5. ETUDES ET ANALYSES

5. ETUDESETANALYSES

95Revue de Stabilité Financière 2007

5 ETUDES ET ANALYSES 94

5.1 MesuredelavulnérabilitédusecteurbancaireLuxembourgeois 96

5.1.1 Introduction 97

5.1.2 Revuedelalittérature:Définitionetmesuredelavulnérabilitéfinancière 98

5.1.3 Constructiondel’indice:Composition,méthodologiesettestsdeplausibilité 99

5.1.4 Lesfacteursmacroéconomiquessous-jacentsàlavulnérabilitébancaire 105

5.1.5 Conclusion 110

5.2 Co-variationdestauxdecroissancesectorielsauLuxembourg:

l’apportdescorrélationsconditionnellesdynamiques 114


5.2.2 LaméthodologiedumodèleDCC-GARCH 115

5.2.3 Donnéesetrésultatsdesestimations 116

5.2.4 L’interactionentrelesecteurfinancieretlesautresbranchesd’activité:

testdecausalitédesmoyennesetvariancesconditionnelles 124

5.2.5 Conclusion 127

5.3 Analyselongtermeducomptedeprofitsetpertesdesétablissements

decreditluxembourgeois 129


5.3.2 Méthodologieetexplicationssurlecompte 129

5.3.3 Analyseannuelledesévolutionsdel’agrégatducomptedeprofitset

pertesde1977à2006 130

5.3.4 Analysetrimestrielledesévolutionsdel’agrégatducomptedeprofits

etpertesde1994/12à2006/12 138

5.3.5 Laparticularitédesrevenusnetssurdivers 140

5.3.6 LerôledesOPC/l’influencedesOPCsurlecomptedeprofitsetpertes

desétablissementsdecréditluxembourgeois 142

5.4 Banks’liquiditymanagementregimesandinterbankactivityinafinancialstabilityperspective 144

5.4.1 Liquiditymanagementregimes 144

5.4.2 TheLuxembourgfinancialcenterasaliquidityhub 145

5.4.3 Concludingremarks 148

5.5 Securitieslending 149

5.5.1 Securitieslendingmarket 149

5.5.2 Risksandriskmanagement 152

5.5.3 Implicationsforcentralbanks 154

96 Revue de Stabilité Financière 2007

5.1 Mesure de la vulnérabilité du secteur bancaire luxembourgeois54*

Résumé

Cetarticleapourobjectifd’élaborer,dansunepremièrephase,unindicetrimestrieldevulnérabilitéfinancièredusecteurbancaireluxembourgeois,permettantainsidecompléterlabatteried’indicateursmisenplaceauseindelabanquecentralepourappréhenderlasoliditédecesecteur.Dansunesecondeétape,lelienentrel’indiceconstruitetl’environnementmacroéconomiqueestexploréàtraversunespécificationlinéaire.Enfin,unmodèleestadoptépourlaprévisiondel’évolutiondecetindice.

L’approchequenousadoptonspourlaconstructiondecetindices’inscritfondamentalementdanslalignéedestravauxdeHanscheletMonnin(2005)etIllingetLiu(2006).L’élaborationdecetindiceestbaséesurunlargeéventaildevariablesbilantairesetmacrofinancières.Etplusieursméthodesfurentadoptéespoursaconstruc-tion.Ils’agitdel’indicestandardétabliavecdespondérationsàvarianceégale,deceluiconstruitselonlespercentillesdelafonctiondedistributioncumulativedesvariablesinitialesetenfin,del’indiceélaboréàpartirdel’applicationdelaméthodedelacomposanteprincipaleauxdonnéesdenotreéchantillon.Lesrésultatsobtenusrévèlentunenetteprogressiondel’indicedevulnérabilitédusecteurbancaireluxembourgeoisdurantlacrisefinancièrerusse(1998)etaucoursdelapériode2001-2003.Cettedernièrepériodeestcaractériséeàlafoisparlachutedesindicesboursiersen2001-2003etparl’émergencedelacrisefinancièreenTurquieetenArgentine.Quantàlabaissetrèsnettedecetindicedurantlapériode2003-2006,ellesignifiequel’envi-ronnementetlecomportementdusecteurbancaireluxembourgeoisenmatièrederisquefurentpropicesàlastabilitéfinancière.

Lesrésultatsprévisionnelsobtenusselonnotremodèlesemblentêtreenfaveurd’uneévolutioncontenuedecetindice.Entenantcomptedel’incertitudequientourelaprévision,lafrontièredel’intervalledeconfianceresteinférieureauxniveauxhistoriqueslesplusélevésobservésen2002eten2003.Cecirevientàaffirmerqu’enl’absenced’unchocconjoncturelexceptionneloud’événementssévèresd’ordresystémique,lavulnérabilitédusecteurbancaireluxembourgeoisdemeurefaible.

ClassificationduJEL:G10;E5

Mots-clés:Crisefinancière;Vulnérabilitéfinancière;Institutionsfinancières;Marchésfinanciers.

* AnalyserédigéeparAbdelazizRouabah–E-mail:[email protected] JetiensàremercierparticulièrementleDr.MarkIlling(BanqueduCanada)poursonaideprécieusequantàl’implémentationdecertaines

méthodologiesadoptéesdanscetteanalyse.


5.1.1 Introduction

L’ensemble des autorités monétaires de l’Eurosys-tème dont la Banque centrale du Luxembourg sonttrèsattentivesàl’objectifdelastabilitédesprix,maisaussiàlastabilitédessystèmesfinanciersnationauxeteuropéen.Cetteattentionestd’autantplusnécessaireauLuxembourgque lavaleurajoutéedecettebran-ched’activitéreprésenteunesourceprépondérantedurevenunational.Atitreindicatif,lacontributiondirec-tedusecteurbancaireauPIB luxembourgeoisestdeprèsde18%;tandisquelapartcontributivedecettebranchenedépassequ’épisodiquementles4%danslamajoritédespaysdel’Unioneuropéenne.Lereversdel’importancedecetteactivitédansl’économieluxem-bourgeoiseestafférentà lanatureconjoncturelledecesecteur.L’approfondissementdecephénomèneaété particulièrement amplifié par le développementcontemporain des marchés financiers et par la pro-gressiondesrevenusdescommissionsdictésdansunelargemesurepar laperformancedesmarchés.Cettetendances’esttraduiteenréalitéparunaccroissementàlafoisdelasensibilitédesbanquesàlamultiplicitédeschocsetdeleursvulnérabilitésfaceàl’accélérationdeseffetsdecontagiondusà l’interdépendancedessystèmesfinanciers.

L’importancedesactivitésbancairesentantquecanaldetransmissiondelapolitiquemonétaire,maisaussientantquecontributeuràlacroissanceéconomiqueetà la stabilitédes systèmes financiers,a suscitéunintérêtgrandissantà lafoisdesautoritésdesupervi-sion,dumondeacadémiqueetdesbanquescentrales.Traditionnellement,l’évaluationdelasoliditéfinancièredusecteurbancaireestappréhendéeàtravers l’évo-lution temporelled’unensemblede ratios financierscalculésex-postsurdesdonnéesàfréquenceannuel-le.Bienquecesdernierssoientutiles, ilsdemeurent,néanmoins, trèsdescriptifsetd’unenaturestatique.Autrementdit,leurapportdemeurelimitépourévaluerd’unemanièreprospective la solidité financièred’unsystèmebancaireoudesaperformancefaceàlamulti-plicitédeschocsmacroéconomiquesdontleprocessusgénérateurestpardéfinitionaléatoireetimprévisible.La construction de modèles macroéconomiques oumésoéconomiquespermettantlaréalisationdesimu-lationsbasées surunemultitudede scénarii futuneinnovation majeure pour cerner des problématiques

relativesàlastabilitéfinancière.Danscecadre,ilyalieudenoter l’apportdestravauxdeGoodhartetal.(2004a,2004b,2006),deSorgeetVirolainen(2006)etdeLehmannetManz(2005).L’approcheadoptéeparcesdeuxderniersfutappliquéeparRouabah(2006)surunpaneldebanquesluxembourgeoises.Etlesrésultatsempiriques obtenus semblent indiquer que l’activitébancaireauGrand-Duchéestrelativementsensibleàl’évolutionduPIBdelazoneeuroainsiqu’auxchocsafférents à l’indice boursier européenDJE Stoxx. Enrevanche,leschocsmonétaires,approximésparlapro-gressiondutauxd’intérêteuriborà3mois,n’auraientqu’unimpactmarginalsurlesperformancesdecesec-teur.

Récemment,uneattentionparticulièreestaccordéeàlaconstructiond’unindicedevulnérabilité55desban-quesàpartirdelacombinaisond’unlargeéventaildevariablesbilantairesetfinancières(HanscheletMonnin,2005;IllingetLiu,2006;Kibritçioglu,2002).Ilenrésulteunindicecompositedontlesvaleursextrêmessontcen-séesidentifierdespériodesdestressélevé.Différentesméthodessontadoptéespour l’extractionde l’infor-mationrelativeàlavulnérabilitédesbanquesàpartirdevariablesbilantaires,ducomptedepertesetprofitsainsiquedesvariablesmacrofinancières.Ils’agitprin-cipalementdel’analysefactorielle,decalibrageécono-métrique,etdesmodèlesautorégressifsconditionnelle-menthétéroscédastiquesgénéralisés(GARCH)56.

Cette contribution a pour objectif de compléter labatteried’indicateursmisenplaceauseindelaban-quecentralepourappréhender lasoliditédusecteurbancaireauLuxembourg.Dansunepremièreétape,labanquecentraleaconstruitunensembled’indicateurs,quiconsisteenlesuivirégulierd’unevariétéderatiosfinanciersissusdescomptestrimestrielset/ouannuelsdesétablissementsbancaires.Dansunesecondeétape,uneétudeenpanelfutréaliséepourquantifierlasensi-bilitédel’activitébancaireauxdifférentschocsécono-miques,monétairesetfinanciers.Laprésenteanalyseabordelaproblématiquedelaconstructiond’unindicecompositedelavulnérabilitédesbanquesluxembour-geoises,ainsiquelaprévisiondesonévolutionfutureenfonctiond’agrégatsmacroéconomiques.L’approchequenousadoptonss’inscritfondamentalementdanslalignéedes travauxdeHanscheletMonnin (2005)etIllinget Liu (2006). La constructiondecet indicede

55 Lestermesvulnérabilitéet«stress»sonttraitésdansletextecommeétantéquivalents.56 VoirM.IllingetY.Liu(2006)pouruneanalysedétailléesurl’utilisationdecesdifférentestechniquespourlaconstructiond’unindicede

vulnérabilité.


vulnérabilitéconstitueun indicateurcomplémentaireauxdifférentsratiosfinanciersexistants,maisaussiunenouvellestatistiquesynthétiquesusceptibled’identifierlesfacteurssous-jacentsàlavulnérabilitéd’unsecteurdontlacontributionaurevenunationalduLuxembourgestsensiblementimportante.

Cetravailsediviseentroisparties.Lapremièrepartieestunrappeldelalittératurerelativeàlavulnérabilitéfinancière. Ils’agitd’uneesquissedesmultiplesdéfi-nitionsadoptéesdanscettelittératurebourgeonnanteetd’unedescriptiondesméthodologiesquantitativesdédiées à l’évaluation de la vulnérabilité financière.Dansunesecondepartie,nousprésentonslesdifféren-tesméthodesetlesvariablesadoptéespourlaconstruc-tiondel’indicedevulnérabilitéainsiquelesrésultatsobtenuspourleLuxembourg.Danslatroisièmepartie,nous exposons les résultatsdumodèle adoptépourprévoirl’évolutiondecetindice.Etenguisedeconclu-sion,nousdéduisonslesélémentsimportantsquisem-blentsedégagerdecetteétude.

5.1.2 Revuedelalittérature:Définitionetmesuredelavulnérabilitéfinancière

Laquestionde la vulnérabilité financièrea fait l’ob-jet de plusieurs études ces vingt dernières années.Cependant,lesindicateursadoptéspourdécrirel’étatdusecteurbancairesontsouventdesvariablesbinai-res reflétant,àunmomentdonné, la situationdanslaquellesetrouvelesecteurenquestion(crise-solidité).HanscheletMonnin (2005) considèrentque si cettesimpledichotomieestprobablementjustifiéepourlespaysendéveloppementet/ouémergents,l’absenceoulararetédescrisesfinancièresdanslespaysindustria-lisésrendl’adoptiond’unetelleapprochetrèsdiscuta-ble.Celaétant,l’absencedecrisefinancièredanscespaysn’estnullementsynonymenidestabiliténid’unesoliditédeleurssystèmesbancaires.Comptetenuducaractèreconjonctureldel’activitébancaire,lesétablis-sementsbancairessontsusceptiblesde traverserdespériodesdifficiles,quiauraientpoureffetunaccroisse-mentdeleurvulnérabilitéfinancière.Danscecontexte,laconstructiond’unemesureévolutivedestressseraitplusappropriéepourquantifier ledegréde lavulné-rabilitéetpour identifier lesépisodesdefragilitédessystèmesbancairesdespaysindustrialisés.

5.1.2.1 Définitiondelavulnérabilitéfinancièredesétablissementsbancaires

Lavulnérabilitéfinancièredemeureunenotionécono-miquetrèsambiguë,cequiexplique,probablement,lamultiplicitédesdéfinitionsadoptéesdanslalittérature

parueencedomaine.HanscheletMonnin(2005)ontproposédeladécrirecommeétant:«acontinuumofstates,wichdescribethebankingsector’sconditionatagivenpointintime».IllingetLiu(2006)considèrentquelavulnérabilitéfinancièreestunevariablecontinueavecunéventaildevaleurspossiblesetdontlespointsextrêmesreflètentdessituationsdecrises.Ilsaffirment,parailleurs,quelavulnérabilitéestleproduitdelafai-blessedesstructuresetdel’émergencedechocsexo-gènes.Autrementdit,lafragilitédesstructuresseraitleterrainsurlequelleschocssetransformentenévé-nements majeurs susceptibles d’affecter l’ensembledusystème.D’autresauteurspréfèrentdéfinir letestdevulnérabilitéplutôtquelavulnérabilitéelle-même.Ainsi,FrøylandetLarsen(2002)considèrentquelerôledes testsdevulnérabilitéconsisteen l’évaluationdudegrédesensibilitédes institutionsfinancièresàdeschangementsdecirconstanceséconomiques.QuantàladéfinitiondutestdevulnérabilitéproposéeparSorgeetVirolainen(2006),ellefaitréférenceàl’estimationduniveaudurisquegénéréparlasimulationd’unévé-nementexceptionnel,maisréaliste.Onremarquedanscettedernièredéfinition, lanécessitédegénérerdesévénements susceptiblesd’affecter leniveaudes ris-quesetdequantifierleursimpactssurledegrédevul-nérabilitédesétablissementsbancairesetfinanciers.

Aprèscebrefrappelsurl’abondancedesdéfinitionsdelavulnérabilitéetdesoncaractèreambigu,nousintro-duisonsunenouvelledéfinitionquiestfocaliséesurlanotiond’équilibre.Decefait,onpeutdéfinirlavulné-rabilitécommeundéséquilibrefinancier,provoquéparuneprisederisquesdisproportionnés,d’unétablisse-mentoud’unensembled’établissementsbancairesetdontl’étenduepeutaboutir,sansl’assistancepréven-tivedesautoritéspubliques,àunévénementsystémiquesévère.Laréalisationd’untelévénemententraîneraitd’importantes pertes de richesses qui auraient poureffetl’émergenced’unecrisefinancière.

Différentessourcesderisquespeuventêtreàl’originedudéséquilibrefinancierdesétablissementsbancaires.Parfois,ellesreprésententl’élémentdéclencheurd’unedynamiquefinancièrequiconduitàdescrises.Lesplusimportants risques susceptiblesd’affecter la richessenettedesbanquessont:lerisquedeliquidité,lerisquedecréditsetlesrisquesdumarché(risquedechange,risquedetauxd’intérêtetrisquedechutedescoursboursiers).Cependant,M.Aglietta(2001)soulignequelesmodèlesthéoriquesretiennentdeuxgrandsfacteursdefragilitéfinancière:laliquiditéetl’asymétried’infor-mation.


Lefaitdéclencheurdesproblèmesdeliquiditéestsou-ventattribuéàuneruéesurlesdépôtsbancaires,quis’expliquepardesanticipationsautoréférentiellesdechaquedéposantsurlesactionsderetraitprématurédesautresdéposants.Enl’absenced’excèsd’offredeliquiditéinterbancaire,lacontagionentrelesbanquessepropageàtraverslemarchéinterbancaireetparl’in-termédiairedusystèmedepaiement.Danscecontexte,la banque centrale est l’unique acteur capabled’in-tervenirpourremédieràl’insuffisancedeliquiditéparl’octroid’avancesencontrepartied’uncollatéral.

Quant à l’asymétrie informationnelle avec ces deuxcorollairesquisontlasélectionadverseetl’aléamoral,ellepermetd’inclureunlargeéventailderisquespro-pres à l’exercice de l’activité bancaire. En effet, lesexemplesd’aléamoraletdesélectionadversesontsinombreuxqu’ilestdifficiled’imaginerunerelationéco-nomiqueoufinancièrequinesoitpasaffectéeparcetypedeproblème.Ainsi,lerisquedecréditetlerisquedumarchétrouventindubitablementleursplacesdanscette catégorie de facteurs explicatifs de la fragilitéfinancière.

5.1.2.2 Mesuredelavulnérabilitéfinancière

Plusieursméthodesontétéproposéesdanslalittéra-turepourmesurerlavulnérabilitédessystèmesfinan-ciers. Sorge (2004) en décrit deux, qu’il qualifie defondamentales. La première approche, dite partielle(piecewise approach), évalue la vulnérabilitédu sec-teurbancairepar rapportàdemultiples facteursderisquespris séparément. Ladémarcheconsisteen laprévisiondelasensibilitéd’unevariétéd’indicateursdesoliditéfinancière,telsquelescréancesdouteuses,laprofitabilité,lamarged’intérêt,…àdesmodificationsde l’environnementmacroéconomiques (PIB, tauxdechange,tauxd’intérêt,l’inflation,…).CetteapprochefutappliquéeparRouabah(2006)àunpaneldeban-quesluxembourgeoises.

La seconde, dite approche intégrée (integratedapproach),privilégiel’estimationdelafonctiondeden-sitédespertessusceptiblesdesematérialiseràpartirdelacombinaisondedonnéesrelativesàlasensibilitédesbanquesàunensembledefacteursderisque.Danscecadre,lesmodèlesVaRsesontimposéscommelecentreducontrôledesrisques.Eneffet,ilsfournissentunemétriquecommunepouragrégerlesrépercussionsd’une multitude de facteurs de risque. En d’autrestermes, les modèles VaR déterminent l’effet globaldecesfacteurssurlesprofitsetpertesd’unétablisse-mentfinancier.Fondamentalementmicroéconomique,cetteapprochefutétendueàl’analysedelavulnéra-

bilitéglobaledessystèmesbancairesetfinanciersentenantcomptedeschocsmacroéconomiquesdanslamesuredela«valueatrisk».Atitreindicatif,ilrevientàVirolainen(2004)detransposercetteméthodologieàl’analysedelavulnérabilitédusecteurdesentrepri-sesindustriellesenFinlande.TandisqueWong,ChoietFong(2006)l’ontadoptépourtesterlavulnérabilitédesbanquesopérantàHongKongaurisquedecrédit.

Comptetenudelacomplexitédelaproblématiquedelavulnérabilitéglobaledusystèmebancaireetdel’in-capacitéd’unseulmodèleàprévoiraveccertitudelamatérialisationdespertesencasdechocexogène,ilestsouhaitablederecouriràunevariétéd’approches.Danscecadre,l’élaborationd’indicescompositesagrégésdevulnérabilitéconstitueunoutilstatistiquecomplémen-taireauxmodèleséconométriquespourrendrecomptedesfragilitésfinancièreslatentes.

Kibritçioglu(2002)proposeunindicedefragilitéban-caireà fréquencemensuelle,baséexclusivement surdesdonnéesbilantaires.Cet indiceest reflétépar lacombinaisondetroisagrégats:lesdépôtsbancaires,lescréancessur laclientèledomestiqueprivéeet lepas-sifbilantairelibelléenmonnaiesétrangères.Ilpostule,parailleurs,quelesfluctuationsdecestroisindicateursexprimentleschangementsdansl’échelledevulnérabi-litédusecteurbancaire.

IllingetLiu(2006)innoventenconstruisantdansunepremièreétapeunsous-indicepropreausecteurban-cairecanadienenestimantleparamètrebetadurende-mentdel’indiceboursierdusecteurbancaire.Celui-ciaservi,dansunesecondeétape,àlaconstructiondel’indiceglobaldelavulnérabilitéfinancière.HanscheletMonnin(2005)ontproposéunindiceannuelvisantàquantifierledegrédevulnérabilitédesbanquessuis-ses.Cetindiceestconstruitàpartird’unensembledevariablesquantitativesdontlechoixfutdictéparleurproximitéavec lessymptômesdefragilitédusecteurbancaire.

5.1.3 Constructiondel’indice:Composition,méthodologiesettestsdeplausibilité

Lesdifférentesétudesdédiéesàlaconstructiond’indi-cesdevulnérabilitéet/ouàladatationdespériodesdecrisesfinancièresontfaitapparaîtreuncertainnombrede variables dont les fluctuations seraient un symp-tômedevulnérabilitédusecteurbancaire.HanscheletMonnin (2005)et IllingetLiu (2006)expliquentquelechoixdesvariablesafférentesà l’identificationdespériodesdecrisesestsujetàuncertaindegrédesub-jectivité.Cependant,ilssesontattachésàpréciserque


lesdéterminantsmaintenusdansleursanalysesrespec-tivess’appuientsurunelargelittératureetunensembledefaitsempiriquesenlienavecl’émergencedecrisesoudefragilitésbancaires.Nousnousinspironsdecesdeuxprincipalescontributionspourconstruireunindiceagrégédelavulnérabilitédusecteurbancaireluxem-bourgeois.Lesindicateursretenusdansnotreanalysesontdictéspar la disponibilité dedonnées couvrantlapériode1994-2006.Ellessontreflétéesparquatretypesdevariables,quiserontdécritsdanslesparagra-phesquisuivent.

5.1.3.1 Compositiondel’indicedevulnérabilité

Dansl’objectifdeconstruirecetindicepourlesecteurbancaireluxembourgeois,notrefocalisationportesurtroiscatégoriesdevariablesd’unenaturequantitative:lesrendementsboursiers,lesbilansetlescomptesdepertesetprofitsagrégésdesbanquesetunindicateurdestructuredusecteur.Ilconvientdesoulignerquelesdonnéesutiliséespourlaconstructiondel’indicesontdessaisonnalisées.

a)Rendementsboursiers:L’uniquevariableexploitéedanscettecatégorieetquireflètelerisquedeladéten-tiond’unportefeuille composéd’actionsdu secteurbancaireestlesous-indice(SXFE)duDownJonesEuroStoxx. En l’absence d’un sous-indice bancaire auLuxembourgetcomptetenudeladominancedefilialesdegroupesbancaireseuropéens,nousconsidéronsquecetindiceestsusceptiblederefléterlerisqueduporte-feuillebancaireauGrand-duché57.L’idéesous-jacenteàl’inclusiondecettevariabledansl’indicedevulnérabi-litéestqu’enpériodedestresslavaleurintrinsèquedesétablissementsbancairesdécroîtetparvoiedeconsé-quencelavalorisationdumarchédesactifsbancairessubitlamêmetendance.L’indiceboursierdesbanquesfutadoptéà la foisparVila (2000),parHanscheletMonnin(2005)etparIllingetLiu(2006).Ilpermetd’ex-traire des phases de vulnérabilité détectées par lesacteursdemarché.Ladémarcheconsisteenlecalculdelavaleurextrêmeminimaledurapportdel’indicebour-sierbancaireàsavaleurmaximaleaucoursd’unepério-dedonnée58.Autrementdit,lapérioded’observationdesrendementsquotidiensestdécoupéeenintervallesdetempsréguliersàtraversunefenêtreglissanted’unelongueurde3moisparexemple.Danschaquefenêtre

on observe la valeur minimale du ratio, puis onconstruitunenouvellesériedesminima.Legraphique1ci-dessous illustre les valeurs minima issues de cetexercice.Deuxpériodessecaractérisentparunechuteboursièremarquéedesvaleursbancaires.Lapremièreaétéobservéeenoctobre1998,tandisquelasecondes’estproduiteaucoursdelapériode2000-2002.

57 Uneautremanière,probablementplusadéquate,estdepondérerlessousindicesbancairesindividuelsdesdifférentspaysdelazoneeuro(Allemagne,France,Belgique,Espagne,Italie,…)parlapartdel’actifdesbanquesluxembourgeoisesselonleursoriginesdansl’actiftotaldel’ensembledesbanques.

58 Cettemesureestqualifiéedanslalittératurede«CMAX».Elleestquantifiéeparleratio:CMAXt=[(indiceboursierbancaire)t/(maximumdel’indiceaucoursdes3mois)]

0,5

0,6

0,7

0,8

0,9

1

04_01_1993

20_12_1993

05_12_1994

20_11_1995

05_11_1996

22_10_1997

15_10_1998

11_10_1999

29_09_2000

24_09_2001

18_09_2002

12_09_2003

03_09_2004

23_08_2005

14_08_2006

Minima Cmax

Graphique 1

Evolution quotidienne de CMAX et des valeurs minima 1993-2006

Source:Bloomberg,Calculs:BCL

b)Donnéesbilantairesetducomptederésultats:L’undessymptômesdecrises financièresoudepro-gressiondelavulnérabilitédesétablissementsbancai-resestattribuésouventà la ruée sur lesdépôts.Cecritèredonneuneindicationquantitativesurlapertedeconfiancedesdéposantsdanslesystèmebancaireetdifférentsauteursl’ontadoptépouridentifierlespério-desdecrise(Vila,2000;Kibritçioglu,2002;Hanschelet Monnin, 2005; IIling et Liu, 2006). De la mêmemanièrequelavariableprécédente,nousavonsappli-


quélaméthodologiedesvaleursextrêmesauxdépôtsinterbancairesetauxdépôtsdecourttermedelaclien-tèle59.Lesdonnéesdisponiblessontd’unefréquencemensuelle et couvrent la période1993M1-2006M9.Lalongueurdelafenêtreadoptéeestde3mois.Lesrésultatsobtenussontaffichésparlesgraphiques2et3. Ilya lieuderemarquerquedeuxpicssignificatifsdesdépôtsdelaclientèlesesontproduits.Lepremierestobservéaucoursdutroisièmetrimestredel’année1994; tandisque le secondestapparuaumilieudel’année1996.Autrementdit,lesfluctuationsobservéessemblentêtresansgravitépourlastabilitédusystèmebancaireluxembourgeois.

