Chapter

Chapitre 5. Le Boom des Produits de base non Combustibles Peut-il Être Durable?

Author(s):
International Monetary Fund. Research Dept.
Published Date:
October 2006
Share
  • ShareShare
Show Summary Details

Ces dernières années, les cours des produits de base, combustibles ou non, ont nettement monté. L’évolution des marchés des combustibles (en particulier du pétrole) a jusqu’à présent accaparé l’attention des décideurs, bien que la hausse des cours des autres produits de base ait aussi eu des conséquences considérables pour la balance commerciale et la croissance de nombreux pays.

Les produits de base non combustibles représentent une part plus importante du commerce mondial (14 % sur la période 2000–04) que les combustibles (7 %). Comme dans le cas du pétrole, de nombreux pays en développement sont fortement tributaires des recettes d’exportation que leur rapportent les produits de base non combustibles: elles représentent plus de 10 % du PIB dans 36 pays, et plus de 5 % du PIB dans 92 pays (graphique 5.1.). En fait, dans nombre de pays à faible revenu, une grande partie des recettes d’exportation provient d’un petit nombre de produits (exemples au tableau 5.1). De plus, les cours de certains produits de base non combustibles ont davantage augmenté que ceux du pétrole: par exemple, l’indice des métaux du FMI a progressé de 180 % en termes réels depuis 2002, contre 157 % pour les cours pétroliers.

Graphique 5.1.Dépendance à l’égard des exportations de produits de base non combustibles et concentration géographique de la production

Beaucoup de pays en développement et de pays émergents demeurent très tributaires de leurs exportations de produits de base non combustibles. La production de certains produits est très concentrée géographiquement, de sorte que les cours mondiaux peuvent réagir aux événements dans un pays ou des pays donnés.

Sources: British Geological Survey, World Mineral Statistics 1998/2002 (2004); données de FAOSTAT (2006); Service de l’agriculture à l’étranger, estimations officielles du Département de l’agriculture des États-Unis (2006); Banque mondiale, base de données World Integrated Trade Solution; World Bureau of Metal Statistics, World Metal Statistics Yearbook 2006 (2006); calculs des services du FMI.

1 Part des exportations de produits de base non combustibles dans le produit intérieur brut. Voir l’appendice 5.1 pour plus de détails.

2 Les symboles sont affectés aux pays qui fournissent plus de 10 % de la production mondiale. Pour les métaux, les parts de production se rapportent à la production minière. La bauxite est le principal minerai servant à la production d’aluminium.

Tableau 5.1.Dépendance à l’égard des exportations de produits de base non combustibles(2000–04; pourcentage)
PaysPart du total

des exportations
AluminiumSuriname47
Tadjikistan46
Guinée36
Mozambique26
CacaoCôte d’Ivoire34
CaféBurundi43
CuivreZambie41
Chili31
Mongolie20
CotonBurkina Faso42
Bénin28
PoissonIslande30
Seychelles30
Sources: Banque mondiale, base de données World Integrated Trade Solution; calculs des services du FMI.
Sources: Banque mondiale, base de données World Integrated Trade Solution; calculs des services du FMI.

Puisque de nombreux pays sont très exposés aux fluctuations des produits de base non combustibles, la dynamique des marchés de ces produits revêt une grande importance. Certains observateurs suggèrent que la montée en puissance de la Chine et d’autres grands pays émergents a peut-être entraîné une modification fondamentale des tendances à long terme des prix et que le monde est maintenant entré dans une période de cours durablement élevés, en particulier pour les métaux (voir Barclays Capital, 2006a). D’autres, par contre, pensent que des forces spéculatives ont pour une large part découplé les cours des métaux des fondamentaux du marché (Société générale, 2006) et que les cours vont inévitablement retomber et continuer à diminuer en termes réels, comme pendant la plus grande partie du siècle dernier.

Ce chapitre traite de cette problématique:

  • en inventoriant les causes des récentes hausses des cours des produits de base non combustibles et en les resituant dans une perspective historique;
  • en évaluant l’incidence de la hausse de la demande émanant des grands pays émergents (spécialement la Chine) et des poussées exercées sur les prix par les investisseurs financiers;
  • en cherchant à déterminer si les niveaux élevés des cours seront temporaires ou durables.

Tendances à long terme des cours des produits de base et volatilité

Malgré les hausses récentes, les cours de la plupart des produits de base non combustibles restent inférieurs à leurs pics historiques en termes réels. Au cours des cinq dernières décennies, les cours des produits de base ont baissé par rapport aux prix à la consommation à un rythme d’environ 1,6 % par an (graphique 5.2)1. Cette tendance baissière est généralement attribuée aux considérables gains de productivité réalisés dans l’agriculture et la métallurgie par rapport aux autres secteurs de l’économie2. Comparés aux prix des produits manufacturés, cependant, les cours des produits de base ont cessé de baisser dans les années 90, car la mondialisation croissante du secteur manufacturier a ralenti l’inflation des prix à la production3.

Graphique 5.2.Tendance d’évolution à long terme des cours1

Les cours de nombreux produits de base non combustibles diminuent en termes réels par rapport à l’indice des prix à la consommation (IPC) depuis au moins 50 ans. La mondialisation a freiné les hausses de prix dans le secteur manufacturier et, de ce fait, les cours des produits de base ont cessé de baisser par rapport aux prix des produits manufacturés au début des années 90. Cependant, les cours des produits de base sont très volatils et peuvent s’écarter de la tendance pendant des périodes prolongées.

Sources: Cashin, Liang, and McDermott (2000); Grilli and Yang (1988); FMI, base de données Commodity Price System; CNUCED, base de données du Handbook of Statistics; calculs des services du FMI.

1 Les chiffres de 2006 sont des moyennes sur la période janvier–juin.

2 Les indices de Grilli et Yang ne sont disponibles que pour la période 1900–87. Voir l’appendice 5.1 pour plus de détails.

D’une année sur l’autre, les cours de produits de base peuvent s’écarter sensiblement de la tendance baissière à long terme, car leur volatilité est beaucoup plus élevée que la baisse moyenne en termes réels (un écart-type de variation annuelle des cours égale environ 11,5 %, alors que la baisse moyenne sur le long terme est de 1,6 % par an; voir le graphique 5.3). La volatilité actuelle des cours des produits de base non combustibles n’est pas inhabituelle historiquement parlant. En fait, la volatilité des cours des produits alimentaires et des matières premières agricoles semble avoir diminué en moyenne au cours des deux dernières décennies, car la diversification géographique croissante de la production et les progrès techniques ont réduit la sensibilité des prix aux chocs qui perturbent l’offre, tels que les intempéries ou les catastrophes naturelles (FAO, 2004b)4.

Graphique 5.3.Volatilité des cours des produits de base non combustibles

(Pourcentages)

La récente volatilité des marchés des produits de base non combustibles n’est pas inhabituelle historiquement parlant. En fait, la volatilité des cours des produits alimentaires et des matières premières agricoles a diminué au cours des vingt dernières années en raison des progrès techniques et de la diversification géographique de la production.

Sources: FMI, base de données Commodity Price System; calculs des services du FMI.

1 Écart-type de variation des cours réels.

Les cours des produits de base non combustibles—spécialement des métaux—ont un fort élément conjoncturel (graphique 5.4). La corrélation entre la croissance économique mondiale et les variations annuelles des cours des métaux est d’environ 50 %. Par ailleurs, presque toutes les périodes de hausse marquée des cours des métaux ont coïncidé avec une forte croissance de l’économie mondiale. Les cours des produits agricoles tendent aussi à grimper durant les périodes de conjoncture haute, mais leurs mouvements sont beaucoup moins prononcés que dans le cas des métaux parce que l’offre est plus souple et l’élasticité-revenu de la demande faible.

Graphique 5.4.Évolution conjoncturelle des cours des produits de base1

(Variations annuelles en pourcentage; cours déflatés de l’IPC des États-Unis)

Il y a une corrélation entre les cours des produits de base et la croissance mondiale. Cependant, les cours des produits alimentaires et des matières premières agricoles sont beaucoup moins sensibles aux variations de la conjoncture que ceux des métaux.

Sources: FMI, base de données Commodity Price System; calculs des services du FMI.

1 Les chiffres de 2006 sont des moyennes sur la période janvier–juin.

Analyse de l’évolution récente

Ces quatre dernières années, les cours des produits de base ont évolué très différemment selon les diverses catégories de l’indice des produits non combustibles (graphique 5.5). Les cours des métaux sont montés en flèche de 2002 jusqu’à présent (de 180 % en termes réels), alors que ceux des produits alimentaires et des matières premières agricoles ont beaucoup moins augmenté (de 20 % et 4 %, respectivement). De ce fait, les métaux comptent pour près de 90 % de la hausse cumulative de 60 % en termes réels de l’indice des produits de base non combustibles du FMI depuis 2002 (tableau 5.2).

Graphique 5.5.Évolution récente des cours des produits de base

(2002 = 100; données mensuelles; cours déflatés de l’IPC des États-Unis)

Ces quatre dernières années, les cours des métaux ont augmenté davantage que les cours du pétrole et ont largement contribué à la hausse globale de l’indice des cours des produits de base non combustibles.

Sources: Haver Analytics; FMI, base de données Commodity Price System; calculs des services du FMI.

Tableau 5.2.Décomposition de l’indice des produits de base non combustibles du FMI, 2002–061(Prix exprimés en variations réelles; contributions à la croissance en pourcentage)
Cours en dollars2Cours en DTS3
HausseContributions

à la hausse
HausseContributions

à la hausse
Ensemble des produits de
base non combustibles60,1100,045,3100,0
Métaux179,787,5153,599,3
Produits alimentaires19,97,78,94,6
Boissons21,51,810,41,1
Matières premières agricoles4,33,1−5,3−5,0
Sources: FMI, base de données Commodity Price System; calculs des services du FMI.

Les chiffres de 2006 se rapportent à juillet 2006.

Cours déflatés des prix à la consommation aux États-Unis.

Cours déflatés de la moyenne pondérée des prix à la consommation dans les pays dont les monnaies entrent dans la composition du panier de calcul du DTS.

Sources: FMI, base de données Commodity Price System; calculs des services du FMI.

Les chiffres de 2006 se rapportent à juillet 2006.

Cours déflatés des prix à la consommation aux États-Unis.

Cours déflatés de la moyenne pondérée des prix à la consommation dans les pays dont les monnaies entrent dans la composition du panier de calcul du DTS.

La dynamique actuelle des cours des produits alimentaires et des matières premières agricoles est semblable aux précédents cycles conjoncturels (graphique 5.6). En fait, une partie de la hausse cumulative des cours des produits alimentaires depuis 2001 est attribuable à la dépréciation du dollar: en valeur réelle, les cours, exprimés en droits de tirages spéciaux (DTS) du FMI, n’ont progressé que de 9 % par rapport à il y a quatre ans, et ceux des matières premières agricoles sont inférieurs à leur niveau de 2002.

Graphique 5.6.Analyse de l’évolution récente des cours, 1957–20061

(Le plus bas du cycle au moment t = 100)

La dynamique actuelle des cours réels des produits alimentaires et des matières premières agricoles exprimés en dollars est semblable à celle des cycles précédents. Une fois le taux de change pris en compte, les cours des produits alimentaires et des matières premières agricoles sont très proches de leurs niveaux d’il y a quatre ans. Jusqu’à récemment, les cours des métaux suivaient aussi leurs tendances historiques, mais, du fait de leur envolée cette année, leur hausse cumulative est plus prononcée que d’habitude.

Sources: FMI, base de données Commodity Price System; calculs des services du FMI.

1 Les cours des produits de base sont exprimés en dollars constants et indexés de manière à ce que les creux conjoncturels aient la valeur de 100. Le dernier épisode de hausse des cours est aussi exprimé en DTS constants. Les chiffres de 2006 sont des moyennes sur la période janvier–juin.

2 Une double barre oblique indique une interruption dans l’échelle de l’axe vertical.

Jusqu’à récemment, les cours des métaux se sont aussi comportés comme par le passé5, mais du fait de la poursuite de la hausse des cours cette année, leur augmentation cumulative a été nettement plus marquée que d’habitude. Une partie de cette forte progression est attribuable à la faiblesse des investissements dans ce secteur à la fin des années 90 et au début de la décennie suivante, après une période de baisse des cours. Selon certains analystes, l’intensité de la hausse des cours durant ce cycle a aussi été amplifiée par de nouveaux facteurs: le poids économique croissant des pays émergents en rapide expansion (spécialement la Chine), et l’activité des investisseurs financiers sur les marchés des produits de base6. Toutes ces explications possibles sont analysées ci-après.

Le rôle des pays émergents

La Chine est devenue un élément moteur essentiel de la dynamique des marchés des métaux. Entre 2002 et 2005, elle a été presque entièrement responsable de l’accroissement de la consommation mondiale de nickel et d’étain (tableau 5.3). Dans le cas du plomb et du zinc, l’appétit de la Chine a même dépassé le rythme d’augmentation de la consommation mondiale. Elle a contribué pour 50 % environ à la hausse de la consommation mondiale des deux métaux les plus activement négociés (aluminium et cuivre) et d’acier7. Ces chiffres sont supérieurs à la contribution de la Chine à la croissance du PIB corrigé de la PPA (29 %) et très supérieurs à sa part actuelle de la production mondiale (15 %). Par rapport à la précédente décennie, la contribution relative de la Chine à la demande mondiale de produits de base a considérablement augmenté, du fait à la fois de son poids croissant dans l’économie mondiale et de la progression particulièrement rapide de sa production industrielle—y compris pour l’exportation—qui est étroitement liée à la demande de métaux. D’autres pays émergents ont aussi beaucoup contribué à la demande sur les marchés de certains métaux8, mais pas de manière aussi généralisée que la Chine (tableau 5.3)9.

