Vous êtes sur la page 1sur 221

Universit Paris-Dauphine

Programme doctoral d'Economie des Organisations :


Concurrence, Innovation, Finance (EDOCIF)
Numro attribu par la bibliothque

Anne 2011

1 1 1 1 1 1 1 1 1 1 1 1

THESE
Pour obtenir le grade de

Docteur de lUniversit Paris Dauphine


Discipline : Sciences conomiques
Prsente et soutenue publiquement par
Amos Aristide Sodjahin
le 20 janvier 2011

Titre :
RISQUE DE CREDIT ET VOLATILITE DES SPREADS
SUR LE MARCHE DE LA DETTE PRIVEE EN EURO

www.memoiregratuit.com
JURY :

Sanvi Avouyi-Dovi :

Directeur de thse, Professeur


Paris-Dauphine, Banque de France.

associ

Damien Bathossi :

Responsable modlisation et scores, NATIXIS (Groupe BPCE),


Charg de cours lUniversit Paris-Dauphine.

Julien Idier :

Rapporteur, Chercheur, Banque de France, Direction des tudes


montaires et financires.

Jol Metais :

Professeur lUniversit Paris-Dauphine, Prsident du jury

Daniel Szpiro :

Rapporteur, Professeur lUniversit de Lille 1.

lUniversit

RISQUE DE CREDIT ET VOLATILITE DES SPREADS


SUR LE MARCHE DE LA DETTE PRIVEE EN EURO*

Amos Aristide Sodjahin

LUniversit Paris Dauphine nentend donner aucune approbation ni improbation aux opinions
mises dans cette thse. Ces opinions doivent tre considres comme propres leur auteur.

Je ddie cette thse


La mmoire de ma mre
Elisabeth.

Remerciements
Terrible exercice que celui des remerciements !
Je vais essayer de men acquitter avec sincrit et justesse.
Cette thse est laboutissement de quatre annes de travaux de recherche. Je tiens, avant toute
chose, exprimer mes vifs remerciements celles et ceux qui en ont permis la progression
ou laboutissement, directement ou indirectement.
Mes vifs remerciements vont tout particulirement au Professeur Sanvi Avouyi-Dovi dont jai
eu le privilge davoir comme directeur de thse. Sa rigueur intellectuelle et son ct
perfectionniste insatisfait mont profondment marqu. Il ma accord sa confiance en me
laissant une grande libert de pense et daction, tout en me faisant part de ses avis, conseils et
suggestions. Que ces quelques mots soient pour lui le tmoignage de ma gratitude. Merci
aussi ses collaborateurs de la Banque de France, notamment Marie-Christelle Atohoun et
Virginie Fajon qui, par leur disponibilit et leur gentillesse, ont toujours russir minsrer
dans le planning compliqu de mon directeur de thse dun ct, me rserver un accueil
toujours chaleureux de lautre.
Messieurs Julien Idier et Daniel Szpiro ont gracieusement accept dtre rapporteurs. Jai pu
bnficier des fruits de leurs expriences, notamment au cours des discussions lors de la
pr-soutenance. Messieurs Jol Metais et Damien Bathossi se sont associs aux travaux en
acceptant dtre membres de ce jury. Je les remercie tous vivement de lintrt port mon
travail en acceptant de le juger.
Mes remerciements vont galement lUniversit Laval au Canada (dpartement de Finance)
qui ma accueilli pendant quelques semaines en 2008, comme tudiant visiteur et ma ouvert
les portes de sa salle de marchs. Merci tout particulirement Stphanie Etienne qui ma
initi Bloomberg et aid dans la collecte des donnes.
Je men voudrais de ne pas remercier mes professeurs de lUniversit Paris1-Panthon
Sorbonne et de lUniversit Paris-Dauphine pour la qualit des enseignements qui mont
adquatement prpar cette thse.
Un merci incommensurable est destin ma famille, si lointaine par la distance, si proche par
le cur.

ii

Merci maman qui a cru en moi et qui a tout fait pour que je prpare le doctorat.
Malheureusement elle sen est alle sans voir la ralisation de ses vux. Ce travail, cest
elle quil est ddi
Merci papa qui ma toujours encourag daller le plus loin possible dans mes tudes.
Merci William mon frre, post-doctorant au dpartement de Finance de lUniversit de
New-York, qui ma prcd dans cet exercice. Il ma beaucoup aid, notamment crire les
codes des programmes utiliss pour raliser les diffrents exercices destimation. Il a par
ailleurs t toujours prsent et a su me promulguer les conseils au bon moment ; cest en
partie grce lui que jai toujours eu lenvie de continuer ce doctorat.
Merci enfin Bertrand, Sverin et Alain. Une affection toute particulire Kevin, Kenneth,
Lynda qui mont toujours apport le support moral pour finaliser cette thse.

