise financire des annes 1980,
la dvaluation du franc CFA, lintroduction du march montaire, lavnement de lEuro, etc.

45

LamthodedeDentonassurequeladistributiondelasriecalleresteaussiproportionnellequepossible
celledelindicateurenminimisant(ausensdesmoindrescarrs)lesdiffrencesdanslesajustementsrelatifs
destrimestresvoisinsdanslalimitedescontraintesdesrepresannuels.

114

4.3.2 Prvisions avec les modles autorgressifs AR, ARIMA et SARIMA

Lutilisation des modles AR et ARIMA des fins de prvision passe par plusieurs tapes
nonces par Box et Jenkins qui se rsument en 5 points savoir le test de stationnarit,
lidentification et lestimation du modle, la vrification des rsultats du modle et enfin la
prvision et lvaluation des valeurs prdites.

a) Test de stationnarit
Pour vrifier la stationnarit de notre variable, nous avons utilis le test de Dickey-Fuller
Augment et celui de Phillips-Perron. Les deux tests ont t administrs dabord la variable
en niveau, puis en premire diffrence, et enfin la variable en premire diffrence
dsaisonnalise. Daprs le Tableau 4.1, les rsultats des deux tests de stationnarit
convergent : la variable nest stationnaire que lorsquelle passe en diffrence premire ou en
diffrence premire dsaisonnalise.

Tableau 4. 1: Test de stationnarit

Variable

Test ADF

Test Phillips-Perron

t-statistique

Probabilit

t-statistique

Probabilit

IPC

-0.68

0.84

-0.61

0.86

D(IPC)

-9.52

0.00

-9.54

0.00

IPCS

-7.19

0.00

-8.83

0.00

ADF= Augmented Dickey-Fuller, IPC= Logarithme de lIndice des Prix la Consommation,

D(IPC)= Diffrence premire de lIPC et IPCS= logarithme de IPC dessaisonnalis.

115

b) Identification des processus AR(p), ARIMA (p, d, q) et SARIMA (p, d, D, q)

Il sagit ici de dterminer le modle adquat dcrivant notre variable selon que lon utilise les
processus AR(p), ARIMA (p, d, q) et SARIMA (p, d, D, q). En ce qui concerne le modle
AR(p), on identifie lordre p au niveau du dernier pic de la fonction dautocorrlation
partielle. Cependant, les courbes des fonctions dautocorrlation partielle labores sur
D(IPC) et IPCS ne permettent pas de conclure avec certitude sur lordre retenir pour ces
deux variables. Ce qui nous conduit utiliser plutt les critres dinformation dAkaike et de
Schwarz. On retient le modle pour lequel les statistiques du critre dAkaike ou de Schwarz
sont les plus faibles. Les rsultats consigns dans le Tableau 4.2, ne diffrent pas dun critre
un autre, cependant le nombre de retard retenir nest pas le mme pour les deux variables.
D(IPC) suit un processus AR(1), tandis que pour IPCS, les deux critres suggrent de retenir
le modle AR(4).

Tableau 4. 2: Choix du modle AR(p) avec des critres AIC et SC

Modle

D(IPC)

IPCS

SC

AIC

SC

AIC

AR(1)

-2.64

-2.67

-2.08

-2.11

AR(2)

-2.58

-2.64

-2.03

-2.09

AR(3)

-2.52

-2.61

-1.96

-2.05

AR(4)

-2.51

-2.63

-2.18

-2.30

Quant aux modles ARIMA et SARIMA, la dtermination du nombre de retards p et q,

respectivement des variables retardes et des moyennes mobiles des rsidus qui vont figurer
dans les modles et les ordres respectifs d et D de la diffrenciation et de la dessaisonalisation
semble plus laborieuse. Pour le modle ARIMA, tant donn que la srie D(IPC) est
stationnaire dordre 1, on a alors : d=1. Pour le modle SARIMA, tant donn que la srie
IPCS est trimestrielle et dsaisonnalise, on a alors : d=1 et D=4. Il reste maintenant
dterminer les valeurs de p et q correspondants respectivement aux modles ARIMA et aux
processus SARIMA. Nous avons choisi dutiliser les critres dinformation dAkaike et de
116

Schwarz pour retenir le modle appropri pour chaque cas. Compte tenu de la taille de notre
chantillon, il ne serait pas trs opportun dutiliser des ordres de retard p et q suprieurs 4.
Cest ainsi que pour un ordre de retard p fix, nous estimons 4 modles ARIMA ou SARIMA
correspondants aux valeurs de q associes aux MA allant de 1 4, et nous retenons le meilleur
processus en rapport avec les critres de choix.
Le Tableau 4.3 nous indique que les rsultats des critres retenus pour le choix du modle
ARIMA appropri ne convergent pas. Pendant que le critre de Schwarz conduit oprer le
choix du processus ARIMA (2,1,2), le critre dinformation dAkaike indique que le modle
ARIMA(4,1,2) est meilleur. Finalement, larbitrage, sera effectu en fonction de lvaluation
de la qualit des valeurs prdites provenant des processus ARIMA(2,1,2) et ARIMA(4,1,2)..
En ce qui concerne le choix du modle SARIMA, le Tableau 4.4 indique que les rsultats des
deux critres convergent et conduisent retenir le processus SARIMA (1,1,4,4).

Tableau 4. 3 : Critres de choix des processus ARIMA

Modle

Critres de choix
SC

AIC

ARIMA (1,1,1)

-2.59

-2.65

ARIMA (1,1,2)

-2.54

-2.62

ARIMA (2,1,1)

-2.52

-2.61

ARIMA (2,1,2)

-2.68

-2.79

ARIMA (3,1,1)

-2.49

-2.61

ARIMA (3,1,2)

-2.44

-2.58

ARIMA (4,1,1)

-2.45

-2.60

ARIMA (4,1,2)

-2.64

-2.82

117

Tableau 4. 4 : Critres de choix des processus SARIMA

Modle

Critres de choix
SC

AIC

SARIMA (1,1,4,3)

-2.50

-2.62

SARIMA (1,1,4,4)

-2.65

-2.80

SARIMA (2,1,4,3)

-2.33

-2.48

SARIMA (2,1,4,4)

-2.52

-2.70

SARIMA (3,1,4,3)

-2.42

-2.60

SARIMA (3,1,4,4)

-2.50

-2.72

SARIMA (4,1,4,2)

-2.27

-2.46

SARIMA (4,1,4,4)

-2.51

-2.75

En dfinitive nous avons retenu le processus AR(1) pour la variable en premire diffrence,
AR(4) pour la variable en premire diffrence dessaisonnalise, les modles ARIMA(1,1,1),
ARIMA(4,1,2) et enfin SARIMA(1,1,4,4). Ce sont ces modles qui seront utiliss pour la
prvision de linflation et dont les rsultats seront compars aux modles VAR et BVAR.

4.3.3 PREVISION AVEC UTILISATION DES MODELES VAR ET BVAR

Nous partons dabord dun modle VAR standard, avant de ltendre lapproche bayesienne
afin dlaborer les prvisions. Lidentification du modle VAR adquat consiste retenir les
variables pertinentes, puis dterminer leurs diffrents ordres de stationnarit et enfin le nombre
de retards prendre en compte en rapport avec les critres dinformations. En ce qui concerne les

118

variables, en plus du niveau du prix, nous utiliserons le pib, la masse montaire, le taux directeur
et le taux de change entre le dollar et le franc CFA.

a) Tests de stationnarit

Daprs le Tableau 4.5, il ya convergence de rsultats entre le test de Dickey-Fuller Augment

et le test de Phillips-Perron sur toutes les variables en jeu. Toutes les variables sont intgres
dordre 1. Ce rsultat peut conduire tester une relation de cointgration entre les variables
endognes utilises. Cependant ce nest pas lobjectif principal de notre travail, en outre
plusieurs auteurs (Sephton et Larsen ,1991 ; Barkoulas et Baum, 1997 ; Hericourt et Mattei,
2005) ont soulign le caractre trs fragile des relations de cointgration dans la modlisation
des processus VAR.

Tableau 4. 5: Tests de stationnarit sur le PIB, la masse montaire, le taux directeur et le

taux de change dollar/CFA
Test de stationnarit

Pib

TD

Dollar

ADF

I(1) [ 0.00]

I(1) [ 0.00]

I(1) [ 0.00]

I(1) [ 0.00]

Phillips-Perron

I(1) [ 0.00]

I(1) [ 0.00]

I(1) [ 0.00]

I(1) [ 0.00]

Les p-value sont entre crochets.

Une fois la stationnarit tablie, il va falloir identifier le modle par rapport au nombre de retards
prendre en compte avant de passer la prvision proprement dite. Comme on la effectu ci
haut pour les processus AR, ARIMA et SARIMA, nous nous basons sur les critres
dinformation de Akaike (AIC) et de Schwartz (SC). Les rsultats consigns dans le Tableau 4.6
indiquent que le retard de 4 est retenir lorsque que lon prend en compte le critre
119

dinformation de Akaike tandis que le critre de Schwarz indique plutt un retard de 1.En
dfinitive, nous retenons les deux modles VAR(2) et VAR(4) et les confronteront plus tard sur
leur capacits prvoir la variable dintrt savoir le niveau d inflation.

