L`Indicateur Synthétique Mensuel d`Activités (ISMA) de la Banque de

L’Indicateur Synthétique Mensuel
d’Activités (ISMA)
de la Banque de France
Olivier DARNÉ∗ et Véronique BRUNHES-LESAGE
Banque de France
Séminaire technique sur les indicateurs de croissance
organisé par le Centre d’Observation Économique
14 juin 2006
∗
Auteur correspondant : Banque de France, DGEI-DAMEP-DIACONJ (46-1383), 31 rue
Croix des Petits-Champs, 75 049 Paris cedex 01, France. Email: [email protected].
Tél : 01 42 92 94 85. Fax : 01 42 92 44 69.
1
1
Introduction
L’Indicateur Synthétique Mensuel d’Activité (ISMA) est un outil de prévision
de la croissance trimestrielle du produit intérieur brut (PIB) développé en 1997
par la Direction de la Conjoncture à la Banque de France. Depuis octobre 2005,
cet indicateur est géré par la Direction des Analyses Macroéconomiques et de
la Prévision (DAMEP) dans le service de Diagnostic Conjoncturel (DIACONJ).
L’ISMA se compose de deux équations économétriques d’étalonnage, l’une pour le
trimestre en cours et l’autre à un horizon de prévision d’un trimestre, basées sur
des données mensuelles du volet industrie de l’Enquête Mensuelle de Conjoncture
(EMC) de la Banque de France. Cette procédure d’étalonnage est régulièrement
employée pour mobiliser l’information prévisionnelle des enquêtes qualitatives1 .
Les prévisions sont actualisées tous les mois à l’aide des nouvelles données de
l’EMC et sont publiées depuis janvier 2000 dans la Vue d’Ensemble de l’EMC2 .
Les données d’enquête font l’objet d’un traitement à l’aide de la méthode
d’analyse en composantes principales (ACP) afin de concentrer le maximum
d’information au sein d’un nombre réduit de variables. L’ACP est effectuée sur
l’ensemble de l’industrie ainsi que sur les quatre principaux secteurs du champ
manufacturier, à savoir l’industrie automobile, les biens de consommation, les
biens d’équipement et les biens intermédiaires.
Ce document présente la pratique actuelle de l’ISMA depuis 2003. Néanmoins,
des améliorations sont en cours du point de vue de la méthodologie et de la
modélisation.
La deuxième partie de ce document décrit la méthode de construction des
variables explicatives utilisées dans les équations. La troisième partie détaille
les étalonnages. La quatrième partie présente les performances en prévision, et
les perspectives de recherche sont données en dernière partie.
1
Voir, par exemple, Scherrer (1996), Buffeteau et Mora (2000), Erkel-Rousse et Prioux
(2002), Irac et Sédillot (2002), Bouton et Erkel-Rousse (2002) et Dubois et Michaux (2004).
2
Seule la prévision du trimestre en cours est publiée dans le Vue d’Ensemble
de
l’EMC,
et
elle
est
consultable
à
l’adresse
france.fr/fr/stat_conjoncture/conjonc/pagemc.htm.
2
suivante
:
http://www.banque-
2
Construction des variables explicatives
Les données employées pour la construction des variables explicatives des équations de prévisions sont issues du volet industrie de l’EMC. Ces données sont de
fréquence mensuelle et débutent en 1987. Quatorze séries élémentaires sont sélectionnées pour l’ensemble industrie3 et les quatre principaux secteurs du champ
manufacturier : évolution de la production M/M-1 (EVPRO) ; évolution des
livraisons M/M-1 (EVLIV) ; évolution des commandes globales M/M-1 (EVCOM) ; évolution des commandes étrangères M/M-1 (EVCOME) ; évolution
du prix des matières premières M/M-1 (EVPRMP) ; évolution du prix des produits finis M/M-1 (EVPRPF) ; évolution des stocks de produits finis M/M-1
(EVSTPF) ; état du carnet de commandes en semaines d’activité (ETCC) ; niveau
des stocks de produits finis (STPF) ; niveau des stocks de matières premières
(STMP) ; niveau du carnet de commandes en semaines d’activité (CSEMA) ;
taux d’utilisation des capacités de production (TUC) ; évolution prévue de la
production pour les prochains mois (PREVPRO) et évolution prévue des stocks
de produits finis pour les prochains mois (PREVSTPF)4 .
Au total, 70 séries élémentaires sont disponibles. Afin de concentrer l’information
contenue de façon diffuse dans l’ensemble de ces données au sein d’un nombre
réduit de variables, une analyse en composantes principales (ACP) est réalisée à
partir des données désaisonnalisées pour chaque secteur du champ manufacturier
et pour l’ensemble de l’industrie.
