1Les performances macroéconomiques de la fin des années 1990 ont été fortement influencées par l’instabilité persistante des marchés des capitaux et des systèmes financiers. Les banques et autres intermédiaires financiers tendent à occuper une place prépondérante dans les désordres financiers à l’échelle internationale du fait de l’élargissement de leur activité de gestion et de transfert des risques entre agents. La menace que les défaillances d’institutions bancaires font peser sur les systèmes financiers a contraint les autorités réglementaires à mettre en place des dispositifs de surveillance des risques dont l’efficacité a fait l’objet de nombreuses controverses.

2Récemment, le comité de Bâle a préconisé une refonte des normes prudentielles, en particulier de l’indicateur de solvabilité bancaire (ratio Cooke), qui renforcerait le rôle joué par les agences de notation et la discipline de marché dans l’architecture du dispositif. Les agences permettraient une évaluation plus fine de la qualité des créances bancaires et donc de leurs pondérations dans la détermination du risque de crédit. Dans le même souci d’efficacité, le marché doit mieux remplir sa fonction de valorisation et de sanction des risques en exploitant une information plus transparente. Cette discipline accrue imposée par le marché devrait être facilitée par le rôle joué par la notation des banques elles-mêmes qui est censée véhiculer, dans une certaine mesure, l’information privée contenue dans les bilans bancaires.

3L’objectif de cette contribution est de savoir si les agences de notation apportent effectivement au marché de l’information nouvelle sur les risques auxquels sont exposés les intermédiaires financiers dans le cadre des principaux marchés européens d’actions. La question est importante, car si tel n’était pas le cas, se poserait alors le problème du rôle effectivement joué par les agences : disposent-elles d’un avantage comparatif dans la production d’informations sur les établissements bancaires et financiers ? Si oui, les notations devraient améliorer l’information du marché et modifier la valorisation des établissements. Si non, elles apporteraient une information redondante à la fois pour le marché et pour les autorités réglementaires. Il s’agit donc de situer le rôle des agences de notation en tant que complément ou substitut au marché dans le cas très particulier de l’industrie bancaire caractérisée par une faible transparence de l’activité. Car, si la théorie bancaire justifie l’existence des banques par leur capacité à résoudre des problèmes d’asymétrie d’information entre prêteurs et emprunteurs, elle met aussi l’accent sur l’asymétrie d’information induite par l’activité même d’intermédiation au profit des banques et au détriment de ses créanciers et actionnaires externes. Par conséquent, il est intéressant de savoir si, compte tenu de l’opacité des bilans bancaires, les investisseurs sur le marché prennent en compte les informations apportées par les agences lorsqu’elles émettent de nouveaux ratings. Pour ce faire, notre démarche consiste à étudier empiriquement la réaction des cours des valeurs bancaires aux nouvelles que constituent les annonces de rating des agences. Plus précisément, nous appliquons la méthodologie de l’économétrie événementielle pour tester la présence de rendements anormaux sur les marchés d’actions de sept pays européens. L’analyse est menée à partir de données quotidiennes sur la période du 1^er janvier 1988 au 31 mars 2000 en considérant les annonces de rating de deux grandes agences de notation.

4L’articulation de l’article est la suivante. On discute tout d’abord brièvement du rôle des agences dans le cadre particulier de l’activité bancaire caractérisée par l’asymétrie d’information afin d’en dégager des enseignements relatifs à l’exercice de la discipline de marché par les actionnaires externes. On présente ensuite la méthode utilisée et la base de données constituée pour notre analyse événementielle ainsi que les résultats des tests de rendements anormaux menés sur l’ensemble de l’échantillon pour apprécier la réaction des valeurs bancaires à des confirmations, détériorations ou améliorations de rating. Enfin, nous procédons à des estimations Logit pour déterminer si la prise en compte ou non par le marché des annonces peut être expliquée par certaines caractéristiques bancaires soulignées par la théorie de l’intermédiation financière.

ASYMÉTRIE D’INFORMATION, NOTATION BANCAIRE ET DISCIPLINE DE MARCHÉ

5Selon la théorie moderne de l’intermédiation, les banques détiennent une information privilégiée sur la valeur de leurs actifs, essentiellement sur la valeur de leurs crédits, et c’est la possibilité d’obtenir cette information qui justifie précisément leur raison d’être (Leland et Pyle [1977]). De plus, la création d’information apparaît comme une activité à rendement croissant dans la réduction des coûts de délégation aux banques, par les prêteurs, de la surveillance des emprunteurs (Diamond [1984]).

6Si les banques ont un avantage comparatif dans la résolution des asymétries d’information, il s’ensuit nécessairement que leur activité est génératrice d’une information privée sur les crédits qu’elles distribuent, ce qui contribue à l’« opacité informationnelle » (Ross [1989], Flannery [1998]) des actifs bancaires et, en conséquence, rend plus difficile une évaluation externe des banques, de leur niveau de risque ou de leurs conditions de profitabilité. Par ailleurs, si des problèmes d’agence existent dans toute firme entre les managers, actionnaires et créanciers, il existe cependant une particularité forte de l’industrie bancaire où le rôle des autorités publiques de contrôle est considérablement plus important que dans les autres secteurs de l’économie, essentiellement en raison d’une stricte surveillance des risques bancaires par crainte de propagation de la défaillance d’un établissement à l’ensemble du système bancaire (risque systémique). La présence de filets de sécurité incluant des dispositifs encourageant l’aléa moral (prêteur en dernier ressort, assurance-dépôts) contribue en outre à affaiblir naturellement la discipline spontanément exercée par certains créanciers (notamment les déposants).