Tableau 4. 6: Choix du modle VAR en fonction de AIC et SC

Modle

SC

AIC

VAR(1)

-11.42

-12.32

VAR(2)

-12.39

-14.05

VAR(3)

-12.33

-14.77

VAR(4)

-11.93

-15.15

Enfin, la dcomposition retenue, est celle rcursive de Cholesky dont lordre suivant, est retenu
pour lensemble des variables endognes : Yt= [IPC, PIB, DT, Dollar et, M]
Cette dcomposition implique que la variable IPC affecte, daprs lordre tabli de manire
contemporaine et retarde toutes les autres variables qui la suivent dans la liste. Tandis que les
variables qui la suivent ne laffectent seulement avec retard. Il en est ainsi pour les autres
variables qui suivent sur la liste. Ce choix a t opr ainsi car ltude ne sintresse ici qu la
prvision sur lIPC.
En ce qui concerne les modles BVAR, notons que le nombre de retards retenir pour la plupart
dtudes empiriques est de 6 (p=6), mais compte tenu de la taille de notre chantillon, nous
optons pour un p=3. Cependant pour lapproche bayesienne, il faut choisir aussi une
combinaison dhyperparamtres dfinis ci-dessus qui puisse permettre datteindre un optimum en
termes de la qualit des prvisions. Pour ce faire, compte tenu dune multitude
dhyperparamtres utiliser qui vont entrainer plusieurs quations estimer, nous avons dcid
de les limiter pour notre tude, en utilisant ceux qui ont t pour la plupart jugs meilleurs dans

120

les tudes empiriques prcdentes. Nous partons dabord des hyperparamtres utiliss par Sims
et Zha (1998), qui ont t souvent repris dans la littrature (Zha, 1998 ; Waggoner et Zha, 1999 ;
Brandt et Freeman, 2006).

Pour ces travaux empiriques prcdents, on a les valeurs suivantes des hyperparamtres :
0 =0,6 ; 1=0,1 ; 3= 1, 4=0,5 et 5= 6=5

0 est le paramtre de restrictivit gnral. De petites valeurs de ce paramtre traduisent une plus
grande confiance du modlisateur dans ses a priori. l'inverse, des valeurs leves indiquent une
faible restrictivit gnrale et limine ainsi le ct baysien du modle BVAR. 1 permet de
resserrer l'cart-type des coefficients de la variable i dans l'quation j. 3 assure que les retards
loigns auront un cart-type de plus en plus petit, c'est--dire que la confiance du modlisateur
dans le fait que les coefficients des variables trop retardes sont nuls s'accrot. 4 reprsente la
restrictivit autour de la constante. 5 est la somme des coefficients de la composante
autorgressive et 6 reprsente la composante dummy des observations initiales. Le choix de 5 et
6 dpends des croyances du modlisateur sur les tendances stochastiques des donnes. Des
valeurs plus grandes de donnes anciennes impliquent une plus grande certitude que la somme
des coefficients est gale un, tandis que des valeurs plus grandes des rcentes donnes
indiquent quil ya moins dimpact des conditions initiales.
Pour Brandt et Freeman (2006), le choix de ces hyperparamtres ne provient pas essentiellement
des expriences empiriques, mais quil faut aussi lui assigner, si possible, des justifications
thoriques en fonction de ltude que lon mne.

4.3.4 Comparaison des diffrents modles

La prvision est souvent considre comme un aboutissement la plupart des analyses sur les
sries temporelles. Pour vrifier la capacit de prdiction dun modle, il faut tablir une
comparaison entre les donnes gnres et les donnes relles concernant la variable
121

macroconomique que lon cherche prvoir. Nous utilisons dans notre cas une base de donnes
qui va du premier trimestre 1985 au dernier trimestre 2005.Cet chantillon nous permet davoir
une priode relativement plus longue sur les sries. Nous effectuons pour chaque modle retenu,
des prvisions sur des horizons de 2 trimestres, 4 trimestres et 6 trimestres. Les estimations des
paramtres des diffrents modles sont faites sur une priode de T-t pour des prvisions t
horizons. Pour exemple, Les estimations pour lhorizon de 6 trimestres ont t effectues sur la
priode allant du premier trimestre 1990 au deuxime trimestre 2004 et les prvisions sont
labores sur le reste de lchantillon c'est--dire du troisime trimestre 2004 au dernier trimestre
2005. Etant donn que nous nous intressons seulement la prvision de linflation, seule la
variable prix sera sujet aux interprtations dans les modles VAR et BVAR.
On peut analyser de plusieurs manires la qualit des prvisions dun modle. Les mesures
classiques utilises le plus souvent par les prvisionnistes concernent lerreur absolue moyenne
(MAE) et la racine carre de lerreur quadratique moyenne (RMSE). Pour ce qui est de lanalyse
bayesienne, ces mesures ont t utilises notamment par Robertson et Tallman (1999) et Lardic
et Priso (1996)46. Spcifiquement pour les modles bayesiens, les auteurs utilisent plusieurs
mthodes telles que la production des bandes derreurs pour les valeurs prdites, la comparaison
des moyennes des donnes relles et prdites (Zha, 1999), lutilisation des facteurs de bayes
cumulatifs (CBFs). Pour notre tude, tant donn que nous comparons les modles BVAR aux
autres, nous utiliserons des critres pouvant tre appliqus tous savoir le MAE et le RMSE.

46

CesauteursutilisentaussilastatistiquedeTheilnoteU.

122

Tableau 4. 7: Comparaison des diffrents modles de prvision.

Modle

AR1

AR2

ARIMA

SARIMA

VAR

BVAR

Prvision horizon de deux trimestres

MAE

0.05677

0.03853

0.02951

0.03235

0.02027

0.02222

RMSE

0.05703

0.03920

0.02993

0.03893

0.02054

0.02262

Prvision horizon de 4 trimestres

MAE

0.03686

0.03623

0.02794

0.02458

0.04287

0.01949

RMSE

0.04298

0.03692

0.03188

0.02819

0.04516

0.02331

Prvision horizon de 6 trimestres

MAE

0.03387

0.05139

0.02899

0,04593

0.09201

0.01888

RMSE

0.03924

0.04047

0.03588

0,05919

0.09344

0.02111

Dune manire gnrale, il ny a pas de modle qui simpose systmatiquement comme tant
meilleur travers les critres de comparaison (MAE et RMSE) sur tous les 3 horizons temporels
de prvision. Rappelons quun modle est dautant meilleur que les MAE et RMSE qui lui sont
associs sont faibles.
Daprs le Tableau 4.7, on remarque que mme si le modle BVAR nest pas meilleur dans
lensemble, il se distingue nettement des autres pour les prvisions horizon de quatre et de six
trimestres. Ceci indique que les modles bayesiens sont plus efficaces dans les prvisions un
horizon plus lointain. Quand on prend seulement le critre MAE, on se rend compte quil ya une
certaine linarit dans la prcision des modles BVAR. C'est--dire que la prcision samliore
lorsquon augmente lhorizon de prvision. Cependant cette linarit ne sobserve pas avec le
critre RMSE dont les rsultats sont assez stables. Pour les prvisions horizon de 2 trimestres,
ce sont les modles VAR qui sont meilleurs selon les deux critres, mais ils sont suivis par les
modles BVAR. En gnral, pour les autres modles moins performants, ARIMA est nettement
meilleur pour les prvisions horizons de deux trimestres et de six trimestres, tandis que
SARIMA se distingue pour les prvisions horizons de 4 trimestres. Les rsultats montrent que
123

les modles autorgressifs AR1 et AR2 sont ceux dont la qualit de la prcision est trs faible. Il
est aussi important de noter que les rsultats des critres utiliss convergent pour tous les
modles. Cest dire que quand on classe les modles selon la qualit de la prcision, le rang ne
change pas en fonction des deux critres utiliss.
En dfinitive, on peut dire quil ny a pas de supriorit absolue du modle BVAR sur tous les
autres. Si on laisse de ct, les modles autorgressifs (AR1, AR2, ARIMA et SARIMA) qui
sont jugs moins performants par nos rsultats, nous constatons que le modle BVAR est
meilleur que le VAR dans 2 cas sur 3. Ce qui nest pas tout fait le mme rsultat de Litterman
(1986) pour qui les modles BVAR sont toujours prfrables. Toutefois nos rsultats sont plus
conformes ceux de Lardic et Priso (1996) qui indiquent quil ny a pas de suprmatie de la
modlisation baysienne par rapport aux approches plus traditionnelles.
Le rsultat selon lequel lapplication des modles BVAR dans le contexte des pays en
dveloppement ne donne pas des rsultats contraires ceux obtenus dans les pays dvelopps est
important. Car en Afrique des facteurs transitoires tels que les alas climatiques qui sont trs
frquents, perturbent souvent

lvolution court terme du niveau des prix sans toutefois

modifier significativement la tendance de long terme. Bryan et Ceccheti (1993) suggrent de ne

pas prendre en compte ces lments lorigine des mouvements cycliques des prix, cependant en
Afrique ils constituent lune des principales composantes de lindice.
Ladaptation du modle bayesien avec les donnes dans le contexte des pays en dveloppement
nous encourage explorer ainsi une autre application de cette technique savoir lvaluation des
chocs et de la politique des autorits montaires.

4.4 SIMULATION DUNE HAUSSE DE LA MASSE MONETAIRE EN AFRIQUE

CENTRALE
Lapproche bayesienne est

aussi considre comme une rponse apporte la critique de

Lucas (1976), sur lutilisation des modles conomtriques dans lvaluation des politiques
conomiques (Thompson et Miller, 1986). Une des ractions cette critique, qui considre que
les paramtres fixes dun modle bas sur des observations passes ne permettent pas une
valuation efficace des politiques conomiques, a t linstauration des modles coefficients
124

variables gnrs par les BVAR (Doan, Litterman et Sims, 1984). Lanalyse conomique par les
BVAR est construite essentiellement sur les prvisions conditionnelles. Etant donn que pour
une analyse dimpact, lon doit toujours faire rfrence un contrefactuel, lapproche bayesienne
lidentifie par le biais des prvisions conditionnelles. Le contrefactuel ici est traduit en
contraintes sur les valeurs quune variable peut prendre dans le futur, qui peuvent tre fixes
(condition difficile) ou comprises dans un intervalle donn (condition souple). Avec ces
contraintes, on tablit alors des prvisions conditionnelles qui permettront de saisir limpact en
les comparant aux prvisions non contraintes. Il faut noter que les deux prvisions prennent en
compte lincertitude sur les paramtres et les chocs alatoires que lon cherche valuer
(Waggoner et Zha, 1998).
Pour notre tude, nous cherchons valuer limpact de la surliquidit travers un afflux de la
masse montaire occasionn par lexportation du ptrole brut (Cf. annexes chapitre IV, figure
4.2). Pour ce qui est de limpact de la surliquidit, nous essayerons de construire un modle dans
lequel la masse montaire nvolue pas depuis 2003 au Tchad. Nous laborons alors une
prvision conditionnelle sur un horizon de 8 trimestres partir du premier trimestre 2004 en
contraignant la masse montaire garder sa valeur du dernier trimestre 2003 pendant toute cette
priode. Une autre prvision sans contrainte sur la masse montaire est aussi ralise afin de
saisir limpact de cette envole de la masse montaire sur les variables clefs. Des graphiques sont
traces pour illustrer les diffrents impacts que lon cherche identifier. Notons que pour notre
cas, on cherche mesurer dune certaine manire limpact de la surliquidit principalement sur
linflation.

