UNIVERSIT DU QUBEC MONTRAL MODLES DE RISQUE DE CRDIT LA CONSOMMATION:TUDE DU RLE DE L'CONOMIE DANS LA PROBABILIT DE DFAUT MMOIRE PRSENT COMME EXIGENCE PARTIELLE DE LA MATRISE ENCONOMIQUE PAR JAVIER BRAILOVSKY DCEMBRE 2008 UNIVERSIT DUQUBEC MONTRAL Service desbibliothques Avertissement Ladiffusiondecemmoiresefaitdanslerespectdesdroitsdesonauteur,quia sign leformulaireAutorisationdereproduireet dediffuser untravailderecherchedecycles suprieurs (SDU-522- Rv.01-200G).Cetteautorisationstipulequeconformment l'article11duRglementno8destudesdecyclessuprieurs,[l'auteur]concde l'UniversitduQubecMontralunelicencenonexclusived'utilisationetde publicationdelatotalitoud'unepartieimportantede[son]travailderecherchepour desfinspdagogiquesetnoncommerciales.Plusprcisment,[l'auteur]autorise l'Universit duQubec Montralreproduire,diffuser,prter,distribuer ouvendredes copiesde[son]travailderecherchedesfinsnoncommercialessurquelquesupport quecesoit,y comprisl'Internet.Cettelicenceetcetteautorisationn'entranentpasune renonciationde[la]part[del'auteur][ses]droitsmorauxni[ses]droitsdeproprit intellectuelle.Saufententecontraire,[l'auteur]conservelalibertdediffuseretde commercialiser ounonce travaildont [il]possde unexemplaire. REMERCIEMENTS Jetiensd'abordremerCIermondirecteurdemmoire,MonsieurDouglasHodgson, professeuraudpartementdessciencesconomiquesdel'UniversitduQubecMontral, d'avoirsupervismestravauxderecherche.Jetiensaussisouligneretremercierla contributiondelaFdrationdescaissesDesjardinsduQubecquiarendupossibleles analysesempiriquesquisontprsentesdansleprsentmmoire.Mercispcialement Pascale maconjointe pour son appuitout aulong de lamatrise et salutations mafamille,et particulirement monpreCarlospoursesencouragementsdepuisletoutdbut,etmon filsCharles pour son inspiration. TABLE DES MATIRES LISTE DESTABLEAUXv RESlJMEVll CHAPITREI INTRODUCTION1 REVUE DE LA LITTRATURE4 1.1Introduction4 1.2Origine desmodles statistiques pour les risques de crdit de dtail............... 5 1.3Effets sur l'offre de crdit,leprix etlerisque9 1.4Cadre rglementaire................................................................ 14 1.5Critiques l'utilisation des notations pour l'attribution de prts16 1.6Modlisation des risques de crdit pour un portefeuille de dtail18 1.7Utilisation de variables macroconomiques........................................... 22 1.8Conclusion.................................................................................26 CHAPITRE II MODLE DE DFAUT28 2.1Introduction28 2.2Hypothse de travail28 2.3Structure dumodle30 2.4Dfinition de l'vnement.............................................................. 31 2.5Caractristiques individuelles utilises32 2.5.1Caractristiques durisque del'emprunteur................................. 32 2.5.2Caractristiques durisque transactionnel................................. 33 2.6Variables macroconomiques35 2.7Forme fonctionnelle dumodle36 IV 2.8Tests statistiques....................................................................... 37 2.9Transfonnation desvariables39 2.10Analyses de perfonnance41 2.10.1Pouvoir de diffrenciation.................................................... 41 2.10.2Pouvoir de prdiction.43 2.11Conclusion................................................................................. 44 CHAPITRE III RSULTATS D'ESTIMATION...........................................................45 3.1Introduction45 3.2Estimation des paramtres dumodle gnral45 3.3Rsultats de l'estimation du modle gnral48 3.4Estimation desparamtres du modle avecvariables macroconomiques.49 3.5Rsultats de l'estimation du modle avec variables macroconomiques52 3.6Capacit des modles diffrencier lespopulations.................................. 53 3.6.1Diffrenciation sur l'chantillon de dveloppement....................... 53 3.6.2Diffrenciation sur l'chantillon de validation in-sample ............. 54 3.6.3Diffrenciation sur l'chantillon de validation out-of-sample55 3.7Capacit des modles estimer laprobabilit de dfaut56 3.7.1Test duChi-carr sur l'chantillon de dveloppement.,.56 3.7.2Test duChi-carr sur leschantillons de validation57 3.7.3volution dutaux de chmage et de laprobabilit dedfaut.............58 3.8Conclusion................................................................................. 59 CONCLUSION60 BIBLIOGRAPHIE62 v LISTE DES TABLEAUX Tableau 2.5.1Caractristiques durisque de l'emprunteur33 2.5.2.1Caractristiques du prt33 2.5.2.2Caractristiques de le fiche de crdit.34 2.5.2.3Caractristiques ducompte d'opration34 2.6Variables macroconomiques35 2.10.1Courbe Cumulative Accuracy Profile (CAP).42 3.2.1Analysis of Effects Eligible for Removal Model1.45 3.2.2Analysis of Maximum Likelihood Estimates Model1.46 3.3.1Testing Global Null Hypothesis:BETA=OModell.48 3.3.2Model Fit Statistics Model1.49 3.4.1Analysis of Effects Eligible for Removal Model250 3.4.2Analysis of Maximum Likelihood Estimates Model251 3.5.1Testing Global Null Hypothesis:BETA=OModel252 3.5.2Model FitStatistics Model2.53 3.6.1AUROC et KS pour l'chantillon de dveloppement54 3.6.2AUROC)} et KS pour l'chantillon de validation in-sample,54 3.6.3 AUROC etKS pour l'chantillon devalidation out-of-sample )}55 3.6.4 AUROC etKS pour les clientles non-membres55 3.7.1Test du Chi-carr)} sur l'chantillon de dveloppement56 VI 3.7.2.1Testdu Chi-carr pour les chantillons devalidation57 3.7.2.2Probabilit de dfaut pour lavalidation out-of-sample57 3.8volution dutaux de dfaut et dutauxde chmage58 RSUM Cette recherche vise tudier lesmodlesde risque de crdit laconsommation et valuer leseffetsdesconditionsconomiquessurlaprobabilitdedfautdesemprunteurs.Dansle cadre destravaux,un modle empirique lmentaire seradvelopp etestim.Ilseratent de vrifiersil'incorporationdevariablesmacroconomiquespermetd'augmenterla performance dumodle de base. Unerglementationinternationaleavulejourdanslesannesquatre-vingtsuitede nombreuses crises bancaires. Une gestion saine etresponsable ducrdit doitconsidrer,entre autres,unevaluationadquatedurisquedecrdit,etpermettredecalculerlecapital conomique rglementairequiestrequisenfonctionduniveaude risquede labanque.Cette pratiqueacommeobjectifd'assurerunestabilitfinancireetd'viterdesfaillitesde banqueslorsde crises de crdit. L'utilisationdesstatistiquespourestimercetypederisqueremonteauxannescinquante. Initialement,lesmodlestaientutilisslorsdesdcisionsd'octroyerunprtun demandeur.Aujourd'hui,ilssontgalement utilisspour estimer laprobabilit de dfaut des portefeuillesdecrdit.L'analysediscriminanteestlapremireteclmiqued'estimationquia t utilise.Plusieursautresmthodes sontcourammentutilisesdepuis.Cesmthodessont soitparamtriques(rgressionlinaire,rgressionlogistique,modle de panel,etc.)oubien, non paramtriques (arbres dedcision, rseaux de neurones,etc.). Lesvariablesprdictivesdurisqued'unemprunteursontbienconnuesetdocumentes. Traditionnellement,lesmodlesutilisaientdescaractristiquesindividuellesquivaluentle risquedel'individu(ge,sexe,occupation,revenus,etc.)etlerisquetransactionnel (historiquedecrdit,historiquebancaire,etc.).Denos jours,lestendancesdelarecherche dansledomaine consistent ajouter desdimensions conomiques quipermettent d'valuer le risque inhrent aumarch etainsi mieux anticiper laprobabilit de dfaut. Unergressionlogistiqueseraemployepourestimerlemodle.Desvariables microconomiquesd'emprunteursseront utilises pour estimer lacomposante individuelle du risque,alorsquedesvariablesmacroconomiquesrgionalesetnationalesserontutilises pour reprsenter le risque inhrent aux conditionsdumarch. Lesrsultatsobtenusontdmontrquel'ajoutdevariablesmacroconomiquesaumodle permettaitdemieux reprsenterl'vnementdedfaut.Lacapacit dumodle diffrencier lestypesd'emprunteursainsiqueson pouvoir prdirel'vnementdedfautontaussit amliors quoique faiblement. Mots-cls:crdit laconsommation,risque de crdit,rgression logistique INTRODUCTION Lesecteurfinancierjoueunrleimportantdansl'conomieoilsertd'intenndiaireentre l'pargne,laconsommation,l'investissementetlaproduction (BofondietLotti,2006).Nous remarquonsquedescrisesfinanciressesontproduitesrptitiondepuislesannes soixante-dixetqueleurnombren'acessd'augmenter.Nousn'avons qu' penser auxtatsUnisrcemment,maisaussil'Argentine(2001),laRussie(1999),l'Asiedusud/est (1997) et au Mexique (1994) pour n'en nommer que quelques-unes. Ces chocsont deseffetsdvastateurssur l'conomie despaystouchsetparticulirement sur lapauvret.Lescausesdecesperturbationssontcomplexesetcommelefontremarquer Boyer,DehoveetPlihon(2004),chaquecrisefinancireestuniqueparcequ'elleseralise dansuncontextediffrent.Ellespartagenttoutesnanmoinscertainsfondements.Dansla plupartdescas,unemballementducrditsepropageauxmarchsboursiers,deschangeset immobiliers. Lescrisesfinanciresetparticulirementlescrisesbancairesnesurviennentpasuniquement danslespaysendveloppement.Nousavonsvudernirementdesfaillitesdebanquesdans