7La question est donc de savoir si, compte tenu de l’opacité des bilans bancaires, les actionnaires prennent en compte les informations apportées par les agences de notation des banques lorsqu’elles émettent de nouveaux ratings ou rapports à leur sujet. Les agences n’ont pas la possibilité d’accéder aux renseignements confidentiels que peuvent exiger les autorités publiques de contrôle. Elles procèdent à l’examen des comptes, peuvent mener des visites sur site, mais ont en théorie accès au même ensemble d’information que les investisseurs externes à la banque. Or, comme le rôle des agences est de plus en plus mis en avant dans l’organisation globale du mode de contrôle des établissements bancaires, doit-on considérer que leur expertise est plus forte que celle du marché ? Plus précisément, transmettent-elles effectivement au marché une information fiable et nouvelle sur les conditions des établissements ? Ou bien le marché a-t-il déjà intégré une information qu’il avait pu lui-même extraire du même ensemble d’informations que les agences ?

8En ce qui concerne les actionnaires, on comprend que leur valorisation d’une banque dépend essentiellement de leur perception de sa rentabilité future et que leur monitoring repose pour l’essentiel dans l’appréciation des potentialités de profit de l’établissement. Or, la plupart des ratings bancaires concernent la notation de la dette bancaire (à long ou à court terme) ou, de façon plus synthétique, la santé financière de la banque. Les agences reflètent donc davantage les incitations des détenteurs d’obligations que celles des actionnaires. Cependant, une information sur la qualité de la dette bancaire est également intéressante pour les actionnaires puisque l’évolution de la prime de risque sur les taux des engagements d’une banque a nécessairement un impact sur la rentabilité anticipée de l’établissement et sur sa valorisation boursière. On peut discuter de l’impact théorique attendu d’une publication de rating en mettant en évidence les situations où l’on peut considérer l’information comme une bonne nouvelle ou comme une mauvaise nouvelle, selon son évolution et selon celui qui l’interprète, actionnaire ou obligataire. Par exemple, une amélioration du rating devrait être une bonne nouvelle. Supposons que cette modification à la hausse de la notation est liée à une augmentation du ratio de capital. C’est clairement une information favorable pour l’investisseur obligataire car cela signifie une diminution du risque de défaut sur la dette bancaire, et donc une réduction de la prime de risque sur le financement marchéisé. En revanche, cela peut être une information défavorable pour l’investisseur actionnaire si la diminution du levier d’endettement de la banque traduit pour lui un couple rentabilité-risque moins avantageux.

9En analysant la publication des ratings comme des événements informationnels, on peut donc les classer en trois catégories, correspondant aux trois évolutions possibles du niveau de la notation selon qu’elle est 1) améliorée, 2) maintenue, 3) dégradée pour un établissement donné. Si on accepte l’hypothèse que l’actionnaire réagit dans le sens indiqué par l’évolution du rating, on devrait alors observer un cours de l’action 1) à la hausse, 2) constant, 3) à la baisse. Cependant, les managers ont souvent la volonté d’informer rapidement le marché des bonnes nouvelles et de retenir le plus longtemps possible les mauvaises. Dans ce cas, il est vraisemblable que le marché aura déjà intégré dans sa valorisation une amélioration du rating sur la base des informations positives préalablement diffusées par la banque. Le cours de l’action peut apparaître anticiper la nouvelle notation alors qu’il valide une information déjà publique. L’impact d’une détérioration du rating serait au contraire plus susceptible d’affecter défavorablement la valorisation de la banque après la publication de la notation si elle est réellement une information négative surprenant le marché. En ce qui concerne l’annonce d’un rating confirmé, il est possible que son impact soit favorable sur le cours boursier si les investisseurs, en situation d’incertitude par rapport à la qualité des actifs de la banque, lui attribuent une valeur d’audit positive.

10Lorsqu’on admet que l’agence de notation ne sait rien de plus que le marché, on peut cependant envisager une influence de la notation sur le cours boursier. On peut supposer que les managers de la banque sont plus disciplinés par la publication d’un nouveau rating que par l’évolution de la valorisation boursière [1]. Si les managers modifient leur comportement, en termes de prise de risque par exemple, le marché peut l’intégrer ex post et donc réagir à une notation bien qu’elle synthétise des informations qu’il avait déjà prises en compte.

Tableau 1.

Rating et réaction du marché

Tableau 1. Rating et réaction du marché Impacts de l’annonce du rating Prime Effet Rentabilité de risque Valeur Arbitrage « attendu » anticipée sur passifs d’audit rentabilité/ sur le cours des actifs marchéisés risque de l’action Amélioration + – + ? + Détérioration – + + ? – Confirmation = = + ? + ou – N.B. : Le signe du sens de variation de la prime de risque doit être inversé dans la sommation des impacts.

Rating et réaction du marché

11Le tableau 1 synthétise finalement les principaux canaux de transmission de l’information contenue dans l’annonce d’un rating, en précisant le sens prévisible des impacts relatifs à ces canaux et le sens de l’effet global qui en résulte sur le cours de l’action en fonction des trois types d’événements. Le sens de l’effet global est déterminé en posant comme hypothèse vraisemblable que les deux premiers impacts dominent les deux derniers.

