Cycles économiques et financiers en Afrique du Sud

Economic and Financial Cycles in South Africa

• Auteur / Autrice : Igor Litvine Nikolaevich
• Direction : Francis Bismans
• Type : Thèse de doctorat
• Discipline(s) : Sciences Economiques
• Date : Soutenance le 07/07/2016
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale SJPEG - Sciences Juridiques, Politiques, Economiques et de Gestion (Lorraine)
• Partenaire(s) de recherche : Laboratoire : Bureau d'économie théorique et appliquée (Strasbourg ; 1972-....)
• Jury : Président / Présidente : Olivier Damette
• Jury : Rapporteurs / Rapporteuses : Claude Diebolt, Oksana Ryabchenko

Mots clés

Mots clés contrôlés

Cycles économiques

Cycles financiers

Afrique du Sud

Économie politique

Mots clés libres

Afrique du Sud

Economie

South Africa

Economy

Résumé

Cette thèse est consacrée à l’étude des cycles. Ces derniers sont partout autour de nous, dans la nature comme dans la société. Pour autant, on s’intéressera ici exclusivement aux cycles économiques, financiers, de la demande d’énergie et même à ceux qui caractérisent le changement climatique.Certains de ces cycles sont très réguliers et donc facilement prédictibles; d’autres, par contre, sont clairement périodiques et de ce fait, les prévisions à leur sujet sont empreintes d’une grande incertitude. Les cycles que l’on étudiera dans cette thèse relèvent de cette dernière catégorie.Le travail est structuré en six chapitres.Le premier d’entre eux définit la problématique de la thèse. Il brosse, en particulier, un panorama des trois types de fluctuations étudiées en commençant par les cycles économiques. Ceux-ci se caractérisent par leur extrême irrégularité et par leur variété: cycles courts, cycles classiques d’une périodicité variable, mais égale en moyenne à dix années, cycles longs, encore connu sous le nom de Kondratieff, cycles de croissance, d’accélération, etc. Une attention toute particulière est réservée à l’étude du cycle économique classique (classical business cycle), mesuré par la série agrégée du Produit Intérieur Brut réel d’une économie et à sa datation, autrement dit à la détermination des pics et des creux, c’est-à-dire des points de retournement dans l’activité économique.Les cycles financiers sont ceux qui affectent les marchés du même nom. D’une particulière importance sont les bourses de valeurs, qui permettent à des investisseurs d’acheter des actions de sociétés cotées. L’avantage pour ces dernières de telles transactions réside dans l’apport de capitaux neufs. Classiquement, ces marchés se subdivisent en deux compartiments : le marché primaire et le secondaire.

This study is about cycles. Various cycles are all around us in nature, society and the humans body. However, our interest is in cycles in macroeconomic evolution. Specifically, we focus on business cycles, financial cycles, energy demand cycles and even in climatic change.Some cycles are very regular and therefore easily predictable. The cycles we investigate represent a distinct challenge for research as they are irregular, that is they do not have fixed periods. In many instances studying the cycles is preferred to studying the original as this allows the following:• Data compression/reduction;• Data smoothing, noise reduction, blurring;• Analysis of cycles in many instances is more robust;• Assessing performance of an investor or trader;• Modelling of peaks and troughs;• Comparing cycles (e.g. for synchronisation analysis).In our investigations we used a wide range of techniques – from quite straightforward linear regression (including proposed double-linear or LL-model) to sophisticated hybrid models, combining multivariate regression with artificial neural networks (ANN).The following highlights are mentionable:• Introduction of the concept of axiomatic definition of persistence;• The role of the Hurst exponent in analysis of cycles;• Establishing the link between axiomatic persistence and the Hurst exponent;• New fast method for estimation of Hurst exponent;• Hierarchical optimal dating of cycles in time series;• Hierarchical estimation of time series models, including ANN estimation.For our research we used both real data related to the South African national economy and simulated data. Wolfram Mathematica was used as the principal research tool.