Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
Crise des Subprimes, Réglementation Prudentielle : Z-score ou
Rating ?
Une Etude sur Des Banques De La Zone Euro
Subprime ...
1. Introduction
Si le rôle des banques dans la croissance économique n’est plus à démontrer, leur comportement peut
être s...
Le présent article s’intéresse à l’étude de l’impact de la réglementation sur le risque de défaillance des
banques de la z...
agrégées [Barth, Caprio and Levine (2001, 2004, 2006, 2008 et 2013) ; Davis et Karim (2008)], soit
également sur des donné...
Formellement le Z-score (zscore) peut être présenté par la formule suivante :
score =
( )
=
( )
+
( )
11
(1)
Avec :
ROA : ...
européenne, (3) Les pays choisis (hormis la Grèce) représentent presque 72% du PIB16
de l’ensemble
de l’union européenne e...
3.2 Hypothèses et sélection des variables
Afin d’expliquer la défaillance bancaire pendant la période de la crise financiè...
[Ioannidis et al. (2006)]. Ce ratio se mesure par rapport entre tous les coûts ou les charges supportés
par les banques (s...
1) L’exigence en capital
La relation entre la réglementation du capital et la défaillance bancaire, a reçu une attention p...
H8 : la discipline de marché aurait un impact positif sur la réduction du risque de défaillance bancaire
en période de cri...
Tableau 1 : Descriptions des variables et effets attendus
Variables Définitions/Formules Catégorie (CAMEL, RG) Description...
encore faire aux
manques de
liquidités sur le
marché lors des
périodes crise.
Exigence en capital Indice EXIGC Discipline ...
à travers un cadre
réglementaire plus
stricte permet au
régulateur de mieux
contrôler le secteur
et de cerner
facilement l...
éventualités suivantes: (1) ) = 1 si la banque est défaillante, c’est-à-dire si )∗
> 0 et (2), ) = 0
si la banque est non ...
Les estimations sont effectuées par u modèle Logit et en données de panel. Afin de mieux contrôler les
hétérogénéités inob...
Figure 5. Comparaison entre banques défaillantes (DEF) et banques saines (NDEF)
pendant la période de la crise des subprim...
Figure 7 : Répartition des variables réglementaires par pays en période de la crise
financière (2007-2009).
4.2. Résultats...
Tableau 3. Estimation du risque de défaillance bancaire par le Z-score (modèle 1)
Zscore1 Zscore2 Zscore3 Zscore4 Zscore5
...
Tableau 4. Estimation du risque de défaillance bancaire par le rating (modèle 2)
Rating1 Rating2 Rating3 Rating4 Rating5
C...
Les permettent de constater aussi que la rentabilité, telle que mesurée par le ratio ROE, est pertinente
dans l’explicatio...
Bibliographie
[1] Adamati A., De Marzo P., Hellwig M. & Peleiderer P. (2010). Fallacies, Irrelevant Facts and
Myths in the...
[19] Davis E.P. & Karim, D. (2008). Comparing early warning systems for banking crises. Journal of
Financial Stability, 4(...
[37] Rojas-Suarez, L. (2002). Can international capital standards strengthen banks in emerging
markets? SSRN Working Paper...
Prochain SlideShare
Chargement dans…5
×

Crise des Subprimes, Réglementation Prudentielle : Z-score ou Rating ? Une Etude sur Des Banques De La Zone Euro, Subprime Crisis, Prudential Regulatory: Z-score or Rating? A Study on Banks of the Eurozone

26 vues

Publié le

https://www.researchgate.net/publication/332684502_Crise_des_Subprimes_Reglementation_Prudentielle_Z-score_ou_Rating_Une_Etude_sur_Des_Banques_De_La_Zone_Euro_Subprime_Crisis_Prudential_Regulatory_Z-score_or_Rating_A_Study_on_Banks_of_the_Eurozone
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3359290

Publié dans : Économie & finance
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Crise des Subprimes, Réglementation Prudentielle : Z-score ou Rating ? Une Etude sur Des Banques De La Zone Euro, Subprime Crisis, Prudential Regulatory: Z-score or Rating? A Study on Banks of the Eurozone

  1. 1. Crise des Subprimes, Réglementation Prudentielle : Z-score ou Rating ? Une Etude sur Des Banques De La Zone Euro Subprime Crisis, Prudential Regulatory: Z-score or Rating? A Study on Banks of the Eurozone Lotfi TALEB : École Supérieure des Sciences Économiques et Commerciales de Tunis (ESSECT) Dalanda KHOUAJA : École Supérieure des Sciences Économiques et Commerciales de Tunis (ESSECT), Résumé Le présent article s’intéresse à l’étude de l’impact de la réglementation prudentielle bancaire sur le risque de défaillance des banques de la zone Euro pendant la crise financière des subprimes. Deux indicateurs de mesures de risque de faillite sont utilisés, le Z-score et le rating. La méthodologie adoptée consiste à effectuer des estimations en utilisant un modèle du type Logit incluant comme variables explicatives des variables du type CAMEL, des variables réglementaires mais aussi des variables macroéconomiques. Les résultats empiriques trouvés montrent que, quelle que soit l'approche retenue pour mesurer le risque de faillite, les variables telles que le renforcement des capitaux propres, le niveau des liquidités, la restriction et la surveillance sur les activités bancaires, sont statistiquement significatives. De plus, on trouve que le Z-score, comme méthode d’évaluation du risque bancaire, montre une certaine supériorité par rapport au rating pour mieux prévenir en ex post les cas des banques en situation de faillite pendant la crise des subprimes. Abstract The present article examined the impact of prudential banking regulation on distress in European Banks during the subprime crisis. Two indicators are used to assess the risk of bankruptcy, the Z-score and the rating. The methodology consists to use a logit model which includes CAMEL, regulatory and also macroeconomic variables. This study revealed that capital adequacy requirements, liquidity position, restrictions and supervisory monitoring are the most statistically significant bank specific factors which influence distress in European banks during the subprime crisis. In addition, we found that the Z-score criteria is more able to predict banks bankruptcy than the rating. Mots clés : Z-score, rating, crise des subprimes, faillite bancaire, variables CAMEL, modèle Logit. Key words: Z-sore, rating, Subprime crisis, bank failure, CAMEL, Logit model. Classification JEL : G21 ; G28 ; G33 ; G38. Electronic copy available at: https://ssrn.com/abstract=3359290
  2. 2. 1. Introduction Si le rôle des banques dans la croissance économique n’est plus à démontrer, leur comportement peut être source de risque systémique. L’importance des fonctions et des interventions des banques fait que toute défaillance d’un système bancaire peut générer un dysfonctionnement de tout le système financier. L’histoire des crises financières, et en particulier la dernière crise des subprimes, a montré que le système bancaire n’est pas à l’abri des turbulences et que les banques peuvent être la cause d’une crise systémique, la prévention des faillites bancaires est apparue donc, comme une priorité pour les autorités de tutelle. Sur le plan réglementaire, les autorités de tutelle sont intervenues par le biais de nombreuses réformes afin d’essayer d’éliminer ou du moins réduire ce risque. Dans ce sens, les accords successifs du Comité de Bâle avaient pour un souci la rationalisation et la régulation le système financier international et l’amélioration de la stabilité du système bancaire international. En 1988, un ensemble de règles prudentielles connues sous le vocable de premiers accords de Bâle (Bâle I) ont été proposé. Le ratio que le Comité de Bâle I a instauré à cette époque, était le ratio Cooke qui n’est qu’un taux de solvabilité bancaire fixant à 8% le montant minimum des fonds propres bancaires au regard de ses engagements financiers. Par la suite, Bâle II, a principalement cherché à affiner les règles proposées initialement au niveau des accords de Bâle I, pour refléter les vrais risques de manière plus réaliste. Dans ce sens, la révision Bâle II a imposé un seuil minimal de capital (le ratio Mc Denough) et s’est aussi doté de deux piliers supplémentaires, à savoir la surveillance des banques et la discipline du marché. La crise des subprimes est principalement la conséquence de l’échec de la gestion des risques bancaire. En effet, cette crise a montré d’une part, qu’en ex post, il est clair que les accords de Bâle II n’ont guère contribué à accroître la stabilité financière et donc, empêcher une crise de telle ampleur .D’autre part, que le système de contrôle interne utilisé par la quasi-totalité des banques, et particulièrement les banques de grande taille, pour se prémunir contre les prises de risque excessives, s’est avéré défaillant . De plus, il s’est avéré que la discipline du marché a échoué à envoyer des signaux d’alerte en temps voulu. Ce constat d’échec qui a démontré une carence dans le système de contrôle interne et un manque de rigueur dans les mesures prises par les régulateurs, a ressuscité l’intérêt des autorités de tutelle et des chercheurs afin de mettre en place de nouvelles mesures règlementaires plus sécurisées et capables de prendre en considération les effets des risques systémiques. En période de crise systémique, il a été prouvé aussi que le risque de défaillance bancaire est d’autant plus important. Cette constatation était clairement apparente lors de la dernière crise des subprimes (2007-2009). En effet, depuis le déclenchement de la crise financière la quasi-totalité des pays de la zone Euro ainsi que les banques européennes, étaient sous tension et ont vu leurs résultats nets ainsi que leurs notations se dégradaient auprès des grandes agences de notation internationales (voir figure 1 et 2). Cette dégradation témoigne, dans une certaine mesure1 , de la dégradation sérieuse de l’état de ces institutions financières et de leurs contaminations par les effets de la crise. Ce n’est qu’après la crise des subprimes que le risque systémique et la réduction de la pro cyclicité2 sont mis en avant dans la réforme de Bâle III et où on a commencé à envisager de mettre en place une surveillance renforcée et une surcharge en capital additionnelle pour les institutions bancaires dites systémiques.3 Sur le plan académique, les études du risque de défaillance des banques européennes sont restées modestes relativement à la littérature empirique sur le marché américain. Ce constat est essentiellement dû au faible nombre de faillites bancaires en Europe. Toutefois, certaines recherches [Agoraki, Delis et Pasioura (2011)] ont été établies afin d’analyser les facteurs prédictifs de défaillance des banques européennes. 