No abstract

Cet article chercheà identifier la capacité des variables financièresà constituer des indicateurs avancés de l'activité américaine. Il introduit notamment l'utilisation de divers modèlesà chaîne de Markov cachée dont le modèle MS-VAR de Krolzig (1997) et celui de Grégoir-Lenglart (2000). A partir de quatre séries financières, ceux-ci fournissent un cadre qui se révèle robuste et fiable pour la construction d'un indicateur avancé probabiliste qualitatif dont l'horizon prédictif est de 3à 6 mois. Les marchés financiers au cours des 40 dernières années ont renvoyé très peu de faux signaux, identifiant toutes les phases de ralentissements conjoncturels outre-atlantiques, dont les six récessions majeures considérées par le NBER. Mots-clés : Cycle d'affaires, Modèles multivariésà changements de régimes markoviens qualitatifs, Modèles MS-VAR, Indicateurs avancés.

No abstract

En passant en revue 35 ans de fluctuations de l'activité, cet article étudie le " Cycle d'affaires " américain à l'aide de modèles à changements de régimes markoviens (Hidden markov model, HMM) appliqués à des données mensuelles. Il permet d'identifier dix séries économiques particulièrement fiables pour détecter en temps réel les " régimes conjoncturels " de l'économie américaine. En testant des méthodes concurrentes de combinaison des données, ce papier propose différents indicateurs synthétiques probabilistes univariés ou multivariés de récession et tire de ces travaux deux conclusions principales : 1) de simples modèles HMM sont utiles pour suivre le cycle d'affaires en tant que " miroir déformant " de signaux conjoncturels permettant la formation de " probabilités subjectives de retournement " ; 2) les performances de modèles plus complexes incluant une dimension multivariée " pure " apportent une information utile mais très proche de celle extraite d'un résumé, la qualité d'un modèle dépendant avant tout du contenu informationnel des variables qui le constituent. Ce papier conclue sur les propriétés et les limites de tels modèles de détection de récession en temps réel.

En passant en revue 35 ans de “ Cycle d’affaires ” à l’aide de modèles à changements de régimes markoviens, cet article permet d’identifier dix séries mensuelles particulièrement fiables pour détecter les “ récessions ” américaines. En testant différents indicateurs synthétiques probabilistes, on remarque que de simples modèles univariés sont déterminants pour suivre le cycle d’affaires et que les performances de modèles incluant une dimension multivariée “ pure ” apportent une information très proche de celle extraite d’un résumé. La qualité d’un modèle semble dépendre avant tout du contenu informationnel desvariables qui le constituent. Ce papier conclut sur les propriétés et les limites d’un modèle privilégié de détection de récession, notamment dans son utilisation en temps réel.