Taux d`intérêt des crédits bancaires

Taux d’intérêt des crédits bancaires :
une analyse en termes de spreads sur données françaises de 1993 à
20041
Décembre 2005
Michel Boutillier2, Rafal Kierzenkowski3, Philippe Rousseaux4
Résumé
En retranchant aux taux des crédits bancaires sur contrats nouveaux les taux
des emprunts d’Etat de maturité équivalente, nous neutralisons la prime de
terme à la manière des études portant sur les credit spreads. Ceci autorise une
analyse des déterminants macroéconomiques des spreads de taux sur crédits
bancaires qui est assimilable dans certains de ses aspects à l’analyse d’un
modèle de portefeuille. L’étude porte sur les trois compartiments du marché du
crédit bancaire (crédit à la consommation, crédit à l’habitat et crédit aux
entreprises), ventilés par période de fixation initiale de taux (PFIT), soit onze
séries de taux distinctes concernant des agents et des objets différents,
disponibles sur la période 1992T1 – 2004T4. De façon générale, les résultats
obtenus mettent en évidence des disparités parfois importantes à l’intérieur
même des trois compartiments du marché ainsi considérés, suggérant une
répartition variable des risques de taux et de défaut selon la PFIT considérée.
Ainsi, sur le marché des crédits aux entreprises, la maturité des crédits et le
caractère révisable du taux constituent des variables d’ajustement permettant
aux banques de segmenter leur clientèle, de sorte que la PFIT fournit une
appréciation sur le degré de risque des emprunteurs. Sur le marché du crédit à
l’immobilier, nos estimations semblent attester du fait que les banques se
livrent à une concurrence d’autant plus intense que la maturité des crédits est
élevée.
1
Les auteurs remercient leurs collègues de la DESM (Banque de France) pour leur soutien multiforme et notamment
Renaud Lacroix, pour sa grande patience. Ils remercient aussi Gaëlle Le Fol pour ses critiques précises sur des
versions successives mais ils demeurent seuls responsables de toute erreur qui subsisterait. Enfin ce document reflète
les idées personnelles des auteurs et n'expriment pas nécessairement la position de la Banque de France.
2
EconomiX, Université Paris X-Nanterre, et Banque de France
3
LASER-LAEC, Université Montpellier 1, et Banque de France
4
Banque de France et EconomiX, Université Paris X-Nanterre (correspondant : [email protected])
1
1. Introduction
L’analyse des comportements bancaires en termes de fixation des taux des crédits et, plus
généralement, en termes de comportement de marge fait traditionnellement l’objet de deux pistes
d’analyse empirique qui nous paraissent complémentaires. Le premier pan de la littérature cherche
à mesurer l’ampleur et la vitesse de diffusion des inflexions de la politique monétaire aux taux
bancaires. Le deuxième étudie, en articulant bilans et comptes de résultat, les déterminants de la
profitabilité bancaire via les marges implicites sur taux d’intérêt (net interest margins5).
Nous testons ici une troisième piste qui cherche à expliquer la dynamique des spreads de
taux, obtenus en retranchant aux taux des crédits des taux zéro-coupon, sur emprunts d’Etat, de
maturité équivalente. Nous neutralisons ainsi la prime de terme, dans la lignée des travaux
concernant les credit spreads. Une telle spécification permet d’isoler les phénomènes spécifiques
au marché du crédit, impactant les facteurs de demande et d’offre, parmi lesquels on distingue les
déterminants des revenus bancaires, en termes de primes de risque notamment. Ces primes
viennent s’ajouter au taux de marché sans risque, vu comme un taux plancher pour l’affectation de
ressources à un horizon désiré, pour constituer le taux bancaire. Ce faisant, nous n’introduisons
aucune liaison avec le passif bancaire, notamment avec le coût marginal des ressources souvent
assimilé au taux du marché interbancaire. A la différence des études portant sur les marges
implicites de taux d’intérêt, qui modélisent un profit moyen toutes activités de crédit confondues,
notre étude distingue onze séries de taux sur contrats nouveaux grâce à des données originales
collectées depuis peu par la Banque de France (et le SEBC) auprès des IFM ; elle se veut une
analyse des profits réalisés à la « marge » sur trois compartiments du marché du crédit distingués
par objet (crédit à la consommation, crédit à l’habitat et crédit aux entreprises), ce clivage en trois
compartiments se superposant à une ventilation par période de fixation initiale de taux et
produisant alors onze segments a priori distincts.
Notre démarche vise, à partir de séries originales de taux d’intérêt débiteurs, d’indicateurs
macroéconomiques usuels et d’un modèle générique, à modéliser les spreads de taux pour en
déduire des comportements communs aux agents économiques opérant sur les différents segments
5
« the spread between a bank’s interest earnings and expenses as a percent of interest earning assets » (Saunders et
Schumacher, 2000).
2
considérés. Nos résultats empiriques permettent d’établir que des crédits correspondant au
financement d’un même objet économique et ne différant a priori que par la période de fixation
initiale de taux constituent des segments de marché apparemment distincts sans pour autant être
déconnectés. Nous verrons ainsi que la durée du crédit et le caractère fixe ou variable du taux
d’intérêt représenteraient des variables d’ajustement supplémentaires sur le marché du crédit,
confirmant que l’apurement de ce dernier, en présence d’asymétries informationnelles, ne dépend
pas des seules variations de prix et/ou de quantités. Au cours de l’exercice d’estimation, nous
chercherons à scinder les spreads de taux bancaires en plusieurs composantes mesurant :
-
le degré de concurrence prévalant sur le segment concerné du marché du crédit,
-
l’existence de contrats d’assurance contre les variations des taux de marché,
-
le coût du risque de défaut,
-
l’aversion au risque des établissements de crédit,
-
le coût de la transformation bancaire,
-
l’incertitude sur le coût de refinancement et sur l’état futur de l’économie,
-
de même que les déplacements possibles de la fonction de demande ainsi que de
nouvelles politiques d’offre.
En définitive, s’il sera possible de représenter le système bancaire comme une somme de
marchés homogènes et distincts, la valeur de certains paramètres impose une plus grande
circonspection. En effet, les résultats obtenus laissent entrevoir la possibilité d’une
interdépendance entre les diverses activités de crédit ou bien entre ces dernières et d’autres
activités bancaires, ouvrant la voie à une investigation sur l’existence de subventions croisées.
Notre démarche est la suivante. En section 2, nous légitimerons grâce à une revue de
littérature l’intérêt d’une approche en termes de spreads de taux et nous procèderons à une analyse
descriptive des profils issus des données originales produites à la Banque de France (DESMSASM) depuis peu et n’ayant jamais fait l’objet d’une étude exhaustive jusqu’ici. Cette analyse
fournit les premiers éléments d’interprétation du fonctionnement effectif du marché du crédit
français. Ce dernier fera l’objet d’une étude économétrique en section 3, où nous discuterons des
choix ayant présidé à la construction d’un modèle économétrique puis des résultats de l’estimation
de ce modèle à l’aune de la littérature empirique. La section 4 conclura.
3
2. Fondements théoriques et analyse descriptive des spreads de taux
2.1. Fondements théoriques
Une riche littérature est consacrée à l’étude du comportement des banques et à leur rôle
dans la propagation des impulsions de la politique monétaire, notamment via le canal du crédit.
Une des pierres angulaires de ce cadre analytique consiste en l’examen des taux d’intérêt
débiteurs. Ces derniers font l’objet d’une grande attention de la part des autorités tant pour des
raisons tenant au coût du crédit supporté par les agents non financiers que pour des raisons
prudentielles. En effet, les taux des crédits influencent les marges bancaires, la profitabilité des
établissements de crédit et par là-même la stabilité financière. Ainsi, taux d’intérêt et marges
constituent des indicateurs complémentaires comme chez Boutillier et Dérangère (1992). Avant de
mener notre propre étude sur les taux d’intérêt débiteurs, nous allons montrer comment
l’élimination de la prime de terme s’impose d’elle-même et comment elle nous oriente vers une
analyse en termes de spreads de taux. Il apparaîtra en outre que la comparaison des dynamiques du
taux débiteur bancaire et du taux de l’actif sans risque ne se réduit pas à la seule perception d’une
prime de risque de défaut.
Les études dévolues à la mesure de la vitesse de propagation des chocs de politique
monétaire aux taux débiteurs bancaires mettent l’accent sur l’imperfection de la transmission à
long terme et sur la viscosité des taux à court terme. En raison de la nature linéaire des modèles
économétriques, la plupart des travaux recensés ne sont pas en mesure de distinguer les
déterminants de la viscosité à long terme mise en évidence. Seules quelques études comme celles
de Hofmann et Mizen (2004) ou Sander et Kleimeier (2004), via la mise en œuvre de modèles non
linéaires et asymétriques, nécessitant au demeurant une information abondante, parviennent à
départager les théories concurrentes recensées par Lowe et Rohling (1992). Cependant, De Bondt
(2002), De Bondt, Mojon et Valla (2003) montrent que la viscosité de long terme tant mise en
exergue dépend fortement du taux jugé comme étant la cible des établissements de crédit. Mojon
(2001), Angeloni et Ehrmann (2003) et Hofmann (2003) contournent le problème en posant a
priori une élasticité unitaire à long terme ; cette hypothèse a une influence sur les résultats de
l’équation de court terme de laquelle dérivent leurs conclusions. Puisque la cible, assimilée au coût
marginal de la ressource, est sujette aux modifications structurelles, comme l’adoption de l’euro,
4
Angeloni et Ehrmann (2003) postulent une rupture comportementale en janvier 1999. Néanmoins,
Sander et Kleimeier (2004) ont montré, via la mise en oeuvre de tests statistiques, qu’aucun
changement structurel n’est détecté si l’on remplace, dans l’équation de long terme, le taux court
par un taux de maturité comparable. Toutes ces analyses menées sur séries temporelles agrégées
relèvent d’une vision « mécaniste » et n’explicitent pas le rôle joué par le système bancaire qui,
conformément à la théorie du canal de la monnaie, est assimilé à une simple courroie de
transmission. Or, la vitesse d’ajustement des taux bancaires à une variation des taux de marché a
de fortes chances de dépendre de la santé financière des banques et de leur perception des risques.
Une telle observation justifie les études en panels expliquant les différents degrés de transmission
par des caractéristiques microéconomiques (Weth, 2002 ; Gambacorta, 2004), d’autant que les
résultats sont généralement entachés d’un biais d’agrégation (De Graeve, De Jonghe et Vennet,
2004).
Au total, cette approche dite « de transmission », dans son application à l’étude de la
dynamique des taux débiteurs bancaires, pose le problème de la prime de terme : le taux de
référence est souvent arbitraire puisqu’aucune information sur la durée moyenne des crédits ne
semble être disponible ou divulguée. Or, pourvu qu’ils soient rapportés à un taux de maturité
équivalente (hypothèse implicite d’une élasticité unitaire de long terme), les taux des crédits
véhiculent des informations sur le fonctionnement du marché, notamment en termes d’offre. Les
comportements bancaires sous-jacents découlent de la confrontation à plusieurs classes de risque
mentionnées par Freixas et Rochet (1999) : les risques de défaut, qu’ils soient microéconomiques
(ou idiosyncratiques, par nature diversifiables) ou macroéconomiques (ou systématiques), mais
aussi les risques de liquidité et de marché.
Dans la version initiale du « modèle du courtier » (Ho et Saunders, 1981), la banque est
vue comme un courtier faisant face à un risque de taux lié au caractère désynchronisé des flux de
dépôts et de crédits, de même maturité, qu’elle tente de mettre en adéquation. En effet, dans son
rôle de gestion de la liquidité du marché des fonds prêtables, la banque encourt le risque de
prendre des positions trop courtes ou trop longues. Ainsi, en fixant les taux débiteurs et créditeurs
et donc ses marges nettes (net interest margins, NIM), elle cherche à immuniser son portefeuille
contre les fluctuations des taux de marché. Ho et Saunders définissent alors la « marge pure »
comme la marge découlant de la seule incertitude sur la position nette des banques. Cette marge,
5
assimilable aux bid-ask spreads, serait fonction du degré de concurrence sur les divers marchés
bancaires, du volume des transactions, de l’aversion au risque et de la volatilité des taux de
marché.
Dans ses deux principales extensions, le modèle de courtier se trouve enrichi d’une
approche de portefeuille et de l’adjonction d’un risque de défaut. D’une part, en considérant
simultanément plusieurs catégories de crédits, Allen (1988) propose une extension visant à
mesurer les effets d’une interdépendance entre différents produits sur l’exposition au risque de
taux, donc sur la marge globale des banques. Ce modèle peut justifier, à partir de l’existence d’une
catégorie d’emprunteurs cherchant à se signaler en contractant un crédit à taux révisable, qu’on
aboutisse à des marges plus faibles sur ce segment de marché. D’autre part, Angbazo (1997)
complète le modèle du courtier en intégrant un risque de défaut exogène sur les crédits, lequel
entre en interaction avec le risque de taux. Angbazo nous met cependant en garde contre des
interprétations erronées des NIM puisque ces dernières ne comportent pas que les marges d’intérêt
mais incluent également les commissions. De même, selon ce chercheur, le dealership model se
révèle dans l’incapacité d’expliquer que certaines banques soient plus agressives que d’autres en
matière de prise de risque. Au final, si les banques sont en mesure de diminuer leur exposition au
risque de taux − et par conséquent leurs marges − en segmentant efficacement leur marché, le
modèle de courtier, même dans ses versions étendues, ne discute pas du risque de défaut sur lequel
les banques sont supposées ne pas avoir de prise.
Le risque de crédit n’étant pas complètement diversifiable, une prime de risque doit être
introduite par les banques, en phase avec celles prévalant sur les marchés financiers. C’est ainsi
que Freixas et Rochet (1999), dans leur taxonomie des approches du risque de crédit, incorporent
les modèles d’option dérivés de Black et Scholes (1973) et Merton (1974). L’établissement de
crédit est assimilé à un investisseur obligataire désirant s’engager sur des titres risqués : le prix de
l’obligation risquée est égal à celui d’une obligation sans risque diminué de la valeur d’un put.