1 L’hypothèse de changement de méthodologie de notation par effet de la crise ne peut pas être également écartée. 2 Le dispositif de Bâle III a prévu la constitution de réserves de 2,5% des actifs pondérés (volants de conservation ou contra cyclique), pendant les périodes de croissance économique, pouvant être mobilisées en périodes de crise systémique (période de credit crunch) afin d’absorber les pertes tout en respectant les exigences réglementaires minimales, évitant ainsi la contraction du crédit. 3 Ces institutions dites systémiques se distinguent essentiellement par leur taille et leur degré d’interconnexion avec les autres institutions financières. Electronic copy available at: https://ssrn.com/abstract=3359290
  3. 3. Le présent article s’intéresse à l’étude de l’impact de la réglementation sur le risque de défaillance des banques de la zone Euro pendant la période de la crise financière des subprimes (2007-2009) et ce, par le recours à deux indicateurs de mesures différentes : (1) un indicateur de mesure de risque de faillite ex ante, le Z-score et, (2) un indicateur de mesure ex post, le rating. La méthodologie adoptée consiste à effectuer des estimations en modèle Logit et en données de panels et à intégrer comme variables explicatives aussi bien des variables du type CAMEL que des variables réglementaires et macroéconomiques. Le reste de l’article sera organisé comme suit : la section 2 sera consacrée à présenter une revue de la littérature sur l’utilisation des deux techniques, le Z-score et le rating, comme mesure de l’évaluation de probabilité de défaut et du risque de faillite bancaire. Dans la section 3, on va présenter les données utilisées, l’identification des variables, le choix des hypothèses ainsi que les effets attendus. Dans la section 4, on expose la méthodologie adoptée, les résultats des estimations et les interprétations. La section 5 sera réservée à la conclusion. 2. Revue de la littérature La littérature académique traitant le sujet d’instabilité et de faillites bancaires s’intéresse essentiellement à deux cas d’étude : (1) dans le premier cas, la faillite correspond à une situation probable mesurée par une probabilité de réalisation calculée. En d’autres termes, le risque de faillite dans ce cas peut être important, mais qui n’est pas réalisé formellement. Ce cas est généralement mesuré par des indicateurs ex post, en l’occurrence le Z-score qui représente une proximité à la faillite symbolisée par un score nul. (2) Le deuxième cas s’intéresse plutôt aux crises systémiques déjà réalisées, en mettant en place des critères de pertes ou de mesures ex ante. Le rating constitue l’un des critères de mesure. Dans les deux cas, l’objectif reste à estimer à travers des indicateurs de performances et de solvabilité (un score ou un rating)), le risque de défaillance ou de faillite de la banque [Gaganis et al. (2006) ; De Nicoló et al. (2006) ; Ioannidis et al. (2010)]. Si ces deux critères de mesures ont montré des résultats satisfaisant en période de stabilité, une attention particulière est portée sur leur efficacité en période de crise. Dans ce sens, plusieurs travaux empiriques ont essayé d’étudier la fragilité du système bancaire en période de crise systémique et delà, aux mesures de prédiction capables d’identifier rapidement le risque de défaillance bancaire. Les modèles développés, connus sous le nom des modèles d’alerte précoce, portent essentiellement sur des variables statistiques permettant d’estimer et d’analyser essentiellement, le risque de crise bancaire systémique par pays avant le déclenchement des crises bancaires et, la probabilité de défaillance de chaque banque à un horizon de temps donné. Ces modèles sont conduits la plupart du temps soit sur des données Figure 1: Evolution de l’indice de profit des banques (calculés à partir des indices boursier et PER) pendant la période 2000- 2008. (Source des données Thomson Financial) Figure 2 : Variation du résultat net par pays (en %) de la zone Euro pendant la crise des subprimes (2007-2009) (Source des données Thomson Financial) Electronic copy available at: https://ssrn.com/abstract=3359290
  4. 4. agrégées [Barth, Caprio and Levine (2001, 2004, 2006, 2008 et 2013) ; Davis et Karim (2008)], soit également sur des données individuelles [Lanine et Vander Vennet (2006)]. 2.1. Le Rating Le rating4 pour le cas d’une entreprise, résume l'opinion d’une agence de notation, généralement exprimée sous forme d’un nombre de lettres5 , à une date donnée, sur la capacité d'un émetteur à faire face, à temps, à ses engagements financiers à terme (paiement d'intérêts, de dividendes, ou remboursement du principal).6 Le rating est considéré par plusieurs auteurs comme étant un indicateur de mesure adéquat de la solvabilité bancaire et de prévention de faillite bancaire.7 Toutefois, et surtout en période de crise systémique, certaines études [Rojas-Suarez (2002)] ont mis en évidence l’échec de cet indicateur d’alerte à prévenir la défaillance bancaire, surtout après la survenance de la crise des subprimes. En effet, cet indicateur, basé essentiellement sur les variables CAMEL8 , s’est avéré incapable d’anticiper à temps les difficultés et donc le risque de faillite de plusieurs banques à l’échelle internationale9 avant la période de crise. Cette défaillance est attribuée à plusieurs facteurs notamment, aux difficultés à disposer des informations par les agences de notations auprès des banques, de la méthodologie inappropriée adoptée pour l’évaluation des différents risques bancaires mais aussi, à un problème du conflit d’intérêt structurel10 et un risque de délits d’initiés. De plus, il a été démontré [Cihac (2007)] que le pouvoir prédictif des variables CAMEL reste limité dans la mesure que ces variables doivent être complétées par d’autres données complémentaires afin d’améliorer le pouvoir prédictif de cet indicateur. 2.2. Le Z-score Le Z-score est une méthode d’analyse financière qui consiste à synthétiser un ensemble de ratios pour parvenir à un indicateur unique permettant de distinguer d’avance les entreprises ( banques) saines des entreprises (banques) défaillantes [Goyeau et Tarazi (1992)]. Cet outil, couramment utilisé comme mesure de prédiction de probabilité de défaillance bancaire, est proposé initialement par Altman (1968) .Il utilise à la base des données comptables et permet de mesurer la probabilité que les pertes dépassent les fonds propres d’une banque. Un Z-score élevé implique une faible probabilité de défaillance et vice-versa. 4 Appelé aussi note ou notation. 5 L’échelle de notation intrinsèque des banques varie du triple A (sécurité maximum également) à un minimum de E pour Moody’s et Standard and Poor’s (D pour Fitch) pour les banques qui sont en défaut. L’échelle de Fitch et Standard and Poor’s est affinée par l’ajout aux notes des signes + ou – signalant que l’émetteur se trouve plutôt dans le haut ou dans le bas de la classe attribuée. De la même manière, l’échelle Moody’s assortit chaque note d’un coefficient numérique 1, 2 ou 3 (à l’exception de Aaa). Ainsi, par exemple, Moody’s éclate la note Baa en Baa1, Baa2, Baa3. 6 Il faut préciser que la notation des banques est sensiblement différente de celle d’une entreprise ordinaire. En effet, la solvabilité d’une banque (ou d’un établissement de crédit d’une manière générale) est fonction de plusieurs paramètres spécifiques à l’activité bancaire notamment, de sa solidité financière intrinsèque de la banque (ou notation intrinsèque) appréciée généralement par les fondamentaux financiers (rentabilité, liquidité, adéquation des fonds propres, efficacité opérationnelle, qualité des actifs), de la probabilité d’un soutien externe en cas de besoin (ou note de soutien extérieur) fortement influencé par l'effet taille "Too big to fail", et les éléments susceptibles d’influencer son risque de crédit global. 7 Le Comité de Bâle sur le contrôle bancaire encourageait les banques depuis 1999 à se faire noter, et inciter les autorités de contrôle à l’échelle nationale à intégrer les agences de notation dans le monitoring bancaire. 8 Abbreviation de (capital adequacy, assets quality, earnings, liquidity and sensitivity). 9 L'exemple de la banque Lehman Brothers qui a déposé le bilan en septembre 2008, reste le plus spectaculaire. 10 Les agences de notations se caractérisaient par de sérieux conflits d’intérêt dans la mesure où une part substantielle de leurs profits provenait des commissions perçues à l’occasion de ces notations. Electronic copy available at: https://ssrn.com/abstract=3359290
