Gestion du Risque de Cr edit dans la Banque : Information Hard, Information Soft et Manipulation

Brigitte Godbillon-Camus et Christophe J. Godlewski1 LaRGE Universit e Robert Schuman, Strasbourg III Institut dEtudes Politiques 47 avenue de la For et Noire 67082 Strasbourg Cedex, France Octobre 2005 Derni` ere Version

t el. : +333 88 41 77 89 ; christophe.godlewski@urs.u-strasbg.fr, t el. : +333 88 31 77 37. Nous remercions tout particuli` erement Michel Dietsch et Jo el Petey. Nous remercions egalement les organisateurs et les participants de la CFS Summer School 2005 Empirical Research in Banking and Corporate Finance, 15-22 ao ut 2005, Center for Financial Studies and Johann Wolfgang Goethe Universit at, Frankfurt am Main, Deutsche BundesBank Training Center, Allemagne, et du SIFF 2005, 16-17 septembre, Universit e Catholique de Louvain, Louvain-la-Neuve, Belgique, en particulier Jan Krahnen, Philip Strahan, Fr ed eric Lobez et Eric De Bodt. Nous restons seuls responsables des erreurs et ommissions eventuelles.

1 brigitte.godbillon@urs.u-strasbg.fr,

R esum e Le r ole du traitement de linformation dans le cadre de linterm ediation bancaire est de premi` ere importance. La banque peut acc eder ` a di erents types dinformation pour appr ehender la gestion du risque par couverture de la Value at Risk par allocation de fonds propres. Linformation hard, contenue dans les documents comptables et produite gr ace ` a des mod` eles de score, est quantitative et v eriable. Par contre, linformation soft, produite dans le cadre dune relation de client` ele, est de nature qualitative, et non v eriable donc plus facilement manipulable, mais apporte de la pr ecision aux estimations de la qualit e des emprunteurs. Dans cet article, nous etudions limpact du type dinformation sur la gestion du risque dans le cadre dun mod` ele principal-agent avec al ea moral avec information cach ee. Les r esultats mettent en evidence une economie de fonds propres pour couverture de la VaR gr ace au recours additionnel ` a de linformation soft, mais egalement lexistence dune incitation ` a la manipulation par le charg e de client` ele du signal contenant cette information. Un sch ema de r emun eration ad equat qui emp eche la manipulation est alors propos e. La comparaison des solutions issues des deux cadres (information hard versus combinaison dinformation hard et soft), eectu ee au moyen de simulations, conrme que linformation soft peut etre avantageuse bien que n ecessitant des modications organisationnelles particuli` eres, puisquelle permet eectivement la r eduction des fonds propres allou es ` a la VaR. Mots cl es : Information hard, information soft, gestion du risque, Value at Risk, al ea moral, information cach ee, manipulation. Classication JEL : D82, G21, G31

Credit Risk Management in Banks : Hard Information, Soft Information and Manipulation
Abstract The role of informations processing in bank intermediation is a crucial issue. The bank has access dierent types of information in order to manage risk through capital allocation for Value at Risk coverage. Hard information, contained in balance sheet data and produced with credit scoring, is quantitative and veriable. Soft information, produced within a bank relationship, is qualitative and non veriable, therefore manipulable, but produces more precise estimation of the debtors quality. In this article, we investigate the impact of the informations type on credit risk management in a principalagent framework with moral hazard with hidden information. The results show that when the banker has access to soft information it gives him the possibility to decrease the capital allocation for VaR coverage. We also show the existence of an incentive of the credit ocer to manipulate the signal based on soft information that he produces. Therefore, we propose the implementation of an adequate salary package which unables this manipulation. The comparison of the results from the two frameworks (information hard versus combination of hard and soft information) using simulations conrms that soft information may have an advantage but requires particular organisational modications within the bank, as it allows to reduce capital allocation for VaR coverage. Keywords : Hard information, Soft information, risk management, Value at Risk, moral hazard, hidden information, manipulation JEL Classication : D82, G21, G31

Introduction

Lindustrie bancaire est fortement tributaire de linformation. La banque est en eet confront ee ` a un probl` eme dasym etrie dinformation due ` a lopacit e informationnelle des emprunteurs. Cette opacit e varie avec les emprunteurs, les PME etant sans doute les plus opaques. Pour r esoudre ce probl` eme dasym etrie dinformation la banque peut acqu erir deux types dinformation : de linformation hard, en externe, par le biais de linformation publique (rating, score . . .), et de linformation soft, en interne, par le biais de la relation de client` ele. Cela suppose deux m ethodes dattribution des pr ets : la banque ` a lacte versus la banque de relation. Une litt erature r ecente etablit des distinctions ` a faire entre linformation soft et linformation hard (Petersen, 2004)1 . La prise en compte de linformation soft est notamment susceptible daccro tre la pr ecision des estimations de la qualit e des emprunteurs (Lehmann, 2003 ; Grunert et al., 2005), mais a le d esavantage d etre non v eriable et donc manipulable. Ainsi le type dinformation utilis e peut inuencer la gestion des risques par la banque, mais il a aussi un impact sur sa structure organisationnelle qui doit etre adapt ee pour eviter les cons equences et les co uts de la manipulation de linformation soft. Les travaux r ecents portant sur la gestion des risques par le banquier mettent bien en avant limportance du traitement de linformation. Ainsi, Hakenes (2004) consid` ere le banquier comme un sp ecialiste du traitement de linformation et du contr ole du risque. Danielsson et al. (2002), de leur c ot e, analysent le choix du syst` eme de gestion des risques en envisageant diff erents niveaux de d el egation du pouvoir impliquant des transmissions dinformations plus ou moins importantes. Mais ces travaux ne distinguent pas linformation hard de linformation soft. Cet article traite de limpact du type dinformation sur la structure du bilan et lorganisation de la banque en mati` ere de gestion des risques. Pour ce faire, il propose une mod elisation th eorique de la d ecision de cr edit dans un cadre principal-agent impliquant un directeur de banque et un charg e de client` ele. Le directeur alloue des fonds propres pour couvrir la Value at Risk. Il d ecide egalement du montant des limites allou ees ` a un charg e de client` ele, ainsi que de sa r emun eration, en fonction dun signal, d ependant du type dinformation utilis e, exclusivement hard ou combinaison dinformations hard et soft. La di erence entre les deux types de signaux porte sur leur nature, ` a savoir leur v eriabilit e et leur manipulabilit e, ainsi que leur degr e de pr ecision. Une combinaison dinformation hard et soft est plus pr ecise que
Quoique, le r ole de la banque en temps que producteur dinformation a d ej` a et e mis en evidence par Fama (1985).
1