59 Lesdépôtsdecourttermesontceuxdontleretraitnenécessiteaucunpréavisdelapartdelaclientèleconcernée.

0,86

0,88

0,9

0,92

0,94

0,96

0,98

1

1994_01

1994_09

1995_05

1996_01

1996_09

1997_05

1998_01

1998_09

1999_05

2000_01

2000_09

2001_05

2002_01

2002_09

2003_05

2004_01

2004_09

2005_05

2006_01

2006_09

Cmax Minima

Graphique 2

Evolution de la valeur Cmax et des minima des dépôts interbancaires 1994M1-2006M9

Source:BCL

0,70

0,75

0,80

0,85

0,90

0,95

1,00

1994_01

1994_09

1995_05

1996_01

1996_09

1997_05

1998_01

1998_09

1999_05

2000_01

2000_09

2001_05

2002_01

2002_09

2003_05

2004_01

2004_09

2005_05

2006_01

2006_09

Cmax Minima

Graphique 3

Evolution des valeurs Cmax et des minima des dépôts de la clientèle 1994M1-2006M12

Source:BCL

Le second indicateurde cette catégoriede variablesestlaprofitabilitédusecteurbancaire.Elleestapproxi-méeparletauxderendementdesactifs.Endépitdel’absencedecetindicateurdanslalittérature,ilaétéretenuparHanscheletMonnin(2005).Ilsestimentquesonintégrationdanslecalculdel’indicedevulnérabi-litéconstitueunecomposantepertinentedansl’ana-lysedelasoliditédessystèmesbancairedeséconomiesindustrialisées.

Latroisièmevariablebilantairepriseencompteestlavariabilitédefondspropresdusecteurbancaire.Cetagrégatestsouventutilisépour identifier lescrisesàcaractère systémique. En effet, si un établissementbancaire est dans une situation financière difficile,ses fondspropresauraient tendanceà sedétériorer.Unautresymptômedelavulnérabilitéfinancièredesbanquesestreflétéparlaprogressiondesprovisions.Théoriquement,ladétériorationdelavaleurdesactifsdevraitsetraduireparunaccroissementdesréservesprovisionnelles.Cependant, l’adoptiond’un tel indi-cateurseraitunesourcedebiais,quipeuts’expliquersoitparuncomportementcontra-cycliquedesbanques


enmatièredeconstitutiondesprovisions,soitparunevolontédélibéréedeminimiserlevolumedesprovisionsenpériodesdedifficultéfinancière.Danscettecontri-bution,nousavonsretenuuneinformationnon-publi-que,quiesttransmisepar l’ensembledesbanquesàl’autoritédesurveillance.Ellenousparaîtplusappro-priéepour l’appréciationdesgrands risquesprisparl’ensembledesétablissementsbancaires60.

Enfin, dans cette catégorie de variables nous avonsinclulesfondsréservéspourlesrisquesbancairesgéné-raux.Cepostebilantairecouvrelesmontantsquelesbanquesontdécidéd’affecteràlacouverturedesper-tesfuturesnon-identifiées.Laconstitutiond’unetelleprovision s’explique par des raisons de prudence àl’égarddesrisquesparticuliersinhérentsauxopérationsbancaires.

c) Indicateur de la structure du secteur: Ce fac-teurestreflétéparlavariationdunombredebanquesprésentesauLuxembourg.Ilestadoptédansdemul-tiplestravauxempiriquesafférentsàlaquantificationde lavulnérabilitédusecteurbancaire (parHanschelet Monnin, 2005; Kaminsky et Reinhart, 1999).L’hypothèsesous-jacenteàl’introductiondecettevaria-bleestquelesfaillitesainsiquelesprocessusdefusionsetd’acquisitionsinterviennentsouventenpériodedefragilitéfinancière.

5.1.3.2 Constructiondel’indicedevulnérabilité

Différentes méthodes coexistent pour la construc-tiond’unindicedevulnérabilité.Ils’agitdecombinerun ensemble de variables pour aboutir à un indice.Chacunedecesvariablesestunvéhiculed’unsymp-tômedestress.Acestade,lechoixdelaméthodedepondérationestunélément crucial puisqu’il permetdequantifierl’impactdechaquevariablesurleniveaudel’indiceenquestion.Danscecadre,unemultitudede techniques de pondération peuvent être adop-tées,parmilesquelles:lapondérationàvarianceégale(variance-equalweight),latransformationdesvariablespar l’intermédiairede leurspropresfonctionsdedis-tributioncumulative (transformationof thevariablesusingtheirsampleCDFs)etl’analysefactorielle(factoranalysis)61.

a)Pondérationàvarianceégale:Cettetechniquedepondérationaccordeunpoidsidentiqueàl’ensembledesvariablesconstitutivesdel’indice.Elledemeure,parailleurs, laméthodelaplusutiliséedansla littératuredédiéeàlaconstructiond’indicesdestress.Ladémar-checonsiste, toutd’abord,en lastandardisationdesvariablesafindelesexprimerdanslamêmeunité;puisdelessommerafind’obtenirl’indicedevulnérabilité.Formellement,ceprocédépeutêtreprésentépar:

où(n)estlenombredevariablesinclusesdansl’indice,(Xi)représentelamoyennearithmétiquedelavariableXiet(σi)estsonécarttype.Onpeutcependantexpri-merl’indicefinalenlestandardisantafindel’exprimerendéviationparrapportàsamoyenne.Ils’agitd’unprocédéconventionnelquipermetd’appréhender lerisqueglobaldusecteurbancaireencomparaisonaveclerisquemoyen.Ainsi, toutécartpositif (négatif)del’indiceparrapportàsamoyenneestune indicationdel’accroissement(diminution)delavulnérabilitédecesecteurd’activité.

b) Transformation des variables en mesures depositions: Cette approche jouit d’une plus grandepopularitéenscienceshumainespuisqu’ellepermetdesituer,dediversesmanières,unindividuouunecarac-téristiqueparrapportàungroupe.Ellepermetd’éviterl’hypothèsedenormalité des variables, sous-jacenteauprocédéde lanormalisation.Dans lecontextedenotreanalyse,latransformationenpercentilesdenosvariablesestbaséesurleurspropresfonctionsdedistri-butioncumulative62.Lesvaleursdudernierpercentilecorrespondentàdespériodesdevulnérabilitéélevée,cellesdupremierpercentillecaractérisentunniveaudestressmarginal,tandisquelesvaleurscentréesautourdelamédianereflètentdesniveauxderisquemoyen.Afindeconstruirel’indicedevulnérabilité,lesvariablestransforméessontagrégéesenunindicechaînédontlesraccordsrésultentdel’applicationdedeuxformu-lations. La première évalue l’indice comme étant lamoyennearithmétiquedesvariableschaînées; tandisquelasecondeestreflétéeparunemoyennegéomé-

60 LesbanquesinstalléesauLuxembourgontl’obligationderapportertrimestriellementàlaCommissiondesurveillancedusecteurfinancierluxembourgeois(CSSF)lesvaleursàgrandrisque.SelonlaCSSF,legrandrisqueestdéfinicommeétantunrisquedûàl’engagementd’unétablissementfinancieràl’égardd’unmêmeclientoud’unmêmegroupedeclientsliésàhauteurd’unmontantsupérieurà10%desesfondspropres.

61 VoirIllingetLiu(2006)pourplusdedétailssurlesdifférentestechniquesdepondérationdel’indicedestress.62 Lespercentilessontdescaractéristiquesdepositionpuisqu’ilscorrespondentàdesvaleursdelavariablestatistiquequipartagentlasérie

ordonnéeencentpartieségales.


trique.Ainsi,onpeut réécrirecesdeux formesde lamanièresuivante:

Moyennegéométrique:

Moyennearithmétique:

Oùles(Xi)sontlesvariablestransforméeset(wit)reflè-tentleurspoidsrespectifsdansl’indiceaucoursdelapériode(t).Lapondérationestmesuréeparlerapportentrelavariabletransforméeetlasommedel’ensem-bledesvariablesobservéeàl’instant(t).

c)Analysefactorielleetextractiondelacompo-sante principale: L’analyse en composante princi-paleestuneméthodeparticulièrementpuissantepourexplorerlastructuredesdonnéesàcaractèremultidi-mensionnel.Leprincipedecetteméthodeestd’obtenirunereprésentationapprochéedunuaged’unemulti-tudedevariablesdansunsous-espacededimensionréduit.Cette technique sera appliquéeauxdonnéescentréesetréduitesdenotreéchantillon.Etunindicedestressselonl’approchestandardseraétabliàpartirdessixcomposantesprincipalesretenuesetquiexpli-quentprèsde90%del’inertietotale.

5.1.3.3 Laplausibilitédesindicesdelavulnérabilitéfinancièreàl’épreuvedesfaits

A travers cette section nous nous interrogeons surlapertinencedel’indicedelavulnérabilitéfinancièredesbanquesluxembourgeoises.Danslamesureoùleprocessusréelsous-jacentàlavulnérabilitéestàprioriméconnu, l’évaluation de la plausibilité de l’indiceconstitue,probablement,l’étapelaplusproblématiquedel’exercice.Danscecadre,IllingetLiu(2006)préco-nisaient lacomparaisondesrésultatsdel’indiceaveclesenquêtesd’opinionsdesexpertsdédiéesàlades-criptionhistoriqueetàl’évaluationduniveaudustressdu secteur financier etbancaire. Ils considèrent,parailleurs,quelesecteurbancaireseraitenpérioded’unevulnérabilitéélevéesileniveaudel’indiceafranchile

seuil dedeux fois son écart-type inconditionnel.Or,il s’avèreque les évaluationsbasées sur les avis desexpertsquantàladatationdespériodesdevulnérabi-litédiffèrentd’uneétudeàuneautre(Frydl,1999).Deplus,lamajoritédespaysnedisposentpasd’enquêtesrégulièrescentréessurcetypedeproblématique.Parconséquent,l’analysedelaplausibilitédenotreindiceserabaséeexclusivementsurlaconcordanceentreleniveaude l’indice et l’émergencede crises financiè-resoubancairesinternationalesavérées,tellesquelaperturbationdesmarchésobligatairesinternationaux,LTCM, crises russe et turque,… Toutefois et afin detenircomptedecertainsaspectsrelatifsàl’économieluxembourgeoisedansnostestsdeplausibilitédel’in-dicecalculé,nouscomparonsl’évolutiondecelui-ciàcelled’unecomposantede l’indicedeconfiancedesconsommateurs.Ilestànoterquelesdonnéesdecederniernesontdisponiblesquedepuisledébutdel’an-née2002.

Danslebutdecontournerleslimitesdesrésultatsissusdel’applicationd’uneseuleméthode,nousavonsesti-mél’évolutiondel’indicedelavulnérabilitédesban-quesluxembourgeoisesselonlestroisprocédésdécritsauparavant.Legraphique4illustrel’évolutiondecetindiceetlepourcentagedeménagesdontlasituationfinancière devrait se dégrader au cours des 12 pro-chainsmois63.L’indicedelavulnérabilitéestexpriméendéviationparsamoyenne.Parconséquent,toutécartpositifounégatifestsynonymed’unstresssupérieur,respectivementinférieuràlamoyennehistorique.

63 Cettecomposantedel’indicedeconfiancedesconsommateursestcenséeintercepterlesanticipationsdesconsommateurssurleursituationfinancièrefuture.Lapriseencomptedecetélémentdansnotreanalyses’expliqueparlacorrélationpotentiellequipeutexisterentrelavulnérabilitéfinancièredusecteurbancaireetcelledesménages.


-3,0

-2,0

-1,0

0,0

1,0

2,0

3,0

1994

q2

1994

q4

1 995

q2

1995

q4

1996

q2

1996

q4

1997

q 2

199 7

q4

1998

q2

1 998

q4

1999

q2

1999

q4

2000

q2

2000

q4

2 00 1

q2

2001

q4

2002

q 2

2002

q4

200 3

q2

2 003

q 4

2004

q2

2004

q4

2005

q2

2 005

q 4

2006

q2

9

11

13

15

17

19

21

23

Périodes de vulnérabilitéIndice standardMoyenne Arithmétique

moyenne GéoComposante principale% des consommateurs (échelle de droite)

P erturbationmarché

obligataire

Crise enRussie

Chuteboursière

2001-02 etcrises en

Turquie et enArgentine

Graphique 4

Indice de vulnérabilité des banques luxembourgeoises

Source:BCL

L’analysevisuelledel’évolutiondesdifférentsindicesmetenlumièreunecertainerupture,particulièrementaudébutdelapériode,entrel’évolutiondel’indicecalculéselonlaméthodedelacomposanteprincipaleetlesautresindices.Cependant,unefocalisationsurledegrédeconcordancedes trajectoires (positif ou négatif) laisse présager une

Tableau 1 Matrice des corrélations partielles entre les indices de vulnérabilité E

Indicestandard FDCarithmétique

FDCgéométrique Composanteprincipale

Source:BCL

Indice standard 1,00

CDF-arithmétique 0,82 1,00

CDF- géométrique 0,72 0,96 1,00

Composante principale 0,37 0,13 0,02 1,00

cohérencequipeutêtrequalifiéederaisonnable.Ilestànoterquelescoefficientsdecorrélationspartiellesentrel’indicestandard,etceuxcalculésselonlespercentilesdelafonctiondedistribution(FDC)dessériesdemeurentrelati-vementélevés.Letableau1ci-dessousillustrel’importancedescorrélationsentrecesdifférentsindices.

Comptetenudel’importancedudegrédeconcordanceentrel’indicestandardetlesdeuxindiceschaînésissusdesfonctionsdedistributioncumulative,ainsiquelasyn-chronisationdeleurspicsaveccertainescrisesfinancièresinternationales,nousconsidéronsquecesindicessontplusappropriéspourlacapturedespériodesdestressdusecteurbancaireLuxembourgeois.Apartirdesrésultatsaffichésparlegraphiqueprécédent,l’indicestandardamisenévidencedeuxpériodes,relativementlongues,de

stressélevépour lesecteurbancaireLuxembourgeois.Lapremièreestapparueausecondsemestredel’année1998etaprisfinausecondtrimestredel’année1999.Tandisquelasecondecouvreunepérioderelativementlongue, allant du quatrième trimestre 2001 jusqu’ausecond trimestre 2003. En réalité, deux événementscaractérisentcettepériode:l’effondrementdesindicesboursiersauxEtats-Unis,auJaponetenEuropeetlesattentatsdu11septembre2001.


L’accentuationdustressobservéesurunecourtepério-deen1994peutêtreattribuéeà laperturbationdumarchéobligataireaméricain.Quantàcelleobservéeen1996, ladécompositionde l’indicefaitapparaîtreunechuteimportantedelavaleurdesdépôtsdecourttermedelaclientèle.Enl’absenced’informationssup-plémentaires,nousconsidéronsquecefaitestproba-blementdictéparuneomissionstatistique.

Lesdeuxdernières annéesde lapériodeanalysée secaractérisentparuneaméliorationsensibledelasoliditédu secteurbancaire.Eneffet, l’ensembledes indicesafficheunniveaudestressinférieurauniveauhistorique

-2,50

-2,00

-1,50

-1,00

-0,50

0,00

0,50

1,00

1,50

2,00

2005

q1

2005

q2

200 5

q3

2005

q4

2006

q 1

2006

q2

2006

q3

Nbre Bques Indices Bques Dettes interbancairesDépôts clientèle VFP ROAFonds risques bancaire Grands risques

Graphique 5

Décomposition de l’indice standard de vulnérabilité 2005-2006

Source:BCL

5.1.4 Lesfacteursmacroéconomiquessous-jacentsàlavulnérabilitébancaire

Il aété indiquéprécédemmentque lesdixdernières

annéesontvul’éclosiond’uncertainnombredemodè-

lesdédiésàlamesuredelasensibilitédesperforman-

cesbancairesauxdifférentschocsmacroéconomiques.

Cependant,peud’étudesontportésurdeséconomies

industrialisées.L’objetdecettesectionn’estpasderen-

trerendétailànouveaudanscestravaux,mais,ens’ap-

puyantprincipalementsurleursrésultatspouranalyser

dansunepremièreétape larelationentre l’indicede

stressestimépourlesecteurbancaireluxembourgeois

moyen.L’affinementdel’analyseàtraversladécompo-

sitiondel’indicestandardpermetdequantifierlacontri-

butiondechaquefacteurexplicatifauniveaugénéral

delavulnérabilité.Legraphique5affichelesrésultats

obtenusdeladécompositiondel’indicepourlesannées

2005-2006.Toutaulongdecettepériode, laplupart

desvariablesaffichaientdesvaleurscompatiblesavec

unniveaudestressinférieuràsamoyennehistorique.

Deplus,leniveaudesvariablesdontlacontributionà

lavulnérabilitéestpositivedemeuremarginal.Ceteffet

futcompensélargementparlacontributionnégativede

laplupartdesautresfacteurs.

etunensembledevariablesmacroéconomiquespré-valuesauLuxembourget/ouauseindelazoneeuro.L’intérêtdecetexerciceestd’extrairelesfacteursd’envi-ronnementmacroéconomiquesusceptiblesd’affecterleniveaudelavulnérabilitédesbanquesauLuxembourg.Dansunesecondeétape,nousconstruisonsunmodèleréduitpourlaprévisiondel’évolutiondecetindiceaucoursdesdeuxprochainesannées.

5.1.4.1 Choixdesvariablesdel’environnementmacroéconomique

Souvent,unemultitudede variablesmacroéconomi-quesestadoptéepourexpliquerlavariationduniveau


dustressdessecteursbancaireetfinancier.DelamêmemanièrequeHanscheletMonnin(2005),nouslimitonsnotrechoixauxvariableslesplusappropriéespourlespays industrialisés. Ainsi, les variables sélectionnéessont: le rendementde l’indiceboursierEuroStoxx64,l’indice des prix de l’immobilier, le produit intérieurbrut,leratiodescréditsaccordésausecteurprivéparlesecteurbancaireluxembourgeoisetleratiod’investis-sement65.Ils’agit,fondamentalement,dedeuxcatégo-riesdevariables.HanscheletMonnin(2005)qualifientlestroispremièresvariablesdefacteursdeseuil(déclen-chement);tandisqu’ilsattribuentauxsecondeslerôledelevier.Ilspostulent,parailleurs,quelesvariablesdeseuilreprésententunesourcedirectedevulnérabilitédusecteurbancaire;alorsque lesvariablesde leviersontconsidéréescommeétantunlubrifiantamplifica-teurdeseffetsissusdesfacteursdeseuil.

a)Les facteursde seuil:Rendementdes indicesboursiers,prixdel’immobilieretPIB

Dansleurétatactuel,lestravauxempiriquesd’estima-tionde lasensibilitédesperformancesbancairesauxvariationsdesvariablesmacroéconomiquess’accordentlargementsurlechoixdesvariablesetsurleseffetsyafférents. La chute des indices boursiers, par exem-ple,seraitunfacteur importantdans l’explicationdelabaissede laprofitabilitébancaire. Les simulationsréaliséesparRouabah(2006)surunpaneldebanquesluxembourgeoisesrévèlentqu’unebaissede10%del’indiceboursiereuropéenréduiraitleniveaudesprofitsde7,50%.

L’impact des prix de l’immobilier66 sur le niveau destressdesbanquespeutêtreappréhendéàtraversleursrépercussionssurleniveaudesprovisions.Eneffet,l’ac-croissementduniveaudesprixde l’immobilierseraitunfacteurstimulantàlafacilitédel’obtentiondecré-ditsetunlevierpourlefléchissementduvolumedesprovisions pour les créances douteuses. A l’inverse,durantlesphasesdebaissedesprix,levolumedescré-ditsbancairesdécroîtsensiblementet laconstitutiondesprovisionsprogresse.Ondevraitdoncs’attendreàuneprogressionduniveaudescréancesdouteuses,quisetraduiraitparunebaissedesprofitsetparuneprogressionduniveaudelavulnérabilitédesbanques.

Rouabah (2006)affirmaitque l’effetmarginald’unebaissede5%desprixdel’immobilierauraitpoureffetuneprogressionde1%sur levolumedesprovisionsdesbanquesluxembourgeoises.

Lesfluctuationsduproduitintérieurbrutsontcenséesrefléter ledegrédelavariationducycleéconomiqueetparlamêmel’environnementéconomiquegénéraldanslequellesbanquesopèrent.Lefléchissementdel’activitééconomiqueestsusceptibled’affecterl’activitébancaireàtraversdemultiplescanaux:levolumedescréditsetdeprovisions,lesmarchésfinanciersetleurseffets sur les commissions, les tauxd’intérêt et leurimpactsurlamarge,…Comptetenudel’importancedecetagrégatdansl’analysedelavulnérabilitédessys-tèmesbancairesetfinanciers,certainsauteursconsidè-rentquelabaissedutauxdelacroissanceéconomiqueestunindicateurprécurseurpourdescrisesbancairespotentielles(EichengreenetArteta;2000).

b)Lesfacteursde levier: lesratiosdecréditsetd’investissement

IlrevientàMinsky(1986)desouleverl’importancederôlede l’excèsdu crédit dans l’émergencede crisesfinancières. Il considèreque celles-ci sont le résultatendogènedescomportementsdesbanques.Sonana-lyserévèlequ’enpériodedecroissanceforte,lecréditestaccordéplus facilement, les informationsexigéesdesdébiteursseraientdemoinsaumoinspertinentesetlagestiondesprêtsdevientassezlaxiste.Ilestbienévident qu’en période de croissance, le volume descréditsaccordésà l’économieprogresse.Cependant,l’incidencede cetteprogressionpeut êtreprésuméepréjudiciableàlastabilitéfinancièredanslamesureoùletauxdecroissancedescréditsévolueplusvitequeceluiduPIB.Autrementdit,onpeutconcevoirquelesbanques,durantcespériodes,soientmoinsattentivesauxcritèresstandardsd’octroidecrédits.

Comptetenudecequivientd’êtredit,ilsemblequel’augmentationduratioducréditauPIBseraitassociéeàuneprisederisqueplusélevéedelapartdesban-quesdans leuractivitédecrédits.Cetaccroissementdurisqueestsusceptibled’entraînerdesdéséquilibresfinanciersdont l’aboutissementse traduiraitparune

64 Comptetenudel’orientationdel’activitébancaireluxembourgeoiseversl’international,nousconsidéronsquel’indiceeuropéenoffreplusd’opportunitédediversificationquel’indiceboursiernational.Toutefois,l’exclusiondel’indiceLuxXdenotreanalyses’expliqueparsavolatilitéélevée.

65 Enl’absencedeprévisionsàfréquencetrimestriellerelativesàl’investissementetauPIBluxembourgeois,lesdonnéesutiliséespourcesdeuxagrégatssontafférentesàlazoneeuro.

66 Lasérieadoptéedanscetteanalyseestissuedel’interpolationquadratiquedesdonnéesannuellesdel’indicedesprixdel’immobilierrésidentielauLuxembourg.


vulnérabilitésévèredel’ensembledusecteur.Lamaté-rialisationd’un telprocessusest conditionnéepar ledegrédedifficultésdesdébiteursàhonorerleursdettesenpériodedehaussedestauxd’intérêt.

Enfin,trèspeud’étudesavaientrecoursauratiodel’in-vestissemententantquefacteurexplicatifduniveaude la vulnérabilité du secteur bancaire. Hanschel etMonnin(2005)fontremarquerqueladivergenceentrelestauxderendementattenduetréalisédesinvestis-sementsdesentreprisespeuts’avérerpréjudiciableàlastabilitéfinancière.Dansleurdémarche,ilsexpliquentquel’associationd’uneinsuffisancedurendementavecun surinvestissement réalisé représente une sourcepotentielleautassementde lacapacitédesentrepri-sesàrembourserlesdettescontractéesauxbanques.Cependant,ilfautsegarderd’érigercetteconceptioncommeuncritèreabsolu,car lesestimationsempiri-

67 Lestestsderacineunitairesontappliquésauxsériestrimestriellesrelativesàlapériode1995T1-2006T3.Cettelimitations’expliqueparlanon-disponibilitédesdonnéesduPIBdelazoneeuroantérieuresàcettepériode.

quesdesdeuxauteursserévèlentnon-concluantesencequiconcernelapertinencedeceratio.Ilsrejoignentainsi,lapositiondeBorioetLowe(2002),pourquil’in-vestissementn’estpasun indicateur robustepour ladétectiondescrisesbancaires.

5.1.4.2 Spécificationetrésultatéconométriquesdel’équationdestress

Avantd’estimerl’équationexplicativedelavulnérabilitédusecteurbancaireluxembourgeois,ilestnécessairedevérifier lespropriétésdessériesretenuesentermedestationnarité.Uneanalysevisuellemontrequecertai-nesvariablesdevolumeetdeprixaffichentunefortetendanceàcroîtreouàbaisseraucoursdutemps.Parconséquent,nousavonsdécidéd’appliquerlestestsdeDickey-Fulleraugmenté(ADF)etdeKPSSpourdétermi-nerl’ordred’intégrationindividueldesséries67.Lesrésul-tatsdecesdeuxtestssontreprisdansletableau2.