12Jusqu’à présent, on n’a considéré que l’impact de l’annonce d’une notation relative à une banque sur sa propre valorisation boursière. Or, l’apport d’information lié à une nouvelle notation d’une banque peut également agir sur les cours boursiers d’autres banques (effet de clustering ) pour plusieurs raisons. Compte tenu de l’importance des relations croisées sur le marché interbancaire, la modification de la notation d’une banque traduit un risque susceptible d’affecter les conditions de financement et d’activité d’un grand nombre d’établissements présents sur ce marché et peut donc conduire à une réévaluation rationnelle par les investisseurs du cours de leurs actions. Dans des cas extrêmes, une très forte détérioration du rating qui suscite des craintes de faillite de la banque en cause et de ruée de ses déposants, peut entraîner une baisse globale de la capitalisation boursière de l’industrie bancaire expliquée par la peur d’une contagion de la panique à l’ensemble des établissements. En outre, en raison de l’opacité déjà soulignée des bilans bancaires, la révélation d’une information sur le niveau de risque d’une banque peut affecter la valorisation par le marché de toutes les banques dont les caractéristiques en termes d’activité, de structure bilantielle sont identiques ou proches. Bien évidemment, l’existence de relations étroites entre les groupes bancaires et leurs filiales est de nature à créer un effet mécanique de transmission de l’impact de la notation d’une banque à l’ensemble des établissements auxquels elle est liée par la structure de son capital ou de ses participations.

MÉTHODOLOGIE ET CONSTRUCTION DE LA BASE DE DONNÉES

Fenêtre d’estimation et fenêtre événementielle

13Pour chaque événement, on définit une échelle de temps telle que t₀ représente la date d’annonce d’un nouveau rating (date d’événement). La période { t₀ ? n, t₀ { représente alors la fenêtre pré-événement et la période { t₀, t₀ + n ], la fenêtre post-événement, la période { t₀ ? n, t₀ + n ] correspondant à la fenêtre globale d’événement.

Fenêtre Fenêtre d'estimation événement ( t0 - n )- m t0 - n t0 t0 + n

14L’effet des publications d’un nouveau rating relatif à une banque sur sa valeur de marché est apprécié par l’écart entre le rendement du titre observé sur le marché et le rendement prévu par un modèle de marché sur la fenêtre pré- et/ou post-événement. Plus précisément, nous estimons un modèle à un facteur puis à deux facteurs sur une période antérieure { t₀ ? n ? m, t₀ ? n { à la fenêtre événement. Le premier facteur est le rendement d’un indice large du marché (R_M ) et le second, le rendement d’un indice représentatif du secteur bancaire (R_B ). Ce second facteur doit prendre en compte l’effet de tout événement affectant le secteur bancaire dans son ensemble.

15Pour chaque banque et chaque événement, les modèles suivants sont donc estimés sur la période ] t₀ ? n ? m, t₀ ? n ] :

et

où R_t est le rendement de marché du titre de la banque considérée; ?, ?_M et ?_Bsont des paramètres et ?_t représente les résidus supposés indépendants et distribués normalement, d’espérance nulle et de variance finie, ?_t ? N } 0, ? [2] [. Ces modèles sont estimés par la méthode des moindres carrés ordinaires avec correction de Newey-West. Dans le cas du modèle (2), les deux facteurs ont été orthogonalisés. Plus spécifiquement, le rendement de l’indice bancaire est régressé sur celui de l’indice de marché, soit :

?_{B, t} est alors introduit dans (2) à la place du rendement de l’indice bancaire R_{B, t}.

16On calcule ensuite les rendements dits anormaux (AR_t ) sur les périodes préet post-événement. Soit :

et

où ?*, ?_M * et ?_B * sont les paramètres estimés du modèle à un puis deux facteurs. Le rendement anormal est défini, à chaque date de la période d’événement, comme le terme d’erreur du modèle calculé hors période d’estimation. On note AR_{i, t} le rendement anormal calculé pour chaque événement i ( i = 1,..., N). La réaction moyenne du marché pour N événements, calculée pour chaque date t de la fenêtre d’événement, est alors évaluée par :

Puis pour déterminer l’effet global d’un événement i sur le rendement d’un titre sur la sous-fenêtre { t₁, t ] appartenant à la période d’événement { t₀ ? n, t₀ + n ], on cumule les rendements anormaux, soit :

et pour déterminer l’effet global de l’ensemble des N événements, on calcule le rendement anormal cumulé moyen (ACAR_t ), soit :

La significativité des rendements anormaux moyens et cumulés moyens doit ensuite être testée. Deux types de tests sont possibles selon que la distribution des rendements anormaux moyens est supposée connue ou non : les tests paramétriques ou les tests non paramétriques.

Tests paramétriques

17En supposant la normalité des rendements anormaux et en tenant compte de leur dépendance, la statistique, pour une date t de la période événement :

où

et

suit une loi de Student à (N ? 1) degrés de liberté.

18Un test analogue peut être réalisé pour les rendements anormaux moyens cumulés. Toujours sous l’hypothèse de normalité des rendements anormaux, la statistique :

suit une loi de Student à (N ? 1) degrés de liberté.

Tests non paramétriques

19Plusieurs tests sont envisageables. Nous retenons ici le test proposé par Corrado [1989]. Il reste puissant en présence de faibles variations (Cowan et Sergeant [1996]) et d’une augmentation de la variance aux dates d’événement (Campbell et Wasley [1993]). La procédure du test consiste à transformer la distribution des rendements anormaux pour un événement donné en une distribution uniforme de leurs rangs respectifs sur la période pré- ou post-événement. Soit r_{i, t}, le rang du rendement anormal à la date t de la fenêtre de l’événement i. Les rangs sont définis dans l’ordre croissant des rendements anormaux, r_{i, t} = 1 et r_{i, t} = n correspondent respectivement au rendement anormal le plus faible et le plus élevé de la période pré- ou post-événement (1 ? r_{i, t} ? n ). Sous l’hypothèse d’absence d’effet de l’événement sur le rendement du titre (hypothèse nulle), le rang espéré est } n + 1 [ /2. Le test statistique est alors défini comme :

où ?_r est l’écart type du rang sur la période pré- ou post-événement.

