Modèles économiques
La représentation de l’économie nécessite l’utilisation
d’un modèle supposé évaluer les forces en jeu et leurs conséquences. Le texte
ci-dessous est la traduction d’un article sur ce sujet paru en 2010 dans The Economist.
Agents
of change[1]
Les modèles économiques conventionnels ont échoué à prévoir
la crise financière. Un modèle basé sur les acteurs pourrait-il faire
mieux ?
Le courant principal des études économiques a toujours eu
ses dissidents. Mais l’échec de la discipline à prédire la crise financière a
rendu le sujet particulièrement propice à de nouvelles études.
Il y a une convergence des critiques sur ce qui ne va pas
dans la prévision macroéconomique. Une audition à une commission de la Chambre des
représentants mettait récemment en cause les modèles basés sur l’équilibre général dynamique et stochastique
[2](DSGE)
utilisés par la FED et d’autres banques centrales. Le but de l’audition était
de s’interroger sur la sagesse de fonder la politique économique nationale sur
un unique modèle alors qu’il existe des alternatives.
L’Institut de la Nouvelle Pensée économique de New York a
attaqué de nombreuses hypothèses, y compris celle de l’efficience des marchés
financiers et celle des attentes rationnelles, sur lesquelles ces modèles sont
construits. Ces hypothèses sont clairement trop simplistes. Mais il y a moins
d’accord sur celles qui devraient remplacer
les anciens modèles.
L’une des plus prometteuses vient d’un atelier de la
Fondation de la Science Américaine auquel participaient des économistes de la
FED et de la Banque d’Angleterre, des conseillers politiques et des
informaticiens.. Ils s’étaient réunis pour explorer le potentiel de modèles
basés sur les acteurs (ABM) de l’économie pour aider à comprendre les leçons de
cette crise et, peut-être, à développer un alertant de la survenue de la
prochaine.
Les modèles basés sur les acteurs ne supposent pas que
l’économie peut atteindre un équilibre stable. Le sommet n’impose à l’économie
ni instructions ni conceptions. Au contraire de nombreux modèles, les ABM ne
sont pas peuplés d’acteurs représentatifs : traders identiques,
entreprises et ménages dont les comportements individuels reflètent l’économie
dans son ensemble. Au contraire, un ABM va du bas vers le haut et assigne à
chaque acteur des règles de comportement particulières. Par exemple, certains
peuvent croire que les prix reflètent les fondamentaux alors que les autres
peuvent faire confiance aux observations empiriques des tendances observées
dans le passé sur les prix.
De manière cruciale, le comportement des acteurs peut être
déterminé (et altéré) par des
interactions directes entre eux, alors que dans les modèle
conventionnels, l’interaction survient seulement indirectement par les prix. Ce
caractère des ABM permet, par exemple, le comportement d’imitation qui conduit
aux hordes d’investisseurs. Les acteurs peuvent apprendre par expérience ou
changer leurs stratégies selon l’opinion majoritaire. Ils peuvent se grouper
dans des structures institutionnelles comme les banques et les entreprises. Ces
choses sont très difficiles, quelquefois impossibles, à construire dans les
modèles conventionnels. Mais dans un modèle basé sur les acteurs, vous exécutez
simplement une simulation informatique pour voir ce qui en sort, indépendamment
de toute hypothèse émise du sommet.
Bien que les modèles DSGE soient aussi basés sur des
fondations microéconomiques, ils acceptent la vision traditionnelle qu’il
existerait une sorte d’équilibre général vers lequel tous les prix sont
attirés. Le fait que cela soit approximativement vrai est la raison pour
laquelle les modèles DSGE fonctionnent assez bien dans une économie à l’état
normal. Ils marchent mal en période de crise, cependant, car leur élément de
dynamique stochastique produit de faibles fluctuations autour de l’équilibre,
et il n’y a pas d’équilibre durant les crashes.
Au contraire, la
modélisation basée sur les acteurs ne
fait pas d’hypothèses sur l’existence de marchés efficients ou d’équilibre
général. Les marchés qu’ils génèrent ressemblent davantage à une rivière
turbulente, ou au système météorologique, soumis à de constantes tempêtes et
crises de toutes tailles. Grandes fluctuations et même crashes sont une
caractéristique qui leur est inhérente. C’est parce que les ABM comportent des
rétro mécanismes qui peuvent amplifier de petits effets, tels que les comportements moutonniers et les
paniques qui génèrent des bulles et des craches. En langage mathématique les
modèles sont non-linéaires, ce qui signifie que les effets ne sont pas
proportionnels aux causes.
Ces non-linéarités furent mises en évidence dans le crédit Crunch.
Le MIT présenta un modèle du marché du logement Américain, inspiré par
l’approche ABM, qui montrait comment une conjonction fatale d’augmentation du
prix des maisons, de baisse des taux
d’intérêt et d’un accès facile au refinancement, créa un incroyable fardeau de
dette. Il fut expliqué comment le cycle de la dette en refinançant – effet de
levier élevé en phase d’expansion, et faible pendant les récessions – peut agir
comme un pendule hors de contrôle pour créer l’instabilité. La Banque
d’Angleterre est en train de modéliser la toile des interdépendances créées par
l’usage de produits dérivés complexes. Ces vulnérabilités basées sur un réseau
sont exactement la sorte d’évènement que les ABM capturent efficacement.
Comportement
modélisé
Une autre grande leçon de la crise est le rôle des
interactions entre différents secteurs de l’économie –par exemple logement et
finance. Bien que les modèles conventionnels puissent les incorporer, les ABM
sont mieux adaptés à la modélisation de secteurs spécifiques. On explore aussi
la faisabilité d’un immense ABM de la totalité de l’économie en connectant un
grand nombre de tels modèles ensemble.
Que pourrait exiger une telle entreprise ? Une vision
possible est une simulation en temps réel, alimentée par des masses de données,
et qui fonctionnerait comme les modèles de prévision de trafic. Mais il serait
peut-être plus réaliste et utile d’employer une collection de tels modèles, à
la manière des simulations globales du climat, qui projettent plusieurs futurs
possibles. Dans les deux cas, les modèles exigeraient beaucoup plus de données
sur les activités des individus, des banques et des entreprises.
Une telle collecte de données suscite des craintes pour la
vie privée, mais est essentielle. Les sismologues peuvent n’être pas capables
de prévoir les tremblements de terre précisément mais il serait déplorable qu’ils
se résignent eux-mêmes à ne modéliser que les mouvements réguliers et graduels
des plaques tectoniques. Au contraire, ils ont développé des types de cartes
sur les évolutions des tensions, en identifiant les aires de risque et en
raffinant de manière approximative l’évaluation du risque. Pourquoi ne pas
faire la même chose pour l’économie ?
[1] Le titre n’a pas été traduit. L’expression
« agent de change » renvoyant à une profession, il aurait fallu
« acteurs du changement ».