despayscommel'Allemagne,lestats-Unisetl'Angleterre.Nousavonsaussinotque certaines crises sesont propages auniveauinternational.Lalibralisation etl'intgration des marchsfinanciersnesontpastrangresceteffet.Leschangementsdansles environnementslgislatifsnationauxetinternationauxdusecteurbancaireontmodifi l'environnement concurrentiel et ouvert les marchs. Combinsunecroissancedelaconsommation,ceschangementsontstimull'innovation financireetl'apparitiondeproduitsdecrditdiversifis.L'augmentationdelaconcurrence entrebanquesfavorisel'octroideprtsplusrisqusetledveloppementd'instruments financierscomplexesquitransfrentlerisquedestiers.Ce contexteencouragel'utilisation d'unequantitdefondspropresplusfaibles.Unerservemontairefaiblenepeutpas 2 ncessairementcouvrirlespertessurprtsadditionnellesnonplanifiessurtoutsiellessont importantes.Deceproblmepeutd'ailleursendcoulerunautrequiconsistecrerun climat de mfiance enverslabanque quiaura de ladifficult obtenir de nouvellesliquidits. Lescrisesbancairessecaractrisentd'ailleursparunproblmedecapitalisationetde liquidits.Ellesmettentrisquelesdptsdespargnantsetlescapitauxdesactionnaires. Ellesfavorisentlapropagationdel'ondedechocd'autresmarchsetunresserrementde l'offre de crdits'en suit gnralement.C'est pourquoid'ailleursquelorsde crises bancaires majeures,iln'est pasraredevoir desplansde renflouementdesgouvernementsafind'viter descrises de liquidits et desfaillitesde banques. Desnormesinternationalesonttadoptesrcemmentpourrglementerlespratiquesde l'industrie bancaire.Cette normalisation a comme objectif degarantir une concurrenceloyale entrebanquesetd'assurerunesainegestiondurisquedecrditpourfavoriserunestabilit financireet diminuer le risque de crises bancaires. C'est dansce champ d'intrt que s'inscrit le prsent mmoire.Le travail derecherche quiest entrepris consiste tudier l'volution et les avantages escompts de lamodlisation du risque de crdit.Dans lecadre des travaux,un modle empirique sera dvelopp pour un portefeuille deprts laconsommation d'une institution financire.Lesavances desderniresannesen matire derecherche consistent valuer lesrpercussionsdesconditionsconomiquessur la probabilit de dfautdesemprunteurs.Dans cet esprit,le modle quisera dveloppintgrera desvariablesmacroconomiquesafindedterminersiellesapportentunpouvoirprdictif additionnel. L'approchequiestretenueconsistetudierunmodled'octroidenouveauxprts.Cette approche est privilgie touten tantconscient que diversfacteurssurvenant aprsl'octroi du crditontuneinfluencesurl'vnementdedfaut.L'objectifdelarechercheconsiste dterminersilesconditionsconomiquesaumomentdel'autorisationduprtpeuventaider en quelque sorte expliquer laprobabilit de dfautfutur. 3 Lechapitre1 feraunsurvoldelalittraturepertinentesurlesujet.Danscechapitre,nous discuteronsdel'origineetdel'volutiondesmodlesderisquedecrdit.Nousdiscuterons aussideseffetsdeladiffusiondecetteinnovationsurlaproductivit,l'offre,leprixetle risquedesbanques.Nousaborderonsbrivementlarformedescapitauxrglementairesdes AccordsdeBleIIetdeseseffetssurlespratiquesdesinstitutionsfinancires.Nous prsenteronsgalementquelquescritiquesl'garddel'utilisationdesmodleslorsde l'attribution ducrdit.Nous dvoileronspar ailleurslesprincipales mthodes de modlisation quisontcourammentutilisesetfinalement,nousdcrironslesderniersavancementsence qui a trait l'utilisation de variables macroconomiques dansles modles de risque de crdit. LechapitreIIprsenteralesdeuxmodlesdedfautquiserontvalusetcompars empiriquement.Danscechapitre,nousprsenteronsl'hypothsedetravailquiconsiste dterminersil'ajoutdevariablesmacroconomiquespermetd'augmenterlaperformance du modlegnral.Nousdcrironslastructuredesmodles,ladfinitiondedfautquiat retenue,lescaractristiquesdesemprunteursetlesvariablesmacroconomiquesquiseront utilisespourmodliserlerisque.Nousydiscuteronsaussidelaformefonctionnelleetdes tests statistiques quiseront utiliss pour valider les modles.Finalement,nous y aborderonsla notiondetransformationdesvariablesetd'analysedeperformanceentermesdecapacit diffrencier lesemprunteurs, et de pouvoir prdire l'vnement de dfaut. Lechapitre IIIprsenteralesrsultatsd'estimation.Nousydiscuteronsdesvaleursobtenues pourlesparamtresdesdiversesvariablesretenues.Nousdvoileronslesrsultatsdestests statistiquesralisspourvaliderlesmodlescommegalementceuxutilisspourvaluerle pouvoirdediffrenciationetdeprdiction.Pourterminer,nousconcluronslarechercheen faisantunretoursurl'objectifdummoire,lesrsultatsobtenusetladmonstrationde l'hypothse de travail. CHAPITRE 1 REVUE DE LA LITTRATURE 1.1Introduction Diversarticlesderechercheetouvragesonttpublisaufildesanssurlessystmesde notation des risques de crdit et lesmodles statistiquesquiles composent.Ladocumentation rpertorie estvarieetabordelesmodlesderisquedecrditsousdiffrentsaspects.Cette documentation a contribu situer le sujet de recherche et dtenniner les objectifs de travail pourledveloppementdumodlederisquequiseraprsent dansle chapitreIl.Larevue littraire se limite prsenter l'origine et l'volution desmodlesaufildutemps,enmettant l'accentsurdiversaspectsconomiquestelsquel'offredecrdit,leprixetlaproductivit, maisaussisurd'autrestelleslaslectionadverse,lamodlisationdesrisquesetl'utilisation de variablesmacroconomiques. Larevuedelalittratureatrpartieenseptsectionsafind'enfaciliterlasynthseetla prsentation.Lapremire section dcritl'origine etl'volution desmodles et systmes aufil dutemps.Ladeuxime traite deseffetsde ladiffusion de cette innovationsur laproductivit, l'offre,leprixetlerisquedesbanques.Latroisimesectionabordelarformedescapitaux rglementaires de l'Accord de Ble II etde ses effets sur lespratiques d'octroi et d'valuation des risques de crdit desinstitutionsfinancires.Danslaquatrime section,ily est discut de certainescritiquesl'garddel'utilisationdesmodlesdenotationlorsdel'attributiondu crdit.Lacinquimesectionsurvolelesmthodesdemodlisation desrisquesdecrditqui sontcourammentutilises.Finalement,laseptimesectionabordel'utilisationdevariables macroconomiques dans lesmodlesetde certaines approchesrpertories. Lesrpercussionsdesconditionsconomiquessurlaprobabilitdedfautdesemprunteurs nesontpastrsbien connues.Peude thorie conomique existe sur l'utilisation de variables macroconomiquesdanslesmodlesderisquedecrditlaconsommation.Lesujet intresse plusieurs chercheurs etdiffrentes approches sont proposes. 5 1.2 Origine desmodlesstatistiques pour lesrisques de crdit de dtail Pour dbuterlarevue delalittrature,ilfautmentionner Thomas(2003)quifaitrfrence Lewis(1992)quiretracelespremiresutilisationsducrditautempsdesBabyloniensilya troismillesans.Thomas(2003)poursuiten nousinformantque le crdit laconsommation demassetelquenousleconnaissonsaujourd'huidateseulementdescinquantedernires annes.L'auteur nousmentionne que: Vers les annes1920, Henry FordetA.P.Sloan ont reconnuquecen'taitpassuffisantdefabriquerdesproduitstelsquedesvoitures,pourla consommationdemasse,maisqu'ilfallaitaussidvelopperdesfaonsdefinancerces achats. (p.1)Ce futle coup d'envoi pour le dveloppement des compagnies definanceaux tats-UnisaudbutduXXesicleetceluidescartesdecrditplustarddanslesannes soixante. Thomas(2000)nousfaitremarquerquedepuislestrentederniresannes,l'importance de l'valuation desrisquesfinanciersacontribu lacroissance del'utilisationdesstatistiques etdesmodlesdeprobabilit.Ilnousmentionneque lorsqu'on pense aurisque financier,on se rfre auxportefeuilles d'actions,obligations etautres actifs dugenre.Cependant,ilexiste lacatgorie ducrdit laconsommation quiestmoinsconnue etdontl'valuation durisque esttoutaussiimportante.Lecrdit sousformede prts de dtailpeut treregroupetformer un actif financier.L'valuation du risque de cet actif s'effectue l'aide de diverses approches statistiques qui seront dcrites dans laprsente recherche. La premire mthode a avoir vule jour, et quiestencore couramment utilise aujourd'hui,est l'analyse discriminante.Thomas(2000)nousapprendquel'originede cetteformed'analyse remonteauxannestrente:Cetteidedediffrencierdesgroupesl'intrieurd'une populationatintroduitedanslesstatistiquesparFisher(1936). (p.151)Cettepremire applicationavaitlieuensciencesnaturelles.Ellepermitdediffrencierdeuxvaritsd'iris commegalementdediffrencierl'originedecrnesdistinctsencomparantlestailles physiquesrespectives.Ilnousrvleaussique:DavidDuran(1941)atlepremier reconnatre que cesmmestechniquespouvaienttre utilisespour diffrencierlesbonsdes mauvais prts. (p.151) 6 Schreiner(2000)rsumebienl'approche.Ilnousmentionnequ'ilestpossibled'anticiperla perfonnancefuturedeprtsensebasant surdescaractristiques prdictives,etenl'estimant partir de laperfonnance passe de prts dont les caractristiques sont similaires. Thomas (2000)explique quelesdbutsdel'automatisation desdcisions de crdit remontent l'poque deladeuximeguerremondiale.Alorsque lesanalystesde crdittaientappels auservicemilitaire,lemanquedemain-d'uvrespcialiseobligealesfIrmes