A l’issue de cette étape, les cinq premiers facteurs sur les quatorze possibles de
chaque ACP sont retenus, soit 25 variables. Ces cinq premiers facteurs sont
retenus car ils permettent de couvrir 70 à 90% de l’information contenue dans
l’enquête (tableau 1). Le premier axe de l’ACP, pour chaque composante (chaque
secteur du champ manufacturier et ensemble de l’industrie) effectuée sur la to3
L’ensemble industrie comprend les quatre principaux secteurs du champ manufacturier
(biens de consommation, biens d’équipement, biens intermédiaires et industrie automobile) et
l’industrie agro-alimentaire.
4
Aucun solde d’opinions relatif aux effectifs n’est retenu dans les axes car les effectifs
s’ajustent avec retard au cycle d’activité.
3
talité des séries correspondantes restitue à lui seul entre 32 et 53% de l’inertie,
c’est-à-dire de l’information contenue dans les quatorze séries sélectionnées pour
chaque composante.
Table 1: Inertie expliquée par les vecteurs propres de l’ACP (en %).
Inertie marginale
Inertie cumulée
1
2
3
4
5
1
2
3
4
5
Industrie
48
16 11
8
4
48
64
75 83
88
Biens de consommation
32
15 14 11 7
32 47
61
Industrie automobile
35
15
9
8
6
35
50
59 67
73
Biens d’équipement
43 14
9
8
6
43
57
66 75
81
Biens intermédiaires
53 14
10
8
4
53 68
3
78
71 78
85 89
Étalonnages
En raison de la périodicité trimestrielle du PIB publié par l’INSEE, les axes
mensuels issus de l’ACP sont trimestrialisés. Les étalonnages supposent donc
connues toutes les enquêtes se rapportant à un trimestre. Néanmoins, lorsque
des données d’enquêtes sont manquantes5 , par exemple si l’on souhaite faire
en février une prévision pour le premier trimestre, il est nécessaire d’utiliser
une autre approche. Lors de la création de l’ISMA en 1997, trois équations
différentes avaient été sélectionnées en fonction de la position dans le trimestre
du mois auquel était réalisée la prévision (1er , 2ème ou 3ème mois du trimestre). Ce
système avait pour désavantage de rendre difficile l’interprétation des révisions
mensuelles des estimations de croissance, puisqu’elles pouvaient être dues non
pas aux variations ayant affecté les séries explicatives mais aux changements
d’équations. Par conséquent, en 2002, une harmonisation des étalonnages a été
5
En raison de l’absence d’enquête mensuelle sur le mois d’août, il n’y a pas de prévision au
mois d’août. L’EMC devrait bientôt publier des enquêtes sur le mois d’août.
4
mise en place en estimant une seule équation quelque soit la position du mois
dans le trimestre. Le problème des données manquantes est résolu en faisant la
moyenne :
• du 1er mois du trimestre et des 2 derniers mois du trimestre précédent
lorsque l’on dispose d’un mois du trimestre ;
• des deux 1er mois du trimestre et du dernier mois du trimestre précédent
lorsque l’on dispose de 2 mois du trimestre ;
• des trois mois du trimestre lorsque l’on dispose des 3 mois du trimestre.
Deux équations économétriques sont utilisées : la première permet de prévoir la
croissance du PIB du trimestre en cours (équation coïncidente) et la deuxième
celle du trimestre suivant (équation future). La variable expliquée est le taux de
croissance du PIB aux prix de 2000 calculé sous la forme de la différence première
en logarithme (ẏt ).
L’équation coïncidente correspond à un modèle autorégressif auquel sont ajoutés
les axes issus de l’ACP sur les données d’enquête. Le taux de croissance du PIB
dépend ainsi d’une constante (α), de la valeur retardée de la variation trimestrielle
du PIB (ẏt−1 ), des axes (retardés ou pas) issus de l’ACP (zi,t ), et d’un terme
d’erreur (ut ), soit
ẏt = α + β ẏt−1 +
4
XX
i
γij zi,t−j + ut
(1)
j=0
L’équation future est estimée de la même manière. Néanmoins, compte tenu de
l’horizon de prévision plus éloigné, aucun axe zi,t contemporain n’est retenu ni la
valeur retardée de la variation trimestrielle du PIB, soit
ẏt = α +
4
XX
i
γij zi,t−j + ut
(2)
j=1
Lors de la détermination d’un modèle utilisé pour l’estimation et la prévision
du PIB, il est nécessaire d’employer au maximum l’information disponible. La
5
démarche employée dans l’ISMA (approche « stepwise ») consiste à sélectionner
un certain nombre de variables (explicatives) permettant a priori de modéliser
la variable expliquée, puis d’éliminer successivement les variables non significatives jusqu’à obtenir une sélection de variables significatives vérifiant des tests de
spécification. L’équation obtenue a fait l’objet d’un diagnostic complémentaire
(stabilité des coefficients, simulation en dehors de la période d’estimation, . . . ).