Dans la version initiale du modèle, les spreads de crédit sont une fonction croissante du ratio
dette/fonds propres, de la volatilité du prix des actifs et de la maturité de la dette. L’approche
présente l’avantage d’introduire un lien direct entre le marché boursier et les spreads de crédit sous
l’hypothèse forte que le cours des actions reflète bien la valeur des firmes, quoique ce lien soit
susceptible de se distendre en cas de bulle spéculative (Lubochinsky, 2002). Ainsi, la plupart des
6
modèles issus de cette lignée ont du mal à rendre compte de l’existence d’un risque de liquidité, à
l’origine de leur manque de cohérence externe. Le paradoxe réside dans l’observation de spreads
non négligeables pour des titres de faible maturité résiduelle et dans le constat d’un niveau parfois
très élevé des spreads correspondant à des signatures de qualité médiocre.
En période de crise financière, le flight to quality est tout autant un flight to liquidity. Aussi,
quelques précautions doivent être prises avant d’assimiler spread de taux et prime de risque de
défaut. Ainsi, Krainer (2004) observe, dans le cas des Etats-Unis, la primauté de la liquidité des
marchés dans l’explication de la dynamique et du niveau des spreads, la composante « risque de
défaut » mesurée ne dépasserait pas la moitié du spread. Ce fait est entre autres corroboré par
Longstaff et Schwartz (1995) qui, ayant proposé une extension du modèle de Merton pour y
inclure une corrélation entre risque de défaut et taux d’intérêt, montrent qu’il existe une relation
complexe entre la qualité d’une signature et la structure par terme des spreads. Si la réciproque est
vraie, on devrait alors pouvoir inférer sur la qualité de la signature à partir de l’observation de la
structure par terme des spreads. De plus, la notation de l’émetteur n’est pas un critère suffisant
pour évaluer le risque intrinsèque de ce dernier. Le secteur d’appartenance est un autre critère
décisif puisqu’il détermine la sensibilité aux variations de taux d’intérêt.
Des arguments précédents, nous tirons une approche synthétique consistant à calculer les
spreads de taux bancaires par différence entre les taux des crédits et les taux des titres publics
d’échéance comparable. A l’instar de certains travaux sur la transmission de la politique monétaire
(Mojon, 2001, Hofmann, 2003), notre approche équivaut à figer l’élasticité de long terme du taux
débiteur bancaire au taux de marché, la contraignant à être unitaire.6 Certes, elle peut être
« contaminée » par une erreur dans le choix du taux de référence ou par la présence d’une
élasticité non unitaire à long terme mais nous évacuons ainsi les problèmes de transmission le long
de la courbe des taux et réduisons le risque de voir apparaître une rupture dans le modèle. Par
ailleurs, dans l’analyse en séries temporelles, notre approche facilite l’introduction des variables
macroéconomiques et d’environnement bancaire, en réduisant le risque d’interaction avec les taux
de marché. En outre, elle s’oppose à celle des NIM car elle autorise une distinction entre les
différents segments du marché du crédit. Ceci ne l’empêche pas de mesurer les effets des
6
Ceci pourrait conduire à considérer le spread comme le résidu stationnaire d’une relation de long terme mais cette
hypothèse est démentie par nos propres résultats.
7
modifications de l’environnement économique et financier, non seulement sur le comportement
marginal de tarification de la firme bancaire mais également sur les ajustements de portefeuille
consécutifs à ces chocs. Elle se distingue enfin de l’approche des NIM par le fait qu’elle néglige,
dans une certaine mesure, le passif bancaire.
Conformément aux études empiriques portant sur les credit spreads (voir par exemple
Gauthier et Lardic, 2003, Spreads and Credits Stratégie, 2004), le taux de maturité équivalente
constitue un seuil plancher pour l’investissement des fonds. Le spread obtenu est alors la
rémunération du risque d’investissement, à la différence près que la banque, dans son rôle de
gérant de portefeuille, est en mesure de compenser les risques idiosyncratiques par diversification.
L’accent est donc mis sur les choix de portefeuille des banques, censées arbitrer entre des actifs
sans risque (les emprunts d’Etat) et des actifs risqués (les crédits). Néanmoins, la seule prise en
compte des risques de taux et de défaut s’avère insuffisante. La nature même de l’activité bancaire
nous contraint à inclure les effets d’une modification de la politique d’offre et à envisager
l’existence d’économies d’échelle propres à l’activité de crédit. De même une possible mesure de
la transformation bancaire et de son impact sur le processus d’affectation des ressources n’est pas
à exclure. En effet, si à l’instar du modèle de Klein (1971) et des résultats de Winker (1999) sur
l’Allemagne, nous posons l’hypothèse de séparabilité des bilans bancaires, le risque lié à la
transformation d’échéances est susceptible de resurgir, tant cette transformation constitue un des
traits distinctifs fondamentaux de l’activité bancaire. Enfin, notre approche rejoint l’analyse
comparative des spreads de taux entre pays récemment proposée par le WGMBS sur la base des
statistiques de taux d’intérêt collectées auprès des Institutions Financières Monétaires7. Nous nous
en distinguons par le fait que les spreads de taux y sont calculés en référence aux bandes de
période de fixation initiale de taux (PFIT) alors que nous choisissons de nous focaliser sur les
maturités sous-jacentes. Comme expliqué ci-après, assimiler PFIT et maturité des crédits constitue
une source potentielle d’erreurs d’interprétation.
7
« MFI Interest Rate Statistics (MIR) : Study on cross country differentials », Working Group on Money and Banking
Statistics, Septembre 2004.
8
2.2. Construction et analyse descriptive des spreads de taux
Après une présentation succincte des choix méthodologiques ayant présidé à la
construction des spreads, nous effectuons une analyse descriptive des séries chronologiques
obtenues à partir des séries originales de taux débiteurs collectées par la Banque de France auprès
des IFM. Cette analyse légitime l’approche retenue dans la sous-section 2.1 et fournit les premiers
éléments d’interprétation nécessaires à l’élaboration d’un diagnostic plus fin, par confrontation à
un modèle économétrique dont les variables explicatives seront présentées dans la section 3.
2.2.1. Construction des séries de spreads de taux
Au sein des statistiques MIR dont la collecte par l’ensemble des banques centrales
composant le SEBC a débuté en janvier 2003, nous disposons de séries de taux sur nouveaux
contrats de crédit, distinguées par agent, par objet et par période de fixation initiale de taux (PFIT).
Dans le cas de la France, ces séries macroéconomiques ont été rétropolées à partir des données de
l’enquête coût du crédit (ECC), en conformité avec la nomenclature des statistiques MIR8. Le
raccord s’effectue sur la période commune aux deux enquêtes, l’année 2003, et conduit à disposer
de séries trimestrielles sur la période 1992T1-2004T4 (cf. figures de l’annexe A).
L’ECC recense des opérations de crédit au niveau individuel (lignes de crédit) tandis que
les statistiques MIR sont construites par agrégation de relevés opérés au niveau de chaque banque.
De plus, la constitution des séries agrégées n’obéit pas exactement à la même logique puisque les
données issues de l’ECC sont pondérées par les encours alors que les données MIR le sont par les
flux. Enfin, l’ECC ne permet pas seulement la rétropolation des données MIR car elle délivre en
plus de précieuses informations quant à la part des crédits à l’habitat subventionnés, la maturité
des crédits ou encore les index de référence.
Dans un premier temps, nous excluons des crédits à l’immobilier les crédits accordés à des
taux réglementés (associés aux plans d’épargne logement, PEL) sur lesquels les banques ont peu
8
Voir note interne sur la rétropolation des séries de taux sur nouveaux contrats de crédit pour plus de précisions (P.
Rousseaux, 2006).
9
de prise. En effet, la part de ces crédits PEL au sein des opérations est décroissante sur la période,
avec une forte chute en 1998. Aussi, les spreads de taux sur l’ensemble des crédits à l’immobilier,
PEL inclus, suivent une pente croissante, risquant ainsi de biaiser les résultats. Par conséquent, les
taux des crédits à l’immobilier retenus ici sont « purgés du phénomène PEL ».
Dans un deuxième temps, nous nous employons à neutraliser la prime de terme en
rapprochant les taux de crédit des taux de marché de maturité équivalente sélectionnés à partir des
durées moyennes des crédits9 calculées en recourant à l’ECC ; toutes ces séries sont représentées
par les graphiques de l’annexe A. Nous en déduisons par simple différence les spreads de taux.
Plus précisément, les taux de marché sont des taux zéro-coupon sur titres publics10. Cette
démarche nous impose de revenir sur le concept de PFIT qui peut s’avérer pernicieux. En effet,
l’intérêt du concept de PFIT est de distinguer les crédits en fonction de la fréquence de révision du
taux d’intérêt. Or, le tableau 1 met en évidence la possibilité d’une forte divergence entre la PFIT
et la maturité du crédit, notamment pour les crédits de PFIT inférieure ou égale à 1 an qui, dans la
plupart des cas (crédits accordés aux ménages au titre des achats de logements et crédits aux
sociétés non financières), se révèlent être des crédits à taux variable.
Tableau 1 :
Taux de marché d’échéance comparable aux taux débiteurs bancaires
Ménages
Sociétés non financières
Consommation
Pfit =< 1 an
1 an < Pfit =< 5 ans
Pfit > 5 ans
Durée
moyenne des
crédits
1 an et 4 mois
3 ans et 8 mois
6 ans et 7 mois
Taux de
marché retenu
Habitat
Pfit =< 1 an
1 an < Pfit =< 5 ans
5 ans < Pfit =< 10 ans
Pfit > 10 ans
10 ans
3 ans et 11 mois
8 ans et 10 mois
15 ans et 6 mois
10 ans
4 ans
10 ans
15 ans
Montants =< 1 million
d’euros
Pfit =< 1 an
1 an < Pfit =< 5 ans
Pfit > 5 ans
4 ans et 4 mois
4 ans
8 ans et 8 mois
5 ans
5 ans
10 ans
1 million < Montants
=< 4 millions d’euros
Pfit =< 1 an
5 ans et 4 mois
5 ans
1 an
4 ans
7 ans
Source : DCONJ
Calculs : DESM-SASM
9
Une approche alternative consisterait à retenir la duration des crédits.
Les taux de marché ainsi obtenus ne sont pas très différents des taux de marché relevés pour des titres avec coupon.
10
10
Pour ces derniers, ni la durée indiquée par la PFIT, ni le taux de marché d’échéance
comparable ne correspondent véritablement au taux d’indexation des crédits. Bien que cette
information soit rendue disponible par l’ECC, l’index de référence est souvent un taux mixte −
dont le mode de calcul est difficile à retracer dans le temps − à moins qu’il ne s’agisse du taux de
base bancaire. Ainsi, dans le cas des crédits à taux variable, assimiler PFIT et maturité du crédit
équivaut soit à supposer que les crédits sont indexés sur un taux court, soit à affirmer que les
banques transfèrent le risque de taux vers les emprunteurs. Une telle assertion nous paraît d’autant
plus incorrecte que les hausses de taux sont souvent plafonnées (crédits à taux « capés »). Le
risque majeur est d’occulter la politique d’investissement des banques puisque ces dernières
s’engagent pour une durée correspondant à la maturité du crédit et non à la maturité correspondant
à la PFIT ou à l’index de référence. Dès lors, nous optons pour un taux de maturité identique à la
durée du crédit même dans le cas où les crédits sont consentis à taux variable.
2.2.2. Analyse descriptive
L’examen global des séries de spreads calculées atteste du caractère éminemment cyclique
de ces derniers (cf. figure 1 ci-dessous) – certes moins marqué pour les crédits à la consommation
– avec une périodicité relativement régulière de 2 à 3 années. Après avoir atteint leur point
culminant en début d’échantillon, la plupart des spreads suivent une tendance à la baisse, du moins
jusqu’en 2000. Plus précisément, l’analyse de l’évolution des spreads de taux par catégorie de
crédits et l’analyse des statistiques descriptives des tableaux 1 et 2 de l’annexe A conduit à
formuler plusieurs diagnostics.
Les spreads sur les crédits accordés aux ménages sont plus élevés pour les crédits à la
consommation que pour les crédits à l’habitat. Ces écarts peuvent s’expliquer par la garantie
apportée au moment de la signature du contrat. Celle-ci peut être plus importante lorsqu’il s’agit
d’un crédit à l’habitat, en particulier si la banque exige du débiteur l’hypothèque du bien
immobilier à acquérir. Par ailleurs, le spread moyen pour les crédits à l'immobilier décroît avec la
durée moyenne des crédits sous-jacents, soit avec l’horizon de placement des banques (cf. tableau
2, annexe A) alors que la structure par terme des crédits à la consommation présente un profil « en
cloche » conformément à la nature plus risquée de ces derniers. L’analyse des séries
11
chronologiques semble indiquer une convergence des spreads de taux à la consommation, en fin de
période.
Figure 1 : Spreads
entre taux des crédits et taux de marché de maturité équivalente
(données trimestrielles, en %)
Crédits à la consommation
8
Crédits à l’habitat
5
7
4
6
3
5
2
4
1
3
2
0
1
-1
jan jan jan jan jan jan jan jan jan jan jan jan jan
v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.92 93 94 95 96 97 98 99 00 01 02 03 04
pfit < 1 an
1 an < pfit < 5 ans
pfit > 5 ans
jan jan jan jan jan jan jan jan jan jan jan jan jan
v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.92 93 94 95 96 97 98 99 00 01 02 03 04
pfit < 1 an
5 ans < pfit < 10 ans
1 an < pfit < 5 ans
pfit > 10 ans
Crédits aux entreprises
6
5
4
3
2
1
0
-1
-2
-3
jan jan jan jan jan jan jan jan jan jan jan jan jan
v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.- v.92 93 94 95 96 97 98 99 00 01 02 03 04
pfit < 1 an, mt < 1 M
pfit > 5 ans, mt < 1 M
1 an < pfit < 5 ans, mt < 1 M
pfit < 1 an, 1M < mt < 4M
Source : DCONJ
Calculs : DESM-SASM
Sur le même intervalle de temps, les spreads sur les crédits à la consommation ont tendance
à augmenter légèrement alors que les spreads sur les crédits immobiliers suivent globalement une
dynamique opposée − suggérant l’existence d’éventuelles subventions croisées − et tendent même
à être nuls, voire négatifs. Cette négativité des spreads de taux sur les crédits à l’immobilier n’est
12
pas exceptionnelle au regard du passé et reste liée au taux de référence sélectionné, soit un taux sur
emprunts d’Etat à long terme. De plus, la part des ressources quasi-gratuites mesurée par l’encours
des dépôts à vue relatif au total du bilan se stabilise à un niveau relativement élevé pour s’établir à
environ 13 % en 2003, après avoir suivi une croissance régulière depuis 1995 (moins de 11 %).