automatiser lesrglesdedcisionhumainesousfonnedesystmesexperts.Audbutdesannes cinquante,legroupementdecessystmesetdestechniquesd'analysediscriminanteest l'originedel'utilisationdesnotationsdesrisquesdanslesattributionsdesprts.C'estpar ailleursl'avnementdescartesdecrditlafIndesannessoixantequiafaitraliseraux metteurs l'importance des notationspuisque sans elles,ilaurait t impossible d'automatiser les dcisionsde crdit et de rpondre lademande en tenne conomique etdemain d'uvre. L'utilisation demodles statistiques at rendue possible grce ,entre autres, l'innovation technologique dansl'utilisation etl'change d'infonnation sur lesemprunteurs.Ce volet sera abord dans laprochaine section. Thomas(2000)nousrvlegalementquelesmthodesdedcisiontaientbases traditionnellementsur un jugement mentaldes3 Cs etmme des5 Cs ducrdit.Ces critres d'valuation sont tirsde l'anglais etcorrespondent aux tennes suivants: i) Character : rputation de l'emprunteur. ii) Capital : montant du prt. iii) Collateral : mise de fondset valeur marchande versus le prt. iv) Capacity : capacit rembourser. v) Condition : conditions dumarch. L'inconsistance dansles dcisions de crdit attribue au jugement humain agalement t un facteurdterminantdansledveloppementdesapprochesstatistiquespourl'valuationdes risques de crdit. L'auteur souligne fInalement un lment quinousintresse particulirement 7 dansle cadre dela recherche actuelle.Ilmentionne lancessit d'incorporer danslesmodles unedimensionquicapteleschangementsdesconditionsconomiquespuisqu'ilspeuvent affecter le risque del'emprunteur. Allen,DeongetSaunders(2004)nousfontremarquerdanslemmeordred'idesles pratiquestraditionnelles:Historiquement,lesbanquiersseconfiaientauxanalystesde crditetleurssystmesexpertsbasssurles5 Csducrdit[... ].(p.734)Lesauteurs soulventlefaitquelessystmesexpertstraditionnelsnesontpasenmesuredepondrer l'importance relative dechacun desCs lorsde l'estimation delaprobabilit dedfaut.Ils soulvent par ailleurs que: Lesmodles de notation de crdit sont relativement peucoteux implanteretnesouffrentpasdesubjectivitnid'inconsistancecommelessystmes experts. (p.736)Un desavantagesdesmodles denotation des risquesest qu'ilssont bass surdesvariablesstatistiquementreprsentativesetnesouffrentpasdel'inconsistancedu jugement humain. Straka(2000)faitaussimentiondes Csducrditdanssonarticleportantsurles changementsdepratiqued'valuation desprtsdusecteurhypothcaire aucoursdesannes quatre-vingt-dix.Suite aux succsdel'utilisation decesmodlespour l'valuation descartes decrditetdesprtslaconsommationdanslesannessoixante-dixetquatre-vingt,il mentionne que l'application de modlesstatistiques pour lanotation des prts hypothcairesa littralementtransformlespratiquesdecemarch.Ceciestdaufaitque: [ ... ]les modlesstatistiquesd'automatisationdesdcisionsdecrditnesemblentpastreseulement plusrapidesmaisaussiplusefficaces,consistants,objectifsetprcisquelespratiques habituellesdedcisiondupass.(p.208)L'auteursoulignequel'utilisation desnotations statistiques,apermisd'valuerl'ampleurduproblmereliauphnomned'anti-slection, prsentdanslarelationprincipalagentlorsd'unedemandedecrdit: Lespertesde l'industriereliesaudfautdepaiementonttrduitesetmieuxcouvertesl'aided'une mthode amliore de dpistage des emprunteurs risqus etdetarification qu'en comparaison auxmthodesd'valuationmanuelletraditionnelles(p.217)Cedernieraspectnous intresseparticulirementsousunpointdevueconomiquepuisqu'unevaluationplus prcise delaqualit desemprunteurspermetdemieuxprovisionnel'etcontrlerl'exposition 8 aurisqueetainsifavoriserunestabilitfinancire.Autrepointd'intrt,l'auteur mentionne l'importance de faire delarecherche dans le domaine et spcialement sur les rpercussions de lasituationconomiquesurlesprojectionsdurisque.Ilsuggreaussidefairedustressed testingsurlesmodles,quiconsisteanticiperlesconditionsconomiquesfutures,afin d'valuerl'effetdeschocsetcyclesconomiquessurlerisqueduportefeuilledecrdit. L'objectifdelaprsenterechercheconsistevaluerleseffetsdesconditions contemporainesdumarchlorsdelademandedecrditsurlaprobabilitdedfautfutur, l'aspect du stressed testing ne sera pas abord. Lesecteurdesprtsauxpetitesetmoyennesentreprisesasuivilatendancedesautres secteursd'valuationdurisquedecrditentermed'utilisationdesnotations.Akhavein, FrameetWllite(2005)soulignent: Pendantquelesnotationsdurisquedecrdittaient utilisesdepuisuncertaintempspourlesautorisationsdeprtsethypothquesaux particuliers,cettetechnologieadbutseulementverslamoitideladcenniedesannes quatre-vingt-dix tre utilise pour les prts aux entreprises. (p.578-579) Commelesuggrediversauteurs,l'augmentationdunombrededcisionsdecrdit automatisesparrapportauxdcisionshumainestenddmontrerunemeilleure performancedesmodlesstatistiquesentermedepouvoirdeprdictiondudfautde paiementetdeproductivit.Ladiffusionetl'adoptiondecettetechnologieauxdivers secteurs d'autorisation ducrdit sont desrponses l'efficacit dmontre de ces modles au cours des dernires dcennies. Enrsum,pourlepremiergrouped'articles,nousremarquonsqu'ilyaeuuneadoption rapidedecetteinnovationfinanciredanslesecteurbancaireaucoursdescinquante dernires annes.Aujourd'hui,l'utilisation demodlesprdictifsestrpandue dansplusieurs activitstelleslagestiondeportefeuille,laperceptionetlarelationclient.Lacomptitivit dumarchducrditfaiten sortequ'ilyaunepressionconstantesur lescots.Cesmodles permettent d'augmenter laproductivit et de diminuer lesdlais de traitement. 9 Unemeilleurevaluationdurisqueadesrpercussionssurlesquantitsoffertesetlesprix. Laprochainesectionaborderaplusspcifiquement cesaspectsquiont contribu modifier, aucoursdesderniresdcennies,lespratiquesd'octroietlesmthodesd'valuationdes risques de crdit des institutions financires. 1.3Effets sur l'offre de crdit,le prix et le risque Pourdbuterlarevuedudeuximegrouped'articlesquitraitedesrpercussionsdecette technologie sur lemarch ducrdit,Berger (2003)mentionneque:Desrecherchessurles notationsducrditauxtats-Unisontgnralementdmontrquelesnotationstaientles meilleursprdicteursdelaprobabilit depaiement[... ](e.g.,Averyetal.2000).(p.152) Plus prcisment,Avery et al.(2000) mentionnent que leur recherche a permis de trouver que lesnotationsbasessurleshistoriquesde crditsontdesestimateurstrsrobustesdudfaut de paiement et de la dlinquance. Lesconclusionsdesarticlesderechercheconsultsabondenttoutesdanslammedirection, lesmodlesstatistiquespermettentdemieuxestimeretprdirelerisquedecrditquele jugementhumain.Ledveloppementetl'utilisationdecesnotationsrequirentcependant l'implication de diversestechnologies. Berger (2003)aanalys desprogrstechnologiquesetleurseffets sur l'industrie bancaire.Il remarquequ'enplusd'treunexcellentestimateurdurisque,lesmodlesstatistiques permettentd'augmenterlaproductivitdesfirmes.Danssonarticle,ilcitetroisinnovations technologiques quionteudesrpercussionsimportantessurlescotsdesinstitutions financires:lespaiementslectroniques,lesservicesbancairesparInternetetlepartagede l'information.L'auteursoulvel'importancedupartage del'informationsurlesactivitsde crdit.Ilsouligneque: Une analyse traversdiffrentspaysatrouv quel'offre de crdit desbanquestaitplusleveetleniveaudedfauttaitplusfaibledanslesnationsdans lesquelleslesprteurs utilisaientetchangeaient del'information publique ou bien prive. (p.151)L'information publique dont ilest questionprovient desregistresosont rpertoris lespoursuitesetlesjugementscontrelesindividus.L'informationprivequantellepeut 10 provenirdesourcesinternesdesinstitutionsprteusesouencoredesagencesde renseignementquirpertorientl'historique de crditdesemprunteurs.Le constatdel'auteur estintuitif danslecontexte duproblmeduprincipaletdel'agent.En prsence d'asymtrie d'information,leprteur seraplusenclinprterlorsqu'ildtientplusd'informationquilui permette de mieux valuer le type d'emprunteur auquelilfait face. L'auteursoulignegalement:L'utilisationdel'changed'informationaaussidmontr uneamliorationdeladisponibilitducrditdanslesnationsmoinsdveloppes(e.g., KlapperandKrauss2002).(p.152)L'informationfinancirepermetd'amliorerla performancedesmodlesstatistiquesetsertdesignalafindeprdirelesproblmesfuturs relis au crdit. Leonard(1996)prsenteaussilesbienfaitsdesmodlesstatistiquespourl'valuationdu risquede crdit.L'auteur vaplusloinparrapportl'importanced'utiliseretd'changer de l'information.Ilsoulvelepointquelesfirmesprteusesauraientavantagepartagerde l'informationtechniquesurlesmodlesetlesvariablesprdictivesdurisquequisont utilises.D'ailleursauCanada,uneassociationatmiseenplaceafindefaciliterces changes entre spcialistes.Selon l'auteur, l'industrie s'en portera mieux puisqu'il appert que lesproblmesetsolutionsrelisauxmodlesd'valuation desrisquessont partags de tous: Ilvayavoirmoinsdepertessurprtetderadiationspuisquelesinstitutionsprteuses prteront defaonplusresponsable.Finalement,commeaveclesmodlesdedtectiondela fraude,lesconomies pourronttrepasses auxconsommateurssousformedetauxd'intrt plusfaiblesoud'un meilleur service laclientle.