Valérie Poulin Le 11 février 2011

1

Valérie Poulin

Le 11 février 2011

La gestion du risque de crédit

Une approche quantitative

2

Une banqueUn client

I. Accord de Bâle

II. Groupe de modélisation des risques de crédit

III. Stress Testing

Plan

3

Une banqueUn client

Accord de Bâle I

• L’Accord de Bâle I fait référence à un ensemble de recommandations formulées en 1988 par le Comité de Bâle, un comité rassemblant les banquiers centraux des pays du G-10 sous l'égide de la Banque des règlements internationaux, à Bâle.

• Ces recommandations visaient à assurer la stabilité du système bancaire international en fixant une limite minimale à la quantité de fonds propres des banques. Ce minimum a été fixé en mettant en place un ratio minimal de 8% de fonds propres par rapport à l'ensemble des crédits accordés par les banques.

• L'ensemble des engagements de crédits de la banque étaient visés, avec toutefois certains aménagements:• certains crédits étaient pondérés à des valeurs inférieures à 100% selon la qualité du

crédit ou de la contrepartie. Ainsi, certains crédits étaient pondérés à 50% (crédits garantis par une hypothèque), 20% (contrepartie bancaire, organisme international ou état non-OCDE) ou même 0% (contrepartie = état OCDE);

• certains engagements, tels les engagements à moins d'un an, n'étaient pas repris dans les engagements de crédit

Au Canada, le Bureau du surintendant des institutions financières (BSIF) supervise et encadre les banques dans l’implantation de l’Accord.

4

Une banqueUn client

Accord de Bâle II

L’Accord de Bâle II régit les règles d’établissement du niveau des fonds propres obligatoires. L’Accord de Bâle II s’articule autour de 3 piliers fondamentaux:

- Le changement du calcul des exigences minimales de fonds propres- Le renouvellement de la surveillance prudentielle (interne et réglementaire)- La communication d’informations financières

Pilier I Pilier II Pilier III

Exigences minimales defonds propres Risque de crédit Risque opérationnel Risque de marché

Processus de surveillanceprudentielle

Discipline de marché

Nouveautés par rapport à Bâle I

5

Une banqueUn client

Accord de Bâle II

En d’autres mots:

•Pilier 1 : calcul du capital

•Pilier 2: Maximiser les revenus, minimiser les pertes et s’assurer que la gouvernance se serve de tous les outils que nous développons

•Outils « looking forward »

•Inclut le stress testing

•Calcul du RWA = f(PD;LGD) x EAD où f respecte une loi normale. Ce risque est le risque inattendu.

•EL = PDxLGDxEAD – Perte anticipée

•Calcul du capital économique: Niveau de capital nécessaire pour couvrir un risque non anticipé

•Vendre les outils développés et les façons de faire à la gouvernance

•Répondre aux équipes de validation (externe et interne) « challenge » les hypothèses, les modèles, les codes de programmation, les analyses économiques, etc.

•Pilier 3: Divulgation externe

6

Une banqueUn client

Paramètres et modèles de risque de crédit Analyse et divulgation

Sous notre direction:

•Mesurer le risque que représente chaque emprunteur, individus comme entreprises, par le développement de modèles quantitatifs et d’analyses

•Analyses sectorielles

•Suivi des industries

•Prévision des revenus par industrie (en développement)

•Stress Testing (prêts aux entreprises et prêts aux particuliers)

7

Une banqueUn client

Analyse sectorielle

8

Une banqueUn client

80

84

88

92

96

100

104

108

112

116

00 01 02 03 04 05 06 07 08 09 10

Fabrication de produits en boisFabrication de pâtes et papier

La santé financière des produits forestiers s'améliore enfinmais demeure historiquement faible

Indice de santé financière

Source: Statistique Canada,Quarterly Financial Statistics

Analyse sectorielle

Indice de santé financière:

Marge bénéficiaire, ratio dette équité, ratio de couverture des intérêts

Indice précurseur de profitabilité (CBoC):

Tendance de la profitabilité sur une période de 6 mois

889092949698

100102104106108

2006 2007 2008 2009 2010

Toutes les industriesFabrication de produits du boisFabrication de produits de papier

L'industrie du papier devrait voir ses profits augmenter aucours des 6 prochains mois, statut quo pour le boisIndice précurseur de la profitabilité, 2006=100

Source: The Conference Board of Canada

9

Stress testing

Le stress testing a pour objectif d’évaluer l’impact potentiel de facteurs de risque, correspondant à des événements exceptionnels mais plausibles, sur la santé financière d’une institution.