iii

Rsum
Le risque de crdit sur le march obligataire se matrialise par le possible dfaut dune
contrepartie, mais aussi par lvolution du spread conscutive une dtrioration perue par
le march de la qualit de crdit de lmetteur. Cette thse sintresse aux spreads de crdit
sur le march des obligations prives en euro. A la suite du chapitre introductif qui prsente
certains faits styliss qui caractrisent lvolution des spreads de crdit sur ce march, le reste
de la thse est organis en trois tudes empiriques.
La premire tude propose une modlisation de la variance conditionnelle des spreads dans un
cadre non gaussien. A partir de modles statistiques de type GARCH, nous discutons le choix
de la loi de distribution conditionnelle des innovations, capable de rendre compte de
lasymtrie et de lexcs de kurtosis observs. Le modle EGARCH associ la distribution
Skewed-GED semble intressant pour caractriser la dynamique des spreads et offre une
meilleure prvision de leur volatilit.
Se fondant sur les modles structurels dvaluation de la dette risque, la deuxime tude
examine linfluence des conditions de march sur les spreads de crdit. Indpendamment de la
situation financire de la firme mettrice, les primes de risque semblent dpendre des taux
dintrt, de ltat du march des actions, du march des changes ainsi que de liquidit des
titres.
Enfin, la troisime tude est consacre lexamen de leffet des annonces sur les spreads de
crdit. Les investisseurs semblent accorder de limportance aux publications de chiffres
amricains. Les spreads des metteurs les plus risqus sont plus affects, surtout en priodes
de crises.
Mots cls : Spread de crdit en euro, effets dasymtrie, distribution de lois conditionnelles,
prvision de volatilit, conditions de march, annonces macroconomiques, attentes du
march, crises financires.

Abstract
The credit risk on the bond market is characterized by the possible default of a counterparty,
but also by changes in the spread following a perceived deterioration, by the market, of the
credit quality of the issuer. This thesis focuses on credit spreads on corporate bond market in
euros. Following the introductory chapter that presents some stylized facts that characterize
the dynamic of credit spreads in this market, the rest of the thesis is organized in three
empirical studies.
The first study proposes a model of the conditional variance of spreads in a non-Gaussian
setting. Within the GARCH family models, we discuss the choice of the conditional
distribution of innovations that is able to account for the asymmetry and excess kurtosis
observed. The model associated with skewed generalized error distribution (Skewed-GED)
seems to characterize the dynamic of credit spreads and performs well in terms of out-ofsample volatility forecast.
From the structural models of risky debt, the second study examines the influence of market
conditions on credit spreads. Regardless of the financial situation of the bond issuer, risk
premiums seem to depend on interest rates, the state of the stock market, the foreign exchange
market and the liquidity of the securities.
The third study is devoted to examining the effect of macroeconomic news on credit spreads.
Investors seem to attach greater importance to the releases of Americans indicators. The
spreads of riskier issuers are more affected, especially in times of crisis.
JEL Classification: C32; G01 ; G12; G32.
Keywords: Credit spread in euro, asymmetric effects, conditional probability distribution,
volatility forecast, market factor, macroeconomic news, market expectation, financial crisis.
iv

Sommaire
Ddicace ................................................................................................................................................... i
Remerciements ........................................................................................................................................ ii
Rsum ................................................................................................................................................... iv
Sommaire .................................................................................................................................................v
Liste des tableaux .................................................................................................................................. vii
Liste des graphiques ............................................................................................................................... ix
Introduction gnrale.............................................................................................................................1
Chapitre 1 : March de la dette prive en euro dans la dernire dcennie .....................................12
Rsum...............................................................................................................................................13
1.1. Introduction .................................................................................................................................14
1.2. Structure du march des obligations dentreprise en euro ..........................................................15
1.2.1 Structure des missions par pays et par secteurs ..................................................................15
1.2.2 Structure des missions par notations et par maturits .........................................................17
1.3. Spreads de crdit sur le march des obligations prives en euro ................................................19
1.3.1 Options Adjusted Spread (OAS) sur indices obligataires de Merrill Lynch.........................20
1.3.2 Statistiques descriptives des spreads crdit ..........................................................................21
1.3.3 Quelques faits styliss des spreads de crdit ........................................................................23
1.4. Conjoncture conomique au cours de la priode l'chantillon ....................................................25
1.4.1 Environnement des marchs financiers ................................................................................25
1.4.2 Environnement macroconomique .......................................................................................28
1.5. Conclusion ..................................................................................................................................35
1.6. Bibliographie ..............................................................................................................................36
1.7. Annexes ......................................................................................................................................39
Chapitre 2 : Volatilit des spreads de crdit sur le march de la dette prive en euro .................68
Rsum...............................................................................................................................................69
2.1 Introduction ..................................................................................................................................70
2.2. Brve revue de littrature ............................................................................................................73
2.3 Modle utilis ..............................................................................................................................75
2.3.1 Rappel des modles GARCH ...............................................................................................75
2.3.2 Apport de distributions non gaussiennes ..............................................................................78
2.3.3 Prvision hors chantillon de la volatilit des spreads .........................................................82
2.4 Conclusion ...................................................................................................................................84
2.5 Bibliographie ...............................................................................................................................85
2.6 Annexes .......................................................................................................................................92

Chapitre 3 : Valorisation de la dette risque : Un modle empirique ...........................................116