  5. 5. Formellement le Z-score (zscore) peut être présenté par la formule suivante : score = ( ) = ( ) + ( ) 11 (1) Avec : ROA : Le ratio de rentabilité des actifs (la moyenne) (return on assets) EQTA : Le ratio de solvabilité qui fait le rapport entre les capitaux propres et la valeur des actifs (Equity on assets) ( ) L’écart type du ratio du rendement des actifs (une mesure du risque) A partir de cette formulation, il ressort que le Z-score n’est qu’une mesure de la distance au défaut d’une banque et de la probabilité que la valeur de ses actifs soit inférieure à la valeur de sa dette12 . Ce ratio peut être utilisé de manière agrégée ou bien comme une moyenne, au niveau d’un pays, afin d’évaluer la solidité de son système bancaire. La valeur du Z-score et le risque de défaillance varient en sens inverse, une valeur élevée du Z-score correspond à un risque de défaillance faible. Une décomposition du Z-score a été proposée par Goyeau et Tarazi (1992), cette décomposition a donné lieu à deux ratios (1) Z1 = ( ) ; qui correspond à une composante de performance ajustée du risque13 et (2), Z2 = ( ) , qui est une composante de couverture du risque de portefeuille par les fonds propres. Plusieurs travaux ont essayé d’utiliser cette mesure comme un indicateur de solvabilité et prévention de faillite bancaire [Cihak et Hesse (2007); de Nicolo et al. (2006) ; Laeven et Valencia (2008) et Uhde et Heimeshoff (2009)]. La composante Z-score a été proposée également comme une mesure pour évaluer l’effet du pouvoir de marché (mécanisme disciplinaire). En premier lieu, le ratio de rendement des actifs (ROA), pour examiner si le pouvoir de marché octroie un surplus de revenu aux banques, et l’écart type du ROA ( ( )), pour apprécier la qualité du portefeuille de prêt et l’importance des engagements de la banque14 [Boyd, de Nicolo et Al Jalal (2006) ; Cubillas et al. (2012)]. 3. Données, hypothèses et sélection des variables 3.1 Données La méthodologie adoptée dans le cadre de cet article, consiste à utiliser à la fois des données financières de type CAMEL mais aussi, des données réglementaires et macroéconomiques. Notre échantillon est composé de 189 banques commerciales issues de six pays de la zone Euro15 , la période d’étude est de cinq ans (2007-2011). Le choix des pays et de la période s’explique essentiellement par, (1) le fait que ces pays, comme d’ailleurs tous les pays du monde et surtout les pays développés, ont connu des difficultés bancaires et voire même, des cas de faillites durant la période de la crise des subprimes (2007-2019). (2) Des différences observées au niveau des spécificités et des mesures et des exigences réglementaires différentes imposées par chaque pays au niveau de la zone Euro, permettant d’observer des disparités au niveau des répercussions des effets de la crise au niveau de chaque pays membre de la communauté 11 La banque mondiale utilise pour le calcul du Z-score une formule similaire exprimée de la manière suivante : Z-score = avec, λ = ! ; RA est le rendement moyen des actifs. 12 En faisant l’hypothèse que Z suit une loi normale et vue la symétrie de cette loi, le risque de défaillance d’une banque n’est que la probabilité ( "#$% ( & ( ) > () ; avec Z est l’indicateur du risque de défaillance correspondant au Z-score. 13 Connue aussi sous le nom du ratio Sharpe. 14 Une plus grande volatilité correspondant à un risque plus important. 15 Allemagne (68), Espagne (22), France (28), Grande Bretagne (68), Gerce (12) et l’Italie (20) Electronic copy available at: https://ssrn.com/abstract=3359290
  6. 6. européenne, (3) Les pays choisis (hormis la Grèce) représentent presque 72% du PIB16 de l’ensemble de l’union européenne et participent aux environs de 80% du total des actifs de l’ensemble des banques européennes17 . De surcroît, une crise systémique qui surgit dans l’un de ces pays est de nature à se répercuter, par effet de contagion, sur tout le reste des pays de l’union européenne18 . Mais aussi, (4) la disponibilité des données des banques sélectionnées. Quant au choix de la période, bien que la crise ait débuté en fin de l’année 2007 et a continué à prendre effet toutes les années 2008 et 2009, on a pensé que les effets, du moins sur le plan économique, ont continué à être ressentis sur une période plus importante19 . Une période d’étude plus entendue (soit une période de 5 ans) est estimée plus appropriée pour voir l’effet d’une telle crise sur les banques de la communauté Européenne.20 Les données de bilans et des états de résultats sont issus de la banque de données Bankscope Fitch IBCA.21 Les données relatives aux variables réglementaires ainsi que les données macroéconomiques sont issus de la base de données de la Banque mondiale [Barth, Caprio et Levine (2001, 2008 et 2013)].22 L’étude empirique23 sera réalisée sur des données individuelles supposées être meilleure de point de vue qualité de l’information que les données agrégées. La figure 3 résume la répartition des banques par pays considéré dans notre échantillon. Figure 3 : Nombre de banques par pays de la zone Euro étudiées pendant la période de la crise des subprimes (2007-2009) 16 Source Eurostat 17 Source : Fitch-IBCA ; Bankscope 18 Il est à noter que l’agence de notation Moody’s en 2007 et en réponse à l’effet de la crise des subprimes, avait été d’intégrer le critère de notation des États pour les établissements de taille dits « systémiques » dont le rôle est supposé être prépondérant à l’échelle de l’économie d’un pays. 19 Il faut souligner que la définition de crise systémique et l’identification de la période ne trouvent pas une unanimité. Laeven et Valentia.F (2008) supposent que pour identifier les dates de début et de fin des crises bancaires et que cette crise soit considérée comme systémique, il faut que deux critères doivent être réunis. (1) des signes évidents de défaillance financière au sein du système bancaire (des pertes anormalement importantes et exceptionnelles). En plus, (2) l’existence d’une intervention significative des instances de supervision ou gouvernementale. 20 On va supposer que la période de crise financière, la période qui s’étale entre 2007-2009, alors que la période d’estimation correspond à toute la période 2007-2011, soit donc une période post-crise de deux ans (2010-2011). 21 Par souci d’homogénéité, nous avons exploité les données concernant les banques commerciales non consolidées. 22 Il s’agit d’une base de données qualitative qui repose essentiellement sur des enquêtes effectuées auprès des autorités de régulation locales et qui porte sur plusieurs volets (1) contestabilité du marché bancaire, (2) structure de propriété, (3) réglementation du capital, (4) réglementation de l’activité, (5) surveillance, (6) assurance, (7) provisionnement et organisation des commissions de surveillance, (8) liquidité, transparence et (10) discipline du marché. 23 Une étude préliminaire a consisté à faire une comparaison entre les banques des différents Etats de l’union européenne notamment en ce qui concerne, la structure du capital et les crédits du moment que la taille des banques peut sensiblement d’un pays à l’autre. Cette étude montre que la plus faible taille des banques est observée en Grèce (25 milliards de dollars américains) et la plus élevée au Royaume-Uni (215 milliards de dollars américains). Le Royaume-Uni, qui est caractérisé par une véritable économie de marché, présente la moyenne des crédits la plus élevée. On constate également un fort levier financier pour le cas de la Grèce et de l’Espagne. 0 10 20 30 40 50 60 70 80 Allemagne Espagne France Grande Bretagne Grèce Italie Electronic copy available at: https://ssrn.com/abstract=3359290