Le stress testing permet donc d’identifier des risques qui sont insoupçonnés ou semblent en contrôle selon le Pilier I.

10

Stress testing

La Banque pourra ainsi mettre en place, de façon proactive et ordonnée, des stratégies pour mitiger le risque de façon intégrée et maintenir sa santé financière.

11

Stress testing

Il y a plusieurs années que la BNGF fait du stress testing au niveau du risque de crédit ou du risque de marché. Qu’apporte donc Bâle II?

•Implantation d’un processus formel pour effectuer du stress testing au niveau entreprise •Mesure l’impact anticipé d’un événement sur le capital réglementaire total requis •Gestion intégrée des risques •Rôle accru de la haute direction

• Gouvernance• Définition et approbation des scénarios • Revue des résultats de stress testing

12

Approche

But: Prévoir la croissance des probabilité de défauts des clients de la banque en cas de changement des conditions économiques

MéthodologieLes insolvabilités par industrie servent de proxy aux taux de défaut BNC (on suppose les populations

d’entreprises constantes)L’utilisation de la croissance année-sur-année permet d’ignorer les effets de saisonnalitéLa croissance logarithmique mesure avec précision les changements causés par de larges mouvementsLa méthode des moindres carrés est utilisée, ce qui permet une interprétation intuitive des paramètres

Critères de sélection des modèlesS’assurer que les variables ne présentent pas de racine unitaireS’assurer de l’intuition économique des facteurs de risque (signe anticipé des paramètres)Sélectionner des modèles au pouvoir explicatif élevé (R-carré)S’assurer de l’absence de problème de multicollinéarité, d’autocorrélation des résiduels,

d’hétéroskédasticité des résiduels et de la normalité de la distribution des erreursS’assurer de la stabilité des coefficients à un changement de la période d’estimation du modèle S’assurer de la cohérence de la direction et de la magnitude des prévisions selon les 4 scénarios

13

II – Évolution des insolvabilités et des défautsÉvolution des insolvabilités et des

défauts

Une banqueUn client

14

II – Évolution des insolvabilités et des défauts

Insolvabilités par province et par secteur

On observe une tendance à la baisse des insolvabilités dans toutes les provinces.

On observe une tendance à la baisse dans tous les secteurs.

On note aussi que les insolvabilités se sont stabilisées pour les provinces et les secteurs.

0

400

800

1,200

1,600

2,000

2,400

2,800

3,200

3,600

4,000

00 01 02 03 04 05 06 07 08 09

QuebecOntarioPrairies+B.C.AlbertaAtlantic

Insolvencies have converged downward across provincesInsolvencies by province or region (4-quarter moving sum)

200400600800

1,0001,2001,4001,6001,8002,0002,2002,4002,6002,8003,0003,200

00 01 02 03 04 05 06 07 08 09

Agriculture & miningConstruction & Real EstateManufacturing & TransportationRetail & Wholesale TradeInfo., Arts, Accomm. & Other ServicesFinance, Profes. & Admin. Services

Insolvencies have continued to fall during the crisisInsolvencies by sector (4-quarter moving sum)

Une banque

Un client

15


Défauts des entreprises et facteurs macroéconomiques

Les même tendances à la baisse et à la stabilisation s’observent pour les défauts du portefeuille de prêts aux entreprises de BNGF.

50

100

150

200

250

300

350

400

450

500

00 01 02 03 04 05 06 07 08 09

Agriculture & MiningConstruction & Real EstateManufacturing & TransportationRetail & Wholesale TradeInfo., Arts, Accomm. & Other ServicesFinance, Profes. & Admin. Services

NBFG defaults remain low and fairly stableNBFG Wholesale defaults by sector (4-quarter moving sum)

600700800900

1,0001,1001,2001,3001,4001,5001,6001,7001,8001,9002,000

6,0006,5007,0007,5008,0008,5009,0009,50010,00010,50011,00011,50012,00012,50013,000

00 01 02 03 04 05 06 07 08 09

NBFG wholesale defaults (left)Insolvencies in Canada (right)

Macro factors influence defaults and insolvenciesCanadian insolvencies and NBFG wholesale defaults (4-quarter moving average)

16

II – Évolution des insolvabilités et des défautsModèles

Canada – Québec – Hors Québec

17

Scénarios de stress testing

--11--RRéécession modcession modéérrééee

--22--RRéécession scession séévvèère re

-3-Effondrement de l’immobilier

-4-Choc des prix du pétrole et gaz

Période de référence

2001 (US) 1982 et 1991 NA 1985 et 1986

Contexte du scénario

Récession aux États-Unis qui entraîne l’économie canadienne.