Tableau 2 Tests de racine unitaire et de stationnarité E

Test ADF ADF KPSS KPSS

Variables Niveau Différence Niveau Différence

Hypothèsenulledutest Racineunitaire Stationnaire

Source:BCL

Lesastérisques(*)(**)et(***)indiquentlerejetdel’hypothèsenulleselonlesdifférentsniveauxdeconfiancede10%,5%et1%.

Indice de stress -4,884*** -12,151*** 0,155 0,095

Indice Euro DJE Stoxx -2,221 -4,131*** 0,490** 0,229

Indice des prix imm. Résid. -2,411 -1,476 0,164** 0,336*

PIB réel -1,685 -4,153*** 0,156** 0,130

Crédits/PIB nominal -1,631 -6,931*** 0,374** 0,184

Invest. Réel/PIB réel -0,790 -4,125*** 0,702*** 0,121

Auregarddesrésultatsaffichésdansletableau2,onconstatequel’indicedestresscalculépourlesecteurbancaireluxembourgeoiseststationnaireenniveauetendifférence;tandisquelesprocessussous-jacentsàlamajoritédesautresvariablesseraientintégrésd’or-dre1.Cesélémentsmontrentqu’ilfautexprimercesvariablesexplicativesduniveaudustressendifférencepouraboutiràunerégressionlinéairevalide.Danscecadre,ilconvientdenoterqueletestADFnerejettepas l’hypothèse nulle afférente à la présence d’uneracineunitairedans lasérie,expriméeendifférence,del’indicedesprixdel’immobilierrésidentiel.Apriori,

cettedivergenced’ordred’intégrationentrelessériesoriginalesestunobstacleàl’estimationdelarégressionavecdesvariablesexplicativesdifférenciéesàl’ordre1.Cependant, cette préoccupation est à relativiser carletestKPSSnerejettel’hypothèsedestationnaritédel’indicedesprixdel’immobilierrésidentielqu’auseuilde10%.Deplus,latailleréduitedenotreéchantillonserait vraisemblablementunélémentde réponse aurésultatobtenu.Cepostulatestcohérentaveclaposi-tiondeStocketWatson(1993),quiconsidèrentquelestestspréliminairesdel’ordred’intégrationdessériesissuesdepetitséchantillonsaboutissentsouventàune


légitimesuspicionquantàleurfiabilité.Danscescondi-tions,ilestpréférabledeprivilégierlarelationthéoriqueauteststatistique.

Aprèsavoirvérifié,dansunepremièreétape,lespro-priétésstatistiquesrelativesàlastationnaritédesséries,nous entamons une seconde étape, qui consiste enl’identification empirique des variables macroécono-miquesgénératricesdestresspourlesecteurbancaire.Danscecadreetaprèsl’expérimentationdemultiplesformulations, nous proposons d’exprimer la relationreliantlavulnérabilitéauxdifférentesvariablesmacro-économiques,couvrantlapériode1995T1-2006T3,delafaçonsuivante:

68 LeratioducréditestexpriméparlerapportentrelesmontantsdescréditsaccordésàlaclientèleprivéeetlePIBnominal.69 LatendancedelongtermedeceratioestextraiteparlefiltreHodrick-Prescott.70 Puisqueleratiodel’investissementétaitstatistiquementnonsignificatifdansl’ensembledesrégressionsestimées,nousl’avonsexcludela

catégoriedesvariablesexplicativesduniveaudustress.

Tableau 3 Résultats de l’estimation de l’équation du stress E

Variables Coefficients Ecarttype

Source:BCL

Seuildesignification:1%(***),5%(**),10%(*).

C 0,836 0,543

Stresst-1 -0,422*** 0,128

Stoxxt -4,096** 1,878

Stoxxt-1 -6,848*** 1,782

ipit-1 -32,567* 19,650

PIBt*CRt-1 -189,439*** 31,283

Stoxxt-1*CRt-2 -27,428*** 9,122

R2 0,534

L’écart type résiduel 0,725

Nbre d’observations 44

oùlesvariablesexplicativesexogènessontexpriméessousformelogarithmique;(stress)représenteleniveaudelavulnérabilitédusecteurbancaireluxembourgeois,(stoxx),l’indiceboursiereuropéenDJEStoxx,(ipi),l’in-dicedesprixdel’immobilierrésidentielauLuxembourg,(PIB), leproduitintérieurbrutréeldelazoneeuroet(CR)estleproduitd’unevariabledichotomiquebinaireetduratioducrédit68.Siladéviationduratioducréditdesatendancedelongterme69estsupérieureàunefoisetdemil’écarttypenonconditionneldecetécart,cettevariableindicatriceprendlavaleur1.Quantàlamul-tiplicationdelavariable(CR)parlesfacteursdeseuil,ellereflèteleseffetsdel’associationdelavariationdecesfacteursetleniveauducréditdansl’économie70.Nousavonschoisi,parailleurs,d’introduirelavariableendogèneretardéed’unepériodeafinderemédieràlaprésencedel’autocorrélationdeserreursquicaracté-riselesrésidusdelarégressionadoptée.Lesrésultatsdel’estimationdel’équationsontprésentésautableau3.


Defaçongénérale,onremarqueque lamajoritédescoefficientsestiméssontstatistiquementsignificatifs.Cependant,unrésultatfortimportantémergedecetterégression.Ilestrelatifàl’importancedel’effetcom-binédelavariabilitéduPIBetdel’excèsducréditsurleniveaudustressdusecteurbancaireluxembourgeois.Enpérioded’excèsdecrédits,l’impactdecourttermed’unebaissede1%duPIBdelazoneeuroauraitpoureffetuneprogressiondel’indicedelavulnérabilitédeprèsde1,9point.Parcontre,l’effetpotentieldelongtermesetrouvelimitéàuneprogressionde1,3point.Acetégard,ilconvientderappelerquecerésultatesttrèscohérentavecceluiobtenudansuneétudeanté-rieure (Rouabah,2006) selon laquelleunebaissede1%duPIBse traduiraitparunetassementde1,6%delaprofitabilitédusecteurbancaireluxembourgeois.Ils’agitlàd’unrésultatquirenvoieàl’importancedel’influenceducycleéconomiquedelazoneeurosurlaperformancedesbanquesluxembourgeoises.

Parailleurs, ilest intéressantd’observerquel’effetdelevierducréditsembleêtreopérationnelparl’intermé-diairedumarchéboursier.Autrementdit,lesrépercus-sionsd’unechutedesindicesboursierssurlavulnérabili-tédesbanquesluxembourgeoisesseraientamplifiéesparl’excèsdecrédits.Enprésenced’écartspositifsduniveaudescréditsparrapportàlatendancedelongterme,ilressortdel’estimationqu’unebaissede10%del’indiceDJEStoxxsetraduiraitparunaccroissementdel’indicedelavulnérabilitéde2,7points;tandisqu’enl’absenced’unteldéséquilibrel’impactseraitlimitéà0,6point.

Quantàlaréactivitédel’indicedelavulnérabilitéàlavariationdel’indicedesprixdel’immobilierrésidentielauLuxembourg,l’examendesrésultatsrévèlequ’unebaisse de 10% des prix de l’immobilier résidentielconduiraitàlongtermeàuneprogressiondel’indicedelavulnérabilitéde2,3points.

5.1.4.3 Prévisionduniveaudelavulnérabilitédesbanquesluxembourgeoises

La démarche adoptée pour construire les prévisionsdel’indicedevulnérabilitédusecteurbancaireluxem-bourgeoisreposesurladisponibilitédedonnéesprévi-sionnellesrelativesauxfacteursmacroéconomiquesdestress.Connaissant lesvaleursprisesparcesfacteursexogènesàl’instant(t+1),ilestpossibledeprévoirlavaleur de la variable endogène à la même période.Danscecadre,ladisponibilitédesprévisionsdel’Euro-systèmeconstitueunesolutionpourleprolongementdessériesduPIB,del’investissementetdel’indicedesprixdel’immobilierrésidentiel.Quantàl’extensiondesséries des créances et de l’indice boursier européen

DJEStoxx,elleestbaséesur l’estimationd’équationsspécifiquesàchacunedecesdeuxvariables. Il s’agitsimplementd’exprimer les tauxdecroissancedecesdeuxvariablesenfonctiond’uneconstante,delavaleurretardéed’unepériodedelavariableendogèneetd’unensembledevariablesexogènes,quisontl’écartduPIBdelazoneeuroparrapportàsavaleurpotentiellepourl’indiceboursieretlestauxdecroissanceduPIBetdel’investissemententermenominalpour lescréances.L’estimationdesparamètresfutfaiteselonunmodèleàcorrectiond’erreurspourlescréancesaccordéesàlaclientèleprivéeetselonunespécificationGARCH(1,1)encequiconcernel’indiceboursier.

Finalement,laprévisiondel’évolutiondel’indicedelavulnérabilitéestobtenueparlarésolutiondemanièrestochastique(50.000itérations)d’unmodèlecomposédestroiséquations.Ils’agitdel’équationdustress,del’équationdescréancesetcellerelativeàl’indicebour-sier.

Lesrésultatsdecetexercicesontrésumésparlegra-phique6ci-dessous.Cedernierreportelesprévisionstrimestriellescouvrantlapériodeallantduquatrièmetrimestre2006jusqu’autroisièmetrimestredel’année2008,ainsiquelesintervallesdeconfianceyafférents(±2σ).


-2,00

-1,50

-1,00

-0,50

0,00

0,50

1,00

1,50

2,00

2,50

1994q3

1995q1

1995q3

1996q1

1996q3

1997q1

1997q3

1998q1

1998q3

1999q1

1999q3

2000q1

2000q3

2001q1

2001q3

2002q1

2002q3

2003q1

2003q3

2004q1

2004q3

2005q1

2005q3

2006q1

2006q3

2007q1

2007q3

2008q1

2008q3

Graphique 6

Prévision de l’évolution de l’indice de vulnérabilité

Source:BCL

L’examendelatrajectoiredel’indicedelavulnérabilitédusecteurbancaireluxembourgeoisrévèlequel’espé-ranceconditionnelledecettevariableestcaractériséeparunetendanceascendantedurant lapériodepré-visionnelle. Cependant, cette progression de la vul-nérabilitédesbanquesdemeure cantonnéedansunintervalleétroitet trèsprocheduniveaumoyenquel’onobserveautourdupointzéro.Onpeutnoterquemêmeentenantcomptedel’incertitudequientourelaprévision,lafrontièredel’intervalledeconfianceresteinférieureauxniveauxhistoriqueslesplusélevés,obser-vésen2002et2003.Enconséquence,ilsemblequ’enl’absence d’un choc macroéconomique ou financiersévère,lavulnérabilitédusecteurbancaireluxembour-geoisdemeurefaible.

5.1.5 Conclusion

L’expériencedesuccessiondescrisesfinancièresdanslespaysdel’Asieen1997-1999etdansd’autrespays,telsque laRussieen1998, l’Argentineet laTurquieen 2001 ainsi que leurs effets déstabilisateurs pourleséconomiesenquestion,maisaussipour lesdiffé-rentspartenairesontsuscitéunregaind’intérêtpourlesanalysesdesfacteurssous-jacentsàl’émergencedecrises.Initialement,lamajoritédestravauxfutlimitée

auxpaysémergentscarcesontceséconomiesquiontexpérimenté lamatérialisationdedifférents typesdecrises,enl’occurrence,lescrisesdechange,lescrisesbancairesetcellesafférentesauxdettessouveraines.C’estpourquoi,l’objectifpremierdecettegénérationdetravauxempiriquesétaitcentrésurl’appréhensiondesmécanismesdescrisesdanscespays.

Or,laforteprogressiondel’interdépendancedesmar-chésfinanciersetdecapitauxinternationauxainsiquelaglobalisationdessystèmesdepaiementontsuscitéuneamplificationde la sévéritédeces crisesetunerapiditédeleurdiffusion.Lessystèmesfinanciersdespaysoccidentauxouleurssecteursbancairesnesontpasimmuniséscontrelapropagationdechocsexogè-nesengendrésparl’apparitiondecrisessurdesconti-nentslointains.L’exempleduchocdeliquiditéquis’estproduitauxEtats-Unisaprèsladéclarationdumoratoirerusseàlafindel’année1998estuneillustrationàladiffusiondesexternalitésperturbatricesversdessystè-mesfinanciersextérieursàceluiquiestàl’originedelacrise.Certes,larécurrencedecetypedecrisesdemeurefaible,maislesévénementsfinancierslesmoinsproba-blessont,souvent,dessourcesdepertesetdedéséqui-libreséconomiquessévères.

Devantcesdéveloppementscontemporainsetcomptetenudel’importancedesrépercussionsdecesexterna-litésnégativessurlesperformanceséconomiquesdespaysoccidentauxetsurleséquilibresdeleurssecteursd’intermédiation, lesautoritésdécisionnellesontprisconscienceàlafoisdelanécessitéderepérerlesfra-gilitésintrinsèquesdesintermédiairesnationauxetdubesoinderenforcementdesrèglesprudentielles71.Danscecadre,lesétudeslesplusrécentesontmisàladis-positiondesautoritésmonétairesetdesurveillanceunensembled’outilsanalytiquesleurpermettantsoit,desimulerdeschocsmacroéconomiquesetd’yquantifierl’impactsurl’activitébancaire,soitd’évaluerledegrédevulnérabilitédeleurssecteursbancairesàtraverslaconstructiond’indicesagrégésdestress.Ens’inspirantdestravauxdédiésàl’élaborationd’indicesdevulnéra-bilité,l’objectifdecettecontributionestdouble:

Lepremierest la combinaison, selon troisméthodo-logiesdifférentes,d’unensembledevariablesmacro-financièresetbilantairespouraboutiràun indicedestress pour le secteur bancaire luxembourgeois. Cetindiceaétécalculé,en fréquence trimestrielle,pour

71 Ledéveloppementdenouvellesrèglesprudentiellespourl’endiguementdesrisquessystémiquesfutpilotéparlecomitédeBâle.

indi

ce


lapériode1994-2006.Ilressort,queleniveaudecetindice affichait une progression significative et syn-chroneavec l’émergencededeuxévénementsd’unenaturesystémique.Lapremièrefut lacrisefinancièreenRussieetlaquasi-faillitedeLTCMen1998,tandisquelesecondestafférentàlachutebrutaledesmar-chésboursiersen2001-2002etauxcrisesfinancièresdelaTurquieetdel’Argentine.Ceschocsontprovoquécertainementdespertesdirectesouindirectespourlesétablissementsbancairesluxembourgeois,induisantunaccroissement insolitede l’indicede vulnérabilitédel’ensembledusecteur.Depuislors,cetindicemanifes-taitdesniveauxinférieursàsamoyennehistorique,cequiestplutôtsynonymederéductiondel’expositiondesbanquesluxembourgeoisesauxdifférentsrisques.

Quantausecondobjectifdecetteanalyse,ilconsisteenladéterminationdesvariablesafférentesauxenviron-nementsmacroéconomiquesetfinancierssusceptiblesd’affecterleniveaudel’indicedevulnérabilitédesban-quesetsonévolution.Ils’agitprécisémentduPIBdelazoneeuro,del’indiceboursierDJEStoxx,del’indicedesprixdel’immobilierrésidentielluxembourgeoisetdel’importancedescréditsbancairesdansl’économie.Bienquelaspécificationadoptéen’expliqueque55%delavariabilitédel’indice,lesrésultatsdel’estimationrévèlentquelesparamètresrelatifsàcesvariablesd’en-vironnementsontstatistiquementsignificatifs.Enpro-longeantlessériesdecesvariablesparlesprojectionsdel’Eurosystème,ilnousaétépossibledeprévoirl’évo-lutionfuturedel’indicedevulnérabilitésurlapériode2007-2008.Lesrésultatsobtenusselonnotremodèlesemblentêtreenfaveurd’uneespéranceconditionnellecontenuedecetindice.Entenantcomptedel’incerti-tudequientourelaprévision,lafrontièredel’intervalledeconfianceresteinférieureauxniveauxhistoriqueslesplusélevésobservésen2002eten2003.Cecirevientàaffirmerqu’enl’absenced’unchocconjoncturelexcep-tionneloud’événementssévèresd’ordresystémique,lavulnérabilitédusecteurbancaireluxembourgeoisrestefaible.Toutefois,ilfautrappelerquelaconstructiondecet indicedevulnérabilitéestbasée sur lesdonnéesagrégéesdel’ensembledusecteurbancaire.Detouteévidence,ilseraitnécessaireàl’avenird’affinerl’ana-lysepourmieuxappréhenderlesrisquessystémiquesenproduisantunindicespécifiquepourlesgrandesban-quesluxembourgeoises.


Bibliographie

Aglietta,M.(2001):Instabilitéfinancièreetrégulationmonétaire:l’Europeest-ellebienprotégéedurisquesysté-mique?3e Conférence du Centre Saint-Gobain pour la recherche en économie sur les transformations de la finance en Europe,Paris,8-9novembre2001.

Allen,W.A.etG.Wood(2006):Definingandachievingfinancialstability,Journal of Financial Stability,n°2,pp.152-172.

Aspachs-Bracons,O.,Ch.A.E.Goodhart,D.P.TosomocosetL.Zicchino(2006):Towardsameasureoffinan-cialfragility,LSE Financial Markets Group, Discussion papern°554,February.

Borio,C.etP.Lowe(2002):Assetprices, financialandmonetarystability:Exploringthenexus,BIS Working papers,n°114.

Eichengreen,B.etC.Arteta(2000):Bankingcrisesinemergingmarkets:Presumptionsandevidence,University of California, Center for International and Development Economics Research (CIDER), Working paper,n°115.

Fonzàlez-Hermosillo,B.(1999):Determinantsofex-antebankingsystemdistress:Amacro-microempiricalexplo-rationofsomerecentepisodes,IMF Working paper,n°99-33,March.

Frydl,E.J.(1999):Thelengthandcostofbankingcrises,International Monetary Fund, Working papers,n°30.

Frøyland,E.etK.Larsen(2002):Howvulnerablearefinancialinstitutionstomacroeconomicchanges?Anana-lysisbasedonstresstesting,Norges Bank, Economic Bulletin,Q3-02,pp.92-98.

Goodhart,Ch.A.E.,D.P.Tosomocos,etP.Sunirand(2004a):Amodeltoanalysefinancialfragility:application,LSE Financial Markets Group, Discussion papern°482,February.

Goodhart,Ch.A.E.,D.P.Tosomocos,etP.Sunirand(2004b):Amodeltoanalysefinancialfragility,LSE Financial Markets Group, Discussion papern°492,April.

Hanschel, E. et P. Monnin (2005): Measuring and forecasting stress in the banking sector: Evidence fromSwitzerland,BIS papers,n°22,pp.131-449,April.

Illing,M.etY.Liu(2006):Measuringfinancialstressinadevelopedcountry:AnapplicationtoCanada,Journal of Financial Stability,n°2,pp.243-265.

Kaminsky,G.L.etC.M.Reinhart(1999):Thetwincrises:thecausofbankingandbalance-of-paymentproblems,American Economic Review,Vol.89,n°3,pp.473-500.

Kibritçioglu,A.(2002):Excessiverisk-taking,bankingsectorfragility,andbankingcrises,Universoty of Illinois at Urbana-Champaign, Office of Research Working Paper,n°02-0114.

Lehmann,H.etM.Manz(2005):TheexposureofSwissbankstomacroeconomicshocks:anempiricalinvestiga-tion,Swiss national Bank, Working papers,n°2006-4,April.

Minsky,H.P.(1986):Stabilizinganunstableeconomy,Ed.YaleUniversityPress.

Rouabah,A.(2006):Lasensibilitédel’activitébancaireauxchocsmacroéconomiques:uneanalyseenpanelsurdesdonnéesdebanquesluxembourgeoises,Banque Centrale du Luxembourg, Cahier d’études,n°21,mai.

Sorge,M.(2004):Stress-testingfinancialsystems:anoverviewofcurrentmethodologies,BIS Working papers,n°165,December.

Sorge,M.etK.Virolainen(2006):Acomparativeanalysisofmacrostress-testingmethodologieswithapplicationtoFinland,Journal of Financial Stability,n°2,pp.113-151.

Stock,J.H.etM.W.Watson(1993):Asimpleestimatorofcointegratingvectorsinhigherorderintegratedsystems,Econometrica,Vol.61,n°4,pp.783-820,July.


Vila,A.(2000):Assetpricecrisesandbankingcrises:someempiricalevidence,BIS Conference papers,n°8,pp.232-252.

Virolainen,K.(2004):Macrostress-testingwithamacroeconomiccreditriskmodelforFinland,Bank of Finland, Discussion paper,n°18,October.

Wong,J.,K-F.ChoietT.Fong(2006):AframeworkformacrostresstestingthecreditriskofbanksinHongKong,Hong Kong Monetary Authority, Quarterly Bulletin,December.


5.2 Co-variation des taux de croissance sectoriels au luxembourg: l’apport des corrélations conditionnelles dynamiques*

Résumé

Cetteanalyseemploie lemodèledescorrélationsconditionnellesdynamiquesdéveloppéesrécemmentparEngle(2002)pourdéterminerlecaractèresynchroneouasynchronedesmouvementsdestauxdecroissancedelavaleurajoutéedesdifférentssecteurséconomiquesauLuxembourg.Lerecoursàcetteméthodologie,initialementdéveloppéepourl’analysedessériesfinancières,s’expliqueprincipalementparlanon-constancedelavolatilitédessériestrimestriellesdescomposantesduPIBluxembourgeois.Cettecaractéristiquedelavolatilitédemeurenaturellepourunepetiteéconomietrèsouverte,sujetteparailleurs,àunemultiplicitédechocsexogènesdontleseffetssetraduiraientparuneplusgrandevolatilitédesagrégatséconomiques.Nousadoptons,parailleurs,letestdecausalitédesmoyennesetdesvariancesconstruitparCheungetNg(1996)pourconfirmerouinfirmerlerôleattribuéparcertainsausecteurfinancierentantquelocomotivedel’écono-mieluxembourgeoise.

ClassificationduJEL:C32.

Motsclés:GARCH,Corrélationsconditionnelsdynamiques.

* AnalyserédigéeparAbdelazizRouabah. Email:[email protected]

5.2.1 Introduction

Lesdébatssurl’importancedusecteurfinancierluxem-bourgeoisetdesacontributionàlacroissanceéconomi-queconduisentàs’interrogersurlesinteractionsentrel’activité financière et les autresbranchesd’activitésainsiquesurledegrédediversificationdel’économie.Detellesdiscussionssesontsouventconcentréessurlerôledelocomotiveéconomiqueattribuéausecteurfinancier.Or,unedifficulténotableliéeàcesdébatsestl’absencedetravauxempiriquesquimettentclairementen évidence ce rôle moteur du secteur financier auLuxembourg.Encettematière,lestravauxdeBourgainetPieretti(2006)dédiésàl’évaluationdesexternalitésinter-branchessuggèrentqu’ilexistesimplementunetransmission des effets du secteur financier sur unnombretrèslimitéd’activités.Selonleursrésultats,lacroissancedusecteurfinancierseraitsusceptibled’en-gendrerdesexternalitéspositivessuruneseuleactivitéquiestl’activitédesservicesauxentreprises.

Aprèsavoirconstatéquelaproblématiquerelativeauxinteractionsentrelesecteurfinancierluxembourgeoiset lesautres secteursd’activitésdemeurequasimentinexplorée,nousavonsdécidéd’abordercettequestionselonuneapprocheoriginalefaisantappelauxtech-niques économétriques lesplus récentes. L’adoption

d’unetelledémarchefutencouragéeparladisponibi-litédedonnéestrimestriellesrelativesauxagrégatsdelacomptabiliténationale.

Eneffet,depuispeuleServicedesstatistiquesluxem-bourgeois (STATEC) publie des séries à fréquencestrimestrielles relativesauxdonnéesagrégéesdupro-duit intérieurbrut,maisaussià la valeurajoutéedecertaines composantes sectorielles. Cependant, lessériespubliéesaffichentunefortevolatilité.Deplus,cessériessemblentêtrecaractériséesparunevolatilitéquivarieaucoursdutemps.Autrementdit,lesvarian-cesconditionnellesdessériessectoriellesseraientnonconstantes,cequirendlerecoursàdesméthodesd’es-timation,dépendantdelavarianceetdescovariancesinconditionnelles,trèscontroversé.

La classe des modèles ARCH et GARCH constitueuneréponseappropriéepourprendreencompte lesspécificités de la volatilité qui ne peuvent pas êtreprisesencomptepar lesméthodes«traditionnelles».Initialement,cetypedemodèlesestdéveloppédansuncadreunivarié.De fait, il laisseune largeplaceàl’aspectdescriptifplutôtqu’explicatif. L’extensiondecetteclassedemodèlesàuncadremultivariéapermisderemédierauxcritiquesdesmodèlesunivariésquiserévélaientinsuffisantspourjustifierlacompositiondu


portefeuilletitres.Eneffet, lathéoriefinancièrepos-tulequelescovariancesentrelesactifsjouentunrôledéterminantdanslaprisededécisiondesinvestisseursdansleursstratégiesdeplacement.Or,lesmodèlesuni-variésnégligentcetaspect,quidemeureessentieldanslechoixduportefeuille.Onremarque,cependant,queledéveloppementdesmodèlesARCHetGARCHmul-tivariésaconduitàuneinflationdesparamètresàesti-mer.Ilssontdoncdevenusdifficilementexploitables,siaucunecontraintesupplémentairen’estimposée.Ainsi,différentesméthodesdeparamétrisationfurentdéve-loppéesdontdeuxontconnuplusdesuccèsquelesautres.Ils’agitdesméthodesproposéesparBollerslev(1990)etparEngle(2002).

Bollerslev(1990)asuggéréd’adopterdesmodèlesoùlescorrélationsconditionnellesentrelesperturbationssontconstantesdans le temps (Constantconditionalcorrelation). L’intérêt de cette hypothèse est qu’elleréduit considérablement lenombredeparamètresàestimerdans laclassedesmodèlesARCHetGARCHmultivariés.QuantàEngle(2002),ilaconçuunenou-velle approche (Dynamic conditional correlation), endeuxétapes,selonlaquellelescorrélationssontdyna-miques. Cette nouvelle classe de modèles GARCHmultivariéssedistingueparsasimplicitédanslesensoùdesspécificationsGARCHunivariéessontestiméespourchaquesérieséparément.Etlescorrélationsdyna-miquessontestimées,dansunesecondeétape,àpartirdesrésidusstandardisésissusdelapremièreétape.