de linformation exclusivement hard mais non v eriable par le banquier, la composante soft etant manipulable par le charg e de client` ele. Linformation soft est ainsi source dal ea moral avec information cach ee. Elle est par cons equent susceptible dinduire des modications organisationnelles pour limiter le probl` eme dal ea moral. On met en evidence plusieurs r esultats. Tout dabord, on montre que la prise en compte de linformation soft peut sous certaines conditions permettre une r eduction du montant des fonds propres. Cependant, on v erie lexistence dune incitation du charg e de client` ele ` a manipuler le signal contenant de linformation soft. On propose alors un sch ema de r emun eration qui emp eche la manipulation. Linuence de linformation soft sur les structures organisationnelles de la banque se traduit donc par la n ecessit e dun sch ema de r emun eration particulier. La comparaison des solutions correspondant aux deux types de signaux (information hard versus combinaison information hard et soft), eectu ee au moyen de simulations, conrme que laddition dinformation soft peut etre avantageuse, puisquelle permet eectivement la r eduction des fonds propres. Dans la suite de cet article, on pr esente la distinction entre les deux types dinformations et les travaux th eoriques r ecents portant sur linuence du type dinformation sur les structures organisationnelles des banques dans la section 2. La pr esentation du mod` ele de la d ecision de cr edit constitue lobjet de la section 3. Les sections 4 et 5 etablissent les r esultats avec information hard, puis d eduisent les gains et co uts de linformation soft, en particulier lexistence dune incitation ` a manipuler un signal contenant ce type dinformation. Un sch ema de r emun eration incitatif du charg e de client` ele pour r esoudre le probl` eme de manipulation est propos e` a la section 6. Enn, les r esultats avec information hard et avec combinaison dinformation hard et soft sont compar es au moyen de simulations dans la section 7. La section 8 conclue cet article.

Information hard versus information soft et organisation de la banque

Lobjectif de cette section est danalyser les caract eristiques de linformation hard et soft an de d enir un ensemble de dimensions qui distinguent clairement ces deux types dinformation et d eterminent leurs avantages et inconv enients respectifs (Petersen, 2004). Trois types de dimensions peuvent permettre de distinguer linformation hard de linformation soft :

 la nature : linformation hard est quantitative - des nombres (en nance, il sagit de bilans comptables, de rentabilit es des titres, etc.), alors que linformation soft est g en eralement sous forme de texte - des mots (opinions, id ees, projets, commentaires, etc.). la collecte : elle est impersonnelle pour linformation hard, et ne d epend pas du contexte dans lequel elle a et e produite (linformation hard est exhaustive et explicite), alors quelle est personnelle pour linformation soft et incorpore le contexte de sa collecte et de son traitement. les facteurs cognitifs2 : les notions de jugement, dopinion et de perception font partie int egrante de linformation soft, alors quelles sont absentes de linformation hard. De par sa nature et sa fa con de collecte, linformation hard pr esente donc plusieurs avantages : un faible co ut, compte tenu dune information r eduite, de technologies de production automatisables, de gains de comp etitivit e et de productivit e, dune standardisation, et d economies d echelle et de gamme, une durabilit e plus importante due ` a la facilit e de collecte, de stockage, et de transmission, une comparaison plus ais ee3 , permettant de s eparer le processus de collecte et de lutilisation de linformation, soit une facilit e dans la d el egation de lactivit e de collecte, de production et de traitement de linformation, une v eriabilit e et donc une non manipulabilit e, compte tenu de la nature et du mode de collecte de linformation hard. La r ealit e des avantages de linformation hard est conrm ee par les travaux de Feldman (1997a,b), ainsi que de Berger et al. (2002a) et Frame et al. (2001) portant sur le scoring. Le scoring4 est une m ethode de traitement de linformation hard. Il est montr e que le scoring permet de r eduire le co ut doctroi du cr edit et daccro tre la vitesse de prise de d ecision, en augmentant le volume des pr ets accord es, ainsi quune tarication ajust ee au risque, r eduisant le rationnement de cr edit. La particularit e la plus importante de linformation soft est d etre intiNotons la d enition de linformation dans un contexte comptable propos ee par Kirschenheiter (2002) : Hard information (. . .) is when everyone agrees on its meaning. (. . .) Honest disagreements arise when two people perfectly observe information yet interpret this information dierently (i.e. soft information). Impliquant un r ef erentiel commun, qui permet de comparer des indicateurs entre eux. Selon la d enition donn ee par Mester (1997), le credit scoring (ou scoring) est une m ethode statistique destimation de la probabilit e de d efaut de lemprunteur.
4 3 2