Tableau 5.3.Consommation de métaux industriels et de pétrole(Consommation exprimée en variation annuelle réelle en pourcentage; contributions à la croissance en pourcentage)
1993–20022002–051
Hausse de la

consommation

mondiale
Contributions

à la croissance
Hausse de la

consommation

mondiale
Contributions à la croissance
de la

Chine
des autres grands

pays émergents2
de la

Chine
des autres grands

pays émergents2
Métaux
Aluminium3,83897,6489
Cuivre3,543153,85141
Plomb3,042154,3110−7
Nickel4,412−113,687−11
Acier3,438119,2548
Étain1,334168,1862
Zinc3,442103,81137
Pétrole1,521182,2307
1993–20002002–05
(Pourcentages)
Pour mémoire:
Croissance du PIB mondial3,54,8
Part de la Chine dans le PIB mondial1013
Croissance de la production industrielle chinoise10,516,2
Sources: Agence internationale de l’énergie; Institut international du fer et de l’acier (International Iron and Steel Institute), Steel Statistical Yearbook (diverses éditions); World Bureau of Metal Statistics, World Metal Statistics Yearbook (diverses éditions); calculs des services du FMI.

L’échantillon a été sélectionné pour correspondre à la récente période de hausse des cours des métaux. En raison des données lacunaires, les chiffres pour l’acier se rapportent à la période 2002–04.

Brésil, Inde, Mexique et Russie. À cause du manque de données pour 2005, la Russie ne fait pas partie du groupe dans le cas du pétrole.

Sources: Agence internationale de l’énergie; Institut international du fer et de l’acier (International Iron and Steel Institute), Steel Statistical Yearbook (diverses éditions); World Bureau of Metal Statistics, World Metal Statistics Yearbook (diverses éditions); calculs des services du FMI.

L’échantillon a été sélectionné pour correspondre à la récente période de hausse des cours des métaux. En raison des données lacunaires, les chiffres pour l’acier se rapportent à la période 2002–04.

Brésil, Inde, Mexique et Russie. À cause du manque de données pour 2005, la Russie ne fait pas partie du groupe dans le cas du pétrole.

La vigueur de la demande chinoise de métaux sera-t-elle un phénomène passager ou permanent? Historiquement, on observe que la consommation de métaux s’accroît généralement en même temps que le revenu jusqu’à ce qu’il atteigne environ 15.000–20.000 dollars par habitant (en dollars corrigés de la parité de pouvoir d’achat ou PPA), lorsque le pays est en phase d’industrialisation et de construction de ses infrastructures (graphique 5.7). À mesure que le revenu par habitant s’élève, la croissance est de plus en plus tirée par les services et l’utilisation de métaux par habitant commence donc à stagner10. Jusqu’à présent, la Chine (avec actuellement un revenu réel par habitant d’environ 6.400 dollars en PPA) a en général suivi un parcours similaire à ceux du Japon et de la Corée durant leur phase initiale de développement. Pour certains métaux, la consommation par habitant de la Chine à un niveau de revenu donné est plus forte que dans les autres pays émergents parce que l’industrie représente une part beaucoup plus importante de son produit intérieur brut que d’autres pays se trouvant à un stade de développement comparable (graphique 5.8; voir aussi le chapitre 3). Ce constat s’explique par les antécédents historiques11 ainsi que par la vigoureuse compétitivité de l’industrie chinoise et par la relocalisation en Chine d’une partie de la production manufacturière de pays avancés et d’autres pays émergents.

Graphique 5.7.Consommation de métaux communs et d’acier, 1960–2005

La consommation par habitant de métaux courants et d’acier augmente en général avec le revenu. Dans certains pays, la consommation par habitant arrive à saturation à des niveaux de revenu situés entre 15.000 et 20.000 dollars EU corrigés de la parité de pouvoir d’achat (PPA). La demande de métaux peut toutefois continuer à augmenter, même à des niveaux de revenu plus élevés, si la production industrielle et le bâtiment contribuent beaucoup à la croissance.

Sources: International Iron and Steel Institute, Steel Statistical Yearbook (diverses éditions); Banque mondiale, Indicateurs du développement dans le monde (2006); World Bureau of Metal Statistics, World Metal Statistics Yearbook (diverses éditions); calculs des services du FMI.

1 Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse.

Graphique 5.8.Importance de l’industrie à divers stades de développement économique, 1965–20041

Lorsqu’un pays a un niveau de revenu faible, il passe en général par une phase d’industrialisation et de construction de ses infrastructures. Lorsque le revenu par habitant se situe aux alentours de 15.000 dollars EU en PPA, la croissance est de plus en plus tirée par les services et la part de l’industrie dans le PIB commence à diminuer. La part de l’industrie est exceptionnellement élevée en Chine comparativement à ses pairs dans la même tranche de revenu.

Sources: Banque mondiale, Indicateurs du développement dans le monde (2006); calculs des services du FMI.

1 La part de l’industrie dans le PIB des groupes de pays a été calculée en utilisant comme pondérations les valeurs du PIB de 2004 corrigées de la PPA.

2 Espagne, Grèce, Irlande et Portugal.

3 Australie et Nouvelle-Zélande.

4 Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse.

Pour l’avenir, la croissance rapide de la production industrielle, les activités de BTP et les besoins d’infrastructures pourraient entretenir sur le moyen terme des taux élevés de progression de la demande de métaux des pays émergents. Cela dit, le dynamisme d’une partie de la demande actuelle pourrait être passager—d’autant que le gouvernement chinois entend à terme rééquilibrer la croissance au profit de la consommation et non plus tant de l’investissement. Par ailleurs, la taille de la Chine et sa forte concentration sur l’industrie en font un cas à part. Le secteur industriel indien, par exemple, constitue une bien moindre part de l’économie et la poursuite de la croissance rapide de l’Inde aurait à moyen terme une incidence beaucoup moins marquée que celle de la Chine sur les marchés des métaux.

L’influence des pays émergents sur les cours des produits agricoles est beaucoup moins facile à cerner. La Chine et les autres pays en expansion rapide ont souvent contribué de manière significative à la progression de la demande mondiale (dans le cas du coton et du bœuf, par exemple; voir le tableau 5.4)12. Cependant, cela n’a pas forcément entraîné une hausse des cours: celui du coton, par exemple, a chuté de près de 20 % en 2004–05. De façon générale, la consommation alimentaire des pays en développement se déplace peu à peu vers des produits à haute teneur en protéines—viande, produits laitiers et huiles (FAO, 2004b). Or, ce type de substitution a commencé à un niveau de revenu bien plus bas en Chine et dans d’autres pays: par exemple, l’augmentation de la consommation de viande en Chine était particulièrement rapide lorsque son revenu par habitant se situait en dessous de 3.000 dollars (en PPA). La contribution de la Chine à la hausse de la consommation sur certains grands marchés de produits (banane, bœuf, maïs et coton) a été plus élevée que sa part de la population pendant la majeure partie de la dernière décennie, sans que la tendance à la baisse des cours en valeur réelle s’interrompe (tableau 5.4 et graphique 5.5). Cette observation vaut aussi pour l’Inde et les autres principaux pays émergents.

Tableau 5.4.Consommation de produits agricoles(Consommation exprimée en variation annuelle réelle en pourcentage; contributions à la croissance en pourcentage)
1993–20012001–051
Contributions

à la croissance
Contributions à la croissance
Hausse de la

consommation

mondiale
de la

Chine
des autres grands

pays émergents2
Hausse de la

consommation

mondiale
de la

Chine
des autres grands

pays émergents2
Produits agricoles
Bananes2,626453,51573
Bœuf0,9102170,810340
Maïs2,62642,61419
Coton1,152545,49012
Sucre1,65452,12627
1993–20012001–05
(Pourcentages)
Pour mémoire:
Croissance du PIB mondial3,74,4
Part de la Chine dans le PIB mondial2221
Sources: données de FAOSTAT (2006); estimations officielles du Service de l’agriculture à l’étranger du Département de l’agriculture des États-Unis (2006); calculs des services du FMI.

L’échantillon a été sélectionné pour correspondre à la récente période de hausse des cours des métaux. En raison des données lacunaires, les chiffres pour les bananes se rapportent à la période 2001–03.

Brésil, Inde, Mexique et Russie.

Sources: données de FAOSTAT (2006); estimations officielles du Service de l’agriculture à l’étranger du Département de l’agriculture des États-Unis (2006); calculs des services du FMI.

L’échantillon a été sélectionné pour correspondre à la récente période de hausse des cours des métaux. En raison des données lacunaires, les chiffres pour les bananes se rapportent à la période 2001–03.

Brésil, Inde, Mexique et Russie.

La récente envolée des cours des métaux va-t-elle se poursuivre?

Il est crucial, pour les pays exportateurs notamment, de savoir si la récente envolée des cours sera durable ou si la tendance baissière à plus long terme décrite plus haut reprendra ses droits.

À l’examen des marchés à terme des produits, il semblerait que les cours élevés d’aujourd’hui ne se perpétueront pas à moyen terme13. Sur les cinq prochaines années, les cours à terme des métaux conservent seulement environ la moitié du terrain gagné depuis 2002 (en termes réels, les cours chutent de 45 % par rapport à leurs niveaux actuels; voir le graphique 5.9). Cette baisse contraste avec la tendance des cours à terme du pétrole, qui demeurent très proches du cours au comptant actuel. Il y a des différences selon les métaux: par exemple, les cours à terme de l’aluminium diminuent moins (de 31 %) que ceux du cuivre (49 % en termes réels). L’encadré 5.1 examine le rôle joué par les investisseurs financiers dans la détermination des cours des produits de base. Il ressort de l’analyse que si les investisseurs ont bien alimenté les marchés en liquidités, il est moins évident que les mouvements des cours des produits de base non combustibles aient été significativement influencés par des investissements spéculatifs.

Graphique 5.9.Cours à terme des métaux communs

(2002 = 100; chiffres mensuels en valeur nominale)

À l’heure actuelle, les marchés à terme anticipent que les cours des métaux vont baisser progressivement pour atteindre le milieu de la fourchette entre leur niveau actuel et le creux de 2002 (en valeur nominale). La baisse attendue est moins prononcée dans l’industrie de l’aluminium, où l’écart entre le prix du marché et le coût de revient est plus étroit que pour les autres métaux.

Sources: Barclays Capital (2006b); Bloomberg Financial Markets, LP; FMI, base de données Commodity Price System; calculs des services du FMI.

1 Moyenne pondérée des prix de l’aluminium, du cuivre, de l’étain, du nickel, du plomb et du zinc.

Le prix du marché des métaux communs est en général proche du coût de revient des producteurs marginaux (les moins performants), surtout au creux du cycle (Deutsche Bank, 2006; tableau 5.5). En période de boom, le prix du marché peut s’élever et atteindre plusieurs fois ce coût de revient, encore que, au cours des deux dernières décennies, il soit en général revenu en quelques années un peu au-dessus du coût de production. Pour l’aluminium, le cuivre et le nickel, les ratios actuels de prix du marché/coût de revient sont de l’ordre de 1½–2¾, soit semblables ou légèrement supérieurs à ceux qui ont été observés durant le pic conjoncturel de la fin des années 80. À l’époque, il a fallu à peu près deux ans pour que le prix du marché descende du pic à un niveau proche du coût de revient. Pour l’aluminium, le ratio prix du marché/coût de revient est actuellement un peu moins élevé que pour les autres métaux communs, ce qui corrobore ce qu’indiquent les contrats à terme, à savoir que la baisse du cours de ce métal sera moins prononcée.

Tableau 5.5.Coûts de production des métaux communs(Dollars/tonne)
Coût Marginal1
AnnéePhase du

cycle
Producteur

type2
Producteur le moins

performant3
Prix du

marché
Ratio prix/coût

marginal4
Aluminium1985Creux1.0001.2001.0000,8
1988Pic1.2001.4002.5001,8
2002Creux1.0001.2001.4001,2
2005Hausse1.5001.8001.9001,1
2006Actuelle2.50051,46
Cuivre1985Creux1.0001.4001.4001,0
1989Pic1.3001.8002.8001,6
2002Creux1.0001.5001.6001,1
2005Hausse1.2002.2003.7001,7
2006Actuelle6.10052,86
Nickel1985Creux3.4005.3004.9000,9
1988Pic4.0007.40013.8001,9
2002Creux3.7006.1006.8001,1
2005Hausse4.7007.30014.8002,0
2006Actuelle17.40052,46
Sources: Brook Hunt Metal Consultants; Deutsche Bank (2006); calculs des services du FMI.

Coûts d’exploitation de la production arrondis à la centaine la plus proche.

centile de la courbe des prix de la filière.

centile de la courbe des prix.

Coût de revient des producteurs les moins performants.

Moyenne janvier–juin.

Par rapport au coût marginal de 2005.

Sources: Brook Hunt Metal Consultants; Deutsche Bank (2006); calculs des services du FMI.

Coûts d’exploitation de la production arrondis à la centaine la plus proche.

centile de la courbe des prix de la filière.

centile de la courbe des prix.

Coût de revient des producteurs les moins performants.

Moyenne janvier–juin.

Par rapport au coût marginal de 2005.

