300 likes | 393 Views
THE TRIPLE-PARTY LAW Article de J.C Lambelet et A.Mihailov. Présentation: Rohen d’Aiglepierre Stéphane Fishhoff Thomas Flury Ivan Restrepo Siméon Stoitzev. Plan. Introduction théorique Présentation des données Méthode O.D.R Méthode S.U.R Conclusion.
E N D
THE TRIPLE-PARTY LAWArticle de J.C Lambelet et A.Mihailov Présentation: Rohen d’Aiglepierre Stéphane Fishhoff Thomas Flury Ivan Restrepo Siméon Stoitzev
Plan • Introduction théorique • Présentation des données • Méthode O.D.R • Méthode S.U.R • Conclusion
La parité d’intérêt non-couverte • Arbitrage des marchés financiers • It = It* + ∆St+1 + RPt • Comparaison internationale • UIP : Da/b = ( Ra - R b ) + ( Ia - Ib ) + ε1
La parité relative du pouvoir d’achat • Arbitrage du secteur des biens et services • ∆St+1 = Πt - Π t* • Comparaison internationale • PRPA : Da/b = ( T b - Ta ) + ( CPa - CPb ) + ε2
La parité d’intérêt réel • Déduite de l’UIP et de la PRPA • rt – rt* = ( It - It*) – ( Πt - Π t*) • RIP: • ( Ia - Ib ) = [(T b - Ta) - (Ra - R b )] + (CPa - CPb)
Exemple théorique du fonctionement de la triple parité • Da/b = Ia - Ib = CPa - CPb => ra = rb • 5% = 10% - 5% = 6% - 1% 4% • (5) = (5) = (5) • Ainsi si l’UIP et le PRPA fonctionnent, la RIP doit théoriquement faire de même.
Pas de justification d’estimer la RIP séparément? Si l’on compare les constantes estimées pour chaque régression : UIP : Di/USA = (Ii – IUSA) + (Ri – RUSA) -0.39 PPP: Di/USA = (Pi – PUSA) + ( TUSA – Ti) -0.53 RIP: Ii – IUSA = (Pi – PUSA) + [(TUSA – Ti) – (Ri – RUSA)] -0.07
Pas de justification d’estimer la RIP séparément? Valeur calculée pour la constante de la RIP: (TUSA – Ti) – (Ri – RUSA) = -0.53 – (-0.39) = -0.14 Valeur estimée pour la constante de la RIP: -0.07 Différence: 0.07 Il y donc une différence, bien que logiquement et théoriquement les deux valeurs devraient être les mêmes! Non seulement pour les USA!
Cause possible de cette différence? • Arbitrage particulier • Pour l‘UIP: Investisseurs nationaux • Pour la RIP: Investisseurs internationaux • Entreprises multinationaux qui cherchent à obtenir le même rendement réel dans tous les pays où elles sont présentes. • Cet arbitrage international cause des chocs particuliers qui se répercutent dans la RIP. • Econométriquement justifié d‘estimer la RIP séparément et inclure un ε3 dans sa régression: Ii – IUSA = (CPi – CPUSA) + [(TUSA – Ti) – (Ri – RUSA)] + (ε2 -ε1) + ε3
Les données • Données de 18 pays industrialisés • Données pour la période de 1976-1998 • Pour Di/j: valeur moyenne annuelle du taux de change nominal • Pour CPi/j: valeur moyenne annuelle du déflateur du PIB ou de IPC. • Pour Ii/j: valeur moyenne annuelle du rendement des obligations d‘état à long terme
Les données • Les données pour CP et D semblent assez fiables! • Par contre, les données pour les taux d‘intérêt ne sont pas homogènes du tout. • La définition de „long terme“ varie de pays à pays. • Le panier d‘obligations utilisé pour calculer le taux d‘intérêt varie selon les pays. • On se retrouve donc avec un „error-in-data problem“ pour les taux d‘intérêt!
Modification des données • Le taux dépréciation et l‘inflation moyenne ou trend ont été calculés en régressant la série temporelle pour chaque pays sur le temps • Le taux d‘intérêt moyen est une moyenne des taux observés chaque année. • On se retrouve donc avec une coupe transversale avec 18 observations.