mement li ee ` a lenvironnement dans lequel elle a et e produite. Dans le cadre de la banque, il sagit de la relation bancaire qui, par le biais dinteractions multiples dans le temps, donne acc` es ` a de linformation sup erieure ` a celle disponible publiquement mais qui demeure condentielle (Berger, 1999; Boot, 2000; Berger et Udell, 2002; Elsas, 2005). Linformation soft pr esente par cons equent lavantage de pouvoir renforcer la puissance de pr evision de linformation hard mais linconv enient d etre dicilement v eriable. Sa non v eriabilit e la rend manipulable par lagent responsable de son traitement et de sa production et impose de ce fait des structures organisationnelles particuli` eres. Laptitude de linformation soft ` a renforcer le pouvoir de pr evision de linformation hard est attest ee par certains travaux empiriques cherchant ` a qualier limpact des facteurs qualitatifs sur la pr evision du risque de d efaut. Ce type d etudes utilise en particulier des ratings internes des banques qui sont int egr es comme variables explicatives dans les mod` eles de pr evision du d efaut. Une partie non n egligeables des composantes qualitatives de ces ratings est fond ee sur de linformation soft, int egrant des dimensions comme la qualit e du management ou les perspectives de lentreprise. Dapr` es les enqu etes de G unther et Gr uning (2000), 70 des 145 banques allemandes interrog ees fondent leur rating sur des composantes qualitatives. Lint egration de composantes qualitatives se traduit par une am elioration des taux de reclassement des emprunteurs et une pr ediction plus pr ecise du d efaut (Lehmann, 2003 ; Grunert et al., 2005). Les composantes qualitatives des ratings apparaissent en fait comme moins dispers ees et plus stables. Ladaptation des structures organisationnelles au type dinformation trait e fait egalement lobjet d etudes r ecentes. Dans le domaine bancaire, Stein (2002) sinterroge par exemple sur linuence de la structure organisationnelle sur la d ecision optimale dallocation de fonds dans la banque. Dans un etablissement de grande taille, il y a s eparation du processus de collecte et de traitement de linformation du processus de prise de d ecision. Linformation n ecessaire pour la prise de d ecision doit etre facilement transmissible entre les niveaux hi erarchiques. Elle doit egalement pouvoir etre interpr et ee de fa con uniforme par les agents, ind ependamment du contexte dans lequel elle a et e produite. Il sagit l` a des principales caract eristiques de linformation hard. Sachant que dans un environnement ` a contrats incomplets, les incitations des agents d ependent de leur contr ole sur les actifs qui leur sont allou es (Hart et Moore, 1990; Hart, 1995; Harris et Raviv, 1996, 1998), le mod` ele de Stein (2002) oppose deux types dinformation (hard et soft) et deux types de structure organisationnelle (organisation hi erarchique centralis ee et non-hi erarchique d ecentralis ee). Stein (2002) d emontre alors quil existe une ad equation entre la structure organisationnelle et la nature de linformation 5

permettant une allocation optimale des fonds, par le biais de meilleures incitations. Linformation soft est associ ee ` a une organisation d ecentralis ee, car elle donne ` a lagent plus de pouvoir et dautorit e. Lagent qui produit linformation est alors davantage incit e` a en faire un usage ecient dans le cadre de lallocation de fonds. Linformation hard est associ ee ` a une organisation centralis ee, car celle-ci facilite la transmission de linformation ` a des niveaux hi erarchiques sup erieurs o` u seectue la d ecision dallocation des fonds. En somme, le type dinformation suppose un degr e de d el egation dautorit e et de pouvoir plus ou moins important vers lagent traitant linformation. Des etudes empiriques permettent de relayer ces conclusions th eoriques (Berger et al., 2001 ; Berger et Udell, 2002 ; Berger et al., 2002a ; Berger et al., 2005). Dans le cadre de la relation bancaire, o` u lactivit e de production et de traitement de linformation est d el egu ee au charg e de client` ele, celuici se voit octroyer une forte autorit e, en raison notamment de la possibilit e de manipuler linformation soft. Dans ce contexte, celui-ci a une position cruciale dans la banque. Des organisations de petite taille, moins hi erarchis ees et plus d ecentralis ees se pr etent mieux ` a tirer parti de ce type de relation. Les petites banques sont ainsi vu comme ayant une capacit e sup erieure dans la production dinformation soft dans le cadre des relations de long terme (Berger, 2004 ; DeYoung et al., 2004 ; Scott, 2004) et lorsque les PME se trouvent face ` a un choix de banque, elles pr ef` erent des etablissements plus petits, r eduisant ainsi les probl` emes de rationnement du cr edit. Une autre litt erature traite de la structure des r emun erations ainsi que de lallocation budg etaire, compte tenu du r ole des agents dans le processus de collecte et de traitement de linformation. Bernardo et al. (2001) consid` erent ainsi une entreprise risque-neutre ayant un projet dinvestissement pour lequel un montant optimal de capital ` a allouer d epend de la qualit e du projet, qui est inconnue. Un manager peut etre engag e pour obtenir de linformation sur cette qualit e. Il tire un b en ece priv e du contr ole du budget qui lui est allou e et rapporte la qualit e dun projet non v eriable par le directeur. Celui-ci alloue le capital en fonction du projet rapport e. Le manager peut par la suite fournir un eort co uteux et non v eriable permettant dam eliorer le rendement du projet. Lutilit e du manager est aect ee par une allocation budg etaire et un sch ema de r emun eration propos e par le directeur, comprenant une part xe et une part variable. Bernardo et al. (2001) d emontrent lexistence de trois cas de combinaisons de r emun eration et dallocation budg etaire optimales suivantes : une qualit e rapport ee faible induit labsence de budget, une qualit e interm ediaire implique un budget et labsence dint eressement au prot et enn une qualit e forte induit un budget et un int eressement. Un autre mod` ele consid` ere plusieurs agents au sein de la m eme entreprise (Ozbas, 2005). Lauteur sint eresse aux probl` emes dasym etrie dinformation 6

` a lint erieur de lentreprise, en proposant un mod` ele de concurrence interne entre des managers pour des ressources. Ces managers disposent dinformation quali ee par Ozbas (2005) de specic knowledge. Lauteur se focalise egalement sur le concept de communication strat egique entre le principal - le directeur, et les agents - les managers. Ceux-ci tirent une utilit e plus importante de budgets plus grands, ce qui les incite ` a exag erer leur pr evisions de rentabilit e an daugmenter la probabilit e dobtenir des ressources plus importantes. Cependant, la non r ealisation des pr evisions r eduit la r eputation du manager. La qualit e de la communication strat egique entre les agents et le principal se d et eriore avec lint egration organisationnelle. Il existe deux types de managers (bon et mauvais) et deux types de projets (` a rentabilit e elev ee et faible). Les projets des mauvais managers ont des rentabilit es faibles avec certitude, tandis que ceux des bons managers peuvent avoir une rentabilit e elev ee ou faible avec les probabilit es respectives de p et 1 p. Ozbas (2005) etudie plusieurs types dorganisation (selon divers degr es dint egration) et trouve que des r` egles rigides dans loctroi des budgets peuvent am eliorer la qualit e de la communication et lecacit e de lallocation des fonds en r eduisant la concurrence entre les managers. La centralisation peut am eliorer le comportement des managers en les faisant davantage travailler en equipe, mais seulement si la communication est ecace. Sinon, un degr e dint egration plus important induit une d et erioration de la communication, qui demeure vitale pour une allocation des ressources eciente. Une etude du r ole de linformation sur les march es nanciers est egalement propos ee par Ozerturk (2004). Cet auteur examine linuence du sch ema de r emun eration sur les incitations du g erant de fonds ` a acqu erir de linformation plus pr ecise. Ce sch ema inclue des commissions et une part des r esultats du fonds g er e par lagent. Celui-ci agit pour le compte dun principal-investisseur en exer cant un eort co uteux pour observer la rentabilit e des actifs. Cet eort inuence la pr ecision de son information, qui est mod elis ee par un signal. La pr ecision et leort ne sont pas observables par le principal, de m eme que la r ealisation du signal. Un contrat de r emun eration lin eaire par rapport au rendement du portefeuille g er e incite lagent ` a acqu erir plus dinformation lorsque les participants du march e ont des anticipations rationnelles. En eet, les prix des actifs d ependent de la demande et inuencent ainsi les incitations du manager ` a acqu erir plus dinformation.