Les données

20L’analyse empirique est menée sur un échantillon de banques européennes. Elle est réalisée sur données boursières quotidiennes et sur la période du 1^er janvier 1988 au 31 mars 2000. La construction de la base de données nécessite de considérer des banques qui soient à la fois notées par une agence et cotées sur un marché d’actions. Cela tend à réduire considérablement l’échantillon de banques pour chaque pays considéré. Les indices de marché sont les principaux indices suivis par les opérateurs et les indices bancaires sont ceux construits par Datastream. Les données de cours des valeurs bancaires ainsi que des indices de marché et sectoriels sont extraites de la banque de données Datastream. Ces informations sont résumées dans le tableau 2.

21Les agences de notation distinguent les titres de dette de court terme (maturité inférieure à un an) des titres de dette de long terme (maturité supérieure à un an). La notation des premiers traduit davantage le risque de liquidité de l’émetteur alors que celle des seconds repose davantage sur la structure financière et la capacité de l’émetteur à générer des cash-flows futurs suffisants pour honorer ses engagements. La notation des titres longs semble donc plus proche des préoccupations des actionnaires. Nous avons retenu les changements de rating de la dette de long terme identifiés dans les banques de données des deux grandes agences Fitch IBCA et Standard & Poor’s.

Tableau 2.

L’échantillon de banques et les indices de marché

Tableau 2. L’échantillon de banques et les indices de marché Nombre de banques Indice de marché Allemagne................................ 10 DAX 30 Espagne.................................... 6 Madrid (général) France....................................... 16 CAC40 Italie.......................................... 18 MIB30 Luxembourg............................. 2 BEL 20 Pays-Bas................................... 4 CBS (All shares) Royaume-Uni........................... 12 FT100

L’échantillon de banques et les indices de marché

22Certains changements de rating sont annoncés à des dates différentes mais relativement proches par la même agence ou les deux agences. Aussi, une annonce par l’une ou l’autre agence sur la période d’estimation ou sur la fenêtre événement d’une autre annonce est susceptible de polluer l’analyse (l’estimation du modèle de marché ou les rendements anormaux) des effets de l’annonce étudiée. Par ailleurs, certains changements de rating sont précédés (au cours de la période d’estimation ou sur la fenêtre événement) de mises sous surveillance ( watch ou alerts ) [1]. Quel que soit le choix réalisé, watch ou annonce de modification de rating, l’analyse de l’événement est encore polluée.

23Aussi, compte tenu de ces effets perturbateurs potentiels, nous avons construit deux échantillons d’événements. Un échantillon global qui regroupe l’ensemble des changements de rating (sans les watchs) répertoriés par les deux agences et un échantillon d’événements « purs » qui exclut tous les événements exposés à des interférences quelconques. Les nombres d’événements sont répertoriés dans le tableau 3 suivant.

Tableau 3.

Le nombre d’événements

Tableau 3. Le nombre d’événements Échantillon global Échantillon pur Amélioration............................. 45 35 Détérioration............................. 80 53 Confirmation............................. 121 78 Total.......................................... 246 166

Le nombre d’événements

RÉSULTATS DES TESTS DE RENDEMENTS ANORMAUX

24Nous avons retenu une fenêtre événement de 81 jours, soit une période préévénement de 40 jours et une période post-événement de 41 jours (les cours étant des cours de clôture, le jour événement est intégré à la période post-événement). Par ailleurs, nous avons retenu une période d’estimation de 80 jours. Le choix de la longueur de ces différentes périodes est arbitraire mais retenir des périodes plus longues aurait inévitablement entraîné une perte supplémentaire d’événements purs.

Rendements anormaux cumulés issus du modèle à un facteur et tests Rang ParamètriqueAmélioration 6 6 0,04 0,04 5 5 0,02 0,02 4 4 0 0 3 3-0,02-0,02 2 2-0,04-0,04 1 1-0,06-0,06 0 0-0,08-0,08 1 11 21 31 41 51 61 71 1 11 21 31 41 51 61 71 Détérioration 6 8 5 0 0 4 6-0,05 3-0,05 4-0,1 2-0,1 1 2-0,15 0 0-0,15-0,2 1 11 21 31 41 51 61 71 1 11 21 31 41 51 61 71 Confirmation 6 0,04 0,04 7 5 0,02 0,02 6 4 0 0 5 -0,02 3-0,02 4 -0,04 3 2-0,04 -0,06 2 1-0,06-0,08 1 0-0,08-0,1 0 1 11 21 31 41 51 61 71 1 11 21 31 41 51 61 71 Note. Les colonnes de gauche et de droite reportent respectivement les résultats des tests de rang et des tests paramétriques. L’axe des abscisses correspond aux différents jours de la période événement. Les rendements anormaux cumulés et les t-tests correspondants sont représentés respectivement par la courbe continue (axe des ordonnées de droite) et par les histogrammes (axe des ordonnées de gauche, la droite inférieure horizontale correspondant au seuil de significativité de 10 %).