L’objectif de cette analyse est d’explorer la synchro-nisation de la variabilité de la composante cycliquede la valeur ajoutée de sept branches d’activité auLuxembourgetdedéterminerl’activitélocomotiveduproduit intérieurbrut luxembourgeoisaucoursde lapériode1995T1-2005T4.Laméthodologieadoptéeestcelleditedescorrélationsconditionnellesdynamiques,conçueparEngle.Leprincipalavantagedel’utilisationdesmodèlesDCC-GARCHtientaufaitqueladétectiondeplausibleschangementsdesliensentrelesvariablesdemeuresous-jacenteauxdonnéesutilisées.

L’originalitédecettecontributionrésidedanslatrans-positiondesméthodeséconométriques,développéesinitialement pour l’analyse des séries financières, àl’analyse dedonnéesmacro-sectorielles à fréquencetrimestrielleetdontlavolatilitésemblevarieraucours

du temps.Deplus,cettecontributionestdestinéeàcomblerledéficitdetravauxdédiésàl’analyseco-mou-vementsdel’activitédusecteurfinancieraveclesautresactivitéssectoriellesauLuxembourg72.Autrementdit,cetexercicevanouspermettred’évaluer ledegrédediversificationde l’économie luxembourgeoiseet lesrisques liésàuneforteco-variationde lacyclicitédelavaleurajoutéedesdifférentssecteursd’activitéauLuxembourg.

Lasuitede l’articleestorganiséeendeuxparties.Lapremièrepartieestunrappeldelaméthodologieempi-rique,lasecondepartiedécritlesdonnées,lesrésultatsdesestimationsetlesinterprétationsdesrésultatsaffé-rentsauxcorrélationsdynamiquesentrebranchesd’ac-tivité.Enfinlatroisièmepartieestdédiéeàl’analysedel’interactiondesactivitéssectoriellesauLuxembourgetàladiffusiondeschocsàtraverslestestsdecausalitéssurlesmoyennesetlesvariancesconditionnelles.

5.2.2 LaméthodologiedumodèleDCC-GARCH

Danslaprésentesection,nousprésentons lemodèleàdeuxétapesdescorrélationsconditionnellesdynami-quesproposéparEngle(2002).Atitred’exemple,consi-déronsunvecteurcomposédedeuxvariablesquelcon-ques .Chaquevariableestfonctiond’uneconstanteetdesespropresvaleurspassées.Ainsi, laformeréduiteduprocessusautorégressifs’écrit:

avec (1)

où estlepolynômeretardet estunvecteurdesrésidusissusdel’estimationduprocessusautorégressifpropreàchaquevariabledontlamatricedesvariance-covariancesestdécritepar ,aveci=1,2.

LemodèleDCC-GARCHpeutêtreaisémentappréhen-déenréécrivantlamatricedesvariance-covariances(H)telleque:

Où:

estunematricediagonaledesécarts-typestemporellementvariables issuesdel’estimationdes deux équations précédentes selon un processusGARCHunivariés; représentelamatricedescoefficientsdecorrélationconditionnelle.Leséléments

72 UneanalyseantérieuredecetteproblématiquefutréaliséeparA.Bourgain,P.GuardaetP.Pieretti(2000).Cependant,l’approcheadoptéeétaitbaséesurdesdonnéesenpaneld’unefréquenceannuelleetsupposelaconstancedescorrélationsdeschocsentresecteursd’activités.Lesauteursdecetteétudeexcluent,parailleurs,labranchefinancièredel’économieluxembourgeoise.


contenus dans Dt sont générés selon un processusGARCH(P,Q),quipeutêtreformuléainsi:

(2)

Parailleurs,Engle(2002)adopteunestructuredetypeGARCHdanssamodélisationdeladynamiquedescor-rélations.Ainsi,unprocessusDCCd’ordre(M,N)peutêtredécritpar:

(3)

où estlevecteurcontenantlesrésidusstandardisés issusdel’estimationdumodèleunivariéGARCH, est lamatricedesvariance-cova-riancesconditionnellesdecesmêmesrésidusstandar-disés,tandisque représentelamatricedesvariance-covariances inconditionnelles,quisont inva-riablestemporellement.Lesparamètres sontcensésintercepter,respectivement,leseffetsdeschocsetdescorrélationsdynamiquesretardéessurleniveaucontemporaindecesdernières.Quantà ,c’estunematricediagonalecontenantlaracinecarréedesélé-mentsdeladiagonaleprincipalede .Conformémentànotreexemplecettematrices’écrit:

Les corrélations conditionnelles dynamiquessontlesélémentsdelamatrice

dontladiagonaleprincipaleestcomposéede1.

Les paramètres dumodèleDCC sont estimés par laméthodedumaximumdevraisemblance.Engle(2002)adémontréquelafonctiondelog-vraisemblancepeutêtreexpriméepar:

(4)

Leprocessusd’estimations’effectueendeuxétapes.Lapremièreconsisteenlasubstitutiond’unematriceiden-titéàlamatriceRtdanslafonctiondulog-vraisemblan-ce.L’avantagedeceprocédéestqu’ilpermetd’obtenirlasommedelafonctiondevraisemblancedesmodèlesGARCHunivariés.Autrementdit,àtraverscettepre-mièreétapeonobtientlesvaleursdesparamètresdel’équation2.Lasecondeétapeestdédiéeàl’estimationdesparamètresdel’équation3enadoptantlafonctiondevraisemblanceoriginaledécriteparl’équation4.Celapermetd’obtenirlescorrélationsdynamiquesentrelesvariablesétudiées.

5.2.3 Donnéesetrésultatsdesestimations

5.2.3.1 Lesdonnées

Danscettesection,nousallonsexplorerlaprésencedemouvementssemblablesentrelescomposantescycli-quesdelavaleurajoutéeréelledesdifférentesbran-chesd’activitésauLuxembourgenadoptantlemodèleDCC-GARCH bivarié. L’analyse inclut sept branchesd’activités.Lesdonnéesutiliséessontlestauxdecrois-sancetrimestrielledesdifférentesbranchesd’activité.Ellessontextraitesde labasededonnéesduStatec.Lapérioded’observationcouvrelesannées1995-2005.Leschoixdelapériodeetdunombredebranchessontdictéspar ladisponibilitédesdonnées.Comptetenudelanondisponibilitédedonnéesdessaisonnalisées,lefiltretramoseatsestappliquéàl’ensembledessériesentenantcomptedesjoursfériés.


Tableau 1 Caractéristiques statistiques des taux de croissance de la valeur ajoutée trimestrielle réelle dessaisonnalisée (%) 1995: T1-2005: T4

E

Agr. Ind. Cons. Comm. Act.Fin. Imm.&Loc. Autresserv. PIB

Source:BCL

Part au PIB(%) 0,61 11,10 5,39 19,42 21,50 17,41 14,55 -

Moy. -1,1 0,7 0,8 1,4 1,2 1,5 0,9 1,2

Méd. -1,2 0,8 1,1 1,3 1,3 1,4 0,8 1,3

Max 16,7 5,2 29,7 7,6 21,6 9,0 3,9 5,0

Min -27,1 -3,5 -29,8 -7,2 -15,3 -6,1 -1,5 -5,0

Ecart-type 9,1 2,3 8,2 2,8 5,7 2,4 1,1 1,8

Asymétrie -0,3 0,1 -0,3 -0,5 0,1 0,3 0,4 -0,8

Aplatissement 3,2 1,9 9,5 4,0 7,4 6,3 3,4 4,8

Jarque-Bera 0,9 2,1 77,3 3,7 34,1 19,9 1,5 10,2

Probability 0,6 0,3 0,0 0,2 0,0 0,0 0,5 0,0

Obs. 43 43 43 43 43 43 43 43

Letableau1afficheunensembledestatistiquesdes-criptivesdesvariablesdenotreéchantillon73.Lesdis-tributions de quatre variables sont significativementdifférentesdeladistributionnormaleauseuilde1%.Ces variables sont caractérisées par des coefficientsd’aplatissementsuffisammentsupérieursàceluideloinormale.Ellesprésententégalementdescoefficientsd’asymétriedifférentsdeceluid’unedistributionnor-male.Lanégativitédescoefficientsd’asymétriepourl’agriculture, la construction, le commerce et le PIBindiquequecesbranchesd’activitésainsique l’acti-vitéglobaledel’économieluxembourgeoiseontsubiplusdechocsnégatifsquedechocspositifsdurantlapériodeanalysée.LesspécificationsGARCHadoptéessontsusceptiblesd’expliquerunepartsignificativedelanon-normalitédecesséries.Eneffet,l’applicationdutestJarque-Beraauxrésidus issusdel’estimationdesmodèlesAR-GARCHunivariésrévèleque lanon-nor-malitédesdonnéesduPIBetdelabranchedesactivitésfinancièress’expliqueparlaprésencedeseffetsGARCH.Cependant,l’analysedesrésidusdesdeuxautresbran-ches(ConstructionetImm.&Locations)montrequelesspécificationsGARCHnesontpascapablesderemé-dierà lanon-normalitédecesdeuxséries. Ilya lieudenoterquedanscecadre,EngleetSheppard(2001)affirmaient que l’hypothèse de normalité n’est pasnécessairepourassurerlaconvergenceetlanormalité

asymptotiquedesparamètresestimés.SelonEngleetSheppard,enl’absencedelanormalitédesinnovationsissuesdesmodèlesGARCH,lacorrélationdynamique(DCC)peutêtreinterprétéecommeétantunestimateurdepseudo-maximumdevraisemblance.

5.2.3.2 Estimationetrésultats

L’ordreautorégressifoptimalintroduitdanslesestima-tionsdesprocessusAR-GARCHaétésélectionnéselonlecritèred’informationdeSchwart(SIC).Lesrésultatsdesestimationsendeuxétapessontaffichésdans letableau2.LesestimationsdumodèleAR-GARCHuni-varié,lavaleur(Q)dutestdeLjung-Boxsurlecarrédesrésidusetsesprobabilitésfigurentdanslapartiegauchedutableau;tandisquelesparamètresdescorrélationsconditionnellesdynamiquesy figurentdans lapartiedroite.D’unemanièregénérale,lesparamètresestimésdesmodèlesGARCHsontstatistiquementsignificatifs.Cependant,desdifférencesimportantespeuventêtreconstatées entre lesdifférentesbranchesd’activités,enparticulierencequiconcerne lacontributiondeseffetsGARCH(β)àlapersistancedelongterme.Danscecadre,lescoefficientsdelavarianceretardéed’unepériodesontfortementsignificatifs;cequilaisseprésa-gerquel’adoptiond’unespécificationGARCHdesdif-férentesvariablesestappropriée.Parailleurs,onnoteraquelapersistancedecourtterme(α)demeurefaibleet

73 Lesvariablesconsistentenlesvaleursajoutéesdesseptbranchesd’activitééconomiqueetdontlesdonnéessontdisponiblesenfréquencetrimestrielle:(1)Agriculture,chasseetsylviculture,pêcheetaquaculture;(2)Industrie,ycomprisénergie;(3)Construction;(4)Commerce;réparations automobiles et d’articles domestiques, hôtels et restaurants, transports et communications; (5)Activités financières; (6)Immobilier,locationetservicesauxentreprises;(7)Autresactivitésdeservices


statistiquementnonsignificativedanslamajoritédeséquationsde la variance conditionnelle.Néanmoins,lasommedesdeuxparamètres(α+β)esttrèsprochedel’unité.Cecitémoignedel’importancedelapersis-tancedelavarianceconditionnelledessériesétudiées.Unevariableindicatricerelativeaupremiertrimestredel’année2003estintroduitedanslaspécificationdelavarianceconditionnelledumodèleGARCHafférentàlavaleurajoutéedesactivitésfinancières.Lavaleuresti-méedecetteindicatriceestde0,006.Elleestsignifica-tivementdifférentedezéroauseuilde1%.Ilyalieu

denoterquesans l’introductiondecette indicatrice,ilnousaétéimpossibled’aboutiràuneconvergencedel’algorithmedemaximumdevraisemblance.Enfin,ilconvientdesoulignerquelavérificationdesrésidusdesmodèlesAR-GARCHestimésdans lapremièreétapeontlesbonnespropriétés,c’est-à-direqu’ilssontnonautocorrélés.Pourcela,l’applicationdutestdeLjung-Boxpourunnombrederetardségalà20aucarrédesrésidus accepte l’hypothèse nulle d’absence d’auto-corrélation,cequisembleindiquerqueleséquationsadoptéessontcorrectementspécifiées.

Tableau 2 Les paramètres estimés de GARCH(1, 1) et de DCC pour chaque branche d’activité, 1995:T2-2005T4

E

Branche+nbrederetards LesparamètresAR# LesparamètresdeGARCHetletestd’autocorrélationdes

résidusdeLjung-BoxQ(20)LesparamètresduDCC:

Act-financières-autresbranches

Ci ωi αi βi Q(20) -ρij a b

LesparamètresdeGARCH LesparamètresduDCC:Act.-financières-PIB

#Lesécarts-typesdelasommedescoefficientsARsontcalculésselonlaméthodedelta.

-L’estimationestbaséesurlemodèleDCC-GARCH:

-Lesécarts-typessontindiquésentreparenthèses.

-Seuildesignification:***(1%),**(5%),*(10%).

Agr.- -0,01 -0,62*** 0,002*** -0,149 0,779*** 17,06 0,041 -0,028 1,023***

AR(2) (0,01) (0,156) (2,4e-06) (0,178) (0,209) (0,648) (0,024) (0,038)

Ind.- 0,011*** 0,47*** 3,80e05*** -0,145 1,054*** 12,84 0,034 0,899*** 0,100***

AR(1) (0,003) (0,121) 9,02e-06 (0,178) (0,152) (0,884) (0,0003) (0,0003)

Cons.- 0,013* -0,88*** 0,0002*** -0,076** 0,831*** 4,56 0,075 -0,035*** 1,032***

AR(3) (0,008) (0,320) (4,28e-05) (0,033) (0,037) (1,000) (0,001) (0,0004)

Comm- 0,02*** -0,44*** 4,22e-05*** -0,144 1,088*** 10,40 0,241 -0,074 0,971***

AR(1) (0,002) (0,092) 2,39e-06 (0,173) (0,155) (0,960) (0,049) (0,024)

Imm. & 0,02*** -0,55*** 0,0003*** -0,0952 0,534** 20,36 -0,128 -0,072*** 1,004***

Loc.-AR(2) (0,003) (0,096) (7,16e-07) (0,0658) (0,246) (0,435) (0,001) (0,029)

Autres serv.- 0,006*** 0,18*** 0,04e-05*** -0,212** 0,749*** 23,20 -0,186 -0,081*** 1,001**

AR(1) (0,001) (0,059) (2,99e-07) (0,106) (0,161) (0,791) (0,017) (0,019)

Act. Fin.- 0,02*** -0,47*** 9,12e-05*** -0,194** 1,001*** 20,09

AR(2) (0,004) (0,171) (3,23e-05) (0,080) (0,135) (0,452)

PIB AR(1) 0,017*** -0,31*** 3,09e-05*** -0,093 0,974*** 15,42 0,669 0,091 0,918***

(0,001) (0,055) (2,08e-06) (0,227) (0,321) (0,752) (0,070) (0,041)

PIB sans Act. 0,018*** -0,47*** 6,62e-05*** -0,129 0,654*** 16,04 0,107 -0,116*** 1,002***

Fin. AR(4) (0,002) (0,263) (2,85e-05) (0,158) (0,206) (0,450) (0,026) (0,049)


Lapartiedroitedutableauaffichelesestimationsdu

modèleDCC(corrélationsconditionnellesdynamiques).

Ils’agitprincipalementdescorrélationsentrelavaleur

ajoutéeissuedelabranche«activitésfinancières»etde

celledelabrancheindiquéedanslalignedutableau2.Afin

d’évaluerl’importancedel’apportdusecteurfinancier

auPIBluxembourgeois,nousavonsestimé,parailleurs,

lescorrélationsdynamiquesentrelavaleurajoutéede

labranchefinancièreetleproduitintérieurbrut.

Etantdonnéqueleproduitintérieurbrutestpardéfi-

nition la somme des valeurs ajoutée des différentes

branches économiques, les corrélations dynamiquesestiméesentre lavaleurajoutéedelabranchefinan-cièreetlePIBsontfallacieuses.Afinderemédieràcetteproblématique, nous avons estimé ces corrélationsaveclePIBamputédesacomposantedueauxactivi-tésfinancières.Ainsi,ladifférenceentrelescorrélationsaveclePIBtotaletlePIBsanssacomposantefinancièreestun indicateurproxysur ledegrédeconcordancedelavariationdesdeuxagrégats.Danscecadreuneinformationpréliminaireestdonnéeparlamatricedescorrélationsinconditionnellesdesinnovationsstandar-disées( )issuesdel’estimationdesGARCHunivariés.

Tableau 3 Corrélations inconditionnelles entre les chocs standardisés propres aux branches d’activités au Luxembourg

E

Agriculture Industrie Construction Commerce Finance Autresservices Imm.&Loc. PIB PIBamputé

Agriculture 1

Industrie 0,12 1

Construction 0,25 0,21 1

Commerce -0,02 -0,04 0,14 1

Finance 0,04 0,03 0,07 0,24 1

Autres services 0,05 0,09 0,11 -0,11 -0,19 1

Imm. & Loc. 0,44 0,18 0,22 0,08 -0,13 -0,01 1

PIB 0,20 0,35 0,41 0,56 0,67 -0,01 0,30 1

PIB amputé 0,36 0,33 0,41 0,51 0,11 0,15 0,63 0,66 1

Lacorrélationentre lavaleurajoutéedelabranchefinancière et le PIB amputé de cette composanteestrelativementfaible(0,11);tandisquelacorréla-tionentrelePIBetl’activitédelabranchefinancièreafficheunniveaurelativementélevé,estiméà0,67.Ladifférenceentrecesdeuxvaleurs(0,56)peutêtreinterprétéecommeétantledegrédesynchronisationdescyclesentreleproduitintérieurbrutetlavaleurajoutéedelabranchefinancière.Decepointdevue,ilsemblequel’activitéfinancièredontlacorrélationinconditionnelleauPIBestlaplusélevéeseraitlaloco-motivedel’économieluxembourgeoise.Cependant,ce premier résultat est à relativiser car il n’attestenullement de l’existence d’une corrélation tempo-rellementstablesurunelonguepériode.Ildoitêtreaffinéavecl’estimationdescorrélationsconditionnel-lesdynamiques,qui seraientplusappropriéespourdessériesaussivolatilesquelesagrégatstrimestrielsde l’économie luxembourgeoise. Les graphiques(1à8)ci-dessousaffichentlesniveauxdescorrélationsconditionnellesdynamiquesestimésselonl’approche

de Engle (2002). A l’observation de l’évolution decescorrélations,ilsemblequecesderniersaffichentdes tendancesvariéesqui laissentprésagerque lesinterprétationsbaséessurl’hypothèsedeconstancedescorrélationsseraienterronées.Cependant,diverstestsstatistiquesfurentdéveloppéspourtesterl’hy-pothèse de constance des corrélations contre unestructuredynamiquedecelles-ci.LetestproposéparEngleetSheppard(2001)estimplémentédanscetteanalyse.Sous l’hypothèsenulle,cetestsuitasymp-totiquementunedistribution(χ2)à(p+1)degrésdeliberté.Leshypothèsesdutestsontlessuivantes:

La procédure à suivre pour implémenter ce test estdécriteparEngleetSheppard(2001).Laconduitedecetestsurnosdonnéesrévèlequelescorrélationsentrelesdifférentsagrégatsaffichentdesvariationssignifica-tivesaucoursdelapériodeanalysée74.Autrementdit,l’hypothèsenulleestrejetéeauseuilde5%.

74 JetiensàremerciermoncollègueP.Guardapourlaprogrammationdecetestdanse-views.


-0,4

-0,3

-0,3

-0,2

-0,2

-0,1

-0,1

0,0

0,1

0,1

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Agriculture-FinancerijLinear (Agriculture-Finance)

Graphique 1

Corrélations dynamiques: Agriculture-Finance 1995-2005

Source:BCL

-0,3

-0,2

-0,1

0

0,1

0,2

0,3

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Construction-FinancerijLinear (Construction-Finance)

Graphique 2

Corrélations dynamiques: Construction-Finance 1995-2005

Source:BCL

-1

-0,8

-0,6

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Industrie-FinancerijLinear (Industrie-Finance)

Graphique 3

Corrélations dynamiques: Industrie-Finance 1995-2005

Source:BCL

-0,4-0,3-0,2-0,1

00,1

0,20,30,40,50,6

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Commerce-FinancerijLinear (Commerce-Finance)

Graphique 4

Corrélations dynamiques: Commerce-Finance 1995-2005

Source:BCL


-0,7-0,6-0,5-0,4-0,3-0,2-0,1

00,10,20,30,40,5

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Autres services-FinancerijLinear (Autres services-Finance)

Graphique 5

Corrélations dynamiques: Autres services-Finance 1995-2005

Source:BCL

-0,5-0,4-0,3-0,2-0,1

00,10,20,30,40,50,60,70,80,9

1

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Imm&location-FinancerijLinear (Imm&location-Finance)

Graphique 6

Corrélations dynamiques: Imm & Location-Finance 1995-2005

Source:BCL

0

0,10,2

0,3

0,40,5

0,6

0,7

0,80,9

1

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Finance-PIBrijLinear (Finance-PIB)

Graphique 7

Corrélations dynamiques: Pib-Finance 1995-2005

Source:BCL

-0,9

-0,7

-0,5

-0,3

-0,1

0,1

0,3

0,5

0,7

0,9

1995

q03

1996

q03

1997

q03

1998

q03

1999

q03

2000

q03

2001

q03

2002

q03

2003

q03

2004

q03

2005

q03

Finance-PIB amputérijLinear (Finance-PIB amputé)

Graphique 8

Corrélations dynamiques: PIB amputé-Finance 1995-2005

Source:BCL


Lesgraphiquesci-dessusreproduisentàlafoislescour-besdecorrélationsdynamiquesentrelescomposantescycliquesde l’outputde chaquebranched’activités,lestendances linéairesyafférenteset lescoefficientsdecorrélationconstants.Al’exceptiondesactivitésdecommerceetde location, les composantescycliquesrelativesaurestedesbranchessontcorréléesnégati-vementàl’activitédelabranchefinancière.Cecilaisseprésagerquelesactivitéscaractériséesparunetendan-cenégativedescorrélationsseraientunfacteurd’at-ténuationdeseffetsdechocsnégatifssurlabranchefinancière dont l’activité est positivement corrélée àcellesducommerceetdel’immobilieretlocation.Cerésultatsembleindiquerqueleportefeuilled’activitéséconomiquesauLuxembourgestmarquéparuncertaindegrédediversification.Or,lapriseencomptedupoidsdechaquebranchedansl’économieglobalerelativisecettepremièreinterprétation.Letableau1affichedanssapremièrelignelapartdechaquebranched’activitédanslePIB.Lesquatrebranchesd’activité(commerce,finance,autresserviceset imm.&location)présententprèsde75%delavaleurajoutéedel’économieluxem-bourgeoise. La valeurajoutéemoyennegénéréeparla branche financière durant la période 1995-2005avoisineles22%.Cefaitestd’autantplusprobléma-tiquequel’activitédelabrancheducommerceetdelabranchedel’immobilieretdelocationaffichentunetendancepositivementcorréléeàl’activitéfinancière.End’autrestermes,lapriseencomptedespoidsdesbranchesdans l’économietotalerelativiseconsidéra-blementlepostulatrelatifàladiversificationdel’éco-nomieluxembourgeoise.Parconséquent,l’impactd’unchocspécifiqueà l’unedesbranchesdominantesestsusceptibled’affectersignificativementlacroissancedel’économiedanssonensemble.

Cettedernièreconclusionestconfortéeparlesestima-tionsdescorrélationsdynamiquesentrelescomposan-tescycliquesdesactivitésfinancières,decommerceetde l’immobilieret locationd’unepartetcelleduPIBamputéàchaquefoisdel’unedescomposantespréci-tées.Legraphique9illustrelaco-variationtemporelleentrecesagrégats.Dansl’ensemble,ilapparaîtquelaco-variationdelacomposantecycliquedechaquebran-cheaveclePIBamputédeladitebrancheévoluedefaçontrèssimilaire.Ceconstatappellequelquesremar-ques.Onnotetoutd’abordquelepoidsmoyendecestroisbranchesdurantlapériode1995-2005présenteprèsde60%duPIB.Ilfautégalementsoulignerqu’unecomparaisonvisuelledel’évolutiondescorrélationsdeleurscomposantescycliquesaveccelleduPIBamputésembleindiquerqu’ellessontmarquées,leplussouvent,pardesphasesanalogues.Ainsi,onpourraitinterpréter

cerésultatcommeétantuneindicationdelafaiblessedudegrédediversificationdel’économieluxembour-geoise.Decefait,lesrépercussionsd’unchocpropreàunebranched’activitédominanteseraientsuscepti-blesd’affecter lesperformancesdesautresbranchesdontlacyclicitéco-varieaveclabrancheaffectéeparlechoc.Parailleurs, legraphique9 illustreunchan-gementdrastiquedelastructuredescorrélationsdestroisbranchesd’activitésetlePIBamputédelacom-posante en question. Ce changement est intervenudans la branche du commerce en 2001, tandis quepourlesbranchesd’activitéfinancièreetd’immobilieretde location, lamodificationdecettestructureestintervenueaudébutdel’année2002.Ainsi,durantunepériodedeplusdedeuxanslescorrélationsaffichaientdessignespositifsrelativementélevésparrapportauxpériodesintérieures.Deplus,lesignedescorrélationspourlestroisbranchesd’activités’estinverséaucoursdel’année2003.Autrementdit,l’impactduchocsubitpar l’économie luxembourgeoisedans sonensembledurantl’année2003diffèredeceluiaffectantlestroisbranchesprisesindividuellement.