Le mod` ele

La mod elisation r ealis ee nous permet de traiter du r ole du type dinformation dans la gestion du risque de cr edit et la structure organisationnelle de 7

la banque. La d ecision de cr edit est mod elis ee dans un cadre principal-agent impliquant un directeur de banque (ou banquier) et un charg e de client` ele5 sur une p eriode. Le banquier-principal est suppos e prendre ses d ecisions en mati` ere de composition de bilan et de gestion du risque en fonction des informations fournies par le charg e de client` ele. Lutilit e du banquier porte sur le prot de la banque. Le bilan est compos e des actifs risqu es A, des d ep ots D et des fonds propres K . Bilan

K D

Le rendement des actifs risqu es est al eatoire, not e r A . Le co ut des ressources rD est exog` ene, tel que rD > 0. Le salaire du charg e de client` ele not e w est eventuellement fonction du rendement des actifs r A , auquel cas w = w ( rA ). Le prot de la banque est : =r A A rD D w ( rA ) c, (1)

avec c correspondant au co ut dune assurance ch omage dont b en ecie le charg e de client` ele, que lon normalise ` a 0. Lutilit e du banquier est d enie par : UB = exp () ,

(2)

o` u > 0 est le coecient daversion au risque du principal. Lutilit e du charg e de client` ele est suppos ee cro tre avec le volume et le d eveloppement de son budget, qui lui est allou e par le directeur de la banque, et avec sa r emun eration w ( rA ). Le budget qui lui est allou e correspond au volume des actifs A. Son utilit e est alors d enie par :
rA A+w ( rA )) UC = exp ( .

(3)

o` u > 0 est le coecient daversion au risque de lagent. Linformation collect ee, trait ee et produite par le charg e de client` ele est fournie au banquier sous forme de signal qui concerne le rendement r A des actifs risqu es. Ce signal, not e , renseigne sur la distribution du rendement
On peut egalement consid erer le cas dun principal - conseil dadministration et dun agent - directeur dun d epartement de cr edit.
5

des actifs. On suppose que ce signal suit une loi normale N ( , 2 ). Il est corr el e avec le rendement tel que : r A = + , (4)

o` u suit une loi normale N (0, 2 ). et sont suppos es etre non corr el es. La distribution a posteriori de r A conditionnelle ` a la r ealisation est donc telle que ( rA | ) N (, 2 ). Deux types dinformation sont disponibles : de linformation hard ou de linformation soft. Linformation hard est suppos ee v eriable par le banquier, mais un recours exclusif ` a celle-ci permet des pr evisions moins pr ecises que si cette information hard est combin ee ` a de linformation soft, qui elle est non v eriable par le banquier. La di erence en terme de pr ecision selon linformation utilis ee est mod elis ee par le biais du terme derreur . Au signal fond e sur de linformation hard est associ e un terme derreur d ecart-type H , alors quau signal fond e sur de linformation hard et soft implique est associ e un 6 terme derreur d ecart-type S , avec S < H . Linformation sur le rendement des actifs risqu es est utilis ee pour la gestion du risque. Le banquier souhaite couvrir le risque de son portefeuille, mesur e par la Value at Risk, par des fonds propres K . La VaR correspond au montant de fonds propres minimum K tel que la probabilit e de d efaut accept ee par la banque soit egale ` a , par exemple 1%. On la note V aR . Le d efaut de la banque intervient lorsque la valeur des actifs est inf erieure ` a la valeur des d ep ots : prob [A(1 + r A ) D (1 + rD ) < 0] = . (5)

En cas de d efaut, la r emun eration du charg e de client` ele est garantie par lassurance ch omage. En tenant compte de la contrainte de bilan (K +D A = 0), on d eduit la VaR par unit e dactifs au seuil dacceptation des pertes , soit r (voir annexe C pour le d etail des calculs)7 : rD u , 1 + rD

r = et

(6)

V aR = r A,
6

(7)

Par la suite, on ne tient compte des indices H et S que lorsque cela est strictement n ecessaire. 7 Voir egalement Broll et Wahl (2003).

avec u correspondant au fractile dordre de la loi N (0, 1)8 . Il est important de noter que la VaR par unit e dactifs r d epend du signal produit, et particuli` erement du type dinformation utilis e, comme en t emoigne la pr esence du signal observ e et de l ecart-type de la distribution a posteriori de r A dans l equation (6). Cest pourquoi le type dinformation utilis e dans la d ecision de cr edit aura un impact sur lallocation des fonds propres d edi es ` a la couverture de la VaR. On pose r > 0, ce qui implique < rD u . On remarque que r cro t avec . Plus le signal sur la distribution du rendement est pr ecis, soit un faible, correspondant au signal fond e sur de linformation hard et soft, plus r est r eduit, permettant des economies de fonds propres allou es ` a la VaR par unit e dactifs. Cependant, avant de discuter plus longuement des co uts et gains susceptibles d etre obtenus par le recours additionnel ` a de linformation soft, on pr esente lensemble des r esultats obtenus dans le cadre principal-agent en pr esence uniquement dinformation hard.