Rendements anormaux cumulés issus du modèle à deux facteurs et tests Rang ParamètriqueAmélioration 6 0,04 6 0,04 5 0,02 5 0,02 4 0 4 0 3-0,02 3-0,02 2-0,04 2-0,04 1-0,06 1-0,06 0-0,08 0-0,08 1 11 21 31 41 51 61 71 1 11 21 31 41 51 61 71 Détérioration 6 0,04 6 0,04 5 0,02 5 0,02 4 0 4 0 3-0,02 3-0,02 2-0,04 2-0,04 1-0,06 1-0,06 0-0,08 0-0,08 1 11 21 31 41 51 61 71 1 11 21 31 41 51 61 71 Confirmation 6 0,04 6 0,04 5 0,02 5 0,02 4 0 4 0 3-0,02 3-0,02 2-0,04 2-0,04 1-0,06 1-0,06 0 0-0,08 -0,08 1 11 21 31 41 51 61 71 1 11 21 31 41 51 61 71

25Les rendements anormaux sont cumulés de la date (– 1) à la date (– 40) sur la période pré-événement et de la date 0 à la date 40 sur la période post-événement. Les résultats sont reportés sur les graphiques ci-dessus.

26Les graphiques croisent trois types d’information, une relative à la nature de l’événement (amélioration, détérioration ou confirmation du rating), une relative au modèle d’estimation des rendements anormaux (à un ou deux facteurs) et une relative à la procédure de tests (test de rang ou test paramétrique) [1].

27Globalement, le test paramétrique apparaît plus favorable à l’identification de rendements anormaux significatifs et ce sont les graphiques relatifs aux détériorations de rating qui conduisent à l’interprétation la plus claire des effets attendus sur la valeur de marché des banques. On constate, en effet, une dépréciation des cours tant sur la période pré-événement (sur quelques jours mais aussi globalement sur les trente à quarante jours qui précèdent l’annonce effective) que sur une grande partie de la période post-événement. En revanche, les annonces de confirmation ou d’amélioration de rating produisent souvent des rendements anormaux négatifs, plus rarement positifs et ne permettent pas de lever l’ambiguïté sur le sens d’un impact significatif tant sur la période pré- que post-événement.

28Par ailleurs, les rendements anormaux issus du modèle de marché ne diffèrent pas significativement de ceux du modèle à deux facteurs. Il semble donc que l’annonce d’une notation d’une banque n’influence pas les valorisations des autres banques et qu’il n’y a donc pas d’effet de clustering. Si tel était le cas, le rendement de l’indice bancaire capterait toute l’information de l’annonce prise en compte dans les cours boursiers de tous les établissements de la place. La présence de l’indice bancaire dans le modèle à deux facteurs diminuerait alors fortement la possibilité d’observer des rendements anormaux. Cependant, l’observation de l’impact d’une détérioration de rating, selon que l’on considère le modèle à un ou deux facteurs, conduit à nuancer cette conclusion : les rendements anormaux sur la période pré-événement issus du modèle à un facteur apparaissent en effet plus fortement significatifs (selon le test paramétrique). Il semble donc que le marché, lorsqu’il anticipe une révision à la baisse de la notation d’une banque, transmet cette information défavorable à l’ensemble du système bancaire.

ESTIMATIONS DE MODÈLES LOGIT DE RÉACTION DU MARCHÉ

29L’analyse des rendements anormaux sur l’ensemble des banques de notre échantillon fournit des résultats mitigés et laisse penser que le marché ne réagit pas systématiquement et de façon identique aux publications de rating des banques.

30Nous nous proposons maintenant de mener une analyse par événement (par banque). Plus précisément, nous calculons les rendements anormaux cumulés sur les périodes pré- et post-événement pour chacun des événements purs. Nous distinguons ensuite ces événements (ces banques) à l’aide d’une variable binaire (E) en fonction de la réaction (E = 1) ou de l’absence de réaction (E = 0) du marché. Puis, nous analysons les caractéristiques (de taille, de risque, de structure de bilan, …) des banques qui ont vu leur valeur de marché affectée par la publication d’un rating. Cette analyse est réalisée en estimant pour chaque caractéristique (C_i ) le modèle logit à une variable qui nous permet d’obtenir : log } P_i / } 1 ? P_i [ [ = ? + ?C_i où P_i représente la probabilité que la publication d’un rating affecte la valeur de marché de la banque concernée, compte tenu de la caractéristique C_i, ? est le terme constant et ? le coefficient estimé dont le signe renseigne sur l’influence positive ou négative de la caractéristique sur la probabilité de réaction. L’analyse banque par banque doit permettre de se prononcer sur le degré de pertinence de la fonction exercée par les agences de rating pour certaines catégories d’institutions bancaires par opposition à d’autres. Ainsi, certaines des questions que nous posons au regard de la théorie moderne de l’intermédiation sont : La taille est-elle un facteur discriminant qui réduit la probabilité de réaction du marché (aléa de moralité, too-big-to-fail ) ? L’asymétrie d’information et son opacité qui sont censées caractériser plus particulièrement les institutions à forte activité de crédit (actifs non marchéisés) rendent-elles plus efficace le rôle joué par la notation ou au contraire les agences sont-elles démunies pour réaliser une évaluation pertinente dans ce cas de figure ? Les banques à forte activité de dépôt et qui échappent à la discipline de marché pour une grande part de leurs engagements (absence de discipline de marché exercée par des déposants assurés) se distinguent-elles des autres intermédiaires financiers à engagements marchéisés plus souvent notés quant à la transmission de l’information réalisée par les agences ?