  7. 7. 3.2 Hypothèses et sélection des variables Afin d’expliquer la défaillance bancaire pendant la période de la crise financière des subprimes, nous avons considéré en premier lieu comme variables spécifiques bancaires les indicateurs CAMEL. Ces indicateurs comptables sont d’ailleurs utilisés par la plupart des agences de notation pour évaluer la performance et la stabilité bancaire et aussi, comme mesure de risque de faillite. En second lieu, nous avons utilisé des variables réglementaires pour analyser le rôle et l’impact de la réglementation. Mais en plus des variables CAMEL et des variables règlementaires, nous avons utilisé également, et pour mieux cerner les différences macroéconomiques et des spécificités des pays appartenant à la zone Euro, des variables macroéconomiques. Quant à la taille de chaque banque, elle est prise en compte comme étant une variable de contrôle et approximée par le total de l'actif des banques (en logarithme). 3.2.1 Les variables CAMEL 1) Le degré de capitalisation (capital adequacy) Les fonds propres, ont constamment été l'assurance à la disposition des autorités monétaires pour maintenir un certain niveau de stabilité des établissements bancaires. De Bâle I à Bâle III, la réglementation du capital fût la norme la plus importante du dispositif instauré afin d'harmoniser les exigences de solvabilité des banques. Dans ce sens, il a été démontré sur le plan théorique, qu’il existe un caractère incontestable de la nécessité d'une adéquation entre fonds propres et risques de défaillance [Modigliani et Miller (1963)]. Le capital bancaire est considéré également comme, une source de financement rare et couteux [Elliott (2009)], chose qui pousse les actionnaires à exiger des rendements plus élevés en contrepartie du risque qu’ils devront normalement supporter. Plusieurs études [(Myers (1977) ; Myers et Majluf (1984)] ont montré également la réticence des banques à augmenter leur capital afin d’éviter le risque de dilution des actionnaires. Pour la mesure du degré de capitalisation et à l’instar de Lanine et Vander Vennet (2006) et Pasiouras et al. (2006)24 , nous avons utilisé le ratio qui fait le rapport entre le capital sur le total des actifs (CAP). H1 : On s’attend à une relation négative entre le degré de capitalisation et le risque d’insolvabilité bancaire en période crise.25 2) La qualité des actifs (Asset quality) La qualité des actifs joue un rôle important dans le risque de faillite bancaire Lanine et al. (2006) ont utilisé pour apprécier la qualité des actifs de la banque, le ratio, crédit sur le total actif comme mesure du risque de crédit. Normalement, plus la part des crédits est élevée, plus la banque serait exposée au risque de crédit et donc au risque de faillite. On a choisi dans le cadre de ce travail une mesure différente de celle de Lanine et al. (2006) et qui consiste à utiliser comme indicateur de mesure de la qualité des actifs, le niveau des provisions constatées (PROV). Normalement, plus le niveau de provisions est élevé plus le niveau de risque important. H2 : La détention des actifs de mauvaise qualité affecterait positivement le risque de défaillance bancaire en période post crise 3) La qualité de gestion (Management quality) Dans la littérature, plusieurs mesures sont avancées comme proxy pour mesurer la qualité de gestion de l’équipe dirigeante en particulier, on a choisi dans la présente étude le ratio des coûts ou d’efficience 24 Il est à noter que le ratio du TIER 1 n’est pas communiqué pour la majorité des banques européennes. 25 Il faut noter qu’imposer des exigences en capital comportent des conséquences qui font que la relation entre le capital détenu par les banques et le risque de faillite n’est pas systématique et reste ambigüe. En effet, les ressources propres étant très coûteuses, les banques sont tentées de prendre un niveau de risque plus important lorsque le niveau des fonds propres est élevé pour compenser le coût de la possession du capital supplémentaire. Ce qui permet de faire accroîtrait la probabilité de défaillance de la banque. Une relation positive entre le niveau du capital et le risque de défaillance reste donc possible. Electronic copy available at: https://ssrn.com/abstract=3359290
  8. 8. [Ioannidis et al. (2006)]. Ce ratio se mesure par rapport entre tous les coûts ou les charges supportés par les banques (sauf les charges sur intérêts) rapporté au total des actifs (COUT). H3 : On prévoit l’existence d’une relation positive entre le risque de défaillance bancaire et la mauvaise qualité de gestion en période crise financière. 4) La Performance (Earning ability) La notion de performance est liée au risque et au capital bancaire. Les banques peu rentables sont incitées à choisir des projets risqués pour défendre leur rentabilité et respecter en même temps les restrictions imposées par les autorités de tutelle. Parmi les mesures standard de performance utilisées26 , nous avons choisi le ratio de rentabilité financière des fonds propres (ROE) ainsi que le ratio du levier financier (LEVIER) mesuré par le rapport entre les capitaux propres et les dettes.27 H4 : La performance devrait avoir un effet négatif sur le risque d’insolvabilité bancaire en période crise financière. 5) La liquidité (Liquidity position) La liquidité est considérée comme une variable explicative de risque de défaillance bancaire. En effet, une banque qui a suffisamment des liquidités peut facilement honorer ses engagements ou satisfaire les demandes de nouveaux crédits. Dans ce sens, la crise des subprimes, a montré également une grande fragilité et une difficulté des banques de pouvoir faire face à la demande de liquidité croissante en période de crise financière, ce qui a forcé les autorités de tutelle d’intégrer le risque de liquidité à partir de 2010 dans la réglementation de Bâle III28 . Actuellement, La notion de liquidité bancaire a beaucoup évoluée dans le monde de la finance. Elle est devenue intimement liée à la liquidité du marché et à la valorisation des actifs. Dans le cadre de notre étude on a choisi deux variables pour mesurer la liquidité, en premier lieu un indicateur qui apprécie le niveau des liquidités internes de la banque , soit le niveau des actifs liquides détenus par la banque (LIQ) et en second lieu, un indicateur qui apprécie le niveau des liquidité sur le marché interbancaire, soit par le ratio des actifs liquides rapportés au total des dépôts et ressources interbancaires (INTERB). H5 : La liquidité a un impact négatif sur la probabilité de défaillance bancaire en période crise financière. 3.2.2 Les variables réglementaires Plusieurs études ont été effectuées dans le but d’étudier l’impact de la réglementation prudentielle sur la fragilité bancaire [Barth, et al. (2001, 2008 et 2013)]. Plusieurs axes de recherche sont développés, en particulier, la relation entre le cadre réglementaire et les caractéristiques bancaires et institutionnelles des pays [Barth, Caprio and Levine, 2001, 2004 2008 et 2013], l’impact du pouvoir de marché [Lapteacru (2008)], ainsi que la relation entre la réglementation et la structure de gouvernance [Laeven et Levine (2008)]. Nous avons choisi dans notre étude comme mesures réglementaires, celles portant sur les trois piliers de Bâle II en plus de la restriction de l’activité bancaire observée au niveau du cadre réglementaire de chaque pays. 26 D’autres outils sont également couramment employé comme mesure de performance en particulier, le ratio de Marge nette d’intérêts (marge nette) ou encore la rentabilité des actifs (ROA). 27 L’effet de levier désigne le fait d’accroître la rentabilité d’un investissement par un recours à l’endettement : en effet, l’endettement accroît mécaniquement la rentabilité des fonds propres. 28 Notamment à travers l’instauration de deux ratios (1) LCR (Liquidity Coverage Ratio). Ce ratio, dont l’objectif principal est que les réserves de liquidités soient supérieures aux sorties nettes de trésorerie sur un mois, permet aux banques de résister à une crise de liquidité importantes durant un mois et (2), le ratio NSFR (Net Stable Funding Ratio) dont l’objectif est que le montant en financement stable soit supérieur au montant de financement stable exigé afin que l’établissement puisse exercer ses activités durant un an dans un contexte de tensions prolongées. Electronic copy available at: https://ssrn.com/abstract=3359290
  9. 9. 1) L’exigence en capital La relation entre la réglementation du capital et la défaillance bancaire, a reçu une attention particulière de la part des autorités de tulles régissant le cadre prudentiel bancaire. D’ailleurs, on voit que toutes les révisons bâloises (Bâle I, Bâle II et III) font référence à ce volet primordial pour l’activité bancaire. Quant à l’impact de l’exigence en capital sur la faillite bancaire, la littérature empirique a montré une divergence sur le sens de cette relation. D’un côté, plusieurs auteurs [Berger et Bouwman (2010); Beltratti et Stulz (2011), Ioannidis al. (2006)] ont montré une relation négative entre l’exigence en capital et le risque de défaillance. Ces études supposent qu’une exigence en capital plus élevée permet d’éponger les pertes en cas de défaillance des emprunteurs et contribue donc à améliorer leur probabilité de survie en situation de crise financière. D’un autre d’autres travaux [Besanko et kanatas (1996)] supposent par contre, qu’une exigence en capital plus élevée peut pousser les banques à adopter un comportement plus risqué, chose permettant d’augmenter la probabilité de faillite. Comme mesure de cette variable, on a choisi, comme le propose, Barth et al. (2001, 2008 et 2013), de mesurer l’exigence en capital par un indice construit à partir de la somme des réponses à neuf questions élaborées par cet indice composite (EXIGC). Cet indice varie de 0 à 9 et croit en fonction du degré de restriction. Le signe attendu est négatif dans la mesure où des banques fortement capitalisées ne favorisent pas l’apparition d’une crise bancaire systémique. H6 : Il est attendu que l’exigence en capital réduit le risque de faillite d’une banque en période crise. 