Les coûts de production varient beaucoup au fil du temps, en raison principalement des fluctuations des prix de l’énergie, des taux de change et de facteurs conjoncturels tels que la disponibilité de personnel qualifié et de matériel adapté. Entre 2002 et 2005, les coûts de production ont grimpé pour tous les métaux répertoriés dans le tableau—d’environ 20% à 50 % pour les producteurs marginaux—essentiellement à cause de l’augmentation du coût de l’énergie14. Il est clair, cependant, que le doublement ou le triplement des prix du marché au cours des quatre dernières années ne peut pas s’expliquer uniquement par la structure des coûts de la filière.

Puisque la demande de métaux semble augmenter en raison de l’accélération de la croissance économique mondiale et de la hausse rapide du revenu et de la production industrielle de grands pays tels que la Chine, la cadence et le coût de l’accroissement de l’offre détermineront si les cours des métaux diminueront ou non à moyen terme par rapport à leur haut niveau actuel. Pour rassembler dans un cadre plus complet les facteurs se rapportant à la demande et à l’offre qui influent sur les marchés des métaux, deux modèles parallèles ont été élaborés pour l’aluminium et le cuivre, qui comptent à eux deux pour plus des deux tiers de l’indice des cours des métaux du FMI. Chaque modèle comporte quatre éléments (le modèle complet est décrit à l’appendice 5.1).

  • Premièrement, pour chaque métal, la demande est calculée comme une fonction de la production industrielle et du prix réel (rapporté aux prix à la consommation) pour 17 groupes de pays qui à eux tous représentent environ 90 % de la consommation mondiale de métaux. La période de référence est 1960–2005 et les équations incluent une variable endogène retardée15. En décomposant les chiffres de la consommation entre de nombreux groupes de pays et en utilisant la production industrielle comme variable explicative, le modèle rend compte de la relation non linéaire entre la consommation de métaux et le revenu illustrée au graphique 5.7. L’élasticité de la demande par rapport à la production industrielle est un peu plus élevée pour les pays émergents et en développement que pour les pays avancés (dans le cas de l’aluminium, 1,2 au lieu de 1,0; voir tableau 5.6). Cela tient aux différences de structure industrielle et à la moindre efficience de la production dans les pays en développement. L’élasticité-prix à long terme de la demande se situe à un niveau bas, ce qui correspond aux résultats de précédents travaux (voir, par exemple, Ghosh, Gilbert, and Hughes Hallett, 1987)16.
  • Le deuxième élément est une fonction de production qui englobe les informations concernant les augmentations de capacités planifiées ainsi qu’un terme représentatif de l’élasticité-prix. Comme les délais de gestation pour la construction de nouvelles capacités industrielles sont de plusieurs années, il est crucial de savoir quels sont les projets entièrement nouveaux et ceux qui utilisent des installations existantes pour évaluer les perspectives à moyen terme. Les projections de l’offre sont fondées sur l’évaluation experte de l’Australian Bureau of Agricultural and Resource Economics (Bureau australien de l’économie de l’agriculture et des ressources) (ABARE, 2006). Dans le modèle, l’offre d’aluminium et de cuivre raffinés peut s’écarter de la prévision de l’ABARE lorsque les projections des prix diffèrent de celles qui ont été retenues par ce dernier (voir l’appendice 5.1 pour plus de détails).
  • Troisièmement, une équation de prix décrit la relation entre le prix réel courant des métaux et la différence entre la demande et l’offre, le taux de change dollar/DTS (les cours étant exprimés en dollars) et d’autres variables.
  • Enfin, pour chacun des 17 groupes de pays, des équations sont estimées afin d’établir le lien entre les taux de croissance de la production industrielle et du PIB. Ces équations sont nécessaires parce que les Perspectives donnent des projections pour le PIB, mais pas pour la production industrielle. Les équations sont estimées sur une période de référence plus courte, 1990–2005, parce que la relation entre la production industrielle et le PIB évolue avec le temps (graphique 5.8).
Tableau 5.6.Estimations des élasticités de la demande de métaux communs
Production

industrielle
Cours déflatés

de l’IPC
Aluminium1,1−0,01
Pays avancés1,0−0,03
Pays émergents1,20,00
Cuivre1,1−0,04
Pays avancés0,7−0,04
Pays émergents1,6−0,04
Source: calculs des services du FMI.Note: Les élasticités sont pondérées en fonction des parts de la consommation de métaux de 2005. Les groupements de pays sont décrits à l’appendice 5.1.
Source: calculs des services du FMI.Note: Les élasticités sont pondérées en fonction des parts de la consommation de métaux de 2005. Les groupements de pays sont décrits à l’appendice 5.1.

Les estimations du modèle servent à établir une prévision de l’évolution de la demande, de l’offre et des prix sur les marchés de l’aluminium et du cuivre au cours de la période 2006–10. Les principales données de base sont les prévisions des Perspectives pour le PIB (qui déterminent la demande future de métaux) et les projections de l’ABARE pour l’offre (qui renseignent sur l’évolution future de l’offre)17. Les résultats amènent à tirer les conclusions suivantes:

  • La consommation d’aluminium et de cuivre va continuer à augmenter rapidement—de 5,6 % et 4,8 % par an, respectivement—étant donné l’expansion accélérée de la production industrielle des pays émergents, la Chine contribuant pour environ 50 % à la croissance future moyenne (l’appendice 5.1 donne des détails supplémentaires sur l’évolution prévue des marchés).
  • Les cours réels de l’aluminium et du cuivre vont baisser par rapport à leurs niveaux actuels, de 35 % et 57 %, respectivement, d’ici 2010. En d’autres termes, l’offre en hausse permettra de satisfaire la demande en forte augmentation à des prix en baisse. La baisse des cours s’explique par la conjugaison de plusieurs facteurs: 1) les récentes hausses cumulatives des cours pèseront un peu sur la demande; 2) une augmentation considérable de l’offre est prévue par l’ABARE pour les cinq années à venir; 3) une offre supplémentaire devrait faire son apparition, car les cours actuels des métaux sont plus élevés que ne le prévoyait l’ABARE. Par ailleurs, la prévision d’évolution des cours rend compte du dénouement des termes d’erreur du modèle, car les récentes hausses des cours ont été plus prononcées que ne l’aurait prédit le modèle sur la base de leurs variables explicatives18. Naturellement, une grande incertitude entoure ces projections centrales des cours, compte tenu des incertitudes quant à la croissance économique mondiale, à la rapidité de l’accroissement de l’offre et aux modèles économétriques (graphique 5.10).
  • Le cours du cuivre baissera relativement plus que celui de l’aluminium, d’après les prévisions. Cela concorde avec les prix des contrats à terme et avec le fait que le ratio prix du marché/prix de revient du cuivre est actuellement beaucoup plus élevé que celui de l’aluminium (tableau 5.5).

Graphique 5.10.Prévisions modélisées des cours de l’aluminium et du cuivre1

(Dollars/tonne)

L’analyse de l’offre et de la demande suggère que les cours de l’aluminium et du cuivre devraient revenir à des niveaux modérés d’ici la fin de la décennie en cours. Cependant, la gamme d’estimations des cours est très large, en raison des incertitudes concernant la croissance mondiale, l’expansion des capacités de l’industrie métallurgique et le modèle économétrique.

Sources: FMI, base de données Commodity Price System; estimations des services du FMI.

1 Le graphique en éventail correspond à un intervalle de probabilité de 95 % pour les cours à terme des métaux. Chaque teinte représente une probabilité de 10 %, sauf la bande centrale, qui représente une probabilité de 15 %. Voir l’appendice 5.1 pour plus de détails.

Pour ce qui est de l’évolution des cours au-delà de 2010, la question clé est de savoir si l’offre de métaux pourra satisfaire la demande en hausse dans un contexte de forte croissance persistante. À cet égard, plusieurs caractéristiques des marchés des métaux ont leur importance:

  • Contrairement aux hydrocarbures, les réserves globales de métaux communs sont quasiment illimitées (Tilton, 2003)19.
  • Si la concentration de la production est élevée (les trois plus gros pays producteurs fournissent environ 46 % de l’aluminium raffiné et 41 % du cuivre raffiné), les structures des marchés sont compétitives et il n’y a pas actuellement d’entente formelle entre les producteurs pour contrôler les prix. Cela contraste avec l’industrie pétrolière, où la majorité des réserves est sous le contrôle de l’OPEP et il y a une longue tradition de tentatives de manipulation des cours20.
  • Si les délais de gestation peuvent atteindre trois à cinq ans dans le secteur (ou plus s’agissant d’investissements entièrement nouveaux), ils sont généralement moins longs que dans l’industrie pétrolière.

Ces facteurs relatifs à l’offre font pencher la balance du côté d’une baisse des cours des métaux sur le long terme, à la différence de ce que l’on observe sur le marché pétrolier, où les pressions à la hausse devraient se poursuivre dans l’avenir prévisible21.

Encadré 5.1.La spéculation a-t-elle contribué à la hausse des cours des produits de base?

L’intérêt des investisseurs pour les contrats à terme sur produits de base s’est sensiblement accru depuis quelques années. Par exemple, la participation au marché des contrats à terme sur le pétrole du NYMEX—mesurée par le nombre de contrats répertoriés par la commission des opérations sur ce marché (Commodity Futures Trading Commission—CFTC) a presque quadruplé depuis 1995 (premier graphique). De plus, la part des contrats non commerciaux (longs plus courts, ou total des positions ouvertes) n’a cessé d’augmenter au cours de cette période, passant de 9 % à 16 %. On peut observer une tendance similaire sur les autres marchés de produits de base. La valeur des contrats non commerciaux n’est cependant pas élevée, comparativement au volume total des échanges sur le marché physique au cours d’une période comparable1.

L’intérêt accru des investisseurs a amené certains analystes privés à suggérer que la spéculation a été une des causes principales de la récente flambée des cours du pétrole brut et des métaux et a peut-être même causé une bulle (voir, par exemple, Société générale, 2006). Ils considèrent que la spéculation a amplifié l’effet des variations des déterminants fondamentaux de l’offre et de la demande (qui poussaient les cours à la hausse) dans des proportions telles que dans certains cas les cours ont atteint des niveaux très supérieurs à ce que justifient les fondamentaux2. L’Organisation des pays producteurs de pétrole (OPEP) a suggéré que si les incertitudes géopolitiques ont certes été un élément moteur du renchérissement du pétrole, la spéculation y a aussi contribué pour une large part, étant donné la politique d’offre accommodante pratiquée par l’organisation et le niveau historiquement élevé des stocks des pays de l’OCDE3. Malgré l’attrait de certaines de ces théories, cependant, elles reposent souvent sur des corrélations et non la preuve d’un lien de causalité et ont généralement un caractère anecdotique ou événementiel: par exemple l’accroissement de l’activité des fonds de couverture allant de pair avec la hausse des cours ou le creusement de l’écart entre les cours et le coût marginal à long terme. Le manque d’indications solides tient en partie aux problèmes de documentation et de définition qui se posent lorsque l’on cherche à mesurer la spéculation.

Nombre de positions sur les marchés des produits de base

(Longues plus courtes; millions de contrats)

Source: Commodity Futures Trading Commission.

Une bulle est certainement une possibilité théorique et un événement périodique sur les marchés financiers et immobiliers. Une spéculation excessive sur le marché des contrats à terme pourrait en principe pousser à la hausse les prix de ces contrats et (du fait des possibilités d’arbitrage) les cours au comptant au-delà de ce que justifient les fondamentaux. On peut toutefois voir les choses autrement et considérer que l’accroissement de l’activité des investisseurs, en fournissant la liquidité nécessaire, ne fait que traduire les changements d’opinions à propos des fondamentaux en variations des cours. Si tel est le cas, la hausse des cours serait la cause et non la conséquence de l’activité accrue des investisseurs. Entre ces deux extrêmes, il pourrait y avoir une relation de causalité réciproque entre les cours et la spéculation, en ce sens que la hausse des cours induirait une augmentation de la spéculation, qui ferait à son tour monter les cours, jusqu’à ce qu’un nouveau niveau d’équilibre soit atteint.

Il faut aussi noter que l’impact présumé de la spéculation est parfois confondu avec ce qu’il est convenu d’appeler la ≪prime de sécurité≫, qui correspond essentiellement aux inquiétudes quant à l’évolution future des fondamentaux (en raison, par exemple, d’éventuelles pénuries ou de bouleversements géopolitiques). La prime de sécurité, à la différence de la spéculation, résulte du désir réel des consommateurs de se prémunir contre les risques. Ce souci de précaution pourrait pousser les cours à la hausse, par exemple en accroissant la demande de stocks—comme cela s’est produit sur le marché pétrolier, où les stocks mondiaux se situent aujourd’hui à des niveaux records, sans doute à cause des craintes de ruptures d’approvisionnement (qui induisent un accroissement de la demande) et non (comme l’avancent certains commentateurs) d’un véritable excédent de l’offre sur le marché au comptant.

Pour tester la validité empirique de l’hypothèse de la spéculation, cet encadré présente une analyse économétrique du sens de la causalité entre les fluctuations des cours au comptant et à terme4 et les variations des positions spéculatives pour un échantillon de produits courants: pétrole brut, cuivre, sucre, café et coton (la méthodologie est décrite à l’appendice 5.2). Le but est de vérifier s’il y a un ensemble cohérent de relations entre les trois variables, qui dépasse le cadre anecdotique ou événementiel.