Le cas de linformation hard

On suppose dans cette section que le charg e de client` ele utilise exclusivement de linformation hard. L ecart-type du terme derreur du signal est donc egal ` a H . Dans la suite de cette section on fait abstraction de lindice H. Le banquier est suppos e d ecider dans un premier temps du sch ema de r emun eration du charg e de client` ele, sachant que celui-ci lui transmet le signal . Les d ecisions portant sur les fonds propres K , les actifs risqu es A et les d ep ots D sont prises dans un second temps en fonction du signal transmis. Le signal transmis est v eriable et donc non manipulable. Par cons equent le banquier est suppos e ne mettre aucunement en doute linformation du charg e de client` ele, qui est autrement dit cr edible. On suppose que la r emun eration w du charg e de client` ele est compos ee uniquement dune partie xe w0 , do` u: Er rA ) = w 0 . A (w ) = w ( (8)

La d ecision du sch ema de r emun eration par le banquier porte donc sur la valeur du salaire xe qui doit etre ajust ee de telle sorte que le contrat de r emun eration soit acceptable par le charg e de client` ele.
On suppose que le fractile est n egatif, u < 0, pour les valeurs de probabilit e de d efaut accept ee par la banque inf erieure a ` 50%, ce qui est v eri ee dans notre cas.
8

10

Le programme doptimisation du banquier est alors le suivant : max EUB , w0 ,K,A,D , EUC U K, A, D arg max EUB A, D K, +D A = 0, K V aR 0, K V aR = r A = rD u A.
1+rD +

(9)

avec

EUB =

r A Ar D D w 0 ] exp[ ( ( rA |)drA , +

EUC =

rA A+w0 )] exp[ ( ( rA |)drA ,

et = expv . U Dans le programme (9), la premi` ere contrainte correspond a ` la contrainte de participation du charg e de client` ele, o` u U est lutilit e de r eservation de lagent9 , tandis que les trois contraintes du sous programme doptimisation simposent au banquier lors du choix de la composition du bilan et correspondent respectivement ` a la contrainte de bilan de la banque, ` a la contrainte de couverture de la VaR par les fonds propres K au seuil de d efaut , et ` a lexpression du calcul de la VaR. La r esolution du programme doptimisation (9) donne les r esultats suivants. Le salaire moyen optimal qui correspond au salaire xe du charg e de client` ele est ( rD (1 + u ))( ( rD (1 + u )) 2(1 + rD )) . 2 2 2 (1 + rD )2 (10) Le volume optimal de pr ets correspondant au budget du charg e de client` ele est
Ew = w0 =v+

A =
9

( rD (1 + u )) . 2 (1 + rD )

(11)

Avec v etant la valeur de r eservation.

11

Puisquon suppose une marge positive, > rD , on a > rD + u et le volume dactifs optimal est donc positif, A > 0. Une marge susante telle u ) rD ) que rD (1+ > 2 (1+ assure un xe positif, w0 > 0. Le volume optimal des fonds propres est rD u rD (1 + u ) . (12) 1 + rD 2 (1 + rD ) A et r etant positifs, on obtient K > 0. Sachant que D = A K = A (1 r ), un volume de d ep ots strictement positif implique r strictement inf erieur ` a 1. Le banquier obtient ` a loptimum une esp erance dutilit e de K = r A =
(rD (1+u ))( (rD (1+u )(3+2rD ))+ (rD (1+u ))) +v 2 2 (1+rD )2

EUB = exp

(13)

Lesp erance dutilit e du charg e de client` ele correspond par contre ` a son niveau de r eservation
= expv . EUC =U

(14)

Co uts et gains de linformation soft

Compte tenu des r esultats obtenus dans le cas de linformation hard, on envisage dans cette section les implications positives et n egatives dun recours additionnel ` a de linformation soft permettant la fourniture dun signal dune plus grande pr ecision, mais manipulable en raison de la non v eriabilit e de la composante soft de linformation utilis ee. Laccroissement de la pr ecision des pr evisions se traduit par un ecarttype du terme derreur, ou autrement dit de la distribution a posteriori du rendement, plus petit. La contrainte de la VaR etant satur ee ` a loptimum, les fonds propres optimaux K correspondent ` a la VaR de la banque. Ce volume des fonds propres est inuenc e par la pr ecision du signal (cf. equation (12)). Etant donn ee la d eriv ee de K par rapport ` a , celle-ci est positive si et seulement si : u (rD 1). 2 Cette condition assure quune plus grande pr ecision du signal r eduit le volume des fonds propres. Ainsi, une combinaison dinformation soft et hard avec plus grande pr ecision du signal devrait r eduire la VaR tant que la marge est sup erieure ` a un certain niveau. ( r D ) > 12

Cependant, il peut y avoir manipulation de linformation. Le charg e de client` ele peut ainsi avoir transmis une valeur alors que la valeur quil aurait du transmettre etant donn ees ses connaissances est en fait + f avec f > 0 ou f < 0, selon que la manipulation est ` a la baisse ou ` a la hausse. Comme le banquier na pas acc` es ` a linformation, le budget et la r emun eration du charg e de client` ele sont etablis par le banquier en fonction du signal transmis de telle sorte que son utilit e esp er ee est au niveau de r eservation (14) pour 2 une distribution a posteriori du rendement N (, ), coh erente avec le signal transmis. Cependant, la distribution a posteriori du rendement etant dapr` es 2 les observations N ( + f, ), le charg e de client` ele obtient par ce biais une M utilit e esp er ee not ee EUC qui est en fait egale ` a
M EUC = expv exp
f (rD (1+u )) 2 (1+rD )

(15)

Etant donn e quon suppose une marge positive, on v erie que cette utilit e M esp er ee EUC obtenue par manipulation du signal est sup erieure au niveau de r eservation pour toute manipulation ` a la baisse, cest-` a-dire avec f > 0. Le charg e de client` ele a en eet une incitation ` a transmettre au banquier un signal alors que ses observations impliquent un signal + f , avec f > 0. Comme le banquier assure au charg e de client` ele son niveau de r eservation quelle que soit la valeur du signal, lunique possibilit e pour le charg e de client` ele davoir une valeur sup erieure est dinduire le banquier en erreur de telle sorte quil sous-estime ce quil lui attribue. Cest le cas lorsquil lui transmet un signal manipul e` a la baisse et quil peut esp erer b en ecier par linterm ediaire du d eveloppement de son budget dun rendement moyen nalement plus elev e que ne le pense le banquier. Pour proter des economies de fonds propres par recours additionnel ` a de linformation soft sans en subir de co uts dus ` a la manipulation du signal par le charg e de client` ele, le banquier peut par contre modier le sch ema de r emun eration an denlever toute tentation de manipulation au charg e de client` ele. Lanalyse de cette possibilit e est lobjet de la section qui suit.