-1,00

-0,80-0,60

-0,40-0,20

0,00

0,200,40

0,600,80

1,00

1996q03

1997q02

1998q01

1998q04

1999q03

2000q02

2001q01

2001q04

2002q03

2003q02

2004q01

2004q04

2005q03

Imm.&LocationCommerceFinance

Graphique 9

Evolutions des corrélations entre les branches et le PIB amputé de la composante concernée

Source:BCL


Auregarddecequiprécède,ilnousestpossibled’éva-luerledegrédediversificationdel’économieluxembour-geoise.Pourêtreréellementefficace,ladiversificationdesactivitéssectoriellesdansuneéconomiedoitcorrespon-dreàdesactivitésnonoutrèspeucorréléesetdontlespartsrespectivesdanslePIBsontplusaumoinséquiva-lentes.Ainsi,ledegrédediversificationd’uneéconomiedépendenpartiedelacompositionduportefeuilled’ac-tivités.Ilestévidentquesiuneéconomieestdominéeparunnombrelimitéd’activités,celle-ciestpeudiversifiéeetlamatérialisationd’unchocseratrèspréjudiciableàl’en-sembledel’économie.Notons,parailleurs,quelaqualitédeladiversificationd’unportefeuilled’activitésselonlathéoriefinancièredépenddetroiséléments:

• lenombredesecteursd’activitéséconomiques,

• lesrisquesspécifiquesafférentsàcessecteurset,

• ledegrédecorrélationentrelesdifférentssecteursd’activités.

Plus formellement, lamatricedesvariance-covarianceissue de l’estimation des modèles GARCH permetd’évaluerlavolatilitéduportefeuilled’activitésécono-miques,quiseraitun indicateurdudegrédediversi-fication au Luxembourg. En effet, la volatilité d’unportefeuillediversifiéseraitréduitecomparativementàunautreportefeuillemoinsdiversifié.Parconséquent,plusuneéconomieestdiversifiée,moinselleestsujetteauxeffetsdeschocsspécifiquesàunsecteurparticulier.D’unpointdevueempirique,lavolatilitéduportefeuilleàl’instant(t)s’écrit:

(5)

avec:

ωit est la part de la branche (i) à la date (t) dans lePIB,estlamatricedesvariance-covariancedesrésidusaumoment(t) issusdel’estimationdesmodèlesAR-GARCH.Comptetenudelavariabilitétemporelledesélémentsdecettematrice,cetindicateursedistinguedeceluideBourgain,GuardaetPieretti (2000)dontlaconstructionestbaséesurl’hypothèsedeconstancedesvariancesetcovariancesentrebranchesd’activités.Legraphique10illustrel’évolutiondecetindicateuretdesacomposantetendancielleextraiteaveclefiltreHPenadoptantunparamètredelissageλ=1600.Ilsemblequedepuisledébutdel’année2000,latendancedelavolatilitéestmarquéeparunenetteorientationàla

baisse.Cettetendances’expliqueenpartieparlechan-gementdelacompositionduportefeuilled’activités.Acesujet,uneanalysegraphiquedespartsdesbran-chesd’activitédanslePIBrévèlequelespartsdecinqactivités(Agriculture,Industrie,Construction,Finance,Autresservices)afficheunetendancelinéairebaissière,tandisquel’activitéducommerce,del’immobilieretdelocationsecaractérisentparunetendanceascendante.End’autrestermes,l’orientationdelavolatilitédelongterme,approximéeparlefiltreHP,sembleindiquerquel’économieluxembourgeoiseafficheungaindediver-sificationaucoursdelapériode2000-2005.Toutefois,ellefutsujetteàdemultipleschocsdontlatraductionestl’accroissementdelavolatilitéduportefeuilled’ac-tivités(>0,20)75.Autrementdit,leportefeuilledesbran-chesd’activitésdemeuremoinsdiversifiécarsavolati-litéestdictéeparleseffetsconjoncturels.

75 Lavaleur0,20reflètelamoyennedelavolatilitéduportefeuillesurlapériode1996-2005.

0,000,100,200,300,400,500,600,700,800,901,00

1996

q01

1997

q01

1998

q01

1999

q01

2000

q01

2001

q01

2002

q01

2003

q01

2004

q01

2005

q01

0,000,100,200,300,400,500,600,700,800,901,00

Volatilité>0,2volatilitéTendance de la volatilté HP

Graphique 10

Volatilité du portefeuille d'activités au Luxembourg

Source:BCL


LaquantitéutiliséeestlastatistiqueCCF,définitpar:

(8)

Dansunesecondephase,onprocèdeautestdel’hy-pothèse nulle d’absence de causalité des moyennescontrel’hypothèsealternative.Toutcommeletestdecausalitédelavariance,laformulationdelastatistiqueCCFpourlamoyennes’écrit:

(9)

Lestableaux4et5ci-dessousfournissent lesvaleursdutestrelativesauxcoefficientsdecorrélationcroiséeentrelessériesdesrésidusetleurscarrésstandardisés.Lenombrederetardsetd’avancesaffichédanslapre-mièrelignedecesdeuxtableauxseréfèreauxnombresdetrimestresoùlacroissancedusecteurfinancierpré-cède,coïncideousuccèdeà lacroissancedesautressecteursd’activité.Ilfautpréciserqu’uncoefficientdecorrélationstatistiquementsignificatifàlapériode(0)est synonymed’unchoccommunaffectant lesdeuxbranchesd’activités.

L’analysedesrésultatsaffichésdansletableau4révè-lentquelacroissancedusecteurbancaireluxembour-geoisaffected’unepartlacroissancedelabranchedeconstructionavecundécalaged’unepériodeetcelledelabranchedel’immobilier&locationainsiquelePIBamputédelacomposantefinancièreavecundécalagede2trimestres.Parailleurs,lesrésultatsobtenusfontparaîtredeseffetsinversesentrelacroissancedesbran-chesde l’agriculture,de l’industrieetduPIBamputédesacomposantefinancièreavecdesdécalagesres-pectivementde3,6et5trimestres.Ceconstatlaisseprésagerquecestroisagrégatssontunesourcedepro-gressiondelavaleurajoutéebancaire.Amoinsquecenesoitunartefactstatistique,ilestdifficiledetrouveruneexplicationà l’actiondelabranched’agriculturesurlacroissancedelavaleurajoutéedusecteurfinan-cierauLuxembourg.

Danslemêmesens,lesrésultatsdestestsdecausalitédesvariancesaffichésdansletableau5confirmentlaprésencedepropagationdeschocsdusecteurfinancierverslesecteurducommerceetverslePIBamputédelacomposantefinancière.Ainsi,lavolatilitécontempo-rainedecesdeuxagrégatss’expliqueenpartieparleschocssubit,quatretrimestresauparavantparlesecteurfinancier.Concernantlesrésultatsdecausalitéinstan-tanée(période0),onpeutconstaterque lavolatilitécontemporainedel’activitéfinancièreaffectecelledel’immobilier&location ainsi que le PIB amputé de lacomposantefinancière.Cerésultatpeutêtreattribuéauxeffetsdeschocscommunsaffectant instantané-

5.2.4 L’interactionentrelesecteurfinancieretlesautresbranchesd’activité:testdecausalitédesmoyennesetvariancesconditionnelles

Compte tenu de l’importance du secteur financier auLuxembourg, il estprobableque lesperformancesdesautresbranchesd’activitéssoientdictéesparcelui-ci.Lescorrélationsdynamiquescalculéesprécédemmentrepré-sententuneindicationsur l’importancedulienentre lavaleurajoutéedelabranchefinancièreetlesautrescom-posantes du PIB.Cependant, pour compléter l’analyseonestamenéàs’interrogersurlesensdecausalitésous-jacentà l’interactionentre lavaleurajoutéedusecteurfinancierluxembourgeoisetcellesissuesdesautresbran-ches.Puisque, lesestimationsdesmodèlesAR-GARCHfurentréaliséesdanslasectionprécédente,ilestcommoded’emprunterlaprocéduredeCheungetNg(1996)dédiéeauxtestsdecausalité.Danscecadre,letestdeCheungetNg(CCF-Cross-correlationfunction)emploielesrésidusetlecarrédesrésidusstandardisésdesmodèlesAR-GARCHunivariéspourdéterminerlesensdecausalitédesvariancesetdesmoyennesconditionnelles.Sousl’hypothèsenulled’absencedecausalitécetestsuitasymptotiquementunedistributionnormale.Ainsi,souscettehypothèselescoef-ficientsdecorrélationscroiséesdesrésidusstandardisésetleurcarrénesontpasdifférentsdezéro.

Formellement,laméthodologiedeCheungetNgpourtesterlesensdecausalitépeutêtredécriteainsi:Ils’agittoutd’abordd’estimerleséquations1et2décritespré-cédemmentetderécupérerlecarrédesrésidusstan-dardisés.Ainsi,enprésencededeuxvariables(y

1)et(y

2)

parexemple,ona:

(6)

(7)

Parlasuite,ilconvientdedéfinirlescorrélationscroi-séesavecunretard(k)entrelecarréderésidusstandar-disés d’unepartetlesrésidusstandardisés d’autrepart.Cescoefficientsdecorrélationserontuti-lisésrespectivementpourtesterlacausalitébidirection-nelledesvariancesetdesmoyennesconditionnelles.Ainsi,onpeut testerdansunpremier temps l’hypo-thèsenulled’absencedecausalitédesvariancescontrel’hypothèsealternativepourdesretards(k)différents.


mentl’ensembledecesagrégats.Finalement,ilparaîtqu’il existe un effet de retour avec un décalage de5trimestresallantdelavolatilitédel’activitédel’immo-bilier&locationversl’activitéfinancière.Autrementdit,leschocspropresàl’activitédel’immobilier&locationsepropagentàl’activitéfinancière,contribuantainsiàl’amplificationdelavolatilitédesactivitésfinancières.

Ilest importantdenoterque les résultatsobtenusàtraverscesdeuxtestsdecausalitépermettentd’appor-teruneconclusion fermeconcernant le rôledu sec-teur financieren tantque locomotivede l’économieluxembourgeoise.Eneffet,l’hypothèsenulled’absencedecausalitédesmoyennesetdesvariancesdel’acti-vitéfinancièreetduPIBamputéedecelle-ciestrejetéeau seuilde5%pourundesdécalages respectifsdeunetdequatretrimestres.Ilconvientdenoterquecerésultatestconcordantavec lastructuredescorréla-tions dynamiques présentées précédemment. Ainsi,l’ensembledesrésultatsempiriquesobtenusdanscetteétudeconfirmelerôlemoteurdusecteurfinancierauLuxembourg.Etcommenousl’avonsdéjàsouligné,despossibilitésdecorrectiondelacompositionduporte-feuilled’activitéséconomiquespouruneplusgrandediversificationexistent.Lamiseenplaced’untelajuste-mentrendlesactivitéssectoriellesmoinsdépendantesdeschocssubitsparlesecteurfinancier.


Tabl

eau

4 Te

st d

e ca

usal

ité

bidi

rect

ionn

elle

des

moy

enne

s

E

Bra

nche

/lag&

lead

-1-2

-3-4

-5-6

01

23

45

6

Seui

lde

sign

ifica

tion

stat

istiq

ue:5

%(*

*),1

0%(*

).

Un

(k)n

égat

ifre

prés

ente

len

ombr

ede

pér

iode

de

reta

rd(l

ag);

tand

isu

n(k

)pos

itifl

eno

mbr

ede

pér

iode

sd’a

vanc

e(le

ad).

Fin-A

gricu

lture

-0

,715

1,

293

0,68

1 -0

,543

0,

599

-0,6

71

0,25

8 1,

581

-0,5

67

2,37

1**

-0,6

94

-0,3

12

1,00

6

Fin-In

dustr

ie

0,53

8 2,

071

0,58

9 0,

459

-0,4

48

0,37

3 0,

211

-0,4

13

0,57

7 0,

841

0,52

9 -0

,164

2,

251*

*

Fin-C

onstr

uctio

n -1

,961

**

0,24

7 0,

039

0,06

1 -0

,547

0,

564

0,46

5 0,

077

-0,5

67

-0,9

09

0,55

9 0,

005

-1,2

37

Fin-C

omm

erce

-0

,848

0,

692

-0,1

55

0,55

3 0,

549

0,03

7 1,

543

0,69

0 1,

170

-0,6

11

0,60

8 0,

017

-0,4

07

Fin-A

utre

s Ser

vices

. 0,

585

0,86

4 -0

,368

0,

108

-0,0

83

0,04

4 -1

,220

0,

639

-0,5

21

0,84

1 1,

631

-0,7

09

0,28

2

Fin-Im

m.&

loca

tions

0,

743

2,09

1**

0,34

1 0,

982

-0,1

88

0,19

6 -0

,857

0,

776

-0,3

89

0,40

8 -1

,321

-1

,675

-0

,911

Fin-P

IB a

mpu

té

-0,5

35

2,62

7**

0,40

5 0,

803

0,01

5 -0

,320

0,

710

0,80

7 0,

688

0,40

1 0,

096

-1,7

47*

0,45

5

Tabl

eau

5 Te

st d

e ca

usal

ité

bidi

rect

ionn

elle

des

var

ianc

es

E

Bra

nche

/k-1

-2-3

-4-5

-60

12

34

56

Seui

lde

sign

ifica

tion

stat

istiq

ue:5

%(*

*),1

0%(*

).

Un

(k)n

égat

ifre

prés

ente

len

ombr

ede

pér

iode

de

reta

rd(l

ag);

tand

isu

n(k

)pos

itifl

eno

mbr

ede

pér

iode

sd’a

vanc

e(le

ad).

Fin-A

gricu

lture

-1

,262

-0

,151

0,

386

0,70

9 0,

662

0,24

3 0,

015

-1,3

78

-0,5

02

-0,2

84

1,36

8 0,

568

0,46

2

Fin-In

dustr

ie

1,05

7 -0

,401

-0

,977

-1

,052

1,

262

-0,4

16

-0,6

16

0,90

4 0,

814

1,30

3 -1

,357

0,

243

0,36

2

Fin-C

onstr

uctio

n -0

,177

1,

296

0,07

1 -0

,450

-0

,074

-0

,390

-1

,009

-1

,221

0,

326

0,44

0 -0

,037

-0

,046

-0

,229

Fin-C

omm

erce

0,

950

-0,1

22

-0,2

44

1,96

0**

-0,0

81

-0,4

59

0,89

8 -0

,158

-0

,804

-0

,478

-0

,070

-0

,325

0,

813

Fin-A

utre

s Ser

vices

. -0

,353

0,

060

1,00

0 -0

,153

-0

,026

-1

,393

0,

464

-1,3

49

0,82

8 1,

916

-0,3

60

1,51

6 -1

,582

Fin-Im

m.&

loca

tions

-1

,243

0,

364

-0,5

14

0,30

1 0,

280

-1,1

19

1,81

5*

-1,0

99

0,51

2 0,

053

0,53

0 1,

851*

-0

,799

Fin-P

IB a

mpu

té

-0,3

59

1,06

6 -0

,538

2,

348*

* -0

,364

-0

,906

1,

918*

-1

,361

0,

325

0,94

4 -1

,070

1,

284

-0,7

05


5.2.5 Conclusion

Mêmesilesrésultatssontengrandepartieconformesànosattentes,ilfautreconnaîtrequenotreétudeestbaséesurunnombreréduitd’observations(44points),ce qui nous pousse à une interprétation prudente.Cependant,ilconvientdenoterquecettecontributionapermisdefranchiruneétapeimportantequiconsisteenl’évaluationdelaco-variationentrelescomposantescycliquesdesdifférentesbranches.L’analyseadoptéefaitressortirquelescyclicitésdetroisbranchesd’acti-vitédominantesauLuxembourgsontpositivementcor-rélées.Cerésultatsembleindiquerquelacomposantecycliquedusecteurfinancierestenphaseaveccellesducommerceetde l’immobilier& location.Lepoidsmoyendelavaleurajoutéedecestroisbranchesd’acti-vitédanslePIBestdeprèsde60%.Etilestfortproba-blequel’impactd’unchocdansl’unedesbranchesestsusceptibled’affecterl’économiedanssonensemble.

EnadoptantlestestsdecausalitédesmoyennesetdesvariancesdeCheungetNg(1996)avecintervallesdedécalagedesixtrimestres,lesrésultatsobtenusontper-misdedéterminerl’origineetlesensdepropagationdeschocsentrelesecteurfinancierluxembourgeoisetlesautresbranchesd’activitéséconomiques.Ainsi,nousavonsconcluaurôlecausaldelacroissancedusecteurfinancier,lefaisantapparaîtrecommeunmoteurdelacroissancepourlesbranchesdelaconstruction,del’im-mobilier&locationetpourlePIBamputédelavaleurajoutéedusecteur financier.Enmatièredediffusiondeschocs,nosrésultatsfontressortirquelavolatilitédusecteurfinancieraffectelavolatilitédusecteurducommerceainsiquelavolatilitéduPIBamputé.Ledélaidetransmissiondeschocspropresausecteurfinancierverslesdeuxagrégatsprécitésestdequatretrimestres.Deplus,ilsemblequelePIBamputé,lesecteurfinan-cieretl’activitédel’immobilier&locationréagissentdefaçonsynchroneauxchocscontemporainsdemêmesnatures.

Comtetenudusensdecausalitédesmoyennesetdesvariances inter-branchesd’activités, ilapparaîtquelacroissancedusecteurfinancierauLuxembourgestundéterminantmajeurdelacroissanceéconomique.Cerésultatpourrait être trèsutilepour les autoritésdupaysenmatièredechoixdespolitiqueséconomiquesetdediversificationpuisqu’ilpermetderendrecomptedel’interrelationdesdifférentesbranchesd’activitésetdurôlecausaldel’activitéfinancière.

Il faut enfin rappelerque les résultatsobtenusdanscetteétudedivergentdeceuxobtenusparBourgainetPieretti (2006).Acesujetetsurbasededonnéesannuelles (1985-2002), les deux auteurs affirmaientque: «extenal effects don’t significantly appearbetweenfinancialservicesandforremainingindustries(Wholesales and retail trade; Hotel and restaurants;Transport,storageandcommunication;Computerandrelatedactivities».Certes, lesdonnéesexploitéesparcesdernierssontd’unefréquenceannuelleetavecundétailsectorielplusrichequelesdonnéestrimestriel-lesutiliséesdanslaprésentecontribution,néanmoinsleursrésultatssemblentêtrecontre-intuitifsetincitentàpoursuivrelarecherchedanscedomainepourconfir-merouinfirmercetypedeconjecture.


Bibliographie

Bollerslev,T.(1990):ModelingtheCoherenceinShort-runNominalExchangeRates:AMultivariateGeneralizedARCHModel,Review of Economics and Statistics,Vol.72,pp.498-505.

Bourgain,A.,Guarda.P.etPieretti,P.(2000):Dynamiquedelacroissanceetspécialisation:Analyseenpaneldesbranchesindustrielles,Cahiers Economiques de Bruxelles,n°167,3etrimestre.

Bourgain,A.etPieretti,P.(2006):MeasuringAgglomerationForcesinaFinancialCenter,Economics Bulletin,Vol.18,n°3,pp.1-9,July.

Cheung,Y-W.etNg,L.K.(1996):ACausality-in-VarianceTestanditsApplicationtoFinancialMarketprices,Journal of Econometricsn°72,pp.33-48.

Engle,R.F.etSheppard,K.(2001):TheoreticalandEmpiricalpropertiesofDynamicConditionalCorrelationMultivariateGARCH,UniversityofCalifornia,SanDiago,DepartmentofEconomics,Discussion paper2001-15.

Engle,R.F.(2001):GARCH101:TheUseofARCH/GARCHModelsinAppliedEconometrics,Journal of Economic Perspectives,Vol.15,n°4,pp.157-168.

Engle,R.F.(2002):DynamicConditionalCorrelation:ASimpleClassofMultivariateGeneralizedAutoregressiveConditionalHeteroskedasticityModels,Journal of Business & Economic Statistics,Vol.20,n°3,pp.339-350,July.

Lee,J.etCrowley,P.(2006):TheCo-movementBetweenOutputandPrices:EvidenceFromaDynamicConditionalCorrelationGARCHModel,Economics Letters,Vol.91,n°1,pp.110-116,April.


5.3 Analyse long terme du compte de profits et pertes des établissements de credit luxembourgeois*

5.3.1 Introduction

LaplacefinancièreduLuxembourgaconnudenombreu-sesévolutionsaufildestroisdécenniespasséesquiontincontestablementeuleurinfluencesurl’environnementbancaire.Eneffet,cen’estqu’àpartirdesannées60quelesmarchésfinanciersdécouvrirentleLuxembourgquiserviradèslorsdeplate-formeàleursactivitésinternatio-nales.Aprèslacroissancerapidedeseurobanquesdanslesannées70,laclientèledelabanqueprivéeémergeadanslesannées80pourcéderdeplusenplussaplaceàl’industriedesorganismesdeplacementcollectifàpartirdesannées90jusqu’àaujourd’hui.

Lecomptedeprofitsetpertesestàlafoisundocumentcomptableetunétatfinancierreprésentantlespostesdesproduits(revenus)etdescharges(frais)relatifsàl’ac-tivitédesétablissementsdecrédit.L’analysedesprincipa-lescomposantesducomptedeprofitsetpertesmontrenonseulementl’évolutiondesmétiersdebanquegrâceauxrevenusgénérésmaisaussileshautsetlesbasquelesecteurfinancieraconnuaufildutemps.

Laprésenteétudeporterasurlesévolutionsàlongtermeducomptedeprofitsetpertesdesbanquesluxembour-geoises,d’unepartannuellesde1977à2006etd’autreparttrimestriellesde1994/12à2006/12.

5.3.2 Méthodologieetexplicationssurlecomptedeprofitsetpertes76

Ilconvientdenoterquelesprincipesméthodologiquesappliquésàl’élaborationducomptedeprofitsetper-tessontconformesà laméthodologiegénéralemiseaupointparlaCommissiondeSurveillanceduSecteurFinancier(CSSF).

5.3.2.1 Couvertureinstitutionnelleetgéographique

Lesdonnéesutiliséesdanscetteanalysecouvrent lesrésultatsdetouteslesbanquesétabliesouconstituéesauLuxembourg,ycomprislessuccursalesdesbanquesétrangèresetlessuccursalesàl’étrangerdesétablisse-mentsluxembourgeois.

5.3.2.2 Etenduetemporelle/Actualité/Unitésdemesure

L’agrégatducomptedeprofitsetpertesestcalculéetrapportésurbasetrimestrielleetsurbaseannuelle.Afindepouvoirmesurerl’évolutiontrimestrielleindividuelle,ilestnécessairededécomposerl’agrégattrimestrielpar

soustractionsimple.Leschiffresannuelssontdisponiblespourlesannéesallantde1977à2006,leschiffrestri-mestriels,eux,nesontdisponiblesqu’àpartirdupremiertrimestre1994jusqu’auquatrièmetrimestre2006.

Touteslesdonnéesrelativesaucomptedeprofitsetper-tesetàlasommedebilansontexpriméesenmillionsd’eurossauflesdonnéesrelativesàl’effectifetaunom-bredebanquesquisontexpriméesenunitéssimples.

5.3.2.3 Terminologie

Etantdonnélaventilationetlesspécificitésdecertai-nescatégoriesducomptedeprofitsetpertesetafind’améliorer lameilleurecompréhensiondecelui-ci, ilimported’expliquerdavantagelacompositiondequel-queslignes-clés.

Leproduitbancaire:leproduitbancaireestlasommede tous les revenusd’unétablissementdecrédit. Leproduitbancairepeutêtresubdiviséencinqcatégories:lamargesur intérêts, lesrevenusnetssurréalisationdetitres,lesrevenusnetssurcommissions,lesrevenusnets sur opérations de change et les revenus diversnets.Parmicesgrandescatégorieslesrevenuslesplusimportantsproviennentdelamargesurintérêtsetdesrevenussurcommissions:

- Lamargesurintérêtscorrespondàladifférenceentrelesintérêtsetproduitsassimilés(ils’agitentreautresdesintérêtscourus,échusounonéchusdespositionssuivantes: intérêtssureffetspublicsetautreseffetsadmissiblesau refinancementauprèsde labanquecentrale;intérêtssurcréancessurlesétablissementsdecrédit;intérêtssurcréancessurlaclientèle;intérêtssuropérationsdecrédit-bail;intérêtssurobligationsetautresvaleursmobilièresàrevenufixe;bénéficesàcaractèred’intérêtssuropérationsdechange;béné-ficesàcaractèred’intérêtssurinstrumentsfinanciers;commissionsetautresproduitsàcaractèred’intérêts;autresintérêtsetproduitsassimilés)etlesintérêtsetchargesassimilés(ils’agitdesintérêtscourus,échusou non échus des positions suivantes: intérêts surdettesenverslesétablissementsdecrédit;intérêtssurdettesenverslaclientèle;intérêtssurdettesreprésen-téesparuntitre;bonsdecaisse;obligations,titresdumarchéinterbancaireettitresdecréancesnégociables;autres;pertesàcaractèred’intérêtssuropérationsdechange;pertesàcaractèred’intérêtssurinstrumentsfinanciers;commissionsetautreschargesàcaractèred’intérêts;autresintérêtsetchargesassimilées).

* AnalyserédigéeparTomBergh76 LesinformationsproviennentdelaBanquecentraleduLuxembourg.Lamajoritédesdonnéesrelativesaucomptedeprofitsetpertespeut

êtreretrouvéesurwww.bcl.lu.


- Lesrevenusnetssurcommissionsreprennenttouslesproduitsrelatifsàdesservicesàcaractèreban-caireoufinancierfournisàdestiers.Ils’agitnotam-ment:descommissions résultantde ladétentiond’avoirs de tiers (les droits de garde de titres etlescommissionssurencaissementdecouponsetdedividendes);descommissionstouchéessur lesopérations fiduciaires; des commissions pour lagestiondefortune;descommissionssuropérationsdechangepourcomptedetiers;descommissionsdetransactionssurtitrespourcomptedetiers;desrevenussurlocationdecoffre-fortsouencoredescommissionspourtenuedecompte.