(p.43-44)Cet noncesttoutdemme paradoxal.Iln'estpascertainquelesinstitutionsfinanciresprterontdefaonplus responsable dansun march concurrentiel.L'adoption demodlesstatistiquesquipermettent d'valuerplusprcismentlerisquepermetd'adresserdessegmentsd'emprunteurs marginauxquin'taient pasdesservis jusqu' prsent,etolerisqueetlescotsdeservice sontpluslevs.L'apparitiondeproduitsfinanciersdrivstellelatitrisationdes portefeuillesde dtail,quipermetde transfrerlerisquedestiers,peut aussifavoriserdes pratiques plus risques. Il Desrecherchesrcentesontcontribuvaluerleseffetsdel'utilisationdecesnouvelles pratiquesd'estimation desrisquescomparativementauxanciennes.Cestudesonttfaites danslesecteurdesprtsauxpetitesentreprisesolerisquedupropritaireestprdictif de celuidel'entreprise.Berger (2003)comme galementAkhavein,FrameetWhite (2005)ont analyslerisquededfautdespetitesentreprises.Cesauteursarriventauxmmes conclusions,soitquelerisquedupropritaireestprdictifdeceluidelafirmedansce segmentetquel'estimationdurisquepourlesprtsauxpetitesentreprisesestsimilaire aux approches d'estimation durisque de crdit la consommation. Danscetordred'ides,Berger,FrameetMiller(2002)ontanalysleseffetsdel'adoption desnotationsdesrisquessurladisponibilit,leprixetlerisquedesprtsauxpetites entreprises.Ilssepenchentsurl'introductiondesnotationspourl'attributiondesprtsdans cesecteur lafindesannesquatre-vingt-dixauxtats-Unis.Ilsremarquent quel'adoption desnotationsaeudeseffetsmixtesdiffrentsselonletypedelafirmeetleprofilde l'emprunteur. Dansleurrecherche,lesauteurssparentlesemprunteursendeuxgroupes,lesmarginaux (risqus)etlesnonmarginaux(nonrisqus)afind'valuer sparmentl'effet de l'utilisation desnotations.Pourlesnonrisqus,ilssoulventlefaitquel'adoptiondesnouvelles mthodesd'valuationpeutavoirtroiseffetsdiffrentssurlescotsetleprix.Lepremier effetestreliautraitementdesdemandesdecrdit.Silaproductivitaugmenteetlescots diminuent,lesrductionspeuventtretransfresauxemprunteurssousformedetaux d'intrt plusfaibles.Ceteffet dpendcependantdutypedelafirme.Silatechnologie vient remplacerlaprcdente,lescotsdiminuentpourlabanquealorsquesielleestutiliseen complment,les cots augmentent. Ledeuximeeffetestreliunerductiondesproblmesdeslectionadverseetd'ala moral.Unemeilleurevaluationdurisquepermetd'liminerlespiresemprunteursetde diminuerleschancesqu'un comportement plusrisqu se dveloppeunefoisleprt octroy. Ladiminution de cots dcoulant de cet effetpeut galement tre transfre auxemprunteurs sousforme de tauxd'intrt plusfaibles. 12 Finalement,l'ajoutd'informationadditionnelledansleprocessusdcisionnelpermetde mieuxqualifierl'emprunteur.Ainsi,desemprunteurspourraientsevoirattribuerune meilleureouunepirenotationquireprsenteraitunequalitderisquesuprieureou infrieurelaprcdente.Danslepremiercas,leprixdiminueraitpourl'emprunteur puisqu'il estconsidr conune un risque demeilleure qualit alorsque dansle second,le prix augmenteraitpuisqu'ilseraitjugplusrisqu.L'effetnetescomptparlesauteurspourle groupedesnonmarginauxestuneamliorationdelaqualitdurisqueetunerductiondu prix.Iln'yapasncessairementd'augmentationdel'offrepuisquecetteclientleestdj desservie. Pour ce qui est dugroupe des marginaux,une diminution des cots de traitement peut faireen sortequedesprtsquitaientjugsnonrentablesparlepassledeviennentmaintenant. galement,unmeilleurmodled'valuationdurisquequiprendenconsidrationplus d'informationfaitensortequedesclientlesquitaientrefusesparlepasspourraient maintenanttreacceptespuisquedesinformationsdiffrentessontprisesencompte.Une valuationplusprcisedurisquefaitensortequelesemprunteursplusrisqusseverront attribuerunprixpluslevconsidrantlescotsdetraitement,desuivietlerisqueplus levsqu'ilsreprsentent.L'effetnetfaitensortequ'ilyaurauneaugmentationdel'offre, du prixet durisque pour ce groupe d'emprunteurs. Berger (2003)mentionne que la croissance de l'offre et durisque provient principalement des banquesquiontadoptlesnotationsde crdit conune mthode d'valuationalorsque celles, oson utilisation estutilise en complment, ont pluttvuune augmentation des cots et une amlioration de l'valuation du risque.Ilmentionne aussique ce sont les grandes banques qui sontlespluspropicesadoptercettenouvelletechnologieafindefairedesgainsen productivit.C'est d'ailleurs consquent avecSchumpeter (1950)quisoulve que ce sontles grandesfirmesquivoluentsur desmarchsconcentrsquisontlespremires adopter des nouvellestechnologiesquileur ferontbnficier d'conomies d'chelle.Akhavein,Frame et White (2005)ainsique BofondietLotti(2006)mentionnent galement ce faitettrouvent des rsultats similaires dans leurs recherches. 13 Dansleurarticleversionrvise,Berger,FrameetMiller(2005)concluentquesuite l'adoptiondesnotationsdesrisquesdanslemarchdesprtsauxpetitesentreprisesaux tats-Unis, l'offrecommeaussileprixetlerisquemoyensontaugmentenraisonde l'accroissementducrditdesemprunteursplusrisqus:Cesrsultatssontconsistants avecleshypothsesquel'utilisationdessystmesdenotationpourlespetitesentreprises augmenteladisponibilitducrdit,premirementpourdesemprunteursrelativementplus risqusqui paient relativement desprix plus levs pour le crdit. (p.220) Dansleurstravaux,lesauteursn'abordentpaslaquestiondesconditionsdemarchetleur relationavecl'valuationdurisque.IlsterminentcependantenmentiolU1antdeseffets adversesquipeuventdcouler de problmesde spcification ou devariablesomisesdansles modles.Ilssoulignent,parexemple,quel'utilisationd'unmodleenpriodedercession alorsqu'il a t dvelopp avecdesdOlU1esprovenant d'une priode d'expansion peut crer deserreurssystmatiques.Ilsnotentaussiquecetypedeproblmatiquefaitdjl'objetde proccupations pour lesmodles utiliss danslessecteurs descartes de crdit et desprts la consommationolesnotationssontutilisesdepuislongtemps.Plusrcemment,ces problmesont aussit soulevspour le secteur des hypothques.Ilest doncdel'intrt des modlisateursdevalideretfairevoluerlesmodlesenpermanence.Lebutconsiste s'assurerquelesmodlescontinuentbienprdirelerisquemaisaussivrifiersi l'introduction de variables omises ne pourrait pasamliorer laperformance. Ledeuximegrouped'articlesasurvoll'effetdel'utilisationdessystmesdenotationdes risquesdansl'industriebancaire.Desrecherchesdediversauteursontdmontrque l'changed'informationetl'utilisation de modlesstatistiquesontpermisde fairedesgains enproductivitetd'valuer le risqueplusprcisment.CetteilU1ovationafinalementpermis d'augmenterl'offredecrditetdedesservirdesclientlesmarginales.Lesbnfices tangiblesdesmodlesderisqueontcontribul'expansionrapidedecetteilU1ovationaux diffrentssegmentsducrdit(crditlaconsommation,hypothquesetplusrcemment, prtsauxpetitesentreprises).Enboutdeligne,leprixetlerisqueontaugment puisque ces nouvellesclientlesmarginalessont pluschresdesservir etellesreprsentent unrisque de dfaut plus lev. 14 lA Cadre rglementaire Thomas(2000)nousrvlecommentlarglementationafavorisladiffusiondesnotations auxtats-Unis:L'vnementquiaassuruneacceptationcompltedesnotationsdes risquesde crditestl'adoption delaloi Equal CreditOpportunity Act auxtats-Unisen 1975et1976.(p.151)Danslemmeordred'ides,Straka(2000)mentionne pourle march deshypothques: Laratificationdugouvernement sur l'utilisation des notationsde crdit,importante pour plusieursbanques,est arrive lorsque le Federal ReserveBoard a publi ses propres recherches sur lavalidit statistique de la capacit desnotations de crdit prdire les dfauts de paiement sur les prts hypothcaires (Avery et al.1996). (p.215-216) L'utilisationdesnotationsestdevenueunepratiquecourantedanslesactivitsd'octroide crditetsareconnaissanceunniveaugouvernementalacontribusadiffusionetson acceptation,maisgalementtransformerlittralementlemarchducrditdemasseau coursdudernier demi-sicle.L'acceptation complte desnotationsdesrisquesde crdit at assure par l'adoption d'une norme d'valuation un niveauinternational. Suitedescrisesbancairesmajeuresdansdiverspays,uncomitdetravailatmandat poursepenchersurlessolutionspossiblespoursolidifierlastabilitdusystmebancaire international.Le ComitdeBlesur lecontrlebancaire(CBCB)atinstitulafinde 1974.Ilrassembleleshautsreprsentantsdesautoritsdecontrlebancaireetdesbanques centralesdediverspays(Belgique,Canada,France,Allemagne,Italie,Japon,Luxembourg, Pays-bas,Espagne,Sude,Suisse,Grande-Bretagneettats-Unis).Sansbnficierde pouvoirsupranational,lesstandardsquelecomitproposeonttmajoritairementadopts parlespouvoirsgouvernementauxdespaysmembrestraverslesprocessusdmocratiques en place. En 1988, le CBCB aintroduit un ensemble de mesures qui encadrent la gestion du risque etle calculdesfondspropresminimauxrequispourviter desdsquilibresconcurrentielsentre banquesinternationales.Plusprcisment,cetterglementationobligeaitdornavantles banques dtenir desfondspropresd'unniveauquivalant8%aumoinsdutotaldeleurs actifspondrsenfonctiondesrisques(CBCB,2007).LeComitamisenplacedes 