Les transferts de volatilité entre les prix du contrat EBM et du blé meunier au

deux marchés. On calcule d'abord les rendements spot, en prenant la différence du log du prix au temps t, et du log du prix au temps t-1. Nous faisons de même pour les rendements à terme avec le prix Fwd180

𝑟_𝑗 = log(𝑝_𝑡^𝑗) − log(𝑝_𝑡−1^𝑗 ) où j est soit le prix spot soit le prix à terme.

Figure 22 – Volatilités sur le marché à terme et marché spot pour blé meunier

Nous notons à partir de la Figure 22 que les deux volatilités suivent les mêmes variations, la volatilité au comptant ayant des fluctuations plus élevées. Cela pourrait être dû au fait que les prix à terme utilisés pour calculer les volatilités sont transformés pour se débarrasser de l'effet d'échéance alors que les prix au comptant ne le sont pas.

73

Les tests de corrélation des volatilités au comptant et à terme en utilisant la méthode de Pearson nous donnent une corrélation de 0.38.

Une analyse plus approfondie de la relation entre les deux volatilités nous conduit à tester la causalité de Granger et à modéliser les volatilités conditionnelles. Avant, les rendements sont désaisonnalisés, testés pour la saisonnalité et leur tendance a été éliminée.

ADF KPSS

rs -12.009*** 0.0602 rf -12.426*** 0.3339

Tableau 12 - Tests de stationnarité pour les rendements

Où *** dénote un niveau de significativité à 1%..

Les tests montrent que les deux rendements sont stationnaires selon le test de racine unitaire ADF, et sont stationnaires selon le test de tendance KPSS (Tableau 11).

Nous effectuons d'abord un test de causalité de Granger pour comprendre les interdépendances entre les rendements des marchés à terme et au comptant. Nous sélectionnons d'abord le nombre de retards à prendre en compte à l'aide d'un processus vectoriel autorégressif (VAR), et constatons que 6 est le nombre optimal de retards. En explorant la causalité de Granger via le test de Wald (Tableau 13), nous constatons qu'il existe une relation bi-causale significative entre les contrats à terme et les marchés au comptant, puisque les rendements au comptant provoquent les rendements à terme à la Granger et vice versa.

Hypothèse Statistique

de Wald

p-value

Les rendements spots causent les rendements à terme à la Granger

28.284 < 2.2e-16 Les rendements à terme causent les

rendements spot à la Granger

2.3512 0.0288

74

Cependant, le test de Granger ne prend pas en compte le deuxième moment autorégressif, c'est pourquoi nous analysons également la volatilité conditionnelle avec des modèles de volatilité conditionnelle multivariée.

Nous commençons avec le modèle BaqGARCH pour capturer l'asymétrie et trouver les résultats suivants avec les valeurs t entre parenthèses :

C=( −0.008 −0.006 (−) (−) 0.000 −0.003 (−) (−) ) A= ( 0.239 0.046 (−) (0.455) 0.104 0.422 (2.12) (8.979) ) B=( 0.456 −0.662 (−) (−17.843) 0.024 −0.126 (−) (−0.863) ) Γ=( 0.182 0.530 (2.275) (8.116) −0.371 −0.188 (−12.367) (−1.39) ) ^{𝑤 = 0.201} _(0.646) AIC= -13968.45

Contrairement à la conclusion de Koutmos et Booth (1995) concernant l'asymétrie de transmission de la volatilité dans un contexte boursier, nos paramètres d'asymétrie ne sont pas significatifs. En effet, le paramètre de poids w n'est pas significatif, et deux des paramètres Γ ne le sont pas non plus. Par conséquent, nous ne pouvons pas rejeter l'hypothèse nulle selon laquelle il n'y a pas d'interaction asymétrique entre les rendements au comptant et à terme. Par conséquent, sans interpréter les résultats de BaqGARCH, nous modélisons la volatilité conditionnelle avec le modèle Full BEKK, car elle est équivalente au modèle précédent sans paramètres d'asymétrie, mais aussi parce que la valeur AIC du modèle BEKK est meilleure.