125

Figure 4. 1: Prvision conditionnelle avec contrainte sur la masse montaire et prvision

non conditionnelle de lIPC du premier trimestre 2004 au dernier trimestre 2005.

Les prvisions sont bases sur les modles BVAR dcrits prcdemment. La courbe en pointills reprsente lvolution de la
prvision non conditionnelle et lautre courbe traduit lvolution de la prvision conditionnelle.

Deux rsultats importants se dgagent de la Figure 4.1. Dabord on remarque que la prvision
non conditionnelle est nettement suprieure partir de la premire priode la prvision
conditionnelle avec un cart qui saccroit dans le temps avant de diminuer la sixime priode.
Ensuite, les deux prvisions convergent par la suite indiquant ainsi lattnuation du choc sur la
masse montaire.
Nous considrons lcart entre les deux courbes comme tant limpact de la forte augmentation
de la masse montaire sur le niveau des prix. La prvision conditionnelle est considre ici
comme ce qui serait advenu lIPC si la masse montaire nvoluait pas dans la priode retenue.
Par consquent nous admettons que lcart entre les deux courbes constitue la contribution
exclusive de lvolution de la masse montaire dans la formation du niveau gnral des prix dans
la zone. Nous pouvons en dduire ainsi que lapproche bayesienne nous permet dans ce cas de
mettre en vidence les tensions inflationnistes que peut susciter une forte hausse de la masse
montaire. Cette tension inflationniste daprs nos rsultats dans le cas du Tchad, ne pourrait
sattnuer quaprs six priodes. Il faut noter quune fois que les effets de lvolution de la
masse montaire aient t isols, linflation ne se retrouverait que sous lemprise des facteurs
126

transitoires, lorigine des mouvements cycliques des prix, qui sont non ngligeables dans la
composition du panier de la mnagre dans les pays en dveloppement. Ce rsultat indique aussi
quon peut utiliser la prvision conditionnelle pour suivre linflation qui rsulterait
exclusivement dinjection ou de ponction de la liquidit dans une conomie donne.

4.5 QUELQUES IMPLICATIONS POUR LA POLITIQUE MONETAIRE

Les estimations effectues pour la prvision de linflation au Tchad, nous indiquent que mme si
le modle BVAR nest pas systmatiquement meilleur, il se distingue nettement des autres pour
les prvisions horizon de deux trimestres. Ce rsultat est assez encourageant dans lexercice de
la prvision de linflation dans les pays en dveloppement. Il permet ainsi davoir un outil de
plus susceptible damliorer la qualit de la prvision dans un environnement o les facteurs
lorigine des mouvements cycliques des prix sont prpondrants. Par consquent, il serait
judicieux dy accorder un vif intrt afin de permettre aux dcideurs davoir une meilleure
lisibilit sur les perspectives en matire de prix, et de les rendre ainsi plus efficaces quant
latteinte de lobjectif ultime de la BEAC concernant la stabilit montaire.
En plus de la prvision, nous avons utilis la mthode BVAR pour valuer limpact de la
surliquidit travers lvolution de la masse montaire. Des rsultats trs importants pour la
conduite de la politique montaire sen sont dgags. En isolant les effets potentiels de la masse
montaire dans la prvision, c'est--dire en contraignant la variable une valeur constante dans
le temps, on a remarqu quon pourrait ainsi saisir dune certaine manire, la contribution des
facteurs lorigine des mouvements cycliques du prix. Cette technique peut contribuer ainsi
prvoir efficacement linflation sous jacente qui dgage une tendance de fond et exclut les prix
soumis lintervention de lEtat et les produits prix trs volatils qui subissent des mouvements
trs variables dus aux chocs exognes tels que les facteurs climatiques. Plusieurs auteurs (Bryan
et Cecchetti, 1994 ; Hogan, Johnson et Lafleche, 2001 ; Curter, 2001 ; Clark, 2001) ont par le
pass entrepris par divers instruments destimer cette inflation sous jacente. Notre tude quant
elle permet plutt de la prvoir et donc de permettre aux autorits davoir une ide claire sur les
effets de leurs dcisions malgr les perturbations qui peuvent survenir ventuellement des alas
127

climatiques. En outre tant donn que la volatilit due aux facteurs climatiques concernent
essentiellement les produits de base, la prvision bayesienne pourrait se rvler tre un outil
efficace dans la lutte contre la crise alimentaire car il permettrait davoir une meilleure lisibilit
sur lvolution des prix et de prendre des dcisions adquates pour limiter les dgts dans les
pays en dveloppement.

128

CONCLUSION

Face aux nouvelles tensions inflationnistes observes dans la zone CEMAC ces dernires annes,
nous avons labor plusieurs modles de prvisions dans le contexte du Tchad, afin den choisir
le meilleur susceptible de permettre de parer aux ventualits. Il nous a t donn de remarquer
quaucun modle ne simpose systmatiquement comme tant optimal, lorsquon fait varier
lchantillon. Toutefois, le modle BVAR se distingue nettement des autres pour des prvisions
horizon de plus deux trimestres. Ce qui nest pas tout fait le mme rsultat de Litterman (1986)
pour qui les modles BVAR sont toujours prfrables. Toutefois nos rsultats se rapprochent un
peu plus de ceux de Lardic et Priso (1996).
Cest fort de ce rsultat, que nous avons jug utile dexplorer une des applications de ce modle
savoir lanalyse dimpact des chocs ou lvaluation de la politique montaire. Daprs nos
rsultats, la surliquidit serait lorigine des tensions inflationnistes dans la zone. Cette tension
inflationniste daprs nos rsultats dans le cas du Tchad, ne pourrait sattnuer quaprs six
priodes. Il faut noter quune fois que les effets de lvolution de la masse montaire aient t
isols, linflation ne se retrouverait que sous lemprise des facteurs transitoires, lorigine des
mouvements cycliques des prix, qui sont non ngligeables dans la composition du panier de la
mnagre dans les pays en dveloppement. Ce rsultat indique aussi quon peut utiliser la
prvision conditionnelle pour suivre linflation qui rsulterait exclusivement dinjection ou de
ponction de la liquidit dans une conomie donne.

129

ANNEXES CHAPITRE IV

130

Figure 4. 2 : Evolution trimestrielle de la masse montaire au Tchad

250
200
150
100
50
0

131

Description du modle BVAR47

Soit le model VAR(p) suivant :

ou

O le vecteur des paramtres a une distribution normale multi varie priori, avec une
moyenne connue * et la matrice de covariance V. La densit priori scrit comme suit :

La fonction de vraisemblance scrit alors:

47

SAS/ETSSoftware:ChangesandEnhancements,Release8.1(2000)
http://support.sas.com/rnd/app/da/new/801ce/ets/chap4/sect30.htm

132

Par consquent, on a la la densit de probabilit suivante :

o la moyenne postriori est :

Et la matrice de covariance postriori est :

Dans la pratique, la moyenne priori et la variance priori doivent tre spcifies. Si tous les
paramtres doivent tendre vers zro, la moyenne priori nulle doit tre spcifie. Selon
Litterman (1986), la variance a priori peut tre tablie comme suit :

133

o vij(l) est la variance priori du (i,j)-eme lment de l,

lments diagonaux de l ,
lment diagonal de

est lcart-type priori des

est constante appartenant lintervalle [0,1], et 2ii est le i-eme

En pratique, on remplace lcart-type 2ii par llment diagonal de lestimateur du maximum de

vraisemblance de

dans le modle non contraint.

Prenons lexemple dun modle BVAR(2),

avec la matrice de covariance priori suivante :

134

Pour lestimation bayesienne des systmes intgrs, la moyenne priori est gal 1 pour la
variable retarde dune priode de chaque variable dans sa propre quation et tous les autres
coefficients sont nuls. Par exemple, pour un modle BVAR (2),

Prvision du processus BVAR

La procdure bootstrap est utilise pour estimer les cart-types de la prvision (Litterman 1986).
Dans chaque simulation, les tapes suivantes sont entreprises:
1. La procdure gnre le nombre dobservations disponibles, T et un nombre entier des
erreurs alatoires uniformes It, o t = 1, ... T.
2. Une nouvelle observation t est obtenue comme une somme de la prevision base sur les
coefficients estims plus le vecteur des rsidus de It; ce qui sonne :

3. Un nouveau modle BVAR est alors estim en utilisant les plus rcentes observations et
une valeur de prdiction est faite partir des observations les plus rcentes.