Aussi la possibilité de l’utilisation de ces ressources pour des emplois de long terme peut-elle être
entrevue. Cependant, la part des flux de crédits consentis à taux variable dans le total des flux de
crédit à l’immobilier a fortement progressé, témoignant de l’émergence possible de nouvelles
pratiques bancaires dans un contexte de forte incertitude quant à l’existence d’une « bulle » sur le
marché de l’immobilier. Si tel était le cas, il reste à savoir − dans le cas de l’occurrence d’un
effondrement des prix de l’immobilier – quels sont, des ménages ou des banques, les agents qui
supportent le risque de taux. La forte hausse de la part des crédits indexés sur un taux de court
terme semble indiquer un transfert de risque de taux vers les ménages à moins que le choix de
s’endetter à taux variable n’émane de ces derniers. La baisse des spreads peut également revêtir
une explication en termes de concurrence accrue de la part des banques sur le segment de marché
des crédits de long terme aux particuliers, en vertu de la possible existence de ventes à perte en
vue d’attirer une nouvelle clientèle et de conquérir ainsi des parts de marché.
Au final, la négativité ne constitue pas un phénomène alarmant. D’une part, les spreads de
taux n’intègrent pas l’effet des commissions et le caractère stratégique des crédits à l’immobilier.
Ces derniers, véritables produits d’appel créateurs de relations de long terme, s’inscrivent dans une
recherche d’économies d’envergure avec la possibilité d’une vente simultanée de multiples
services financiers. D’autre part, nous ne prenons pas en compte la transformation d’échéances et
la possible réalisation d’économies d’échelle sur les activités de crédit, à l’opposé des activités de
marché (soit les opérations sur titres d’emprunts d’Etat) ; deux caractères essentiels, constitutifs de
la spécificité des banques. Quoiqu’il en soit, l’existence de spreads de taux négatifs ne doit pas être
attribuée à la méthode de calcul retenue. Cette dernière apparait d’autant plus « cohérente » que les
spreads ont un niveau et une dynamique comparables, excepté pour les crédits de PFIT comprise
entre 1 et 5 ans, sans doute du fait que cette catégorie ne regroupe qu’un faible nombre de crédits,
suite à la non prise en compte des crédits à taux réglementés.
Les spreads sur les crédits aux entreprises à taux variable ont des niveaux et des
dynamiques très similaires, quels que soient les montants. Dans l’absolu, une légère hausse des
13
spreads de taux sur les crédits à taux variable de faibles montants est constatée en fin de période.
Ces derniers tendent à devenir supérieurs aux spreads pour des montants élevés, censés concerner
des entreprises de plus grande taille et donc moins risquées. Nous conjecturons que les grandes
entreprises empruntent, pour la plupart, à taux variable alors que le marché des crédits aux petites
entreprises est beaucoup plus segmenté, comme en témoignent les fortes différences entre spreads.
De fait, les petites entreprises feraient globalement face à des spreads de taux positifs, en accord
avec le risque plus élevé qu’elles font courir aux banques et avec leur moindre accès à des formes
alternatives de financement. Enfin, les crédits à taux variable engendrent des marges négatives sur
l’ensemble de la période, en conformité avec la théorie selon laquelle les emprunteurs les moins
risqués se dirigeraient vers ce segment pour se signaler et bénéficier ainsi de financements à taux
réduit, limitant ainsi les effets pervers d’imitation.
Au total, cette brève analyse descriptive de nos séries inédites de spreads de taux fournit
des indications sur la structure des segments du marché du crédit bancaire : pouvoir de marché des
banques vis-à-vis des particuliers et des petites entreprises, concurrence très vive sur des produits
permettant de capter ou de fidéliser la clientèle (crédits à l’habitat ou aux grandes entreprises) et
enfin rôle spécifique, voire stratégique, des crédits à taux variable selon des schémas de
financement contrastés entre les crédits à l’habitat et les crédits aux entreprises.
14
3. Analyse économétrique des spreads de taux
La section précédente a conduit au concept de spread de taux et à son analyse qui n’a pas
seulement été descriptive puisqu’elle a autorisé, dans certains cas, la formulation d’éléments
d’explication ou d’interprétation de leur évolution. Dans cette section, nous allons nous attacher à
systématiser cette démarche de compréhension avec une analyse économétrique qui fait l’objet de
la seconde sous-section. La première sous-section consistera en un tour d’horizon des classes de
variables susceptibles d’influencer les spreads de taux et présentera les variables effectivement
retenues dans notre recherche.
3.1. Présentation des variables retenues
L’aspect multi-dimensionnel que revêtent les variables de spreads nous conduit à opérer
une sélection des variables explicatives grâce aux études économétriques antérieures menées sur
les credit spreads et sur les NIM (cf. sous-section 2.1). Les travaux sur les credit spreads
(Gauthier et Lardic, 2003, ou Spreads and Credits Stratégie, 2004), mais aussi certaines études
macroéconomiques s‘appuyant sur des fondements microéconomiques, ont en effet ouvert la voie
à l’introduction raisonnée d’un ensemble de variables explicatives de la prime de risque du crédit
aux entreprises et, en amont, d’une probabilité de faillite des entreprises. C’est notamment la piste
inaugurée par Wadhwani (1986) et reprise dans les estimations économétriques portant sur le cas
des Etats-Unis, du Canada, du Royaume-Uni et de l’Allemagne (Davis, 1987, 1992) mais aussi
dans le cas irlandais (Kearns, 2003) ou français (Bordes et Mélitz, 1989, 1992, Boutillier et
Derangère, 1992). Dans le cadre des études de la Banque d’Angleterre guidées par le souci de la
stabilité financière, cette piste a été reprise par Vlieghe (2001) et combinée par Bunn et Redwood
(2003) à une démarche sur données individuelles. Parmi ces travaux de la Banque d’Angleterre,
ceux de Leake (2003) revêtent une grande importance car ils concluent que le credit spread (sur
les obligations privées britanniques) n’est pas un très bon indicateur avancé du taux de faillite. Ce
résultat suggère que réduire la modélisation des spreads de taux à celle du risque de défaut est
certainement dangereux — nous l’avons observé dans la sous-section 2.1 — et il nous amène à
prendre en compte d’autres facteurs explicatifs de la tarification des créances privées prises
individuellement, c’est-à-dire les autres risques gérés par les banques (risque de liquidité et risque
15
de taux notamment). De plus, nous ne nous intéressons pas ici à la détention d’un titre en
particulier. Nous analysons des séries susceptibles de représenter autant de portefeuilles distincts
rassemblant des titres (les crédits) dont les risques idiosyncratiques peuvent être compensés par
diversification. De plus, l’agent représentatif détenteur de ces titres − le système bancaire − est
autant en mesure de segmenter assez finement une clientèle, dont il gère par ailleurs les dépôts,
que de donner des incitations à ses clients. Qui plus est, la spécificité de la structure de bilan des
banques nous empêche de traiter ces dernières comme des intermédiaires financiers ordinaires.
Enfin, dans ce tour d’horizon des classes de variables explicatives, nous devons être attentifs au
fait que le champ d’analyse ne se résume pas à la seule clientèle des entreprises puisqu’il inclut les
particuliers.
La confrontation avec les données empiriques ainsi que la nécessité de préserver la qualité
de l’inférence statistique par un nombre suffisant de degrés de liberté nous ont conduits, après de
multiples explorations, à privilégier une dizaine de variables explicatives dont les graphiques sont
présentés dans l’annexe B. Ces variables sont regroupées en trois groupes au moyen de deux types
de modèles, le modèle « de base » et le modèle « complet ». Nous verrons que les variables
explicatives peuvent a priori recevoir plusieurs acceptions. In fine, notre classification de ces
variables tendra à s’affiner à mesure de l’avancement de l’exercice. La description des profils
temporels des variables débouche, en dernière instance, sur l’étude des coefficients estimés.
Conformément à la littérature, nous cherchons à capter différents phénomènes traduisant :
-
la structure concurrentielle prévalant sur le marché, à travers la constante du
modèle, en conformité avec le modèle de Ho et Saunders (1981) ;
-
les risques de liquidité, de taux et de transformation (et, plus globalement, les
variables influant sur la gestion de bilan des établissements de crédit et leur profitabilité) sont
représentés par les variables suivantes : l’orientation restrictive de la politique monétaire, la
pente de la structure par terme des taux d’intérêt, la volatilité d’un taux d’intérêt à court terme,
la volatilité du CAC40 ainsi que l’écart de cet indice à sa tendance. Ce premier type de
variables, qui renvoie davantage à la sphère financière, figure dans le « modèle de base » ;
-
le risque de défaut non diversifiable, ou macroéconomique, que les banques
appréhendent au travers de l’impact du cycle économique dont les influences sont mesurées
via l’écart du PIB à sa tendance et le taux de chômage. La pente de la structure par terme des
16
taux d’intérêt peut également être incluse. Ce deuxième groupe de variables figure également
dans le « modèle de base » ;
-
le risque de défaut lié à une incertitude sectorielle ou un comportement propre à un
segment du marché du crédit, c’est-à-dire à une contrepartie et à un objet. Dans cette troisième
catégorie de variables figurent des variables caractéristiques de l’agent contrepartie (poids de
l’endettement, provisions pour créances douteuses le concernant) ou du segment de marché
(écart de l’encours de crédit concerné à sa tendance). Ce dernier groupe de variables concrétise
l’écart entre le « modèle de base » et un modèle que nous qualifierons de « modèle complet ».
Les deux premières catégories de variables sont donc rassemblées dans un « modèle de
base » dont on verra qu’il procure l’essentiel de l’explication du comportement des spreads de taux
à laquelle est parvenue cette recherche. Grâce à l’ajout du troisième groupe de variables, plus
spécifiques aux trois grands compartiments du marché du crédit envisagés ici, nous obtiendrons le
« modèle complet ». A la fin du papier, avec des graphiques de contribution, nous verrons que ces
variables supplémentaires n’apportent, en sus de l’information apportée par le modèle de base,
qu’une information à la marge ou aux bornes de notre échantillon temporel.
Les variables explicatives retenues et leurs signes attendus, bien que parfois ambigus, se
présentent comme suit.
3.1.1. Le cycle de taux : peut-on mesurer l’existence d’un contrat
d’assurance ?
Pour définir des cycles de taux, au sens de phases de hausse et de baisse de taux, plutôt que
de faire intervenir directement le taux monétaire à trois mois, nous introduisons une variable
indicatrice prenant une valeur unitaire en cas de hausse du taux à 3 mois, nulle sinon. La série
mensuelle du taux à 3 mois est préalablement lissée par une moyenne mobile centrée d’ordre 12
puis trimestrialisée. Une raison particulière nous a motivés pour ce choix : introduire un taux
d’intérêt dans l’équation reviendrait implicitement à revenir sur le concept de spread de taux et à
mesurer l’élasticité de long terme des taux débiteurs bancaires aux taux de marché, une valeur
négative du coefficient traduisant ainsi une viscosité à long terme du taux des crédits. De plus,
17
nous évitons toute interaction avec la volatilité des taux de marché11. Une phase de hausse doit
donc correspondre à une hausse de l’ensemble des taux de marché sous l’impulsion du taux court.
En lissant le taux à 3 mois, nous cherchons à évacuer les variations ponctuelles, sans conséquence
sur l’ensemble des taux, même si, par ailleurs, une déformation de la structure par terme peut
intervenir12.
Dans quelle mesure les variations des taux directeurs affectent-elles la structure par terme
des taux bancaires différemment de la structure par terme des taux sans risque ? La question se
pose avec d’autant plus d’acuité que deux effets contradictoires entrent en lice :
- un effet d’atténuation des chocs de politique monétaire relié à l’existence de
contrats implicites d’assurance. En présence d’une relation de clientèle étroite, dite « de
long terme », les banques peuvent protéger certains de leurs clients contre des variations de
taux d’intérêt, éventuellement au prix d’une prime plus élevée. De plus, elles lisseraient ou
atténueraient ainsi les chocs de taux pour les clients qu’elles estiment les plus fragiles en
« intériorisant » la probabilité de faillite de leurs débiteurs. Une telle interprétation trouve
ses limites dans le fait que l’existence d’un contrat implicite d’assurance peut s’exercer
indépendamment de tout effet prix et transparaître au travers de la disponibilité du crédit, à
moins qu’elle ne se traduise par des crédits de maturité plus longue ;
- un effet d’amplification via le canal large du crédit, couplé à l’existence
d’asymétries d’information et à l’origine de l’effet d’accélérateur financier. Rosenwald
(1995) montre que la prime de financement externe est d’autant plus grande que
l’entreprise est opaque, d’où l’existence de spreads plus élevés pour les entreprises les plus
risquées. Cependant, l’écart des spreads se réduit en période de hausse des taux de
refinancement, en raison notamment de l’éviction des projets les plus risqués.
Le signe est a priori indéterminé.
11
Hanweck et Ryu (2003) retiennent également cette option arguant de l’existence d’une forte corrélation entre le
niveau du taux et sa volatilité.
12
La déformation de la structure de taux est déjà prise en compte avec la variable de la pente de la courbe des taux
présentée ci-après.
18
3.1.2. La pente de la courbe des taux : entre indicateur avancé de l’activité et
déterminant de la profitabilité bancaire
La pente de la courbe des taux, ici définie comme l’écart entre le taux des emprunts phare à
10 ans et le taux du marché interbancaire à 3 mois, couramment utilisée dans les modélisations des
marges bancaires, reçoit plusieurs acceptions. La première relie la pente de la courbe des taux à
l’activité économique anticipée ; la seconde est liée au risque de taux découlant de la
transformation bancaire.
