📈 economics

An Empirical Analysis of Business Cycle Fluctuations and Trend GDP Growth across Developed Economies

Cet article démontre qu'un modèle macroéconomique endogène fondé sur des données empiriques, piloté par des facteurs financiers et le lissage de la consommation intertemporelle, surpasse les modèles traditionnels RBC et DSGE-NK pour capturer la complexité de la dynamique des cycles économiques et des tendances des économies développées en reproduisant naturellement des caractéristiques statistiques clés telles que les queues épaisses et l'autocorrélation sans recourir à un excès de termes d'erreur exogènes.

Auteurs originaux : Giulio Giuseppe Colazzo

Publié 2026-09-03

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Giulio Giuseppe Colazzo

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Les économistes tentent depuis longtemps de comprendre le rythme de l'économie, la manière dont les nations croissent de façon constante sur des décennies tout en connaissant également des booms soudains et des crises douloureuses. Pendant une grande partie de l'ère moderne, l'explication dominante de ces fluctuations reposait sur l'idée que l'économie est une machine qui fonctionne de manière fluide jusqu'à ce qu'un événement externe la dérègle. Dans cette perspective, les causes primaires de la turbulence économique sont des événements imprévus provenant du monde extérieur, tels qu'un changement soudain de technologie ou un changement de politique gouvernementale. Ces théories supposent que les individus et les entreprises agissent avec une prévoyance parfaite, ajustant constamment leurs plans pour maximiser le profit et le bonheur, et que l'économie revient naturellement vers une trajectoire stable une fois le choc passé. Cependant, les données réelles racontent souvent une histoire différente. Les séries temporelles économiques présentent fréquemment des schémas que ces modèles standards peinent à expliquer, tels que de longues périodes de reprise lente, des pics soudains de volatilité, et une tendance pour les mauvaises nouvelles à frapper plus fort et à durer plus longtemps que les bonnes nouvelles. Comprendre pourquoi l'économie se comporte ainsi est crucial car cela détermine la manière dont les gouvernements doivent répondre aux crises et comment les sociétés peuvent se préparer à l'avenir.

Giulio Giuseppe Colazzo, un économiste de l'Université de Bari en Italie, s'est proposé d'enquêter sur ces divergences en examinant directement les données plutôt qu'en partant d'une théorie préétablie. Il a examiné l'histoire économique des nations développées, spécifiquement les membres de l'Organisation de coopération et de développement économiques, afin de séparer la tendance de croissance à long terme des fluctuations à court terme. Pour ce faire, il a utilisé un outil statistique qui lisse les contours irréguliers des données brutes pour révéler la trajectoire sous-jacente de la croissance, un peu comme un cartographe lissant une côte accidentée pour voir la forme générale d'un continent. Une fois qu'il a isolé la tendance à long terme et le cycle à court terme, il s'est posé une question simple mais profonde : qu'est-ce qui motive réellement ces mouvements ? Il a testé un large éventail de causes potentielles, allant des changements de productivité et de dépenses publiques aux variations des taux d'intérêt et au comportement des marchés financiers.

Les résultats de cette enquête ont remis en question la vision traditionnelle selon laquelle les chocs externes sont les principaux moteurs de la vie économique. Lorsque Colazzo a analysé les fluctuations à court terme qui définissent le cycle économique, il a découvert que les prédicteurs les plus puissants n'étaient pas les changements de technologie ou de politique gouvernementale, mais plutôt des facteurs ancrés dans le système financier et la psychologie des participants au marché. Plus précisément, la volatilité des marchés boursiers et les rendements des obligations d'État sont apparus comme les forces primordiales derrière les booms et les krachs économiques. Ces indicateurs financiers, qui reflètent la confiance collective et l'anxiété des investisseurs, étaient bien plus efficaces pour expliquer pourquoi les économies oscillent que les facteurs du monde réel comme la productivité que les théories standards privilégient. L'étude a également révélé que ces chocs financiers ne causent pas seulement des ondulations temporaires ; ils créent un schéma de volatilité où les périodes de calme sont souvent suivies de turbulences intenses, un phénomène connu sous le nom de regroupement de la volatilité (volatility clustering). Cela signifie que lorsque l'économie est instable, elle a tendance à rester instable pendant un certain temps, et les événements extrêmes sont plus fréquents que ce qu'une distribution normale prédirait.