- Lesrevenusnetssurdivers:cf.5.3.5delaprésenteanalyse

Auniveaudesfraisondistinguedeuxgrandescatégories,àsavoirlesfraisdepersonneletlesfraisd’exploitation:

- Lesfraisdepersonnelincluentlessalairesettraite-ments(lestraitementsetsalairesbrutsdupersonnel,lesallocationsdetreizièmemois,lesgratificationsetprimesdebilanouparticipationsaubénéfice,lesrémunérationsdesprestationseffectuéesparlepersonneltemporaire);leschargessociales(lapartpatronaledueàlasécuritésociale,lapartpatronaleverséeauxinstitutionsdesécuritésocialenationalesouétrangères,lapartiedelacontributionaufondsdechômagecalculéesurlesappointements,lespri-mesd’assurance-viecontractéesparlabanqueenfaveurdupersonnel,lesprimespayéesàdesinsti-tutionsdeprévoyancepourpensionssupplémentai-resouallocationsextra-légales,lesallocationsauxfondsdepensionconstituésauprèsdelabanque

et finalement lesdotationsàun régimecomplé-mentairedepensionenfaveurdupersonnel); lesautresfraisdepersonnel(lamassed’habillement,lesindemnitésspécialespourlepersonneltellesquelesticketsderepas,lesristournesd’intérêtsdanslecasoùl’employéacontractéunprêtauprèsd’unautreétablissementbancaireounon,lesindemni-tésdesconseilsd’administrationetdesurveillance,descomitésexécutifsetdecréditetfinalementtou-tesautresallocationsextraordinaires).

- Auniveaudeschargesd’exploitation,ondistinguelesfraisetdépensesdefonctionnementencourusparlabanquedanslecadredesonactivité,lapartdelabanquedanslesfraisdepersonneletdefonc-tionnementdelaCSSF,lescotisationsàlaChambredeCommerce,àl’AGDL,etc.,lesfraisd’établisse-ment,lesfraisderechercheetdedéveloppement,lesfraisrelatifsauxconcessions,brevets,licences,marques,droitsetvaleurssimilairescrééesparl’en-trepriseelle-même.

5.3.3 Analyseannuelledesévolutionsdel’agrégatducomptedeprofitsetpertesde1977à2006

Afindepouvoiranalyserlesévolutionsàlongtermedel’agrégatducomptedeprofitsetpertesdesbanquesluxembourgeoises,ilfautégalementexaminerquelquesvariablessortantdececadreenparticulierlasommedebilanetl’effectif.Ainsi,lasommedebilanaévoluéde1501%pourpasserde52429millionsd’euros en1977 à plus de 839 565 millions d’euros fin 2006.L’évolutionpositivedecelle-ciestcertainementdueàl’évolutionpositivedusecteurfinancier.

Tableau 1 Evolution des chiffres-clés des établissements de crédit entre 1977 et 2006 (en millions d’euros et en pourcentage)

E

Variation Variation VariationBase=1977 1987 Absolue Relative 1997 Absolue Relative 2006 Absolue Relative

Source:BCL

Produitbancaire 707 2,655 1,948 276% 5,739 5,032 712% 10,963 10,256 1451% dont marge sur intérêt 553 2,125 1,572 284% 3,158 2,605 471% 4,913 4,360 788% dont revenus nets sur commissions 52 263 211 406% 1,708 1,656 3185% 3,800 3,748 7208% dont revenus nets sur divers 5 69 64 1280% -62 -67 -1340% 1,678 1,673 33460% dont revenus sur réalisation de titres 10 114 104 1040% 667 657 6570% 106 96 960% dont revenus sur opérations de change 87 84 -3 -3% 268 181 208% 466 379 436%Fraisdepersonneletfraisd’exploitation 193 809 616 319% 2,181 1,988 1030% 3,910 3,717 1926% dont frais de personnel 129 516 387 300% 1,264 1,135 880% 2,264 2,135 1655% dont frais d’exploitation 64 293 229 358% 917 853 1333% 1,646 1,582 2472%Bénéficenet 167 386 219 131% 1,783 1,616 968% 5,728 5,561 3330%Autresvariables Effectif 6,306 12,736 6,430 102% 19,135 12,829 203% 24,734 18,428 292% Somme de Bilan 52,429 215,320 162,891 311% 516,572 464,143 885% 839,565 787,136 1501% Nombre de banques 90 127 37 41% 215 125 139% 156 66 73%


Lenombredebanques,quantàlui,adéclinéconstam-ment à partir de 1999, témoignant du processus deconsolidationquiaprissondébutdanslesecteurban-cairedanslesannées1990àtraversdenombreusesres-tructurationsetfusionsintervenuesauniveaudesmai-

0%

500%

1000%

1500%

2000%

2500%

3000%

3500%

1977

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

Bas

e10

0=19

77

Somme de bilan Effectif Nombre de banques Résultat net

839.565

516.572

215.320

52.429

0 200.000 400.000 600.000 800.000 1.000.000

millions EUR

2006

1997

1987

1977

Somme de Bilan

24.734

19.135

12.736

6.306

0 5.000 10.000 15.000 20.000 25.000

2006

1997

1987

1977

Effectif

156

215

127

90

0 50 100 150 200 250

2006

1997

1987

1977

Nombre de Banques

5.728

1.783

386

167

0 1.000 2.000 3.000 4.000 5.000 6.000

millions EUR

2006

1997

1987

1977

Résultat net

Graphique 1

Evolution des chiffres-clés des établissements de crédit entre 1977 et 2006

Source:BCL

sonsmèresàl’étrangerjusqu’ànosjours.Acôtédececi,onobservequel’effectifdesemployésaaugmentéde6306personnesen1977à12736personnesen1987et19135personnesen1997pouratteindre24734personnesen2006(+292%parrapportà1977).


5.3.3.1 Analysedesrevenus

Lesrevenustotauxcorrespondantauproduitbancaireontprogresséde1451%durant lapériodede réfé-rence.Enchiffresabsolus,cecireprésenteunehaussesubstantiellede10256millionsd’euros.

Parmi lescomposantesduproduitbancaire, lesreve-nusnetssurcommissionsontévoluéde7208%pourpasserde52millionsd’eurosà3800millionsd’eurosentre1977et2006tandisque lamargesur intérêtsaseulementprogresséde788%correspondantà553millionsd’eurosen1977parrapportà4913millionsd’eurosfin2006.Lahaussede33460%ou1673mil-lionsd’eurosdesrevenusnetssurdiversdoitcependantêtreinterprétéeavecprudencevuleurnaturevolatileetleurfaibleniveaude5millionsd’eurosen1977parrapportàunniveauhistoriquementhauten2006.

- 500

1 500

3 500

5 500

7 500

9 500

11 500

1977

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

Marge sur intérêtsRevenus nets sur réalisation de titresRevenus nets sur commissionsRevenus nets sur opérations de changeRevenus nets sur diversProduit bancaire

Graphique 2

Evolution des principaux postes de revenus du compte de profits et pertes entre 1977 et 2006 (en millions d’euros)

Source:BCL

Lesperformancesdespositionsindividuellesdesreve-nusbancairesnevarientnonseulementenelles-mêmesmaisleurspondérationsrelativesdansleproduitban-cairechangentégalementàtraversletemps.Ceciestlerefletdespolitiquesd’investissementchangéesentre1977et2006,sansdouteavecl’arrivéedenouveauxproduitsetaudétrimentdelamargesurintérêts.

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

1977

1986

1988

1990

1992

1994

1996

1998

2000

2002

2004

2006

Marge sur intérêts Revenus nets sur réalisation de titres

Revenus nets sur commissions Revenus nets sur opérations de change

Revenus divers nets

Graphique 3

Evolution de la structure des principaux revenus bancaires entre 1977 et 2006

Source:BCL

Lapartdelamargesurintérêtsdansletotaldesreve-nusrestelaplusimportante,maisadiminuépourpas-serde78,2%en1977à44,8%en2006.Lapartdesrevenusnetssurcommissionsparcontrepassependantlamêmepériodede7,3%à34,6%.

5.3.3.2 Analysedescoûts

En chiffres absolus, les frais s’élevaient à 193 mil-lionsd’eurosen1977,809millionsd’eurosen1987(+319%),2181millionsd’eurosen1997(+1030%)et 3910millionsd’euros fin2006 (+1926%). Il estintéressant de noter, que les charges d’exploitationcorrespondaienten1977àseulement33%desfraistotauxtandisquelamajeurepartieétaitconstituéepar

mill

ions

EU

R


lesfraisdepersonnel.Suiteà larévolutionélectroni-queetauphénomènedel’outsourcingentreautres,lasituationasensiblementchangéeetfin2006,lesfraisdepersonnelnereprésententplusque58%alorsqueleschargesd’exploitations’élèventà42%dutotaldesfraistotaux.

0

500

1.000

1.500

2.000

2.500

3.000

3.500

4.000

1977

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

Autres frais d'exploitationFrais de personnel

Graphique 4

Evolution des frais généraux et du poids relatif de ses composantes entre 1977 et 2006 (en millions d’euros)

Source:BCL

L’évolutiondescoûtsparrapportauxrevenusentre1977et2006peutêtreillustréeparl’évolutionduratiocoûts/revenus.Ceratio,indicateurdel’efficacitéopérationnel-le,estpasséde27,3%enmoyennepondéréeen1977à35,7%en2006.Lacroissanceduratios’expliqueessen-tiellementparuneaugmentationaccéléréedes coûtsparrapportauproduitbancairedurantcettepériode.Laprogressiondescoûtsestdevenueincontournablesuiteauxprofondestransformationsaussibienauniveaudesproduitsqu’auniveau technologiquequ’aconnu l’in-dustriefinancière.Alorsqu’en1977,seulement6306employéstravaillaientdanslesétablissementsdecréditetquel’informatisationn’étaitqu’àsesdébuts,fin2006lesétablissementsdecréditemploientuneffectiftotalde24734personnesetlescoûtsd’informatisationenparticuliersesontmultipliés.Ilresteànoterqueleratio

coûts/revenus des banques installées au Luxembourgreste favorable par rapport à la moyenne de l’Unioneuropéennedes15.Celle-cis’élevaità60,4%pourl’an-née2003àtitred’exemple.Cettecomparaisonnetientcependantpascomptedesdifférencesdanslesmodèlesd’activitésentrecesdeuxgroupesdebanques.

0,0%

20,0%

40,0%

1977

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

Ratio coûts / revenus

Graphique 5

Evolution du ratio coûts / revenus de 1977 à 2006

Source:BCL

5.3.3.3 Analysedesrésultatsdanslecontextenational

Alorsqueleproduitbancairemoyenparemployé,lesfraismoyensparemployéet lebénéficeavantprovi-sionsmoyenparemployéconnaissentdesprogressionssimilaires,leprofitnetmoyenparemployéaccélèresaprogressionàpartirde1993.Cetteaccélérations’expli-queparlefait,quelesbanquesdelaplaceontconsti-tuéàpartirde1994sensiblementmoinsdeprovisionsquedanslapériodeallantde1977à1993.

mill

ions

EU

R


0%

100%

200%

300%

400%

500%

600%

700%

800%

900%

1977

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

Profit net moyenProduit bancaire moyenFrais moyensBénéfice avant provisions moyen

Graphique 6

Evolution des résultats moyens

Source:BCL

Leratioderentabilitéglobalecorrespondaurésultatnet*100diviséparletotalactif.CeratiosimilaireauratioROA(returnonassets)exprimedefaçonassezglo-balelerendementdesactifsdesétablissementsluxem-bourgeois.Entre1977et2006 le ratios’amélioreetprogressede0,32%à0,68%maisenpassantparunephasededépressionprolongéequireflètel’intensitédelacontributiondeprovisionsdurantcettepériode.

0,00%

0,10%

0,20%

0,30%

0,40%

0,50%

0,60%

0,70%

0,80%

1977

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

Ratio de rentabilité globale

Graphique 7

Evolution du ratio de rentabilité globale

Source:BCL

Afindepouvoir comparer laperformancedesdiffé-rentsétablissementsdecréditprésentssurlaplace,ilfaut composer une base homogène, c’est-à-dire unéchantillonquicomprenduniquementlesbanquesquiétaientcontinuellementprésentessurlaplace.Danscecontexteilimportedefairetroisremarques:

a) Les succursales des établissements de crédit ori-ginairesdespaysdel’Unioneuropéennepeuventremettre un compte de profits et pertes simpli-fié. Une vingtaine de ces succursales profite decetteopportunité.Cetaspectdenotreanalyseseconcentretoutefoissurlesétablissementsdecréditquiremettentlerapport«Comptedeprofitsetper-tes»détaillé,soitenviron90%desétablissementsdecréditluxembourgeois.

b) Notreéchantillonreprésenteentermesdesommedebilanenviron90%desbanquesprésentessurlaplaceou106établissementsdecréditenchif-fresabsolus.Parmices106établissementsdecré-dit,oncompte18nationalitésdifférentesquisontregroupéesen6nationalitésindividuelles(95%del’échantillon)leresteétantregroupésousladéno-minationROW(RestOfWorld–5%del’échantillon–12nationalités).

Base

100

=1

977


c) Lanaturedesactivitéséconomiquesetlesrevenusyattachéspeutsensiblementdifférerdebanqueàbanque.

0,00%

0,10%

0,20%

0,30%

0,40%

0,50%

0,60%

0,70%

0,80%

0,90%

1,00%

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

DE BEFR LUCH ITROW Total Echantillon

Graphique 8

Evolution comparée du ratio de rentabilité globale

Source:BCL

Legraphique9montrel’évolutionduratioderentabi-litéglobaleàpartird’unebasecommençanten1994.Il montre des progressions similaires sauf pour lesbanquesd’origineitalienneetd’originefrançaisequiaffichentdesfluctuationsplusimportantes.Cephéno-mènepeutprincipalementêtreexpliquéparlenombreetlatailledesfusionsquionteulieuentrelesacteursdecetteorigine.

0%

100%

200%

300%

400%

500%

600%

700%

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

DE BEFR LUCH ITROW Total Echantillon

Graphique 9

Evolution du ratio de rentabilité globale

Source:BCL

Finalement,ilnousresteàconstater,quelesbanquesdenationalitéluxembourgeoiseaffichentuneamélio-rationcontinuedeleurratioderentabilitéglobalepourpasserde0,28%en1994à0,44%en2005.Decettefaçon,ilsdevancentnonseulementleursconcurrentsallemands,françaisetsuissesmaisaussilaperformancedel’échantillontotalauniveaudurythmedecroissancepourlapériodeallantde1994à2005.

5.3.3.4 Analysedesrésultatsdanslecontexteeuropéen

Afin de pouvoir analyser la place financière duLuxembourgdans lecontexteeuropéen,nousavonscomposé un échantillon de pays s’étendant sur lesannées1994à2005.Toutefois,ilfaudraconsidérerlesrésultatsobtenusavecprécautionvuquelacouvertureinstitutionnelledel’échantillonaétélargementdictéepar ladisponibilitédesdonnées77sur lescomptesderevenusetdedépensesdesbanques.

77 Donnéesdisponiblesde1994à2005pour:AT;CH;DE;ES;GR;IE;IT;LU;NL;PT


Danscecontexte,ilimportedepréciserque:

• cevoletdenotreanalyseaétéétabli surbasededonnéescomplétéessuivantlaméthodologieutiliséepar l’organisationdecoopérationetdedéveloppement économiques dans sa publica-tionsurlarentabilitédesbanques78desespaysmembres;

• la couverture des banques figurant dans notreéchantillonn’estpaslamêmedanschaquepays;

78 Publicationdisponiblesurwww.sourceoecd.org

• ilexistedesdifférencesdans lessecteursbancairesnationauxc’est-à-direquelanaturedesactivitéséco-nomiquesetlesrevenusyattachéspeuventsensible-mentdifférerdepaysàpaysetdebanqueàbanque;

• les données relatives au Luxembourg couvrenttoutes les banques établies ou constituées auLuxembourg,ycomprislessuccursalesdesbanquesétrangères.Lessuccursalesétrangèresdebanquesluxembourgeoisessontcomprisesdansleschiffresrelatifsaucomptedepertesetprofits.

Tableau 2 Evolution annuelle des principaux postes du compte de profits et pertes (en millions d’euros et en pourcentage)

E

Base=1994 2000 2005

Variation Variation

Echa

ntill

on

LU Pror

ata

LU

Echa

ntill

on

LU

Pror

ata

LU

Echa

ntill

on

LU

Echa

ntill

on

LU

Pror

ata

LU

Echa

ntill

on

LU

Source:OCDE,BCL

Produitbancaire 206,811 4,630 2% 342,160 8,028 2% 65% 73% 400,303 8,381 2% 94% 81%

dont marge sur intérêt 153,240 3,098 2% 198,495 3,703 2% 30% 20% 240,473 3,961 2% 57% 28%

Fraisdepersonneletfrais

d’exploitation 223,269 2,082 1% 361,310 3,618 1% 62% 74% 398,670 3,494 1% 79% 68%

dont frais de personnel 78,806 1,103 1% 120,084 1,716 1% 52% 56% 131,005 1,994 2% 66% 81%

dont frais d’exploitation 144,462 979 1% 241,226 1,902 1% 67% 94% 267,665 1,500 1% 85% 53%

Revenusnetsavantprovisions 78,318 2,548 3% 128,435 4,410 3% 64% 73% 164,851 4,888 3% 110% 92%

Bénéficenet 22,684 1,549 7% 65,611 2,553 4% 189% 65% 96,863 3,566 4% 327% 130%

Autresvariables

Effectif 1,779,000 18,000 1% 1,822,000 23,000 1% 2% 28% 1,648,519 24,000 1% -7% 33%

Nombre de banques 6,847 222 3% 5,344 202 4% -22% -9% 4,448 155 3% -35% -30%


0

20.000

40.000

60.000

80.000

100.000

120.000

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

0

500

1.000

1.500

2.000

2.500

3.000

3.500

4.000

Echantillon LU

Graphique 10

Evolution du résultat net et du résultat net moyen 1994 – 2005 (en millions d’euros et euros)

Source:OCDE,BCL

Al’exceptiondesannées1999et2002,lesecteurban-caireluxembourgeoisasuprogressersonrésultatnetd’annéeenannéetandisquenotreéchantillonmontreuneévolutionbeaucoupplusvolatile.AuniveaudesrésultatsmoyensonobservedesniveauxnettementplusélevésauLuxembourgparrapportàlamoyennedel’échantillon.Eneffet,alorsquenotreéchantillonafficheuneévolutionplusrapideauniveaudeschiffresrelatifs,lesrésultatsmoyensdelaplacefinancièreduLuxembourgsontenmoyennede354%plusélevésentermesdechiffresabsolus.

0%

10%

20%

30%

40%

50%

60%

70%

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

Echantillon LU

Graphique 11

Part relative des frais de personnel dans les frais généraux

Source:BCL

0

20.000

40.000

60.000

80.000

100.000

120.000

140.000

160.000

180.000

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

Echantillon LU

Résultatnet Résultatnetmoyen

LU-

mill

ions

d’e

uros

Echa

ntill

on-

mill

ions

d’e

uros

EUR


Ducôtéfrais,onobserved’unepartqu’enmoyennelapartrelativedesfraisdepersonnelestplusélevéepourla place financière du Luxembourg (52%) que dansnotreéchantillon(36%).Cettetendancepeutpartielle-mentêtreexpliquéeparunemassesalarialeplusimpor-tantegénéréeparlamain-d’œuvrehautementqualifiéeetspécialiséequiestprésentesurlaplace.D’autrepartleschargesd’exploitationsontplusélevéesdansnotreéchantillonqu’auLuxembourg.

Tableau 3 Evolution trimestrielle des principaux postes du compte de profits et pertes (en millions d’euros et en pourcentage)

E

Base= Variation Variation

1994/12 2000/12 Absolue Relative 2006/12 Absolue Relative

Source:BCL

Produitbancaire 1007 1792 785 78% 2771 1764 175% dont marge sur intérêt 730 808 78 11% 1514 784 107% dont sur réalisation de titres 34 55 21 63% -120 -154 -452% dont sur commissions 248 666 419 169% 923 675 273% dont sur opérations de change 33 104 71 219% 103 70 215% dont sur divers -37 159 195 531% 351 388 1054%Fraisdepersonneletd’exploitation 454 812 358 79% 1052 598 132% dont frais de personnel 269 425 157 223% 598 329 123% dont frais d’exploitation 185 387 202 245% 454 269 145%Résultatnet 469 506 36.45 8% 1512 1043 222%

5.3.4 Analysetrimestrielledesévolutionsdel’agrégatducomptedeprofitsetpertesde1994/12à2006/12

Tandisqu’uneanalysedétailléeducomptedeprofitsetpertesde l’année2006peutêtre trouvéedans lechapitre 3 de cette revue, cette partie est axée surl’analyse des évolutions trimestrielles entre 1994/12et2006/12.Engrandes lignes, l’analyse trimestrielleconfirmelesrésultatsconstatéslorsdel’analyseannuel-le.Additionnellement,l’étudedeschiffrestrimestrielsdésagrégésnouspermetde retracerprécisément lesévolutionsdeladernièredécade.

5.3.4.1 Analysedesrevenus

Auniveauduproduitbancairepar trimestre,onestactuellementenprésencedeniveauxhistoriquementhautsetdépassantceuxdutroisièmetrimestre2000.Eneffet,2006/09et2006/12sontde34%respective-ment24%plushautsque2000/03.Lesrevenusavan-centainside175%ou1764millionsd’eurosentre1994/12et2006/12.Alorsquelamargesur intérêtsafficheuneévolutiondequelque107%, les revenus

netssurcommissionsprogressentenmêmetempsde273%ou675millionsd’euros.

Legraphique10ci-jointconfirmequelesrevenusrepré-sentésparlamargesurintérêtsperdentenimportancedansleproduitbancairetrimestrielauprofitdesreve-nusnetssurcommissions.Ainsi,àtitred’exemple,ladifférenceentrelamargesurintérêtsetlesrevenusnetssurcommissionsnereprésentaitplusque71millionsd’eurosou7%aupremiertrimestre2006.


0

500

1.000

1.500

2.000

2.500

3.000

1994

/12

1995

/06

1995

/12

1996

/06

1996

/12

1997

/06

1997

/12

1998

/06

1998

/12

1999

/06

1999

/12

2000

/06

2000

/12

2001

/06

2001

/12

2002

/06

2002

/12

2003

/06

2003

/12

2004

/06

2004

/12

2005

/06

2005

/12

2006

/06

2006

/12

Marge sur intérêtRevenus nets sur commissionsProduit bancaire

Graphique 12

Evolution trimestrielle du produit bancaire et de ses principales composantes (en millions d’euros)

Source:BCL

Enéliminantlavolatilitéquelesrevenusnetssurdiversapportentauproduitbancaire, legraphique11nousrenseignequelestrimestreslesplusproductifsenter-mesderevenussontclassiquementlesdeuxpremierstrimestresetquelestrimestreslesmoinsproductifscor-respondentauxdeuxdernierstrimestres.Lapériodedescongésd’étéautroisièmetrimestrepeutêtreàl’originedesrevenusmoindres.

0

500

1.000

1.500

2.000

2.500

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

fin mars fin juinfin septembre fin decembre

Graphique 13

Evolution du produit bancaire par fin de trimestre (en millions d’euros)

Source:BCL

5.3.4.2 Analysedescoûts

Endiversifiantleursactivitésendirectiond’opérationsdeconseiletdegestionpatrimonialeenrelationavecuneclientèleprivéeetinstitutionnelle,lesbanquesontencourudescoûtsdeproductionaccrusafindemet-tre en place l’infrastructure immobilière, matérielle,techniqueethumainerequise.Aceci,s’ajoutentenfindepériodedesfraissupplémentairesgénéréspardesmodificationsducadrerèglementaireenparticulierl’in-troductiondesnormescomptablesinternationalesouencoredeBâleII.Ainsilesfraisprogressentde132%ou598millionsd’eurosentrelederniertrimestre1994etlederniertrimestre2006.Leralentissementdel’évo-lutiondesfraisentre2001/03et2004/09estessentiel-lementdûauxsuitesdel’éclatementdelabullespé-culativedanslesmarchésboursiersetauxattentatsdu11septembre2001.

mill

ions

EU

R

mill

ions

EU

R


0

100

200

300

400

500

600

700

1994

/12

1995

/06

199 5

/12

1996

/06

1996

/12

1997

/06

199 7

/12

199 8

/06

1998

/12

1999

/06

199 9

/12

200 0

/06

2000

/12

2001

/06

2001

/12

200 2

/06

200 2

/12

200 3

/06

2003

/12

200 4

/06

200 4

/12

2005

/06

2005

/12

2006

/06

200 6

/12

Frais de personnel

Frais d'exploitation

Frais de personnel - moyenne mobile, 2 périodes

Frais d'exploitation - moyenne mobile, 2 périodes

Graphique 14

Evolution des frais de personnel et des charges d’exploitation entre 1994/12 et 2006/12 (en millions d’euros)

Source:BCL

30%

35%

40%

45%

50%

55%

60%

65%

1994

/12

1995

/06

1995

/12

1996

/06

1996

/12

1997

/06

1997

/12

1998

/06

1998

/12

1999

/06

1999

/12

2000

/06

2000

/12

2001

/06

2001

/12

2002

/06

2002

/12

2003

/06

2003

/12

2004

/06

2004

/12

2005

/06

2005

/12

2006

/06

2006

/12

Part relative des frais de personnelPart relative des frais d'exploitation

Graphique 15

Evolution de la part relative des frais de personnel et des charges d’exploitation dans les frais entre 1994/12 et 2006/12

Source:BCL

La tendance observée lors de l’analyse annuelle del’évolutiondupoidsdestypesdecoûtsseconfirme.Eneffet,lapartrelativedesfraisdepersonnelestmarquéeparunetendanceglobaleàlabaissepoursestabiliserversle1ertrimestre2002etoscilledèslorsautourdes57%.Leschargesd’exploitationquantàellesaugmen-tentjusqu’aupremiertrimestre2001etsestabilisentensuitedanslesenvironsde43%.