Malgré les dépenses d’infrastructure et une politique fiscale favorable, la confiance des consommateurs s’effrite et les exportations diminuent.

Diminution du PIB de moins de 1% avec des effets plus importants sur certains secteurs et régions

Économie américaine vit une récession prolongée.

Le taux de chômage croît de façon importante au Canada (+3%) et il y a une perte de confiance des ménages.

L’économie asiatique s’affaiblit affectant les provinces de l’Ouest (le prix des matières premières chutent).

Diminution du PIB de l’ordre de 1% à 3%.

Le crash immobilier aux États-Unis entraîne un resserrement du crédit.

Baisse des permis de construction et chute du prix des maisons (50% et 15% respectivement).

Récession au niveau de la construction, forte croissance du taux de chômage (+5%) et perte de confiance des ménages.

Récession importante dans le pays en entier (PIB baisse de plus de 3%).

Économies américaine et mondiale sont en récession provenant d’un crash en Asie.

Le prix de toutes les matières premières chutent. Plus spécifiquement les prix du pétrole/gaz tombent sous le seuil de rentabilité (50-55$).

Chute du marché des actions au Canada (+ de 30%).

Récession au niveau des consommateurs et des entreprises.


--11--RRéécession modcession modéérrééee

--22--RRéécession scession séévvèère re

-3-Effondrement de l’immobilier

-4-Choc des prix du pétrole et gaz

Période de référence

2001 (US) 1982 et 1991 NA 1985 et 1986

Contexte du scénario

Récession aux États-Unis qui entraîne l’économie canadienne.

Malgré les dépenses d’infrastructure et une politique fiscale favorable, la confiance des consommateurs s’effrite et les exportations diminuent.

Diminution du PIB de moins de 1% avec des effets plus importants sur certains secteurs et régions

Économie américaine vit une récession prolongée.

Le taux de chômage croît de façon importante au Canada (+3%) et il y a une perte de confiance des ménages.

L’économie asiatique s’affaiblit affectant les provinces de l’Ouest (le prix des matières premières chutent).

Diminution du PIB de l’ordre de 1% à 3%.

Le crash immobilier aux États-Unis entraîne un resserrement du crédit.

Baisse des permis de construction et chute du prix des maisons (50% et 15% respectivement).

Récession au niveau de la construction, forte croissance du taux de chômage (+5%) et perte de confiance des ménages.


Économies américaine et mondiale sont en récession provenant d’un crash en Asie.

Le prix de toutes les matières premières chutent. Plus spécifiquement les prix du pétrole/gaz tombent sous le seuil de rentabilité (50-55$).

Chute du marché des actions au Canada (+ de 30%).

Récession au niveau des consommateurs et des entreprises.


18


Description des variables

DIFCOURBETROISMOISL0: écart entre le taux 10 ans et le taux 3 mois, période courante

DIFCOURBETROISMOISL3^2: composante non-linéaire, délai de 3 trimestres

DIFPREMIUML1: écart entre le taux préférentiel 3 mois et le taux des bons du trésor 3 mois, délai 1 trimestre

DDIFTCHOMAGEL2: changement en pp. du taux de chômage, délai de 2T; la vitesse de changement du chômage ne présente pas de racine unitaire

DIFPMAISONL0: croissance année-sur-année du prix des maisons, période courante

DIFMCHANTIERL0: croissance année-sur-année des mises en chantier, période courante

DDIFDEMANDEL1: croissance année-sur-année de la demande réelle, délai 1 trimestre

DIFIMPORTATIONSL4: croissance année-sur-année des importations, délai 4 trimestres

DIFPETROLEL5: croissance année-sur-année du prix du pétrole, délai 5 trimestres

DIFPRET11L4: croissance année-sur-année des prêts au secteur agricole, délai 4 trimestres

DIFPRET21L8: croissance année-sur-année des prêts au secteur minier, délai 8 trimestres