2) La surveillance bancaire L’indice de supervision mesure la capacité des autorités de tutelle à prendre des mesures de prévention et à sanctionner les banques ne respectant pas la réglementation en vigueur. Cet indice, qui est calculé à partir des travaux de Barth et al. (2004, 2008 et 2013), consiste à donner des réponses à 14 questions (de 0 à 14) portant sur la transparence de l’information sur les engagements hors bilan, le pouvoir des autorités de supervision à suspendre les distributions de dividendes et bonus… etc. Des valeurs élevées de cet indicateur (nommé SURV) représentent un plus grand pouvoir de supervision de la part des autorités de tutelle. Le signe attendu est négatif dans la mesure qu’un régulateur disposant de pouvoirs plus étendus a la possibilité de détecter une crise et d’agir pour en atténuer les effets plus rapidement. H7 : Un pouvoir de supervision plus élevé est supposé réduire le risque de défaillance bancaire en période crise. 3) La discipline de marché Les crises bancaires survenues durant ces dernières décennies et particulièrement la crise des subprimes, ont remis en cause la pertinence de l’intervention de l’ ’État. L’avis général sur le plan empirique l’intervention de l’ ’État est de nature à aggraver l’instabilité bancaire et donc possède un effet négatif sur le risque de faillite en situation de crise. Toutefois, il faut noter que certains auteurs [Gropp et Vesala (2004); Nier et Baumann (2006)] soutiennent que la discipline de marché réduit le risque d’insolvabilité et améliore la stabilité bancaire. D’ailleurs, le comité de Bâle a intégré la discipline de marché dans le troisième pilier de Bâle II et a imposé des règles en matière de communication financière. Pour mesurer la discipline de marché, certaines études ont appliqué un indice29 défini par Barth et al. (2008 et 2013) comme mesure de discipline de marché. Par contre Cihak (2007) a proposé les dettes subordonnées comme mesure de la discipline de marché. La dette subordonnée est dotée d’un statut particulier puisque son remboursement est subordonné à celui des autres types de dettes sans la mesure qu’elle n’est pas garantie par le système d’assurance dépôts. Dans le cadre de cette étude, on a choisi de suivre cette dernière approche et on considère que les dettes subordonnées (DSUB) sont considérées comme une mesure de la discipline du marché. 29 Un indice allant de 0 à 8 indiquant une discipline de marché plus grande pour des valeurs plus élevés. Electronic copy available at: https://ssrn.com/abstract=3359290
  10. 10. H8 : la discipline de marché aurait un impact positif sur la réduction du risque de défaillance bancaire en période de crise. 4) La réglementation de l’activité bancaire Limiter les opérations bancaires permet au régulateur de mieux contrôler ce secteur et de cerner facilement les causes des éventuelles défaillances afin de remédier à des situations préoccupantes. La restriction de l’activité bancaire peut-être mesurée par un indice tel que construit par Barth et al. (2001, 2008 et 2013) sur la base d’une enquête menée par la banque mondiale. Cet indice (REGLB) fournit des informations sur le niveau de restrictions des banques à mener des activités d’investissement, d’assurances et boursières. Selon cet indice, plus la note est élevée plus le niveau de restriction dans le pays est considéré comme étant élevé. Sur le plan empirique, la plupart des résultats soutiennent qu’une plus grande restriction d’activité réduit le risque de défaillance et de crises bancaires [Fernandez et Gonzalez (2005)]. H9 : Il est attendu que les restrictions sur les activités bancaires sont négativement liées au risque de défaillance bancaire en période de crise. 3.3.3. Les variables macroéconomiques En plus des variables CAMEL et des variables réglementaires, on a choisi d’inclure dans notre étude des variables macroéconomiques. On suppose qu’un environnement macroéconomique défavorable agit négativement sur la qualité du portefeuille et la rentabilité des banques précipitant le système bancaire dans une situation de détresse. Dans le cadre de notre étude on a choisi d’inclure deux variables macroéconomiques: (1) le niveau de la croissance du PIB (TPIB). Par l’introduction de cette variable, on essaye de vérifier les hypothèses que les opportunités d’investissement sont liées aux cycles macroéconomiques et que les emprunteurs sont plus solvables dans les périodes de croissance économique. Le signe attendu est négatif dans la mesure où une croissance soutenue n’est pas en faveur de l’apparition d’une crise bancaire et (2), le niveau de l’inflation (INFLATION). En effet, il est supposé que l’inflation contribue aussi bien à augmenter les coûts des banques que ses profits à travers une hausse des taux d’intérêt mais aussi, elle a à court terme un effet négatif sur l’économie et particulièrement, sur la qualité des emprunteurs des banques. Le signe attendu est donc positif. Enfin, une autre variable de contrôle a été aussi prise en considération et qui permet de renseigner sur l’effet taille de la banque. Cette variable est mesurée par le logarithme du total actif (LnTA). Le tableau 1 résume l’ensemble des variables, la formule de calcul (ou l’indice), le signe de la relation attendue ainsi que les principales références des variables choisies. Electronic copy available at: https://ssrn.com/abstract=3359290
  11. 11. Tableau 1 : Descriptions des variables et effets attendus Variables Définitions/Formules Catégorie (CAMEL, RG) Description de l’effet attendu Références des variables CAP (Fonds propres + provisions)/Total actifs C (Capital adequacy) (-) Un niveau élevé des capitaux propres renforce la solidité financière de la banque et assure une meilleure couverture en période de crise Pasiouras et al. (2006) Bongini, Cassens & Ferri (2000) DOT Provisions de créances douteuses/Total prêtes A (Asset quality) (+) Un accroissement de provisions pour créances douteuses de la part de la banque, peut être considéré comme signe de risque de crédit ce qui entraîne une augmentation de la probabilité d’avoir des difficultés et une fragilité croissante lors des situations de crises systémiques. Jagtiani et al. (2000, 2003) ; Bongini, Claessens & Ferri (2000) COUT Total charges (sauf intérêts financiers) (/ total actifs M (Management quality) (+) Un accroissement des coûts de gestion de la banque par rapport à l’ensemble des revenus est un signe de mauvaise gestion et peut amputer la capacité bénéficiaire et limiter ses ressources internes surtout lors des situations des crises. Pasiouras et al. (2006) ROE LEVIER Bénéfice net/Total capitaux propres Capitaux propres/ Dettes E (Earning ability) (-) La détérioration de la rentabilité financière de la banque et un déséquilibre de sa structure financière peut inciter la banque à choisir des projets risqués pour défendre leur rentabilité et respecter en même temps les restrictions imposées par les autorités de tutelle Martin (1977) LIQ INTERB Actifs liquides de CT de la banque (LCR) Actifs liquides/ Total dépôts et ressources interbancaires L (Liquidity position) (-) La liquidité est considérée comme une variable explicative de risque de défaillance bancaire. En effet, une banque qui a suffisamment de liquidités peut facilement honorer ses engagements ou satisfaire les demandes de nouveaux crédits ou Ioannidis,(2010) Electronic copy available at: https://ssrn.com/abstract=3359290
  12. 12. encore faire aux manques de liquidités sur le marché lors des périodes crise. Exigence en capital Indice EXIGC Discipline réglementaire (-)(+) (-) Une exigence en capital plus élevée permettant d’éponger les pertes en cas de défaillance des emprunteurs et contribue donc à améliorer leur probabilité de survie en situation de crise financière. De plus, il est supposé que les banques fortement capitalisées ne favorisent pas l’apparition d’une crise bancaire systémique (+) Une exigence en capital plus élevée peut pousser les banques à adopter un comportement plus risqué, chose ce qui permet d’augmenter la probabilité de faillite en situation de crise Barth et al. (2001, 2008 et 2013) Beltratti et Stulz (2011), Pasioura et al (2006) Besanko et kanatas (1996) Surveillance bancaire Indice SURV Discipline réglementaire (-) Des valeurs élevées de l’indicateur SPOWER représentent un plus grand pouvoir de supervision de la part des autorités de tutelle et donc une plus grande immunité contre les risques et les effets d’une crise systémique. Barth et al. (2001, 2008 et 2013) Discipline du marché DSUB Discipline réglementaire (-) Une discipline et un suivi rigoureux du marché de l’activité bancaire est de nature à réduire le risque d’insolvabilité, à améliorer la stabilité bancaire et à renforcer sa capacité à faire face aux évènements liés aux risques systémiques. Cihak (2007) Règlementation de l’activité Indice REGLB Discipline réglementaire (-) (-) Limiter les opérations bancaires Barth et al.(2001, 2008 et 2013) Fernandez et Gonzales (2005) Electronic copy available at: https://ssrn.com/abstract=3359290