135

136

CONCLUSION GENERALE

137

Face lchec des politiques montaires appliques dans les dcennies prcdentes qui ont
entrain une crise financire prcde dune crise conomique sans prcdent, et
lintransigeance des institutions financires internationales plaidant pour la libralisation
conomique, les autorits montaires ont dcid partir de 1990, de lutter contre la rpression
financire. La libralisation financire sinscrivait ainsi dans la logique dune large gamme de
reformes impulse par les institutions de Bretton Woods. Ces reformes taient constitues entre
autres, dune nouvelle srie de taux dintrt, de lintroduction du march montaire, de la mise
en place de la programmation montaire et la dcision dinstaurer la dvaluation du franc CFA
en 1994.
En conduisant la libralisation du secteur, les reformes ont permis de remdier aux principaux
maux qui ont min les banques commerciales savoir linsolvabilit et le manque de liquidit.
En ce qui concerne ce dernier, il a t observ que la situation sest tellement inverse faisant
apparaitre le phnomne de la surliquidit en Afrique Centrale. Constituant une vritable entrave
la politique montaire de la BEAC, la surliquidit du systme bancaire en Afrique Centrale est
devenue au fil des annes un champ dtudes trs intressant explorer. Le travail effectu dans
le cadre de cette thse dans le Chapitre II, a permis de connaitre davantage les origines de ce
phnomne en Afrique centrale tout en cernant les consquences quil peut engendrer sur
lefficacit de la politique montaire en Afrique centrale.
Les diffrents auteurs, qui ont prcdemment cherch identifier les causes de la surliquidit,
divergent sur lorigine du phnomne : mcanisme de protection contre un risque ventuel de
liquidit ou influence de variables sur lesquelles les banques nont pas de contrle.
Les rsultats obtenus grce nos recherches, pour le cas des pays membres de la CEMAC,
rconcilient les deux approches en montrant que la surliquidit driverait la fois du
comportement trs prudentiel

des banques et des variables quelles ne contrlent pas. La

flambe du cours du ptrole agit sur les rserves excdentaires des banques travers les dpts
du Gouvernement et du secteur priv. La fragilit de la liquidit en RCA, vient conforter nos
rsultats car cest le seul pays membre de la CEMAC non exportateur du ptrole. La forte
prudence des banques peut sexpliquer par lexprience de la crise financire des annes 1980,
la restructuration du systme bancaire, linstabilit des dpts et un contexte conomique trs
risqu. Lembellie du cours du ptrole alimente les rserves excdentaires cause de la faible
138

capacit dabsorption des pays de la zone. Il serait alors judicieux de mettre en uvre des
mcanismes permettant aux banques de se couvrir contre le risque, afin quelles puissent dtenir
moins de rserves excdentaires et financer davantage le dveloppement.
Il est important de mettre en place un mcanisme favorisant la mise en place effective des
oprations dopen-market, avec des gisements de titres publics dans la rgion. Un tel mcanisme
permettra aux

banques

de

dtenir des actifs rmunrateurs plutt que des rserves

excdentaires au rendement nul. Lide est de dvelopper lmission de titres publics

ngociables, de diminuer puis de supprimer les avances de la Banque Centrale aux trsors
nationaux et de les substituer par mission des bons et dobligations du trsor, ds que la
crdibilit des Etats sera rtablie. Le dveloppement des marchs financiers demeure aussi
fondamental pour le financement de la dette publique, et surtout pour la transmission de la
politique montaire.
LEtat peut encourager les Banques octroyer les crdits par la mise en uvre dun bonus fiscal,
celles qui sengageront le plus au financement du secteur priv. Les gouvernements peuvent
contribuer la recapitalisation des Banques afin daugmenter leurs fonds propres, o procder
des dpts de long terme pour une scurisation contre le risque de liquidit. LEtat peut
envisager aussi la mise en place dun fonds de garantie pour que les banques puissent rcuprer
une part des crances en cas de dfaut de paiement. Pour Joseph (1998), on peut rduire
lasymtrie dinformation par la production de documents comptables fiables et le
dveloppement de la relation de clientle. Car la proximit et la confiance sont les deux aspects
qui expliquent lessor des marchs financiers informels. Par consquent il serait important de
chercher des artifices afin dorganiser une complmentarit entre les secteurs financiers
informels et traditionnels.
La rduction de la surliquidit grce ces mesures, contribuerait rendre plus oprationnels les
canaux de transmission de la BEAC. Cependant, il est ncessaire de chercher identifier les
canaux de transmission les plus adquats dans le contexte des conomies des pays en
dveloppement. Cest ainsi que nous avons cherch identifier les canaux de transmission les
plus efficaces de la BEAC dans le Chapitre III.

139

Comme la plupart des tudes empiriques qui ont cherch identifier les effets des chocs
montaires sur le secteur rel ou financier, nous avons jug adquat dutiliser la modlisation
VAR pour dterminer les diffrents canaux de transmission les plus oprationnels pour la
BEAC.
Le taux dintrt, principal canal voqu par les keynsiens travers le modle IS-LM nest pas
du tout actif pour rendre efficace la politique montaire de la BEAC. Ce rsultat se conforme aux
conclusions des travaux antrieurs qui ont t effectus cet effet. Etant significatif pour tous les
pays, le phnomne du price puzzle mrite une attention particulire. Il serait intressant dy
identifier ainsi un nouveau champ dtude pour la politique montaire en Afrique Centrale.
La masse montaire est la variable qui entretient le plus, une forte sensibilit avec lindice de la
production au Cameroun et au Tchad. Pour le cas du Gabon, la programmation montaire aurait
du mal identifier correctement le rythme des besoins de financement des agents conomiques.
Labsence de relation significative entre le prix et la masse montaire, montre lopportunit
dlaborer des statistiques sur linflation sous-jacente48, afin dvaluer de manire cohrente la
politique montaire. Le canal du crdit agit essentiellement au Cameroun, compte tenu dun
relatif dynamisme de son secteur secondaire, par rapport au Gabon qui jouit abondamment de la
rente ptrolire et au Tchad dont le secteur priv est embryonnaire. En utilisant un modle VAR
en panel, les rsultats confirment la faiblesse du canal du taux dintrt et la prsence du
phnomne Price puzzle qui se caractrise par une augmentation du niveau des prix face un
choc sur le taux dintrt.
En passant dune politique montaire fonde sur un contrle direct, celle fonde sur un contrle
indirect de la liquidit bancaire, les effets de la politique montaire sont forcement moins prcis
en Afrique Centrale. Labsence de march de titres ne permet pas non plus dassurer avec une
certaine efficacit le rle de recyclage de la liquidit bancaire et de transmission de la politique
montaire.
Au dernier Chapitre, nous avons labor un modle de prvision dinflation dans ce contexte de
surliquidit. Une Banque Centrale doit se doter d'outils performants de prvision de l'inflation,

48
Cestdire linflation qui ne prendrait pas en compte les facteurs, purement transitoires, lorigine des
mouvementscycliquesdesprix.
140

lui permettant d'anticiper les tendances de l'volution des prix et de prendre temps les mesures
qui s'imposent (Toe, 2010). Par consquent, face aux nouvelles tensions inflationnistes observes
dans la zone CEMAC ces dernires annes, il est important dlaborer un modle de prvision
qui pourrait permettre de parer aux ventualits. Nos estimations labores dans le cas du Tchad,
nous ont permis de remarquer que sur plusieurs modles tests, aucun ne simpose
systmatiquement comme tant optimal, lorsquon fait varier lchantillon. Toutefois, le modle
BVAR se distingue nettement des autres pour des prvisions court terme.
En plus de la prvision, nous avons utilis la mthode BVAR pour valuer limpact de la
surliquidit. Des rsultats trs importants pour la conduite de la politique montaire sen sont
dgags. En isolant les effets potentiels de la masse montaire dans la prvision, c'est--dire en
contraignant la variable une valeur constante dans le temps, on a remarqu quon pourrait ainsi
saisir dune certaine manire, la contribution des facteurs lorigine des mouvements cycliques
du prix. Cette technique peut contribuer ainsi prvoir efficacement linflation sous jacente qui
dgage une tendance de fond et exclut les prix soumis lintervention de lEtat et les produits
prix trs volatils qui subissent des mouvements trs variables dus aux chocs exognes tels que les
facteurs climatiques. Plusieurs auteurs ((Bryan et Cecchetti, 1993 ; Hogan, Johnson et Lafleche,
2001 ; Curter, 2001 ; Clark, 2001) ont par le pass entrepris par divers instruments destimer
cette inflation sous jacente.
Notre tude quant elle permet plutt de la prvoir et donc de permettre aux autorits davoir
une ide claire sur les effets de leurs dcisions malgr les perturbations qui peuvent survenir
ventuellement des alas climatiques. En outre tant donn que la volatilit due aux facteurs
climatiques concerne essentiellement les produits de base, la prvision bayesienne pourrait se
rvler tre un outil efficace dans la lutte contre la crise alimentaire car il permettrait davoir une
meilleure lisibilit sur lvolution des prix et de prendre des dcisions adquates pour limiter les
dgts dans les pays en dveloppement.
Il convient de noter quil est important au vu de nos rsultats de mener des tudes similaires au
niveau des autres pays de la zone Franc, qui ont connu quasiment les mmes reformes, tels que
ceux appartenant lUEMOA, afin dtablir des comparaisons. Il serait important enfin de
mener des recherches sur les manquements des reformes des annes 1990, qui ont conduit la
libralisation du systme montaire dans les pays de la zone Franc. Il sagit en effet de
141

sinterroger sur lengagement essentiellement court terme des banques pour loctroi des crdits,
le caractre encore trs monopolistique du march, ltroitesse de la gamme de produits
financiers, la faible accessibilit au secteur bancaire, et le manque de rapprochement adquat
avec le secteur financier informel.

142

BIBLIOGRAPHIE

143

Agenor, P-R., J. Aizenman, and Hoffmaistern W. A. (2004): The Credit Crunch in East Asia:
What Can Bank Excess Liquid Assets Tell Us? Journal of International Money and
Finance 23, 2749.
Andersson, P. and B. Sj (2000): Controlling Inflation during Structural Adjustment: The
Case of Zambia, HIID Development Discussion Papers (754).
Araujo, J., J-F. Brun et Combes J-L., (2004): Economtrie, Bral.
Arellano, M. and O. Bover (1995): "Another Look at the Instrumental-Variable Estimation of
Errors-Components Models," Journal of Econometrics, 68, 29-52
Arellano M. and S. R. Bond, (1991): " Some Tests of Specification for Panel Data: Monte Carlo
Evidence and an Application to Employment Equations," Journals of Econometrics, 59, 8797.
Aryeetey, E., H. Hettige, M. Nissanke and W. Steel (1997): "Financial Market Fragmentation
and Reforms in Ghana, Nigeria and Tanzania," The World Bank Economic Review, vol. 11,
n 2.
Baltensperger E. (1974): The precautionary demand for reserves, The American Economic
Review, vol. 64, n 1, pp. 205-210.
Banque de France (2009) : Rapport annuel de la Zone franc.
Baran F., Coudert V., Mojon B., (1994) : Transmission de la politique montaire et crdit
bancaire : une application cinq pays de lOCDE, . Document de Travail du CEPII, PP. 136.