DUMMY_REG = 1 jusqu’à 1996T4; = 0 après 1997T1

19


Sommaire des modèles

C

Yield Curve Slope (10 year - 3 months gap in percentage points)

lag 0 -0.03 lag 4 -0.03 lag 4 -0.06 lag 1 -0.06 lag 4 -0.03 lag 2 -0.04 lag 4 -0.05 lag 2 -0.04 lag 2 -0.04

Yield Curve Slope (10 year - 3 months) squared lag 4 0.02

Premium (prime rate - 3 mo T-bill in pp.) lag 1 -0.06

Unemployment Rate (Second difference in p.p.) lag 0 0.09 lag 0 0.16 lag 0 0.12 lag 0 0.13 lag 0 0.10 lag 0 0.06

Housing Price (y-o-y growth in log) lag 0 -0.95 lag 0 -1.24 lag 0 -1.25 lag 0 -1.11

Housing Starts (y-over-y growth in log) lag 0 -0.12

Demand (2002$) (first difference of y-over-y growth in log)

lag 1 -4.35

Imports (2002$) (y-over-y growth in log) lag 4 0.43

Oil Price (y-o-y growth in log) lag 5 -0.12

Bank loans to Agriculture sector (y-o-y growth in log) lag 4 1.29

Bank loans to Mining sector (y-o-y growth in log) lag 8 -0.33

Moving average process - MA(4)

Dummy (1 for @first 1996Q4;0 for 1997Q1 @last)

Adjusted R2

Adjusted R2 in 2007

Bias Proportion

Variance Proportion

Covariance Proportion

0.65 0.42

Su

m o

f Q

ue

bec/e

x-Q

ueb

ec m

od

els

Ex-Q

ueb

ec m

od

el

0.04

Qu

eb

ec m

od

el

-0.01

Info

rma

tio

n,

Art

s &

Acco

mm

od

ati

on

& O

ther

Serv

ices

(51-7

1-7

2-8

1)

0.07

0.91

0.04

0.05

0.42

0.58

0.00

0.55

0.56

0.11

0.51

0.530.56 0.530.65

0.05 0.31 0.21

Dependent variables

0.01

0.00

Man

ufa

ctu

rin

g &

Tra

nsp

ort

ati

on

(31-3

3;

48-4

9)

Wh

ole

sale

& R

eta

il &

In

form

ati

on

&

Oth

er

serv

ices (

41-4

4-4

5)

0.44 0.55

0.44

0.50

0.46 0.51

0.12 0.29

0.49

0.21 0.01

0.11 0.12

0.02

Su

m o

f se

cto

r m

od

els

Pri

mary

se

cto

r (1

1-2

1)

Co

nstr

ucti

on

an

d r

eal

esta

te (

23-

53)

-0.04

Oth

er

Sec

tors

(52-5

4-5

5-5

6)

-0.04 0.150.11

-0.93 -0.34

0.10 0.10 0.04 0.00

0.66 0.700.85 0.59 0.74 0.99

Can

ad

a m

od

el

0.02

0.09

0.63

0.64

0.00

0.04

0.96

Models for Insolvency Growth for Canada, Sectors, Quebec and Non-Quebec *

Independent variables

Constant

Statistical tests

Model Stability

Forecast reliability

20


Modèle Canada

La courbe de rendement est le facteur le plus important pour les insolvabilités commerciales canadiennes. Lorsque le taux court (3 mois) est bas par rapport au taux long (10 ans), les insolvabilités tendent à diminuer; en revanche, une inversion de la courbe laisse prévoir une hausse des insolvabilités.

Les changement du prix des maisons ont un effet inverse sur les changements des insolvabilités, ce qui reflète un effet de richesse.

La vitesse de changement du taux de chômage est un autre facteur explicatif de la croissance des insolvabilités.

La variable « dummy » indique qu’il y a eu un changement de régime en 1997; cette date correspond à une des réformes dans la Loi sur les faillites.