Il est intéressant de se demander parallèlement si l’effet de la spéculation sur les cours est stabilisateur ou déstabilisateur, c’est-à-dire si elle réduit ou accroît l’amplitude des fluctuations des cours autour de l’équilibre. Cette question n’est pas spécifiquement étudiée dans cet encadré, mais les tests de causalité qu’il présente peuvent permettre de s’en faire une idée. Plus précisément, dans la mesure où l’existence d’effets stabilisateurs ou déstabilisateurs suppose que les spéculateurs influent systématiquement sur les cours (et non sur des indicateurs de volatilité plus généraux), on peut considérer que l’absence d’un lien de causalité signifie que les spéculateurs n’ont pas d’effet sur les fluctuations des cours.

Deux réserves ou clarifications s’imposent avant de passer à l’exposé des résultats. Premièrement, une analyse approfondie de la formation des prix sur les marchés des produits de base demanderait un modèle beaucoup plus complet tenant compte du rôle des fondamentaux actuels (facteurs agissant sur l’offre et la demande) et la perception des fondamentaux futurs (y compris le facteur peur). Le champ d’analyse est toutefois restreint par le manque de données à haute fréquence sur la plupart des facteurs fondamentaux et par le fait que la relation entre la spéculation et les mouvements des cours est plus importante à court terme.

Deuxièmement, l’analyse empirique est entravée par des problèmes de définition liés aux informations concernant les catégories d’opérateurs. La CFTC publie des rapports hebdomadaires sur deux catégories d’opérateurs: commerciaux et non commerciaux. Par définition, les premiers sont ceux qui utilisent les contrats à terme à des fins de couverture (par exemple, dans le cas du pétrole, les producteurs, les négociants et les gros consommateurs, tels que les compagnies aériennes). Les autres opérateurs sont considérés comme non commerciaux. Ce sont manifestement des spéculateurs, puisqu’ils prennent des positions sur le marché pour parier sur les variations des cours. Cependant, certains des opérateurs classés comme commerciaux peuvent aussi avoir des activités spéculatives. Par exemple, les opérateurs sur indices, classés comme commerciaux, peuvent prendre des positions à des fins spéculatives, du point de vue de leurs clients. Puisque la CFTC ne publie que des données agrégées, il est difficile de distinguer les différentes sortes d’opérateurs parmi les commerciaux et d’isoler ceux qui peuvent être considérés comme des spéculateurs. Néanmoins, une étude récente de la CFTC utilisant des données désagrégées non publiées qu’elle recueille suggère que, parmi les opérateurs commerciaux, les principaux groupes qui pourraient avoir des activités spéculatives (à savoir les gérants de fonds, y compris de fonds de couverture) ne semblent pas influer sur la volatilité des cours et font largement fonction de pourvoyeurs de liquidité (voir Haigh, Hranaiova, and Overdahl, 2005). Il convient en outre de noter que puisque les statistiques sont hebdomadaires (mesurant l’activité chaque mardi), il n’est pas possible de retracer l’activité en cours de semaine, qui peut être considérable5. Enfin, les données de la CFTC ne permettent pas de distinguer les contrats par échéance. Il n’est donc pas possible d’étudier la relation entre la spéculation et les cours à terme à diverses échéances. Sous réserve des considérations qui précèdent, on utilise dans cet encadré le nombre de positions longues non commerciales nettes comme variable représentative de la spéculation6.

Cours des produits de base et positions spéculatives

(Cours au comptant en échelle log; positions non commerciales longues nettes en millions de contrats)

Sources: Bloomberg Financial, LP; Commodity Futures Trading Commission.

Le deuxième graphique illustre le comportement des cours au comptant et le nombre de positions spéculatives pour les divers produits. Il suggère deux constats généraux. Premièrement, les cours semblent moins volatils que les positions spéculatives pour l’ensemble des produits, sans que l’on puisse déceler une tendance commune entre les cours et la spéculation. Par exemple, sur le marché du pétrole brut, il n’y a pas eu de hausse persistante des positions longues non commerciales nettes ces dernières années, marquées par une forte tendance à la hausse des cours. De manière plus surprenante, sur le marché du cuivre, les positions longues nettes n’ont pas cessé de diminuer au cours de l’année dernière, où les cours ont atteint des niveaux records, ce qui donne à penser que, contrairement à ce que l’on pense couramment, il se peut que la spéculation n’ait pas joué un rôle majeur dans la récente flambée des cours. Deuxièmement, si les séries ne semblent pas corrélées sur le long terme, il semble y avoir quelque corrélation pour la plupart des produits au cours de sous-périodes données, car les pics et les points de retournement semblent se produire à peu près au même moment dans les deux séries7. La question clé est de savoir dans quel sens joue la causalité.

L’analyse visuelle suggère qu’il est indiqué de distinguer la causalité à court et à long terme. À cette fin, et pour prendre en compte la non-stationnarité des séries des cours et des positions spéculatives, on utilise un modèle vectoriel à correction d’erreur (voir les détails à l’appendice 5.2). Par ailleurs, étant donné que les relations ont varié au fil du temps, et pour accroître la fiabilité des résultats, on estime les paramètres au moyen de régressions glissantes. Cette méthode nous permet en particulier de vérifier si la spéculation a joué un rôle majeur dans le récent épisode de hausse des cours.

Les résultats des régressions pour les cinq produits, résumés au tableau 5.11 de l’appendice 5.2, indiquent qu’à court terme, la causalité va généralement dans le sens cours au comptant et à terme–spéculation et non l’inverse8. Cela vaut également lorsque l’on retire de l’équation le coefficient (de correction d’erreur) à long terme9. Ce résultat est plutôt constant pour l’ensemble des produits. Pour le pétrole brut, il semble que la spéculation a eu un effet sensible sur les cours à terme. Cependant, cela ne s’est pas traduit par un impact causal sur les cours au comptant. Ce constat concorde avec les résultats de précédents travaux des services du FMI sur le marché pétrolier (cherchant à déterminer la causalité dans la dimension de la fréquence et non du temps et utilisant des cours à plus longue échéance)10.

Pour le long terme, si les paramètres estimés varient considérablement avec le temps, les trois séries sont pour l’essentiel cointégrées, ce qui permet une analyse de causalité. Il en ressort que, dès lors qu’il y a cointégration, la causalité va dans le sens cours–spéculation et non l’inverse. Dans le cas du coton, il y a des signes de causalité à deux sens—encore que l’absence de causalité à court terme spéculation–cours enlève de l’importance à ce résultat. Enfin, sur la base des coefficients de corrélation mesurés, le modèle explique une bien plus grande part des variations de la spéculation que des variations des cours au comptant ou à terme.

En somme—et compte tenu des réserves formulées au départ—, les résultats obtenus pour les cinq produits de l’échantillon ne confirment guère l’hypothèse selon laquelle l’activité spéculative (mesurée par les positions non commerciales longues nettes) affecterait soit le niveau des cours à long terme soit leurs fluctuations à court terme. Il semble (tant pour l’ensemble des produits que sur la durée) que les positions spéculatives suivent les mouvements des cours. Cette conclusion s’accorde avec l’hypothèse selon laquelle les spéculateurs fournissent de la liquidité aux marchés et peuvent bénéficier des mouvements des cours, mais n’ont pas d’impact direct systématique sur les cours.

Note: Les auteurs de cet encadré sont Sergei Antoshin et Hossein Samiei.1 Par exemple, la valeur de l’ensemble des positions non commerciales sur le pétrole brut de toutes échéances (jusqu’à six ans) sur le NYMEX correspond actuellement à environ 3 % seulement de la valeur de la consommation pétrolière des États-Unis sur six ans aux prix actuels. Les contrats à échéance égale ou inférieure à un an équivalent à environ 10 % de la consommation des États-Unis sur une année.2 Il convient de noter que les spéculateurs peuvent aussi sembler influer sur les cours s’ils disposent d’informations supplémentaires qui leur permettent de faire des prévisions plus exactes que l’opérateur moyen.3 Voir par exemple le communiqué de presse de l’OPEP en date du 14 juillet 2006 intitulé ≪L’OPEP assure à nouveau les marchés de sa volonté de stabilité≫ à l’adresse http://www.opec.org.4 On a retenu les cours des contrats à terme à un an puisque c’est le marché qui a le plus gros volume d’activité. Les résultats étaient grosso modo similaires pour des échéances plus éloignées.5 Dans l’analyse qui suit, la moyenne hebdomadaire des cours (du mardi au lundi) est utilisée pour pallier à ce problème. En utilisant les cours de chaque mardi, on obtient des résultats qualitativement similaires.6 Il faut noter que, puisque chaque contrat comprend un volume fixe, utiliser le nombre de positions revient au même qu’utiliser les volumes. Il faut noter aussi que l’autre option, à savoir le total des positions non commerciales ouvertes (c’est-à-dire la somme des positions courtes et longues) n’est pas un bon indicateur parce qu’une hausse de cette variable peut résulter soit d’une augmentation des positions courtes, soit d’une augmentation des positions longues, qui auraient des effets opposés sur les cours.7 Dans un souci de clarté, on a omis du graphique les cours à terme, mais ces constats généraux sont aussi valables dans le cas de la relation entre les positions spéculatives et les cours à terme.8Sanders, Boris et Manfredo (2004) font état de résultats similaires—avec une méthode et un échantillon différents—pour les marchés à terme de l’énergie.9 La raison de ce test supplémentaire de robustesse est qu’en l’absence de cointégration, les tests de causalité à court terme du modèle peuvent ne pas être valides puisque le coefficient de correction d’erreur serait I (1).10 Voir Appendice 1.1 de l’édition de septembre 2005 des Perspectives.

Perspectives d’évolution des cours des produits alimentaires et agricoles

Comme déjà noté, la rapide expansion des pays émergents n’a pas eu d’effet perceptible sur les tendances d’évolution des cours des produits agricoles. Les cours des produits alimentaires et des matières premières agricoles sont aussi beaucoup moins sensibles à la conjoncture que ceux des métaux. Manifestement, la réactivité de l’offre est beaucoup plus rapide dans le secteur agricole que dans le cas des métaux: par exemple, une culture peut être substituée d’une récolte à l’autre relativement vite en réponse aux signaux des prix. De plus, la demande de produits agricoles est moins liée au cycle et donc plus prévisible.

Compte tenu de ces facteurs, les cours agricoles resteront à long terme déterminés essentiellement par les gains de productivité, qui devraient se poursuivre à l’avenir du fait des progrès techniques (FAO, 2004b). Les cours de quelques produits agricoles seront influencés—comme ceux des métaux—par la hausse du coût des intrants, surtout des engrais dont les prix sont liés à ceux du pétrole. Baffes (2006) calcule que le coefficient de répercussion de la hausse des prix pétroliers sur ceux des produits agricoles est d’environ 0,18. Ce facteur (conjugué aux variations de change) peut expliquer pourquoi le cycle actuel des cours des produits alimentaires—bien que très favorable—a montré une certaine persistance (graphique 5.6). Cependant, comme l’illustre l’exemple du coton, les perturbations de l’offre dues aux intempéries sont la cause majeure des mouvements des prix dans le secteur agricole et les fluctuation de la taille des récoltes d’une année sur l’autre peuvent avoir plus d’effet que la hausse du coût des intrants pour certains produits.

Pour un petit ensemble de produits, les pressions à la hausse induites par le renchérissement de l’énergie pourraient être plus marquées. Il s’agit des produits particulièrement exposés au marché pétrolier—tels que le sucre (du fait de la production d’éthanol pour les voitures polycarburants au Brésil), le caoutchouc naturel (qui se substitue au caoutchouc synthétique produit à partir du pétrole) et éventuellement aussi le maïs (pour l’alimentation des véhicules polycarburants aux États-Unis).

À l’avenir, les cours des produits agricoles pourraient aussi ressentir les effets de l’évolution du système de soutien des pays avancés. Les subventions à la production et les droits d’importation que pratiquent ces pays ont systématiquement tiré vers le bas les cours mondiaux et la conclusion d’un accord multilatéral en vue de réduire ces soutiens aux producteurs devrait faire monter les cours de certains produits essentiels. Comme expliqué dans l’encadré 5.2, ces réformes agricoles auraient d’importantes conséquences pour le revenu de nombreux pays en développement, même si leur effet sur les cours mondiaux des produits alimentaires sera vraisemblablement moins marqué que la volatilité d’une année à l’autre due aux intempéries.

Encadré 5.2.La libéralisation du commerce agricole et les cours des produits de base

Les pays riches accordent aux producteurs agricoles un vigoureux soutien qui prend plusieurs formes, et tend à accroître les prix intérieurs des produits visés tout en pesant sur leurs cours internationaux. Ces soutiens—à coup de droits d’importation, de subventions à la production et à l’exportation et d’aides directes aux agriculteurs—représentent en moyenne près de 30 % des recettes agricoles des pays de l’OCDE et sont particulièrement élevés dans le cas du riz, du sucre, du lait et des céréales (premier tableau). Les pays à revenu faible et intermédiaire soutiennent aussi leurs producteurs agricoles, principalement au moyen de barrières tarifaires.