Rsum.............................................................................................................................................117
3.1. Introduction ...............................................................................................................................118
3.2. Modles structurels de valorisation de la firme ........................................................................120
3.2.1 Modle de Merton (1974) ...................................................................................................120
3.2.2 Extensions du modle de Merton : relchement des hypothses classiques......................123
3.3. Dterminants des spreads de crdit ...........................................................................................125
3.3.1 Variables relatives au taux dintrt ...................................................................................125
3.3.2 Variables relatives au march boursier ...............................................................................127
3.3.3 Liquidit sur le march obligataire .....................................................................................128
3.3.4 Taux de change effectif rel de lEuro ...............................................................................129
3.3.5 Matrice de corrlation.........................................................................................................130
3.4 Spcification du modle et rsultats empiriques ........................................................................131
3.4.1 Conditions de march et variation des spreads de crdit ....................................................132
3.4.2 Crise financire, crise de liquidit et spreads de crdit ......................................................135
3.4.3 Effet asymtrique de la volatilit du march boursier sur les spreads de crdit .................136
3.5 Conclusion .................................................................................................................................137
3.6. Bibliographie ............................................................................................................................139
3.7. Annexes ....................................................................................................................................144
Chapitre 4 : Effets des annonces sur les spreads de crdit ............................................................161
Rsum.............................................................................................................................................162
4.1. Introduction ...............................................................................................................................163
4.2. Revue de littrature ...................................................................................................................165
4.3. Spcification du modle et rsultats empiriques .......................................................................167
4.3.1 Rponses des spreads de crdit aux annonces macroconomiques ...................................167
4.3.2 Prminence des chiffres amricains dans lvaluation des primes de risque ....................172
4.3.3 Impact en fonction des caractristiques des missions .......................................................172
4.3.4 Effets des crises financires................................................................................................174
4.3.5 Impacts des annonces sur la volatilit conditionnelle des spreads .....................................175
4.4. Conclusion ................................................................................................................................176
4.5. Bibliographie ............................................................................................................................178
4.6. Annexes ....................................................................................................................................183
Conclusion gnrale ...........................................................................................................................203

vi

Liste des tableaux

Chapitre 1 : March de la dette prive en euro dans la dernire dcennie


Tableau 1.2.1 : Structure des missions dobligations prives en euro par pays et par secteurs .............16
Tableau 1.2.2 : Indices corporate de Merrill Lynch par secteurs et ratings ....................................18
Tableau 1.2.3 : Indices corporate de Merrill Lynch par secteurs et maturits ..................................19
Tableau 1.4.1 : Calendrier des publications dindicateurs macroconomiques .................................33
Tableau 1.7.1 : Classification sectorielle des indices obligataires corporate de Merrill Lynch .......40
Tableau 1.7.2 : Notes de rating long terme Standard and Poors et Moodys.................................41
Tableau 1.7.3 : Statistiques descriptives des indices quotidiens Option Adjusted Spread en euro....42
Tableau 1.7.4 : Analyse descriptive des variables de march ............................................................44
Tableau 1.7.5 : Statistiques descriptives des indicateurs macroconomiques ...................................45
Tableau 1.7.6 : Tests de racine unitaire sur les sries de spread (OAS) en euro ..............................46
Tableau 1.7.7 : Tests de racine unitaire sur les variables de march .................................................48
Tableau 1.7.8 : Tests dhtroscdasticit et de normalit.................................................................49
Tableau 1.7.9 : Composition sectorielle des indices corporate Merrill Lynch ..................................51
Tableau 1.7.10 : Entreprises mettrices dobligations en euro prsentes dans lindice obligataire de
Merrill Lynch au 31 mars 2008 .........................................................................................................54

Chapitre 2 : Volatilit des spreads de crdit sur le march de la dette prive en euro

Tableau 2.6.1 : Estimation du modle AR (1)-EGARCH avec la distribution normale ....................99


Tableau 2.6.2 : Test de normalit de Jarque et Bera sur les rsidus du modle ...............................103
Tableau 2.6.3 : Estimation du modle avec les distributions de la Student et de la GED ...............104
Tableau 2.6.4 : Estimation du modle avec les distributions Skewed-Student et Skewed-GED .....108
Tableau 2.6.5 : Prvision hors chantillon de la volatilit des spreads de crdit. ............................112

vii

Chapitre 3 : Valorisation de la dette risque : Un modle emirique


Tableau 3.3.1 : Spreads de crdit et conditions de march : signes attendus ...................................130
Tableau 3.3.2 : Corrlation entre les variables explicatives ..........................................................131
Tableau 3.7.1 : Conditions de march et spreads de crdit .............................................................145
Tableau 3.7.2 : Conditions de march, crises financires et spreads de crdit ..............................153
Tableau 3.7.3 : Effet asymtrique de la volatilit boursire ............................................................158