Dependent Variable: LOG(YTOTAL)-LOG(YTOTAL(-4)) Method: Least Squares Date: 11/15/10 Time: 21:58 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3)

Variable Coefficient Std. Error t-Statistic Prob. C 0.018752 0.026179 0.716294 0.4758

DIFCOURBETROISMOISL0 -0.034349 0.010660 -3.222190 0.0018 DIFPMAISONL0 -0.948429 0.257931 -3.677058 0.0004

DDIFTCHOMAGEL0 0.089377 0.023320 3.832708 0.0002 DUMMY_REG 0.090392 0.025174 3.590708 0.0006

R-squared 0.644639 Mean dependent var -0.012699

Adjusted R-squared 0.627916 S.D. dependent var 0.122242 S.E. of regression 0.074566 Akaike info criterion -2.300313 Sum squared resid 0.472607 Schwarz criterion -2.161435 Log likelihood 108.5141 Hannan-Quinn criter. -2.244309 F-statistic 38.54839 Durbin-Watson stat 1.252065 Prob(F-statistic) 0.000000

-3.0-2.5-2.0-1.5-1.0-0.50.00.51.01.52.02.53.03.54.0

-30%

-20%

-10%

0%

10%

20%

30%

40%

88 90 92 94 96 98 00 02 04 06 08

Yield curve, (left)Insolvency growth rate (right)

A steep yield curve is associated with falling insolvenciesYield curve (10yr-3mth) level and y-o-y growth in quarterly insolvencies (%)

Une banque

Un client

21


Facteurs de risque pour les insolvabilités du CanadaUne banque

Un client

•Une relation inverse est aussi observable entre la courbe de rendement et les défauts des émetteurs corporatifs canadiens

•Les changements dans le prix des maisons, qui attestent d’un effet de richesse, apportent un signal précurseur intéressant

-2.4-2.0-1.6-1.2-0.8-0.40.00.40.81.21.62.02.42.83.2

0246810121416182022242628

90 92 94 96 98 00 02 04 06 08

Yield curve in pp. (left)Number of defaults (right)

The yield curve is also related to defaults of Canadian corp. issuersYield curve (10-year less 3-months) and number of defaults

-0.14%-0.12%-0.10%-0.08%-0.06%-0.04%-0.02%0.00%0.02%0.04%0.06%0.08%0.10%0.12%0.14%

-40%

-30%

-20%

-10%

0%

10%

20%

30%

40%

88 90 92 94 96 98 00 02 04 06 08

Housing prices (left)Insolvency growth rate (right)

Canadian insolvencies and housing pricesChange in housing prices and growth rate in insolvencies (%)

22


Évaluation hors-échantillonUne banque

Un client

Le modèle est stable puisque les coefficients demeurent pratiquement inchangés lorsque le modèle est ré-estimé sur une période avec trois années de moins (1988T1-2007T2), ce qui présente un test de stabilité assez rigoureux puisque cette période exclut la crise financière.

Le graphique ci-dessous démontre que le niveau des insolvabilités estimées à partir du modèle basé sur la période 1988T1-2007T2 a suivi de près celui des insolvabilités réelles.

5,000

6,000

7,000

8,000

9,000

10,000

11,000

12,000

13,000

14,000

15,000

16,000

90 92 94 96 98 00 02 04 06 08 10

Mild recessionDeep recessionHousing crashInsolvencies in Canada

Canadian insolvenciesForecast based on three scenarios (Canada model)













23


Une banque

Un clientRésultats statistiques et pouvoirs prévisionnels des modèles

Les problèmes d’autocorrélation des résiduels et d’hétéroskédasticité sont corrigés grâce à la correction Newey-West

L’hypothèse de normalité des résiduels n’est pas rejetée selon le test Jarque-Bera

L’évaluation des prévisions du modèle Canada par le test du coefficient d’inégalité de Theil indique un excellent appareillement – la portée du coefficient est entre zéro (appareillement parfait) et un (aucun appareillement)

Un autre test, la décomposition de l’erreur de prévision au carré moyenne, indique également un pouvoir prévisionnel élevé

La proportion du biais est nulle et la proportion de la variance est de seulement 4%

L’évolution de la valeur estimée par le modèle surestime légèrement les insolvabilités réelles

L’intensité croissante des chocs simulés se reflète dans les prévisions progressivement plus élevées des différents scénarios

24


Une banque

Un clientPouvoir explicatif du modèle Canada

L’évolution de la valeur estimée des insolvabilités suit de près celle des insolvabilités réelles.

Les bandes présentent l’intervalle de confiance de 95% (2 erreur-type de la moyenne).