15 dispositifspourencadrerlagestiondesnsquesl'aidedepratiquesdesupervision prudentielleetdenormesdedisciplinedemarch.CommelesoulventThorovalet Duchateau(2003),cetaccordvisaitprvenirlesfaillitesdesbanquespardesnormesde fondspropresetlimiterlescrisessectoriellesoumacroconomiquesetainsiamliorerla stabilit financire. L'incapacitdesdbiteursd'honorerlescontratsdeprtsestunesourcedeproblmespour lesinstitutions prteuses puisque lesprtsimproductifsont desrpercussionssur lerisque,le prix,l'offre etlastabilitdusystmefinancier.L'valuation desrisquesdesportefeuillesde prtsest primordiale.Le CBCBa mis en 2004 uneversionrvise deson rglement.Iltait maintenant permis auxbanques,sous certaines conditions,d'utiliser lessystmesdenotation internes des risquescomme principauxintrants pour valuerlerisque de crditlorsducalcul desfondspropresrequis(CBCB,2004).Lesprincipauxintrantsdontilestquestionsontla probabilit de dfaut,laperte en cas dedfaut et l'exposition en casde dfaut (CBCB,2005). Danslaprsenterecherche,nousnousintressonsuniquementaupremierintrantquiestle calcul dela probabilit de dfaut. Commenousavonspuleconstater jusqu' prsent,l'utilisationdessystmesdenotationest djlargementrpanduedanslesactivitsd'octroidecrdit.Aveccetterglementation,les mmesnotationsdesrisquespeuventdsormaisservird'intrantspourlecalculdescapitaux rglementaires.L'amendementmisdel'avant parleCBCBvisedece faitmettreen place desstandards internationauxpour lecalculducapitalconomiquerequisetassurer une saine gestion desrisquesde crdit.Avecl'adoption de cette norme,ilne faitplusaucundoute que lesnotationsdesrisquesde crdit ont t adoptes et intgresdanslespratiques d'valuation desrisques de crdit. Lorsdel'amendementde2004,leCBCBamislarecommandationsuivantepour l'utilisationdesnotationsinternesdanslecalculdelaprobabilitdedfaut:Lanotation doitreprsenterl'valuationparlabanquedel'aptitudeetdelavolontd'unemprunteur d'honorersoncontrat,mmedansdesconditionsconomiquesdfavorablesouencas d'vnementsimprvus.[... ]Lagammedessituationsconomiquesenvisageablesdoit 16 intgrer lasituation dumoment etcellesquipeuvent se produire pendant ladure d'un cycle conomique pour le secteur conomique ou largion gographique en question. (p.75)Les notationsinternesdoiventdoncnonseulementprendreenconsidrationlerisquereli l'emprunteur etauprt,maisaussivaluerlerisquequereprsentelecontexte conomique avec son incidence sur la probabilit de dfaut du dbiteur. Nousremarquonsquelecadre d'utilisation dessystmesdenotation desrisquesavolu au fildu temps.Les notations,quitaient initialement utilises pour augmenter laproductivit et mieux valuer laqualit durisque desemprunteurslorsde lademande de prt,peuvent aussi treutilisesafind'estimerlerisquedesportefeuillesdeprtsde dtailetvaluerleseffets des conditions conomiques contemporaines et futuressur la probabilit de dfaut. 1.5Critiques l'utilisation des notations pour l'attribution de prts Lesavantagesdel'utilisationdesnotationsdesrisquesdecrditsontreconnusaujourd'hui. Toutdemme,diversescritiquesonttsoulevesquantleur utilisationdanslesactivits d'octroidecrdit.Lapremireconcernel'utilisationdecaractristiquesquipOUlTaient s'avrer discriminatoirespour certainsindividuscommelesouligneCapon (1982).En1976, leEqualCreditOpportunityActatamendauxtats-Unisafindeproscrire l'utilisation danslessystmesdesnotationdesrisquesde caractristiquescommelarace,le sexe,lestatutmatrimonial,l'ethnie,l'ge,lareligionetlefaitderecevoirdesprestation de programmes sociaux. Danssonarticlederecherche,Capon(1982)dcritunensembled'exemplesquipeuvent mener despratiquesdiscriminatoiresetrendrel'accsaucrditplusdifficilepour certains segmentsdelapopulation.Parexemple,lesdonnesquiontservimodliserproviennent desdemandeursdeprtspourlesquelsunhistorique decrditexiste,l'estimationdurisque pourdesindividusquin'ontpasd'historiquedecrditetquinerpondentpasaux caractristiques de la population de dveloppement est donc biaise etpeut crer un problme d'anti-slection pour cette clientle. 17 Avery et al.(2000) font desmises en garde lors dudveloppement de modles statistiques.Ils abordentparticulirementlebiaispossibledansl'valuationdesrisquesquiestd l'omissiondesconditionsconomiquesspcifiquesl'emprunteur.Lesauteurssoulignent dansleurtravailderecherchequ'ilexistedesproblmesstatistiquesdanslamthode actuellement utilise pour le dveloppement desmodles denotation et spcialement pour les notationsquiproviennentdesagencesderenseignement: Eneffet,lesuccsgnraldu pouvoirprdictif prsentdanslestudesantrieuresn'exclutpasl'existencedeproblmes statistiqueslorsdudveloppementetdel'implantationdesmodlesdenotationdesrisques de crdit quipourraient mener une valuation incorrecte durisque d'un individu. (p. 525) Lesproblmes que soulvent Avery etal.(2000)peuvent entraner deserreurssystmatiques dansl'estimationdurisque.Ilsidentifienttroistypesdeproblmespotentiels.Lepremier concernel'omissiondevariablesexplicativesquifaitquelafonctiond'estimationdurisque nereprsentepaslafonctionrelleetpeutdoncintroduireunbiaisdansl'estimation.Le deuximeproblmeentourel'utilisationdesdonnesde1'historiquedecrditdesindividus. Sicethistoriqueestincompletoucontientdeserreurs,unbiaisesttransportdans l'estimation dumodle.Finalement,letroisime type de problmesdcoule despopulations dedveloppementpar opposition aux populationspour lesquelleslemodleestutilis.Siun segment demarch a t sousreprsent lorsdudveloppementdumodle,danslapratique, lanotation pourrait ne pasreprsenter le risque rel de ces individus. Comme lesoulignent lesauteurs,cesproblmes statistiques peuvent avoir desincidences tant conomiquesquerglementaires.Unevaluationincorrectedurisquedesdemandeursde crditpeutavoirdeseffetssurl'offredecrdit,lerisqueetleprix.Unesurvaluationdu risque peut restreindre l'offre decrdit puisque lesemprunteurssont jugs plusrisqusqu'ils nele sontenralit.Cettesurestimation peutaussiengendrerunprix pluslevpuisqueles emprunteurssontvaluscommetantplusrisqus.Danslecascontraire,unesousvaluationferaitensortequelesprtsseraientplusrisqusqu'ilsnelesontenralitetun prix moinslev pourrait tre demand.Comme lefontremarquer lesauteurs,cet tatdefait peutavoirdesconsquencesrglementaires: D'un pointdevuerglementaire,leseffets cumulsdecesbiaispotentielspeuventsouleverdesquestionssurl'adquationdes 18 provisionspour pertesetducapitalconomique.(p.528)Lesauteurssoulventgalement une proccupation par rapport auxpratiques quitables en octroide crdit: Par exemple,la conformitaveclesloissurlespratiquesquitablesenmatired'octroidecrditpeuttre affecteparcesbiaissilesgroupesprotgssontdisproportionnellementaffectsparles erreurs statistiques oud'omission. (p. 528) ToutcommeCapon(1982),Averyetal.(2000)mentionnentlapossibilitquecertains segmentsdelapopulationaientunaccsplusdifficileaumarchducrdit.Cependant,ils n'abordentpaslaquestionsousuneformedediscriminationparl'utilisationdecertaines variablesmaispluttparleproblmedebiaisquepeutreprsenterunmodlemaldfini. Cette questionnousintresse particulirement dansle cadre de larecherche actuelle oilsera tentd'intgrerdesdonnesdemarchdansunmodle.Cette approchepermettrad'valuer l'effetpossibledesconditionsconomiquestantsurlaprobabilitdedfautquesurle pouvoir de diffrenciation d'un modle. Nousremarquonsquelesnotationsdesrisquesdecrditonttreconnuesauruveau gouvernementaletque cette reconnaissance afavorissa diffusion dansl'industrie ducrdit. NousremarquonsgalementqueleCBCBaaussicontribul'adoptiondesnotationsdes risquesdecrditparl'laborationd'unenormeinternationale.Nousremarquonsfinalement quel'utilisationdesnotationsavoluaufildesdcennies.Originalement,ellestaient principalement utilises pour octroyer ducrdit,elles ont ensuite t utilisespour raliser le suivietvaluerlecomportementdesprts.Aujourd'hui,cesmodlesserventdebaseau calcul du capital conomique en fonctionduniveau de risque pour les prts de dtail. 