Chapitre 4 : Effets des annonces sur les spreads de crdit


Tableau 4.3.1 : Corrlation entre annonces macroconomiques et spread de crdit ......................169
Tableau 4.6.1 : Effets jours dannonce des indicateurs conomiques sur les spreads ...............184
Tableau 4.6.2 : Effets des surprises des annonces sur les spreads de crdit par ratings ..................187
Tableau 4.6.3 : Effets des surprises des annonces sur les spreads par secteurs ...............................190
Tableau 4.6.4 : Impacts compars des surprises des annonces sur les spreads par priodes. ..........194
Tableau 4.6.5 : Impacts des surprises macroconomiques sur la volatilit des spreads de crdit. ..197

viii

Liste des graphiques


Chapitre 1 : March de la dette prive en euro dans la dernire dcennie
Graphique 1.3.1 : Evolution des spreads de crdit par ratings ...........................................................22
Graphique 1.3.2 : Variation des spreads de crdit (Pb) par ratings....................................................24
Graphique 1.4.1 : Conditions de march et spread de crdit .............................................................27
Graphique 1.4.2 : Cycle conomique et spreads de crdit .................................................................29
Chapitre 2 : Volatilit des spreads de crdit sur le march de la dette prive en euro
Graphique 2.6.1 : Fonctions de densit de la Skewed-Student ..........................................................96
Graphique 2.6.2 : Fonctions de densit de la Skewed-GED ..............................................................98
Graphique 2.6.3 : Volatilit des spreads de crdit sur le march de la dette prive en euro. ...........114

Chapitre 3 : Valorisation de la dette risque : Un modle emirique


Graphique 3.2.1 : Structure par terme des spreads et notations .......................................................122
Graphique 3.3.1 : Taux de change effectif rel de leuro et du taux de change Euro-Dollar...........130
Graphique 3.3.1 : Spreads observs et simuls sur la priode de la crise des subprimes ................160

Chapitre 4 : Effets des annonces sur les spreads de crdit


Graphique 4.6.1 : Rponses des spreads de crdit aux surprises macroconomiques .....................199

ix

Introduction gnrale
L'endettement est une source de financement externe des entreprises via des emprunts auprs
des banques, ou par des missions d'obligations sur le march.
Contrairement aux prts, les obligations schangent sur des marchs organiss et sont ainsi
soumises au risque de crdit (risque de contrepartie), mais aussi au risque de march1 et, dans
une certaine mesure, au risque de liquidit.
Le rendement des obligations dentreprise est, en gnral suprieur celui dobligations de
mme nature, mises par un emprunteur public dont le risque de contrepartie est considr
comme nul (par exemple, les obligations du Trsor pour les pays de lOCDE2). Lcart de
rendement entre les titres public et priv (spread de crdit3) correspond la prime demande
par le march pour prendre en charge les risques affectant les obligations risques.
Pour un dtenteur dobligations prives, le risque de crdit se matrialise par le possible
dfaut dune contrepartie mais aussi par lvolution du spread, conscutive une dtrioration
perue par le march, de la qualit de crdit de lmission, sans pour autant que la dfaillance
soit avre. Sur les marchs, la dgradation de la qualit de crdit se traduit par une hausse de
la prime de risque (cest--dire du spread de crdit li lemprunteur) et/ou un changement de
classe de risque de lemprunteur par les agences de notation.
La qualit de crdit dpend la fois de lenvironnement conomique4 et des facteurs
spcifiques lmetteur (Jarrow, Lando et Yu, 2003). Ainsi, bien que le risque de crdit soit
par essence, diffrent des risques de march, dans la mesure o il est troitement li la
performance individuelle (solvabilit) et la structure capitalistique (levier financier) de
lemprunteur, le spread est aussi li aux climats des marchs et sans doute lvolution des

Le risque de march peut se dfinir comme le risque de perte lie aux variations des conditions de march. Plus
explicitement, le risque de march, cest le risque que la valeur dun actif, dune dette dtenu(e) par une institution financire
varie en raison de lvolution des prix sur les marchs financiers :
risque de march proprement, dit qui affecte le prix des actions en particulier,
risque de taux, qui affecte la valeur des instruments de taux,
risque de change, qui modifie la valeur des avoirs en devise de linstitution.
2

La crise de la dette Grecque, montre toutefois que le risque de contrepartie des metteurs publics, mmes membres de
lOCDE, nest pas forcment nul.
3

Le spreads de crdit est conventionnellement dfini comme lcart entre les rendements de titres obligataires respectivement
mis par un emprunteur priv, de quelque qualit quil soit, et par un emprunteur public, suppos sans risque de dfaut. Cest
une mesure du risque de crdit, assimil un risque de dfaut, autrement dit de dfaillance partielle ou totale de la
contrepartie. Ds lors, lanalyse du spread de crdit se borne une valuation par le march du risque de dfaut de
lemprunteur.
4

La capacit de remboursement des entreprises est trs sensible aux cycles conomiques (Gourieroux et Tiomo, 2007).