31Notre démarche se décompose en trois étapes. Il s’agit d’abord de repérer les banques pour lesquelles une réaction du marché peut être observée autour de la date de rating en veillant à ce que ce dernier ne soit pas « pollué » par d’autres News. Il nous faut ensuite construire les variables binaires en envisageant à la fois les réactions attendues (rendement anormal négatif à la suite d’une détérioration de rating, positif à la suite d’une amélioration de rating…) et celles contraires à celles anticipées. Enfin, ces variables binaires doivent être régressées (modèle Logit) sur les caractéristiques qui permettent au mieux de discriminer les banques par rapport aux fonctions principales qu’elles remplissent mais aussi par rapport à la perception du risque encouru par les investisseurs qui transparaît de l’analyse de leur bilan.

L’estimation des modèles Logit

36Afin de pouvoir se prononcer sur la plus ou moins forte probabilité d’une réaction du marché à l’occasion d’un nouveau rating compte tenu des caractéristiques des banques, nous procédons à une estimation Logit par caractéristique séparément. Comme variable expliquée, on considère les variables binaires une à une et, comme variable explicative, une série de ratios comptables (bilans et comptes de résultat) permettant de caractériser les banques. Ces variables sont présentées dans le tableau 4 qui justifie leur prise en compte dans notre étude et qui synthétise les effets attendus.

37Nous ne présentons ici que les résultats obtenus pour des réactions de marché du signe attendu (négatif pour une détérioration, positif pour une amélioration et positif ou négatif pour une confirmation). Ce sont en effet des réactions de ce type qui peuvent nous renseigner sur le bien-fondé de l’activité de rating bancaire pour accroître la discipline de marché. Plus précisément, la question posée est relative à la plus ou moins grande probabilité que le marché réagisse dans le sens souhaité en fonction de caractéristiques propres aux banques.

38Le tableau 5 présente les résultats des estimations Logit obtenues à partir des séries binaires construites à partir de tous les types d’événements (amélioration, détérioration et confirmation de rating). Les variables explicatives font, d’une part, référence à des caractéristiques fonctionnelles (structure du bilan, répartition des actifs et des engagements marchéisés ou non, sources des résultats…) et, d’autre part, à des caractéristiques de risque (ratio Cooke, créances douteuses, provisions et réserves pour pertes…). Globalement, il apparaît que la taille ou la part de l’activité de prêts n’est pas un facteur qui accroît ou réduit la probabilité de réaction du marché à l’occasion d’un nouveau rating. Or, on aurait pu s’attendre à un effet Too-big-to-fail réduisant la probabilité de réaction du marché pour les banques les plus grandes et un effet opacité de l’information augmentant celle-ci pour les banques dont les prêts (non valorisés par le marché) occupent une grande part du bilan.

Tableau 4.

Probabilités de réaction du marché à une annonce de rating d’une banque en

Tableau 4. Probabilités de réaction du marché à une annonce de rating d’une banque en fonction de caractéristiques comptables Caractéristiques Explications Conséquences Taille du bilan Marché mieux informé sur les grandes Moins de réactions banques Moins de réactions si Too-Big-Too-Fail information négative Structure du bilan Prêts/Actifs Opacité liée à la spécificité de la banque, Plus de réactions avantage informationnel à l’agence Dépôts/Actifs Ressources bancaires moins dépendantes du Plus de réactions marché, donc plus opaques, avantage informationnel à l’agence Dépôts assurés donc coûts des Moins de réactions ressources insensibles Ressources Analyse plus fréquente des ressources Moins de réactions marchéisées/Actifs bancaires par le marché, information rapidement prise en compte Prime de risque sur les engagements donc Plus de réactions modification du coût des ressources Marges d’intérêt Indicateur de l’intensité de l’activité Plus de réactions d’intermédiation traditionnelle Risque et couverture du risque Créances Plus d’incertitude, notation plus utile Plus de réactions douteuses/Prêts bruts Provisions sur Moins de réactions prêts/Prêts bruts ? ? Information du marché par la révélation du bilan ? du risque au travers des comptes de la banque, notation moins utile Tier 1 ratio ? ? ? Révélation des problèmes de la banque, Provisions sur Plus de réactions ? plus d’incertitude, notation plus utile prêts/Créances ? douteuses

Probabilités de réaction du marché à une annonce de rating d’une banque en

39Par contre, un financement reposant plus sur la collecte de dépôts accroît la probabilité de réaction du marché. Ce résultat suggère que, pour les banques à forte collecte de dépôts, les agences transmettent au marché une information qui n’était pas encore intégrée dans les cours. Or, pour ce type d’établissements bancaires, les engagements sont détenus en grande partie par des créanciers mal informés et qui n’ont aucune incitation à collecter l’information et exercer une discipline de marché (dépôts assurés) en temps normal. Le marché accorde donc plus d’importance aux nouveaux ratings lorsque les dettes des institutions bancaires ne font pas l’objet d’une surveillance active. Et de façon guère surprenante, la probabilité de réaction est négativement liée à la part des ressources de marché de long terme dans le bilan. Ce résultat transparaît dans la structure des profits des banques dans la mesure où la marge d’intérêt exerce un impact significatif positif sur la probabilité de réaction du marché. Des marges élevées étant souvent associées à un coût des ressources relativement plus faible (dépôts) ou à des actifs non marchéisés, ce résultat confirme le précédent. C’est pour les institutions dont les résultats sont fortement dépendants de l’activité d’intermédiation traditionnelle que le rating est pris en compte par le marché. Les ratios communément utilisés pour apprécier le risque n’exercent pas tous un effet sur la réaction du marché. Mais lorsque des effets sont observés, ils sont tous de signe positif. La présence de créances douteuses ou irrécouvrables ou de provisions pour pertes confère plus de poids aux nouveaux ratings mais seulement après la date d’annonce. Quant aux banques dont le ratio Cooke (tier1) est plus élevé, celles-ci sont plus propices à des réactions de leur capitalisation boursière.