Le cas de linformation soft

Le banquier est d esormais suppos e etre en relation avec un charg e de client` ele qui a acc` es non seulement ` a de linformation hard, mais egalement ` a de linformation soft lui permettant la fourniture dun signal dune plus grande pr ecision que celui obtenu avec recours exclusif ` a de linformation hard. Le charg e de client` ele obtient cette information soft suppl ementaire dans le cadre dune relation de client` ele. L ecart-type du terme derreur du 13

signal est donc egal ` a S mais on fait abstraction de lindice S . Comme pr ec edemment, le banquier est suppos e d ecider dans un premier temps du sch ema de r emun eration du charg e de client` ele sachant que celui-ci lui transmet par la suite le signal et que les d ecisions portant sur les fonds propres K , les actifs risqu es A et les d ep ots D sont prises dans un second temps en fonction du signal transmis. Le signal contenant de linformation soft non v eriable par le banquier est susceptible de manipulation par le charg e de client` ele. On prend alors en compte que le charg e de client` ele peut transmettre une valeur du signal dite valeur transmise, di erente de celle d ecoulant de ses observations, dite valeur observ ee. On note la valeur transmise, autrement dit message m, et la valeur observ ee . Ceci induit par ailleurs une modication du programme doptimisation du banquier. Lorsque le banquier d ecide du sch ema de r emun eration, il envisage que le charg e de client` ele peut etre incit e` a manipuler le signal. Il prend donc en compte que le contrat de r emun eration propos e doit etre acceptable par le charg e de client` ele et linciter ` a fournir comme message m la valeur observ ee . Cela suppose dintroduire une contrainte suppl ementaire dincitation du charg e de client` ele dans le programme doptimisation du banquier. Cela suppose egalement que le sch ema de r emun eration soit di erent. La contrainte dincitation suppl ementaire rend en eet le probl` eme doptimisation du banquier sur-d etermin e. Le sch ema de r emun eration envisag e comporte une partie xe w0 , mais int` egre d esormais une partie variable contingente au rendement des actifs selon un taux dint eressement w1 . Le rendement des actifs est pris en compte en terme d ecart par rapport ` a sa suppos ee moyenne, conform ement au message fourni par le charg e de client` ele. Ainsi la r emun eration w du charg e de client` ele est d esormais d enie par : w ( rA ) = w0 + w1 ( rA bm), (16)

avec b un facteur qui pond` ere la prise en compte du message sur le rendement moyen. Le message du charg e de client` ele qui correspond ` a une pr evision sur le rendement des actifs est nalement la base de la conception dun objectif ` a r ealiser, bm, associ e` a laccord dune prime w1 ( rA bm) > 0 en cas de d epassement de cet objectif, si b > 0. Pour b = 0, la partie variable devient uniquement contingente au rendement des actifs. Le programme doptimisation du banquier en cas dinformation soft est

14

alors le suivant max EUB (), w0 ,w1 ,K,A,D EUC () U, arg max EUC (m), m K, A, D arg max EUB (m), A, D K, +D A = 0, K K V aR 0, V aR = r A = rD u A. 1+rD
+ rA ArD D (w0 +w1 ( rA bm)))] exp[ ( ( rA |m)drA ,

(17)

avec

EUB (m) = et
+

EUB () =

rA ArD D (w0 +w1 ( rA b)))] exp[ ( ( rA |)drA ,

ainsi que
+

EUC (m) =

rA A+(w0 +w1 ( rA bm)))] exp[ ( ( rA |)drA ,

et
+

EUC () =

rA A+(w0 +w1 ( rA b)))] exp[ ( ( rA |)drA .

Dans le programme (17), la premi` ere contrainte correspond toujours ` a la contrainte de participation du charg e de client` ele, la deuxi` eme est ajout ee et correspond ` a la contrainte dincitation ` a fournir comme message m la valeur observ ee . On retrouve egalement les trois contraintes du sous programme doptimisation qui simposent au banquier lors du choix de la composition du bilan. Il est ` a noter que le choix des el ements du bilan se fait en fonction du message m fourni par le charg e de client` ele. La r esolution du programme doptimisation (17) donne les r esultats suivants.

15

Le salaire moyen optimal du charg e de client` ele devient Ew = v avec = b ( rD (1 + u )) 2(1 + rD )( (b + (1 + rD )) + ) . 2 2 (1 + rD )2 (b + 2 )2 2 2 ( rD (1 + u )) + b( rD (1 + u )), 2 (1 + rD )(b + 2 )2 (18)

On remarque que pour une pond eration b = 0 impliquant un sch ema de r emun eration du charg e de client` ele fonction uniquement du rendement des actifs, le salaire moyen optimal nest positif que pour des valeurs de v strictement positives. Le sch ema de r emun eration nest donc adapt e` a tout type dagent que si b = 0. Linformation soft entra ne donc obligatoirement lensemble des modications organisationnelles propos ees. En fait, dapr` es l equation (16), tout ecart entre le message sur la moyenne du rendement des actifs et le rendement r ealis e se traduit pour le charg e de client` ele par une part variable qui peut etre positive et sajoute au xe, mais qui peut egalement etre n egative et ampute dautant le xe. Cest donc nalement pour limiter les ecarts quels quils soient que le charg e de client` ele pr ef` ere fournir un message m sur la moyenne du rendement qui correspond ` a la valeur observ ee , et ne manipule donc pas le signal. Les pr evisions du charg e de client` ele etant prises en compte dans le cadre de sa r emun eration et les ecarts par rapport ` a ces pr evisions pouvant etre fortement p enalisants, le charg e de client` ele prend conscience que ses pr evisions ont tout int er et ` a etre le plus justes possibles. Le montant optimal des pr ets et donc du budget du charg e de client` ele devient ( rD (1 + u ))( + b ) + (1 + rD ) , 2 (1 + rD )(2 + b ) qui est, la marge etant positive, strictement positif d` es lors que A = b> (19)

(1 + rD ) + . rD (1 + u ) Il est donc possible de se restreindre ` a un facteur de pond eration b > 0. Le volume des fonds propres devient K = r A = rD u 1 + rD ( rD (1 + u ))( + b ) + (1 + rD ) 2 (b + 2 ) (20) 16 ,

avec ( rD (1 + u )) (1 + rD ) A = . b 2 (1 + rD )(b + 2 )2
Ainsi, comme le taux dint eressement w1 du charg e de client` ele est d eni

par
w1 =

( rD (1 + u )) (1 + rD ) , 2 (1 + rD )(b + 2 )

(21)

il est possible de v erier que la positivit e de w1 implique que b a un eet n egatif sur le budget A du charg e de client` ele, sur les fonds propres K , ainsi que sur le taux dint eressement w1 .