144

Barenjee, M. (1975): Inflation: Causes and Cures, With Special Reference to Developing
Countries, The World Press Private Limited, Calcutta.
Barkoulas, J. et C. Baum (1997):A Re-examination of the Fragility of Evidence from
Cointegration-Based Tests on Foreign Exchange Market Efficiency, Applied Financial
Economics 7(6), 635-43
Barnichon, R., and S. J. Peiris, (2008): Sources of Inflation in Sub-Saharan Africa, Journal of
African Economies, 17(5): 72946.
Blavy, R., (2004): Inflation and Monetary Pass-Through in Guinea, IMF Working Paper
04/223 (Washington: International Monetary Fund).
Bernanke, Ben S., and M. Gertler, (1995): 'Inside the Black Box: The Credit Channel of
Monetary Policy Transmission,' Journal of Economic Perspectives, Fall, n 9, p. 27-48.
Bernanke, B.S. and M. Woodford, (1997): Inflation Forecasting and Monetary Policy,
Journal of Money, Credit and Banking, 29, 653-684
Black, D. C., P. R. Corrigan, and M. R. Dowd (2000): New dogs and old tricks: Do money and
interest rates provide information content for forecasts of output and prices?, International
Journal of Forecasting 16. CBN, (2002). Statistical Bulletin, 2(2), December.
Blundell S. W. and S. R. Bond, (1998): "Initial Conditions and Moments Restrictions in
Dynamic Panel Data Models," Journal of Econometrics, 87, 115-142
Blundell S. W. and S. R. Bond, (2000): "GMM Estimation with Persistent Panel Data: An
Application to Production Functions," Econometrics Review, 19, 321-340

145

Bond S., (2002): " Dynamic Panel Data Models: A Guide to Micro Data Methods and Practice,"
CEMMAP, Working Paper CWP09/02
Boughton, James M., (1991):The CFA Franc Zone: Currency Union and Monetary Standard,
FMI document de travail n 91/133 (Washington, Fonds montaire international)
Brandt P. T., et J.R. Freeman, (2005):"Advances in Bayesian Times Series Modeling and The
Study of Politics: Theory Testing, Forecasting and Policy Analysis," Political Analysis
Bruggeman A. (2007): Can excess liquidity signal an asset price boom ? National Bank of
Belgium - Working Paper Research.
Bryan, M.F. and Cecchetti, S.G. (1993): Measuring Core Inflation, NBER working paper,
March, 4303.
Bryan, M.F. and Cecchetti, S.G. (1997): Inflation and the Distribution of Price Changes,
NBER working paper N 5793.
Caballero R. and Krishnamurthy A., (2004): Exchange rate volatility and the credit channel in
emerging markets: a vertical perspective, NBER Working Paper 10517
Catao L. and Terrones M. (2001): Fiscal Deficits and Inflation: A New Look at the Emerging
Market Evidence, IMF Working Paper No. WP/01/74.
Cecchetti, Stephan G. (1995): Distinguishing Theories of the Monetary Transmission
Mechanism, Federal Reserve Bank of St. Louis Review, , p. 77, p. 83-97.

146

Chandra, N. and E. W. Tallman (1997): Financial aggregates as conditioning information for

Australian output and inflation, Research Discussion Paper,Reserve bank of Australia
(9704).
Chhibber, A. (1991): Africas Rising Inflation: Causes, Consequences, and Cures, World Bank
Working Paper, WPS 577.
Chhibber, A., J. Cottani, R. Firuzabadi, and M. Walton (1989): Inflation, Price Controls, and
Fiscal Adjustment: The Case of Zimbabwe, Working Paper WPS 192, The World Bank.
Ciccarelli, Matteo, and Alessandro Rebucci. (2003): Bayesian VARs: A Survey of the Recent
Literature with an Application to the European Monetary System, Technical report IMF
Working Paper WP/03/102 Washington, DC: International Monetary Fund.
Clark T. (2001): Comparing Measures of Core Inflation, Federal Reserve Bank of Kansas
City Economic Review, vol. 86, n 2, p. 5-31.
Cutler, J. (2001): Core Inflation in the U.K., Bank of England, External MPC Unit discussion
paper no. 3.
DAlmeida C. (1999): Le Devenir du franc CFA Editions Perspectives Africaines
Dembo T. M., (2010) :Modles de prvision de l'inflation dans les pays membres de
l'UEMOA, BCEAO.
Dembo T. M. et Hounpkatin M. (2007) : Lien entre la masse montaire et l'inflation dans
l'UEMOA, BCEAO.

147

Demirguc-Kunt, A. and L. Ross., (1996): Stock Market Development and Financial

Intermediaries: Stylized Facts, The World Bank Economic Review, Vol. 10 (2), pp. 291232.
Devarajan, Shantayanan and Dani Rodrik, (1991): Do the Benefits of Fixed Exchange Rates
Outweigh Their Costs? The Franc Zone in Africa, National Bureau of Economic Research,
document de travail n 3727.
Devarajan, S. and J. de Melo, (1987a): Adjustment with a Fixed Exchange Rate: Cameroon,
Cote d'lvoire, and Senegal, The World Bank Economic Review. pp. 447 487.
(1987b): Evaluating Participation in African Monetary Unions: A Statistical
Analysis of the CFA Zones, World Development. 15 pp. 483-496.
(1990): Membership in the CFA Zone: Odyssean Journey or Trojan Horse?
The World bank, Policy. Research, and External Affairs Working Paper WPS 482
Doan, T., R. Litterman, and C. Sims. (1984): Forecasting and Conditional Projection Using
Realistic Prior Distributions, Econometric Reviews 3:1100.
Dollar, D. and Hallward-Driemeier, M., (2000): "Crisis, Adjustment, and Reform in Thailand's
Industrial Firms," World Bank Research Observer, Oxford University Press, vol. 15(1),
pages 1-22
Droesbeke J. J., J. Fine, et G. Saporta (eds) (2002) : Mthodes Baysiennes en statistique,
Paris, Technip.
Dufrnot G., (2009): "Credit policy stress in the West African Economic and Monetary Union,
The Developing Economies, 47(4), 410-435.
148

Durevall, D. and Ndung'u (2001): A dynamic inflation model for Kenya, 1974-1996, Journal
Of African Economies 10 (1).
Durevall, D. and P. kadenge (2001): Inflation in the Transition to a Market Economy, Chapter
4. Palgrave. In: Macroeconomic and Structural Adjustment Policies in Zimbabwe.
Eboue C. (2007) : Les cots rels des crises bancaires en Afrique: Quels enseignements pour
lUEMOA,Revue Economique et Montaire, BCEAO, N 1, pp 39-76.
Edwards, S., and G. Tabellini, (1990): Explaining Fiscal Policies and Inflation in Developing
Countries, National Bureau of Economic Research Working Paper No. 3493.
Eichenbaum M. and C. Evans, (1992): "Some empirical evidence on the effects of monetary
policy shocks on exchange rates," Working Paper Series, Macroeconomic Issues 92-32,
Federal Reserve Bank of Chicago
Elbadawi I. and N. Madj (1996): Adjustment and Economic Performance under a fixed
Exchange Rate: A Comparative Analysis of the CFA Zone, World Development, vol 24, no
5, p. 939-951.
Elbourne, A. et J. de Haan (2005): Financial Structure and Monetary Policy Transmission in
Transition Countries, mimeo, University of Gronigen, Department of Economics
Emery, K. M. (1996): The information content of the paper bill spread, Journal Of Economics
and Business Statistics 48.
Estrella, A. and F. S. Mishikin (1997): Is there a role for monetary aggregates for conduct of
monetary policy?, Journal Of Monetary Economics 40.

149

Feridun, M. and Adebiyi, M.A., (2006) "Forecasting Inflation in Developing Economies: The
Case of Nigeria, 1986-1998," International Journal of Applied Econometrics and
Quantitative Studies, Euro-American Association of Economic Development, vol. 3(1),
pages 55-84
Friedman B. M., (2000): Monetary Policy, NBER Working Paper No. 8057 (Cambridge,
Massachusetts: National Bureau of Economic Research).
Friedman B. M. and K. N. Kuttner, (1992): "Money, Income and Prices After the 1980s," NBER
Working Papers 2852.
Grardin H., (1989) : "La zone franc, Tome 1 : histoires et institutions," LHarmattan, Paris
Ginting, E. (2007): Is Inflation in India an Attractor of Inflation in Nepal?, IMF Working
Paper No. 07/269.
Giordani, P., (2004): "An alternative explanation of the price puzzle," Journal of Monetary
Economics, Elsevier, vol. 51(6), pages 1271-1296
Giri J., (1993) : " Rompre avec un sicle danti-dveloppement," in La France et lAfrique,
Editions Karthala, Paris
Godeau R., (1996) : Le Franc CFA: Pourquoi la dvaluation de 1994 a tout change, Editions
SEPIA
Gouteron S. et D. Szpiro, (2005) : Excs de liquidit montaire et prix des actifs, Notes
dEtudes et de Recherche n 131, Banque de France, P.1-73.

150

Gray, J. A. and M. A. Thoma, (1998): Financial market variables do not predict real activity,
Economic Enquiry 36.
Greene, W., (2002): Econometric Analysis, 5th edition, Prentice Hall.
Guillaumont P. et S. J. Guillaumont, (1998) : Monnaie et finances, PUF.
Guillaumont P. et S. J. Guillaumont, (1984) : Zone franc et dveloppement africain,
Economica, Paris.
Guillaumont P. et S. J. Guillaumont et P. Plane, (1988): Participating in African Monetary
Unions: An Alternative Evaluation, World Development. 16 pp. 569-576.
Haizhou H. and W. Shang-Jin, (2003): Monetary Policies for Developing Countries: The Role
of Corruption, NBER Working Paper No. 10093 (Cambridge, Massachusetts: National
Bureau of Economic Research).
Hannan, E., (1980): The Estimation of the Order of ARMA Process, Annals of Statistics, Vol.
8, pp. 1071-1081.
Hanson,M.S. (2004): The price puzzle reconsidered, Journal of Monetary Economics 51,
1685 1413.
Hendry, D. F. (2001): Modeling UK inflation, 1875-1991, Journal of Applied Econometrics
16.
Hericourt J., et M. Iuliana., (2004) : Transmission de la politique Montaire dans les PECO,
Que savons nous vraiment ?, Universit de Paris I, Panthon Sorbonne.

