Rechercher

Les prévisions du prix du pétrole brut jouent un rôle significatif dans la conduite de la politique monétaire, particulièrement dans les pays producteurs de matières premières comme le Canada. L’auteure présente divers modèles de prévision mis au point récemment qui, une fois combinés, peuvent générer des projections du prix du pétrole qui sont en moyenne plus précises que les prévisions issues de la courbe des cours à terme. Elle illustre également la manière dont les décideurs peuvent évaluer les risques associés à la prévision de référence des cours pétroliers et déterminer les causes des fluctuations passées du prix de l’or noir.

La variation considérable des prix réels du pétrole depuis 2003 a ravivé l’intérêt porté aux méthodes de prévision des cours mensuels et trimestriels de ce produit. On a aussi observé un regain d’intérêt pour l’étude du lien entre les marchés financiers et pétroliers : à ce titre, les chercheurs se sont demandé si l’information en provenance des marchés financiers aide à prédire les prix réels du pétrole sur les marchés au comptant.

Les auteurs proposent de nouvelles mesures de la variance intégrée qui reposent sur des données à haute fréquence concernant les écarts entre cours acheteur et vendeur et les profondeurs affichées, c.-à-d. les quantités offertes à ces deux cours. Dans l’approche traditionnelle, le cours médian est considéré comme un bon indicateur du prix sans frictions.

Les auteurs analysent l’apport, pour la prévision de la volatilité, d’un modèle dans lequel une relation est établie entre la volatilité fondamentale et les frictions qui caractérisent les prix observés à haute fréquence. L’originalité de leur approche réside dans le fait que, du moment où la variance du bruit est liée à la volatilité fondamentale des rendements, ce modèle est susceptible d’améliorer les prévisions de la volatilité basées sur la variance réalisée.

Les auteurs élaborent une procédure d’évaluation simple des modèles paramétriques d’asymétrie conditionnelle en vue de combler une lacune de la littérature sur le sujet. Cette procédure est basée sur la régression de l’asymétrie réalisée sur l’asymétrie conditionnelle.

Les prix des actifs observés à haute fréquence sont « contaminés » par des coûts de liquidité ou du bruit en raison de la présence d’effets de microstructure. S’inspirant de la littérature qui étudie la microstructure des marchés, l’auteure met au point un nouvel estimateur qui permet de modéliser explicitement le bruit à partir de ces données et de l’éliminer des rendements observés de l’actif avant d’estimer leur variance.

L’Energy Information Administration des États-Unis publie périodiquement des prévisions à court terme du prix du pétrole brut.

Malgré le nouvel intérêt dont a bénéficié ces dernières années la recherche sur la prévision hors échantillon des cours pétroliers, une méthode de projection importante des prix réels de l’or noir reste peu étudiée.

Le modèle CSI (pour Canada’s Short-Term Indicator) est un nouveau modèle qui permet d’actualiser quotidiennement, à partir du contenu informatif de 32 indicateurs, les prévisions du taux de croissance trimestriel du PIB réel. Il offre un outil de prévision à court terme capable d’exploiter d’importants volumes de données sans faire intervenir le jugement humain. Si l’exactitude des prévisions qu’il produit en début de trimestre laisse à désirer, il gagne beaucoup en précision à mesure qu’augmente la quantité d’informations. CSI est le dernier-né du large éventail de modèles et de sources d’information que la Banque utilise et soupèse pour établir ses prévisions à court terme.

Les auteurs évaluent si la combinaison de prévisions du PIB réel issues de différents modèles permet d’améliorer le pouvoir prédictif et examinent quelles méthodes de combinaison donnent les meilleurs résultats. Conformément aux travaux antérieurs, ils concluent que les prévisions combinées sont habituellement plus précises que celles tirées de divers modèles de référence pris individuellement. À l’encontre des données de plusieurs études, ils constatent néanmoins que l’attribution aux modèles de pondérations non uniformes, déterminées en fonction de la qualité des prévisions passées de ceux-ci, a en général pour effet d’accroître le pouvoir prédictif lorsque les prévisions diffèrent sensiblement d’un modèle à l’autre.