La pente de la courbe des taux cristallise les anticipations quant à la conduite future de la
politique monétaire et à sa crédibilité. Ainsi, une hausse de cette pente − conformément à la
théorie des anticipations selon laquelle le taux long est somme des taux courts anticipés − indique
un resserrement anticipé des conditions monétaires motivé par une activité économique soutenue
et générant des tensions inflationnistes. Pourtant, si la pente de la courbe des taux a un pouvoir
prédictif bien supérieur à la plupart des indicateurs avancés, aux Etats-Unis du moins, cette
relation semble plus ténue dans le cas français notamment pour les prévisions hors échantillon
(voir Sédillot, 2001). Des explications de cette relation entre pente et activité économique future
résident dans la théorie du canal du crédit et dans le rôle primordial des banques comme courroie
de transmission des chocs monétaires. En effet, du fait de l’écart entre les maturités moyennes de
leur actif et de leur passif, les banques encourent un risque de taux d’autant plus fort qu’elles
détiennent des actifs longs et non renégociables − au sens où le crédit est accordé à taux fixe − et
que leur dette est indexée sur des taux à court terme (cf. Baumel et Sevestre, 2000). Ainsi, le taux
long serait représentatif du rendement des crédits et le taux court du coût des ressources. L’écart
entre ces deux taux d’intérêt, la pente de la courbe des taux, déterminerait alors la marge d’intérêt
des banques, un élément essentiel constitutif du Produit Net Bancaire13. La marge sur taux
d’intérêt se décompose en deux éléments distincts, sources de revenus pour les banques. Le
premier, assurant une neutralisation d’échéances, est le spread de taux modélisé ci-après : il
rémunère le risque tarifé par les banques dans leur arbitrage entre crédits et emprunts d’Etat de
durée équivalente. Le deuxième, soit l’écart entre le taux de marché de long terme et le coût des
13
On observe à ce propos que la phase d'inversion de la courbe des taux observée jusqu'en 1994 a lourdement affecté
les profits des établissements de crédit.
19
ressources, approxime le profit engendré par la seule activité de transformation14. Dès lors, une
hausse de la pente réduit le coût relatif des ressources : l’activité de crédit, notamment à long
terme, devient plus rentable, incitant les banques à accroître leur offre de financement. Pour un
risque et une demande de crédits inchangés, une pression à la baisse s’exerce sur le taux des
crédits, réduisant ainsi le spread de taux.
Au total, le coefficient de la pente serait donc négatif.15
3.1.3. La volatilité du taux du marché interbancaire : un indicateur de l’incertitude
portant sur le coût de refinancement des banques
La volatilité du taux de marché interbancaire est la variable de base utilisée dans toutes les
études portant sur les net interest margins ; elle traduit l’incertitude pesant sur le taux de
refinancement ou de placement des excédents de trésorerie, en cas de flux de dépôts et de crédits
désynchronisés. Ainsi, une plus grande incertitude devrait se traduire par l’existence de spreads de
taux plus élevés. De plus, la banque supporterait le risque de variation de taux lorsqu’elle octroie
des crédits à taux fixe, répercutant ce coût sur ses débiteurs. S’agissant de la question du taux de
marché de référence, Ho et Saunders (1981) affirment que la maturité du taux de marché dont la
volatilité mesure le mieux les NIM est un bon indicateur de l’horizon temporel des décideurs.
Aussi, la volatilité étant calculée comme la trimestrialisation d’un écart-type glissant sur 12 mois
obtenu à partir d’une série mensuelle de taux de marché, nous testerons tour à tour la volatilité
issue des taux à 3 mois, 6 mois, 1 an et 2 ans. Quel que soit le taux de référence, le coefficient
correspondant à cette variable est censé être positif.
14
Ainsi, mesurer l’impact de la pente au travers un coefficient constant revient à faire l’hypothèse d’une structure de
bilan des banques invariante sur la période d’étude.
15
L'effet d'une variation de la pente sur le spread de taux modélisé dépend également de l'aversion au risque de la
banque qui serait fonction de la position globale de la banque (ou de sa structure de bilan), laquelle conditionnerait son
choix entre la détention d'un actif risqué (les crédits) et d'un actif non risqué (les titres publics). Ici, l'aversion au risque
est supposée constante dans le temps, mais elle peut varier en fonction de la catégorie d'emprunteurs.
20
3.1.4. L’écart du CAC40 à sa tendance et la volatilité du rendement annuel du
CAC40
L’indice boursier et sa volatilité sont régulièrement utilisés comme indicateur de risque de
défaut dans la littérature modélisant les credit spreads. En effet, la prime de risque de défaut se
décompose en une prime « risque-neutre » à laquelle s’ajoute une prime reflétant l’incertitude de
cette évaluation (Churn et Panigirtzoglou, 2005). Nous nous départissons de cette utilisation
usuelle pour conférer aux mouvements constatés sur les marchés financiers une interprétation en
termes de conséquences des changements de la préférence pour la liquidité. Cette interprétation est
d’autant plus justifiée que nous traitons également de données relatives à l’endettement des
ménages.
L’indice boursier est censé refléter la valeur des firmes et toute diminution de cette valeur
traduit une hausse de la probabilité macroéconomique de faillite. Une telle assertion suppose que
la valeur des titres reflète bien la valeur fondamentale des firmes, ce qui n’est pas toujours le cas.
C’est pourquoi nous optons pour une interprétation quelque peu différente de l’évolution de
l’indice boursier visant à en extraire la composante cyclique. En lui retranchant sa tendance −
calculée à l’aide d’un filtre Hodrick-Prescott de paramètre 1600 − et en obtenant un rendement
moyen, nous cherchons à capter les « humeurs » du marché (les bulles, par exemple). Ainsi, une
hausse générale (mais temporaire par rapport à une évolution sur moyenne période) du cours des
titres indique un attrait plus grand pour les marchés financiers et reflète une baisse de la préférence
pour la liquidité. Les intervenants délaisseraient alors plus volontiers les actifs liquides ou peu
risqués (les emprunts d’Etat) au profit de titres plus risqués (ici, les crédits). Face à une baisse du
niveau général du risque perçu par les marchés financiers, les banques seraient donc plus enclines
à investir dans des actifs moins liquides et augmenteraient leur offre de crédit. Il en découlerait un
déplacement de la fonction d’offre de crédit et une baisse du taux d’intérêt d’équilibre. Pour un
niveau donné du rendement de l’actif sans risque, le spread de taux diminue. Par conséquent, le
signe attendu du paramètre associé à cette variable est négatif. Le raisonnement précédent
rencontre certaines limites dans l’explication des différents modèles de spreads de taux. Tout
d’abord, au-delà d’un certain horizon, le risque devient incertitude au sens qu’il n’est pas
21
probabilisable16 . L’indicateur retenu ne devrait donc pas être significatif dans l’explication des
spreads pour des échéances lointaines. Ensuite, il serait faiblement significatif pour les crédits à
l’immobilier, le bien servant lui-même de garantie, de sorte que le risque associé à ce segment de
marché est faible. Cet argument se superpose au précédent puisque les crédits à l’immobilier sont
octroyés pour de longues durées.
L’inclusion de la volatilité du rendement de l’indice boursier − le rendement étant le taux
de croissance sur l’année écoulée de l’indice observé en fréquence mensuelle17 − nous rappelle que
l’évaluation du risque de défaut repose sur une « probabilisation » de la défaillance. Or, la
probabilité peut être révisée plus ou moins fréquemment de sorte que les périodes de forte
volatilité en réduisent la fiabilité (l’erreur-type s’accroît). A la limite, le risque devient incertitude
dès lors qu’il n’est plus quantifiable. Finalement, plus la volatilité est forte, plus la probabilité de
mal quantifier le risque l’est. Le signe associé à la volatilité de l’indice boursier doit être positif.
3.1.5. Les variables de cycle économique : l’écart de production et le glissement
trimestriel du taux de chômage, deux mesures de la capacité de résistance aux chocs
macro-économiques
Nous cherchons à distinguer l’impact des cycles économiques mesurés par l’écart de PIB à
sa tendance et le taux de chômage. A une interprétation en termes d’effets de la demande de
financement, se juxtapose une interprétation de l’effet des cycles macroéconomiques sur la
position financière des débiteurs. Dans leur analyse des comportements bancaires, Bikker et Hu
(2002) utilisent conjointement le taux de chômage et le taux de croissance du PIB : les données
relatives à la production donneraient des indications quant à l’ampleur du cycle, les inflexions du
taux de chômage la position dans le cycle.
L’écart de production se substitue dans notre modélisation aux indices boursiers retenus
dans la littérature sur les credit spreads. A cet égard, Brock et Franken (2003) précisent que l’écart
16
Au sujet de la distinction entre risque et incertitude, voir la synthèse de Moureau et Rivaud-Danset (2004).
Comme pour les taux d’intérêt de marché, la volatilité est calculée comme la trimestrialisation d’un écart-type
glissant sur 12 mois obtenu à partir d’une série mensuelle.
17
22
de production est positivement corrélé à la valeur des collatéraux. En effet, si l’écart de production
résume l’ensemble des tensions sur les marchés de facteurs découlant du dynamisme de la
demande, notamment en termes d’influence sur la répartition de la valeur ajoutée, le cycle
économique affecte également les cash-flows des entreprises. Une demande excédentaire se traduit
par un surcroît d’activité et permet, entre autres, de rentabiliser les immobilisations, d’où un
impact fort sur les secteurs hautement capitalistiques (effet de levier opérationnel) ou dont la
structure financière est fragile (effet de levier financier). Autrement dit, la solidité financière d’une
entreprise conditionne son degré de résistance à un choc de demande, de sorte que toutes les
entreprises ne devraient pas être affectées à l’identique.
L’indicateur de taux de chômage, introduit dans les équations de crédit aux entreprises, est
d’autant plus pertinent pour les ménages que ces derniers subissent pleinement les fluctuations
économiques lorsqu’elles se traduisent par une interruption de l’activité. Aussi, ne peuvent-ils en
contrecarrer l’effet qu’en puisant dans leur épargne, en réduisant leur consommation ou en
empruntant. Le taux de chômage pourrait alors correspondre à un indicateur de demande de crédit
à condition que les banques ne le rationnent pas. C’est pourquoi nous préférons une interprétation
en termes d’indicateur avancé de risque de non remboursement, à laquelle s’ajoute une dimension
de « position dans le cycle ».
En définitive, l’écart de PIB devrait affecter négativement le spread de taux alors que le
glissement du taux de chômage est supposé avoir un effet positif.
3.1.6. Le poids de la dette18 : peut-on parler de nouvelles pratiques bancaires ?
Les encours de crédit aux entreprises rapportés à l’excédent brut d’exploitation (en valeur
trimestrielle) fléchissent de 6,8 à 5 entre le premier trimestre 1993 et le premier trimestre 1998.
Cette observation (cf. les graphiques de l’annexe B) est attribuable à la conjonction de deux
évènements, la baisse des encours de crédit en début de période et la hausse de l’excédent brut
18
Les indicateurs de poids de la dette commentés ci-après ne renvoient pas nécessairement à l’aptitude des agents
économiques à rembourser leur dette bancaire, les concepts de soutenabilité et de solvabilité requérant une analyse
plus large du concept de richesse nette.
23
d’exploitation, traduisant sans doute une hausse du taux d’autofinancement et une volonté de
désendettement.
Les encours de crédit à la consommation rapportés au revenu disponible brut des ménages
(en valeur trimestrielle) semblent accuser une nette hausse sur la période 1995-2000. Le taux
d’endettement, jusqu’alors stable aux alentours de 30%, atteint un nouveau seuil pour s’établir à
38%, comme si un « changement de régime » avait eu lieu. Les banques peuvent avoir compensé
leur baisse d’activité sur le marché des crédits aux entreprises en développant leur activité de
crédit à la consommation, d’autant plus qu’elles ont développé des méthodes d’évaluation des
risques clients et que ce marché semble engendrer de fortes marges d’intérêt. La hausse des
encours de crédit à la consommation peut également être interprétée comme une forte volonté
d’endettement de ménages plus confiants dans l’avenir, à moins qu’elle ne s’explique par la baisse
des taux réels.
Le marché du crédit à l’immobilier nous livre pour sa part deux points de vue assez
contrastés. En effet, autant le rapport de l’encours de crédits immobiliers au RDB des ménages
indique une hausse de l’endettement de ceux-ci, autant le fait de tenir compte des prix relatifs des
biens immobiliers − en déflatant les financements bancaires consentis par l’indice des prix à
l’immobilier19 − implique une baisse constante du taux d’endettement sans doute mieux à même
de refléter la nature même du crédit en incluant la valeur des collatéraux.
Au final, si les indicateurs de poids de la dette sont censés renvoyer à un risque de défaut
sous-tendant une corrélation positive avec les spreads, la plus grande maîtrise des risques
bancaires – en témoigne sans doute la dynamique des provisions commentée ci-après – et son
corollaire, la hausse du taux d’endettement des particuliers, font place à une interprétation en
termes de révision des stratégies bancaires d’offre de crédit. Cette dernière se serait reportée des
entreprises vers les ménages.
19
Voir Wilhelm (2005).
24
3.1.7. Les provisions bancaires relatives aux encours de crédit : une tarification expost ou ex-ante du risque spécifique à l’activité bancaire ?
Dans la modélisation des différents spreads, nous retenons les provisions bancaires comme
indicateur du coût du risque supporté ou perçu par les banques. Il s’agit tout autant de mesurer
l’impact des pertes en capital, tant effectives que potentielles, liées à la détention d’un portefeuille
de crédits. Ce risque est vu comme « typiquement bancaire » au sens où la part du spread
expliquée par cette variable ne devrait pas être contenue dans les spreads de taux concernant des
titres de dette privée émis sur les marchés financiers. En effet, il prend d’une part en compte le
risque propre aux petits emprunteurs n’ayant pas nécessairement accès aux marchés financiers.
D’autre part, ce risque est propre aux banques au sens où il inclut une composante « risque
moral ». Il dépend largement de l’aptitude de ces dernières à donner de bonnes incitations à leurs
clients et à diversifier leur portefeuille. A cet égard, plusieurs questions se posent. Les banques
provisionnent-elles principalement avant ou après un choc ? Les banques anticipent-elles
correctement les évolutions conjoncturelles et leurs conséquences sur le risque porté par leur
portefeuille crédit ?