5.3.5 Laparticularitédesrevenusnetssurdivers

Lesrevenusnetssurdiversouencorerevenusexcep-tionnelsreprennentlesproduitsquiontunefréquenceinhabituelle et qui ne proviennent pas des activitésordinairesdesétablissementsdecrédit.Tous lesélé-mentsquinerépondentpassimultanémentàcesdeuxcaractéristiquessontàtraitercommedespostesrepre-nantlesproduitsordinaires.Lesrevenusnetssurdiverscomprennentégalementd’autresproduitscommelesrésultatsissusd’unchangementdeméthodecompta-bleouencorelesrésultatsissusdecorrectionsd’erreursou d’omissions significatives relatives aux exercicesantérieurs.

Ilfauttoutefoisconsidérerlesrevenusnetssurdiversavecvigilancevuleurnaturevolatileetnonrécurrentetelquelemontrelegraphique14.

mill

ions

EU

R


-700

-500

-300

-100

100

300

500

700

900

1.100

1994

/03

1994

/12

1995

/09

1996

/06

1997

/03

1997

/12

1998

/09

1999

/06

2000

/03

2000

/12

2001

/09

2002

/06

2003

/03

2003

/12

2004

/09

2005

/06

2006

/03

2006

/12

Revenus nets sur divers

Graphique 16

Evolutions trimestrielles et annuelles des résultats nets sur divers

Source:OCDE,BCL

Lespointesen1998,2002etfinalementen2006peu-ventêtreexpliquéesparlaréalisationdeparticipations(suiteàunefusionouuneintroductionenbourse)quelesbanquesdelaplaceontdétenudanslessociétéstel-lesquelaSociétéeuropéennedessatélites(introductionenbourseen1998),Clearstream(fusionavecDeutscheBörseClearingen2002)ouencoreArcelor(fusionavecMittalSteelen2006).Les revenusnets surdivers sesoldenten1997parunchiffrenégatifsousl’influenced’uneséried’opérationsdetradingsuractionsetpro-duitsdérivésparticulièresàunebanque79.

Finalement,afind’illustrercettesituationdavantage,legraphique17ci-jointmontrel’évolutionduproduitbancaireavec(CUM)etsans(EX)lesrevenusnetssurdivers.L’évolutiondesrevenusbancairessanslesreve-nusnetssurdiversestmoinsvolatilevuqu’ellerepré-senteuniquement lesdonnées relativesauxmétiers-clésdesbanques.

79 Cf.rapportannuelIML1997,page55

- 100

100

300

500

700

900

1 100

1 300

1 500

1 700

1977

1986

1988

1990

1992

1994

1996

1998

2000

2002

2004

2006

Revenus nets sur divers

mill

ions

EU

R

mill

ions

EU

R

Evolutiontrimestrielle Evolutionannuelle


-1.000

-500

0

500

1.000

1.500

2.000

2.500

3.000

1994

/03

1995

/06

1996

/09

1997

/12

1999

/03

2000

/06

2001

/09

2002

/12

2004

/03

2005

/06

2006

/09

Produit bancaire EXProduit bancaire CUMRevenus nets sur divers

Graphique 17

Impact des revenus nets sur divers sur le produit bancaire

Source:BCL

5.3.6 LerôledesOPC/l’influencedesOPCsurlecomptedeprofitsetpertesdesétablissementsdecréditluxembourgeois

L’èredesfondsd’investissementatrouvésonessorvéri-tableavecladirectiveeuropéennesurlesorganismesdeplacementscollectifsenvaleursmobilières(OPVCM)80que leLuxembourgatransposéentantquepremierpaysdanssoncadrejuridiquenational.Ainsi,l’industriedesfondsd’investissement,aujourd’huiundespiliersde laplacefinancièreduLuxembourg,acontinuelle-mentpuétendresonimportanceaussibienauniveaunationalqu’auniveaueuropéenetinternational.Ainsi,lavaleurnetted’inventairedesfondsd’investissementafranchilecapdes1844milliardsd’eurosfindécem-bre2006.

Lesbanquesquantàellesassurentnonseulementlesfonctionsdebanquedépositairepourlesfondsd’inves-tissementmaisencore,pourcertains,d’administrationcentrale.

Enanalysantl’évolutiondelavaleurnetted’inventairedesfondsd’investissementetl’évolutiondesrevenusnetssurcommissions,onpeutobserverunefortecorré-

80 DirectiveCEE85/611duConseildu20décembre1985portantcoordinationdesdispositionslégislatives,réglementairesetadministrativesconcernantlesorganismesdeplacementscollectifsenvaleursmobilières

lationpositiveégaleà93%.Ledéveloppementfavora-bledescommissionsperçuesestdoncconfirméparunehaussecontinuede lavaleurnetted’inventaire (VNI)desOPCsurbasedelaquellesontcalculéeslescommis-sionsquecesderniersdoiventverserauxbanques.

-2 000

0

2 000

4 000

6 000

8 000

10 000

12 000

1977

1979

1981

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

Produit bancaire EXProduit bancaire CUMRevenus nets sur divers

mill

ions

EU

R

Evolutiontrimestrielle Evolutionannuelle

mill

ions

EU

R


0%

100%

200%

300%

400%

500%

600%

700%

800%

1994

/12

1995

/12

1996

/12

1997

/12

1998

/12

1999

/12

2000

/12

2001

/12

2002

/12

2003

/12

2004

/12

2005

/12

2006

/12

Evolution VNIEvolution Revenus Nets sur commissionsMoyenne mobile Evolution VNIMoyenne mobile Evolution Revenus nets surcommissions

Graphique 18

Evolution trimestrielle de la valeur nette d’inventaire des fonds d’investissement et des revenus nets sur commissions entre 1994 et 2006

Source:BCL

Base

100

=1

994


5.4 Banks’ liquidity management regimes and interbank activity in a financial stability perspective*

Supplyingthebankingsystemwithsufficientliquidityisingeneralacentralbankresponsibility.Thisincludestheexecutionofmonetarypolicyoperations,thedesignofrobustpaymentsystemsaswellasissuesrelatedtoemergencyliquidityassistance.Innormaltimesbanksget liquiditythroughmonetarypolicyoperationsandsmooththeir liquiditypositionvia interbankdepositsandlending,whichcontributestoredistributeliquid-ityefficientlyinthebankingsector.Indeed,interbankmarketsplayan importantrole inthefunctioningofthefinancialsystembytransferringliquidityfrombankswithacashsurplustobankswithacashdeficit.Inthissense, interbankmarkets foster financial integrationbut they also increase linkages and contagion riskswithinthefinancialsystem.Thefirstpartofthisarticlelaysoutsomeaspectsofliquiditymanagementregimeswithafocusonfinancialstability.

Luxembourg’sfinancialcenterischaracterizedbyahighproportionofbranchesandsubsidiariesofinternation-albankscarryingoutamainlyliabilitiesdrivenactivitygeneratingexcessliquidityinLuxembourg.ThesecondpartofthisarticleillustratestheliquidityhubfunctionoftheLuxembourgfinancialcenter.

5.4.1 Liquiditymanagementregimes

Theoretically,abank’sliquidityriskscanbeminimisedby holding substantial cash and fully liquid assets.However, thisentailsopportunitycostsforabank intheformof lower interest income.Thus,anefficientliquiditymanagementaimstominimisethesecostsandearningsrisks.

According to recent ECB81 and Joint Forum82 stud-ies,largeEUbanks’fundingsourceshavechangedinrecentyearswithanincreasinguseofwholesalefund-ingandnewinstrumentssuchassecuritisation,coveredbondsandotherstructuredproducts.Thisindeedhasresultedintobroadersourcesofavailableliquiditybutalsohighervolatilityoffundingcostsandamorecom-plicatedliquidityprofileassessment.Ontheonehand,newinstrumentscanincreasediversificationandeffi-ciencyofliquidityriskallocationinthemarket.Butontheotherhand,theliquidityandstabilityofthesenewinstrumentsthemselveshavenotbeentestedyetunderstressedconditions.Moreover, some instrumentsaredifficulttoevaluateandlargeintra-dayvariationsinthe

paymentprofileaddtotheuncertaintiesrenderinganefficientliquiditymanagementmoredifficult.

Regarding the structure of the euro money market,theECB’sbiennialstudy83showsthattheaggregatedturnoveroftheeuromoneymarketexpandedstrong-ly,withaparticularlystrongupswingof interestratederivatives.

Anefficientliquiditymanagementrequiresanaccurateoverallandtimelypictureofabank’sactualandpoten-tialpaymentprofileatdifferenttimehorizonsaswellonagroupwidelevelasonanentitylevel.Thisalsoincludestheelaborationofliquiditycontingencyplans.

Increasinginternationalisation,financialintegrationandconsolidationmaybeafactorinfluencingliquidityman-agementregimes.Creditinstitutionscanadopteitheracentralised,oradecentralizedoramixedapproachfortheirliquiditymanagement.Ontheonehand,cen-tralisationofliquiditycanleadtocostefficiencyatthegrouplevelandenableabetteraggregateoverviewoftheliquidityprofileofabankinggroupactiveinmanydifferentlocations.Ontheotherhand,thecentralisa-tionofliquiditymanagementmeansgreaterinterlink-ageswithinbankinggroupsandtherebygreaterspill-overrisksespeciallyintimesofstress.

AccordingtoastudycarriedoutbytheECBin2001,the introduction of the euro could have lead bank-inggroupstoconcentrate the liquiditymanagementofeuroassetsintoonecenterforthegroup;therebyfacilitatingthecoordinationoffundingflows,enhanc-ingtransparencyandallowingpre-nettinginthegroup.Overall, one could imagine a further trend towardsmore centralized liquidity management systems inEuropeinviewoftheongoinginternationalisationandintegrationoftheinternationalbankingregimes.

Ingeneral,variousfactorsmightinfluencethede/cen-tralisationofliquiditymanagementinbankinggroupslikeinteraliathelevelofcomplexityofagroup’sactivi-ties,thelevelofinternationalisationofitsbusiness,typesof foreign currency exposure, transaction costs andtimezonedifferences,needforlocalknowledgeandproximity,differentlegalandfiscaloperatingregimes,insolvencylaw,collateraleligibilityandtransferability,haircutregimes,liquidityflowrestrictions,largeexpo-

* ContributionbySandrineScheller.81 ReportonEUBankingStructures2006,ECB,200682 Themanagementofliquidityriskinfinancialgroups,TheJointForum,BaselCommitteeonBankingSupervision,200683 Euromoneymarketstudy2006,ECB,February2006


surerules,depositguaranteeschemes,regulatoryandsupervisoryregimes.Regardingregulatoryandsupervi-soryregimes,nottheprudentialrequirementsassuch,butrathertheexistingdifferencesbetweendomesticregimesmaybeanissueforbankinggroupsoperatinginmanydifferentcountries.

Internationallyactivebankshavetomeetlocalregula-toryregimesandholdliquiditytomeetpaymentobli-gationsineachofthesystemstheyaredealingwith.Though,holdinglargeenoughlevelsofliquidityineachlocalentityandfinancialsystemtocoveralllocalneeds,wouldbecostlyandsuboptimal.Bankinggroupsmaythereforehavean incentive tocentraliseat least themanagementofinformationabouttheliquidityprofileofitslocalentitiesinordertogetanaggregatepictureof theoverall liquidityprofileof thegroup.Though,localsubsidiariesandbranchesmaybemorefamiliarwith localconditionsandcounterparties,whichmayprovideincentivestodecentraliseotherpartsofliquid-itymanagement.

Takingintoaccounttheaforementionedaspects,itisprobablethatinternationallyactivebankstendatleasttocentralisethesettingofoverallliquiditypolicy,con-tingencyplans,principlesand limitsand theirglobalmonitoringwhereasdaytodayliquiditymonitoringandimplementationofliquiditymanagementmay,atleastinsomecases,remainmoredecentralised.Thecentrali-sationofthegloballiquiditymanagementframeworkand its monitoring may be of particular interest forlargeandcomplexbankinggroupsinordertohaveatimelyaggregatepictureofthegroup’soverallliquidityprofile.

If therewerenobarriers at all to transferring fundsbetweensystems,andtocentralizeliquiditymanage-ment,largebankinggroupscouldfullycentralizetheirliquiditymanagementandexploiteconomiesofscale.However,completepoolingofliquiditycouldimplyagreater exposure tooperational risk due to liquidityconcentrationinfewersystems.Notwithstandingthebenefitsassociatedwithamoreefficientfunctioningof a group’s internal liquidity management, centralliquidity management may increase intra-group andcross-bordercontagionrisks,withapotential impactonfinancialstability.

Arrangements in times of stress

Theaforementionedaspectsalsohaveimplicationsonarrangementsforthehandlingofliquidityintimesofstress.Primarily,financialinstitutionshavecontingencyplans inplacefor liquiditystresssituations, including

creditlineswiththeirmaincounterparties.However,intimesofmarketstress,counterpartiestendtobemorevigilantandmightbereluctanttoprovideliquiditytothe interbankmarket, inparticular tocounterpartiesalreadyencounteringproblems.This could lead toasituationwhereoverallliquidityisstillsufficientinthebankingsystem,butnotwelldistributedthroughthefinancialsystem.Liquidityproblemsarisingatoneinsti-tutionhavethepotentialtospreadthroughinterbankoperationsandpaymentsystemstootherinstitutionsandturnintoasystemicliquidityproblem.

In thecontextof liquiditystress,acentralbankmayconsiderinexceptionalcircumstancesandonacase-by-casebasistoprovideemergencyliquidityassistancetotemporarily illiquid institutions in its jurisdiction inorder to prevent potential systemic spillover effects.Hence,centralbanksneedtocloselymonitoranyliquid-itydevelopments.Thisinteraliaenglobesinformationoncontingencyfundingplans,instrumentsinvolvedforliquiditymanagement,structureof liquiditymanage-mentregimes,knowledgeaboutwheretheliquidityandcollateralisheldandwhetheritcanbetransferredinatimelymannerbetweendifferententitiesofagroup.Informationsharingbetweentheresponsibleauthori-tiesatthedomestic,cross-borderandcross-sectorleveliscrucialfortheassessmentofthegloballiquiditypic-tureinanintegratedfinancialenvironment.

TheLuxembourgfinancialcenterbeingamajorhostcountryofbranchesandsubsidiariesof internationalbanks,theBCLhasanobviousinterestinmonitoringissuesrelatedtoliquiditymanagementregimes.Asafirststep,inordertogetanideaoftheimportanceofliquidityhubactivitiesofLuxembourgbasedbankstheremainderofthisarticleillustratesthehighparticipa-tionofLuxembourgbanksintheEurosystem’stenderoperations and the importance of the Luxembourginterbankmarketonaglobalaswellasonan intra-grouplevel.

5.4.2 TheLuxembourgfinancialcenterasaliquidityhub

Participation in central bank open market opera-tions

Euro area banks get the bulk of their central bankmoneythroughtheirparticipationinthemainrefinanc-ingoperations(MRO).Overthelastyears,LuxembourgbanksrecordahighparticipationintheEurosystem’stendersranking2ndintermsofallocationvolumein2006.Overthelast3years,theshareofLuxembourgbanksinthetotalvolumeallocatedbytheEurosystem’s


MROswasonaverage8,6%;albeitLuxembourgbanks’balance sheet sum represents only about 3,5% ofeurozonebanks’totalbalancesheetsum.Theshareof Luxembourg in the total numberof participatingbanks was on average 5,9%; albeit the number ofLuxembourgbanksaccountsonlyforabout2,5%inthetotalnumberofbanksestablishedintheeurozone.

Overall, the large participation of Luxembourg in theEurosystem’s monetary policy operations underminesthatLuxembourgistraditionallyaliquidityhub,envolvingtheredistributionofliquidityintheinterbankmarket.

7,1

9,9

12,0

10,0

8,67,8

9,4

3,9

5,25,9

7,1

5,9 5,7 6,0

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

2000 2001 2002 2003 2004 2005 2006

LU %-allocation volume LU %-number of participants

Chart 1

LU allocation volume in Eurosystem’s MROs

Source:BCL,ECB

DataontenderparticipationinLuxembourgshowthat,internationalbankinggroupswhohaveseveralentitiesinLuxembourgingeneralonlyparticipateviaonesin-gleentity inthetendersviaLuxembourg. Ingeneral,entitiesbelongingtosmallandmediumsizedinterna-tionalbankinggroupsseemtoparticipatemoreinten-dersviatheirhostcountryLuxembourgthanentitiesoflarge internationalbankinggroups.Thiscouldbeanindicationforahighertrendofcentralizationoftenderparticipationatlargeinternationalbankinggroupsthan

atsmallandmediumsizedbankinggroups.Though,thiscanalsobeseeninlightofthefactthatlargebanksmayhaveeasierandcheaperaccesstorefinancingviacapitalmarketsthansmallandmediumsizedbanks.

Interbank activity and reflections on financial stability

Albeit being already in an excess liquidity position,Luxembourgbanksare importantparticipants in theEurosystem’sliquidityprovidingoperations.Thisunder-pinstheroleofLuxembourgbanksasacenterofcom-petenceformoneymarketproductsandtheredistribu-tionofliquidity.

Regarding liquidity management issues and possi-bleimplicationsoncontagionrisks,itisinterestingtoexplorehowthisexcessliquidityisredistributedthroughtheinterbankmarket.MostLuxembourgbasedbanksbelongto internationalbankinggroups84whichmayhaveadoptedamoreorlesscentralizedapproachtoatleastsomepartsoftheirliquiditymanagement.

InterbankactivityrepresentsalargeshareofthetotalbalancesheetofbanksinLuxembourg,withaparticu-larimportanceofintragroupassetsandliabilities.Ontheonehand,thismaybelinkedtostrategicpoliciesoftheconcernedbankinggroups.Ontheotherhand,this may also be an indication for centralization ofliquiditymanagementwithexcessliquiditygeneratedinLuxembourgbybranchesandsubsidiariesofforeignbanksbeingprimarilyredistributedtootherentitiesofthegroupinneedofliquidityorhavingamoreassetdrivenactivity.

Indeed,Luxembourgbankingdatashowthat,onanetbasis85, interbankloansexceedinterbankdepositsallovertheperiodanalysed(September1998-December2006).

Ontheassetside,theshareofinterbankloansintotalassetsfluctuatesbetween53%and47%duringtheperiod analysed (September 1998-December 2006).EndofDecember2006,theshareofinterbankloansintotalassetsreached49%,ofwhich72%areintra-grouploans.Regardingtheshareofintragrouploansintotalinterbankloans,itisinterestingtohighlighttheriseofthissharefromaround60%in2000to72%in2006,whichmayinteraliabeseenin lightoftheoverallM&Aactivity.

84 End2005,96%oftotalbanksinLuxembourgarebranchesandsubsidiariesofforeignbanksand94%oftotalbankassetsareholdbyforeignentities.

85 Interbankloans/Interbankdeposits


Ontheliabilitiesside,theshareofinterbankdepositsintotalliabilitiesfluctuatesbetween41%and47%dur-ing theperiodanalysed (September1998-December2006). End of December 2006, interbank depositsrepresent41%oftotal liabilities.Albeitbeingratherfluctuating, theshareof intragroupdeposits in totalinterbankdepositsingeneralincreasedsince2000toreachabout65%in2006.

0%

10%

20%

30%

40%

50%

60%

70%

80%

1998

09

1999

06

2000

03

2000

12

2001

09

2002

06

2003

03

2003

12

2004

09

2005

06

2006

03

2006

12

% interbank deposits in total liabilities

% intragroup interbank deposits in totalliabilities

% intragroup in total interbank deposits

Charts 2 and 3

Interbank activity in Luxembourg

Source:BCL

0%

10%

20%

30%

40%

50%

60%

70%

80%

1998

09

1999

06

2000

03

2000

12

2001

09

2002

06

2003

03

2003

12

2004

09

2005

06

2006

03

2006

12

% interbank loans in total assets

% intragroup interbank loans in total assets

% intragroup in total interbank loans

Interbankdeposits Interbankloans

Afurtherbreakdownofinterbankloansshowsthesmallshare of domestic interbank loans compared to cross-border interbank loans.Moreover,betweentheendoftheninetiesand2006,theshareofcross-borderloansintotalinterbankloanscontinuouslyincreasedwhereasthedomesticsharedecreased.EndofDecember2006,86%oftotalinterbankloansareofcross-bordernature,com-paredto78%attheendofthe90ies.Similarlytotheassetside,afurtherbreakdownattheliabilitiesside,revealsahighshareofcrossborderinterbankdepositscomparedtodomesticinterbankdeposits.Theshareofinterbankcross-borderdepositsintotalassetsincreasedovertime.


0%

5%

10%

15%

20%

25%

30%

1998

09

1999

06

2000

03

2000

12

2001

09

2002

06

2003

03

2003

12

2004

09

2005

06

2006

03

2006

12

% domestic interbank deposits / total interbank deposits

Charts 4 and 5

Part of domestic interbank activity in Luxembourg

Source:BCL

Thepreviousfiguresillustratetheimportanceofinter-bankactivity,inparticularcross-borderandintragrouptransfers,inLuxembourgandhencethepotentialforcontagion via the interbank market. Financial con-solidationandmorecentralizedliquiditymanagementregimesmayhaveleadtoanintensificationoftransfersintheinterbankintragroupmarket.

Regardingcollateralizationpractices,globalstructuraldevelopmentsperceptibleingeneralinothermarketsmayalsoaffectLuxembourgbanks.Onetendencyper-ceptibleisthetrendfromunsecuredtosecuredfund-ing.Collateralbecomesmoreimportantbutcashtrans-actions,i.e.unsecuredtransactionspersist,inparticu-larinagroupstructure.Pressuresonreturnonassetsandreturnonequitymayleadtoanincreasinguseofsecuredtransactions,whicharelesscostlythanunse-curedtransactionsintermsofcapitalrequirements.

5.4.3 Concludingremarks

Innormaltimes,theinterbankmarketactsasanimpor-tant liquiditydistributionchannel transferring liquidityfrombankswithacashsurplustobankswithacashdefi-cit.Thisindeed,hasapositiveeffectonbank’sefficiency.However,intimesofstress,whereallbankstrytoseekon

theirinterbankliquidity,thisredistributionchannelmaynotworkadequatelyandturnintocontagioneffects.

Bank interlinkages canbe a channel throughwhichproblemsinonebankspreadacrossthesystem,aswelldomesticallyascross-border.Ontheonehand,inter-banklendingcancontributetofinancialstabilityasitenhancesabank’sownincentivesformonitoringotherbanks.Butontheotherhand,liquidityproblemsatonebankdirectlyorindirectlytranslateintoincreasingpres-sure on its interbank counterparts. Direct exposuresmeanthataliquidityprobleminonebankcouldcausesignificantlossestoitscounterparts.Indirectexposuresmeanforinstancethatliquidityproblemsinonebankcould causemarket doubts about the soundness ofotherbanksinvolvedinsimilaractivities.

High and increasing interbank exposures both on adomesticandonacross-borderlevelaswellasdevel-opments in collateral practices and money marketinstrumentsareimportantissuesfromafinancialsta-bilitypointofview,whichmeritongoingmonitoringandfurtheranalysis.Thisisofparticularimportanceforcountries,suchasLuxembourg,thatarecharacterizedby the largepresenceof entitiesof foreignbankinggroupsandanimportantinterbankactivity.

0%

5%

10%

15%

20%

25%

1998

09

1999

06

2000

03

2000

12

2001

09

2002

06

2003

03

2003

12

2004

09

2005

06

2006

03

2006

12

% domestic interbank loans / total interbank loans

%domesticinterbankdeposits/totalinterbankdeposits

%domesticinterbankloans/totalinterbankloans


5.5 Securities lending*

5.5.1 Securitieslendingmarket

Securitieslendingbeganasaninformalmarketpracticebetweenbrokers.Ithasnowadaysevolvedintoamajorandgrowingbusinessareaandplaysacentralroleinthesecurities,cashandderivativesmarketsworldwide.

Thesecuritieslendingactivitycontributestothefinancialstabilityinvariousways.Itprovidesmeansforsecuredfinancingtoparticipants, it improvestheglobalmar-ketliquidity,italsoimprovesthesettlementefficiencyinreducingtheoccurrenceoffailedtransactionsanditfacilitatestheimplementationofinvestmentstrate-gies.Ontheotherhand,thesecuritieslendingactivitygivesalsorisetoanumberofdifferentrisks.Problemsinthesecuritieslendingareacouldassuchbeasourceoffinancialdisturbance,impairingliquidityofmarketsandfinancialstability,ifnotadequatelymanagedandcontrolled.

Thisarticleaimsatgivingageneraldescriptionofthesecurities lendingmarketandtherisks linkedtothisactivity86.Thefirstsectionprovidesageneraloverviewofthesecuritieslendingtransactionsandmarketpar-ticipants.Thesecondsectiondescribesthetypesandsourcesof riskspresent insecurities lendingandtheriskmanagementpracticesusedbyparticipantstomiti-gatethoserisks.Thelastsectiondiscussesthepotentialimplicationsforcentralbanks.

5.5.1.1 Securitieslendingtransactions

Securities lending can be defined as the temporaryexchangeof securitiesagainstother securitiesoranequivalentcashamount fromthe lender to thebor-roweragainstfees.Theborrowerhastheobligationtoreturnthosesecuritiesondemandorattheendoftheagreedtimeperiod.

Evenifthosetransactionsarereferredtoassecuritieslending,thesecuritiesareactuallynot lent.Formosttransactions,there is infactatransferoftitleofthesecuritiesfromthelendertotheborrowerandofthecollateralfromtheborrowertothelender.Theborrowerhasalegaltitletothesecuritiesforthelifeofthetrans-actioni.e.theborrowercanlendorsellthemonwardto thirdparties.However,economically, the transac-tionismoresimilartoaloanastheeconomicbenefits

associatedwiththosesecurities(e.g.dividends)belonginfirstinstancetotheborrowerbutarecontractually“manufactured”backtothelenderi.e.theborrowermakesequivalentpaymentsbacktothelender.