Comparaison des r esultats

La r esolution des programmes doptimisation sous contraintes (9) et (17), donne les solutions dans le cadre avec information hard et avec combinaison dinformation hard et soft. Ces solutions se distinguent notamment par un ecart-type de la distribution a posteriori du rendement, qui bien que not e de fa con identique, na pas m eme valeur dune solution ` a lautre, puisque le signal contenant de linformation soft est suppos e plus pr ecis que le signal bas e uniquement sur de linformation hard et que lon a H > S . An de pouvoir comparer les solutions obtenues dans les deux cadres, on suppose par la suite que H = S + , avec correspondant au degr e dimpr ecision du signal bas e uniquement sur de linformation hard. En raison de limpossibilit e dobtenir par lanalyse alg ebrique des r esultats simples, la comparaison est op er ee par recours ` a des simulations. On compare en particulier les valeurs des esp erances de salaire Ew , des fonds propres K , des pr ets A, ainsi que de lesp erance dutilit e du banquier E (UB ). On calcule donc les di erences suivantes ( et correspondent aux solutions issues de la r esolution du programme (9) avec information hard et du programme (17) avec combinaison dinformation hard et soft respectivement) : dEw = Ew Ew , dK = K K , dA = A A , dE (UB ) = E (UB ) E (UB ) , dont on simule les expressions en xant tous les param` etres, sauf .

17

Compte tenu des di erentes conditions assurant la positivit e des el ements du bilan de la banque pr ec edemment pos es, les valeurs des param` etres sont les suivantes : le taux dint er et sur les d ep ots rD = 0.025, la valeur de r eservation v = 0, le fractile de la loi normale correspondant ` a une probabilit e de d efaut autoris ee par la banque de = 1%, u=0.01 = 2.3263, les coecients daversion au risque du principal et de lagent respectivement = = 1, l ecart type de la distribution a posteriori du rendement = 0.2 en cas dinformation soft, le degr e dimpr ecision du signal de type hard = 0.1, et la pond eration b = 2. On fait varier le signal sur lintervalle [0.03; 0.75]. Les courbes des di erences dEw , dK , dA et dE (UB ) sont repr esent ees dans les gures 1, 2, 3 et 4 respectivement.

3.5 3 2.5 2 1.5 1 0.5 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
Fig. 1 Courbe de dEw = Ew Ew en fonction de . On remarque en premier lieu que la di erence des esp erances de salaire dEw est une courbe croissante et convexe, situ ee dans le demi-plan positif du graphique (cf. gure 1). Lesp erance de salaire est donc plus importante dans le cadre avec information exclusivement hard. En second lieu, la di erence des fonds propres dK est croissante et positive (cf. gure 2). Le montant des fonds propres est plus important dans le cadre avec information exclusivement hard. Lapport de linformation soft en impliquant un degr e de pr ecision plus important du signal permet alors de r eduire le montant des fonds propres. La di erence des volumes de pr ets (correspondant egalement au volume des fonds allou es au charg e de client` ele) dA est par contre n egative, puisque la courbe se situe dans le demi-plan n egatif du graphique (cf. gure 3). Loctroi 18

4 3 2 1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

Fig. 2 Courbe de dK = K K en fonction de .

0 -2 -4 -6 -8 -10 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

Fig. 3 Courbe de dA = A A en fonction de .

19

de pr ets est plus important avec une combinaison dinformation hard et soft, et cro t avec le signal . Enn, au niveau de la courbe repr esentant la di erence de lesp erance dutilit e du banquier dE (UB ) (cf. gure 4), on obtient une courbe convexe situ ee dans le demi-plan n egatif du graphique. Lesp erance dutilit e du banquier est sup erieure lorsquil a recours ` a un charg e de client` ele qui lui transmet un signal fond e sur une combinaison dinformation hard et soft. On obtient ce r esultat malgr e la n ecessit e dimplanter un sch ema de r emun eration particulier qui emp eche la manipulation du signal par lagent.

0 -0.05 -0.1 -0.15 -0.2 -0.25 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

Fig. 4 Courbe de dE (UB ) = E (UB ) E (UB ) en fonction de .

Ainsi, pour r esumer, linformation soft permet au banquier de r eduire le montant des fonds propres gr ace ` a la plus grande pr ecision du signal obtenu, et nimplique pas pour autant de co ut de r emun eration suppl ementaire en vue d eviter la manipulation de ce signal, puisquelle permet au banquier un octroi plus important de pr et correspondant pour le charg e de client` ele ` a un budget plus important, source dun accroissement de son utilit e.

Conclusion

La qualit e de linformation produite par la banque d etermine les caract eristiques de la prise de risque. La litt erature existante traite de ce probl` eme en distinguant linformation hard et linformation soft (Petersen, 2004). Lacquisition de cette information peut seectuer par deux m ethodes : la banque 20

` a lacte ou la banque de relation. La premi` ere peut sappuyer sur des m ethodes statistiques de traitement de linformation hard. Ce type dinformation pr esente des avantages en terme de faible co ut, d economie d echelle et de possibilit e de mesurer la Value at Risk gr ace au recours ` a des mod` eles de risque de cr edit. A loppos e, la banque de relation a egalement acc` es ` a de linformation soft, qui lui permet daccro tre la pr ecision de lestimation de la qualit e de lemprunteur, mais qui pose le probl` eme de la manipulation. Dans cet article, on se focalise en particulier sur le r ole du type dinformation dans la gestion du risque de cr edit dans la banque. Dans un mod` ele o` u le banquier requiert de linformation sur le rendement des actifs pour g erer le risque de cr edit par allocation des fonds propres, on montre que le recours additionnel ` a de linformation soft a lavantage de permettre des economies en terme de fonds propres. Cet avantage est d u` a la plus grande pr ecision des pr evisions. Mais linformation soft, etant non v eriable, n ecessite limplantation dun sch ema de r emun eration particulier qui emp eche la manipulation de linformation par le charg e de client` ele. Ces r esultats fournissent une evidence th eorique sur un avantage de linformation soft dans la gestion du risque de cr edit, puisquon montre que la VaR peut etre limit ee, ce qui induit des economies de fonds propres, si la banque met en place une organisation et un syst` eme de r emun eration ad equat.