  13. 13. à travers un cadre réglementaire plus stricte permet au régulateur de mieux contrôler le secteur et de cerner facilement les causes des éventuelles défaillances afin de remédier à des situations préoccupantes en l’occurrence des périodes de crise. Croissance du PIB Le niveau de croissance du PIB Macroéconomique (-) Une croissance soutenue n’est pas en faveur de l’apparition d’une crise bancaire Barth et al. (2001, 2008 et 2013) Inflation Le niveau de l’inflation Macroéconomique (+ L’inflation contribue aussi bien à augmenter les coûts des banques que ses profits à travers une hausse des taux d’intérêt mais aussi, elle a à court terme un effet négatif sur l’économie et particulièrement sur la qualité des emprunteurs des banques Barth et al. (2001, 2008 et 2013) 3.3 Méthodologie : le modèle Logit L’examen descriptif des données de l’échantillon nous a permis d’avoir un préambule sur les variables ayant un impact sur la vulnérabilité bancaire. Toutefois, nous ne pouvons pas exclure l’hypothèse selon laquelle les différences constatées au niveau réglementaire sont à l’origine d’un nombre de défaillances très différent d’un pays à l’autre observées pendant la période de la crise financière. Pour mieux comprendre les mécanismes déclenchant la défaillance bancaire en période post crise, on a procédé à une estimation d’un modèle économétrique de forme Logit30 sur la période d’estimation (2007-2011). Ce type de modèle est supposé permettre une meilleure formalisation, et donc permet de mieux interpréter économiquement les paramètres mettant en relation la vulnérabilité bancaire en période de crise aux variables explicatives. La probabilité qu’une banque soit du type défaillant (DEF) est estimée en se basant sur un modèle du type Logit binomial (multivarié) sur des données de panels La formulation de ce modèle Logit suppose qu’il y a une variable dépendante binaire latente ()∗ ). La modélisation ne porte pas sur la variable dépendante ( )∗ ) elle-même, mais plutôt la probabilité [P () = 1)] que cette variable prenne la valeur 1. Pour modéliser cette probabilité, nous faisons l’hypothèse que la décision repose sur la valeur prise par une variable inobservable ( )∗ ) appelée variable latente selon le schéma où la variable observée ( ) ) est reliée à la variable latente par les deux 30 Le modèle Logit suppose que, )∗ soit une variable dépendante binaire latente. Dans ce cadre d’analyse, On ne modélise pas la variable )∗ elle-même mais la probabilité (P(" = 1)) que cette variable prenne la valeur 1. Pour modéliser cette probabilité, nous faisons l’hypothèse où la décision repose sur la valeur prise par une variable inobservable )∗ (variable latente) selon le schéma où la variable observée,) , est reliée à la variable latente par : (1) ) = 1 si la banque est du type défaillant, c’est-à-dire si )∗ > 0 ; (2) ) = 0 si la banque est non défaillante, c’est-à-dire si )∗ <= 0. Electronic copy available at: https://ssrn.com/abstract=3359290
  14. 14. éventualités suivantes: (1) ) = 1 si la banque est défaillante, c’est-à-dire si )∗ > 0 et (2), ) = 0 si la banque est non défaillante ou saine, c’est-à-dire si )∗ ≤ 0. La formulation du modèle Logit suppose ainsi, qu’une variable dépendante ()∗ ) dépend linéairement d’un certain nombre de variables explicatives (- ). Le modèle peut être formulé comme suit : )∗ = .’ - + 0 (2) Avec i = banque 1,…., 189 ; et t = 2007,…,2011 Par conséquent : "() = 1) = "()∗ ≥ 0) = 123’ - 4 = 567 8’9:; < 5678’9:; (3) F désigne la fonction de répartition logistique 4.2.1. Formulation du modèle Pour estimer le modèle en forme Logit, on a choisi deux variables dépendantes différentes permettent d’apprécier le niveau du risque de faillite bancaire lors de la crise financière des subprimes. Les variables dépendantes sont respectivement, le Z-score31 (modèle 1) et le rating32 (modèle 2). Les deux modèles sont exprimés comme suit : Modèle 1 : ) = .= + ∑ .? @ ?A< B C?, , + ∑ .?E @E ?E FG ,?E + ∑ .?EE @EE ?EE B?HH, + 0 , (4) Modèle 2 : ) = .= + ∑ .? @ ?A< B C?, , + ∑ .?E @E ?HA< FG ,?E + ∑ .?EE @EE ?EE B?HH, + 0 , (5) Avec, i = 1,2,……,189 et t = 2007,2008…20011. Ainsi, nous avons scindé le vecteur des variables explicatives en trois groupes, CAM, REG et C : B C?, , : représente les k variables CAMELS de la banque i à la date t. FG ,?E: représente les k’ variables de réglementation et de supervision que subie la banque i. B : Le vecteur des variables de contrôle regroupant les indicateurs macro-économiques du pays de la banque i (inflation et PIB), ainsi que la taille de la banque i. Les β sont les paramètres à estimer du modèle. Les 0i,t sont les erreurs de spécification du modèle suivant la loi logistique et vérifiant les hypothèses classiques (indépendants et identiquement distribués). La décision d’une banque d’être en défaut (en faillite) ou non est un choix binaire33 . Dans notre étude, la variable dépendante est une variable dichotomique, et peut donc prendre seulement deux valeurs, respectivement 0 et 1. Concernant les variables expliquées (Zscore et JK ), elles permettent d’apprécier le risque de faillite bancaire en période crise financière, le Z-score comme variable dépendante qui mesure le risque en ex ante et le rating pour une mesure en ex post. 31 Le Z-score est considéré comme étant une variable ex ante de détection de difficulté financière de la banque. 32 Le rating est considéré comme étant une variable ex post de mesure et de quantification de la probabilité de défaut de la banque. 33 Comme on a montré précédemment deux groupes de banques sont créés, les banques défaillantes (DEF) et les banques non défaillantes (NDEF). Pour chaque groupe de banques, on leur associe la variable binaire correspondante (0 ou 1) et donc les données correspondantes en matière de variables explicatives. Electronic copy available at: https://ssrn.com/abstract=3359290
  15. 15. Les estimations sont effectuées par u modèle Logit et en données de panel. Afin de mieux contrôler les hétérogénéités inobservées34 nous avons procédé en premier lieu à des séries de spécifications des séries de données. Les estimations sont effectuées, selon le modèle choisi (effet fixe ou effet aléatoire), soit par des MCO ou des MCG. 4. Résultats et interprétations 4.1. Etude préliminaire En premier lieu, on a commencé par mener une étude descriptive. Cette étude a pour objectif la détermination des facteurs qui contribuent le plus à la vulnérabilité bancaire pendant la période où est survenue la crise des subprimes. À cet effet, nous avons calculé le taux de croissance par pays des différentes variables CAMEL (figure 4). Figure 4. Evolution des variables CAMEL observée pendant la période de la crise des subprimes (2007-2009) L’examen descriptif des variables CAMEL montre une forte chute quasi générale de la performance des banques européennes pendant toute la période de la crise financière des subprimes à savoir la période 2007-200935 . On constate également que les banques britanniques et grecques sont plus enclines à la prise de risque. En effet, nous constatons une détérioration de la qualité des actifs telle que mesurée par le ratio des dotations sur les revenus (DOT). Ces deux pays ont subi de plein fouet et ont été le plus touchés par les effets de la crise des subprimes. Ces observations se trouvent d’ailleurs, confirmées par le nombre croissant de faillites bancaires (figure 3). En effet, nous constatons que, la Grèce suivie par le Royaume- Uni, a connu les plus grands pourcentages de banques défaillantes. Néanmoins, les systèmes bancaires espagnols et italiens ont été les plus robustes et ont pu résister aux effets de la crise. Pour mieux cerner les effets des variables CAMEL et les dettes subordonnées sur la vulnérabilité bancaire et la probabilité de faillite, nous avons distingué entre les banques saines ou non défaillantes (NDEF) et les banques défaillantes (DEF) en période de la crise des subprimes, soit la période 2007- 2009 (figure 5). De cette étude descriptive, il ressort aussi que plusieurs facteurs ont été révélés déterminants dans l’explication de la vulnérabilité du secteur bancaire dans la zone Euro pendant la période de la crise financière. Nous citons en particulier, une faible capitalisation, une mauvaise qualité du portefeuille bancaire résultant d’une augmentation des dotations, une forte croissance des crédits, une faible liquidité des banques surtout interbancaire. En effet, en observant le nombre de banques défaillantes et de banques saines pendant la période crise, on montre que (figure 5) l’accumulation des risques dans le système bancaire est principalement due à une faible capitalisation, des réserves en liquidité insuffisantes et à un excès de l’endettement mesuré essentiellement par le levier financier. 34 Un test de spécification d Hausman (1978) a été réalisé pour tester si les composantes individuelles sont fixes ou aléatoires. Le résultat du test permet le rejet dans la plupart des cas l’hypothèse du modèle à effet fixe. 35 Sauf en Espagne dont la baisse reste limitée -250 -200 -150 -100 -50 0 50 100 150 200 Allemagne Espagne France Grande Bretagne Grèce Italie CAP DOT COUT ROE LIQ INTERBC Electronic copy available at: https://ssrn.com/abstract=3359290