Comptablement, on distingue les provisions « générales », de nature prospective et procycliques des provisions « spécifiques », de nature rétrospective, davantage contra-cycliques. Les
provisions générales obéissent à deux logiques distinctes. La première, liée à des impératifs de
gestion, conduit les banques à lisser leurs profits en sur-provisionnant en phase haute du cycle. La
deuxième a trait au risque de défaut anticipé. Faisant face à une demande de financement accrue,
les banques savent que le risque global du portefeuille de crédit augmente et provisionnent en
conséquence. Pourtant, le climat d’euphorie peut les conduire à être moins vigilantes. In fine, le
risque peut avoir été sous-évalué, de sorte que des provisions supplémentaires, dites
« spécifiques », sont nécessaires pour faire face aux défauts de remboursement. Comme nous ne
sommes pas en mesure de distinguer entre ces deux types de provisions, nous choisissons de les
rapporter aux encours de crédits pour mesurer les effets d’une hausse relative des provisions. Qu’il
s’agisse des ménages ou des entreprises, l’indicateur apparaît négativement corrélé à l’écart de
PIB. Ainsi, une activité économique soutenue induirait une hausse des encours de crédits plus
rapide que la hausse des encours de provisions. Il reste à savoir dans quelle mesure les banques
répercutent une hausse des coûts sur leurs clients et si la variable des provisions n’apporte pas une
25
information redondante avec les indicateurs de cycle d’activité. En ce sens, quand elle est
significative, l’impact de la variable provisions bancaires sur les spreads de crédit est ambigu. Les
banques peuvent répercuter le coût engendré par une hausse du risque de défaut sur le taux des
crédits, à moins qu’elles ne décident de rationner leurs clients, auquel cas le signe est positif. A
contrario, Brock et Suarez (2004) dans leur étude sur les systèmes bancaires d’Amérique latine
trouvent des résultats contrastés ; aussi évoquent-ils un provisionnement inadapté ou une prise de
risque excessive, dans une optique « gamble for resurrection », pour justifier d’un signe négatif 20.
3.1.8. Les cycles de crédit appréhendés par l’écart à une tendance des encours
calculée par un filtre Hodrick-Prescott
Considérant, dans une optique de décomposition cycle/tendance, que la partie cyclique
d’une série peut être assimilée à la demande, l’écart à la tendance des encours de crédit fournirait
une indication approximative des tensions temporaires survenant sur le marché du crédit : le signe
attendu est positif. La tendance est obtenue grâce à un filtre HP dont on connaît les limites aux
bords de l’échantillon. Ainsi, en fin de période, sur le marché des crédits à l’immobilier, la forte
hausse de la valeur prise par l’indicateur est susceptible de refléter de nouveaux comportements
d’offre mettant fin à une période de rationnement quantitatif, dans un contexte de concurrence
accrue. Il est alors légitime de conserver la plus grande circonspection face à une possible rupture
de tendance, trop récente pour être décelée.
20
A la différence près qu’ils utilisent le ratio des pertes (non performing loans).
26
3.2. Démarche empirique et résultats
Sur la période allant du premier trimestre de 1992 au dernier trimestre de 2004, nos onze
spreads de taux sont intégrés d’ordre 1, de même que la plupart des variables explicatives (voir
annexe C). Les autres variables explicatives sont I(0). Cependant la faible taille de l’échantillon et
la nature de la période d’analyse sont sans doute de nature à biaiser les tests car ceux-ci semblent
sensibles à des valeurs atypiques21. De plus, l’écart de PIB est non stationnaire sur la période, ce
qui est en contradiction avec la théorie économique. Quoiqu’il en soit, chaque ensemble constitué
d’un spread de taux et des variables explicatives non stationnaires est susceptible de donner le jour
à plus d’une relation de cointégration, ce qui devrait nous orienter vers l’estimation de modèles
VAR ou VECM qui seraient propres à chaque spread de taux. Nous écartons ce type de
modélisation car l’estimation de ces vecteurs à géométrie variable rendrait les résultats finals
difficilement interprétables et comparables. Ils ne cadreraient pas avec notre dessein qui est la
décomposition des spreads en plusieurs éléments rattachés à différents facteurs communs. C’est
pourquoi nous choisissons de modéliser simplement les spreads de taux en niveau et non en
différences premières, en conservant toujours les mêmes classes de variables explicatives pour
tous les spreads de taux.
Certes, l’estimation d’une relation contenant des variables I(1) dans chaque membre peut
donner lieu à des résultats fallacieux, en l’absence d’une relation de cointégration entre celles-ci.
Dans le cas contraire, qui semble être précisément notre cas, les estimateurs ont de bonnes
propriétés. Cependant, en échantillon fini, la super-convergence ne garantit pas l’absence de biais.
Aussi, l’inclusion de retards sur les variables peut-elle s’avérer être une étape nécessaire pour
estimer au mieux les coefficients statiques de la relation de long terme.
En effet, sous l’hypothèse d’exogénéité stricte des régresseurs et en l’absence
d’autocorrélation des résidus, les estimateurs obtenus par MCO sont optimaux et ont des
distributions convergeant vers des lois normales ou mélanges de lois normales. En particulier, les
relations de cointégration peuvent demeurer non spécifiées. Toute la difficulté de l’exercice est de
21
Ainsi, dans le calcul de la pente, le fait d’avoir lissé la valeur du taux à 3 mois au deuxième trimestre de l’année
1993 conduit à rejeter l’hypothèse nulle de non stationnarité alors que son inclusion conduit à accepter cette
hypothèse, au seuil de 5 %.
27
ne pouvoir se fier à la valeur des écarts-type des variables correspondantes que nous fournirons
pourtant à titre indicatif (cf. annexe D). En revanche, une inférence statistique est possible pour les
variables I(0) puisque des tests du Khi-deux peuvent être employés (Phillips, 1995).
Ici notre objectif est une interprétation économique des propriétés statistiques de nos séries
originales de taux d’intérêt débiteurs ainsi qu’une comparaison de tous les segments du marché du
crédit à travers un modèle économétrique commun. C’est pourquoi nous allons nous en tenir à
l’estimation d’une spécification simple et unique avec toutes les variables en niveau en vérifiant la
vraisemblance d’une relation de cointégration entre les variables I(1) et l’absence
d’autocorrélation des erreurs après ajout des retards adéquats (cf. annexe D). Nous nous
concentrons donc maintenant sur les variables explicatives qui ont été présentées dans la soussection 3.1 et qui sont réparties en deux sous-groupes : les variables communes à chaque équation,
précédées de coefficients β et qui forment notre « modèle de base », et les variables propres à
chaque type de crédit, précédées de coefficients γ et dont l’ajout au « modèle de base » conduit au
modèle « complet ».
Pour chacune de nos onze équations, nous procédons dans une première étape à
l’estimation du modèle suivant :
CreditSpreadt = " + $ #iCreditSpreadt%i
i
+ &1OrientationPolitiqueMonétaire + & 2 PenteStructureTerme + & 3VolatilitéTauxMarché
+ & 4 EcartCAC40Tendance + & 5VolatilitéGlissementAnnuelCAC40 + & 6 EcartPIB + & 7GlissementTrimestrielTauxChômage
+ '1PoidsDette + ' 2 RatioPr ovisionsEncoursCrédit + ' 3 EcartEncoursCréditTendance + (t
!
Dans un contexte de non-stationnarité stochastique de la plupart des variables, nous
effectuons une présélection des variables « à la marge » en prenant soin de minimiser le critère
d’information de Akaike, non pas dans l’objectif d’avoir un modèle parcimonieux, mais plutôt
dans celui de retenir les meilleures formes pour les variables candidates : l’écart de CAC plutôt
que son glissement annuel, la volatilité du taux à trois mois plutôt que celle du taux à un an… Pour
autant, nous veillons à conserver, d’une équation modélisant un spread à une équation modélisant
un autre spread, surtout si les spreads portent sur le même agent et le même objet, la plus grande
homogénéité possible dans le choix des variables explicatives. Ainsi, une différence notable au
28
sein des variables explicatives ne porte pas sur la présence de la volatilité d’un taux de marché
mais sur la maturité de ce taux de marché (3 mois, 1 an ou 2 ans). Un autre exemple porte sur
l’écart à la tendance de l’encours de crédit, le ratio d’endettement ou encore la valeur relative des
provisions, ces variables étant évidemment adaptées à l’agent et à l’objet correspondants ; dans ce
dernier cas, elles sont normalement communes à toutes les équations portant sur un même
compartiment du marché du crédit. Ainsi précisées, les 10 variables explicatives présentées dans la
sous-section précédente figurent dans les 11 équations.
Après cette première étape, une autocorrélation significative des résidus étant généralement
repérée, nous introduisons, dans une deuxième étape, des retards sur l’endogène autant que
nécessaire. A cause de ces retards, nous brisons l’identité des variables explicatives que nous
avons tenté de réaliser au sein de chaque groupe d’équations portant sur un même segment du
marché (consommation, habitat et entreprises) ; c’est pourquoi nous sommes fondés à traiter la
corrélation entre résidus au sein d’un groupe d’équations en adoptant la méthodologie SUR.22
Arrivés à ce stade, par les tests appropriés, on s’assure que les résidus sont dénués de toute
autocorrélation et de toute corrélation entre eux ; on écarte l’hypothèse que ces résidus soient nonstationnaires et affectés par des ruptures qui rendraient leur stationnarité fallacieuse (grâce au test
de Ploberger-Krämer, voir annexe D). Il apparaît que la méthodologie SUR réduit les coefficients
des endogènes retardées, réduisant ainsi la viscosité des spreads de taux.
En faisant varier la date de fin de l’échantillon, on observe que l’introduction des variables
endogènes retardées n’apparaît, dans la plupart des cas, nécessaire qu’à partir du début de l’année
2003, voire du début de l’année 2004 (pour les crédits aux entreprises de PFIT ≤ 1 an) :
l’avènement de nouveaux comportements bancaires peut alors être envisagé comme étant la cause
des changements de dynamique de certaines séries. Pour les autres variables exogènes, les
coefficients obtenus en faisant glisser la fin de l’échantillon des estimations conduisent à
diagnostiquer une importante stabilité. Enfin, du fait de la difficulté d’interprétation des tests
usuels de significativité, nous avons tenu à préciser et appuyer notre analyse par le calcul des
contributions des variables exogènes.23
22
Dans un souci de cohérence, les difficultés d’interprétation dues à la présence de retards disparates sur les variables
endogènes sont amoindries en démarrant toutes les estimations SUR au premier trimestre de l’année 1993.
23
Puisque nous ne cherchons pas nécessairement à reproduire au plus près l’évolution des variables endogènes, notre
détermination des contributions nécessite l’obtention préalable des multiplicateurs statiques pour chaque variable
29
Une analyse rapide des contributions
Etant donné le nombre d’équations et de variables exogènes, les résultats deviennent
rapidement trop nombreux et leur exposé inextricable. C’est pourquoi nous simplifions nos
commentaires en circonscrivant la contribution des deux sous-groupes de variables explicatives,
les variables génériques (de type β) et les variables plus « spécifiques » (de type γ). La figure 2
présente les spreads de taux simulés grâce au modèle de base et au modèle complet ainsi que les
spreads observés. Comme il a été exposé plus haut, nous obtenons alors une décomposition des
spreads en distinguant d’une part la contribution des facteurs liés aux risques de transformation, de
liquidité et de défaut macroéconomique (modèle de base) et d’autre part la contribution des
facteurs liés au risque de défaut sectoriel (modèle complet).
Le modèle de base suffit dans une grande mesure à rendre compte des niveaux et des
principales inflexions des spreads de taux sans pour autant restituer l’amplitude des fluctuations
observées en début et surtout en fin de période. En « complétant » ce modèle de base, nous
sommes alors capables d’évaluer sur la majeure partie de la période le caractère marginal de
l’influence des variables plus « spécifiques » telles que les provisions, le poids de la dette… Nos
tests indiquent que, parmi ces dernières, le poids de la dette jouerait un plus grand rôle que les
provisions, notamment du côté du crédit aux entreprises. Cette remarque est d’autant plus
intéressante que les variables de provision sont susceptibles d’être I(1) mais autour d’une tendance
quadratique, cette spécificité ne posant donc pas de véritable problème au vu du caractère limité de
leur contribution. Graphiquement il semble qu’un changement de constante, concentré sur
quelques trimestres, dès l’année 2002 pour les crédits à l’habitat ou bien pour les crédits à la
consommation à taux variable, suffise à reproduire les séries historiques dans les cas où un écart
entre modèle de base et historique peut être observé. Une fois additionné l’effet des variables
spécifiques, il apparaît que le modèle complet, malgré une relative parcimonie, reproduit
raisonnablement la dynamique des séries sur l’ensemble de la période, y compris la fin de la
période.
exogène. En outre, bien que l’année 1992 soit exclue des échantillons servant à nos estimations (cf. note de bas de
page précédente), nous présentons à titre indicatif les résultats des simulations pour cette année également.
30
Plus généralement, un examen de nos résultats plus détaillés24 nous autorise à souligner le
caractère essentiel des contributions des variables liées aux risques de transformation et de
liquidité et confirme la discussion de la sous-section 2.1 indiquant le caractère erroné d’une
assimilation des spreads de taux avec les seules primes de risque de crédit, même lorsque ce risque
est perçu au niveau macroéconomique. En particulier, l’effet des provisions paraît particulièrement
fragile en dépit de nos attentes mais en conformité avec l’ambiguïté même de cette variable
(provisions ex-post ou ex-ante).
Figure 7 : Spreads de taux calculés (trait plein noir) et modélisés (en gris, le modèle de base ; en
pointillés, le modèle complet)
Crédits à la consommation
(pfit =< 1 an)
Crédits à la consommation
(1 an < pfit =< 5 ans)
7%
8%
7%
6%
6%
5%
5%
4%
4%
3%
3%
2%
2%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Modèle complet
Crédits à la consommation
(pfit > 5 ans)
Historique
Modèle de base
Modèle complet
Crédits à l’habitat hors PEL
(pfit =< 1 an)
7%
4%
6%
3%
5%
2%
4%
1%
3%
0%
2%
-1%
1%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
24
Modèle de base
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
Modèle complet
Ces résultats, comme tous ceux auxquels il est fait allusion, sont disponibles auprès des auteurs sur simple demande.