Tableau 5.

Estimations Logit des impacts de sens attendu

Tableau 5. Estimations Logit des impacts de sens attendu aux annonces de rating en fonction d’indicateurs comptables des banques notées Fenêtre Globale Pré-événement Post-événement Taille de l’actif (en logarithme) – 0,091 (– 0,82) – 0,139 (– 1,20) 0,034 (– 1,36) Constante 1,683 (0,85) 1,701 (0,82) 0,287 (– 0,64) R2 McFadden 0,004 0,008 0,000 n = 140 n0 = 68 n1 = 72 n0 = 96 n1 = 44 n0 = 95 n1 = 45 Prêts /actifs – 0,007 (– 0,58) – 0,009 (– 0,68) – 0,009 (– 0,68) Constante 0,433 (0,65) – 0,310 (– 0,44) – 0,282 (– 0,40) R2 McFadden 0,002 0,003 0,003 n = 140 n0 = 68 n1 = 72 n0 = 96 n1 = 44 n0 = 95 n1 = 45 Dépots/actifs 2,814** (2,58) 3,379** (2,57) 2,084* (1,77) Constante – 1,729** (– 2,43) – 2,991** (– 3,34) – 2,103** (– 2,66) R2 McFadden 0,039 0,046 0,020 n = 139 n0 = 68 n1 = 71 n0 = 96 n1 = 43 n0 = 95 n1 = 44 Ressources de marché courtes/actifs – 0,675 (– 0,35) 0,080 (0,04) – 1,756 (– 0,85) Constante 0,174 (0,54) – 0,893** (– 2,54) – 0,456 (– 1,36) R2 McFadden 0,001 0,000 0,005 n = 123 n0 = 59 n1 = 64 n0 = 87 n1 = 36 n0 = 82 n1 = 41 Ressources de marché longues/actifs – 2,796** (– 2,40) – 3,004* (– 1,90) – 1,919 (– 1,52) Constante 0,341* (1,68) – 0,531** (– 2,47) – 0,543* (– 2,58) R2 McFadden 0,039 0,031 0,017 n = 138 n0 = 67 n1 = 71 n0 = 95 n1 = 43 n0 = 93 n1 = 45 tier1 ratio 0,132 (1,60) 0,168* (1,94) – 0,042 (– 0,51) Constante – 0,858 (– 1,35) – 2,067** (– 2,94) – 0,357 (– 0,56) R2 McFadden 0,017 0,028 0,002 n = 115 n0 = 54 n1 = 61 n0 = 79 n1 = 36 n0 = 76 n1 = 39 Marge nette d’intérêts 0,366** (2,24) 0,469** (2,53) 0,188 (1,13) Constante – 0,787* (– 1,92) – 1,932** (– 3,89) – 1,183* (– 2,74) R2 McFadden 0,028 0,042 0,008 n = 137 n0 = 67 n1 = 70 n0 = 95 n1 = 42 n0 = 93 n1 = 44 Provisions sur prêts/ Créances douteuses 0,009 (1,56) 0,011* (1,92) 0,002 (0,43) Constante – 0,608 (– 1,20) – 1,508** (– 2,86) – 0,956* (– 1,89) R2 McFadden 0,023 0,036 0,002 n = 85 n0 = 40 n1 = 45 n0 = 55 n1 = 30 n0 = 58 n1 = 27 Provisions sur prêts / Prêts bruts 0,194** (2,30) 0,048 (0,75) 0,165** (2,24) Constante – 0,594* (– 1,69) – 0,879** (– 2,75) – 1,343** (– 3,80) R2 McFadden 0,042 0,004 0,040 n = 117 n0 = 55 n1 = 62 n0 = 78 n1 = 39 n0 = 78 n1 = 39 Créances douteuses / Prêts bruts 0,048 (0,88) – 0,067 (– 1,04) 0,104* (1,71) Constante – 0,163 (– 0,45) – 0,280 (– 0,72) – 1,362** (– 3,28) R2 McFadden 0,007 0,011 0,033 n = 86 n0 = 41 n1 = 45 n0 = 56 n1 = 30 n0 = 59 n1 = 27 Note : La variable expliquée représente la présence ou l’absence de réaction du marché face à une annonce de rating (rendement anormal du cours de l’action). Elle vaut 0 lorsque le rating n’a pas d’impact significatif à au moins 10 %, 1 lorsqu’il a l’impact attendu (positif en cas d’amélioration, négatif en cas de détérioration, positif ou négatif en cas de confirmation (n fois)), n = n0 + n1 où n0 est le nombre de 0 et n1 le nombre de 1 dans la série. La fenêtre pré-événement englobe les quatre sous-fenêtres avant l’annonce, la fenêtre post-événement englobe les quatre sous-fenêtres après l’annonce, la fenêtre totale englobe les huit sous fenêtres. Le chiffre entre parenthèses correspond à la z-statistique du coefficient (** et * : significativement différent de 0 au seuil de 5 % et 10 % respectivement).

Estimations Logit des impacts de sens attendu

40Le tableau 6 reprend les mêmes estimations mais en distinguant les annonces d’amélioration, de détérioration et de confirmation. Contrairement au tableau précédant, seules les variables significatives sont reportées.