  16. 16. Figure 5. Comparaison entre banques défaillantes (DEF) et banques saines (NDEF) pendant la période de la crise des subprimes (2007-2009) La stabilité du système bancaire dépend de la politique réglementaire adoptée par les autorités nationales. Pour notre cas, ce type de relation est de nature à nous aider à établir un lien descriptif entre ces variables et le nombre de faillites ou d’intervention de l’État observé. Pendant la période de crise financière, les résultats montrent (figure 6) qu’aucune faillite n’a été observée pendant la période de crise et qu’aucun programme de sauvetage par l’État aussi n’a été accordées au profit des banques espagnoles et italiennes. Ceci démontre que ces deux systèmes bancaires ont pu réellement résister grâce à une réglementation plus rigoureuse entrainant ainsi une faible exposition au risque de contagion en période de crise. Ce constat peut s’expliquer essentiellement, d’une part, par l’adoption d’un niveau de restriction de l’activité bancaire élevée (cas de l’Italie) et d’autre part, par un degré de supervision et un contrôle réglementaire le plus élevé (cas de l’Espagne) (figure 7).36 Figure 6 : Répartition des banques défaillante par pays pendant la crise financière (2007-2009) 36 En 2007, soit juste avant le déclenchement de la crise des subprimes, l'agence Moody's publiait une étude concluant que les banques françaises sont bien armées contre la crise grâce à leur modèle diversifié, mais aussi parce qu'elles sont organisées sous forme de groupes et ont bénéficié à plusieurs reprises dans le passé, de soutien systémique. 0 20 40 60 80 100 120 140 160 180 CAP DOT COUT roe LIQ inter lnta levier DSUB NDEF DEF 0 10 20 30 40 50 60 70 80 Allemagne Espagne France Grande Bretagne Grèce Italie Nombre de faillites Nombre total de banques Electronic copy available at: https://ssrn.com/abstract=3359290
  17. 17. Figure 7 : Répartition des variables réglementaires par pays en période de la crise financière (2007-2009). 4.2. Résultats des estimations 4.2.1 Statistiques descriptives On a commencé en premier lieu par la détermination des statistiques descriptives de notre modèle (voir tableau 2) Tableau 2. Tableau des statistiques descriptives NDEF DEF Mean Min Max Std. dev N Mean Min Max Std. dev. N CAP 9,19 0,38 98,80 7.66 166 6,20 -1,86 73,30 25.56 23 DOT 17,62 -341,19 597,76 12.56 166 21,57 -32,50 83,28 12.52 23 COUT 66,77 2,50 466,73 18.63 166 64,28 22,47 227,66 56.2 23 ROE 6,90 -109,38 106,38 2.29 166 5,93 -224,72 44,19 12.2 23 LIQ 40,22 0,02 286,21 63.26 166 38,63 0,02 389,73 42.2 23 INTERB 165,62 0,00 980,00 84.63 166 120,13 4,31 992,99 65.23 23 lnta 15,73 10,20 21,86 19.65 166 17,89 11,95 21,82 2.25 23 levier 18,36 1,63 264,95 26.54 166 31,55 -53,83 259,57 26.35 23 tpib 1,99 -1,20 5,90 1.25 166 2,60 -0,40 5,90 1.25 23 inflation 2,13 1,00 4,22 0.26 166 2,31 1,00 3,88 0.25 23 DSUB 26,71 0,00 82,61 26.87 110 42,32 1,31 820,17 12.56 18 NDEF : Banques non défaillante en période de crise financière (2007-2009) DEF : Banques défaillantes en période de crise financière (2007-2009) 4.2.2 Interprétations des résultats Les tableaux 3 et 4 résument les résultats des estimations trouvés 0 2 4 6 8 10 12 14 Allemagne Espagne France Grande Bretagne Grèce Italie Restriction de l’activité Exigence en capital Supervision Discipline de marché Assurance dépôts Electronic copy available at: https://ssrn.com/abstract=3359290
  18. 18. Tableau 3. Estimation du risque de défaillance bancaire par le Z-score (modèle 1) Zscore1 Zscore2 Zscore3 Zscore4 Zscore5 CAP -0,672*** -0,697*** -0,887*** -0,892*** -0,179*** DOT 0,017 0,018 -0,006 -0,006 -0,023 COST 0,006 0,010 0,023 0,022* -0,017 ROE -0,082*** -0,082*** -0,124*** -0,123*** -0,158*** LIQ -0,020 -0,057** -0,056** -0,0521** -0,028 INTERB 0,002 0,004** 0,005*** 0,005** 0,006** LnTA -0,305* -0,384 -0,460** -0,467** -0,799** LEVIER -0,009 0,006 -0,013 -0,013 0,066 TPIB -0,071 -0,140 0,011 0,001 0,080 INFLATION 0,178 0,024 0,282 0,120 -0,083 EXIGC -0,102 -2,489** -2,048* -4,191** SURV -6,395** -3,340* -7,780** REGL -0,254 -0,242 DSUB 0,139 CONST 3,967 5,373 63,709*** 51,594** 90,327** N observations 697 603 603 603 435 L ajustée 0.768 0.758 0.658 0.643 0.652 F statistique 0.002*** 0.001*** 0.019*** 0.0004*** 0.0003*** Hausman test 0.356 0.215 0.125 0.112 0.08 FEM ou REM REM REM REM REM REM (***) ; (**) ; (*), représentent respectivement des niveaux de significativité pour p<0.01, p<0.05, p<0.1 FEM : modèle à effet fixe ; RE : modèle à effet aléatoire Electronic copy available at: https://ssrn.com/abstract=3359290
  19. 19. Tableau 4. Estimation du risque de défaillance bancaire par le rating (modèle 2) Rating1 Rating2 Rating3 Rating4 Rating5 CAP -0,031** -0,025 -0,015 -0,020 -0,113** DOT -0,001 -0,004 -0,004 -0,004 -0,007 COST 0,004 0,002 0,002 0,002 -0,006 ROE -0,035*** -0,038*** -0,038*** -0,037*** -0,060*** LIQ 0,001 0,002 0,002 0,003 -0,007 INTERB -0,001** -0,001* -0,001* -0,001* -0,001 LnTA -0,244*** -0,092 -0,092 -0,092 -0,164** LEVIER 0,008 0,002 0,002 0,002 -0,018 TPIB 0,042 -0,001 -0,001 -0,011 0,088 INFLATION 0,218* 0,089 0,089 0,080 0,025 EXIGC -0,352*** -0,353*** -0,341*** -0,281*** SURV -0,002 0,030 0,063 REGL -0,064 0,188* DSUB - 0,015** CONST 2,982*** 3,377*** 3,387** 3,432** 3,931** N observations 699 605 605 605 437 L ajustée 0.668 0.558 0.658 0.743 0.752 F statistique 0.012*** 0.001*** 0.012*** 0.004*** 0.003*** Hausman Test 0.256 0.115 0.25 0.12 0.18 FEM ou REM REM REM REM REM REM (***) ; (**) ; (*), représentent, respectivement, des niveaux de significativité pour une probabilité, p<0.01, p<0.05, p<0.1 FEM : le modèle à effet fixe ; RE : le modèle à effet aléatoire À partir de de ces résultats trouvés on remarque qui y ait une relation statistiquement significative et de signe négative entre la variable qui traduit le niveau de capital exigé (CAP) et le risque de faillite dans les deux modèles. Ce résultat qui est ailleurs conforme aux résultats trouvés par Lanine et Vennet (2006) et Berger et Bowman (2010), prouvent qu’un ratio de capital élevé réduit le risque financier lié à l’endettement, et delà, le risque de défaillance bancaire. Ce résultat trouvé est conforme aux nouvelles exigences réglementaires des accords de Bâle III qui vise à réduire le risque systémique et qui incite les banques à respecter un certain niveau de fonds propres et disposer ainsi, d’une capacité supplémentaire d'absorption des pertes par le capital. Concernant les variables réglementaires, qui permettent d’apprécier l’impact du niveau de contrôle et de supervision des autorités réglementaires sur le risque de défaillance, une relation statistiquement significative et de signe conforme aux hypothèses (H6 et H7) a été trouvée pour les variables EXIGC et SURV lorsque la variable dépendante choisie est le Z-score. Ce résultat, qui est conforme à ceux d’Admati et al. (2010), confirme et une constatation trouvée précédemment dans notre étude préliminaire et qui montre que les pays ayant un niveau élevé de supervision et donc un niveau de surveillance prudentielle plus stricte, ont connu un nombre plus réduit de cas de faillite. Mais, il faut noter, que lorsque le risque de faillite est apprécié par le rating, les restrictions sur les activités bancaires (REGL) sont positivement liées au risque de défaillance bancaire. Ce résultat inattendu et non conforme à l’hypothèse () est similaire à celui trouvé par Barth et al. (2004) et Angkinand (2009), indique qu’une forte restriction de l’activité peut contribuer à l’augmentation de la fragilité bancaire. Electronic copy available at: https://ssrn.com/abstract=3359290
  20. 20. Les permettent de constater aussi que la rentabilité, telle que mesurée par le ratio ROE, est pertinente dans l’explication du risque de défaillance bancaire aussi bien en ex ante37 qu’en ex post. Les profits bancaires améliorent les capacités financières des banques permettent de disposer d’un niveau de liquidité plus important et de réduire leur risque de faillite en période de crise. Ce résultat trouvé est conforme aux travaux de Berger et Bouwman (2010). Concernant les variables qui apprécient l’impact du niveau de liquidité sur le risque de faillite, on remarque que lorsque le Z-score est utilisé, les deux variables (LIQ et INTERB) sont statistiquement résultats empiriques trouvés significatives au seuil de 1%, alors que, lorsque le rating est utilisé seule la variable qui renseigne sur le niveau de liquidité interbancaire (INTERB) est statistiquement significative. Ce constat confirme, une autrefois, l’intérêt croissant des autorités de tutelle à ce risque de liquidité qui est désormais pris en considération après la survenance de la crise des subprimes et dans les règles prudentielles de Bâle III. Concernant la variable reflétant la qualité des actifs (DSUB), on remarque que cette variable est statistiquement significative au seuil de 1% et de signe attendu (valeur négative). Ce résultat trouvé, va dans le sens que la discipline de marché peut contraindre les banques à adopter un comportement prudent en matière de prise de risque et réduire par conséquent le risque de défaillance bancaire. Ainsi, l’augmentation de la dette subordonnée est associée à une prise de risque plus importante de la part des banques et donc à une mauvaise qualité d’actifs permet d’expliquer, dans quelques mesures, les cas de faillites observées pendant la crise des subprimes dans la zone Euro. 5. Conclusion Depuis plusieurs décennies, l’industrie bancaire a fait l’objet de changements notables que ce soit au niveau de son activité que réglementaires. Ainsi, plusieurs réformes ont été introduites, commençant par l’accord de Bâle I en 1988 jusqu’à la mise en œuvre de Bâle III révisé en 2011. Toutefois, la question de l’influence bénéfique de la réglementation prudentielle sur la stabilité du système bancaire reste toujours un sujet à débat. Dans le cadre de notre étude on a essayé de tester la réponse du système bancaire européen ainsi que le rôle et l’impact de la réglementation bancaire sur la probabilité de faillite pendant la période de la crise des subprimes (2007-2009) au