151

Hogan, S. M. Johnson, and T. Lafleche. (2001): Core Inflation, Bank of Canada, technical
report no. 89, January.
Hugon P., (2006) : "Surliquidit et rentabilit du secteur bancaire face aux dfaillances du
financement du dveloppement : le cas des trappes sous dveloppement conomique et
financier au sein de la CEMAC," Universit Paris X, Nanterre.
Hurlin C. et Mignon, V. (2007) : "Une Synthse des Tests de Cointgration sur Donnes de
Panel," Economie et Prvision
International Monetary Fund, (2005a): "Monetary Policy Implementation at Different Stages of
Market Development.
International Monetary Fund, (2005d): "Central African Economic and Monetary CommunitySelected Issues."
International Monetary Fund, (2006): Central African Economic and Monetary Community,
Staff Report for the 2006 Article IV Consultation, IMF Country Report No.06/Washington.
Ito T. and K. Sato, (2006): Exchange rate changes and inflation in post-crisis Asian economies:
VAR analysis of the exchange rate pass-through, NBER, Working Paper 1239.
Ize A., M.A. Kigul and Yeyali E.L., (2005): Managing systemic liquidity risk in financially
dollarized economies, Working Paper n 188, IMF, P.1-31.
Jarocinski M., (2005): Responses to Monetary Policy Shocks in the East and the West of
Europe: A Comparison, Oesterreichische Nationalbank

152

Joseph A., (1998) : Quels moyens mettre en uvre pour faciliter laccs des entreprises au
crdit bancaire, Document de Travail DT/98/04
Jumah, A. and Kunst, R. M., (2007): "Inflation in the West African Countries: the Impact of
Cocoa Prices, Budget Deficits, and Migrant Remittances," Economics Series 219, Institute
for Advanced Studies.
Kadiyala, K. R. and S. Karlsson, (1997): Numerical Methods for Estimation and Inference in
Bayesian VAR-Model, Journal of Applied Econometrics 12:99132.
Kenny D., D.A. Kashy and Bolger N. (1998): Data Analysis in Social Psychology, In D.T.
Gilbert, S.T. Fiske, G. Gardner, The Handbook of Social Psychology, 4th ed., Boston,
Oxford University Press, pp. 233-265.
Khan, M. S. and A. S. Senhadji, (2000): Financial Development and Economic Growth: An
Overview, IMF Working Paper WP/00/209, Washington: International Monetary Fund .
Khemraj T., (2008): "Excess Liquidity, Oligopolistic Loan Markets and Monetary Policy in
LDCs," Desaworking Paper N 64
Kirsten L. L. and G. Marc (2006): Investigating the Bank-Lending Channel in South Africa: A
VAR Approach, University of Pretoria Working Paper: 2006-04
Kierzenkowski R., (2004): The Multi-Regime Bank Lending Channel and the Effectiveness of
the Polish Monetary Policy Transmission during Transition, Journal of Comparative
Economics, 33.

153

Kozicki, S. and P.A. Tinsley, (2002): "Alternative sources of the lag dynamics of inflation,"
Research Working Paper RWP 02-12, Federal Reserve Bank of Kansas City
Kuijs L., (2002): Monetary Policy Transmission Mechanisms and Inflation in the Slovak
Republic, IMF Working Paper, WP/02/80.
Kpodar K., (2005) : Manuel dinitiation Stata (Version 8), Centre dEtudes et de
Recherches sur le Dveloppement International (CERDI), Clermont-Ferrand.
Lafleche T., (1997) : Mesures statistiques du taux dinflation tendanciel, Revue de la Banque
du Canada, p. 29-48.
Lardic S. et A. M. Priso, (1996) : L'analyse baysienne peut-elle inciter les experts rviser le
mode de formation de leurs anticipations?, Journal de la Socit Statistique de Paris, tome
137, n 4, pp. 35-67.
Leeper, E. M., C. A. Sims, and T. Zha, (1996): What Does Monetary Policy Do? Brookings
Papers on Economic Activity 1996(2):163.
Leeper E. M and J. E. Roush, (2003): "Putting "M" back in monetary policy," International
Finance Discussion Papers 76.
Litterman R., (1979): Techniques of Forecasting Using Vector Auto regressions, Working
Paper No.15, Federal Reserve Bank of Minneapolis, 1979.
Litterman R., (1980): A Bayesian Procedure for Forecasting with Vector Auto regression,
Massachusetts Institute of Technology, Department of Economics Working Paper.

154

Litterman R., (1986): Forecasting with Bayesian Vector Auto regressionsFive Years of
Experience, Journal of Business, Economics and Statistics 4:2538.
Litterman R. and Supel T.M., (1983): Using Vector Auto regressions to Measure the
Uncertainty in Minnesota's Revenue Forecasts, Federal Reserve Bank of Minneapolis
Quarterly Review, pp. 10-22, Spring.
London A., (1989): Money, Inflation, and Adjustment Policy in Africa: Some Further
Evidence, African Development Review, 1: 87-111.
Lougani P. and P. Swagel, (2001): Sources of Inflation in Developing Countries, IMF
Working Paper No. WP/01/198.

Love I. and L. Zicchino, (2002):

Financial Development and Dynamic Investment Behavior:

Evidence from Panel Vector Auto regression World Bank Policy Research Working Paper
2913.
Lutkepohl H., (1990): Asymptotic Distributions of Impulse Response Functions and Forecast
Error Variance Decompositions in Vector Autoregressive Models. Review of Economics
and Statistics 72:5378.
Maddala, G. S., (1992): Introduction to econometrics, 2nd edition, New York, Macmillan
Publishing Company.
Marseille J., (1989) : Empire colonial et capitalisme franais, histoire dun divorce, Editions
du Seuil, Collections points H126, Paris

155

Masson P. R. and M. P. Taylor, (1993): Currency Unions: A Survey of the Issues, in Policy
Issues in the Operation of Currency Unions, publi sous la direction de Paul R. Masson et
Mark P. Taylor (Cambridge: Cambridge University Press).
Masson, P. R., M. A. Savastano, and Sunil S., (1997): The Scope for Inflation Targeting in
Developing Countries, IMF Working Paper No./97/130.
McKinnon R.I., (1973): Money and Capital in Economic Development, Washington D.C.:
The Brookings Institution
Min, C-K. and A. Zellner, (1993): Bayesian and non-Bayesian methods for combining models
and forecasts with applications to forecasting international growth rates, Journal of
Econometrics, 56, 89-118.
Mishkin, F.S., (1996): The channels of monetary transmission: lessons for monetary policy,
NBER Working paper N 5464.
Mishkin, F.S., (1999): Lessons from the Asian crisis, Journal of International Money and
Finance 18,709723.
Mishkin, F.S. and K. Schmidt-Hebbel, (2007): Does Inflation Targeting Make a Difference?
NBER Working Papers 12876.
Modigliani F., (1963): The life cycle hypothesis of saving, aggregates implications and tests,
American economic review, pp35-62
Mohanty M.S. et P. Tumer, (2006): Accumulation des rserves de change dans les conomies
mergentes : consquence au plan intrieur, Rapport trimestriel, BRI, P.43-57.

156

Moriyama K and A. Naseer, (2009): Forecasting Inflation in Sudan, IMF Working Paper
09/132
Moriyama K., (2008): Inflation Dynamics in Sudan, IMF Working Paper 08/189.
Mougani G.,(2006), La surliquidit des banques et la mobilisation de lpargne en faveur des
investissements au Congo : dfis et perspectives Commission Economique pour lAfrique
Nachenga J-C., (2001): Financial liberalization, money demand and inflation in Uganda, IMF
Working Paper (01-118).
Nassar K., (2005): Money Demand and Inflation in Madagascar, IMF Working Paper 05/236.
Nissanke M. and E. Aryeetey, (1998): Financial Integration and Development: Liberalization
and Reforms in Sub-Saharan Africa, London, Routledge
Orden, D. A. and L. A. Fisher, (1993): Financial Deregulation and the Dynamics of Money,
Prices and Output in New Zealand and Australia, Journal of Money Credit and Banking 25
(2).
Poole W., (1968): Commercial Bank Reserve Management in a Stochastic Model: Implications
for Monetary Policy, The Journal of Finance, vol. 23, n5, pp. 769-791.
Pouemi J., (1980) : Monnaie, Servitude et Libert : la Rpression Montaire de lAfrique,
Editions Mainebuc.
Preston J. M. and W. Roberds, (1987): The quantitative significance of the Lucas critique,
Staff Report 109, Federal Reserve Bank of Minneapolis.

157

Racette D. et J. Raynauld (1992), Un Modle BVAR de prvision de la dpense nominale et

d'analyse de la politique montaire canadienne, Sminaire sur les questions montaires,
Banque du Canada.
Rasche R. H. and M. M. Williams, (2005): The Effectiveness of Monetary Policy, Federal
Reserve Bank of St. Louis.
Robertson J. C. and E. W. Tallman, (1999): Vector Auto regressions: Forecasting and
Reality. Economic Review, Atlanta Federal Reserve Bank 84(1):418.
Romer C.D. and D.H Romer, (1989): Does Monetary Policy Matter?: A New test in the Spirit
of Friedman and Schwartz, NBER Macroeconomics Annual, 4, 121170.
Rudebusch G.D., (1998b): Do Measures of Monetary Policy in a VAR Make Sense? A Reply
to Christopher A. Sims, International Economic Review, Vol.39, No.4, November, 943949
Saab S. Y. and J. Vacher, (2007): "Banking Sector Integration and Competition in CEMAC,"
IMF Working paper WP/07/3.
Sacerdoti E. and Y. Xiao, (2001): Inflation dynamics in Madagascar, 1971-2000. IMF
Working Paper (01-168).
Santomero A., (1984): Modeling the banking firm: A survey, Journal of Money, Credit and
Banking, vol. 16, n 4, pp. 576-602.
Saxegaard M. (2006): Excess Liquidity and Effectiveness of Monetary Policy: Evidence from
Sub-Saharan Africa, IMF Working paper WP/06/115.