Securitieslendingtransactionsincludedifferenttypesoftransactionsthatcanbeclassifiedintotwocategories:securitiesdrivenandcashdriven.Inthesecuritiesdriventransactions(securitiesloans),borrowerswanttempo-raryaccesstospecificsecuritiesthattheyhavetodeliv-ertoathirdparty.Mostsecuritiesloanstransactionsarecollateralized,whichmitigatesthelender’sexposuretocreditriskontheborrower.Inthecashdrivenmarket(repurchaseagreementsandsell/buybackagreements)participantswant toborrowcash,andsecuritiesarebeinglent/borrowedascollateral.

Theuseof intermediaries (such as custodianbanks,brokers,dealers,third-partyagents)ishigherforsecuri-tiesloansthanforrepurchaseagreementsandsell-buybackagreements,thelatterbeingmoreoftendealtonadirectbasisbetweencounterparties.

Both categories of transactions play a vital role indomesticandinternationalfinancialmarkets,improv-ingliquidityandflexibilityofsecurities,derivativesandcashfinancingmarkets.Securitiesloanscontributetoamoreefficientandlessriskysecuritiessettlement.Cashfinancingtransactionsarealsousedbycentralbanksformonetaryoperationsandprovidemarketinforma-tionontheevolutionofinterestrateexpectations.

Securities loans

Insecuritiesloans,thesecuritiesowner,foranagreedfee, typically lendssecurities toaborrowerwhohasto return thesamesecurities.These transactionsaregenerallycollateralizedbyother securities,cashorabank-issuedletterofcredit.Tomitigatetheriskofanypricefluctuationsofthecollateralincaseofborrowerdefault, the lender receives an initial margin that isexcesscollateralabovetheloanvalue.

Asalreadymentionedthereisatransferoftitleofthesecurities on loan from the lender to the borrower,whocantransferthemtoanotherparty.Incaseofbor-rowerdefault, the lenderhasnoproperty interest intheoriginalsecuritiesbuthastherighttoforecloseon

* ContributionbyCatherineWinandy.86 Mainsources: -Securitieslendingtransactions:Marketdevelopmentsandimplications,CPSS–IOSCO,1999 -Anintroductiontosecuritieslending,MarkFaulkner -Securitieslendingandcorporategovernance,MarkFaulkner -Securitiesborrowingandlending,MatthewHarrisonandAdaChoi


thecollateral.Thesecuritieslenderretainscontractualrightssimilartobeneficialownership(e.g.dividends)87andthesameisvalidfortheborrowerregardingthecollateral.

Repurchase agreements (repos)

Inreposonepartyagreestosellsecuritiestoanotheragainstatransferofcash,withasimultaneousagree-menttorepurchasethesamesecurities(orequivalentones)ataspecificpriceonanagreeddateinthefuture.Securitiesborrowersaretypicallyreferredtoasbuyerswhereassecuritieslendersarecalledsellers.

Whilereposmaybeexecuted inviewoftransferringtheownershipofaparticularsecuritybetweenthesell-erandtheborrower(securitiesdriven),reposarealsooftenstructuredascollateralizedcashloansorfundingtransactions(cashdriven).Inthelattercashdriventype,partiesmayagreethatthereposellerretainstherighttosubstitutetherepoedsecuritiespostedascollateral.

Dividendsandcouponsarepaidbythebuyertotheoriginalseller.

Sell/buy back arrangements

Insell/buybacktransactions,asecuritiesselltradeandabuytradeareenteredsimultaneouslyintothesystem,withthebuytransactionagreedforafuturesettlementdate. The purchaser of securities (i.e. the borrower)receiveslegaltitleandbeneficialownershipofthesecu-rities.Heretainsanyaccruedinterestandcouponpay-mentbuttheendpricereflectstheeconomicbenefitsofanycouponbeingpassedbacktothelender.

Sell/buy backs are generally motivated by financingpurposesandinvolvebonds.

Execution, processing and settlement of a trans-action

Securitieslendingtransactionsaretypicallyconductedontheover-the-countermarket(outsidecentraltradingsystems).Thusglobalstatisticsonthedifferenttypesofsecuritieslendingtransactionstradedandtheamountsoutstandingarenotreadilyavailable.Furthermore,thehigh number of market participants, including non-regulatedoneslikehedgefunds,addstothedifficultiesofgatheringcomprehensiveinformationontheofficialsizeofsecuritieslendingmarkets.

Securitiesloantransactionsarefirstnegotiatedbetweenthepartiesbilaterallyormultilaterally.Afternegotia-tion,thetransactionhastobeconfirmed(contractandsettlement dates, detail of loaned securities, lenderandborrower identificationandanyunderlyingprin-cipal, acceptable collateral andmarginpercentages,termandrates,bankandsettlementaccountdetailsoflenderandborrower).Collateralsubstitution,ifany,isagreedbetweentheparties.Loansmayhaveafixedtermoraremoreusuallyopenoratcall(possibilityforthelendertorecallthesecuritiesfromtheborrower).

Dependingonthetypeofcollateralandthesettlemententity or entities used by the counterparties, settle-mentmayoccuronaDVD88basis(forsecuritiesdriventransactions),aDVP89basisorona freeofpaymentbasis (withcollateral takenseparately,oftenthroughanothersystemoreveninanothercountry).IfnoDVPorDVDmechanismsareused, it isgenerallymarketpractice that the collateral (whether cash or securi-ties)isrequestedtobereceivedpriortothetransferofborrowedsecuritiesorfunds.Thispracticeavoidsthe“daylightexposure”thatwouldexistduringtheperiodwhenthelentsecuritieshavebeendeliveredbutthecollateralhasnotyetbeenreceived.

Securities lendingandtheprovisionoftheunderlyingcollateralaregenerallyundertakeneitheronthebasisofatitletransferapproachorasapledgeofthesecurities.

Thepledge canbedefinedasadeliveryofpropertytosecuretheperformanceofanobligationowedbyoneparty(debtor/pledgor)toanother(securedparty).Apledgecreatesasecurityinterestinthepropertysodeliveredi.e.itprovidesthatthepropertymaybesoldondefaultinordertosatisfytheobligationcoveredbythesecurityinterest.

Asalreadyindicatedatitle transfermaybedefinedastheconveyanceoftheownershipinterestinproperty(exclusiverightorinterestofpossessing,enjoyinganddisposingofaspecificproperty)fromonecounterpartytoanotherinanoutrighttransfer.Underatitletransfer,securitieslentaretransferredagainstanobligationofthetransfereetoreturntheequivalentsecuritiesonthematurityoftheloan.

Forrepoandsell/buybacktransactions,themostcom-mon master agreement used is the Global Master

87 Votingrightscanhowevernotbemanufacturedbacktothelender.Ifthelenderwantstoexercisevotingrights,hehasthepossibilitytorecalltheconcernedsecurities.

88 Deliveryversusdelivery89 Deliveryversuspayment


Repurchase Agreement. For securities loan transac-tions,themostwidelyusedglobalmasteragreementistheOverseasSecuritiesLendingAgreement.

5.5.1.2 Intermediaries,borrowersandlenders

a) Intermediaries

Therearevarioustypesofintermediariesinthesecuri-tieslendingmarketseparatingtheunderlyingownersofsecuritiesfromtheborrowersofsecurities.

Someintermediariesplayanagent rolesuchasassetmanagers,custodianbanks,third-partyagents.Agentsallowpoolingtogethersecuritiesofdifferentsmallerclients, in view of increasing the volume of lendingpositionsandbenefitingthusfromeconomiesofscale.While assetmanagers and custodianbanks typicallyoffersecuritieslendinginadditiontotheirotherserv-ices,third-partyagentsspecialiseinprovidingsecuritieslendingservices.

Someotherintermediarieshaveaprincipal rolesuchasbrokerdealers,specialistintermediariesorprimebro-kers.Unlikeagentintermediaries,principalintermedi-ariesassumeprincipalrisk,offercreditintermediationandtakepositionsinthesecuritiestheyborrow.

Primebrokersforinstancemayofferanaddedvalueinactingasprincipalinsituationswhereabeneficialownerisaninsurancecompanyorapensionschemeandtheultimateborrowerisahedgefund.Indeed,institutionsareoftenreluctanttotakeoncreditexposurestobor-rowers likehedgefundsthatarenotwellrecognizedandregulatedorthatdonothaveacreditrating.

Principal intermediaries also take on liquidity risk inborrowingonanopenbasis(possibilityforthelendertorecallthesecuritiesatanytime)andlendingonaterm basis (giving customers the certainty of cover-ing their shortpositions).They, in turn,mitigate theliquidityrisktheyareexposedtousingtheirin-housesecurities inventory (proprietary tradingpositions)orwitharrangementstoborrowsecuritiesfromaffiliatedinvestmentmanagementfirmsandbiddingforexclu-siveaccesstosecuritiesfromotherlenders.

b) Securities borrowers

Borrowersdonothavetodisclosetheirborrowingmoti-vationstothelenders/agents.Theyevensometimesnotknowthesemotivationsthemselvesastheymayfurther

lendthesecuritiestotradersorhedgefundswhodonotrevealtheirtradingstrategies.

Therearevariousrationalesbehindsecuritiesborrow-ingtransactions:

Cover a short position

Aborrowerhasashortposition ifhehasanobliga-tiontodeliversecurities,ofwhichhedoesnothavepossession.Thesecircumstancesmayoccurforseveralreasons:

Settlementcoverage: theborrowerneeds tocoverafailed transaction in a securities settlement system.Securitiesborrowingstoavoidsettlementfailuresareessential toensure theefficiencyof securities settle-mentsystems,inparticularforlessliquidsecurities.Inthiscontext,manysecuritiesdepositoriesofferauto-matedsecuritieslendingservicesinwhichsecuritiesareautomaticallyborrowedfromlendersincasethesystemdetectsasettlementfailureduetoalackofsecurities.

Naked shorting: i.e.borrowing securities inorder tosellthemintheexpectationthattheymightbeboughtfora lowerpricewhenreturningthemtothelender(speculationthatpriceswillfall).

Marketmaking:marketmakersmayneedtoborrowsecuritiesasaresultofanobligationtosettlea“buyorder”fromacustomer.

Arbitragetrading:securitiesareborrowedtocoverashortpositiontakentohedgeanotherlongposition90.

Support a financing transaction

In this case, the securities borrowing transaction ismotivatedbythedesiretolendcash.

Temporary transfer ownership of securities

Atemporarytransferofsecuritiesownershipmaybemotivatedby taxarbitrageordividend reinvestmentplanarbitrage.

The primary borrowers of specific securities are themajor securities dealersmost active indomestic andglobal financial markets. They may borrow for vari-ousreasonsandtheirborrowingneedsareoftensub-stantial.Otherborrowersofsecurities includebroker-dealers, hedge funds and registered investmentcompanies.

90 Arbitragestrategiesincludeconvertiblebondarbitrage,pairstradingorrelativevaluearbitrageorindexarbitrage


c) Securities lenders

Beneficialownerswithsecuritiesportfolioofsufficientsizeforsecuritieslendingareinstitutionalinvestorsthataretypicallylongtermholdersofsecuritiessuchaspen-sionfunds,insurancecompanies,mutualfunds.Somelenders sometimes solely lend tooffset custodyandadministrativecosts.Otherownersareattractedbytheadditionalsourceofrevenuesecuritieslendingoffers.Althoughthereturnsonsecuritieslendingarerelativelysmallinthemostliquidsecurities,theincreaseintherateofreturnfromthisadditionalincomemaybequiteimportantforfundmanagersasitimprovesthereturnoftheirfunds.

Financialfirmssuchasbanksandbroker-dealersalsolendsecuritiesbutmostlyforon-lendingaseitheragentorprincipal.

d) Cash borrowers

Theprincipalborrowersofcash in securities lendingmarketstendtobethesameinstitutionsthatactivelyborrowsecurities(securitiesdealers,banksandhedgefunds).

e) Cash investors

Investing cash through securities lendingconstitutesa short-term cash management tool and providesanalternativetotheoutrightpurchaseofshort-terminstrumentssuchasshort-termgovernmentdebt,cer-tificatesofdepositsorcommercialpapers.Inadditionto increasedflexibility (for instancethematurityofareverserepocanbetailoredpreciselytomeetdiverseinvestmentneeds),securitieslendingtransactionsarealsoespeciallyattractivetoprudentinvestorsandthosesubject to certain typesof asset restrictions.A cashinvestmentthroughareverserepoisfullycollateralizedandtheinvestorcandefinethequalityofgovernmentsecuritiesrequiredtosecuretheloan.

f) Clearing and settlement services providers

Mostprovidersofclearingandsettlementofservicesi.e.CSDs, ICSDssuchasClearstreamandcustodiansalsoprovidesettlementofsecurities lendingtransac-tionsinasimilarwaythanoutrighttransactions.Someofferspecialisedsettlementservicesthatdirectlyfacili-tatesecuritieslending.Fortransactionsbetweencus-tomersofthesamecustodian,settlementmayoccurinternallyonthecustodian’sbooks.

SomeCSDsorICSDshavesystemsthattrackandmoni-torparticipants’ securities lendingactivities, identify-ingwhichsecuritieshavebeenlentoutorborrowed

andwhich representproprietaryholdings.There isatrendtowardsintroducingautomatedsecuritieslend-ing procedures, to facilitate the settlement processandthusreducedeliveryfailures.Inthatcase,thereisgenerallyapooloflendersandsecuritiesareautomati-cally transferredformthe lendertotheborroweronananonymousbasiswhenevernecessary.Thesystemtracksparticipants’securitieslendingactivities,identify-ingpotentialshortpositionsandgeneratingautomatedadjustments to the lendersandborrowersaccounts.ThecounterpartytotheloaniseithertheCSD/ICSDortheborrowingparticipant.

Inadditiontoautomatedsecuritieslending,someclear-ingandsettlementprovidersofferbilateralandvolun-tarysecuritiesloans(theprovideractingasagentorasprincipal)tocounterparties(notabletodeliverorwish-ingtoborrowforstrategicpurposes)basedonapoolofsecuritieslenders.

5.5.2 Risksandriskmanagement

Participants in securities lending transactions areexposedtosimilartypesandsourcesofrisksthanforoutrightsecuritiestransactions.Thedurationofexpo-suretotheserisksishoweversomehowdifferentasitlastsfromtheexecutionofthetradethroughtothesettle-mentofthereturnofborrowedsecuritiesorfunds.

5.5.2.1 Creditrisk

Creditorcounterpartyriskcanbedefinedastheriskthatacounterpartywillnotsettleanobligationforfullvalueeitherwhendueoratanytimethereafter.Thetypesofcreditriskthatarerelevantinsecuritieslendingtransactionsincludeprincipalrisk(lossofthefullvalueofsecuritiesorfundsthatanon-defaultingcounterpar-tyhastransferredtothedefaultingcounterparty)andreplacementcostrisk(riskoflossofunrealisedgainsonunsettledcontractswithdefaultingcounterparties).

Anon-defaultingcounterpartymaybeexposedtoprin-cipalriskifthesettlementofoneofthelegsofsecuritieslendingtransactionsdoesnottakeplaceasexpectedoriftransactionsareuncollateralized.

Principalriskassociatedwithsettlement(beingitfromtheborrower’ssideforthecollateralorfromthelender’ssidefortheloansecurities)canbeeliminatedviaDVDandDVPmechanismsorpre-deliveryofcollateralattheinitial borrowing transaction, andpre-deliveryof theborrowedsecurities/fundsatthereturntransaction.

Lendersmayalsobeexposedtoprincipal risk incol-lateralized loans incase,dueto legalobstacles,they


cannotrealisethecollateralreceivedfromthedefault-ingcounterparty.

Replacementcostrisksmayariseforlendersif,incaseofdefaultoftheborrower,theliquidationvalueofthecollateralislessthanthecostofpurchasingtheloanedsecuritiesintheopenmarket(collateralvalue<loanedsecuritiesvalue).Thesameriskappliestotheborrowersincaseofdefaultofthelenderifthecollateralvalueishigherthantheloanedsecuritiesvalueatthetimeofthedefault.Thisriskisincreasedinepisodesofmarketilliquidity.

5.5.2.2 Liquidityrisk

Liquidityrisksassociatedwithsecuritieslendingtransac-tionsaresimilartoliquidityrisksassociatedwithotherfinancialobligations.Itariseswhenacounterpartywillnotsettleanobligationforfullvaluewhendue,butonsomeunspecifieddatethereafter.

Asourceofliquidityriskmaystemfromthefactthatmanysecuritieslendingtransactionsmaybeterminatedondemandbyeithercounterparty.Borrowersmayfaceliquiditypressuresiftheydonothavethesecuritiesonpossessionandlendersmayfaceliquiditypressuresiftheyhave re-transferred the collateral received fromborrowersorifthereinvestmentofcashcollateralwasnotsufficientlyliquid.

Liquidityriskmayalsoariseduetothefactthatsecuri-tieslendingtransactionsarecollateralized.Ifthevalueofcollateraldeclinesrelativetoborrowedsecuritiesorfunds,thiscouldgiverisetosubstantialdemandsforadditionalcollateralandthusliquiditypressures.

Borrowersandlendersinsecuritieslendingtransactionsmayalsobeexposedtomarketliquidityriskincaseofalackofmarketabilityofasecurity.

5.5.2.3 Marketrisk

Marketriskistheriskofalossarisingfrommovementsinthelevelorvolatilityofmarketpricesofassets.Ithastobeassessedonaglobalportfolio leveltakingintoconsiderationfactorssuchasinterestrates,exchangerates,equityindicesorcommodityprices,aswellasthepotentialcorrelationsexistingamongthosefactors.

Inadditiontomarketriskassociatedwiththevariousinvestment strategies where securities lending is anintegralcomponent,therearealsomarketrisksinher-enttosecuritieslendingtransactions.Itcanmaterialiseincasessuchasacounterpartydefault,inappropriatemarginingorreinvestmentofcashcollateral.Asregardsmoreparticularlythelattercase,theacceptanceofcash

collateralbringsanadditionalleveragetothesecuritieslenders (absent insecurities lendingtransactionscol-lateralizedbysecurities).Inviewofensuringloanper-formance,thelenderhastoearnnecessaryincrementalyieldsonthecashreinvestment.Forthat,lenderstypi-callyonlymatchpartofthetermoftheloanwiththetermofthecashreinvestmentsexposingthemtoanopeninterestrateposition.Theremayalsobeamis-matchbetweenafixedratepaidbytheborrowerandfloatingrateearningsoftheinvestments.

5.5.2.4 Legalrisk

Legalrisk,i.e.theriskoflossbecauseoftheunexpectedapplicationofalaworregulationorbecauseacontractcannotbeenforced,mightalsoariseinsecuritieslend-ingtransactionswherebothpartieshavelegalobliga-tiontoreturneithersecuritiesorfundsatalaterstage.Evenifsecuritieslendingtransactionsareruledbylegalandbindingcontracts,certainprovisions(forexample,close-outnetting,liquidationofcollateral)mightnobeenforceable inall jurisdiction incaseofcounterpartyinsolvency.Cross-bordersecuritieslendingtransactionsmayraisecomplexlegalissuesinthiscontext.

5.5.2.5 Operationalrisk

Operationalrisk,i.e.theriskofanunexpectedlossduetodeficienciesininformationsystemsorinternalcon-trols,mayariseinanyfinancialactivityincludingsecuri-tieslendingtransactions.Proceduresandcontrolshavetobeinplaceinordertoensuretimelysettlementsofbothdeliveryandreturntransactions.Inaddition,itisimportant that management procedures ensure themonitoringofdailyincome,counterpartycreditlimits,rebateratesandsecurities lendingaccounts;thedis-tributionofsubstitutepayments;theidentificationofexposuresbetweenthemarketvalueofthecollateralandsecuritiesonloan.

5.5.2.6 Settlementrisk

The risk that the settlement of individual securitieslending transactionswill not takeplaceas expectedmaybeduetoatime-lagbetweentheexecutionofthetransactionanditsfinalcompletionand/oratime-lagbetweenthesettlementofthetwolegsofatransac-tion(paymentanddeliverylegs).Thesetime-lagsmightinduceprincipalandcreditriskaswellasliquidityrisk.

5.5.2.7 Custodyrisk

Custodyriskistheriskoflossofsecuritiesheldwithacustodianasaresultofinsolvency,negligenceorfraud-ulentactionbythecustodian.Itmightbeinfluenced


by factors such as the legal statusof securities, theaccountingpractices and safekeepingproceduresofthecustodian,theusageofsub-custodiansandotherintermediaries,andthelawgoverningthecustodyrela-tionship.Insecuritieslendingtransactions,custodyriskarisesprincipallyundercollateralarrangementswherecollateralprovidersmayimposetothecustodiancho-senbythecollateraltakercertainrestrictionsandobli-gationswithrespecttothecustodyofcollateral.

5.5.2.8 Riskmanagementprocedures

Participants may use various types of procedures tomanagerisksinrelationtosecuritieslendingtransac-tions.

Likeforotherfinancialactivities,participantsgenerallyconductformalcreditevaluationsandimposecounter-partycreditlimitspriortoconductingsecuritieslendingtransactions.Itiscommonpracticethatcounterpartiesareformallyreviewedbyacreditdepartmentthatissep-aratefromthesecuritieslendingdepartmenttoensuretheircreditworthinessandtotakeintoaccountothercreditextensionstothecounterpartyanditsaffiliates.Tomitigatetheriskduetoalackofdiversificationofcounterparties,somefirmsestablishsub-limitsbytypeofsecurityorsecuritiesmarket.Credit limitshavetobecloselymonitored,andanycreditextensionbeyondanylimithastobeproperlyreviewedandauthorized.Insituationswherelendingagentsmanageaparticipant’ssecuritieslendingactivities,theagentwillperformmostofthecreditcontrols.

Legal riskscanbemitigatedbyusing standardmas-teragreementstoestablishthetermsandconditionsapplying to securities lending transactions, includingremediesintheeventofcounterpartydefault.

Participantsalsoapply riskmanagementpractices inrelationtotheexecution,confirmationandsettlementoftransactions.Ingeneraltheymaintainaseparationbetweentrading,operations,accounting,clientserv-ices,marketing,asset/liabilityand riskmanagement,productdevelopment, legalservicesandcompliance.Securitieslendingclearingandsettlementaretypicallyintegrated in the settlement of other securities andfundstransactions.DVDandDVPmechanismsareusedtoreducepotentialexposurestosettlementrisk.Themajorityofsecuritieslendingtransactionsarecollateral-ized.IfDVDandDVPmechanismsarenotavailable,thepre-deliveryofcollateralisgenerallyrequiredtocoveranycreditexposure.Internalmanagementreportsareproducedandparticipantsusesystemsthatareasauto-

matedaspossible tomonitorcounterpartysecuritiesconcentration,creditlimitsandmark-to-marketexpo-suresandcollateralonadailybasis.

5.5.3 Implicationsforcentralbanks

Theoverallsignificanceofsecuritieslendinginfinancialmarketsisincreasingand,evenifglobalstatisticsarenotreadilyavailable,securitieslendingisnowadaysaninte-gralcomponentofmostsecuritiesmarkets,bothdomes-ticand international.Thecashdrivenmarketenablesparticipantstofinancesecuritiespositionsatalowerratethanunsecuredborrowingrates.Thesecuritiesdrivenmarketimprovesliquidityofsecuritiesmarkets,reducesthepotentialforfailedtransactionsandfacilitatestheimplementationofinvestmentandtradingstrategies.

Inthecontextofcentralbanks’responsibilitiesincon-tributingtothestabilityoffinancialsystemsandover-seeingpaymentandsecuritiessettlementsystems,cen-tralbankshaveageneralinterestinfinancialmarketsincludingsecuritieslendingaspotentiallygivingrisetosystemic risks.Thesizeof securities lending transac-tionsmaybeapotentialsourceofimportantliquidityandcreditexposuresespeciallybetweenverylargeglo-balinstitutions.Therefore,theuseofsoundriskman-agementpracticesbymarketparticipantsisessentialinordertoidentifyandcontrolrisksassociatedwiththisactivity. Indeed,counterparty losses,defaults, liquid-itypressuresortechnicalfailuresinsecuritieslendingmarketscould inprinciplebeapossibleway for thetransmissionoffinancialshocks,impairingtheliquidityandstabilityofotherfinancialmarketssuchasmoneymarketsorthefunctioningofpaymentandsettlementsystems.Ontheotherhand,thebenefitsthatsecuri-ties lendinghaveontheoverall liquidityofsecuritiesmarketsmightreducethechancethatafinancialshockmighthavesystemicimplications.Itisthereforedifficulttoassessinpracticetheoveralleffectofsecuritieslend-ingonmarketstabilityandsystemicrisk.

Toconclude,thereisaneedforcentralbankstodevel-opanunderstandingofsecuritieslendingmarketsandthe linkswithsecurities,moneyandderivativesmar-ketsinviewofanalysinghowmarketdisruptionscouldevolve.Also,insituationsofstressofaparticipant,cen-tralbanks,inthecontextofcrisispreventionandman-agement,havetoconsidernotonlytheroleofthispar-ticipantinforeignexchangemarkets,moneymarkets,securitiesmarketsandderivativesmarkets,butalsohisroleinsecuritieslendingmarketsandtheimpactadis-ruptioncouldhaveonthesemarkets.

Commande

LespublicationssursupportpapierpeuventêtreobtenuesàlaBCL,danslalimitedesstocksdisponiblesetauxconditionsqu’ellefixe.Cespublicationspeuventégalementêtreconsultéesettéléchargéessurlesitewww.bcl.lu

Secrétariatgénéral

L-2983Luxembourg

Télécopie:(+352)4774-4910

http://www.bcl.lu

e-mail:[email protected]

5. ETUDES ET ANALYSES

Documents

Transcript of 5. ETUDES ET ANALYSES