Introduction Gnrale

perspectives conomiques. Les conditions de march et de faon gnrale lenvironnement


conomique expliquent les fluctuations densemble des primes de risque sur les marchs. Les
risques de march sont par consquent une composante non ngligeable des spreads de crdit.
Cette thse examine linfluence de lenvironnement conomique sur le risque affectant le
march de la dette prive en euro. Elle est ralise dans un contexte de dveloppement
croissant des missions dentreprise en euro au cours des dernires annes.
Comparativement la tradition anglo-saxonne, lintrt des entreprises prives europennes
pour les missions obligataires est relativement rcent. Limportance des banques dans le
financement des entreprises explique pour lessentiel cette diffrence. Toutefois, la cration
de la monnaie unique en 1999, va favoriser lmergence dun march de la dette prive en
euro. Majoritairement domin au dbut de l'UEM par les obligations dentreprise du secteur
financier ayant de trs bonnes notations (AAA et AA), ce march sest progressivement
ouvert des metteurs plus risqus, notamment ceux nots A et BBB. Par ailleurs, le march
des drivs de crdit et le march financier structur, notamment les titres adosss des
crances (CDO-Collateralized debt obligations), ont aussi enregistr au cours de la priode
rcente une forte croissance5. Des produits structurs, comme les titres garantis par des
obligations (CBO-Collateralized bond obligations), s'appuient sur un large portefeuille de
titres.
Cette volution du march a entran de facto une augmentation de lexposition globale des
investisseurs au risque de crdit. Do lintrt port au problme de la valorisation de ce type
de droit de crance qui, sans tre un droit de proprit, contient nanmoins de forts risques en
capital.
Au cours des trois dernires dcennies, plusieurs modles thoriques sarticulant en deux
grandes familles, ont vu le jour.
La premire qualifie de modles structurels, a t initie par Merton (1974) et reprise par
plusieurs auteurs (par exemple Leland, 1994, Longstaff et Schwartz, 1995). Cette approche
repose sur une modlisation de la structure financire de la firme mettrice, et linterprtation
de sa dette comme une option sur la valeur de ses actifs.
Le modle de Merton (1974) suppose une structure de capital trs simple, constitue
uniquement des capitaux propres et dune obligation zro-coupon. En appliquant la mthode
5

Le volume des obligations titrises de plus de 840 milliards deuro fin mars 2008, alors que ces produits financiers
nexistait pratiquement pas en Europe au dbut des annes 2000.

Introduction Gnrale

de duplication de Black et Scholes (1973), Merton obtient des formules explicites de la valeur
de la dette et de son taux de rendement actuariel. Il peut alors calculer le spread de crdit
comme diffrence entre le taux dintrt de la dette et le taux sans risque. Lun des avantages
des modles structurels est quils permettent d'analyser le rapport entre les spreads de crdit et
les variables de march. Ainsi, les dterminants des spreads de crdit selon cette approche
sont : la valeur de la firme et sa volatilit, le taux sans risque et le levier financier
(Dette/valeur de la firme). Daprs ce modle, une augmentation de la valeur de l'entreprise
ou du taux d'intrt sans risque entrane une diminution des spreads de crdit. En revanche,
une augmentation de la volatilit de la valeur de l'entreprise ou du levier financier accrot la
probabilit du dfaut et provoque un largissement des spreads.
La deuxime famille de modles connue sous lappellation de modles sous forme rduite a
t initie par Jarrow et Turnbull (1995), Jarrow et al. (1997) et Duffie et Singleton (1999).
Contrairement aux modles structurels, ceux relevant de lapproche rduite ne conditionnent
pas explicitement le dfaut la valeur de la firme. La faillite dune firme serait un vnement
compliqu dont les conditions prcises de survenance, telles que dcrites par lapproche
structurelle, sont trop restrictives car il ny a pas de cause prcise au dfaut.
Dans les modles sous forme rduite, le dfaut est modlis comme le premier saut dun
processus de Poisson et lintensit du dfaut correspond lampleur du saut ; la date de dfaut
est une variable alatoire et donc totalement imprvisible. Le reproche quon fait souvent aux
modles sous forme rduite est quils ntablissent pas de lien entre le dfaut dune entreprise
et les fondamentaux conomiques et financiers.
Mais la crise financire des subprimes a mis en vidence la vulnrabilit de ces modles,
notamment leur capacit prvoir et anticiper les vnements de crdit.
Cette crise qui traduit une sous-valuation du risque au dbut des annes 2000 par les
institutions financires, les investisseurs, les rgulateurs et les agences de notation, a t
alimente par la conjonction de trois ensembles de facteurs.
Tout dabord, un environnement macroconomique favorable, caractris par une baisse de la
volatilit de la croissance et de linflation (Mokni et al, 2009, Baba et Packer, 2009 et
At-Sahalia et al, 2010), a pu laisser croire que le risque macroconomique avait presque
disparu. Il en a rsult une baisse excessive des primes de risque qui ont conduit des hausses
de prix dactifs, entranant la formation de bulles.
Pour fournir aux investisseurs un rendement lev, les gestionnaires de fonds ont t incits
se porter sur des actifs de plus en plus risqus. L'abondance de liquidits mondiales et le bas