Les matrices du modèle BEKK ajusté sont les suivantes, avec les valeurs t entre parenthèses :

75 C=( −0.005 −0.006 (−5.556) (−9.677) 0.000 −0.007 (−) (−8.434) ) A= ( 0.237 0.158 (5.780) (3.080) 0.081 0.402 (2.508) (11.983) ) B=( −0.569 −0.371 (−7.679) (−6.543) −0.417 −0.273 (−6.079) (−3.917) ) AIC=-13986.56

Pour toutes les matrices, la première ligne représente le marché à terme tandis que la deuxième ligne est pour le marché au comptant. De même, la première colonne est la colonne du marché à terme et la seconde est celle du marché au comptant.

Nous commençons par examiner la matrice A, plus précisément ses éléments au carré. Ils correspondent aux paramètres ARCH, ce qui signifie la réponse de la volatilité aux résidus standardisés au carré des marchés (Mohammadi et Tan, 2015). L'élément (1,1) devient 0.056 au carré, ce qui implique que la réponse de la volatilité des marchés à terme à ses propres innovations est estimée à 0.056. De même, la réponse du marché au comptant à ses propres innovations (élément carré (2,2)) est de 0.162. Les paramètres hors diagonale de la matrice A nous en disent plus sur la réponse d'un marché aux innovations de l'autre marché. Ainsi, la réponse de la volatilité du marché à terme aux chocs du marché au comptant (élément carré (2,1)) est de 0.007, et la réponse de la volatilité du marché au comptant aux chocs des marchés à terme est de 0.025.

En revanche, la matrice des paramètres GARCH (matrice B) nous renseigne sur l'effet des volatilités passées sur les volatilités. Nous obtenons que la réponse du marché à terme à sa propre volatilité passée est de 0.324, la réponse du marché au comptant à sa propre volatilité passée est de 0.074, la réponse du marché à terme à la volatilité passée du marché au comptant est de 0.174, et la réponse du La volatilité du marché au comptant sur les marchés à terme passés est de 0.138.

À la lumière de ce qui précède et étant donné que tous les paramètres sont statistiquement significatifs (ARCH et GARCH), nous concluons d'abord que les variances conditionnelles des deux marchés sont affectées par leurs propres chocs antérieurs. La réaction du marché au comptant à sa propre innovation étant plus grande. De plus, les variances conditionnelles des deux marchés affectent les chocs provenant de l'autre marché : les chocs passés du marché à terme affectent le marché spot et vice versa. Cependant, la réaction du marché au comptant aux chocs du marché à terme est 3.6 fois

76

plus importante. Deuxièmement, à partir des paramètres GARCH, nous notons que les deux marchés réagissent à leur propre volatilité, ainsi que celle de l'autre marché. Fait intéressant, le marché au comptant réagit davantage à la volatilité du marché à terme qu'à sa propre volatilité.

En d'autres termes, le marché à terme dirige le marché spot français, mais il est légèrement plus impacté par la volatilité spot. Néanmoins, il est davantage impacté par sa propre volatilité que par celle du marché spot, contrairement au marché spot, qui réagit plus fortement à la volatilité des futures qu'à la sienne.

Conclusion

Dans cette étude, nous avons examiné la relation entre les prix à terme d'EBM et le prix au comptant français du blé meunier en utilisant les mesures IS, PT et CS. Les trois mesures sont cohérentes et indiquent que le marché à terme est le véhicule de découverte des prix pour le mouvement du marché au comptant. La domination complète des marchés à terme peut se traduire par le fait que la spéculation est un facteur important dans la détermination du prix du blé, si les investisseurs financiers sont plus nombreux sur le marché à terme que les acteurs commerciaux. De plus, cette domination complète du marché à terme est plus importante en France qu’en Allemagne, où le marché à terme domine à 84% (Vollmer et Cramon-Taubadel, 2017) .