Problèmes économétriques • Arbitrage • Simultanéité • „Error-in-data problem“
Arbitrage • Les idée théorique de l‘UIP, de la PPP et de la RIP se base sur l‘idée de l‘arbitrage. • En cas d‘arbitrage la relation cause → effet n‘est pas clair. • Econométriquement on ne sait pas s‘il faut qu‘on estime Y sur X ou X sur Y, ce qui ne revient pas à la même chose!
Simultanéité • Le problème de simultanéité est induite par la définition de la RIP. • Violation de l’hypothèse de base des MCO: • H6: cov(X,ε) = 0 • Biais de l‘estimateur.
„Error-in-data problem“ • Le taux d‘intérêt est mesuré avec erreurs • UIP: Di/USA = (Ii – IUSA) + (Ri – RUSA) + ε1 • L‘erreur provenant de la pauvre homogénéité des donnes du Ii sera absorbé par le ε1. • Le nouveau terme d‘erreur μ1 = (ε1 + erreur de mesure) est donc corrélé avec Ii ce qui viole H6 des MCO: • H6: cov(μ, X) = 0
Méthode de régression orthogonale: ODR Idée de base: Minimiser la somme des écarts perpendiculaires à la droite de régression élevés au carré. Contrainte sur le rapport des variances des erreurs { u(x) et u(y) }
Méthode de régression orthogonale: ODR • Relation au lieu de fonction • Symétrie entre X et Y ( ≠ MCO ) • Par Hypothèse: ratio des variances des erreurs égal à un ( => V[U(x)] = V[U(y)] ) • La variance estimée du paramètre estimé est infinie pour un modèle linéaire
SEEMINGLY UNRELATED REGRESSIONS - SUR • Simultanéité et arbitrage • Exemple et triple-parité • Présentation intuitive de la méthode • Comparaison MCO/SUR
Simultanéité et arbitrage • Aspect ambigu du sens de la relation entre « X et Y » dû au caractère arbitragiste • RIP conséquence de la PPP et de la UIP • Lien entre UIP et PPP exprimée pour déterminer le différentiel d’inflation Système d’équations simultanées
Conséquences de la simultanéité • L’hypothèse H6 Cov(Xt,et)=0 est violée • MCO fournissent des estimateurs biaisés et non-convergents et des t-stat biaisées • Remède? DMC? SUR
Contexte d’application • Cas particulier des systèmes à équations simultanées • Equations indépendantes en apparence,mais liées par leurs perturbations • Variables à gauche du signe égal ne sont plus indépendamment distribuées
Exemple • Petit modèle macroéconomique: Ct=a0 + a1Yt + a2rt + eCt It= g0 + g1rt + eIt Yt= Ct + It + Gt On peut résoudre pour exprimer l’équilibre
Exemple • On trouve: Ct= d0+ d1Gt + d2rt + d3(eCt + a1eIt) It= g0 + g1rt + 0Gt+ eIt Yt= d4 + d5Gt + d6rt + d3(eCt + eIt) Perturbations corrélées
Triple-parité (1) DUSAi = c(1) + c(2)*IUSAi + 1,i (2) DUSAi = c(3) + c(4)*CPUSAi + 2,i (3) IUSAi = c(5) + c(6)* CPUSAi + (1,i –2,i) + 3,I Système fermé (2’) CPUSAi = – c(3)/c(4) + 1/c(4)*DUSAi –1/c(4)*2,i
Triple-parité On obtient le sytème d’équations simultanées: (1) DUSAi = c(1) + c(2)*IUSAi + 1,i (2’) CPUSAi = – c(3)/c(4) + 1/c(4)*DUSAi –1/c(4)*2,i (3) IUSAi = c(5) + c(6)* CPUSAi + (1,i –2,i) + 3,I
Présentation intuitive de la méthode • Appliquer les moindres carrés généralisés au modèle SUR • Permet de tenir compte à la fois de la simultanéité et de l’arbitrage • Influences croisées des perturbations
Comparaison MCO/SUR • MCO estimateurs biaisés et non-convergents • MCG mêmes propiétés que les MCO, sans biais et à variance minimale