Introduction Gnrale

niveau d'intrt ont en outre favoris l'effet de levier, c'est--dire le recours l'emprunt pour
financer l'achat de ces actifs.
Par ailleurs, des innovations financires ont permis la cration ou le dveloppement de
nouveaux produits sophistiqus (titrisation, titrisation de titrisation, produits drivs...) dont
lavantage serait de rpartir le risque entre un plus grand nombre dagents et d'assurer une
plus grande stabilit au systme financier. Toutefois, les dangers inhrents ces instruments
financiers ont t sous-valus par les investisseurs et les agences de notation parce que :
- dune part, la dispersion du risque a conduit une grande opacit de ces produits financiers ;
- dautre part, le transfert du risque a augment les probabilits de dfaut en rduisant
lincitation des prteurs sassurer de la solvabilit des emprunteurs ; les prteurs ne
supportant pas eux-mmes lessentiel du risque de dfaut. Lapparente scurit apporte par la
mutualisation a en effet pu paradoxalement entraner des comportements plus risqus
(Federal Reserve Bank of New York, 2009 et Federal Reserve Bank of St. Louis, 2009).
Enfin, la rgulation financire prsentait dimportantes lacunes face ces volutions : lacunes
dans lapprciation des risques qui taient exfiltrs hors du bilan des banques via la titrisation,
les produits drivs,... ; manque de coordination entre rgulateurs, au niveau international
aussi bien que national, notamment aux tats-Unis, o la rgulation est partage entre de
nombreux acteurs (Fed, SEC6, institutions spcialises dans le contrle des agences
hypothcaires Fannie Mae et Freddie Mac, tats chargs du contrle des institutions
financires locales...).
Le march des prts hypothcaires amricains dits subprimes fournit lillustration la plus
clatante de ces excs. En effet, des mnages amricains dont laccs au crdit tait jusque l
trs limit, parce quils ne prsentaient pas de garantie suffisante en termes de revenu,
demploi ou de patrimoine, se sont vu offrir la possibilit de contracter des emprunts
immobiliers mieux adapts leurs besoins. Ainsi, le montant total de ces crdits subprimes a
considrablement progress, passant de 2,4 % 13 % du total de lencours de prts
immobiliers aux tats-Unis entre 1998 et 2007 et mme 40 % des nouveaux crdits souscrits
en 20077.

Securities and Exchange Commission, l'agence de rgulation des marchs financiers amricains.

Intervention de Ben Bernanke du 31 aot 2007 au Symposium de Jackson Hole.

Introduction Gnrale

Lendettement des mnages amricains a atteint un niveau8 tel que la demande de logement
na pu continuer crotre un rythme aussi soutenu. Les prix de limmobilier ont plafonn
avant daccuser, partir du milieu de lanne 2006, la chute la plus notable depuis plus dun
sicle ; loffre de logements tant nettement en excs. Ce retournement des prix a rendu
intenable la situation des mnages, d'autant plus que, dans de nombreux cas, les mensualits
taient croissantes au cours du temps. Dans le mme temps, la Fed a poursuivi la hausse de
ses taux directeurs entame en 2004, alourdissant les mensualits des prts taux variables.
Avec la hausse des taux dintrt et la baisse continue de la valeur des biens immobiliers, les
dfauts de paiement se sont multiplis parmi les prts subprimes, surtout parmi ceux qui
taient taux ajustables ; s'en est suivie une hausse des procdures de saisie-vente qui
alimente encore la baisse.
Bien quelle ait paru initialement ne concerner que le march des subprimes aux tats-Unis, la
crise sest progressivement propage lensemble des marchs financiers et lconomie
relle par trois canaux principaux. Dabord, la crise financire a entran une crise de
confiance qui touche lensemble des agents conomiques : les banques hsitent se prter
entre elles, tandis que les mnages, par crainte du chmage, accroissent leur pargne de
prcaution. Ensuite, laccs au crdit est devenu plus coteux et difficile : les prteurs,
confronts un risque de dfaut accru, font payer plus cher les emprunteurs, voire refusent de
leur prter. Restriction de crdit et crise de confiance ont un impact particulirement ngatif
sur linvestissement des mnages et des entreprises. Enfin, la baisse de demande entrane une
contraction du commerce mondial, propageant la crise lensemble de lconomie mondiale.
En retour, la dgradation de l'conomie relle entretient la crise financire. C'est le cas en
particulier de la baisse des prix dans l'immobilier qui nourrit la crise des subprimes.
Au total, la crise a cot de 3 7 points de croissance des pays dvelopps en 2009. Les tatsUnis la source de la crise, sont fortement touchs (At-Sahalia et al, 2010 et Furceri et
Mourougane, 2009).
Sur les marchs obligataires, cette crise sest traduite par une rvaluation du prix du risque
de crdit. Tous les compartiments : dette structure, obligations haut rendement, dette
subordonne bancaire et obligations dentreprise de catgorie investment-grade ont t
affects. Les fluctuations extrmes des cours, ont inflig de lourdes pertes aux investisseurs
dtenteurs dobligations prives (par llargissement des spreads).
8

En 2007, le taux d'endettement moyen des mnages amricains tait ainsi de 140%, contre 68,4% chez les Franais. Sous
l're Bush, de 2001 2007, la hausse est de 80%. Une envole qui s'explique par la forte augmentation des crdits la
consommation (+80% en dix ans) mais aussi par l'engouement outre-Atlantique pour la proprit et le boom pass de
l'immobilier.