Cette conclusion est pertinente pour les producteurs agricoles qui utilisent les marchés à terme pour se couvrir contre le risque de prix, car elle implique que le marché à terme est efficace et liquide, tout en influençant fortement le marché au comptant. Et surtout, qu’ils devraient accorder plus d'attention au marché à terme lorsqu'ils décident de leurs stratégies de commercialisation. De plus, nous avons constaté qu'un choc unitaire du prix à terme entraîne une réponse rapide et positive du prix au comptant.

En revanche, en ce qui concerne les transferts de volatilité, les résultats indiquent que les innovations sur les marchés à terme affectent le marché au comptant et vice versa et que les retombées de la volatilité se produisent du marché à terme au marché au comptant et vice versa. Mais la réaction du marché à terme aux innovations et à la volatilité du marché spot est légèrement plus élevée, même s'il s'agit du premier marché en termes de découverte de prix. Par conséquent, le marché au comptant est également une source de volatilité.

77

Les distorsions créées sur les marchés à terme se répercutent sur le marché spot français, où les producteurs se retrouvent avec un risque supplémentaire transféré via les marchés spot et futures. Mais en fonction des acteurs présents sur le marché à terme, les implications peuvent être différentes pour les céréaliers sur le marché physique. Si la proportion de hedgers sur le marché à terme est plus importante que celle de spéculateurs, alors les prix reflèteraient les fondamentaux d’offre et de demande. A l’inverse, il faudrait encourager les producteurs de blé français et européens à utiliser les marchés à terme peut contribuer à augmenter le nombre de couvertures par rapport aux spéculateurs, afin de stabiliser les prix. C’est pourquoi nous examinons dans la deuxième partie de la thèse, la faisabilité de la couverture à travers Euronext. Plus précisément, nous étudions dans le chapitre suivant quels sont les acteurs présents sur le marché à terme ?

78

Conclusion de la première partie

Cette première partie vise à introduire les marchés et les instruments financiers pour le blé meunier que nous analysons tout au long de la thèse.

Le marché à terme Euronext est l’un des plus grands marchés européens, et permet aux céréaliers et aux industriels de couvrir leurs positions du marché physique. Les volumes échangés sur le contrat à terme EBM sont importants et ne cessent d’augmenter, faisant de lui un contrat liquide. Les options OBM sont cependant moins échangées que les contrats à terme.

De plus, les prix du contrat EBM sont très similaires aux prix du blé sur différents marchés physiques français. Nous analysons donc la relation entre le prix EBM et le prix sur le marché au comptant de Rouen sur la période comprise entre 2001 et 2018.

Le premier résultat est que les deux marchés sont liés sur les longs et courts termes. De plus, le transfert d’information entre les deux prix a lieu du marché à terme au marché financier. Ainsi, le marché financier Euronext domine la découverte des prix à 94%. Ceci veut dire que 94% de l’information qui est utilisée pour former les prix sur le marché au comptant de Rouen provient du marché à terme Euronext. Cette domination du marché à terme est plus importante qu’en Allemagne (le seul autre pays européen pour lequel la découverte des prix a été estimée), où la découverte des prix a lieu à 84% sur le marché à terme (Vollmer et Cramon-Taubadel, 2017). Ce résultat de dominance du marché à terme Euronext n’est pas surprenant, mais son ampleur reste intéressante.

D’un autre côté, en étudiant les transferts de volatilité entre les deux marchés, nous obtenons que les prix du marché physique sont plus déstabilisés par les chocs provenant du marché financier.

Nous nous demandons à présent qu’est-ce que ce résultat implique pour les céréaliers ? Comme c’est le marché à terme qui fixe les prix du blé, est-ce que le fait que la découverte des prix ait majoritairement lieu sur le marché à terme désavantage les producteurs de blé ?

Pour répondre à cette question, nous analysons les acteurs présents sur le marché à terme, à savoir les détenteurs des contrats à terme. En effet, si les spéculateurs sont plus nombreux que les hedgers, le prix du contrat EBM et donc le prix du blé au comptant ne

79

reflèteraient pas correctement les fondamentaux d’offre et de demande du marché français.

81

Partie 2 : La mise en