3,0004,0005,0006,0007,0008,0009,000

10,00011,00012,00013,00014,00015,00016,00017,00018,00019,000

90 92 94 96 98 00 02 04 06 08

Model for CanadaInsolvencies CanadaUpper BoundLower Bound

Insolvency level for CanadaComparison of predicted and actual insolvency level (4-quarter moving sum)

25


Une banque

Un clientModèles Québec et hors Québec

Comme pour le modèle d’insolvabilités du Canada, la courbe des taux d’intérêt a une influence négative pour le modèle Québec et le modèle hors Québec.

Les tests de stabilité et de pouvoir prévisionnels sont satisfaisants.

Dependent Variable: LOG(YQUEBEC)-LOG(YQUEBEC(-4)) Method: Least Squares Date: 10/30/10 Time: 19:08 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3)

Variable Coefficient Std. Error t-Statistic Prob. C -0.005246 0.025811 -0.203226 0.8394

DIFMCHANTIERL0 -0.122707 0.043805 -2.801184 0.0063 DIFCOURBETROISMOISL2 -0.040199 0.008410 -4.780107 0.0000

DUMMY_REG 0.107200 0.034692 3.090035 0.0027 R-squared 0.526428 Mean dependent var -0.009493


Dependent Variable: LOG(YEXQUEBEC)-LOG(YEXQUEBEC(-4)) Method: Least Squares Date: 10/30/10 Time: 19:08 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3)


DIFPMAISONL0 -1.105171 0.291036 -3.797373 0.0003 DIFCOURBETROISMOISL2 -0.041846 0.010823 -3.866298 0.0002




26


Une banque

Un client

Modèles sectoriels

27


Une banque

Un clientRegroupements sectoriels

Regroupement Secteurs SCIAN

1 Secteur primaire Agriculture et Extraction minière, de pétrole et de gaz 11-21

2 Construction et immobilier Construction et immbilier 23-53

3 Fabrication et transport Fabrication, transport et entreposage 31-32-33-48-49

4 Commerce Commerce de gros et de détail 41-44-45

5 Services de consommationServices professionnels, Services administratifs, Arts et spectacles, Hébergement et restauration

51-71-72-81

6 Autres servicesFinance et assurance, Services professionnels, Gestion de sociétés

52-53-54-55-56

•Les secteurs Enseignement (SCIAN 61), Santé (SCIAN 62) et Administration Publique (SCIAN 91) sont exclus de l’analyse

28


Une banque

Un clientModèles sectoriels

Pour le modèle du secteur primaire, seulement 20-25% de la variation des insolvabilités serait expliquée par la variation de variables macroéconomiques.

Les résultats sont plus élevés en ajoutant des variables liées au crédit ou aux industries.

La relation positive entre la croissance des prêts aux agriculteurs et la croissance des insolvabilités s’explique en partie par l’effet de distorsion résultant de l’aide gouvernementale.

En revanche, la croissance des prêts au secteur minier présente une relation inverse avec la croissance des insolvabilités qui témoigne de la confiance des prêteurs.

Dans le secteur Construction et Immobilier, la courbe de rendement a un effet linéaire inverse sur la croissance des insolvabilités et un effet non-linéaire qui vient mitiger cet effet négatif, particulièrement pour de larges changements.

Dependent Variable: LOG(YSECTEUR1121)-LOG(YSECTEUR1121(-4)) Method: Least Squares Date: 09/28/10 Time: 11:28 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Convergence achieved after 19 iterations Newey-West HAC Standard Errors & Covariance (lag truncation=3) MA Backcast: 1987Q1 1987Q4


DIFCOURBETROISMOISL4 -0.027458 0.008200 -3.348603 0.0012 DDIFTCHOMAGEL0 0.155160 0.032726 4.741201 0.0000

DIFPRET11L4 1.287807 0.185903 6.927316 0.0000 DIFPRET21L8 -0.328035 0.030987 -10.58612 0.0000

MA(4) -0.930476 0.043134 -21.57167 0.0000 R-squared 0.671259 Mean dependent var -0.032890


Dependent Variable: LOG(YSECTEUR2353)-LOG(YSECTEUR2353(-4)) Method: Least Squares Date: 10/01/10 Time: 05:41 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3)


DIFCOURBETROISMOISL4 -0.055668 0.013931 -3.996075 0.0001 DIFCOURBETROISMOISL4^2 0.018768 0.005157 3.639375 0.0005

DDIFTCHOMAGEL0 0.121359 0.030816 3.938122 0.0002 DIFPETROLEL5 -0.122017 0.038568 -3.163706 0.0022



29


Une banque

Un clientModèles sectoriels (suite)

Pour le modèle des secteurs manufacturier et transport, les principaux facteurs de risque macroéconomiques sont la courbe de rendement, la croissance du prix des maisons (un effet de richesse).