Le processus de recherche est réactualisé lors des changements de coefficients
saisonniers de l’enquête mensuelle de conjoncture ou à l’occasion de la livraison
d’une nouvelle année de comptes nationaux définitifs.
Les équations sont
actuellement estimées sur la période 1987-2002, correspondant à la période des
comptes trimestriels définitifs. Pour des raisons pratiques, les paramètres des
équations sont ré-estimés lors de chaque enquête mensuelle de conjoncture avec
une structure et une période d’estimation fixes.
Les tableaux 2 et 3 présentent les variables ainsi que les coefficients des équations coïncidente et future. Les graphiques 1 et 2 représentent la simulation
dynamique des équations.
Table 2: Equation coïncidente.
Variable
Coefficient
t-stat
Axe 1 Industrie (t)
-0.438
-7.75
Axe 3 Biens intermédiaires (t)
0.142
2.53
D(Axe 1 Biens intermédiaires) (t-1)
-0.203
-2.08
ẏt−1
-0.387
-3.26
α
0.735
9.77
R̄2 = 0.61 – DW = 1.84 – Q(10) = 13.06
Ecart-type des résidus = 0.30
Skewness = 0.22 – Kurtosis = 2, 41 – JB = 1, 39
6
Figure 1: Variation trimestrielle du PIB - équation ISMA coïncidente.
1.5
1.2
0.9
0.6
0.3
0
-0.3
-0.6
-0.9
1987Q3 1989Q1 1990Q3 1992Q1 1993Q3 1995Q1 1996Q3 1998Q1 1999Q3 2001Q1 2002Q3 2004Q1 2005Q3
PIB observé
PIB simulé
Table 3: Equation future.
Variable
Coefficient
t-stat
Axe 1 Industrie (t-1)
-0.375
-7.37
Axe 1 Biens de consommation (t-3)
-0.208
-3.50
D(Axe 3 Industrie automobile) (t-1)
-0.132
-2.69
α
0.558
12.21
2
R̄ = 0.47 – DW = 1.97 – Q(10) = 8.97
Ecart-type des résidus = 0.36
Skewness = 0.31 – Kurtosis = 2, 63 – JB = 1, 34
7
Figure 2: Variation trimestrielle du PIB - équation ISMA future.
1.5
1.2
0.9
0.6
0.3
0
-0.3
-0.6
-0.9
1987Q4 1989Q2 1990Q4 1992Q2 1993Q4 1995Q2 1996Q4 1998Q2 1999Q4 2001Q2 2002Q4 2004Q2 2005Q4
PIB observé
4
PIB simulé
Prévisions de l’ISMA
Les prévisions de croissance trimestrielle du PIB publiées dans l’EMC de la
Banque de France depuis le troisième trimestre 2003 sont présentées dans le
tableau 4, et sont comparées aux chiffres parus lors de la publication des « premiers résultats » par l’INSEE. Ce tableau affiche les prévisions de l’ISMA en
fonction de la disponibilité des données de l’EMC, c’est-à-dire si on dispose d’un,
deux ou trois mois d’enquête du trimestre en cours. Le graphique 3 représente
l’évolution des prévisions de l’ISMA lorsque l’on dispose de un, deux ou trois
mois du trimestre en cours, comparée à celle des premiers résultats du PIB.
Les performances d’un modèle de prévision sont habituellement mesurées
à partir de l’erreur quadratique moyenne (RMSE, root mean squared error).
Puisque les prévisions publiées de l’ISMA sont sur le trimestre en cours, le calcul
des RMSE revient à celui des écarts de prévision en valeur absolue, donnés dans
8
Table 4: Prévisions de l’équation coïncidente de l’ISMA du 2003T3 au 2006T1.
données utilisées à
Date
Mois 1
Mois 2
Mois 3
1er résultats
2003T1
0.3
0.2
0.2
0.3
2003T2
0.2
0.0
0.0
-0.3
2003T3
(1)
0.3
0.3
0.4
2003T4
0.5
0.5
0.6
0.5
2004T1
0.5
0.5
0.5
0.8
2004T2
0.6
0.5
0.6
0.8
2004T3
(1)
0.6
0.6
0.1
2004T4
0.6
0.8
0.7
0.8
2005T1
0.5
0.4
0.4
0.2
2005T2
0.5
0.5
0.5
0.1
2005T3
(1)
0.3
0.4
0.7
2005T4
0.5
0.6
0.5
0.2
2006T1
0.6
0.6
0.7
0.5
(1) Les prévisions ne sont pas disponibles en raison de l’absence d’enquête en août.
le tableau 5. On peut remarquer que l’erreur de prévision – mesurée en termes de
RMSE – s’établit à 0,24 en moyenne. De plus, on constate que la prise en compte
des nouvelles informations conjoncturelles constitue un gain dans la prévision.