1.6 Modlisation desrisques de crdit pour un portefeuille de dtail Plusieursmthodessontutilisespourmodliserlesrisquesdecrdit,HaydenetPorath (2006)rpertorientl'ensemble desmthodesutilisespour valuerlesrisquesde crdit pour unportefeuillededtail.Ilsclassifientlesdiffrentesapprochesd'estimationdurisqueen deuxgroupes,soitlesmodlesparamtriquesetlesnonparamtriques.Pourlepremier groupe,ilsidentifientsixapprochesmthodologiquesquisontl'analysediscriminante,la 19 rgressionlinaire,lesmodleslogit,probit,de panelet d'ala.Pour le deuxime groupe,ils identifient deuxmthodesquiconsistent aux rseauxde neurones et auxarbres de dcisions. Dans le cadre de laprsente recherche,nousnousintressons uniquement aupremier groupe demthodes puisqu'un modle paramtrique sera utilis pour estimer laprobabilit de dfaut. Plusparticulirement,noustudieronslesquatreprincipalesapprochesdemodlisationque l'onretrouvemaintesreprisesdanslalittratureetquisontlesplusutilisesdansla pratique,soitl'analysediscriminante,largressionlinaire,lesmodleslogitetprobit.Les modlesd'ala,dontleplusCOIUlUselonHaydenetPorath(2006),leCoxproportional hazardmodel,neserontpascouvertspuisqu'ilssontsemi-paramtriques.Lesmodlesde panelneserontpascouvertsnonpluspuisqu'ilsfontappell'analysededonnescroise. D'ailleurs,cetypededOIUlescredesproblmessurleplantechniquetelsque l'htroscdasticit et l'autocorrlation des termes d'erreurs. HandetHenley(1997)ontaussirpertorilesmthodesquedcriventHaydenetPorath (2006).Ilslistentdansleurstravauxlesdiffrentesapprochesutilisespourmodliserles risques de crdit et exposent lesforcesetfaiblessesde chacune d'elles.Ils nous rvlent entre autresdansleur article que destudes ralisespar le pass ontdmontr que peuimporte la mthode utilise,leniveaud'exactitude pour classifierlerisque de crditestsimilaire et que lesmodlesnonparamtriquessontbeaucoupplusdifficilesdvelopperetrequirentdes algorithmescomplexesencomparaisonauxmodlesparamtriques.Lesauteursnous informent qu'en gnral,l'amlioration de la performance d'un modle ne dpend pas tantde l'approcheutilisemaisbiendel'ajoutdenouvellesvariablesquis'avrentprdictivesdu risque de dfaut. Danslemmeordred'ides,AltmanetSaunders(1998)soulventqu'ilexisteaumoins quatreapprochesmthodologiquespourdvelopperdessystmesdenotationdesrisquede crdit,soitl'analysediscriminante,largressionlinaire,lelogitetleprobit.Ilssoulignent quedeloin,lamthodelaplusutiliseestl'analysediscriminantesuiviedelargression logistique. 20 Allen,Delong etSaunders (2004)abondentdanslamme direction etnotent quel'utilisation desnotationsdesrisquesdecrditestlargementrpanduetantpourlecrditla consommationquepourlesprtsauxpetitesentreprises: Lamthodologietraditiormelle d'estimationdesrisquesdecrditlaplusgnralementutiliseestl'analysediscriminante multivariedontAltman(1968)enatlepiormier.(p.736)Lesauteurssoulventque: Ilyaquatreformesmthodologiquespourlesmodlesdenotationdesrisquesdecrdit multivaries:(1)lemodledeprobabilitlinaire,(2)lemodlelogit,(3)lemodleprobit, et (4)le modle d'analyse discriminante multiple. (p.736) Comme soulign plus tt,nousnous arrterons dansla prsente recherche dcrire ces quatre approchesparamtriques.HaydenetPorath (2006)expliquentque pour valuerleniveaude risqueducrditdedtaill'aide del'analyse discriminante,ilfautprocder en deuxtapes. Lapremireconsistecalculerunscorepourchacundesemprunteursetladeuxime, consiste calculerleschances(del'anglaisodds )d'treendfautselonleniveaude score.Cesoddsreprsententlaprobabilitdedfaut.Uneprmissedebasedoit cependanttrefaitelorsdel'utilisationdecetteteclmique.Ilestconsidrqueles caractristiquessuiventunedistributionmultivarienormalepourlesindividusd'unmme groupe de risque. Danslaralit,ceneseraitpaslecasetceconstatestlaplincipalecritiquesoulevepour cette mthode.Hand et Henley (1997)abordent d'ailleurs ce problme et concluent qu'iln'y auraitcependantpasderpercussionsurl'exactitudedelaclassificationdesindividusen terme de risque et que son utilisation est de ce faitlargement rpandue danslapratique. Unedeuximeapprocheutilisepourl'valuationdurisquedecrditestlargression linaire.Cemodleestestimparmoindrescarresordinaires.SelonHaydenetPorath (2006),cetteteclmiqueestintressantepuisqu'elleal'avantaged'trefacileutiliseret comprendre.Ellecomportecependantdeuxproblmesmajeurs.Lepremierconcernela variableexpliquequiestcalcule.Commelavariabledpendanterechercheestune probabilit,savaleurdoittrecompriseentre0et1.Lorsquelargressionlinaireest utilise,lesvaleurscalculespourraienttreinfrieures0ousuprieures1.Lesrsultats 21 nepeuvent donc pastre interprtsen terme de probabilit de dfaut.Le deuxime problme decetteapprocheconcernelaprsenced'htroscdasticitquipeutseprsenterlorsde l'analyse dedOill1estransversales.Nouspouvons penser que lavariance destermesd'erreur Ujn'estpasconstantepourtouti.Lesauteursconcluentpourcettemthode:Conune consquence,l'estimationde fJestinefficaceetdeplus,lescartstypesdescoefficientsb estimssontbiaiss.(p.3)Lesauteurssoulventqu'unefaondecontournerl'obstacle d'htroscdasticitdestermesd'erreurseraitd'estimerlemodleparmoindrescarres pondres.L'estimation de fJserait efficacemaislescarts typesdesb demeureraient biaiss enraison dufaitque lestermesd'erreur nesont pas normalement distribus. Dans lemme ordre d'ides, Dielman (1989) soulve le problme d'htroscdasticit lors de l'analysededOill1estransversalesmaisaussiceluid'autocorrlationdestermesd'erreurs lorsquedessrieschronologiquessontutilises.L'auteursoulignequel'utilisation simultanedecestypesdedOill1essousformedepanel,creunproblmeadditioill1el spcifiquel'tudededOill1escroises.Ilrvle que deschocstransversauxpeuventavoir deseffetsparalllessurdesindividusdiffrentsd'une mmepriodeetlestermesd'erreurs sontdonccorrls.HaydenetPorath(2006)soulventaussicepoint,ilssoulignentquela prsomptiond'indpendancedesobservationspourdesdOill1estransversalesnetientplus. Ilsfonttoutdemmeremarquerqueplusieursdveloppeursignorentcettedynamique particulire et procdent sans appliquer de correction. Finalement,HaydenetPorath(2006)dOill1entunedescriptiondesdeuxderniresmthodes d'estimationquisontanalysesdanslecadredecetterevuelittraire.Cesmthodes consistentauxmodleslogitetprobit.Cesmthodesd'estimations'avrenttoutfait appropries pour l'analyse de variables discrtes et l'estimation de probabilits.La principale diffrence entre cesdeux modlessesitueau niveau deleur fonctionde densit.Alors que le modle probitestreprsent par unefonctiondedensit normale,lemodlelogitestquant luireprsent par une fonctionde densitlogistique.Ladiffrencerside dans les queues des distributions,cellesduprobittantpluspaisses.CesdeuxapprochesdOill1entdesrsultats similairesetlesdiffrencesentrelesrsultatssontngligeables.ToujoursselonHaydenet Porath (2006),l'estimation dumodlepar unmaximumdevraisemblanceestthoriquement 22 convaincanteetfacilemanipuler.Le modlelogitestplussimpleestimerquelemodle probit quidemande desalgorithmesplus complexes.La signification desparamtresdulogit estfacilecomprendre:unchangementdanslavaleurd'unevariableindpendantersulte en un changement danslelogarithme des odds et de laprobabilit de dfaut del'individu. Enplusdegnrerunrsultatentermedeprobabilit,ilestpossibledetesterledegrde significativitdumodleetdescoefficients.Lesauteurssoulignentfinalementquecette forme fonctionnelle est parfaitement adapte pour faire du stressed testing . Lamthodedergressionlogistiqueseraprivilgielorsdestravauxdedveloppementet d'estimation du modle empirique qui seront prsents dansle chapitre II. 1.7 Utilisation de variables macroconomiques Ilest intuitif de penser que les conditions conomiques ont une incidence sur la probabilit de dfautdesemprunteurs.Plusieursauteurscitsjusqu'prsentontsoulevcettehypothse sansncessairementendmontrerl'effetpardesanalysesempiriques.Avery etal.(2000)se sontpenchssurlaquestiondupotentielbiaisprsentdanslesmodlesactuelsquidcoule, entreautres,del'omission de variablesreprsentantlesconditionsconomiques.Lesauteurs soulvent qu' leur connaissance,ilsseraientles premiers examiner cesenjeux statistiques. Pourleuranalyseraliseauxtats-Unis,ilsontutilisunensemblededonnes conomiques etdmographiques rgionalisesqu'ils ont combin par le code postal auscore de risque d'individus d'un chantillon reprsentatif d'une agence de renseignement. Dansleur tude,ilssoulventl'interrogation suivante: Lastabilitduclassement travers lesrgionsetlarobustesse desprdictions desmodlesaux changementsdanslesconditions conomiqueslocalesn'ont pas t typiquement explores et iln'est pas clair que lesmodles performentuniformmentbienpourtouslessous-groupesdelapopulation.(p.525)Ils soulventquel'omissiondevariablesnonreliesl'historiquedecrditdel'emprunteur, maisquilesontauxconditionsconomiquesindividuellesoulocales,peutainsicrerun problmedeclassementerrondurisque.Ilscitentl'exemplesuivant: Parexemple,en n'incluantpasdescirconstancesconomiquesindividuelles,lesmodlestraitent 23 implicitementunindividuquiperfonnepauvrementquandilestsansemploidelamme faonque quelqu'un quiperfonne delammemanirelorsqu'ilenoccupe un.