31
Crédits à l’habitat hors PEL
(1 an < pfit =< 5 ans)
Crédits à l’habitat hors PEL
(5 ans < pfit =< 10 ans)
5%
4%
4%
3%
3%
2%
2%
1%
1%
0%
-1%
0%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
Historique
Modèle complet
Crédits à l’habitat hors PEL
(pfit > 10 ans)
Modèle de base
Modèle complet
Crédits aux SNF
(pfit =< 1 an, montant < 1M)
4%
5%
4%
3%
3%
2%
2%
1%
1%
0%
0%
-1%
-1%
-2%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
Modèle complet
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
Modèle complet
32
Crédits aux SNF
(1 an < pfit =< 5 ans, montant < 1M)
Crédits aux SNF
(pfit > 5 ans, montant < 1M)
6%
5%
5%
4%
4%
3%
3%
2%
2%
1%
1%
0%
0%
-1%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
Modèle complet
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
Modèle complet
Crédits aux SNF
(pfit =< 1 an, 1M < montant < 4M)
5%
4%
3%
2%
1%
0%
-1%
-2%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Historique
Modèle de base
Modèle complet
33
Un examen succinct des coefficients (voir annexe D)
Globalement, les résultats toutes catégories et objets confondus sont les suivants si on se
fonde sur les contenus en information (usage du critère AIC), sur la magnitude des coefficients,
sur leur stabilité (estimations glissantes) et non pas sur les écarts-type associés qui sont sujets à
caution dans ce contexte de non-stationnarité.
Tout d’abord, l’influence des indices boursiers est pratiquement nulle pour les crédits de
long terme : comme expliqué en sous-section 3.1, à partir d’un certain horizon, le risque boursier
n’est plus mesurable et se mue en incertitude. Ensuite, les taux de marché de référence dont la
volatilité est la mieux corrélée avec les spreads de taux ont une maturité d’autant plus éloignée que
la PFIT est longue reflétant, dans l’esprit de Ho et Saunders (1981), l’horizon des offreurs comme
des demandeurs de crédit. L’effet de la volatilité semble être globalement plus élevé pour les
crédits de faible maturité. Le fait que l’élasticité de la volatilité soit conséquent pour les crédits à
taux variable semble indiquer que ces crédits puissent être assortis de clauses contractuelles
renvoyant à l’existence de crédits dont les taux sont « capés ». Enfin, le coefficient de la pente est
important quelle que soit la maturité des crédits. Une interprétation de la structure par terme des
taux en tant qu’indicateur avancé de l’activité est peu plausible, la valeur du coefficient restant
forte pour les crédits à long terme. Cette dernière est cependant plus importante pour les crédits à
taux variable que pour les crédits à taux fixe. Ces éléments attestent sans doute l’existence d’une
transformation d’échéances qui inciterait les banques à se diriger vers les segments de long terme
quand ces échéances longues sont profitables, d’où une marge faible pour les crédits à taux
variables.
Les crédits aux ménages
Sur le marché du crédit à la consommation (tableau 1 de l’annexe D), les segments de court
et moyen terme subiraient les effets de changements récents de la politique d’offre des banques, la
variable « poids de la dette » permettant au modèle d’ajuster l’historique sur la fin de période
(figure 2). Les effets de la demande (écart des encours de crédit à leur tendance) sont plus
importants sur le segment de court terme, notamment en fin de période, pour lequel les spreads de
34
taux sont par ailleurs assez visqueux. Eu égard à la valeur du paramètre du taux de chômage, le
risque de défaut y serait moindre en conformité avec une situation économique assez prévisible à
l’horizon d’un an. Le segment de moyen terme regrouperait les emprunts les plus risqués puisqu’il
est le plus sensible aux fluctuations conjoncturelles des indicateurs macroéconomiques,
notamment en termes d’influence du taux de chômage. Il serait en même temps le moins
concurrentiel et le plus profitable (niveau élevé de la constante), ce qui irait de pair avec un
indéniable pouvoir de marché des banques sur ce segment.
Le marché des crédits à l’immobilier (tableau 2 de l’annexe D) semble obéir à une logique
propre puisque s’il apparait relativement isolé des effets de la conjoncture macroéconomique −
notamment les inflexions du chômage −, l’objet du crédit servant lui-même de garantie. De plus, il
paraît subir une profonde transformation sur le passé récent si on se réfère aux estimations
glissantes : le coefficient de l’écart des encours de crédits à la tendance est en effet positif après
avoir été nul, suggérant qu’une interprétation en termes de demande soit difficilement recevable.
Enfin, seul le prix de l’immobilier (introduit comme déflateur dans l’indicateur poids de la dette)
semble expliquer la baisse des spreads de taux d’intérêt à l’immobilier depuis 2001 ; en effet, sa
contribution au sein du modèle complet semble déterminante, en dehors du changement de la
politique d’offre des banques déjà notée sur le crédit à la consommation.
Il est d’ailleurs intéressant de rapprocher encore plus les estimations effectuées pour les
taux des crédits à l’habitat de celles opérées sur les taux des crédits à la consommation. En effet,
les marges de taux « pures » (soit la constante de nos régressions) des crédits à la consommation
sont largement supérieures à celles concernant le crédit au logement. L’existence d’une forte
disparité entre les marges de taux à la consommation et à l’immobilier peut sans doute provenir de
différences dans les garanties. Au sein des crédits à la consommation, elles sont sensiblement
équivalentes alors qu’elles décroissent avec la maturité pour les crédits à l’habitat. L’explication
via les structures de marché, déjà évoquée à la fin de la section 2, est plausible : le crédit à l’habitat
est plus concurrentiel que le crédit à la consommation et la concurrence y est d’autant plus forte
que les ménages s’endettent à long terme et prospectent davantage le marché. Cet examen des
marges pures des crédits à la consommation et à l’habitat plaiderait en faveur de l’hypothèse d’un
marché unique des crédits à la consommation et d’un marché segmenté pour les crédits à l’habitat.
35
Les crédits aux entreprises
Quels que soient les montants (tableau 3 de l’annexe D), les spreads sur les crédits à taux
variable répondent à la volatilité de l’EURIBOR à trois mois tandis que les crédits à taux fixe
répondent à la volatilité de l’EURIBOR à un an. Cette disparité est dans l’ordre des choses. De
même la forte différence dans la valeur que prend la constante pour chaque équation peut
s’interpréter comme le signe d’une forte segmentation du marché du crédit aux entreprises. Dans
le tableau 1 (section 2), nous notons l’identité de la durée moyenne du crédit pour les crédits de
PFIT inférieure ou égale à 1 an et pour ceux de PFIT comprise entre 1 et 5 ans ; nous en déduisons
que les premiers ne se distinguent des seconds que par le fait que les premiers sont en fait des
crédits à taux variable et les seconds des crédits à taux fixe. Pour un risque donné, les crédits à
taux fixe engendreraient de fortes marges, la concurrence y serait très faible et les clients captifs.
Par contre, les débiteurs contractant des crédits à taux variable seraient peu influencés par les
cycles économiques, ce qui indiquerait la robustesse de leur position financière. Ces « bonnes »
signatures cherchent moins à se prémunir contre des variations de taux qu’elles ne cherchent soit à
emprunter à un taux plus faible, c’est-à-dire au taux court − sachant que les concours leur seront
renouvelés −, soit à se financer à taux variable. Les entreprises emprunteuses révéleraient donc
leur classe de risque en s’orientant vers des financements à taux fixe ou en optant pour des
financements à taux variable. Simultanément, le segment de marché des crédits à taux variable
serait le plus concurrentiel. En effet, la marge « pure » des banques y est la plus faible, témoignant
d’un possible recours des « bonnes signatures » à des financements internes ou encore à des
financements sur les marchés financiers.
En revanche, le cycle monétaire semble amplifier les mouvements de taux débiteurs
d’autant plus que les crédits sont consentis à taux variable, ce qui renforce l’idée que ces
emprunteurs peu risqués et confirme l’existence d’une « fuite vers la qualité » en présence d’une
moindre opacité informationnelle pour ces débiteurs. En effet, De Bondt (2002) explique que
l’existence des emprunteurs risqués peut aboutir à des surréactions : dans le cas où le risque n’est
pas parfaitement observable, les banques sont censées rationner leurs clients et lisser les variations
de taux d’intérêt. De plus, Rosenwald (1995) souligne que les écarts de taux entre « bons et
mauvais emprunteurs » (distingués par leur degré d’opacité informationnelle) se réduisent en
période de contraction monétaire. Suite à une baisse des taux directeurs, les individus initialement
36
rationnés entrent sur le marché ; du fait de leur niveau de risque, ils voient les taux de leurs crédits
diminuer moins vite que les taux consentis aux emprunteurs moins risqués.
La variable poids de la dette semble quant à elle jouer le rôle de « variable relais ». En
effet, dans un climat où les entreprises sont plus endettées, les banques préféreraient octroyer des
crédits aux entreprises identifiées comme les moins risquées ou celles dont le risque est le mieux
mesuré. Dans les périodes de baisse de ce taux d’endettement, les banques délaisseraient leurs
clients les moins risqués pour s’orienter vers les segments les plus profitables. Au final, il semble
que les contrats d’assurance, conformément à l’idée d’une relation de long terme, ne se limitent
pas toujours à des « clauses sur les taux d’intérêt » mais incluent des « clauses sur la disponibilité
du crédit » ?
4. Conclusion
Dans un cadre d’analyse cohérent portant sur les credit spreads, nous avons comparé le
rendement d’un actif risqué (le crédit) à celui d’un actif non risqué (les emprunts d’Etat) en
neutralisant ainsi la prime de terme. De plus, nous avons montré que l’interprétation des spreads
de taux sur crédits bancaires ne pouvait se limiter à la seule dimension du risque de défaut.
En général, les résultats obtenus avec des données originales (ECC et statistiques MIR)
sont encourageants car ils mettent en évidence une bonne adéquation entre les spreads de taux
historiques et leurs estimations, témoignant du caractère pertinent des variables retenues à l’aide
de modèles parcimonieux, puisqu’un faible nombre de variables explicatives s’est avéré suffisant à
reproduire la dynamique des spreads de taux. Ce constat peut recouvrir plusieurs réalités, parmi
lesquelles le fait que chaque spread de taux correspond à un segment de marché homogène au sens
où les risques idiosyncratiques s’y trouvent compensés, à la différence des risques
macroéconomiques et, avec une contribution plus marginale, sectoriels.
Bien qu’il ait été impossible de mener une analyse des interactions entre activités de crédit
portant sur les grandes catégories (consommation, habitat, entreprises) ou des interactions avec les
autres activités bancaires (dépôts, services de gestion d’actifs,…), laissant ainsi dans l’ombre les
37
phénomènes de subventions croisées, l’approche adoptée a permis de détecter de nombreux effets
de substitution et d’insister sur de nombreuses facettes des stratégies bancaires. La substitution
entre titres risqués (les crédits) et titres non risqués (les emprunts publics) se situe naturellement au
centre de notre recherche puisqu’elle a servi à définir les spreads de crédit. De même, la
substitution entre crédits de long terme et crédits de court terme ou bien celle entre crédits à taux
variable et crédits à taux fixe figurent bien au cœur de l’activité de transformation des banques et
des risques de taux et de liquidité qui y sont associés. A l’opposé des études sur les NIM qui
dissèquent le comportement de la marge moyenne des banques, il n’est pas exclu que le profit
marginal réponde différemment pour compenser les pertes sur le portefeuille de crédits anciens ; il
n’est donc pas surprenant d’observer des signes inattendus pour certains coefficients.
Le marché des crédits aux entreprises est particulièrement éclairant sur tous ces points car
il conforte l’idée selon laquelle prix et quantités ne seraient pas les seules variables d’ajustement
dès lors que l’information est asymétrique. Les entreprises les plus solides financièrement
privilégieraient des financements à taux variable alors que les plus risquées opteraient pour des
financements à taux fixe. Simultanément, le segment de marché des crédits à taux variable serait le
plus concurrentiel. Par ailleurs, la durée de crédit apparaît comme un moyen de contrôle des
projets d’investissement. Au sein des emprunteurs contractant des financements à taux fixe, les
banques orienteraient les meilleurs clients vers les maturités les plus longues afin de mieux
contrôler les clients (Ortiz-Molina et Penas, 2004). Vis-à-vis des particuliers, les diagnostics
contrastent en fonction du segment considéré. En termes de concurrence, le marché des crédits à la
consommation serait relativement homogène alors que celui des crédits à l’immobilier apparaît
d’autant plus concurrentiel que les crédits sont octroyés pour de longues durées en accord avec
l’existence de marchés captifs pour lesquels le crédit ne constituerait qu’un produit d’appel.
Enfin, l’analyse qui a été menée ici suggère quelques pistes dans l’amélioration du cadre
statistique en soulignant l’évolution des comportements à la fin de notre échantillon temporel. A
l’inverse, cette même analyse a permis de mettre en évidence l’importance de la collecte de
nombreuses informations sur les contrats de crédit, telles que les durées ou les modalités de
révision des taux. Elle valide donc les efforts accomplis au sein du SEBC pour collecter des
informations détaillées auprès des IFM.
38
Références
Allen L. (1988), “The Determinants of Bank Interest Margins: A Note” Journal of Financial and
Quantitative Analysis, vol. 23, pp. 231-235.
Angbazo, L. (1997), “Commercial Bank Net Interest Margins, Default Risk, Interest-Rate Risk, and
Off-Balance Sheet Banking ”, Journal of Banking and Finance, vol. 21, pp. 55-87.
Angeloni I. et Ehrmann M. (2003), “Monetary Transmission in the Euro Area: Early Evidence”,
Economic Policy, vol. 18, n° 37, octobre, pp. 469-501.
Banerjee A., Dolado J., Galbraith J.W. et Hendry D. (1993), “Cointegration, error correction, and
the econometric analysis of non-stationary data”, Oxford University Press.
Baumel L. et Sevestre (2000), « La relation entre le taux des crédits et le coût des ressources
bancaires. Modélisation et estimation sur données individuelles de banques », Annales d’Economie
et de Statistiques, n° 59, juillet-septembre, pp. 199-226.
Bardos M. (2001), « Développements récents de la méthode des scores de la Banque de France »,
Bulletin de la Banque de France, n° 90, juin, pp. 73-92.