41Lorsque seules les améliorations de rating sont considérées, aucune variable n’apparaît significative pour identifier les banques dont la valeur boursière réagit à des annonces. Quant aux détériorations de rating, celles-ci conduisent à des résultats sensiblement similaires à ceux obtenus précédemment en confondant les différents types d’annonces. On notera cependant qu’à l’exception du seul ratio de risque significatif (provisions sur pertes/prêts), les autres variables ne sont significatives que sur la période qui précède la date de rating. Le marché a plus de chance de réagir pour les banques dont les caractéristiques ont été mises en évidence précédemment mais il est difficile de savoir si l’annonce d’un rating plus faible apporte de l’information au marché (fuite avant l’annonce officielle) ou si les agences ne font que valider de l’information déjà parvenue au marché. Enfin, lorsqu’on étudie les confirmations de rating, seule la taille du bilan apparaît comme exerçant un effet significatif, une taille plus élevée réduisant la probabilité de réaction du marché validant ici l’effet Too-big-too-fail. Les variables structurelles n’ont plus vraiment d’impact, sauf à considérer celui indirect qui transite par la marge d’intérêt [1].

Tableau 6.

Estimations Logit des impacts de sens attendu aux annonces d’amélioration,

Tableau 6. Estimations Logit des impacts de sens attendu aux annonces d’amélioration, de détérioration, de confirmation du rating en fonction d’indicateurs bilantiels des banques notées Fenêtre Globale Pré-événement Post-événement Amélioration Aucune variable significative Détérioration Dépôts/actifs 3,732** (2,16) 6,677** (2,489) 0,702 (0,42) Constante – 2,367** (? 2,14) – 5,282** (– 2,83) – 1,599 (– 1,50) R2 McFadden 0,084 0,160 0,003 n = 51 n0 = 27 n1 = 24 n0 = 37 n1 = 14 n0 = 39 n1 = 12 Ress. de marché longues/actifs – 5,098** (– 2,08) – 5,071 (– 1,52) – 2,486 (– 1,16) Constante 0,539 (1,42) – 0,423 (– 1,05) – 0,855** (– 2,15) R2 McFadden 0,127 0,085 0,035 n = 51 n0 = 27 n1 = 24 n0 = 37 n1 = 14 n0 = 39 n1 = 12 Marge nette d’intérêts 0,605** (2,08) 0,677* (1,94) 0,188 (0,61) Constante – 1,319** (– 2,00) – 2,414** (– 2,79) – 1,557** (– 2,16) R2 McFadden 0,070 0,075 0,007 n = 51 n0 = 27 n1 = 24 n0 = 37 n1 = 14 n0 = 39 n1 = 12 Provisions sur prêts/Prêts bruts 0,446** (2,42) 0,093 (1,10) 0,232** (2,06) Constante – 1,739** (– 2,30) – 1,329** (– 2,45) – 2,154** (– 3,20) R2 McFadden 0,189 0,025 0,126 n = 41 n0 = 20 n1 = 21 n0 = 29 n1 = 12 n0 = 30 n1 = 11 Confirmation Taille de l’actif – 0,409** (– 2,20) – 0,479** (– 2,53) – 0,137 (– 0,80) Constante 7,542** (2,22) 7,915** (2,33) 2,026 (0,66) R2 McFadden 0,054 0,076 0,007 n = 72 n0 = 34 n1 = 38 n0 = 48 n1 = 24 n0 = 44 n1 = 28 tier1 ratio 0,169 (1,35) 0,247* (1,83) – 0,121 (– 1,00) Constante – 1,092 (– 1,11) – 2,632** (– 2,37) 0,590 (0,62) R2 McFadden 0,025 0,052 0,013 n = 60 n0 = 27 n1 = 33 n0 = 40 n1 = 20 n0 = 35 n1 = 25 Marge nette d’intérêts 0,629** (2,30) 0,897** (2,76) 0,115 (0,49) Constante – 1,467** (– 2,05) – 3,113** (– 3,36) – 0,730 (– 1,14) R2 McFadden 0,065 0,118 0,003 n = 69 n0 = 33 n1 = 36 n0 = 47 n1 = 22 n0 = 42 n1 = 27 Provisions sur prêts/Créances douteuses 0,018** (1,99) 0,011 (1,50) 0,012 (1,56) Constante – 1,277* (– 1,75) – 1,422** (– 2,11) – 1,464** (– 2,16) R2 McFadden 0,082 0,040 0,044 n = 46 n0 = 22 n1 = 24 n0 = 29 n1 = 17 n0 = 29 n1 = 17 Note : voir tableau 5.

Estimations Logit des impacts de sens attendu aux annonces d’amélioration,

CONCLUSION

42L’objet de cette étude était d’apporter quelques éléments de réponse empiriques sur le rôle joué par les agences de notation dans l’exercice d’une discipline de marché accrue des banques et autres intermédiaires financiers. L’approche de l’économétrie événementielle a été adoptée pour analyser l’impact de la notation sur les cours boursiers d’un échantillon de banques européennes. Au total, il paraît difficile de dégager des résultats concluants qui tendraient à confirmer la fonction de transmission de l’information des agences de notation. Cependant, l’estimation de modèles Logit montre que c’est malgré tout pour les catégories d’institutions bancaires les plus marquées, en théorie, par l’asymétrie d’information que le marché réagit le plus fortement et ce dans un sens souhaitable pour discipliner les banques.