Lorsque Colazzo a porté son attention sur la tendance de croissance à long terme, le tableau a de nouveau changé. Ici, les données indiquaient les décisions que les ménages prennent concernant l'épargne et la consommation au fil du temps. L'étude a révélé que la trajectoire à long terme d'une économie est largement pilotée par la manière dont les individus allouent leurs ressources entre la consommation actuelle et la sécurité future. Cette prise de décision intertemporelle, où les individus lissent leur consommation pour se préparer à des futurs incertains, s'est avérée être un moteur plus significatif de la croissance structurelle que les chocs de productivité externes. En combinant ces conclusions, le chercheur a construit un nouveau type de modèle économique qui est entièrement fondé sur le comportement observé des données. Ce modèle suppose que l'économie est pilotée par des forces internes : le stress financier et l'incertitude façonnent les cycles à court terme, tandis que les habitudes d'épargne et de consommation des ménages façonnent la croissance à long terme.

Pour tester si cette nouvelle approche axée sur les données était meilleure que les théories établies, Colazzo l'a comparée aux modèles standards utilisés par les banques centrales et les institutions académiques, connus sous le nom de modèles de Cycle Réel (Real Business Cycle) et d'Équilibre Général Stochastique Dynamique (DSGE). Ces modèles traditionnels supposent que l'économie est pilotée par des chocs externes et que les individus agissent avec une rationalité parfaite. La comparaison a montré que le nouveau modèle endogène, qui laisse les données parler d'elles-mêmes, était bien plus précis. Il a réussi à reproduire les caractéristiques complexes et désordonnées des données économiques réelles, telles que la tendance des chocs négatifs à avoir un impact plus important que les chocs positifs et la présence de corrélations persistantes dans l'activité économique. En revanche, les modèles traditionnels ont échoué à capturer ces caractéristiques par eux-mêmes ; ils devaient compter sur les termes d'erreur — les résidus mathématiques — pour rendre compte du comportement étrange des données. Essentiellement, les modèles standards manquaient les parties les plus importantes de l'histoire, laissant les schémas les plus significatifs inexpliqués et les reléguant au rang de bruit de fond.

L'étude conclut qu'une compréhension plus réaliste de l'économie provient de la reconnaissance du fait que les marchés financiers et les attentes humaines ne sont pas de simples effets secondaires, mais sont centraux dans le fonctionnement du système. La recherche suggère que l'économie n'est pas une machine attendant d'être déréglée par des forces externes, mais un système complexe où les dynamiques internes, particulièrement l'interaction entre le stress financier et les décisions des ménages, génèrent les fluctuations mêmes que les économistes tentent de prédire. En construisant un modèle qui reflète ces réalités, l'étude offre une image plus claire de la raison pour laquelle les économies se comportent de telle manière, s'éloignant des hypothèses abstraites de rationalité parfaite pour tendre vers une description qui s'aligne sur l'expérience réelle, souvent volatile, du monde développé. Cette approche ne propose pas seulement un meilleur ajustement aux données historiques ; elle implique que pour comprendre l'avenir, nous devons examiner de près les mécanismes internes de confiance, d'incertitude et de stabilité financière qui pilotent l'économie de l'intérieur.

