L’Incertitude dans la Littérature de l’Investissement

La littérature sur la relation entre l’incertitude et l’investissement est relativement étendue et pourrait être décomposée en deux catégories : l’incertitude microéconomique basée sur les chocs idiosyncrasiques spécifiques à la firme, que nous ne développerons pas dans le cas de cette revue et l’incertitude macroéconomique.

Par rapport à cette dernière considération, Pindyck (1986), dans une approche originale montre qu’il existe une corrélation négative entre la variance des rendements retardés du marché boursier et l’investissement aux USA. Le problème avec une telle approche est d’abord une information insuffisante de l’indicateur d’incertitude. En effet, si les rendements retardés du marché boursier peuvent donner des informations au sujet de l’incertitude

46_{Une chaîne de Markov est un processus stochastique possédant la propriété markovienne. Dans un tel}

processus, la prédiction du futur à partir du présent ne nécessite pas la connaissance du passé. Une chaîne de Markov en temps discret est une séquence X1, X2, X3, ... de variables aléatoires. L’ensemble de leurs valeurs possibles est appelé l’espace d’états, la valeur Xnétant l’état du processus au moment n.

sur le cash flow, ils n’en donnent pas beaucoup quant à l’incertitude sur les futurs chocs économiques et les changements de politique. De plus, le choix de la volatilité dans les rendements des actifs peut être inadapté comme variable proxy parce que les travaux dans la littérature de la finance, tels que ceux de Shiller (1989), suggèrent que la volatilité des rendements du marché boursier peuvent être conduits par des bulles spéculatives plutôt que par les mouvements des fondamentaux.

Certains travaux au niveau agrégé, suivant l’étude de Pindyck (1986), ont évité l’utilisa- tion de la volatilité de l’indice du marché boursier comme proxy d’incertitude, préférant incorporer une mesure de volatilité macroéconomique pour exprimer l’incertitude sur la rentabilité de l’investissement. Ces mesures de volatilité sont des variances de modèles de moyennes mobiles retardées de prix agrégé d’output ou d’indice de taux de change. Dans la majorité des études ceux-ci, sont dérivés des prédictions d’une certaine forme de repré- sentation univariée de série temporelle. Par exemple, Goldberg (1993), Campa (1993) et Campa et Goldberg (1995) effectuent une estimation d’un modèle autorégressif de moyenne mobile (ARMA) pour taux de changes, en construisant un proxy d’incertitude à partir du modèle de résidus. Cependant, cette mesure d’incertitude était non significative pour l’in- vestissement agrégé.

Driver et Moreton (1991 et 1992) adoptent une approche semblable en utilisant des données britanniques et constatent qu’aussi bien la variance de l’output que celle de l’inflation ont des coefficients négatifs et significatifs pour la période allant de 1978 à 1987. Quand la variance de l’output double, cela a pour conséquence de baisser l’investissement à court terme de 8 pour cent, et quand la variance de l’inflation double l’investissement à court terme baisse de 5 pour cent.

Quant à Ghosal et Loungani (1996) et Henley et al. (2003), ils examinent l’effet de l’incer- titude de prix à la production sur l’investissement au niveau de l’industrie. Ils trouvent un impact négatif de l’incertitude des prix sur l’investissement. Leurs résultats montrent aussi que l’importance de l’effet de l’incertitude dépend du degré de concurrence. Pour Ghosal et Loungani (1996) ces effets sont significatifs seulement dans des industries concurren- tielles tandis que pour Henley et al. (2003) l’effet est plus significatif dans des industries concentrées.

pour mesurer l’incertitude sur le profit par l’écart type des résidus d’une équation de prévision du profit au niveau de l’industrie. Ils trouvent que l’incertitude sur le profit réduit l’investissement de l’industrie.

Quelques auteurs effectuent aussi bien une analyse agrégée que désagrégée en utilisant la même méthodologie pour construire un proxy d’incertitude. Par exemple, Goldberg (1993) étudie l’impact de la volatilité du taux de change sur les agrégats d’investissement trimestriels aux Etats-Unis au cours de la période allant de 1970 à 1990. Il ne trouve aucun effet global de la volatilité du taux de change sur l’investissement global, bien qu’un impact positif faiblement significatif (à 10 pour cent) soit trouvé pour les biens manufacturés. Campa et Goldberg (1995), en utilisant la même source de données que Goldberg (1993) mais avec une méthode d’estimation différente, trouvent les mêmes résultats. Campa (1993) quant à lui, utilise la volatilité du taux de change, pour examiner son impact sur l’entrée d’investissement direct étranger aux USA, et ne trouve aucun effet négatif sur les dépenses d’investissement, en particulier pour les investisseurs japonais.

Dans ces nombreuses études sur l’incertitude, d’autres effets tels que la non linéarité et la durée ont souvent été abordées. En effet, Price (1996) prolongeant sa première étude sur l’investissement agrégé en Grande Bretagne part de l’hypothèse que pendant les périodes de grande incertitude, la vitesse à laquelle les firmes s’ajustent par rapport à leur niveau d’équilibre désiré d’investissement sera plus lente, et peut dépendre de la position du niveau d’incertitude par rapport à un certain seuil critique.

Quant à l’approche de modélisation de la durée, elle est prise dans le contexte d’une forme très spécifique d’investissement, à savoir la production de pétrole offshore. Dans deux ar- ticles très semblables, Favero et al. (1994) et Hurn et Wright (1994) exploitent des in- formations longitudinales sur la durée entre la découverte d’un gisement de pétrole et l’investissement dans la production en Mer du Nord et incorporent dans leurs modèles un proxy d’incertitude économique. La découverte d’un gisement de pétrole est considérée comme une option à investir et l’investissement dans la production comme un engagement irréversible. La question est alors de savoir si le retard de développement, c’est-à-dire la durée entre la découverte et la production est liée à l’incertitude sur le prix réel du pé- trole. Pour approximer l’incertitude, une mesure de la volatilité du prix du pétrole après impôt est incluse comme variable explicative dans le modèle. Leurs résultats montrent que

la relation entre la volatilité des prix et le retard de développement est non linéaire. Si le prix du pétrole prévu est bas, alors la volatilité croissante des prix réduit le retard de développement, mais si le prix du pétrole prévu est élevé, alors la volatilité croissante des prix augmente la longueur du retard. Cela suggère qu’à des niveaux de prix du pétrole élevés, une plus grande incertitude augmente la tendance pour les compagnies pétrolières à exercer l’option de retarder le développement de gisements de pétrole, mais à des niveaux de prix attendus plus bas, l’effet positif de l’incertitude sur la valeur marginale du capital domine l’effet d’option.

Cependant, ces résultats ne sont pas robustes à différentes caractéristiques de la fonction de hasard, ni entre les deux modèles différents de formation des espérances de prix. De plus, aucune des caractéristiques physiques du gisement de pétrole, ni de la taille de l’entreprise ne semble être importante dans la détermination du retard de développement.