158

Schaechter A., (2001): Implementation of Monetary Policy and the Central Banks Balance
Sheet, IMF Working Paper 01/149.
Sephton, P. and H. Larsen (1991): Tests of Exchange Market Efficiency: Fragile Evidence from
Cointegration Tests, Journal of International Money and Finance 10, 561-570.
Servet J.-M., (2007) : "Les illusions des objectifs du Millnaire," in E de Lafaye, E. Mulot and P.
Ould-Ahmed (ed.), Institutions et dveloppement : La fabrique institutionnelle et politique
des trajectoires de dveloppement, Rennes, Presses Universitaires: 63-88.
Shaw, E.S., (1973): Financial Deepening in Economic Development, New York: Oxford
University Press.
Sims C. A., (1980): Macroeconomics and Reality, Econometrica 48(1):148.
Sims C. A., (1992): Interpreting the Macroeconomic Time Series Facts: the Effects of Monetary
Policy, European Economic Review 36(5), 975-1000.
Sims C. A. and T. A. Zha, (1998): Bayesian Methods for Dynamic Multivariate Models.
International Economic Review 39(4):949968.
Sims C. A., and T. A. Zha, (1999): Error Bands for Impulse Responses, Econometrica
67(5):11131156.
Sims C. A., and T. A. Zha, (2004): Were There Regime Switches in U.S. Monetary Policy?
(Available from http://www.princeton.edu/sims.)
Singh A., (1999): Should Africa Promote Stock Market Capitalism? Journal of International
Development, Vol.11 pp. 343-365.

159

Stiglitz J. E and A. M. Weiss, (1981): "Credit Rationing in Markets with Imperfect Information,"
American Economic Review, Vol. 71, PP 3934-10
Stock J. and M. Watson, (1999): Forecasting inflation, Journal of Monetary Economics, 44,
293-335.
Stock J. and M. Watson, (2002): Macroeconomic forecasting using diffusion indexes, Journal
of Business and Economic Statistics, 20, 147-162.
Swank J., (1996): Theories of the Banking Firm: A Review of the Literature, Bulletin of
Economic Research, 48: 173207
Taylor J. B., (1993): Macroeconomic Policy in a World Economy: From Econometric Design
to Practical Operation, New York: W. W. Norton.
Taylor J. B. (1995): 'The Monetary Transmission Mechanism: An Empirical Framework,'
Journal of Economic Perspectives, n 9, p. 11-26.
Tegene A. (1989): The Monetarist Explanation of Inflation: The Experience of Six African
Countries, Journal of Economic Studies, 16 (March): 5-18.
Theil H. (1963): On the Use of Incomplete Prior Information in Regression Analysis, Journal
of the American Statistical Association 58(302):401414.
Tiao G.C. and A. Zellner, (1964): On Bayesian estimation of multivariate regression, Journal
of the Royal Statistical Society B26, 38999,.
Tobin, J. and W.C. Brainard (1963): Financial intermediaries and the effectiveness of monetary
controls, American Economic Review, Papers and Proceedings 53 (May): 383400.

160

Tobin, J. (1970): Money and Income: Post Hoc Ergo Propter Hoc? Quarterly Journal of
Economics, 84
Todd, R. M., (1984): Improving economic forecasting with Bayesian vector auto regression,
Federal Reserve Bank of Minneapolis Quarterly Review 8, 4: 18-29
Tucker, J.A., (2003): The stability of Money Demand in the West African Monetary Zone:
Implications for the Conduct of Single Monetary Policy, Journal of Monetary and
economic Integration, West African Monetary Institute Vol. 3 (1): 21-59)
UNECA, (2006): Capital Flows and Development Financing in Africa, Economic Report on
Africa 2006, Addis Ababa: United Nations Economic Commission for Africa.
Valle O. (1989) : Le prix de largent CFA, heurs et malheurs de la zone franc," Editions
Karthalla, Paris.
Waggoner, D. F., and T. Zha. (1999): Conditional Forecasts in Dynamic Multivariate Models.
Review of Economics and Statistics 81(4):639651.
Waggoner, D. F., and T. Zha. (2000): A Gibbs Simulator for Restricted VAR Models,
Working Paper 2000-3, Federal Reserve Bank of Atlanta.
Wanda R., (2007) : "Risques, Comportements Bancaires et Dterminants de la Surliquidit,"
Universit de Bordeaux IV, Cahiers de Recherche
Wyplosz C., (2005): "Excess Liquidity in the Euro Area, Briefing Notes to the Committee for
Economic and Monetary Affairs of the European Parliament"

161

Yang Y. and H. Zou. (2004): Combining time series models for forecasting, International
Journal of Forecasting, vol.20, pp. 69 84.
Zellner, A. (1974): An Introduction to Bayesian Inference in Econometrics, John Wiley, New
York.
Zha, T. A. (1998): A Dynamic Multivariate Model for the Use of Formulating Policy,
Economic Review (Federal Reserve Bank of Atlanta) First Quarter:1629.

162

TABLE DES MATIRES

163

Remerciements ................................................................................................... iv
A mes parents .................................................................................................... vii
Rsum ................................................................................................................ ix
Abstract ................................................................................................................ x
Sommaire ........................................................................................................... xii
CHAPITRE I : INTRODUCTION GENERALE ............................................ 1
1.1
1.2
1.3

Les difficults de la politique montaire en Afrique Centrale ......................................... 3

Les dfis relever par les autorits montaires............................................................... 9
Les Principaux rsultats ................................................................................................. 12

ANNEXES CHAPITRE I ................................................................................. 15

CHAPITRE II : LES DETERMINANTS DE LA SURLIQUIDITE DANS
LES PAYS EN DEVELOPPEMENT : CAS DE LA CEMAC ..................... 31
INTRODUCTION ............................................................................................. 33
2.1 La surliquidit dans la zone CEMAC.................................................... 35
2.1.1 Dfinition ........................................................................................................................ 35
2.1.2 Les manifestations de la surliquidit dans la CEMAC ................................................... 36

2.2 Les origines de la surliquidit................................................................. 40

2.2.1 Le comportement de prcaution du systme bancaire .................................................... 40
2.2.2 Des opportunits dexploitation limites ......................................................................... 41
2.2.3 Les facteurs exognes ...................................................................................................... 41

2.3 Identification du modle, rsultats et estimations ................................... 42

2.3.1 Le modle........................................................................................................................ 43
2.3.2 Source des donnes ........................................................................................................ 45
2.3.3 Estimations et interprtation des rsultats........................................................................ 45

2.4 IMPLICATIONS POUR LA POLITIQUE MONETAIRE .................. 53

CONCLUSION.................................................................................................. 55

164

ANNEXES CHAPITRE II ............................................................................... 56

CHAPITRE III : LIDENTIFICATION DES CANAUX DE
TRANSMISSION DE LA POLITIQUE MONETAIRE DE LA BEAC : UNE
APPROCHE PAR LA MODELISATION VAR ........................................... 62
INTRODUCTION ............................................................................................. 64
3.1 LES CANAUX DE TRANSMISSION DE LA POLITIQUE MONETAIRE
............................................................................................................................. 65
3.1.1 Le canal du taux dintrt ................................................................................................ 65
3.1.2 Les canaux du crdit ........................................................................................................ 66
3.1.2.1 le canal du crdit bancaire........................................................................................ 66
3.1.2.2 le canal du bilan ou canal large du crdit .................................................................. 66
3.1.2.3 Le canal des prix dautres actifs.................................................................................... 67

3.2 LES CANAUX DE TRANSMISSION PRATIQUES PAR LA BEAC.. 68

3.2.1 Les principaux instruments de la BEAC .......................................................................... 68
3.2.1.1 La politique de refinancement .................................................................................. 69
3.2.1.2 La gestion des rserves obligatoires ........................................................................ 69
3.2.2 Analyse de lvolution du taux dintrt directeur, de la masse montaire et du crdit
domestique dans la CEMAC ..................................................................................................... 70

3.3 IDENTIFICATION ET ESTIMATIONS................................................ 73

3.3.1 Spcification du modle et sources des donnes ............................................................ 73
3.3.2 Rsultats ........................................................................................................................... 77
3.3.2.1 Rsultats du Cameroun ............................................................................................. 77
3.3.2.2 Rsultats du Tchad ................................................................................................... 78
3.3.2.3 Rsultats du Gabon ................................................................................................... 79

3.4 IDENTIFICATION DES CANAUX DE TRANSMISSION PAR UN VAR

EN PANEL......................................................................................................... 80
3.5 QUELQUES IMPLICATIONS POUR LA POLITIQUE MONETAIRE87
CONCLUSION.................................................................................................. 88
ANNEXES CHAPITRE III .............................................................................. 90
165

CHAPITRE IV : PREVISION DE LINFLATION AU TCHAD : UNE

APPROCHE BAYESIENNE ......................................................................... 104
INTRODUCTION ........................................................................................... 106
4.1 Revue de la littrature ........................................................................... 107
4.2 Mthodes de Prvision .............................................................................. 110
4.2.1 Modles autorgressifs classiques ................................................................................ 110
4.2.2 Modle VAR .................................................................................................................. 111
4.2.3 Modle BVAR .............................................................................................................. 111
4.2.3.1 PRESENTATION DU MODELE BVAR .............................................................. 112
4.2.3.2 Utilisation des modles BVAR pour lvaluation de la politique montaire.......... 114