De nombreux chercheurs ont tenté de calculer l’ordre de grandeur de la hausse des cours mondiaux des produits agricoles qui résulterait de la réduction des aides des pays riches (deuxième tableau). Les estimations varient beaucoup, du fait que les méthodes de modélisation, la période considérée et le degré (total ou partiel) de libéralisation ne sont pas les mêmes. Comme indiqué, la hausse des cours pourrait aller jusqu’à 35 % pour certains produits, encore que le pourcentage moyen soit plus modeste: blé (5,1); maïs (4,6), bœuf (5,1), sucre (5,8) et riz (5,5). La hausse du cours mondial du coton, exportation essentielle de quelques pays pauvres d’Afrique de l’Ouest pourrait se situer entre 2,3 % et 35 %, avec une estimation moyenne d’environ 13,5 %. Il convient de noter qu’en moyenne, l’ampleur des hausses des cours est moindre que celle de leurs variations annuelles.

On peut considérer ces hausses estimées comme le résultat immédiat de la libéralisation. À plus longue échéance, la répartition de la production et des exportations entre les pays se modifiera. Dans beaucoup de pays de l’OCDE, il sera moins intéressant pour les agriculteurs, après la libéralisation, d’entreprendre des investissements et d’accroître leur capacité de production, et les terres agricoles seront affectées à d’autres usages. Par contre, les producteurs des pays ayant un avantage comparatif dans l’agriculture (Australie, Nouvelle-Zélande et Brésil) accroîtraient leur production à la suite de la hausse des cours mondiaux. Il est même possible que l’augmentation des prix des produits de base amène des pays actuellement importateurs de produits agricoles à en devenir exportateurs. Des études ont démontré que la suppression des mesures de soutien pourrait aussi réduire la variabilité des cours internationaux des produits alimentaires. Par exemple, Tyers et Anderson (1992) ont montré que le coefficient de variation des cours mondiaux des produits alimentaires pourrait diminuer des deux tiers si tous les pays cessaient d’isoler leurs marchés intérieurs. Cela s’explique par le fait que la politique agricole des pays riches vise à empêcher les prix intérieurs de varier rapidement. Les perturbations de l’offre intérieure, telles que les sécheresses, sont donc contrebalancées par des variations du volume des échanges afin de maintenir les prix intérieurs relativement stables. Ces variations du volume des échanges induisent en général des fluctuations des cours internationaux beaucoup plus amples qu’elles ne le seraient en l’absence de politiques de soutien.

Soutien fourni pour divers produits agricoles dans les pays de l’OCDE, 2004
États-UnisUnion

européenne
JaponEnsemble

de l’OCDE
Estimation de la subvention à la production1
Riz18398275
Sucre56656558
Blé32398533
Maïs274331
Bœuf et veau4683134
Tous produits18335630
Coefficient de protection nominal1
Riz1,081,005,463,76
Sucre2,133,032,792,36
Blé1,011,065,501,08
Maïs1,151,381,20
Bœuf et veau1,001,991,431,26
Tous produits1,111,292,201,28
Source: Les politiques agricoles des pays de l’OCDE: suivi et évaluation, Organisation de coopération et de développement économiques, 2005.

L’estimation de la subvention à la production est le montant en dollars de la subvention accordée aux producteurs en pourcentage de la valeur totale de la production. Le coefficient de protection nominal est le ratio prix à la production/cours international des produits agricoles.

Source: Les politiques agricoles des pays de l’OCDE: suivi et évaluation, Organisation de coopération et de développement économiques, 2005.

L’estimation de la subvention à la production est le montant en dollars de la subvention accordée aux producteurs en pourcentage de la valeur totale de la production. Le coefficient de protection nominal est le ratio prix à la production/cours international des produits agricoles.

Variations des prix résultant de la réduction des subventions agricoles des pays de l’OCDE(Pourcentages)
Fourchette

des

variations

estimées
Moyenne

des

variations

estimées
Coefficient

de variation

des prix

1990–2004
% moyen

de variation

des prix

d’une année

à l’autre1
Blé0,1–18,15,116,911,8
Maïs0,1–15,24,617,210,1
Bœuf0,8–22,35,115,48,6
Sucre1,1–16,45,823,914,1
Riz0,1–10,65,519,611,8
Coton2,3–35,013,521,717,3
Sources: Mitchell and Hoppe (2006); Organisation pour l’alimentation et l’agriculture (FAO, 2004a); estimations des services du FMI.

Moyenne des valeurs absolues des variations des prix.

Sources: Mitchell and Hoppe (2006); Organisation pour l’alimentation et l’agriculture (FAO, 2004a); estimations des services du FMI.

Moyenne des valeurs absolues des variations des prix.

Comme la libéralisation du commerce agricole entraînerait une hausse des cours mondiaux, la facture des pays importateurs nets de produits alimentaires augmenterait selon toute vraisemblance. Sur la base des hausses estimatives, il y a lieu de penser que l’accroissement du coût global des importations se situerait entre 300 millions et 1¼ milliard de dollars, selon le degré de libéralisation. Si cet ordre de grandeur est faible en données agrégées, puisqu’il représente moins de 1 % des importations totales de ces pays, un certain nombre de pays à faible revenu pourraient voir le coût de leurs importations augmenter sensiblement et avoir besoin d’un surcroît d’aide internationale pour s’ajuster à la hausse des cours mondiaux. À cet effet, le FMI a mis en place en 2004 le mécanisme d’intégration commerciale (MIC) afin de venir en aide aux pays dont les termes de l’échange se dégradent en raison de la libéralisation du commerce multilatéral, en mettant à leur disposition des ressources de façon plus prévisible que dans le cadre des accords existants. Bien sûr, les pays pourraient aussi atténuer en partie l’impact de la hausse des cours des produits alimentaires en abaissant leurs droits d’importation.

Note: le principal auteur de cet encadré est Stephen Tokarick.

Conclusion

La récente augmentation des indices des produits de base non combustibles est due pour l’essentiel aux métaux. La hausse actuelle de leurs cours a été amplifiée par la croissance rapide des pays émergents, en particulier de la Chine. À moyen terme, cependant, il y a lieu de s’attendre à ce que les cours des métaux redescendent à mesure que de nouvelles capacités de production seront mises en service, sans toutefois revenir à leurs niveaux antérieurs, en partie du fait que la hausse des prix de l’énergie a accru les coûts de production. Cela dit, il est difficile de savoir quand et à quelle vitesse se produira le retournement de tendance, parce qu’à l’heure actuelle les taux d’utilisation des capacités sont élevés et les stocks bas, de sorte que les marchés sont sensibles aux fluctuations même légères de l’offre et de la demande.

Ce constat a diverses implications pour les exportateurs de métaux. Les décideurs des pays exportateurs devront veiller à épargner une bonne partie des revenus exceptionnels actuels—à l’instar du Chili—ou à les utiliser de manière à promouvoir la croissance future des autres secteurs, par exemple en investissant dans l’éducation, la santé et les infrastructures. La transparence des finances publiques devrait en outre aider à garantir l’utilisation optimale du surcroît de recettes budgétaires. Les gouvernements doivent cependant se préparer à une baisse des cours à l’avenir et veiller à ce que les dépenses n’atteignent pas des niveaux excessifs dans des domaines où il est difficile de faire machine arrière, par exemple les salaires dans le secteur public.

Les cours des produits de base agricoles ont beaucoup moins augmenté que ceux des métaux et, pour les exportateurs de ces produits, la question essentielle reste de savoir comment gérer la volatilité d’une année sur l’autre. De manière générale, les gouvernements des pays exportateurs comme importateurs devraient aborder cette volatilité des cours—y compris ceux des métaux—dans une perspective de gestion des risques et intégrer les informations émanant des marchés au sujet des cours et de la volatilité dans la planification de leurs finances publiques et dans leur processus budgétaire. Plus généralement, les gouvernements des pays exportateurs de produits de base devraient continuer à s’efforcer de diversifier leur économie afin de réduire leur vulnérabilité aux chocs qui perturbent les cours. Le FMI est par ailleurs prêt à apporter son aide lorsque la volatilité des marchés a des effets marqués et négatifs sur les comptes extérieurs22.

Appendice 5.1. Modélisation des marchés de l’aluminium et du cuivre

Le principal auteur de cet appendice est Martin Sommer, qui a bénéficié du concours de Christopher Gilbert et de l’assistance d’Angela Espiritu.

L’analyse des tendances d’évolution des prix dans ce chapitre repose sur quatre modèles intégrés de l’offre, de la demande et des prix des métaux et de la production industrielle. Cet appendice décrit chacun de ces modèles.

La demande de métaux

Le modèle estimé prend la forme suivante:

Ci,t correspond à la consommation de métaux du pays i au moment t; ci est une constante spécifique au pays; IPi,t est la production industrielle du pays i au moment t; P/CPI est le prix réel d’un métal (le déflateur est l’IPC des États-Unis); ɛi,t est un facteur résiduel. Les spécifications du modèle sont semblables à celles utilisées par Gilbert (1995).

Le modèle est estimé par la méthode des moindres carrés ordinaires (MCO) à partir de données annuelles pour 17 groupes de pays, sur la période 1960–2005. Les équations de la demande n’imposent pas de restriction aux coefficients spécifiques au pays, c, α, β, ω et γ pour permettre l’hétérogénéité transversale (Robertson and Symons, 1992). La consommation de métaux est étroitement liée à la production industrielle et la relation est à peu près linéaire (graphique 5.11). Compte tenu de l’indication donnée par les tests de Chow d’une variation au fil du temps de l’élasticité de la consommation par rapport à la production industrielle dans quelques pays (une telle rupture peut se produire en raison de l’évolution de la structure industrielle), le modèle comporte aussi une variable muette de pente qui prend la valeur de 1 au cours de la période 2000–05 et de zéro autrement. Le coefficient estimé de la variable de pente est en moyenne faible, mais statistiquement significatif pour quelques pays—aussi la variable est-elle incluse dans le modèle. Les coefficients estimés moyens sont indiqués au tableau 5.723.

Graphique 5.11.Consommation de métaux communs et production industrielle, 1960–2005

(1996 = 100)

La consommation de métaux communs est étroitement liée à la production industrielle.

Sources: World Bureau of Metal Statistics, World Metal Statistics Yearbook (diverses éditions); calculs des services du FMI.

1 Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse. Pour l’agrégation de la production industrielle du groupe, des valeurs du PIB réel ajustées en fonction de la parité de pouvoir d’achat 2005 ont été utilisées comme coefficients de pondération.

Tableau 5.7.Estimations de la demande de métaux

AluminiumCuivre
c−0,113−0,736
α0,1740,389
β1,1280,921
ω0,0080,000
γ−0,050−0,037
R2 ajusté0,850,87
Corrélation sérielle LM (p–valeur)0,390,40
Hétéroscédasticité (p–valeur)0,520,51
Période de référence1960–20051960–2005
Nombre d’observations464464
Pour mémoire:
Élasticité à long terme de la demande par rapport à la production industrielle
Pays avancés11,00,7
Pays émergents21,21,6
Élasticité à long terme de la demande par rapport aux prix
Pays avancés1−0,03−0,04
Pays émergents20,00−0,04
Source: estimations des services du FMI.Note: Les estimations des coefficients par la méthode des moindres carrés ordinaires (MCO) et les statistiques des régressions (à l’exception du nombre d’observations) sont des moyennes simples des 17 équations estimées. Les estimations ont une distribution non normale et les écarts-types ne sont donc pas signalés. Les élasticités de la demande sont pondérées en fonction des parts de la consommation de métaux en 2005.

Canada, EUR-12 (Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse), EUR-4E (Espagne, Grèce, Irlande et Portugal), Japon, Océanie (Australie et Nouvelle-Zélande) et États-Unis.

Afrique du Sud, Argentine, Brésil, Chine, Corée, Inde, Indonésie, Mexique, Russie, Thaïlande et Turquie.

Source: estimations des services du FMI.Note: Les estimations des coefficients par la méthode des moindres carrés ordinaires (MCO) et les statistiques des régressions (à l’exception du nombre d’observations) sont des moyennes simples des 17 équations estimées. Les estimations ont une distribution non normale et les écarts-types ne sont donc pas signalés. Les élasticités de la demande sont pondérées en fonction des parts de la consommation de métaux en 2005.

Canada, EUR-12 (Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse), EUR-4E (Espagne, Grèce, Irlande et Portugal), Japon, Océanie (Australie et Nouvelle-Zélande) et États-Unis.

Afrique du Sud, Argentine, Brésil, Chine, Corée, Inde, Indonésie, Mexique, Russie, Thaïlande et Turquie.

Les données sur la consommation se rapportent à la consommation primaire de métaux raffinés—la consommation secondaire des métaux recyclés n’est donc pas explicitement prise en compte. Cette méthode a été retenue à cause du manque de données sur la consommation secondaire des différents pays. Cependant, la prise en compte de la consommation et de la production secondaires ne modifierait pas substantiellement les prévisions des prix illustrées par le graphique 5.10 (Ghosh, Gilbert, and Hughes Hallett, 1987).

Les valeurs estimées des paramètres sont relativement robustes si l’on modifie la période de référence et les spécifications du facteur correspondant au prix réel. L’élasticité-prix estimée est similaire lorsque l’on utilise les prix à la production au lieu des prix à la consommation ou lorsque le facteur prix contient aussi un taux de change réel spécifique au pays. Dans le cadre des spécifications du modèle présenté ici, seul l’IPC des États-Unis est utilisé pour déflater les prix des métaux dans un souci de simplification des prévisions. L’effet de cette hypothèse simplificatrice sur la prévision de la consommation globale de métaux est très modeste étant donné la faible élasticité–prix estimée et—lorsque le facteur du taux de change est absent—la tendance des erreurs à s’annuler pour l’ensemble des pays. Conformément aux études précédentes, les équations de la demande de métaux n’incluent pas les prix d’autres métaux, car les exemples de substitution d’un métal à un autre sont presque négligeables à court terme et seulement modérés à moyen terme24.