En effet, l’écart-type des RMSE calculé avec les enquêtes du premier mois du
trimestre est de 0,17 alors que celui mesuré avec les enquêtes du troisième mois
du trimestre est de 0,13.
5
Perspectives
L’ISMA fait actuellement l’objet d’une étude afin de l’améliorer. D’une part, du
point de vue technique, nous étudions la possibilité d’utiliser une approche moins
« artisanale » lors du processus de sélection des variables qui permettrait de sélectionner de manière automatique les variables utiles à la modélisation. Cet outil
9
de sélection automatique de variable apporterait ainsi un cadre économétrique robuste, transparent et systématique à la sélection de variables explicatives. D’autre
part, du point de vue de la modélisation, nous examinons la possibilité d’étendre
le champs des enquêtes employées dans l’ISMA en intégrant les enquêtes sur les
services marchands. Finalement, ces améliorations doivent faire l’objet d’un article dans le bulletin de la Banque de France.
Table 5: Mesure de l’erreur de prévision (en valeur absolue).
données utilisées à
Date
Mois 1
Mois 2
Mois 3
2003T1
0.0
0.1
0.1
2003T2
0.5
0.3
0.3
2003T3
(1)
0.1
0.1
2003T4
0.0
0.0
0.1
2004T1
0.3
0.3
0.3
2004T2
0.2
0.3
0.2
2004T3
(1)
0.5
0.5
2004T4
0.2
0.0
0.1
2005T1
0.3
0.2
0.2
2005T2
0.4
0.4
0.4
2005T3
(1)
0.4
0.3
2005T4
0.3
0.4
0.3
2006T1
0.1
0.1
0.2
moyenne
0.24
0.24
0.24
écart-type
0.17
0.17
0.13
(1) Les prévisions ne sont pas disponibles en raison de l’absence d’enquête en août.
10
Figure 3: Comparaison des prévisions de l’ISMA et des premiers résultats publiés.
0.8
0.6
0.4
0.2
0
-0.2
-0.4
2003T1
2003T2
2003T3
2003T4
2004T1
2004T2
2004T3
Prévisions le 1er mois
2004T4
2005T1
2005T2
2005T3
2005T4
2006T1
2005T4
2006T1
2005T4
2006T1
1ers résultats du PIB
0.8
0.6
0.4
0.2
0
-0.2
-0.4
2003T1
2003T2
2003T3
2003T4
2004T1
2004T2
2004T3
Prévisions le 2ème mois
2004T4
2005T1
2005T2
2005T3
1ers résultats du PIB
0.8
0.6
0.4
0.2
0
-0.2
-0.4
2003T1
2003T2
2003T3
2003T4
2004T1
2004T2
2004T3
Prévisions le 3ème mois
11
2004T4
2005T1
2005T2
2005T3
1ers résultats du PIB
References
[1] Bouton F. et Erkel-Rousse H. (2002), "Conjonctures sectorielles et
prévisions à court terme de l’activité : l’apport des enquêtes de conjoncture
dans les services", Economie et Statistique, 359-360, 35-68.
[2] Buffeteau S. et Mora V. (2000), "La prévision des comptes de la zone
euro à partir des enquêtes de conjoncture", Note de Conjoncture (décembre),
INSEE.
[3] Dubois E. et Michaux E. (2004), "Etalonnage à l’aide d’enquêtes de
conjonctures : de nouveaux résultats", Document de Travail, Direction de
la Prévision.
[4] Erkel-Rousse H. et Prioux G. (2002), "L’apport des enquêtes de
conjoncture dans les différents secteur d’activité à l’analyse conjoncturelle",
Note de Conjoncture (juin), INSEE.
[5] Irac D. et Sédillot F. (2002), "Un modèle de prévision de court terme
pour l’activité française (OPTIM)", Note d’Etudes et de Recherche No 88,
Banque de France.
[6] Scherrer S. (1996), "Prévoir l’activité et les effectifs à partir des enquêtes
de conjoncture", Document de Travail No 96-13, INSEE.
12