(p.526)Ils ajoutent que de lamme faon,en ne considrant pas lesfacteursconomiques rgionaux,les modlesvontattribuerlesmmesniveauxderisque pour lesindividus quiont unemauvaise perfonnance en temps de rcession qu'en temps de meilleuresconditions conomiques. Cetteomissionfaitensortequ'unevaluationunifonnedurisquepeutmenerune projectionfutureerronepuisqu'ellenetientpascomptedesprobabilitsdedfautsousjacentesquisontdiffrentes.Lesrpercussionsdecettevaluationbiaisesenotenttelque dcritprcdenunent sur lerisqueglobal,l'offre etleprixducrditconune galement surle niveau de capital conomique requispour assurer une stabilit financire. Danscettetude,lesauteursutilisentlesvariablesconomiquesetdmographiquespar rgionquisontletauxd'inoccupationdeslogements,lacroissancedmographique,letaux de chmage,le revenumdian,le prixmdiandesmaisons,letauxde propritaire-occupant, letauxdepauvret,letauxdeminoritvisibleetletauxdescolarisation.galement,ils ajoutent une srie de variablesindividuelles quisont l'ge,le revenu et le niveau d'ducation. Enplusduscorederisque,l'agencederenseignementleurafournidesindicateursqui dtenninent sil'individufaitpartied'un mnageets'il dtient unehypothque.De plus,les auteurscrentunevariablequipennetdedtenninersil'individuhabitedansunezone urbaineoururale.Ilssontainsienmesuredecrerunenouvellevariablequiidentifiele revenumdianrelatifdelazoneurbaineparrapportlazoneruralepourchacunedes rgions. Lesconclusionsdel'tudemettentenlumirequelesvariablesomisescrentunproblme potentiel.Ilsremarquentquetoutencontrlantlesautresfacteurs,lesscoresderisque moyens varienten fonctiondesconditionsconomiqueslocalesetqu'ils sontstatistiquement infrieursdanslesrgionsavecun tauxde chmage lev par rapport auxrgionsole taux estfaible.Ilsremarquentaussiqueladynamiquedutauxdechmage joue unrle maispas celuiquiestattendu.Lesrgionsquiont un tauxde chmage faiblepersistantouquiontvu le taux de chmage pass d'un niveaufaible un niveau lev ont un score de risquemdian 24 plusfaiblequelesrgionsoletauxdechmageestlevdefaonpersistante.Ceteffet serait daufaitque lesprteurs ont des standards plus stricts (prtent moins) dansles rgions olechmageestlev,cequiminimiseraitleseffetsd'untauxdechmagelevsurla dlinquance desemprunteurs (moinsde dlinquance). D'autresvariablesutilisesontdmontrtrestatistiquementsignificatives.Lesscoresde risquemoyenssesontavrstreinfrieursdanslesrgionsoilyauntauxlev d'inoccupationdeslogements,depauvretetdeminoritvisiblecommegalementole revenumdian,lavaleurdesmaisonsetleniveaud'ducationtaientplusfaiblesquela moyenne nationale.Lesauteursconcluentpartir deleur recherchequelesvariablesomises quireprsententlesconditionsconomiqueslocalesetrgionalessontdessourcesdebiais danslesmodlesdenotationdesrisquesdecrdit.Unedessolutionsqu'ilsproposentpour solutionnerceproblmeconsistestratifierlesmodlesenfonctiondesconsidrations conomiques.Jusqu' prsent,cesinformationsn'ont past utilisesdanslesmodles.Les auteurssoulignentque: Unedesraisonspourceciestquelesmthodesappropriespour incorporerdel'information macroconomiqueetrgionaledanslesmodlesdenotationdes risquesdecrditn'ont pasttablies.Ceciestun secteur potentielderecherchefuture. (p.544)Ilsajoutentunautrecommentaireintressant: Notrevidencesuggreque l'utilisationdesnotationsdesrisquesdecrdit,enl'absenced'ajustementsbasssurdes informationsconomiquesetrgionales,peutrsulterendesdcisionsdedterminationde prix errones. (p.545) Averyetal.(2000)ontprsentdansleurarticlelesenjeuxstatistiquesquientourent l'utilisation desscores derisque desagencesderenseignementauxtats-Unis.Ilssoulignent laprsenced'unbiaisduel'omissiondevariablesetauproblmedecouvertureetde reprsentationdansl'chantillondedveloppement.Ilsconcluentquecesfacteursontune influence sur l'valuation durisque d'un individu qui peut tre sur ou sous estim.Dans notre tude,nous tenterons d'introduire desvariables macroconomiques dansun modle derisque afin devrifier sinous sommes en mesure d'amliorer laprdiction del'vnement de dfaut par rapport aumodle debase.Notre objectif detravailneconsiste pasvrifierlaprsence ou non d'un biais mais bien vrifier silaperformance dumodle peut tre amliore. 25 Averyetal.(2004)tudientleseffetspotentielsdenepasinclurecequ'ilsappellentdes donnescirconstanciellesdanslesmodlesderisquedecrdit.Ilsexaminentgalementles difficultsentourantl'ajoutdecetyped'informationdanslesmodles.Ilssoulventque l'omission decesdonnespeut causer une valuation errone durisque decrdit etavoir des incidencestantsurlastabilitfinancirequelespolitiquesrglementaires.Ilscitenten exemplelecasdedeuxindividus.Lepremiersubitunproblmedesanttemporairequi l'empche de rencontrer ses obligations. Le deuxime a perdu son emploimomentanment en raisond'une dtriorationdel'conomie.Danslesdeuxcas,lerisquededfautesttraitde lamme faon qu'un individu qui n'a pas faitface ce type de problmes etquiesten dfaut de paiement. Laprojectionfuture,tantbaseprincipalementsurlaperformancepasse,estdoncbiaise par l'omissiondece typed'information.Par ailleurs,lesauteurssoulventlefaitquedene pasincluredesvariablesquicaptentdescirconstancespersonnelles(autresquel'historique de crdit)nidesvariablesconomiqueslocalesourgionales,peutavoir deuxconsquences conomiquesprimaires.Lapremire concerneunclassementdurisqueerron,etparlefait mmeunetarificationinapproprie,tandisqueladeuxime,concerneuneinefficaciten termed'octroidecrdit,quipeutrsulterendespertespluslevesetuneprofitabilitplus faible.Ilsnousfontaussiremarquerqu'ilexistedesobstaclesmajeurspour l'utilisation des informations circonstancielles. En ce quia trait aux circonstances personnelles de l'individu,ilestdifficile derpertorier ces vnementsenraisondelacomplexitquecelapeutreprsentermaisaussipourdes questionsd'ordrethique.Aveclesloisdeprotection desinformationspersonnelles,iln'est pasvidentque cesinformationspourraient tre utilisesdanslesmodles.galement,sous unpointdevuetechnique,ilseraitdifficile delierladated'occurrencedecesvnements celle dudfaut depaiement etd'intgrer correctement danslesmodles cette notion de cause effet.Encequiatraitauxdomesconomiqueslocalesourgionales,lesauteurs soulvent: Bienquel'informationgnralesurlesconditionsconomiqueslocalestelles queletauxdechmagesoientdisponibles,ilpeuttredifficilededterminerl'endroitde rsidencedel'individulorsquelesproblmesdedfautsesontprsents.Obtenirplus 26 d'infonnationspcifiquesurlescirconstancesconomiquesaffectantl'individutellequeles misespieddansuneindustrie particulireoilestemployreprsente un dfiencore plus important. (p.6) Danscettetude,Averyetal.(2004)laboretoutdemmeunmodleempiriqueafinde tester leseffets de certainesvariables circonstanciellessurlesnotationsdesrisquesde crdit d'uneagencederenseignementauxtats-Unis.Ilscrentunchantillondenouveaux comptesdecrditpourchacundesquelsilsassignentlaperfonnance mauvaisesile compte at60 jours dlinquantsoupire,sinonilest jug bon .Lesauteurs testentdeux modles.Le premier consiste tester l'effet du tauxde chmage dulieu de rsidenceet celui dustatutmatrimonialdel'individu(lesmnagessontplussolidesfinancirementqueles clibatairesoulesrcents divorcs).Le deuxime modlequant luiconsiste vrifier sila squencedesvnementsdedfautpasssnesuitpasunschmaparticulierquipennetde dtecterdesdfautscirconstancielsquisontdusdesdclencheursspciftques.Plus prcisment,cemodleconsiste vrifiersilesdfautsdepaiementarriventtousaumme momentous'ilssontpluttdisperssdansletemps.Danslepremiercas,lesauteurs supposent que c'est d unvnement particulier alorsque dansledeuxime,ilss'attendent pluttauschmad'un emprunteur qui adesproblmesrcurrents.Lesrsultatsdeleur tude dmontrentquelesconditionsconomiquestoutconunelesconditionsparticuliresde l'emprunteurinfluencentlaprobabilitdedfaut.Ilsconcluentquel'omissiondeces variablesdanslesmodlesactuelscauseunproblmedespcificationetengendredes extemalitstellesquedespertesadditionnelles,desprixpluslevsetuneoffredecrdit plus faible. 1.8Conclusion Nousavonsvutoutaulongdelarevuelittraireconunentlesmodlesstatistiquesetles systmes de notation des risques de crdit se sont dvelopps au cours du dernier demi-sicle. L'originedecesmodlesremonteauxannesquaranteavecl'apparitiondesanalyses discriminantes.L'efficacit de cesmodlesatdmontrepardesgainsenproductivit et une amlioration de laqualit des dcisions de crdit.La reconnaissance de leur utilisation au 27 niveaugouvernementalagalementfavorisleurdveloppement.Leurintgrationdansles pratiquesdel'industrieducrditaeudesrpercussionssurl'offre,leprixetlerisquedu crdit.Cesmodlesprdictifsonteucommeutilisationoriginalelesactivitsd'autorisation deprts,ilsonttparlasuiteutilisspoursuivrelecomportementdesemprunteurset valuer le risque des portefeuilles.Le CBCB avec l'adoption d'une nonne internationale a t ledernierdclencheurdel'acceptationcompltedecesmodles.Aujourd'hui,larecherche s'orienteductdesconditionsconomiquesafind'envaluerlesrpercussionssurla probabilit de dfaut des emprunteurs. CHAPITRE II MODLE DE DFAUT 2.1Introduction Unmodlededfautsurdesemprunteursseraestimafind'valuersilesconditions conomiquesontuneffetsurlaprobabilitdedfaut.Lemodleseraestimpartirde donnes d'un portefeuille de crditlaconsommationd'une institutionfinancire.Lecadre d'analyseconsistevaluerunmodlequiinclutdescaractristiquesd'emprunteursetdes variablesmacroconomiques,etcomparersaperformanceunmodlequicontient seulementdescaractristiquesd'emprunteurs.Desstatistiquesseront calculesetcompares afin de dterminer silesvariables macroconomiques augmentent laperformance dumodle. 