La fonction de production

L’offre de métaux est estimée sur la base de l’évaluation experte de l’Australian Bureau of Agricultural and Resource Economics (Bureau australien de l’économie de l’agriculture et des ressources) (ABARE, 2006) et d’un facteur élasticité-prix. Pour chaque métal, l’ABARE établit sa projection de l’offre en tenant compte des projets d’expansion de la production dans les cartons. Cette courbe de l’offre est ajustée comme suit lorsque le prix simulé diffère de celui qu’utilise l’ABARE:

Dans cette équation, St est l’offre de métal au moment t et Pt est le prix du métal. Les variables portant ABARE en exposé correspondent aux projections du bureau australien. Cette spécification a été utilisée à l’origine par Gately (2004) et une méthode similaire a aussi été employée pour l’étude du marché pétrolier dans le chapitre IV de l’édition d’avril 2005 des Perspectives. Étant donné les incertitudes considérables qui entourent l’élasticité-prix de l’offre de métaux, on suppose que le paramètre δ est uniformément distribué sur l’intervalle 0,03–0,05. Sur une période de cinq ans, cela donne une élasticité-prix de l’offre de métaux d’environ 0,16–0,26 pour les chocs permanents sur les prix et une élasticité d’environ 0,02–0,04 pour les variations de prix qui ne durent qu’un an25.

L’équation de prix

L’équation de prix rapporte le prix réel des métaux aux variables explicatives suivantes:

dans laquelle c0 est une constante, USD/SDR est le taux de change du dollar EU en DTS26, t est la tendance temporelle et log Ct– log St représente l’équilibre du marché (c’est-à-dire la différence entre la consommation et la production mondiales). Le modèle est estimé par la méthode des MCO à partir de données annuelles pour la période 1960–2005. La précision des équations estimées pour l’aluminium et le cuivre est élevée (tableau 5.8). Cela dit, le modèle ne rend pas entièrement compte du comportement des prix pendant les pics conjoncturels, ce qui donne à penser que lorsque le niveau des stocks est bas, les prix réagissent aux fondamentaux de façon non linéaire27. En 2005, les prix de l’aluminium et du cuivre se situaient au-dessus des valeurs prédites par le modèle, les écarts étant de 7 % et 14 %, respectivement; en 2006, les écarts étaient de 32 % et 58 %. Bien que considérables, ces écarts sont comparables à ceux qui ont été observés pendant les cycles antérieurs (d’après l’encadré 5.1, il n’y a guère lieu de penser que les investissements spéculatifs ont eu une incidence significative sur les mouvements des cours des produits de base non combustibles). Cette incertitude à propos de la relation entre les variations des prix réels et les variables explicatives du modèle est prise en compte pour l’établissement de la prévision des prix illustrée au graphique 5.10.

Tableau 5.8.Estimations des équations de prix

AluminiumCuivre
c030,523***24,282*
(8,397)(12,349)
ϕ0,500***0,682***
(0,116)(0,116)
χ0,809**0,594
(0,311)(0,466)
μ−0,015***−0,012**
(0,004)(0,006)
κ1,457***2,168**
(0,533)(0,883)
R2 ajusté0,910,77
Corrélation sérielle LM (p–valeur)0,200,47
Hétéroscédasticité de White (p–valeur)0,380,61
Période de référence1960–20061960–2006
Nombre d’observations4646
Source: estimations des services du FMI.Note: Les équations ont été estimées par la méthode des moindres carrés ordinaires (MCO). Les chiffres de 2006 se rapportent à la moyenne de la période janvier–juin. *** significatif au seuil de 1 %, ** significatif au seuil de 5 %, et * significatif au seuil de 10 %.
Source: estimations des services du FMI.Note: Les équations ont été estimées par la méthode des moindres carrés ordinaires (MCO). Les chiffres de 2006 se rapportent à la moyenne de la période janvier–juin. *** significatif au seuil de 1 %, ** significatif au seuil de 5 %, et * significatif au seuil de 10 %.

La croissance de la production industrielle

Enfin, pour chacun des 17 groupes de pays, des équations de la production industrielle (IP) ont été estimées afin d’établir un lien entre les taux de croissance de la production industrielle et du PIB. Les équations ont été estimées pour une période de référence plus courte, 1990–2005, parce que la relation entre la production industrielle et le PIB varie avec le temps (graphique 5.8).

Dans cette équation, ki et λi sont des paramètres spécifiques au pays et υi,t est un facteur résiduel.

Les estimations du coefficient MCO pour les principaux groupes de pays sont indiquées au tableau 5.9.

Tableau 5.9.Équation de la production industrielle

Pays

avancés1
Pays

émergents2
k−0,018***−0,017*
(0,006)(0,009)
L1,526***1,434***
(0,207)(0,122)
R2 ajusté0,76
Corrélation sérielle LM (p–valeur)0,58
Hétéroscédasticité de White (p–valeur)0,57
Période de référence1990–2005
Nombre d’observations252
Source: estimations des services du FMI.Note: Les estimations des coefficients par la méthode des moindres carrés ordinaires (MCO) et les statistiques des régression (à l’exception du nombre d’observations) sont des moyennes simples des équations estimées. Les écarts-types sont indiqués entre parenthèses. *** significatif au seuil de 1 % et * significatif au seuil de 10 %.

Canada, EUR-12 (Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse), EUR-4E (Espagne, Grèce, Irlande et Portugal), Japon, Océanie (Australie et Nouvelle-Zélande) et États-Unis.

Afrique du Sud, Argentine, Brésil, Chine, Corée, Inde, Indonésie, Mexique, Russie et Thaïlande.

Source: estimations des services du FMI.Note: Les estimations des coefficients par la méthode des moindres carrés ordinaires (MCO) et les statistiques des régression (à l’exception du nombre d’observations) sont des moyennes simples des équations estimées. Les écarts-types sont indiqués entre parenthèses. *** significatif au seuil de 1 % et * significatif au seuil de 10 %.

Canada, EUR-12 (Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse), EUR-4E (Espagne, Grèce, Irlande et Portugal), Japon, Océanie (Australie et Nouvelle-Zélande) et États-Unis.

Afrique du Sud, Argentine, Brésil, Chine, Corée, Inde, Indonésie, Mexique, Russie et Thaïlande.

La prévision des prix

Les équations estimées ont servi à établir une prévision d’évolution des prix de l’aluminium et du cuivre sur la période 2006–10. Les principaux intrants sont les prévisions d’évolution du PIB de chaque pays issue des Perspectives (qui aident à déterminer la demande future de métaux) et les projections d’évolution de l’offre de l’ABARE (qui renseignent sur l’évolution future de l’offre).

Compte tenu de la prévision d’évolution du PIB, on calcule la production industrielle pour chaque groupe de pays. Conjuguée au prix de la période précédente, la production industrielle détermine la demande de métaux28. L’offre est prédéterminée sur la base de la prévision de l’ABARE et de l’écart entre le prix effectif et le prix posé en hypothèse par l’ABARE. L’équilibre du marché courant (la différence entre la consommation et la production mondiales) permet alors de déterminer le prix de la période suivante, avec le taux de change et l’IPC. Le tableau 5.10 présente la croissance de la consommation d’aluminium et de cuivre au cours de la période de prévision.

Tableau 5.10.Consommation de métaux(Variations annuelles en pourcentage)
1993–20022002–052005–10

(prévision)
Aluminium3,87,65,6
Cuivre3,53,84,8
Pour mémoire:
PIB mondial3,54,84,9
Source: estimations des services du FMI.
Source: estimations des services du FMI.

Le graphique en éventail (graphique 5.10) est produit à partir d’une simulation stochastique comme suit. Des facteurs résiduels sont tirés de manière aléatoire des trois équations estimées pour la demande et les prix des métaux et la production industrielle et ils sont ajoutés aux valeurs prévues de la production industrielle, de la demande et des prix des métaux de chaque année. Dans les équations de la demande de métaux et de la production industrielle, les valeurs résiduelles sont tirées simultanément pour les 17 groupes de pays afin de maintenir la structure de corrélation transversale contemporaine. En général, l’incertitude au sujet de l’évolution future des prix reflète l’incertitude au sujet de la croissance future de l’économie mondiale et de la rapidité de l’accroissement de l’offre. On accroît le caractère aléatoire de la façon suivante: 1) on suppose que les taux de croissance du PIB mondial sont répartis de manière uniforme de part et d’autre de la courbe de référence des Perspectives, le taux maximum dépassant le niveau de référence de ½ point et le taux minimum se situant 1 point en dessous; 2) on suppose que la hausse effective de l’offre de métaux (nette des variations de change) s’écarte de la courbe prévue par l’ABARE de 1 % chaque année au maximum; 3) on suppose que l’élasticité-prix à moyen terme de l’offre de métaux est uniformément distribuée sur l’intervalle 0,16–0,26.

Définitions des variables et sources des données

Le principal auteur de cette section est Angela Espiritu.

  • Aux fins de ce chapitre, les produits de base non combustibles comprennent les métaux industriels, les produits alimentaires, les boissons et les matières premières agricoles. D’après la CITI (Révision 3)29, les produits de base non combustibles sont les groupes de produits portant les codes 0, 1, 2, 4, 67 et 68. Les métaux précieux sont exclus de l’analyse.
  • Couverture géographique. L’analyse économétrique repose sur des données se rapportant à 14 pays et 3 groupes de pays. Les pays individuels sont les suivants: Afrique du Sud, Argentine, Brésil, Canada, Chine, Corée, États-Unis, Inde, Indonésie, Japon, Mexique, Russie, Thaïlande et Turquie. Les trois groupes sont les suivants: EUR-12 (Allemagne, Autriche, Belgique, Danemark, Finlande, France, Italie, Norvège, Pays-Bas, Royaume-Uni, Suède et Suisse); EUR-4E (Espagne, Grèce, Irlande et Portugal); Océanie (Australie et Nouvelle-Zélande).
  • Cours des produits de base. Les données proviennent principalement de la base de données du FMI appelée Commodity Price System (CPS)30. En général, les données CPS sont disponibles depuis 1957. Des données de Cashin, Liang, and McDermott (2000) ont servi à compléter celles de la base CPS si nécessaire31. Les chiffres de 2006 sont une moyenne des prix de janvier à juin. Le graphique 5.2. présente les calculs des cours à long terme de Grilli and Yang (1988) pour la période 1900–87. En raisons de changements de définitions, les indices de Grilli and Yang ne sont pas immédiatement comparables aux données de la base CPS et de Cashin, Liang, and McDermott (2000) et sont donc présentées sans transformation ni actualisation. Les cours à terme des métaux proviennent de Bloomberg Financial Markets, LP (données de la Bourse des métaux de Londres au 28 août 2006) et des Commodity Daily Briefings de Barclays Capital en date des 19 juillet, 23 et 29 août 2006.
  • Indices généraux des prix. Les données historiques (remontant à 1900) sur l’indice des prix à la consommation des États-Unis proviennent de la Banque de réserve fédérale de Minneapolis32. L’indice de la valeur unitaire des produits manufacturés des Nations Unies mesure la valeur unitaire des exportations de produits manufacturés (groupes 5 à 8 de la CITI) de 24 économies de marché développées. Les données antérieures à 1960 proviennent de Cashin and McDermott (2002); à partir de 1960, les données proviennent de la base de données de la CNUCED appelée Handbook of Statistics33.
  • Exportations de produits de base. Les données sur les exportations de produits de base proviennent de la base de données de la Banque mondiale appelée World Integrated Trade Solution34. Dans le graphique 5.1, le total des exportations de produits de base non combustibles est exprimé en pourcentage du produit intérieur brut (PIB). Le degré de dépendance à l’égard des produits de base est estimé à l’aide du ratio moyen exportations de produits de base non combustibles/PIB sur les cinq dernières années pour lesquelles des données sont disponibles. 171 pays au total sont répertoriés: 12 ont un ratio supérieur à 20 %, 24 un ratio compris entre 10 % et 20 %, 56 un ratio compris entre 5 % et 10 %, 39 un ratio compris entre 2½ % et 5 %, 25 un ratio compris entre 1 % et 2½ % et 15 un ratio inférieur à 1 %.
  • Consommation et production de métaux. Les données sur la consommation et la production de métaux proviennent de l’annuaire statistique World Metal Statistics Yearbook (1991, 1995, 2000 et 2005) du World Bureau of Metal Statistics et de Metal Statistics (1970, 1975, 1980, 1985 et 1995). Les séries de données des diverses éditions ont été rassemblées afin de créer une série temporelle pour la consommation et la production de métaux couvrant la période 1960–2005. Dans le cas de l’acier, la même méthode a été appliquée avec les chiffres provenant de l’annuaire statistique Steel Statistical Yearbook (1983, 1985, 1990, 1995, 2000 et 2004) de l’International Iron and Steel Institute. Enfin, les données sur l’extraction de minerai de fer proviennent des publications World Mineral Statistics 1998/2002 (2004) et World Mineral Production 2000–04 (2006) du British Geological Survey.
  • Consommation de produits agricoles. Les données sur la consommation de produits agricoles proviennent en général du Département de l’agriculture des États-Unis (USDA)35. Les données sur les bananes, le cacao, les crevettes et la laine proviennent de la base de données FAOSTAT de l’Organisation des Nations Unies pour l’alimentation et l’agriculture36. Les données sont en général disponibles pour la période 1960–2005.
  • Production. Les données sur le PIB réel corrigé de la parité de pouvoir d’achat (PPA) proviennent des Indicateurs du développement dans le monde 2006 (World Development Indicators – WDI) de la Banque mondiale pour la période 1970–200437. Les données sont exprimées en dollars constants de 2000 corrigés de la parité de pouvoir d’achat. Deux bases de données ont été utilisées pour compléter les données WDI: i) celle de l’Organisation de coopération et de développement économiques38 et ii) celle des Perspectives. Les données sur la production industrielle ont été recueillies auprès de Haver Analytics, Global Insight et des instituts nationaux de statistiques. Les chiffres indiquant la part de la valeur ajoutée industrielle dans le PIB proviennent des WDI.
  • Autres variables. Les données démographiques proviennent de trois sources: i) WDI; ii) Perspectives; iii) base de données des Nations Unies appelée Population Information Network39. Le taux de conversion du dollar EU en DTS provient de la publication du FMI intitulée International Financial Statistics.
Appendice 5.2. Modélisation de la relation entre la spéculation et les cours des produits de base

Les auteurs de cet appendice sont Sergei Antoshin et Hossein Samiei.