Introduction Gnrale

Prvoir et anticiper les mouvements des spreads de crdit sur les marchs obligataires est
donc important pour les investisseurs aussi bien dans leur activit quotidienne dachat et de
vente de titre que pour la couverture de leurs positions face aux fortes variations de spreads.
Si plusieurs tudes empiriques sur ce sujet portent principalement sur le march amricain
(Longstaff et Schwartz, 1995; Duffee, 1998 ; Collin-Dufresne et al., 2001; Elton et al., 2001;
etc.), en revanche, peu dtudes se sont intresses aux spreads de crdit en euro
(Boss et Scheicher, 2002 ; Van Landschoot, 2008). Pourtant leuro semble tre aujourdhui,
lune des monnaies de rfrence au niveau international.
Lobjectif de cette thse est dexaminer linfluence de lenvironnement conomique sur le
risque affectant le march de la dette prive en euro. Une attention particulire est accorde
limpact des crises financires sur ce pan du march obligataire. Nous utilisons les spreads de
crdit (Option Adjusted Spread) en frquence quotidienne de lindice obligataire
Investment-grade de Merrill Lynch sur la priode allant de janvier 1999 mars 2008.
A la suite du chapitre introductif (chapitre 1) qui prsente certains faits styliss qui
caractrisent lvolution des spreads de crdit sur le march des obligations dentreprise en
euro, cette thse est organise en trois tudes empiriques.
La premire tude (chapitre 2) propose une modlisation de la variance conditionnelle des
spreads de crdit dans un cadre non gaussien. A partir de modles statistiques de type
GARCH, nous discutons du choix de la loi de distribution conditionnelle des innovations,
capable de rendre compte de lasymtrie et de lexcs de kurtosis observs.
Plus exactement, nous rpondons aux questions suivantes :
-

lintroduction de lasymtrie dans les modles GARCH (TGACH et EGARCH)


amliore-t-elle sensiblement les rsultats des estimations par rapport au modle
GARCH traditionnel ? Si oui lequel des modles TGACH ou EGARCH est-il adapt
pour caractriser la variance conditionnelle des spreads de crdit ?

le processus GARCH asymtrique associ aux distributions de Student ou de la GED


est-il suffisant pour prendre en compte pleinement lasymtrie et lexcs de kurtosis ?

le recours aux distributions asymtriques (Skewed-Student ou Skewed-GED) amliore


t-il la performance du modle en termes destimation et de prvision de la volatilit
des spreads de crdit ?

Introduction Gnrale

Le modle EGARCH associ avec la distribution GED asymtrique (Skewed-GED), qui


permet de contrler, la fois, les phnomnes dasymtrie et de prsence de queues paisses,
semble mieux caractriser la dynamique des spreads de crdit et offre aussi une meilleure
prvision hors chantillon de leur volatilit.
A partir des modles structurels dvaluation de la dette risque, le chapitre 3 examine
linfluence des conditions de march sur les spreads de crdit. La spcificit de notre
approche est double.
- Tout dabord, le modle EGARCH associ la distribution Skewed-GED utilis, est original
sur ce sujet.
- Ensuite, nous examinons si limpact des conditions de march sur les spreads de crdit
dpend de la conjoncture conomique et financire. Pour cela, nous sparons notre chantillon
en des sous priodes, reprsentant chacune les priodes de crises et de relatives stabilits
financires.
Les principales conclusions de cette tude peuvent tre rsumes comme suit :
- nos rsultats empiriques valident le choix dune loi asymtrique et intgrant la prsence
dvnements rares pour caractriser la distribution conditionnelle des innovations ;
- indpendamment de la situation financire de la firme mettrice, les spreads de crdit sur le
march des obligations prives semblent affectes par conditions des marchs (conditions de
taux, tat du march des actions et du march des changes, liquidit sur le march obligataire)
qui expliquent les fluctuations densemble des primes de risque ;
- limpact semble plus important pendant les priodes de crises financires ;
- les spreads de crdit des obligations de rating infrieur sont plus affects par les conditions
de march.
Toutefois lensemble de ces facteurs nexplique quune part relativement faible de spreads
observs (Collin-Dufresne, 2001). Gupton et Stein (2002) ainsi que Huang et Kong (2003)
suggrent de prendre en compte de facteurs macro-conomiques.
Le chapitre 4 examine linfluence des surprises macroconomiques (news) sur le march des
obligations prives en euro. A cette fin, nous analysons limpact des publications de vingtquatre indicateurs9 amricains et europens sur les spreads de crdit.
9

Huit se rapportent aux tats-Unis, six la zone euro, cinq lAllemagne et cinq la France.

Introduction Gnrale

Nous rpondons aux questions suivantes :

Quels sont les indicateurs pertinents ?

La rponse des spreads de crdit aux annonces dpend-t-elle des caractristiques des
missions (secteur, rating et maturit) et de ltat de la conjoncture conomique ?

Les annonces affectent-elles la variance conditionnelle des spreads de crdit ?

