Inhalt

Interview

Dans un environnement caractérisé par une forte volatilité, accentuée par des tensions économiques et géopolitiques, l’évolution des taux d’intérêts continue d’influencer les marchés financiers. Quelles sont les meilleures techniques de modélisation pour anticiper les futurs mouvements des marchés ?

 

La Parole à Fariba Hashemi,
Partner, Salus Partners SA                                                       

 

Quelles sont les approches les plus efficaces pour prévoir l'évolution des taux d'intérêt et de quelle façon les investisseurs doivent-ils ajuster leurs hypothèses dans un environnement d'incertitude croissante ou d’instabilité politique ?

Anticiper l’évolution des taux d’intérêt demeure l’un des plus importants défis à relever pour naviguer dans la dynamique des taux d’intérêts. Les outils traditionnels, tels que la règle de Taylor, les indicateurs macroéconomiques et l’analyse de la courbe des taux, continuent de fournir des informations utiles. La communication des banques centrales et les indications prospectives restent également essentielles.

Bien que ces approches se soient avérées utiles au fil du temps, leur fiabilité peut diminuer dans des environnements non linéaires. Certains événements récents ont d’ailleurs révélé les limites de ces modèles traditionnels. La décision de la Banque nationale suisse (BNS) d’abaisser son taux directeur à 0 % en juin 2025 - se démarquant ainsi de ses homologues au niveau mondial - illustre comment les dynamiques locales, telles que les flux de valeurs refuges et les pressions désinflationnistes, conjuguées à l’interconnexion mondiale, peuvent l’emporter sur les cadres de prévision traditionnels.  

De plus, des taux d’intérêt durablement bas peuvent fausser les primes de risque, gonfler les prix des actifs et accentuer les inégalités financières, compliquant encore les anticipations de taux.  Conscients de ces limites, les chercheurs et les praticiens se tournent de plus en plus vers des approches modifiées.  

Pour des modèles plus robustes, les praticiens explorent des cadres modifiés, non linéaires, inspirés de la règle de Taylor, qui tiennent compte des réponses asymétriques des banques centrales. La recherche fournit également des informations essentielles.  Empruntant des concepts à la physique, les dynamiques non linéaires de contagion montrent comment les changements de sentiment des investisseurs peuvent déclencher des pics soudains de volatilité, analogues à des « transitions de phase » où un système apparemment stable peut changer brusquement dès lors que lors que la pression dépasse un seuil critique. Sur les marchés financiers, de tels points de bascule peuvent expliquer des épisodes de revalorisation rapide, tels que ceux observés par exemple dans les rendements du Trésor lors d’événements passés de surprise monétaire.

Les analogies avec la thermodynamique fournissent des éléments supplémentaires pour comprendre le comportement des marchés financiers en situation de stress. Tout comme les systèmes physiques peuvent rester dans une phase stable – comme l’eau liquide – jusqu’à ce qu’un seuil de pression soit franchi, les marchés financiers peuvent sembler stables jusqu’à ce que les pressions accumulées provoquent des changements brusques. Cela aide à expliquer pourquoi les régimes de marché peuvent changer sans signe avant-coureur apparent.

Bien qu’ils ne soient pas conçus pour prévoir directement les taux d’intérêt, ces modèles offrent des analogies utiles pour comprendre les limites des hypothèses conventionnelles.

 

Comment les variations des taux d'intérêt affectent-elles la volatilité, les corrélations ainsi que les différentes classes d'actifs, et à quels écarts, dans le contexte actuel, pouvons-nous nous attendre par rapport aux normes historiques ? 

Historiquement, les variations de taux d’intérêt ont eu des effets relativement prévisibles sur les classes d’actifs : les taux bas ont traditionnellement soutenu les marchés d’actions, tandis que les taux élevés ont eu généralement l’effet inverse. Les corrélations entre actifs ont également suivi des schémas bien connus. 

Dans l’environnement actuel, toutefois, ces liens s’estompent de plus en plus. La baisse des taux d’intérêt de la BNS en juin 2025 a notamment entraîné une baisse – et non une hausse – de l’indice boursier suisse. Les inquiétudes liées aux marges des banques et à l’importation de pressions déflationnistes ont primé sur l’augmentation typique des valorisations en lien avec les taux d’intérêt. 