Cet appendice décrit la méthode de calcul qui sous-tend l’analyse présentée dans l’encadré 5.1 et les résultats de ces calculs.

Méthodologie

Un modèle vectoriel à correction d’erreurs (MVCE) est utilisé pour tester la causalité, étant donné que tant les cours au comptant et à terme que les positions spéculatives contiennent des racines unitaires. Le MVCE permet d’examiner la causalité à court et à long terme: la première est déterminée par le degré de signification des coefficients à court terme sur les facteurs de différence première et la seconde par la signification du coefficient du facteur de correction d’erreur lorsqu’il existe une relation de cointégration à long terme en niveaux40. Le modèle estimé est le suivant:

yt = (st, ft, nt)’; et st, ft et nt sont, respectivement, les logarithmes des cours au comptant et à un an et le niveau des positions non commerciales longues nettes, le rang de cointégration est 1; le nombre de valeurs décalées L ARV est 3; α est un vecteur 3 × 1 des coefficients d’ajustement; β est un vecteur 3 × 1 de cointégration; {Γi}i=1L1 sont des matrices 3 × 3 des coefficients ARV; t est une tendance temporelle linéaire.

Nous testons l’hypothèse nulle de la relation de causalité entre les positions spéculatives et les cours au comptant et à terme41. Les moyennes hebdomadaires (mardi à lundi) (de Bloomberg) sont utilisées pour les cours des produits et les positions spéculatives (chaque mardi) (la variable représentative étant les positions non commerciales longues nettes indiquées par la CFTC, que l’on définit comme les positions prises par des investisseurs qui n’utilisent pas les contrats à terme à des fins de couverture). La période d’estimation va de septembre 1995 à juin 2006. Le modèle est estimé par régressions glissantes, avec une fenêtre de 4 ans et demi (234 semaines) qui correspond à une durée raisonnable pour un cycle et à la durée du récent épisode de flambée des cours. Nous avons aussi des fenêtres plus courtes, avec des résultats qualitativement similaires. Les résultats sont aussi très robustes si l’on modifie le nombre de valeurs décalées (de 3 à 12), la spécification de la tendance et le nombre d’équations de cointégration postulé (de 0 à 2). Enfin, étant donné qu’en l’absence de cointégration les tests de causalité à court terme peuvent ne pas être valides, nous avons aussi estimé le modèle en n’examinant que la relation entre les différences premières. Nous avons obtenu les mêmes résultats pour la causalité à court terme.

Résultats des estimations

Nous décrivons d’abord les résultats obtenus dans le cas du pétrole brut, à partir de la représentation graphique des estimations glissantes des paramètres et des intervalles de confiance—pour montrer à quoi peuvent ressembler les résultats bruts du calcul—, puis nous présentons l’ensemble des résultats de façon simple et résumée.

Pétrole brut

Le graphique 5.12 retrace l’évolution des coefficients à long terme (partie gauche) et des coefficients d’ajustement (partie droite) et leurs intervalles de confiance. La relation est manifestement non stable sur la durée. Cependant, les valeurs glissantes du rang de cointégration suggèrent qu’il y a pour l’essentiel cointégration, ce qui permet d’examiner la causalité à long terme en fonction de la signification des coefficients d’ajustement. Il est intéressant de noter que, tandis que le coefficient d’ajustement de l’équation des positions spéculatives est significativement différent de zéro pendant l’essentiel de la période (zéro se trouve la plupart du temps hors de l’intervalle de confiance de 90 %), c’est l’inverse que l’on constate dans le cas des équations des cours au comptant et à terme. Cela signifie que lorsque la relation à long terme tient, le sens de la causalité est des cours au comptant et à terme aux positions spéculatives.

Graphique 5.12.Pétrole brut: estimations glissantes des paramètres à long terme du modèle1

Source: estimations des services du FMI.

1 Les zones bleues sont des intervalles de confiance de 90 %. Le modèle vectoriel à correction d’erreurs est estimé avec un rang de cointégration de 1, nombre de valeurs décalées de 3 et une tendance restreinte. Le vecteur de cointégration est estimé avec le coefficient des cours au comptant fixé à 1. La durée de la fenêtre mobile est de 234 semaines. Les dates sur l’axe des x correspondent aux fins de période.

Les trois parties du graphique 5.13 montrent l’évolution des coefficients à court terme. Plus précisément, chaque graphique montre les intervalles de confiance autour des estimations de la première ou de la seconde valeur décalée de la première différence d’une variable de l’équation pour une autre. Les résultats sont étonnamment probants. Dans l’équation des cours au comptant (partie supérieure), ni les cours à terme ni les positions spéculatives ne sont significativement différents de zéro pendant une période raisonnable (autrement dit zéro est presque toujours dans l’intervalle de confiance). Dans l’équation des cours à terme (partie intermédiaire), la deuxième valeur décalée des positions spéculatives est souvent significative, mais pas les autres variables. Enfin, dans l’équation des positions spéculatives (partie inférieure), les premières valeurs décalées des cours au comptant et à terme sont presque toujours significatives. Par ailleurs, le R2 pour cette relation est 36 %, au lieu de 6 %–8 % dans le cas des deux autres équations.

Graphique 5.13.Pétrole brut: estimations glissantes des paramètres à court terme du modèle1

(Coefficients)

Source: estimations des services du FMI.

1 Les zones ombrées sont des intervalles de confiance de 90 %. Le modèle vectoriel à correction d’erreurs est estimé avec un rang de cointégration de 1, nombre de valeurs décalées de 3 et une tendance restreinte. Le vecteur de cointégration est estimé avec le coefficient des cours au comptant fixé à 1. La durée de la fenêtre mobile est de 234 semaines. Les dates sur l’axe des x correspondent aux fins de période.

Autres produits

Après l’examen détaillé des résultats dans le cas du pétrole brut, nous allons récapituler et comparer les résultats pour l’ensemble des produits (tableau 5.11). Nous considérons qu’une variable est significative pour une autre dans la relation à court terme si au moins une de ses valeurs décalées est significative au seuil de 5 %. Nous décrivons ensuite dans le tableau la fréquence de la signification en utilisant les termes suivants (le degré de signification figurant entre parenthèses): toujours significatif (plus de 90 %), le plus souvent significatif (60%–90 %), parfois significatif (40%–60 %), rarement significatif (10%–40 %) et jamais significatif (moins de 10 %). Comme pour la relation à long terme, nous indiquons la fréquence de cointégration, la stabilité de la relation et la signification du coefficient d’ajustement (en suivant la règle énoncée au paragraphe précédent), ainsi que la valeur moyenne des R2 des équations. Les résultats sont analysés dans l’encadré 5.1.

Tableau 5.11.Récapitulation des résultats des régressions glissantes
Équation des cours

au comptant
Équation des cours

à terme
Équation des positions

spéculatives
Pétrole brut
Coefficients à court terme
Cours au comptantRarement significatifToujours significatif
Cours à termeRarement significatifToujours significatif
Positions spéculativesRarement significatifLe plus souvent significatif
Coefficients à long terme
Relation de cointégrationLe plus souvent présent; rarement stable
Coefficients d’ajustementJamais significatifRarement significatifToujours significatif
Moyenne de R20,060,080,36
Cuivre
Coefficients à court terme
Cours au comptantJamais significatifToujours significatif
Cours à termeRarement significatifLe plus souvent significatif
Positions spéculativesRarement significatifRarement significatif
Coefficients à long terme
Relation de cointégrationLe plus souvent présent; rarement stable
Coefficients d’ajustementJamais significatifJamais significatifToujours significatif
Moyenne de R20,110,100,66
Sucre
Coefficients à court terme
Cours au comptantRarement significatifToujours significatif
Cours à termeParfois significatifToujours significatif
Positions spéculativesRarement significatifRarement significatif
Coefficients à long terme
Relation de cointégrationLe plus souvent présent; le plus souvent stable
Coefficients d’ajustementRarement significatifJamais significatifToujours significatif
Moyenne de R20,060,050,48
Café
Coefficients à court terme
Cours au comptantJamais significatifToujours significatif
Cours à termeRarement significatifLe plus souvent significatif
Positions spéculativesRarement significatifRarement significatif
Coefficients à long terme
Relation de cointégrationLe plus souvent présent; rarement stable
Coefficients d’ajustementParfois significatifParfois significatifLe plus souvent significatif
Moyenne de R20,060,050,56
Coton
Coefficients à court terme
Cours au comptantRarement significatifToujours significatif
Cours à termeJamais significatifToujours significatif
Positions spéculativesJamais significatifJamais significatif
Coefficients à long terme
Relation de cointégrationLe plus souvent présent; le plus souvent stable
Coefficients d’ajustementLe plus souvent significatifRarement significatifToujours significatif
Moyenne de R20,130,110,55
Source: calculs des services du FMI.
Source: calculs des services du FMI.
Bibliographie

    Agence internationale de l’énergie (AIE)2004World Energy Outlook (Paris).

    Alcan2006Presentation at the Alcan Bauxite & Alumina Group Investor Meetings Tampa FloridaFebruary27.

    Alcoa2004Presentation at the Alcoa’s North American Primary Businesses Meeting Rockdale TexasNovember2.

    Australian Bureau of Agricultural and Resource Economics (ABARE)2006Australian CommoditiesMarch Vol. 13 No. 1 (Canberra).

    BaffesJohn2006Oil Spills Over to Other Commodities” (unpublished; Washington: World Bank).

    Banque mondiale2006World Development Indicators (Washington).

    Barclays Capital2006aThe Commodity Refiner Q1 (New York).

    Barclays Capital2006bCommodity Daily BriefingsJuly19 and August23 and 29 (New York).

    BarnettHoward and ChandlerMorse1963Scarcity and Growth (Baltimore: Johns Hopkins University Press for Resources for the Future).

    BorenszteinEduardoMohsinKhanCarmenReinhart and PeterWickham1994The Behavior of Non-Oil Commodity Prices IMF Occasional Paper No. 112 (Washington: International Monetary Fund).

    • Search Google Scholar
    • Export Citation

    BowmanChakriya and AasimHusain2004Forecasting Commodity Prices: Futures Versus JudgmentIMF Working Paper 04/41 (Washington: International Monetary Fund).

    • Search Google Scholar
    • Export Citation

    British Geological Survey2006World Mineral Production 2000–04 (London).

    British Geological Survey2004World Mineral Statistics 1998/2002 (London).

    CashinPaulHongLiang and JohnMcDermott2000How Persistent Are Shocks to World Commodity Prices?IMF Staff Papers International Monetary Fund Vol. 47 (December) p. 177217.

    • Search Google Scholar
    • Export Citation

    CashinPaulHongLiang and JohnMcDermott2002The Long-Run Behavior of Commodity Prices: Small Trends and Big VariabilityIMF Staff Papers International Monetary Fund Vol. 49 (July) p. 17597.

    • Search Google Scholar
    • Export Citation

    CashinPaulHongLiang and AlasdairScott2002Booms and Slumps in World Commodity PricesJournal of Development Economics Vol. 69 (October) p. 27796.

    • Search Google Scholar
    • Export Citation

    CNUCED2005Handbook of Statistics 2005 (New York: United Nations).

    CuddingtonJohn1992Long-Run Trends in 26 Primary Commodity Prices: A Disaggregated Look at the Prebisch-Singer HypothesisJournal of Development Economics Vol. 39 (October) p. 20727.

    • Search Google Scholar
    • Export Citation

    DeatonAngus and GuyLaroque2003A Model of Commodity Prices After Sir Arthur LewisJournal of Development Economics Vol. 71 (August) p. 289310.

    • Search Google Scholar
    • Export Citation

    DehnJanChristopherGilbert and PanosVarangis2005Agricultural Commodity Price Volatility” in Managing Economic Volatility and Crisesed. by JoshuaAizenman and BrianPinto (Cambridge: Cambridge University Press).

    • Search Google Scholar
    • Export Citation

    Deutsche Bank2006Commodities WeeklyMay5 (New York).

    Fonds monétaire international2006International Financial Statisticsvarious issues (Washington).

    GatelyDermot2004OPEC’s Incentives for Faster Output GrowthEnergy Journal Vol. 25 No. 2 p. 7596.

    GhoshS.Christopher L.Gilbert and Andrew J.Hughes Hallett1987Stabilizing Speculative Commodity Markets (New York: Oxford University Press).