Berger A.N. et Udell G.F. (1992), “Some Evidence on the Empirical Significance of Credit
Rationing ”, Default Risk, Interest-Rate Risk, and Off-Balance Sheet Banking ”, Journal of Political
Economy, vol. 100, pp. 1047-1077.
Bikker J.A.and Hu H. (2002), “Cyclical Patterns in Profits, Provisioning and Lending of Banks”,
DNB Staff Reports, n°86, mai.
Bordes C. et Mélitz J. (1989), “Business Debt and Default in France”, CEPR Discussion Paper n°
333. Londres, Centre for Economic Policy Research.
Bordes C. et Mélitz J. (1992), « Endettement et défaillances d’entreprises en France », Annales
d’Economie et de Statistique, n° 28, pp. 89-106.
Boutillier M. et Dérangère S. (1992), « Le taux de crédit accordé aux entreprises françaises : coûts
opératoires des banques et prime de risque de défaut », Revue économique, vol. 43, n°2, mars, pp.
363-82.
BRI (1994), « National Differences in Interest Rate Transmission », Banque des Règlements
Internationaux, mars, Bâle.
Brock P. et Franken H. (2003), “Measuring the Determinants of Average and Marginal Bank
Interest Rate Spreads in Chile, 1994-2001”, document de travail, septembre.
Brock P. et Suarez L. R. (2000), “Understanding the behaviour of bank spreads in Latin America”,
Journal of Development Economics, vol.63, pp. 113-134.
39
Bunn P. et Redwood V. (2003), “Company Accounts Based Modelling of Business Failures and
the Implications for Financial Stability”, Bank of England Working Paper, n° 210.
Churn R. et Panigirtzoglou N. (2005), “Decomposing Credit Spreads”, Bank of England Working
Paper, n° 253.
Davis E.P. (1987), “Rising sectoral debt/income ratios: a cause for concern? ”, BIS Economic
Papers, n° 20.
Davis E.P. (1992), “Credit Quality Spreads, Bond Market Efficiency and Financial Fragility ”,
The Manchester School, Vol. 60, Suppl.
De Bondt G.J. (2002), “Retail Bank Interest Rate Pass-through: New Evidence at the Euro Area
Level”, document de travail de la BCE, n° 136, avril.
De Bondt G.J., Mojon B. et Valla N. (2003), “Term Structure and the Sluggishness of Retail Bank
Rates in Euro Area Countries”, communication au colloque Finance & Consumption conference,
The Economics of Consumer Credit : European Experience and Lessons from the US, 13-14 mai,
Institut universitaire européen de Florence.
De Graeve F., De Jonghe O. et Vennet R. V. (2004), “The determinants of Pass-Through of
Market Conditions to Bank Retail Interest Rates in Belgium”, document de travail de la Banque
Nationale de Belgique, n° 47, mai.
Freixas X. et Rochet J.C. (1997), “Microeconomics of Banking”, MIT Press.
Gambacorta L. (2004), “How do Banks Set Interest Rates”, NBER Working Papers, National
Bureau of Economic Research, n° 10295, juin.
Gauthier C. et Lardic S. (2003), « Un modèle multifactoriel des spreads de crédit : estimation sur
panels complets et incomplets », Economie et prévision, n° 159, 2003-3, pp. 53-69.
Hanweck G. et Ryu L.H. (2003), “The sensitvity of Bank Net Interest Margins to Credit, Interest
Rate, and Term Structure Shocks ”, FDIC, Analyst/Economists Conference, octobre.
Heinemann F., Schüler M. (2002), “Integration Benefits on EU Retail Credit Markets - Evidence
from Interest Rate Pass-through ”, ZEW Discussion Paper, Centre for European Economic
Research, n° 2-26, avril.
Ho T.S.Y. et Saunders A. (1981), “The determinants of bank interest margins: theory and empirical
evidence”, Journal of Financial and Quantitative Analysis, vol. 16, n° 4, novembre, pp. 581-600.
Hofmann B. (2003), “EMU and the Transmission of Monetary Policy : Evidence From Business
Lending Rates”, mimeo, ZEI.
Hofmann B. et Mizen P. (2004), “Interest Rate Pass-Through and Monetary Transmission :
Evidence from Individual Financial Institutions’ Retail Rates”, Economica, vol. 71, février, pp. 99123.
40
Kleimeier, S., Sander, H. (2002), “Asymmetric Adjustment of Commercial Bank Interest Rates in
the Euro Area : An Empirical Investigation into Interest Rate Pass-Through ”, Kredit und Kapital,
n° 2, pp. 161-192.
Klein M. (1971), “A Theory of the Banking Firm”, Journal of Money Credit and Banking, vol. 3,
pp. 205-218.
Krainer J. (2004), “What Determines the Credit Spread ?”, FRBSF Economic Letter, n°33,
November.
Leake J. (2003), “Credit spreads on sterling corporate bonds and the term structure of UK interest
rates ” , Bank of England Working Paper, n° 202.
Longstaff F. et Schwartz E. (1995), “A simple Approach to Valuing Risky Fixed and Floating Rate
Debt ”, The Journal of Finance, vol. 50, n° 3 juillet.
Lowe P. et Rohling T. (1992), “Loan Rate Stickiness: theory and evidence”, Research Discussion
Paper n° 9206, Reserve Bank of Australia.
Lubochinsky C. (2002), « Quel crédit accorder aux spreads de crédit ? », Revue de Stabilité
Financière, Banque de France, n° 1, novembre, pp. 85-102.
Mojon B. (2001), « Structures financières et canal des taux d’intérêt de la politique monétaire dans la
zone euro », Economie et Prévision, n° 147, janvier-mars, pp. 89-115. Egalement document de travail
de la BCE, n° 40, novembre 2000.
Moureau N. et Rivaud-Danset D. (2004), « L’incertitude dans les théories économiques », Ed. La
Découverte, coll. Repères.
Ortiz-Molina H. et Penas M. F. (2004), “Lending to Small Businesses : the Role of Loan Maturity
in Adressing Information Problems”, Tilburg University, Discussion Paper, n°99, septembre.
Phillips, P.C.B. (1995), “Fully Modified Least Squares and Vector Autoregression”,
Econometrica, vol.63, n°5, septembre, pp. 1023-1078.
Ploberger W. et Krämer W. (1992), “The CUSUM Test with OLS residuals”, Econometrica,
vol.60, n°2, mars, pp. 271-285.
Rosenwald F. (1995), « Coût du crédit et montant des prêts: une interprétation en termes de canal
large du crédit », Notes d’Etudes et de Recherche de la Banque de France, n°32, septembre.
Sander H. et Kleimeier S. (2004), “Convergence in euro-zone retail banking ? What interest rate
pass-through tells us about monetary policy transmission, competition and integration”, Journal of
International Money and Finance, vol. 23, pp. 461-492.
Sédillot F. (2001), « La pente des taux contient-elle de l’information sur l’activité économique
future ? », Economie et Prévision, n°147, pp 141-154.
41
Spreads and Credits Stratégie (2004), CDC-Ixis Capital markets, 8 octobre 2004.
Vlieghe G. W. (2001), “Corporate liquidations in the United Kingdom ”, Bank of England
Financial Stability Review, juin, pp. 141-147.
Wadhwani S. B. (1986), “Inflation, Bankruptcy, Default Premia and the Stock Market ”,
Economic Journal, vol. 96, n° 381, mars, pp. 120-38.
Weth M.A. (2002), “The pass-through from market interest rates to bank lending rates in
Germany”, Discussion paper, Economic research centre of the Deutsche Bundesbank, mars.
Wilhelm F. (2005), « L’évolution actuelle du crédit à l’habitat en France est-elle soutenable ? »,
Bulletin de la Banque de France, n° 140, août, pp. 37-51.
Winker P. (1999), “Sluggish adjustment of interest rates and credit rationing: an application of unit
root testing and error correction modelling”, Applied Economics, vol. 31, pp. 267-277.
42
Annexe A : construction des spreads de taux et statistiques descriptives de
ces spreads
Figures : Taux des crédits et taux de marché de maturité équivalente
(données trimestrielles, en %)
Crédits à la consommation
(pfit =< 1 an)
Crédits à la consommation
(1 an < pfit =< 5 ans)
Crédits à la consommation
(pfit > 5 ans)
15
15
15
13
13
13
11
11
11
9
9
9
7
7
7
5
5
5
3
3
3
1
01- 01-01- 01-01- 01-01- 01- 01-01- 01-01- 01-
01- 01-01- 01- 01- 01-01- 01- 01- 01-01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
taux des crédits
taux des Bons du Trésor à 1 an
Crédits à l’habitat hors PEL
(pfit =< 1 an)
1
1
01- 01-01- 01- 01-01- 01- 01-01- 01-01- 01- 01-
taux des crédits
taux des crédits
taux des Bons du Trésor à 7 ans
taux des Bons du Trésor à 4 ans
Crédits à l’habitat hors PEL
(1 an < pfit =< 5 ans)
Crédits à l’habitat hors PEL
(5 ans < pfit =< 10 ans)
13
13
13
11
11
11
9
9
9
7
7
7
5
5
5
3
3
3
1
1
1
01- 01- 01-01- 01- 01- 01- 01-01- 01- 01- 01- 01-
01- 01- 01- 01- 01-01- 01- 01- 01- 01- 01- 01- 01-
01- 01- 01- 01- 01-01- 01- 01- 01- 01- 01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
taux des crédits
taux des crédits
taux des crédits
taux des Bons du Trésor à 10 ans
taux des Bons du Trésor à 4 ans
taux des Bons du Trésor à 10 ans
Crédits à l’habitat hors PEL
(pfit > 10 ans)
Crédits aux SNF
(pfit =< 1 an, montant < 1M)
Crédits aux SNF
(1 an < pfit =< 5 ans, montant < 1M)
13
13
11
11
9
9
7
7
7
5
5
5
3
3
13
11
9
3
1
1
1
01- 01- 01- 01- 01-01- 01- 01- 01- 01- 01- 01- 01-
01- 01- 01-01- 01- 01- 01- 01-01- 01- 01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
taux des crédits
taux des Bons du Trésor à 15 ans
taux des crédits
taux des Bons du Trésor à 5 ans
01- 01-01- 01- 01- 01-01- 01- 01- 01-01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
taux des crédits
taux des Bons du Trésor à 5 ans
Source : DCONJ
Calculs : DESM-SASM
43
Crédits aux SNF
(pfit > 5 ans, montant < 1M)
Crédits aux SNF
(pfit =< 1 an, 1M < montant < 4M)
13
13
11
11
9
9
7
7
5
5
3
3
1
1
01- 01-01- 01- 01-01- 01- 01-01- 01-01- 01- 01-
01- 01- 01- 01- 01-01- 01- 01- 01- 01- 01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
taux des crédits
taux des Bons du Trésor à 10 ans
taux des crédits
taux des Bons du Trésor à 5 ans
Source : DCONJ
Calculs : DESM-SASM
Tableau 1 :
Moyenne des spreads de taux (1992T1 – 2004T4)
Ménages
Consommation
Habitat
Sociétés non financières
Montants < 1 million d’euros
1 million < Montants < 4 millions
d’euros
Pfit =< 1 an
1 < Pfit =< 5 ans
5 < Pfit =< 10 ans
3,86%
0,63%
4,00%
1,75%
0,87%
-0,64%
2,24%
-0,20%
ND
Pfit > 10 ans
3,24%
0,43%
0,87%
ND
ND
Source : DCONJ
Calculs : DESM-SASM
Tableau 2 :
Ecart-type des spreads de taux (1992T1 – 2004T4)
Ménages
Consommation
Habitat
Sociétés non financières
Montants < 1 million d’euros
1 million < Montants < 4 millions
d’euros
Pfit =< 1 an
1 < Pfit =< 5 ans
5 < Pfit =< 10 ans
1,20%
1,08%
1,16%
1,05%
0,99%
1,11%
1,10%
0,89%
ND
Pfit > 10 ans
1,00%
0,89%
0,99%
ND
ND
Source : DCONJ
Calculs : DESM-SASM
44
Annexe B : les variables explicatives
(données trimestrielles, en %)
Variable indicatrice
(politique monétaire restrictive)
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00
01 02 03 04
Ecart à la tendance du CAC40
40%
30%
20%
10%
0%
-10%