Comment expliquer cette rupture avec le scénario historique ? Plusieurs facteurs contribuent à ces changements.  Les flux vers les valeurs refuges peuvent neutraliser les effets attendus de la transmission monétaire, en particulier dans les petites économies ouvertes. La persistance d’une faible inflation et le recours prolongé à une politique monétaire non conventionnelle ont affaibli les mécanismes de transmission traditionnels. En outre, les réactions du marché aux variations de taux d’intérêt sont devenues de plus en plus asymétriques : les investisseurs réagissent non seulement à l’ampleur ou à la direction d’une variation de taux, mais aussi à son contexte et aux attentes qui l’entourent.

Ces développements ont des implications importantes. Au lieu de se fier uniquement aux matrices de corrélation historiques, les investisseurs et les décideurs politiques prennent de plus en plus en compte les réactions asymétriques et les canaux de transmission non linéaires.

 

Quelles sont les meilleures techniques de modélisation pour anticiper les réactions des marchés financiers face aux variations des taux d'intérêt, et quelles sont leurs limites dans les conditions actuelles ?

Il n’existe pas de modèle universel pour prévoir les réactions des marchés financiers aux variations de taux d’intérêt. Chaque approche présente des avantages et des inconvénients distincts en fonction du contexte :

  • Les modèles macroéconomiques fournissent une structure théorique, mais deviennent souvent peu fiables en cas de chocs importants ou de changements de régime politique.
  • Les modèles de structure des taux sont utiles pour prévoir la courbe des taux dans des conditions stables, mais ils ne tiennent pas compte des changements de comportement et des réactions non linéaires qui surviennent en cas de tensions sur le marché ou de politique monétaire non conventionnelle.
  • Les modèles VAR et les études événementielles fonctionnent bien pour l’analyse des politiques à court terme, mais peinent à prendre en compte les ruptures structurelles ou l’incertitude géopolitique.
  • Les modèles d’apprentissage automatique peuvent mettre à jour des signaux subtils et non linéaires, avec toutefois un risque de surinterprétation dans des environnements volatils.

Compte tenu de ces compromis, les modèles hybrides et d’ensemble, combinant des outils issus de la macroéconomie, de la finance comportementale et des systèmes non linéaires ou basés sur des agent suscitent un intérêt croissant.  Citons notamment l’utilisation de modèles macroéconomiques pour la planification de scénarios à long terme, l’utilisation de l’apprentissage automatique pour surveiller en temps réel l‘évolution du sentiment sur différentes classes d’actifs, et l’intégration de simulations basées sur des agents, telles que celles utilisées par la Banque d’Angleterre, pour saisir les dynamiques non linéaires dans des scénarios de crise.

 

Quels sont les plus grands risques qui pèsent sur les taux d'intérêt actuels et les attentes du marché ?

L’environnement actuel est marqué par une forte incertitude, tant économique que géopolitique, avec notamment les risques suivants :

  • Surprises persistantes en matière d’inflation : alors que la désinflation est en cours dans le monde, les États-Unis pourraient être confrontés à des pressions sur les coûts dues aux droits de douane et à des tensions sur le marché du travail susceptibles de raviver l’inflation. 
  • Flux vers les valeurs sûres : l’instabilité géopolitique pourrait continuer à attirer les capitaux vers le franc suisse, intensifiant la désinflation et compliquant la politique monétaire.  
  • Vulnérabilités structurelles : la persistance de taux bas met à rude épreuve les fonds de pension, les assureurs et les marchés immobiliers, en particulier dans les économies à faible rendement.
  • Boucles de rétroaction comportementale : les fluctuations motivées par le sentiment, amplifiées par les réseaux sociaux et le trading algorithmique, peuvent entraîner une réévaluation brutale des actifs. 
  • Transitions de régime non linéaires :  des changements apparemment minimes peuvent entraîner des modifications importantes des courbes de rendement ou des corrélations entre les actifs, sans signe avant-coureur.
  • Tensions monétaires et budgétaires : la hausse des charges budgétaires pourrait contraindre les banques centrales à maintenir les taux réels à un niveau bas, ce qui pourrait compromettre leur indépendance monétaire.

Ces risques mettent en évidence non seulement l’incertitude qui entoure les inconnues déjà identifiées, mais signalent également des changements structurels plus profonds dans la manière dont les systèmes financiers absorbent et propagent les chocs. Ils soulignent l’intérêt d’une approche multidisciplinaire. Plutôt que d’abandonner les modèles établis, de nombreux décideurs les enrichissent à l’aide de nouveaux outils. Cette perspective plus globale gagne du terrain dans les milieux universitaires et parmi les professionnels des marchés financiers, et commence à influencer la réflexion au sein de certaines banques centrales. À terme, elle pourrait contribuer à façonner la prochaine génération de politiques et de stratégies d’investissement.

 

Pour en savoir plus :

 

Imprimer cet article