4.1.2. Procédure du test DCC

Pour la mise en œuvre du test DCC, nous suivons la démarche de Rigobon (2003). Nous utilisons ainsi un modèle structurel qui s’apparente à une extension du modèle (14). Dans ce nouveau modèle figure des variables retardées et des variables de contrôles. Il peut être considéré comme étant un modèle à facteur latent :

Les variables de contrôles sont en effet les taux d’intérêt à court terme. Ces dernières sont utilisées comme des proxies des chocs communs non observables tels que la coordination des politiques monétaires entre les pays ou le changement dans les perceptions des risques chez les investisseurs. Cependant, l’utilisation de ces taux d’intérêt peut engendrer une sous estimation des propagations des chocs.

Dès lors, la procédure du test DCC est la suivante: d’abord, nous estimons le modèle VAR (Equation 22) afin de récupérer les résidus. Ensuite, nous divisons les séries des résidus en deux sous-périodes de faible et de forte volatilité telles qu’elles ont été définies dans le tableau 2. Puis, nous estimons les deux matrices des variances – covariances des résidus estimées à partir de l’équation (22) en utilisant les deux sous périodes de faible et de forte volatilité. Enfin, nous testons la stabilité des mécanismes de propagation en testant l’hypothèse nulle du test DCC. Afin d’effectuer notre test paramétrique, nous estimons la distribution du déterminant de changement dans la matrice de variance – covariance entre les deux régimes, par la méthode de Bootstrapping. Donc, pour construire un intervalle de confiance avec le quel nous jugeons l’acceptation ou le rejet de l’hypothèse nulle, nous utilisons plutôt la distribution asymptotique de la matrice de variance – covariance des résidus ⁷⁶ . Il faut noter aussi que cette procédure nous permet de tester la stabilité aussi bien de Φ(L) que de A et de L. (Cf. Rigobon, 2003).

Cependant, Billio et Pelizzon (2003) ont montré que l’analyse multivariée présente un niveau de robustesse plus faible que celui de l’analyse bivariée. D’après eux, l’augmentation de la volatilité est saisie beaucoup plus facilement dans le cas bivarié que dans le cas multivarié lorsque nous procédons à une analyse sur les résidus. Nous traitons ainsi dans ce travail le cas bivarié en plus de cas multivarié. L’analyse bivariée nous permet aussi d’étudier la stabilité des mécanismes de propagation des chocs pour chaque pays contrairement au travail de Rigobon (2003) qui étudie la stabilité entre un ensemble de pays. Dans cette analyse bivariée, nous choisissons aussi de ne pas utiliser les distributions asymptotiques en recourant à la méthode de bootstrapping. Nous testons donc la stabilité des mécanismes de propagation en testant la validité des instruments (voir la section 2.2.2). Cette procédure qui converge vers celle de Rigobon (2003) utilisée dans le cas multivarié (voir la section 2.2.2), nous permet de préciser explicitement le pays originaire de la crise. En effet, dans la procédure de Rigobon, le pays originaire de crise est identifié implicitement par le choix de la période de crise.

Aussi bien pour les applications du cas multivarié que pour celles du cas bivarié, l’étude se fait avec respectivement la Thaïlande, Hong-Kong et la Corée, comme pays originaires de la crise.