Pour le secteur du commerce (détail et gros), une croissance plus rapide du taux de chômage est associée avec une hausse des insolvabilités.

Dependent Variable: LOG(YSECTEUR31334849)-LOG(YSECTEUR313348 49(-4)) Method: Least Squares Date: 09/28/10 Time: 16:13 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Convergence achieved after 10 iterations Newey-West HAC Standard Errors & Covariance (lag truncation=3) MA Backcast: 1987Q1 1987Q4



DIFPMAISONL0 -1.237973 0.331965 -3.729224 0.0003 MA(4) -0.336721 0.129043 -2.609379 0.0107

R-squared 0.464146 Mean dependent var 0.001099


Dependent Variable: LOG(YSECTEUR414445)-LOG(YSECTEUR414445( -4)) Method: Least Squares Date: 10/01/10 Time: 06:40 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3)



DUMMY_REG 0.108005 0.022219 4.861028 0.0000 R-squared 0.568094 Mean dependent var -0.027680


30


Une banque

Un clientModèles sectoriels (suite)

Pour le modèle du secteur finance, les principaux facteurs de risque macroéconomiques sont la pente de la courbe de rendement et la vitesse de croissance de la demande.

Pour le modèle du secteur Information, Arts & spectacles, Restauration & hébergement et Autres services de consommation, la pente de la courbe de rendement et la croissance du prix des maisons ont une relation négative avec les insolvabilités du secteur.

Dependent Variable: LOG(YSECTEUR51717281)-LOG(YSECTEUR517172 81(-4)) Method: Least Squares Date: 11/14/10 Time: 21:08 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3)


DIFCOURBETROISMOISL2 -0.040353 0.006389 -6.315975 0.0000 DIFPMAISONL0 -1.247502 0.282355 -4.418204 0.0000 DIFPREMIUML1 -0.061119 0.021114 -2.894763 0.0048

DIFIMPORTATIONSL4 0.425098 0.266598 1.594527 0.1145 R-squared 0.514552 Mean dependent var -0.018330


Dependent Variable: LOG(YSECTEUR52545556)-LOG(YSECTEUR525455 56(-4)) Method: Least Squares Date: 10/01/10 Time: 05:41 Sample (adjusted): 1988Q1 2010Q2 Included observations: 90 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3)


DIFCOURBETROISMOISL4 -0.050416 0.012060 -4.180526 0.0001 DDIFDEMANDEL1 -4.348051 1.081737 -4.019509 0.0001

DUMMY_REG 0.121570 0.038682 3.142771 0.0023 R-squared 0.520282 Mean dependent var 0.006739


31


Une banque

Un client

Une moyenne des modèles pourrait diminuer le risque d’erreurs.

Cette approche “consensuelle” offre possiblement le meilleur estimé de la croissance des insolvabilités selon les trois scénarios macroéconomiques.

En outre, la comparaison des résultats selon les trois modèles agit comme outil de contrôle et permet de juger si les résultats sont vraisemblables.

5,000

6,000

7,000

8,000

9,000

10,000

11,000

12,000

13,000

14,000

15,000

16,000

90 92 94 96 98 00 02 04 06 08

Insolvencies CanadaModel for CanadaSum of sector modelsSum of Quebec & non-Quebec models

Comparison of models and actual insolvenciesModels for Canada, sum-of-sectos, sum of QC / non-QC (four-quarter basis)

La moyenne des modèles

32


Une banque

Un client

Conclusion

33


Une banque

Un clientConclusion

Ces modèles ont démontré l’importance de la pente de la courbe de rendement comme facteur explicatif de la croissance des insolvabilités et de la croissance des défauts

En présentant trois modèles, il est possible de créer une moyenne des résultats afin de diminuer le risque d’erreur et obtenir un estimé plus robuste

La comparaison des résultats des trois modèles permet par ailleurs de juger si les résultats sont vraisemblables

Valérie Poulin Le 11 février 2011

Documents

Transcript of Valérie Poulin Le 11 février 2011