R ef erences
Berger, A. (1999) : The Dynamics of Market Entry : The Eects of Mergers and Acquisitions on De Novo Entry and Small Business Lending in the Banking Industry, Finance and Economics Discussion Paper Series 1999-41, Board of Governors of the Federal Reserve System. (2004) : Competitive Eects of Basel II on Banks in SME Credit Markets in the United States, Working paper, Board of Governors of the Federal Reserve System and Wharton Financial Institutions Center. Berger, A., S. Frame, et N. Miller (2002a) : Credit Scoring and the Price and Availability of Small Business Credit, Finance and Economics Discussion Paper Series 2002-26, Board of Governors of the Federal Reserve System. Berger, A., L. Klapper, et G. Udell (2001) : The Ability of Banks to Lend to Informationally Opaque Small Businesses, Journal of Banking and Finance, 25, 21272167. 21

Berger, A., N. Miller, M. Petersen, R. Rajan, et J. Stein (2005) : Does Function follow Organizational Form ? Evidence from the Lending Practices of Large and Small Banks, Journal of Financial Economics, 76, 237269. Berger, A., et G. Udell (2002) : Small Business Credit Availability and Relationship Lending : The Importance of Bank Organisational Structure, Economic Journal, 112, 3253. Bernardo, A., H. Cai, et J. Luo (2001) : Capital Budgeting and Compensation with Asymmetric Information and Moral Hazard, Journal of Financial Economics, 61, 311344. Boot, A. (2000) : Relationship Banking : What Do We Know ?, Journal of Financial Intermediation, 9, 725. Broll, U., et J. Wahl (2003) : Value at Risk and Bank Equity, Jahrb ucher f ur National okonomie und Statistik Band, 223. Danielsson, J., B. Jorgensen, et C. deVries (2002) : Incentives for Eective Risk Management, Journal of Banking and Finance, 26, 1407 1425. DeYoung, T., W. Hunter, et G. Udell (2004) : The Past, Present, and Probable Future for Community Banks, Journal of Financial Services Research, 25, 85133. Elsas, R. (2005) : Empirical Determinants of Relationship Lending, Journal of Financial Intermediation, 14, 3257. Fama, E. (1985) : Whats Dierent about Banks ?, Journal of Monetary Economics, 15, 2939. Feldman, R. (1997a) : Credit Scoring and Small Business Loans, Community dividend, Federal Reserve Bank of Minneapolis. (1997b) : Small business Loans, Small Banks and a Big Change in Technology Called Credit Scoring, The region, Federal Reserve Bank of Minneapolis. Frame, W., A. Srinivasan, et L. Woosley (2001) : The Eect of Credit Scoring on Small-Business Lending, Journal of Money, Credit and Banking, 33, 813825.

22

G unther, T., et M. Gr uning (2000) : Einsatz von Insolvenzprognoseverfahren bei der Kreditw urdigkeitspr ufung im Firmenkundenbereich, Die Betriebswirtschaft, 60, 3959. Grunert, J., L. Norden, et M. Weber (2005) : The Role of NonFinancial Factors in Internal Credit Ratings, Journal of Banking and Finance, 29, 509531. Hakenes, H. (2004) : Banks as Delegated Risk Managers, Journal of Banking and Finance, 28, 23992426. Harris, M., et A. Raviv (1996) : The Capital Budgeting Process : Incentives and Information, Journal of Finance, 51, 11391175. (1998) : Capital Budgeting and Delegation, Journal of Financial Economics, 50, 259289. Hart, O. (1995) : Firms, Contracts, and Financial Structure. Oxford University Press. Hart, O., et J. Moore (1990) : Property Rights and the Nature of the Firm, Journal of Political Economy, 98, 11191158. Kirschenheiter, M. (2002) : Representational Faithfulness in Accounting : A Model of Hard Information, Working paper, Columbia University. Lehmann, B. (2003) : Is it Worth the While ? The Relevance of Qualitative Information in Credit Rating, Working paper, University of Konstanz. Mester, L. (1997) :Whats The Point of Credit Scoring ?,Business review, Federal Reserve Bank of Philadelphia. Ozbas, O. (2005) : Integration, Organizational Process and Allocation of Ressources, Journal of Financial Economics, 75, 201242. Ozerturk, S. (2004) : Equilibrium Incentives to Acquire Precise Information in Delegated Portfolio Management, Journal of Financial Services Research, 25, 2536. Petersen, M. (2004) : Information : Hard and Soft, Mimeo, Kellogg School of Management, Northwerstern University. Scott, J. (2004) : Small Business and the Value of Community Financial Institutions, Journal of Financial Services Research, 25, 207230. Stein, J. (2002) : Information Production and Capital Allocation : Decentralized versus Hierarchical Firms, Journal of Finance, 57, 18911921. 23

ANNEXES On d eduit lexpression de la VaR par unit e dactifs (6) ` a partir de lexpression de la probabilit e de d efaut de la banque (5). En eet, en utilisant la contrainte de bilan K + D A = 0 prob [A(1 + r A ) D (1 + rD ) < 0] = , equivaut ` a prob [Ar + K < 0] = , avec r = do` u on a
1+ rA 1+rD

1,

prob [Ar > K ] = . Alors, par d enition de la VaR, V aR = K et r = prob [r > r ] = , ou encore prob [ r r ] = 1 . On peut alors ecrire prob [ r r + u r ] = 1 , en utilisant le corollaire 1 :
2 Corollaire 1 Sachant x N (x , x ), le fractile dordre de la loi N (.) est p ( x x ) = 1 , avec x = x + u x , u etant le fractile dordre de la loi N (0, 1). K , A

do` u

On en d eduit lexpression de la VaR par unit e dactifs : r = (r + u r ), 1+ = 1 + u 1 + rD 1 + rD rD u = , 1 + rD r N

1+ 1+rD

qui correspond ` a l equation (6), sachant que ( rA |) N (, 2 ) et donc 1,

1+rD 2

. 24