    • Search Google Scholar
    • Export Citation

    GilbertChristopher2006Trends and Volatility in Agricultural Commodity Markets” in Agricultural Commodity Markets and Trade: New Approaches to Analyzing Market Structure and Instabilityed. by AlexanderSarris and DavidHallam (Cheltenham: Food and Agriculture Organization and Edward Elgar) p. 3160.

    • Search Google Scholar
    • Export Citation

    GilbertChristopher 1996International Commodity Agreements: An Obituary NoticeWorld Development Vol. 24 (January) p. 119.

    • Search Google Scholar
    • Export Citation

    GilbertChristopher 1995Modelling Market Fundamentals: A Model of the Aluminium MarketJournal of Applied Econometrics Vol. 10 No. 4 p. 385410.

    • Search Google Scholar
    • Export Citation

    GrilliEnzo and MawCheng Yang1988Primary Commodity Prices, Manufactured Goods Prices, and the Terms of Trade of Developing Countries: What the Long Run ShowsThe World Bank Economic Review Vol. 2 No. 1 p. 147.

    • Search Google Scholar
    • Export Citation

    HaighMichael S.JanaHranaiova and JamesOverdahl2005Price Volatility, Liquidity Provision, and the Role of Managed Money Traders in Energy Futures Markets” (unpublished; Washington: Commodity Futures Trading Commission).

    • Search Google Scholar
    • Export Citation

    International Iron and Steel InstituteSteel Statistical Yearbookvarious issues (Brussels: The Committee on Statistics).

    MitchellDonald and MombertHoppe2006From Marrakesh to Doha: Effects of Removing Food Subsidies on the Poor” in Trade Doha and Development: A Window Into the Issuesed. by RichardNewfarmer (Washington: World Bank).

    • Search Google Scholar
    • Export Citation

    Organisation de coopération et de développement économiques (OCDE)2005Les politiques agricoles des pays de l’OCDE: suivi et évaluation (Paris).

    • Search Google Scholar
    • Export Citation

    Organisation pour l’alimentation et l’agriculture (FAO)2004aCotton: Impact of Support Policies on Developing CountriesTrade Policy Brief (Rome: Food and Agriculture Organization).

    • Search Google Scholar
    • Export Citation

    Organisation pour l’alimentation et l’agriculture (FAO)2004bThe State of Agricultural Commodity Markets (Rome: Food and Agriculture Organization).

    • Search Google Scholar
    • Export Citation

    PrebischRaúl1950The Economic Development of Latin America and Its Principal Problems (New York: United Nations).

    RobertsonD. and J.Symons1992Some Strange Properties of Panel Data EstimatorsJournal of Applied Econometrics Vol. 7 (April–June) p. 17589.

    • Search Google Scholar
    • Export Citation

    SandersDwight R.KeithBoris and MarkManfredo2004Hedgers, Funds, and Small Speculators in the Energy Futures Markets: an Analysis of the CFTC’s Commitments of Traders ReportsEnergy Economics Vol. 26 (May) p. 42545.

    • Search Google Scholar
    • Export Citation

    Sociéte Générale2006Bubble About to BurstJune8 (Paris).

    TiltonJohn2003On Borrowed Time? Assessing the Threat of Mineral Depletion (Washington: Resources for the Future).

    TyersRodney and KymAnderson1992Disarray in World Food Markets (Cambridge: Cambridge University Press).

    World Bureau of Metal StatisticsWorld Metal Statistics Yearbookvarious issues (London).

    World Bureau of Metal StatisticsMetal Statisticsvarious issues (London).

1Cette tendance longue a été apparente pendant la plus grande partie du siècle dernier et a été mise en lumière par Prebisch (1950) et d’autres dans les années 50. Pour une analyse détaillée, voir Cashin and McDermott (2002); Deaton and Laroque (2003); Grilli and Yang (1988); Borensztein et al. (1994). En raison des lacunes des données et de la volatilité intrinsèque des cours des produits de base, les chercheurs ne s’accordent pas tous sur l’idée que les cours baissent en termes réels: Cuddington (1992) est d’un avis opposé.
2Tilton (2003) passe en revue les travaux récents et Barnett et Morse (1963) proposent une évaluation historique des gains de productivité.
3Voir le chapitre III de l’édition d’avril 2006 des Perspectives, intitulé ≪Quelle influence la mondialisation a-t-elle eue sur l’inflation?≫.
4Par exemple, l’arrivée de nouveaux gros exportateurs de café comme le Vietnam a contribué à réduire la dépendance des cours du café à l’égard des conditions météorologiques au Brésil. Les chiffres globaux de la volatilité masquent cependant la grande variabilité des comportements des cours de différents produits alimentaires. La corrélation médiane entre les variations annuelles de deux produits alimentaires choisis au hasard est de 15 %, contre 33 % dans le cas des métaux. Cashin, McDermott et Scott (2002) et Gilbert (2006) analysent la volatilité des cours des produits de base. Dehn, Gilbert et Varangis (2005) traitent des politiques envisageables face aux conséquences négatives de la volatilité des marchés des produits de base.
5Les cours des métaux ont augmenté de plus de 75 % au cours des précédentes phases ascendantes, ce qui tient à la longue période de gestation requise pour accroître les capacités industrielles et à la faible élasticité–prix de la demande.
6Dans son édition de septembre 2006, le Global Financial Stability Report du FMI fait état de l’augmentation de la part des marchés des produits de base dans les portefeuilles d’investissements.
7Il est intéressant de noter que la part de la Chine dans l’augmentation de la demande mondiale a été plus élevée dans le cas des métaux que du pétrole.
8La Chine est devenue le premier consommateur mondial de plusieurs métaux essentiels, engendrant environ un quart de la demande d’aluminium, de cuivre et d’acier. À titre de comparaison, sa contribution à la valeur ajoutée industrielle se situe entre 8 % et 25 %, selon que l’on utilise les taux de change courants ou corrigés de la PPA pour la conversion des devises.
9La Russie, par exemple, a compté pour 25 % dans l’augmentation de la demande mondiale de cuivre entre 2002 et 2005, mais pour 0,5 % seulement de la hausse de la consommation d’aluminium.
10La demande de métaux peut continuer à augmenter même lorsque le niveau des revenu s’élève si les secteurs industriels gros consommateurs de métaux continuent à croître vigoureusement (comme, par exemple, en Corée).
11Les anciens pays à économie planifiée étaient en général très industrialisés.
12La contribution de la Chine à la croissance de la consommation alimentaire est généralement plus faible que dans le cas des métaux et d’autres produits intermédiaires tels que le coton. Comme déjà indiqué, si la Chine a une influence plus marquée sur les marchés des produits intermédiaires, cela tient à la très forte augmentation de sa production industrielle.
13S’il est vrai que les contrats à terme ne permettent pas de prédire avec exactitude les cours au comptant, ils témoignent cependant de ce que les opérateurs pensent de l’évolution future des cours. Bowman et Husain (2004) constatent que les modèles fondés sur les contrats à terme donnent des prévisions plus fiables que ceux qui reposent sur des données historiques ou l’appréciation, surtout pour des horizons éloignés.
14Selon Alcan (2006) et Alcoa (2004), le coût de l’énergie entre pour 30 % dans le prix de revient de l’aluminium raffiné.
15La période de référence est plus courte pour certains pays en raison du manque de données sur la production industrielle.
16La substitution entre métaux est minime, même à moyen terme et n’est donc pas modélisée explicitement. Voir l’appendice 5.1 pour plus de détails.
17Le scénario à moyen terme présenté au chapitre 1 de cette édition des Perspectives table sur la poursuite d’une croissance vigoureuse de l’économie mondiale de l’ordre de 4¾ % à 5 % par an. Cela représente une hausse de ¾–1 point par rapport à la croissance annuelle moyenne sur la période 1995–2005.
18Le modèle explique en moyenne 80–90 % de la variabilité des cours réels de l’aluminium et du cuivre. Il ne rend cependant pas entièrement compte du comportement des cours pendant les périodes de pic conjoncturel. Voir l’appendice 5.1 pour plus de détails.
19Les métaux communs sont présents en abondance: par exemple, l’aluminium et le fer constituent plus de 8 % et 5 %, respectivement, de la croûte terrestre. Le fonds de ressources de nombreux métaux pourrait donc durer des centaines d’années, encore qu’une fraction seulement de ces ressources puisse être extraite de manière rentable par les techniques actuelles (Tilton, 2003). Par ailleurs, les métaux ne sont pas détruits lorsqu’ils sont transformés et utilisés, et ils sont recyclables, ce qui devrait encore accroître les estimations de la durée de vie des réserves. À titre de comparaison, l’Agence internationale pour l’énergie (2004) calcule que les réserves pétrolières restantes pourraient couvrir 70 années de consommation annuelle moyenne sur la période 2003–2030.
20Gilbert (1996) décrit plusieurs tentatives passées de prise de contrôle des prix sur les marchés des produits de base non combustibles. Elles ont échoué pour diverses raisons, dont l’apparition de ressources de rechange, des problèmes de coordination et des désaccords sur le partage des profits.
21Les cours pétroliers sont actuellement maintenus à un haut niveau par la vigueur de la demande, la situation géopolitique et le manque de capacité excédentaire (appendice 1.1). Le chapitre IV de l’édition d’avril 2005 des Perspectives, intitulé ≪Les tensions vont-elles persister sur le marché pétrolier?≫, décrit les frictions du volet offre de l’industrie pétrolière qui pourraient empêcher, sur le long terme, le retour des cours à leurs niveaux moyens des années 90. Ce sont, entre autres, les possibilités limitées d’accroissement de la production hors OPEP et le manque d’incitations, pour les pays de l’OPEP, à augmenter leur production sur le long terme suffisamment pour contribuer au retour des cours aux niveaux typiques de la dernière décennie.
22Les pays à faible revenu qui ont défini (ou sont en train d’élaborer) leur stratégie de réduction de la pauvreté peuvent se prévaloir de la facilité de protection contre les chocs exogènes (PCE). L’aide du FMI à ce titre prend la forme de prêts concessionnels à décaissement rapide et à court terme, pour répondre aux besoins de balance des paiements immédiats. Des concours peuvent aussi être accordés au titre du mécanisme de financement compensatoire (MFC), auquel peuvent recourir les pays subissant soudainement une moins-value de leurs recettes d’exportation ou un surcoût de leurs importations de céréales en raison des fluctuations des cours mondiaux.
23Les tests confirment l’existence d’une relation de cointégration entre la consommation de métaux et la production industrielle pur la plupart des pays, ce qui contribue à la cohérence des estimations.
24Les spécifications des produits font partie intégrante des techniques de production et il n’est pas possible de substituer un métal à un autre pour la plupart des utilisations, sauf à un coût considérable. Sur le long terme, l’effet de substitution peut être considérable si les variations des prix relatifs conduisent les entreprises à acheter de nouveaux outils, à modifier leurs équipements et à entreprendre des activités de recherche–développement (Ghosh, Gilbert, and Hughes Hallett, 1987). Cependant, la précision et les propriétés statistiques des équations estimées sont très satisfaisantes, et la substitution d’un métal à un autre résultant de la récente évolution des prix ne serait vraisemblablement pas importante sur la période de prévision étudiée ici.
25On suppose donc que la réactivité de l’offre aux prix est semblable ou supérieure à celle observée dans l’étude d’avril des Perspectives de 2005 sur le marché pétrolier.
26On inclut le facteur taux de change parce que les prix des métaux sont exprimés en dollars. Pour simplifier, on utilise le taux de change nominal, et non réel—la dynamique des prix à la consommation en dollars est très similaire à celle des prix à la consommation en DTS.
27Les séries temporelles disponibles pour les stocks sont courtes et sujettes à de grosses erreurs de calcul—leur inclusion dans l’équation de prix n’a pas donné de bons résultats.
28On suppose que la consommation du reste du monde (environ 10 % du total) augmente au taux de la croissance de la consommation mondiale de l’année précédente. Dans le cas du cuivre, les élasticités de la consommation par rapport à la production industrielle estimées pour quelques pays (Argentine, Indonésie, Mexique et Russie) se situaient à des niveaux excessivement élevés de 2,5–5—en partie parce que la période de référence pour ces pays est courte. Ces pays sont inclus dans le groupe ≪reste du monde≫ aux fins de la prévision de l’évolution des prix du cuivre.
29La structure et les définitions de la CITI (Révision 3) sont décrites sur le site Internet des Nations Unies http://unstats.un.org/unsd/cr/registry/regcst.asp?Cl=14.
31Le coefficient de corrélation moyen entre les indices agrégés des métaux, produits alimentaires et matières premières agricoles de la base CPS et de Cashin, Liang and McDermott (2000) est de 0,94.
37Voir http://web.worldbank.org/data et suivre l’hyperlien menant aux indicateurs du développement dans le monde (World Development Indicators).
40Plus précisément, pour deux variables quelconques x et y, on considère que y cause x à court terme si Δy Granger cause Δx; autrement dit, compte tenu des valeurs passées de Δx, les valeurs passées de Δy sont utiles pour prédire Δx. Par ailleurs, si le coefficient d’ajustement de l’équation pour x est significatif, on considère que y cause x à long terme.
41Nous ne faisons pas de test de signification conjoint pour la première et la seconde valeur décalée. Nous examinons à la place les valeurs-p des différents coefficients et le pouvoir explicatif des équations (R2). Il convient cependant de noter que, si l’une des valeurs décalées est significative, il est probable qu’elles le seront aussi conjointement.

    Other Resources Citing This Publication