Résumé Technique : Une analyse empirique des fluctuations du cycle économique et de la croissance du PIB potentiel dans les économies développées

Énoncé du problème
Les modèles macroéconomiques néoclassiques standards, incluant les modèles de cycles réels (RBC) et les cadres néo-keynésiens de l'équilibre général dynamique stochastique (DSGE), attribuent les fluctuations macroéconomiques principalement à des perturbations stochastiques exogènes, telles que les chocs de productivité. Cependant, la littérature empirique a documenté une « performance médiocre » persistante de ces modèles structurels pour reproduire les faits stylisés clés des séries temporelles macroéconomiques. Plus précisément, ces modèles peinent à rendre compte de l'autocorrélation prononcée, de l'asymétrie négative, de l'excès de kurtosis (queues épaisses) et de la synchronisation des cycles économiques entre les pays. De plus, les calibrages en économie ouverte de ces modèles n'ont pas réussi à expliquer de manière adéquate la contagion financière et les corrélations bilatérales observées entre les principales économies (par exemple, les États-Unis et la zone euro), même durant les périodes de non-crise. Le problème central abordé est l'incapacité des modèles structurels standards à générer de manière endogène les moments statistiques d'ordre supérieur et le regroupement de la volatilité (volatility clustering) observés dans les données empiriques, ce qui force souvent l'introduction de ces caractéristiques dans les termes d'erreur sous forme de non-normalité exogène.

Méthodologie
L'article emploie une approche de forme réduite, pilotée par les données, pour dissocier les fluctuations du cycle économique de la croissance du PIB potentiel à travers un large panel d'économies développées de l'OCDE. La méthodologie procède en quatre étapes distinctes :

Décomposition tendance-cycle : L'auteur utilise le filtre de Hodrick-Prescott (HP) pour séparer la croissance du PIB en une composante de tendance stochastique ( $\tau_t$ ) et une composante de cycle économique ( $c_t$ ). Le filtre HP est sélectionné en raison de sa performance supérieure pour maximiser la disparité de volatilité entre les composantes cycliques et de tendance par rapport aux autres méthodes (CF, BK, BN, Kalman).
Identification des moteurs via les VAR :
- Cycle économique (haute fréquence) : Un modèle VAR structurel (SVAR) à fenêtre glissante avec des restrictions de Cholesky récursives à court terme est employé pour identifier les relations causales instantanées entre les régresseurs macroéconomiques et l'écart de production (output gap). Cela est complété par des tests de causalité contemporaine pour déterminer l'impact immédiat des chocs.
- Croissance de la tendance (basse fréquence) : Des VAR à fenêtres glissantes, augmentés de tests de causalité de Granger, sont utilisés pour identifier les moteurs cumulatifs à long terme de la croissance structurelle du PIB.
Sélection du modèle économétrique : L'article compare diverses spécifications économétriques (ARMA, EGARCH, GARCH, TGARCH) pour déterminer laquelle caractérise le mieux les propriétés statistiques des composantes de tendance et de cycle. Les critères de sélection incluent la log-vraisemblance (LogLik), le critère d'Akaike (AIC), le critère d'information bayésien (BIC) et les diagnostics de résidus (Ljung-Box pour l'autocorrélation, Jarque-Bera pour la normalité).
Simulation comparative : Le cadre économétrique optimal identifié (Trend ARMA(2,1) + Cycle EGARCH(1,1) avec des erreurs de type t) est utilisé comme référence pour tester des spécifications de modèles macroéconomiques alternatives.
- Modèle endogène : Un modèle à forme réduite où la croissance de la tendance est pilotée par l'égalisation intertemporelle de la consommation (taux d'épargne) et les cycles économiques par des facteurs financiers (rendements obligataires, stress systémique).
- Modèles standards : Modèles RBC et DSGE-NK supposant des chocs de productivité et de politique monétaire exogènes.
- Calibrage : Le modèle endogène est calibré selon une approche semi-paramétrique (algorithme d'évolution différentielle) sur les données de la zone euro, en incorporant des chocs historiques (ex. : crise de l'ERM, Grande Récession) afin de minimiser l'erreur quadratique moyenne (MSE) entre le PIB simulé et le PIB observé.