niveau de la zone Euro. Deux indicateurs de mesures de risque de faillite sont utilisés :(1) un indicateur de mesure ex ante, le Z-score et, (2) un indicateur de mesure ex post, le rating. La méthodologie adoptée consiste à effectuer des estimations en modèle Logit et en données de panels et à intégrer comme variables explicatives aussi bien des variables du type CAMEL, des variables réglementaires et aussi des variables macroéconomiques. Les résultats empiriques trouvés montrent que, quelle que soit l'approche retenue pour mesurer le risque de faillite, les variables qui permettent de renseigner sur le renforcement des capitaux propres , le niveau des réserves de liquidités bancaires , la restriction et la surveillance sur les activités bancaires expliquent le mieux la défaillance des banques lors de la crise des subprimes (2007-2009). Ces résultats, appuient la justification de la réglementation du capital et le contrôle bancaire comme moyen de réduction du risque de faillite. De plus, le Z-score comme méthode d’évaluation du risque bancaire, montre une supériorité par rapport au rating pour mieux prévenir en ex post les cas de banques en faillites. Cela pourrait être dû au fait que les agences de notations n’ont pas pu avoir la capacité d’anticiper les répercussions financières et économiques de la crise et ne l’ont intégré que tardivement au niveau de la note accordée. La faiblesse du rating par rapport au Z-score, montre aussi que la capacité des agences de rating à prévenir le risque de défaillance soulève encore des interrogations sur leurs implications dans la crise des subprimes. 37 Mesuré par le Z-score et le rating Electronic copy available at: https://ssrn.com/abstract=3359290
  21. 21. Bibliographie [1] Adamati A., De Marzo P., Hellwig M. & Peleiderer P. (2010). Fallacies, Irrelevant Facts and Myths in the Discussion on Capital Regulation: Why Bank Equity Is Not Expensive. The Rock Centre for Corporate Governance, Stanford University, Working Paper Series, n° 2063. https://doi.org/10.2139/ssrn.2349739 [2] Agoraki. M, M. Delis, &. Pasiouras, F. (2011). Regulations, competition and bank risk-taking in transition countries. Journal of Financial Stability, 7 (1), 38-48. https://doi.org/10.1016/j.jfs.2009.08.002 [3] Altman, E. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 23, 589-609. https://doi.org/10.2307/2978933 [4] Angkinand P. (2009). Banking regulation and the output cost of banking crises. Journal of International Financial Markets, Institutions and Money, 19 (2), 240-257. https://doi.org/10.1016/j.intfin.2007.12.001 [5] Barth, J. R., G. Caprio Jr., & Levine, R. (2001). The regulation and supervision of banks around the world: a new database. World Bank Working Paper, N°2588. https://doi.org/10.1353/pfs.2001.0003 [6] Barth, J., G. Caprio Jr., & Levine, R.., (2004). Bank Regulation and Supervision: What Works Best? Journal of Financial Intermediation, Vol. 13, 205-248. https://doi.org/10.3386/w9323 [7] Barth J., G. Caprio Jr., & Levine, R., (2008). Bank regulations are changing: for better or worse? Comparative Economic Studies, 50, 537-563. https://doi.org/10.1596/1813-9450-4646 [8] Barth J., G. Caprio Jr., & Levine, R., (2013). Bank Regulation and Supervision in 180 Countries from 1999 to 2011, NBER Working Paper, No. 18733. https://doi.org/10.3386/w18733 [9] Bongini, P., Claessens, S., & Ferri G., (2000). The political economy of distress of East Asian fi nancial institutions. Policy Research Working Paper, 2265, Banque mondiale. https://doi.org/10.1596/1813-9450-2265 [10] Berger A. N., & Bouwman, C. H. S., (2013). How does capital affect bank performance during financial crises?. Journal of Financial Economics, 109(1), 146-176. https://doi.org/10.1016/j.jfineco.2013.02.008 [11] Besanko, D., & kanatas, G. (1996). The Regulation of Bank Capital: Do Capital Standards Promote Bank Safety?. Journal of Financial Intermediation, 5 (2), 160-183. https://doi.org/10.1006/jfin.1996.0009 [12] Beltratti A. & Stulz, R.M. (2011). The Credit Crisis Around the Globe: Why Did Some Banks Perform Better?. SSRN Workin paper. https://doi.org/10.2139/ssrn.1572407 [13] Comité de Bâle sur le contrôle bancaire (1997) « Principes Fondamentaux Pour un Contrôle Bancaire Efficace »; Bâle, Septembre 1997. [14] Cihak, M. (2007). Systemic Loss: A Measure of Financial Stability. Czech Journal of Economics and Finance, 57(1-2), 5-26. [15] Cihak, M. & Hesse, H. (2007). Cooperative banks and financial stability, IMF Working paper, 07(2), 1. https://doi.org/10.5089/9781451865660.001 [16] Cihak, M., & Tieman, A.F. (2008). Quality of financial sector regulation and supervision around the world, IMF Working Paper, 08 (190), 1. https://doi.org/10.5089/9781451870480.001 [17] Cihak, M., & Poghosyan, T. (2009). Distress in European Banks: an analysis based on a new data set. SSRN Workin paper. https://doi.org/10.2139/ssrn.1428806 [18] Cubillas, E., Fonseca, A. R., & Gonzalez, F. (2012). Banking crises and market discipline: international evidence. Journal of Banking and Finance, 36(8), 2285-2298. https://doi.org/10.1016/j.jbankfin.2012.04.011 Electronic copy available at: https://ssrn.com/abstract=3359290
  22. 22. [19] Davis E.P. & Karim, D. (2008). Comparing early warning systems for banking crises. Journal of Financial Stability, 4(2), 89-120. https://doi.org/10.1016/j.jfs.2007.12.004 [20] De Nicoló G., Jalal A B., & Boyd J.H., (2006). Bank Risk-Taking and Competition Revisited: New Theory and New Evidence. IMF Working Paper, 06(297), 1. https://doi.org/10.5089/9781451865578.001 [21] Fernandez, A. I., & Gonzalez, F. (2005). How accounting and auditing systems can counteract risk shifting of safety nets in banking. Some International evidence. Journal of Financial Stability, 1, 466- 500. https://doi.org/10.1016/j.jfs.2005.07.001 [22] Flannery, M. J., & Rangan, K.P. (2008). What Caused the Bank Capital Buildup of the 1990s? Handbook of Financial Intermediation and Banking, 375- 411. https://doi.org/10.1016/b978- 044451558-2.50019-2 [23] Gaganis, C., Pasiouras, F., & Zopounidis, C. (2006). The impact of bank regulations, supervision, market structure, and bank characteristics on individual bank ratings: a cross-country analysis. Review of Quantitative Finance and Accounting, 27, 403c438. https://doi.org/10.1007/s11156-006- 0045-0 [24] Goyeau, D., Sauviat,A. & Tarazi, A. (2001). Marché financier et évaluation du risque bancaire. Les agences de notation contribuent-elles à améliorer la discipline de marché ? Revue Economique, 52(2), 265-283. https://doi.org/10.2307/3503048 [25] Gropp, R., & Vesala, J. (2004). Deposit insurance, moral hazard, and market monitoring. Review of Finance, 8 (4), 571-602. https://doi.org/10.1093/rof/8.4.571 [26] Ioannidis, C., Pasiouras, F., & Zopounidis, C. (2010). Assessing bank soundness with classification techniques. Revue Omega, 38(5), 345-357. https://doi.org/10.1016/j.omega.2009.10.009 [27] Koehn, M., & Santomero, A.M. (1980). Regulation of Bank Capital and Portfolio Risk. The Journal of Finance, 35 (5), 1235-1244. https://doi.org/10.1111/j.1540-6261.1980.tb02206.x [28] Lanine,G., & Vander Vennet, R..(2006). Failure prediction in the Russian bank sector with logit and trait recognition models. Expert Systems with Applications, 30, 463-478. https://doi.org/10.1016/j.eswa.2005.10.014 [29] Laeven, L. & Valencia, F. (2010). Resolution of Banking Crises: The Good, the Bad, and the Ugly, FMI, Working Paper. https://doi.org/10.5089/9781455201297.001 [30] Lapteacru, I. (2008). Incitation à la prise de risque sous la réglementation du capital, Revue économique, 59 (3), 463. https://doi.org/10.3917/reco.593.0463 [31] Laeven L.A., & Levine, R. (2008). Bank Governance, Regulation, and Risk Taking. SSRN Workin Paper. https://doi.org/10.3386/w14113 [32] Martin, D., (1977). Early warning of bank failure: A logit regression approach. Journal of Banking and Finance, 1 (3), 249-76. https://doi.org/10.1016/0378-4266(77)90022-x [33] Myers, S. (1977). Determinants of corporate borrowing. Journal of Financial Economics, 5, I (2), 147-175. https://doi.org/10.1016/0304-405x(77)90015-0 [34] Modigliani, F. & Miller, M. (1963). Corporate Income Taxes and the Cost of Capital: A Correction. American Economic Review, 53, 433-443. [35] Myers, S., & Majluf, N. (1984). Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics, 13(2), 187-221. https://doi.org/10.1016/0304-405x(84)90023-0 [36] Nier, E., & Baumann, U. (2006). Market discipline, disclosure and moral hazard in banking, Journal of Financial Intermediation, 15(3), 332-361. https://doi.org/10.1016/j.jfi.2006.03.001 Electronic copy available at: https://ssrn.com/abstract=3359290
  23. 23. [37] Rojas-Suarez, L. (2002). Can international capital standards strengthen banks in emerging markets? SSRN Working Paper (2001). https://doi.org/10.2139/ssrn.300895 [38] Sassenou M. (1992). Économies des coûts dans les banques et les caisses d'épargne, impact de la taille et de la variété de produits. Revue Economique, 43(2), 277. https://doi.org/10.2307/3501993 [39] Uhde, A. & Heimeshoff, U. (2009). Consolidation in banking and financial stability in Europe: Empirical evidence. Journal of Banking & Finance, 33 (7), 1299 -1311. https://doi.org/10.1016/j.jbankfin.2009.01.006 Electronic copy available at: https://ssrn.com/abstract=3359290

×