-20%
-30%
-40%
-50%
Volatilité des taux de marché
Pente de la courbe des taux
3,0%
3,0%
2,5%
2,0%
2,0%
1,0%
1,5%
0,0%
1,0%
-1,0%
0,5%
-2,0%
0,0%
-3,0%
01- 01- 01-01- 01- 01- 01- 01-01- 01- 01- 01- 01-
01-01- 01-01-01- 01-01-01- 01-01-01- 01-01-
92 93 94 95 96 97 98 99 00 01 02 03 04
tiop3m
tiop1a
92 93 94 95 96 97 98 99 00 01 02 03 04
bt2a
Volatilité du taux de rendement du
CAC40
Ecart de PIB
(source OCDE)
30%
2,0%
25%
1,0%
20%
0,0%
15%
-1,0%
10%
-2,0%
5%
-3,0%
0%
-4,0%
01- 01- 01- 01- 01-01- 01- 01- 01- 01- 01- 01- 01-
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01-
01- 01- 01-01- 01- 01- 01- 01-01- 01- 01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
Taux de chômage
13%
12%
Glissement trimestriel du taux de
chômage
0,8%
0,6%
Provisions / encours de crédit
(particuliers)
5,0%
4,5%
0,4%
11%
10%
9%
0,2%
0,0%
4,0%
3,5%
-0,2%
3,0%
-0,4%
8%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
-0,6%
2,5%
01- 01-01- 01- 01- 01-01- 01- 01- 01-01- 01- 01-
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
45
Provisions / encours de crédit
(entreprises)
7%
Encours de crédit aux SNF /
(EBE SNF + EBE EI en valeur)
7,0
6%
Encours de crédit à la consommation /
RDB des ménages en valeur
0,50
6,5
5%
0,45
6,0
4%
5,5
3%
2%
5,0
1%
4,5
0,40
0,35
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01-
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01-
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
Encours de crédit à l’habitat /
RDB des ménages en valeur
(correction IPCH)
Ecart à la tendance des encours de
crédit (consommation)
1,40
1,35
1,30
1,25
5%
5%
4%
4%
3%
2%
1%
0%
-1%
1,20
1,15
1,10
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 0192 93 94 95 96 97 98 99 00 01 02 03 04
Ecart à la tendance des encours de
crédit (habitat)
-2%
-3%
3%
2%
1%
0%
-1%
-4%
-2%
-5%
-3%
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01-
01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01- 01-
92 93 94 95 96 97 98 99 00 01 02 03 04
92 93 94 95 96 97 98 99 00 01 02 03 04
Source : Datastream, OCDE,
Calculs : DESM-SASM
46
Annexe C : l’ordre d’intégration des variables
Test de Phillips-Perron (période 1993 T1 – 2004 T4)
Niveaux
Différences
Composante
déterministe
PP
Spread, consommation (pfit =< 1 an)
C
-1,47
-2,6
Spread, consommation (1 an < pfit =< 5 ans)
C
-2,03
-2,6
Spread, consommation (pfit > 5 ans)
C
-2,33
Spread, habitat (pfit =< 1 an)
C
Spread, habitat (1 an < pfit =< 5 ans)
Conclusion
Composante
déterministe
PP
-2,92
—
-5,39
-1,61
-1,95
I(1)
-2,92
—
-5,45
-1,61
-1,95
I(1)
-2,6
-2,92
—
-5,3
-1,61
-1,95
I(1)
-2,07
-2,6
-2,92
—
-4,83
-1,61
-1,95
I(1)
C
-1,9
-2,6
-2,92
—
-5,14
-1,61
-1,95
I(1)
Spread, habitat (5 ans < pfit =< 10 ans)
C
-2
-2,6
-2,92
—
-5,13
-1,61
-1,95
I(1)
Spread, habitat (pfit > 5 ans)
C
-2,29
-2,6
-2,92
—
-5,38
-1,61
-1,95
I(1)
Spread, entreprises (pfit =< 1 an, mnt < 1ME)
C
-2,25
-2,6
-2,92
—
-5,69
-1,61
-1,95
I(1)
Spread, entreprises (1 an < pfit =< 5 ans, mnt < 1ME)
C
-2,04
-2,6
-2,92
—
-5,05
-1,61
-1,95
I(1)
Spread, entreprises (pfit > 5 ans, mnt < 1ME)
C
-2,13
-2,6
-2,92
—
-5,21
-1,61
-1,95
I(1)
Spread, entreprises (pfit =< 1 an, mnt > 1ME)
C
-2,75
-2,6
-2,92
—
-5,59
-1,61
-1,95
I(1)
Pente (taux 10 ans - taux 3 mois)
C
-3,05
-2,6
-2,92
Volatilité taux 3mois
C
-2,19
-2,6
-2,92
—
-5,27
-1,61
-1,95
I(1)
Volatilité taux 1 an
C
-2,25
-2,6
-2,92
—
-7,05
-1,61
-1,95
I(1)
Ecart CAC40
—
-2,26
-1,61
-1,95
Volatilité rendement annuel CAC40
C
-2,52
-2,6
-2,92
—
-7,12
-1,61
-1,95
I(1)
Ecart du PIB à sa tendance (OCDE)
—
-1,25
-1,61
-1,95
—
-5,4
-1,61
-1,95
I(1)
Glissement trim. Taux de chômage
—
-2,85
-1,61
-1,95
Provisions / encours crédit (particuliers)
C
-1,06
-2,6
-2,92
—
-6,15
-1,61
-1,95
I(1)
Provisions / encours crédit (entreprises)
C
-1,36
-2,6
-2,92
—
-4,34
-1,61
-1,95
I(1)
Poids de la dette (consommation)
C et T
-1,91
-3,18
-3,5
C
-9,73
-2,6
-2,92
I(1)
Poids de la dette (habitat)
C et T
-2,16
-3,18
-3,5
C
-8,21
-2,6
-2,92
I(1)
Poids de la dette (entreprises)
C
2,34
-2,6
-2,92
—
-6,94
-1,61
-1,95
I(1)
Ecart des encours de crédit à la tendance (consommation)
—
-2,93
-1,61
-1,95
Ecart des encours de crédit à la tendance (habitat)
—
-0,91
-1,61
-1,95
—
-5,51
-1,61
-1,95
Nom variable
Seuil 10% Seuil 5%
Seuil 10% Seuil 5%
I(0)
I(0)
I(0)
I(0)
I(1)
47
Annexe D : présentation des résultats des estimations et des tests
Outre les résultats des tests traditionnels, figurent en bas des tableaux suivants les résultats d’un
test de rupture (Ploberger-Krämer) et quelques tests portant sur la présence éventuelle d’une
relation de cointégration. La valeur critique du test de Ploberger-Krämer est de 1.36, au seuil de
5 %, sous l’hypothèse nulle d’absence de rupture. Le test de cointégration qui porte sur les seules
variables I(1) présentes dans la régression (excluant notamment la pente) est un test ADF pour
lequel on précise le nombre de retards retenus (sélectionné avec le critère AIC) et la valeur critique
pertinente ; enfin, on a fait figurer le coefficient autorégressif dans l’équation qui porte sur l’erreur
de la relation de « long terme » et qui permet la mise en oeuvre du test de cointégration.
Tableau 1 : Spreads de taux sur les crédits à la consommation
PFIT =< 1 an
Coef,
C
2,39%
1 an < PFIT =< 5 ans PFIT > 5ans
Coef, LT
Coef,
3,02%
4,06%
8,31
Variable muette
PENTE (taux à 10 ans - taux à 3 mois)
-0,05% - 0 , 0 7 %
-
0,51
-
0,10 -
-
-
2,18
Ecart du CAC40 à sa tendance
-1,47% - 1 , 8 6 %
-
Glissement trimestriel du taux de chômage
-
-
2,56
0,59
1,97
1,57
-0,32% - 0 , 4 0 %
-0,44%
-0,37%
5,27
-
8,05
0,23%
-9,3%
-
2,27
1,91%
-
0,86%
2,80
5,58
20,9%
5,89
0,79%
2,08
0,4%
4,18
-23,6%
-
0,19
17,7%
1,51
26,4%
1,02
20,3%
5,85
Endogène(-1)
1,44
0,28%
2,11%
-26,5% - 3 3 , 5 %
Ecart des encours de crédit à la tendance
9,72
0,29
2,78%
0,81
Provisions / Encours de crédits
-
-1,09%
-10,9% - 1 3 , 8 %
-
0,67
0,62
4,67
0,18%
Poids de la dette
0,07
-
0,08
2,67
Ecart du PIB à sa tendance
0,01%
10,29
0,47
3,12
2,20%
13,92
0,12%
0,62
-
0,37
-
3,22%
18,67
0,86
0,12
Volatilité du taux de marché
Volatilité du glissement annuel du CAC40
Coef,
1,2%
4,44
0,22
94,6%
92,4%
86,3%
0,23%
0,31%
0,36%
0,37
3,97
Endogène(-2)
Adjusted R2
SEE
Durbin-Watson stat
h-Durbin
normalité Jarque-Berra (P value)
test de rupture (Ploberger-Krämer)
test de cointégration ADF (nb retards)
valeur critique de référence
AR(1) résidus relation de cointégration
-
0,16
-
1,91
1,91
0,40
1,81
—
0,87
0,98
0,48
0,64
-5,17 (1)
-4,76 (5%)
0,42
2,01
—
-3,5 (0)
4,42 (10%)
0,61
0,45
0,52
-4,73 (1)
-4,76 (5%)
0,64
48
Tableau 2 : Spreads de taux sur les crédits à l’immobilier
PFIT =< 1 an
Coef,
C
1 an < PFIT =< 5 ans
5 ans < PFIT =< 10 ans PFIT > 10 ans
Coef, LT
0,67%
Coef,
3,55
Variable muette
0,31%
0 , 4 4 % 0,18%
- 0,42 -
0,59
- 0,42 -
0,64
0,71
2,81
Ecart du CAC40 à sa tendance
-0,83%
Volatilité du glissement annuel du CAC40
1 , 8 7 % 2,23%
0,04%
6,5%
0 , 2 0 % 0,17%
- 0,27 -
7,3%
0,38
Endogène(-2)
Adjusted R2
SEE
Durbin-Watson stat
h-Durbin
normalité Jarque-Berra (P value)
test de rupture (Ploberger-Krämer)
test de cointégration ADF(nb retards)
valeur critique de référence
AR(1) résidus relation de cointégration
0,45
2,50%
0,42
0,47
1,47
1 , 3 8 % 0,99%
1,12%
1,15
- 0 , 1 2 % -0,12% - 0 , 1 3 %
- 2,53
- 2,83
0 , 1 9 % 0,00%
0 , 0 0 % -0,15% - 0 , 1 7 %
0,01
-
7,9%
0,51
9,5%
6,3%
5,68
- 0,58
0,52
- 0 , 8 0 % -0,45% - 0 , 5 1 %
1,36
0,54
0,31%
7,61
-
1,15%
8,2%
0,76%
2,69
- 2,27
- 2,19
7,2%
4,51
-
0,70
- 3,06
- 0,68 -
0,78
- 3,47
-3,99% - 5 , 5 9 % -8,05% - 9 , 0 4 %-12,04% - 1 4 , 4 7 %-12,39%- 1 4 , 0 7 %
- 0,88
Endogène(-1)
- 0,48 -
- 0,46 -
2,49
4,63
- 1,35
Ecart des encours de crédit à la tendance
0,37
0,52
9,2%
4,46
Provisions / Encours de crédits
0,79
- 3,44
0,14%
0,54
-
0 , 0 6 % -0,19% - 0 , 2 1 % -0,10%
0,49
Poids de la dette
-
- 8,07
2,21
0,98
Glissement trimestriel du taux de chômage
- 0,45
Coef, LT
2,48
- 1 , 1 6 % -1,12% - 1 , 2 6 %-0,66%
1,49
Ecart du PIB à sa tendance
0,47
- 3,36
1,33%
0 , 3 2 % 0,27%
2,48
3,78
- 2,67
Coef,
1 , 1 4 % 0,67%
3,65
0 , 2 0 % 0,26%
- 6,62
0,46
Coef, LT
5,32
1,48
- 6,80
Volatilité du taux de marché
Coef,
1 , 5 7 % 0,95%
6,36
2,71
PENTE (taux à 10 ans - taux à 3 mois)
Coef, LT
0 , 9 4 % 1,39%
- 1,63
- 2,80
- 2,81
0,54
0,45
0,49
6,16
4,51
6,67
0,44
- 0,25
- 0,34
- 0,32
- 0,32
- 3,52
- 4,74
- 4,99
- 4,56
5,43
93,3%
91,5%
92,8%
90,6%
0,26%
0,29%
0,25%
0,26%
1,85
1,71
1,54
1,60
0,64
1,37
1,83
1,66
3,93
0,13
3,50
2,10
0,62
0,69
0,57
0,62
-4,31 (1)
-5,97 (3)
-4,13 (0)
-4,13 (0)
4,42 (10%)
4,80 (1%)
4,42 (10%)
4,42 (10%)
0,53
0,47
0,46
0,46
49
Tableau 3 : Spreads de taux sur les crédits aux entreprises
1 < m ontants < 4
ME
Montants < 1 ME
PFIT < 1 an
Coef,
C
-0,03%
-
Variable muette
1 an < PFIT < 5 ans
Coef, LT
Coef,
-0,06%
1,76%
0,13
0,55%
- 0,53
-
Volatilité du taux de marché
0,97%
- 0,92
- 0,51
6,01
-
0,44
-1,19%
Volatilité du glissement annuel du CAC40
2,38%
0,08%
-2,07%
1,21%
-0,76%
-
Poids de la dette
4,15%
2,96%
Endogène(-1)
0,14%
-0,24%
-
0,56
2,11%
0,69%
13,62%
-0,70%
3,33%
0,71%
0,40
1,00%
-0,26%
-0,12%
-
0,59%
-
11,76%
-
1,30%
0,27%
-0,15%
0,77%
-
-
4,19
15,36%
0,36%
0,05%
1,78%
7,88%
11,13%
0,19%
0,27%
0,56
0,29
3,47
1,75
94,3%
90,4%
0,4%
0,3%
0,3%
1,67
2,17%
1,06
83,7%
1,67
0,04%
1,26%
3,40
- 0,16
1,54%
2,77
0,40
- 0,29
-0,82%
1,03
0,47
1,27
4,40
- 0,26
0,83
1,03
2,34
0,80%
- 1,07
- 0 , 1 6 % -0,58%
1,89
15,32%
0,56%
7,49
- 0,18
2,11
0,78%
0,40
Endogène(-2)
-
0,98
3,77
0,43
0,40%
-0,76
0,34
3,30
1,33
- 0,71
-0,12%
-
0,82%
2,13
1,58
2,73
-1,32%
0,48%
6,57
-0,83%
Coef, LT
0,58%
2,05
0,31
4,45
4,53
Adjusted R2
SEE
Durbin-Watson stat
h-Durbin
normalité Jarque-Berra (P value)
test de rupture (Ploberger-Krämer)
test de cointégration ADF (nb retards)
valeur critique de référence
AR(1) résidus relation de cointégration
-
3,43
0,11
-0,40%
-
- 0,54
2,55
3,03
Provisions / Encours de crédits
- 0,58
-0,74%
-
1,15%
0,37%
3,14
1,19
Glissement trimestriel du taux de chômage
0,39%
8,49
1,76
Ecart du PIB à sa tendance
0,88%
Coef,
3,07
0,50
2,39
PFIT < 1 an
Coef, LT
4,14
0,34%
1,22
-
1,98%
3,52
0,25
Ecart du CAC40 à sa tendance
Coef,
8,15
3,30
PENTE (taux à 10 ans - taux à 3 mois)
PFIT > 5 ans
Coef, LT
85,8%
0,5%
1,59
1,69
1,41
1,07
1,13
1,13
12,18
0,01
2,80
2,91
0,53
0,51
0,56
0,50
-5,27 (4)
-4,43 (1)
-3,73 (1)
- 4,54 (1)
4,80 (1%)
4,42 (10%)
4,42 (10%)
4,42 (10%)
0,52
0,62
0,74
0,57
50