Contributions clés et résultats

Identification des moteurs : L'analyse empirique révèle que les fluctuations du cycle économique sont principalement pilotées par des facteurs financiers et des chocs d'incertitude (spécifiquement les rendements des obligations d'État à dix ans et l'indice VIX) plutôt que par des chocs de productivité du côté réel. Les chocs de politique monétaire présentent des effets persistants mais moins immédiats. À l'inverse, la croissance de la tendance du PIB à long terme est principalement pilotée par les décisions d'allocation de portefeuille intertemporelle (épargne, investissement et consommation) et les taux d'intérêt nominaux, la productivité jouant un rôle secondaire.
Décomposition structurelle de la tendance : En utilisant des modèles d'espace d'état (SSM), l'étude décompose la tendance du PIB en composantes tirées par la demande (endogènes) et par l'offre (exogènes). Les résultats indiquent qu'environ 78 % de la dynamique de la tendance du PIB dans l'échantillon sont tirées par la demande, suggérant que la croissance à long terme est largement une fonction de la demande globale et de l'incertitude endogène plutôt que de chocs d'offre exogènes.
Spécification économétrique optimale : L'analyse identifie le modèle Trend ARMA(2,1) + Cycle EGARCH(1,1) avec des termes d'erreur de type t comme la spécification la plus robuste pour les économies de l'OCDE. Ce modèle capture avec succès la persistance de la mémoire longue de la tendance ainsi que le regroupement de la volatilité, l'asymétrie et les queues épaisses du cycle économique.
Supériorité du modèle endogène : Lorsqu'il est transposé dans le cadre économétrique optimal, le modèle macroéconomique endogène (piloté par l'épargne et les rendements financiers) surpasse de manière significative les modèles RBC et DSGE-NK standards.
- Qualité de l'ajustement : Le modèle endogène atteint la LogLik la plus élevée et les scores AIC et BIC les plus bas.
- Diagnostics de résidus : Crucialement, le modèle endogène génère des résidus qui ressemblent étroitement à un bruit blanc i.i.d. (passant les tests de Ljung-Box et Jarque-Bera). En revanche, les modèles standards laissent subsister une information structurelle significative (corrélation sérielle et non-normalité) dans leurs résidus, impliquant que ces modèles ne parviennent pas à expliquer leurs propriétés structurelles de manière interne et doivent les importer de façon exogène.
- Simulation : Le modèle endogène, calibré avec un taux d'actualisation latent et des indicateurs de stress financier, reproduit plus fidèlement la synchronisation et l'amplitude des cycles économiques de la zone euro que les modèles reposant sur des chocs de productivité exogènes.

Signification et affirmations
L'article soutient que la supériorité empirique du modèle endogène découle de sa capacité à générer de manière endogène les caractéristiques statistiques saillantes des séries temporelles macroéconomiques — spécifiquement les moments d'ordre supérieur (asymétrie, kurtosis) et la corrélation sérielle — plutôt que de compter sur des termes d'erreur exogènes pour imiter ces régularités.

L'auteur affirme que ces preuves remettent en question les hypothèses fondamentales des modèles structurels standards (RBC et DSGE-NK), qui postulent que les résidus devraient représenter des perturbations stochastiques de type bruit blanc. Le fait que les modèles standards laissent une structure systématique dans les résidus suggère qu'ils sont mal spécifiés quant aux véritables moteurs de la dynamique économique. À l'inverse, un modèle construit sur des preuves empiriques — intégrant spécifiquement les facteurs financiers et l'égalisation de la consommation intertemporelle comme moteurs primaires — offre une description plus crédible et réaliste de la dynamique du cycle économique et des trajectoires de croissance à long terme. L'article conclut qu'une approche pilotée par les données et ancrée dans l'empirisme est plus susceptible de produire une théorie robuste du cycle économique que les modèles reposant sur des microfondations restrictives a priori qui échouent à capturer la nature non linéaire et non gaussienne des fluctuations économiques réelles.

Résumé Technique : Une analyse empirique des fluctuations du cycle économique et de la croissance du PIB potentiel dans les économies développées

Articles similaires