2.2 Hypothse de travail Le modle alaformegnraleY =a + pX + OZ. Le vecteur Yreprsente la performance de l'emprunteur,lamatriceXreprsentesescaractristiquesetlamatriceZcorrespondaux variables macroconomiques.Les vecteursa,p ,etli sont les paramtres estimer. Ilseravalusicemodleestenmesuredemieuxclassifierlerisquequ'unmodlede rfrence quialaformeY = ex+ pX etdemieuxprdirel'vnement.Par mieuxclassifier, nousfaisonsrfrence un modle olasparation entreladistribution desemprunteursqui fontdfautparrapportceuxquinelefontpasestlaplusgrande.Encequiatraitla capacitdesmodlesbienprdirel'vnementdedfaut,elleseracomparepour dterminer lequelperformelemieux.L'hypothsenulle correspond Ho: 8 =0, o8est le vecteur des coefficients desvariablesmacroconomiques. Si 8 =0 estrejete,lesvariablesmacroconomiquesapportentunpouvoiradditionnelde diffrenciationetlescoefficientssontstatistiquementsignificatifs.Deuxtypesdedonnes 29 serontutilisspourestimerlemodlederisque.Desmicro-donnesseront utilisespourles caractristiquesindividuellesXdesemprunteurs.Dessriesmacroconomiquesseront utilisespourreprsenterlesinformationsdetypeagrgZ.Nouspourronsvrifiersila probabilit de dfaut varie en fonction desconditions conomiques. Laprobabilit de dfaut d'un emprunteur est caractrise par une valuation de sacapacit et volontderemboursersesdettes.LamatriceXpeutdoncinclureunemultitudede caractristiquesquivaluentcerisque.Danslecadredelaprsenterecherche,cette valuationsefaitpartirdecaractristiquesconnuesetdisponiblesaumomentdela demandedeprt.Cesvariablesontservil'analyseducrditetpermettrontd'unepart, d'valuerlerisquedel'emprunteur (ge,revenus,occupation,etc.)etd'autrepart,lerisque delatransaction (typedeprt,terme,provenance,historiquedepaiement,etc.).Lesegment tudiconsisteceluidesnouveauxprtsouvertsaupointd'observation.Lemodle n'utiliserapasdedonnescomportementalessurlaperformancecouranteduprtnide donnesconomiquesdevancespuisquelebutconsistevaluerlepouvoirde diffrenciationetdeprdiction aumomentdel'autorisation.Lemodlesebaseuniquement sur desfaits connus aumoment oladcision d'octroyer le crdit a t prise. Traditionnellement,lessystmesdenotation desrisquesutilisentseulement de l'information detypeindividuel(demandedecrditeUoucomportement).Ilestintuitif,parcontre,de penserquelecontexteconomiquedanslequelvoluel'emprunteurinfluencegalementsa capacitd'honorersesobligationsentantquedbiteur.LamatriceZincluradesvariables macroconomiques (taux d'intrt, tauxde chmage,etc.)dontlesniveauxtaient connus au momentdel'analyseduprt.Cesvariablespermettrontd'valuerlerisquereli l'environnement de l'emprunteur. Lastructurethoriquedumodles'inspiredesmeilleurespratiquesdel'industrieetdela littraturepertinentecesuj et.L'utilisationdessystmesdenotationdesrisquesest largementrpandueetplusieurstudesonttpubliessurcetypedemodlesderisquede crdit.Le caractre prdictif decertainescaractristiquesd'un emprunteur sur saprobabilit de dfaut est bien document et reconnutant dans lathorie que danslapratique. 30 2.3Structure du modle Trois pointsimportantssur lastructure dumodle doivent tre mentionns.Tout d'abord,les donnespourXsontconsidrescommetransversalesetplusieurscohortessontutilises. L'emprunteur seretrouvequ'une seulefoisdansl'chantillon de dveloppement.En ce quia traitauxvariablesmacroconomiques,dessrieschronologiquestrimestriellesseront utilises. Ledeuximepointestreliautypedeprobabilitdedfautquiseracalcul.Lesdonnes utilisespermettrontd'estimeruneprobabilitdedfaut unstressed .Cetypede probabilitfaitrfrenceunestimateurnonbiaisquiestimelachancequ'un emprunteur fassedfautdanslaprochaineannebasesurlesinformationsstatiquesetdynamiques disponiblesqu'ellessoientindividuellesouagrges.Cetestimateurprendenconsidration desdonnesmacroconomiquesobservables(CBCB,2004).Cetestimateurestdiffrentdu type stressedquiinclutdel'informationcomportementaledynamiqueetquiest conditionnell'volution delasituationconomique.L'estimateur unstressednepermet pasde fairedesstressed scenarios pour valuerlaprobabilit de dfaut futur.Nousnous attendonscequelaprobabilitdedfautsoitplusfaibleoulevelorsquelasituation conomique est meilleure oumoins bonne. Ledernierpointconcernel'approchepoint-in-time quiseraretenue.Laprobabilitde dfautestcalculeavecunmodlequiconsidredesinformationsindividuellesetagrges connuesetdisponiblesaupoint d'observation quiest lemoment dela demande de crdit.La probabilit de dfaut quiseraestime peut donc changer dansle tempset est statique aupoint d'observation.Cetteapprochediffredel'approche through-the-cyclequipermetde calculer une probabilit de dfaut dynamique etquin'est pas corrle aux alas conomiques maisbienauxchangementsdurisquedel'individu(CBCB,2005).L'approche point-intime nousintresse dans le cas prsent puisque nouscherchons diffrencier descatgories d'emprunteursaumomentdel'autorisationetnonpastraversuncycle.Nousvoulons dterminersilaprobabilitdedfautaumomentduprtvarieenfonctionducontexte conomique contemporain du moment de l'autorisation de crdit. 31 L'infonnationsurlecontexteconomiqueestgnralementagrgeauniveaunationalet quelquesindicateurssontdisponiblesrgionalement.Iln'y apasd'infonnationconomique disponible auniveaulocal oupersonnel del'individu. Les conditionsconomiques sont donc identiquespour unensembled'emprunteurs.Commelemodlecherchecapterl'tatdela situation conomiqueetlatendanceaupointd'observation,lesvariablesmacroconomiques quilecomposentserontintroduitesdefaonreprsenter cette dynamique.Danslemodle projet,uncompromisserafaitquantauniveaud'agrgationdesvariablesretenues.Des variablesdeniveauxrgionaletnationalserontutilises.Ainsiaupointd'observation,des groupesd'emprunteursauront desvaleursmacroconomiquesdiffrentesenfonctionde leur rgiondersidencetandisquel'ensembledesemprunteurspartagerad'autresvaleurs macroconomiques agrgesidentiques. 2.4 Dfinition de l'vnement Diffrentesdfinitionsdeperfonnancepeuventtreretenuespourledveloppementdes modles de probabilitde dfaut.Ladfinition dpend de l'objectif quiestpoursuivi savoir s'il consiste diffrencier lesclientles traites en anticipant leur perfonnance sur le court ou le long tenne.Dansle casprsent,le prt est considren dfaut lorsque l'une oul'autre des situations suivantes survient sur une priode de douze mois aprs son ouverture: l'emprunteur est en retard de paiement depuis 90 jours et plus; leprtestradiouilestcertainquelecapitalneserapasrcupravantmmequ'lUl retard depaiement de 90 jours et plus ne se soit ralis. LavariabledpendanteYestdichotomiqueetpeutprendredeuxvaleurs.Elleseraliset priodes aprsque X et Z aient t observs: ={l, si l'individu est en dfaut YiO', SInon i = indice del'emprunteur avec i = 1,2,3,... , N . 32 Lesegmentduportefeuilleanalyscorrespondauxnouveauxemprunteursuniquement.Les prtsdontlesdonnesd'autorisationsontincompltessontexclusdelapopulationsous observation.Lesprtsfermsdurantlaprioded'analyseferontpartiedel'chantillonetse verront attribuer laperformance observe avant lafermeture. 2.5Caractristiquesindividuelles utilises LamatriceXcontientlesvariablesquicaractrisentl'vnementdedfaut.Cesvariables proviennentdediffrentessourcesetpeuventtreintroduitesdanslemodledediverses faons(par exemple: taux d'endettement quiestle ratiodesdettes sur le revenu): X ji =caractristiques individuelles jpour l'emprunteur i j=indice de lacaractristique avec j=l, 2,3,... , J, i =indice de l'emprunteur avec i =l, 2,3,... , N . Afin defacilitercertainestapesdudveloppementdumodle,unensembleprliminairede caractristiquesd'emprunteursserachoisiarbitrairement.Cechoixestfaitconsidrantle pouvoir prdictif djreconnude certaines caractristiques.Cesvariables ont t testes dans lepassetsontcourammentutilisesdansdesmodles(FairIsaac,2002).Cechoixrepose galementsurl'objectif de recherche quine consiste pas valider desvariablesindividuelles mais bien le fairepour des variablesmacroconomiques. Lescaractristiquesdel'emprunteurseclassentdansdeuxcatgories,soitlerisquede l'emprunteuretlerisquetransactionnel.Cesdeuxcatgoriesetlescaractristiquesquiles composent sont prsentes dansles sous-sections quisuivent. 2.5.1Caractristiques durisque de l'emprunteur Lerisquedel'emprunteur peuttrevalupartir de diffrentescaractristiques.Le tableau quisuitprsentelescaractristiquesprslectionnesafind'estimercerisque.Ces caractristiques dressent un profil gnral de l'emprunteur. 33 Tableau 2.5.1Caractristiques durisquedel'emprunteur ProvenanceNumroVariable 1ge 2Sexe.....;j -0 0 3Revenus C ro S 0 4Statut rsidentiel Cl Rgion5 administrative DfinitionRelation avecY ge dudemandeur-Sexe dudemandeurNeutre Revenus annuels-Propritaire, locataire, avecparents, autre + /Lieu de rsidence+ /Cesinformationsprliminairesproviennentdudossierdudemandeur.Lavariablergion administrativepermetdefairela jonction entrelesvariablesmacroconomiquesagrgeset la rgion de rsidence de l'emprunteur. 2.5.2 Caractristiques durisque transactionnel Encequiatraitauxcaractristiquesdurisquetransactionnel,troissourcesdedonnessont utilises.Lapremire correspondauprtproprementdit,ladeuxime provientdubureaude crditetladernireducomptebancaire.Letableauquisuitprsentelapremiresourcede donnes: Tableau 2.5.2.1Caractristiques du prt ProvenanceNumroVariableDfinitionRelation avecY 6Type du crdit A terme, REER ou crdit rotatif + /...... ChiSqErrorChi-Square Intercept1-3.64600.09671422.4292