4.3 Applications des diffrentes mthodes pour la prvision de linflation114

4.3.1 Sources des donnes ..................................................................................................... 114
4.3.2 Prvisions avec les modles autorgressifs AR, ARIMA et SARIMA ........................ 115
4.3.3 PREVISION AVEC UTILISATION DES MODELES VAR ET BVAR ..................... 118
4.3.4 Comparaison des diffrents modles ............................................................................. 121

4.4 SIMULATION DUNE HAUSSE DE LA MASSE MONETAIRE EN

AFRIQUE CENTRALE ................................................................................. 124
4.5 QUELQUES IMPLICATIONS POUR LA POLITIQUE MONETAIRE
127
CONCLUSION................................................................................................ 129
ANNEXES CHAPITRE IV ............................................................................ 130
CONCLUSION GENERALE ........................................................................ 137
BIBLIOGRAPHIE .......................................................................................... 143
TABLE DES MATIRES .............................................................................. 163
TABLE DES ILLUSTRATIONS .................................................................. 168

166

LISTE DES FIGURES ................................................................................... 168

LISTE DES TABLEAUX ............................................................................... 169
LISTE DES ENCADRS ............................................................................... 170

167

TABLE DES ILLUSTRATIONS

LISTE DES FIGURES
Figure 1 1: Cartographie des pays de la Zone Franc .................................................................... 16
Figure 1. 2: Activit du march interbancaire .............................................................................. 17
Figure 1. 3: Taux dinflation annuelle de la zone CEMAC de 2000 2009 ................................ 21
Figure 1. 4: Organigramme du cadre institutionnel de la politique montaire dans la CEMAC .. 25
Figure 2. 1: Evolution trimestrielle des ratios rserves obligatoires/dpts et rserves
libres/dpts de la zone CEMAC de 1990 2006. ...................................................................... 36
Figure 2. 2: Evolution annuelle du montant du rfinancement de la BEAC (en pourcentage du
PIB) ............................................................................................................................................... 37
Figure 2. 3: Evolution du montant des avances de la BEAC aux Trsors Nationaux (en
pourcentage du PIB) ..................................................................................................................... 37
Figure 3. 1 : Evolution du taux dintrt directeur dans la zone CEMAC.................................... 70
Figure 3. 2 : Evolution du taux de croissance de la masse montaire dans 3 pays de la zone
CEMAC (en milliards de CFA) .................................................................................................... 71
Figure 3. 3: Evolution du taux de croissance du crdit domestique dans la zone CEMAC (en
millions de FCFA) ........................................................................................................................ 72
Figure 3. 4: Simulations du modle var en panel avec les donnes transformes par la procdure
de Helmert ..................................................................................................................................... 82
Figure 3. 5: Simulations du modle var en panel avec les donnes en premire diffrence ........ 86
Figure 3. 6 : Simulations du modle pour le Cameroun, avec prise en compte de la masse
montaire....................................................................................................................................... 92
Figure 3. 7: Simulations du modle pour le Cameroun, avec prise en compte du crdit
domestique .................................................................................................................................... 94
Figure 3. 8 : Simulations du modle pour le Tchad, avec prise en compte de la masse montaire
....................................................................................................................................................... 96
Figure 3. 9: Simulations du modle pour le Tchad, avec prise en compte du crdit domestique . 98
Figure 3. 10 : Simulations du modle pour le Gabon, avec prise en compte de la masse montaire
..................................................................................................................................................... 100
Figure 3. 11 : Simulations du modle pour le Gabon, avec prise en compte du crdit domestique
..................................................................................................................................................... 102
Figure 4. 1: Prvision conditionnelle avec contrainte sur la masse montaire et prvision non
conditionnelle de lIPC du premier trimestre 2004 au dernier trimestre 2005. .......................... 126
Figure 4. 2 : Evolution trimestrielle de la masse montaire au Tchad ........................................ 131

168

LISTE DES TABLEAUX

Tableau1. 1 : Rpartition des Banques Commerciales par pays en 2007 ..................................... 18
Tableau1. 2 : Rsultats des Banques de la CEMAC (en millions de FCFA)................................ 19
Tableau1. 3: Rpartition des Etablissements Financiers par pays en 2007 .................................. 20

Tableau 2. 1: Estimation de la surliquidit avec des variables reprsentant les motifs de

prcaution...................................................................................................................................... 47
Tableau 2. 2: Estimation de la surliquidit avec les variables non contrles par les banques .... 51
Tableau 2. 3 : Dterminants de la surliquidit .............................................................................. 52
Tableau 2. 4 : Ratios de refinancement du secteur bancaire ......................................................... 57
Tableau 2. 5 Coefficients des rserves obligatoires ...................................................................... 57
Tableau 2. 6 : Situation des rserves obligatoires au 31 dcembre 2007 ..................................... 58
Tableau 2. 7 : Injections de liquidit effectues par la BEAC ...................................................... 58
Tableau 2. 8: Avances aux trsors nationaux par pays membres de la CEMAC.......................... 59
Tableau 2.9: Estimation de la surliquidit avec le cours du ptrole et les autres variables non
contrles par les Banques.60
Tableau 3.1 : Correspondance entre les canaux de transmission thoriques et les variables de test
....................................................................................................................................................... 74
Tableau 3. 2 : Tests de stationnarit des variables endognes ...................................................... 76
Tableau 3 3: Estimations du modle Var en panel avec les donnes transformes par la procdure
de Helmert ..................................................................................................................................... 84
Tableau 3. 4 : Estimations du modle Var en panel avec les donnes en diffrence premire .... 85
Tableau 3. 5: Estimations du modle pour le Cameroun, avec prise en compte de la masse
montaire....................................................................................................................................... 91
Tableau 3. 6 : Estimations du modle pour le Cameroun, avec prise en compte du crdit
domestique .................................................................................................................................... 93
Tableau 3. 7: Estimations du modle pour le Tchad, avec prise en compte de la masse montaire
....................................................................................................................................................... 95
Tableau 3. 8 : Estimations du modle pour le Tchad, avec prise en compte du crdit domestique
....................................................................................................................................................... 97
Tableau 3. 9: Estimations du modle pour le Gabon, avec prise en compte de la masse montaire
....................................................................................................................................................... 99
Tableau 3. 10 : Estimations du modle pour le Gabon, avec prise en compte du crdit domestique
..................................................................................................................................................... 101
Tableau 4. 1: Test de stationnarit .............................................................................................. 115
Tableau 4. 2: Choix du modle AR(p) avec des critres AIC et SC ........................................... 116
Tableau 4. 3 : Critres de choix des processus ARIMA ............................................................. 117
Tableau 4. 4 : Critres de choix des processus SARIMA .......................................................... 118
Tableau 4. 5: Tests de stationnarit sur le PIB, la masse montaire, le taux directeur et le taux de
change dollar/CFA ...................................................................................................................... 119
Tableau 4. 6: Choix du modle VAR en fonction de AIC et SC ................................................ 120
Tableau 4. 7: Comparaison des diffrents modles de prvision................................................ 123

169

LISTE DES ENCADRS

Encadr 1. 1 : Schma simplifi du circuit montaire franc CFA dAfrique Centrale ................... 6
Encadr 1. 2: Les diffrents pouvoirs de la COBAC ...................................................................... 8
Encadr 1. 3 : La Programmation montaire de la BEAC ............................................................ 29

170

RESUME
Cette thse sarticule autour de trois essais consacrs lanalyse de la surliquidit bancaire dans les pays
de la CEMAC. Le premier essai a cherch identifier les dterminants de la surliquidit des pays
membres de la CEMAC sur la priode de 1985 2002. Lestimation GMM utilis a permis de montrer
que la surliquidit en Afrique Centrale drive la fois du comportement de prcaution des banques
commerciales et des facteurs exognes. La grande prudence des banques peut sexpliquer par
lexprience de la crise financire des annes 1980, la restructuration du systme bancaire, linstabilit
des dpts et un contexte conomique trs risqu. Lembellie du cours du ptrole alimente les rserves
excdentaires due la faible capacit dabsorption des pays de la zone. Dans le deuxime essai, il a t
question didentifier les canaux de transmission les plus oprationnels en Afrique Centrale. La
modlisation VAR a permis de montrer que le taux dintrt est le canal le plus faible. Cest prcisment
la carence dun march financier qui ne permet pas dassurer le rle de recyclage de la liquidit bancaire
et de la transmission de la politique montaire. Dans le troisime essai, a t labor un modle de
prvision dinflation dans un des pays membres de la CEMAC savoir le Tchad. Les modles BVAR se
sont rvls en Afrique Centrale tre plus efficaces que les outils traditionnels (AR, ARIMA, VAR).
Lanalyse de sensibilit entreprise par lapproche bayesienne indique que la surliquidit exercerait des
tensions inflationnistes dans la zone.
Mots-clefs : Surliquidit, GMM, canaux de transmission, VAR, prvision, inflation, politique montaire,
BVAR, BEAC, CEMAC.
ABSTRACT
This thesis is based on three essays focused on analysis of the excess liquidity in the CEMAC countries.
The first one identifies the determinants of excess liquidity in developing countries by studying the case
of CEMAC member countries from 1985 to 2002. The GMM estimator used has shown that the excess
liquidity in Central Africa derived from both the prudence of commercial banks and exogenous factors.
The precaution of Commercial Banks can be explained by the financial crisis in 1980s, the restructuring
of the banking system, the instability of deposits and a very risky economic environment. The increasing
in oil prices fueling excess reserves due to the low absorption capacity of countries in the region. In the
second essay, it was discussed the transmission channels in Central Africa. The VAR model used has
shown that the interest rate channel is the lowest. This is exactly the lack of a financial market that does
not allow ensuring the function of the recycling of liquidity and the transmission of monetary policy. At
the last essay, it was developed a forecasting model of inflation in Chad which is member of CEMAC
countries. BVAR models have been shown in Chad to be more effective than traditional tools (AR,
ARIMA and VAR). A sensitivity analysis undertaken by the Bayesian approach indicates that the excess
liquidity would exert inflationary pressures.
Keywords: Excess liquidity, GMM, transmission channels, VAR, forecasting, inflation, monetary policy,
BVAR, BEAC, CEMAC.