Les principaux rsultats de cette tude sont les suivants :


- les primes de risque varient en fonction de lvolution de la conjoncture conomique. Les
investisseurs semblent accorder une grande importance aux publications des statistiques sur
ltat de lconomie amricaine (Jones et al., 2005 et Nikkinen et al., 2006) ;
- si les spreads de crdit des metteurs du secteur financier sont naturellement plus influencs
par les publications des taux directeurs, ceux du secteur industriel sont davantage affects par
les annonces des chiffres dactivit ;
- les obligations de ratings plus faibles et celles de courtes maturits sont plus affectes par
les publications macroconomiques ;
- par ailleurs, les spreads de crdit semblent plus ractifs aux annonces pendant les priodes
de crises financires ;
- enfin, seul un nombre restreint dannonces affectent la volatilit des spreads. Et l encore ce
sont les metteurs les plus risqus qui sont les plus vulnrables.

Lultime partie de cette thse tire les conclusions gnrales sur lensemble des travaux et
propose des extensions futures des diffrentes recherches ci prsentes dans cette thse.

Introduction Gnrale

Bibliographie

At-Sahalia Y., Andritzky J., Jobst A., Nowak S. et Tamirisa N. (2010), Market
[1] response to policy initiatives during the global financial crisis, NBER Working Paper
15809 http://www.nber.org/papers/w15809.
Baba N. et Packer F. (2009), From turmoil to crisis: Dislocations in the FX swap
[2] market before and after the failure of Lehman Brothers, Journal of International Money
and Finance, 28 (5), 776-803.

[3]

Black F. et Scholes M. (1973), The pricing of options and corporate liabilities,


Journal of Political Economy, 81, 637-654.

[4]

Boss M. et Scheicher M. (2002), The determinants of credit spread changes in the euro
area, Bank for International Settlements Paper, 12, 181-199.

[5]

Collin-Deferens P., R. Goldstein et S. Martin (2001), The determinants of credit spread


changes. Journal of Finance, 56, 2177-2207.

[6]

Duffee G. (1998), The relation between treasury yields and corporate bond yield
spreads, Journal of Finance, 53, 2225-2241.

[7]

Duffie D. et Singleton K. J. (1999), Modeling term structures of defaultable bonds,


Review of Financial Studies, 12, 687-720.

[8]

Elton E., Gruber M., Agrawal D. et Mann (2001) C., Explaining the rate spread on
corporate bonds, Journal of Finance, 56, 247-277.

Federal Reserve Bank of New York (2009), Timelines of Policy Responses to the
[9] Global Financial Crisis, Working Paper.
http://www.ny.frb.org/research/global_economy/policyresponses.html.

[10]

Federal Reserve Bank of St. Louis. (2009), The financial crisis: A timeline of events
and policy actions, Working Paper, http://timeline.stlouisfed.org.

Introduction Gnrale

[11]

Furceri D., et Mourougane A. (2009) Financial crises: Past lessons and policy
implications, OECD Economics Department, Working Paper N 668.

[12]

Gourieroux C., Tiomo A. (2007), Risque de crdit : une approche avance,


Economica.

[13]

Gupton G. et Roger Stein R. (2002), LossCalTM: Moody's model for predicting loss
given default (LGD), Moody's Investors Services, Global Credit Research.

Huang J. Z. et Kong W. (2003), Explaining credit spread changes: Some new evidence
[14] from Option-Adjusted Spreads of bond indices, New-York University, Working Paper
N S-CDM-03-08.

[15]

Jarrow R. A., Lando D. et Yu F. (2003), Default risk and diversification: theory and
applications, Revised version of the EFA 2001 Barcelona Meetings.

[16]

Jarrow R. et Turnbull S. (1995), Pricing derivatives on financial securities subject to


default risk, Journal of Finance, 50, 53-86.

[17]

Jarrow R., Lando D. et Turnbull S. (1997), A Markov model for the term structure of
credit risk spreads, Review of Financial Studies, 10, 481-523.

Jones B., Lin C-T., Masih A., (2005) Macroeconomic announcements, volatility, and
[18] interrelationship: An examination of the UK interest rate and equity markets,
International Review of Financial Analysis, 14, 356-375.

[19]

Leland H (1994), Corporate debt value, bond covenants and optimal capital structure,
Journal of Finance, 49, 1213-1252.

[20]

Longstaff F. A. et Schwartz E. S. (1995), Valuing risky debt: A new approach,


Journal of Finance, 50, 789-819.

[21]

Merton R. (1974), On the pricing of corporate debt: The risk structure of interest
rates, Journal of Finance, 29, 449-470.

10

Introduction Gnrale

Mokni K, Mighri Z. et Mansouri F (2009), On the effect of subprime crisis on Value[22] at-Risk estimation: GARCH family models approach, International Journal of
Economics and Finance, 2 (1), 88-104.
Nikkinen J., Omran M., Sahlstrm P. et P. ij J. (2006), Global stock market
[23] reactions to scheduled U.S. macroeconomic news announcements, Global Finance
Journal, 17, 92-104

[24]

Van Landschoot A. (2008), Determinants of yield spread dynamics: Euro versus US


dollar corporate bonds Journal of Banking and Finance, 32, 2597-2605.

11

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

large changes tend to be followed by large change of either sign and small changes
tend to be followed by small changes.
Mandelbrot B. (1963), The variation of certain speculative prices,
Journal of Business, 36, 394-419

Sommaire
Rsum...............................................................................................................................................13
1.1. Introduction .................................................................................................................................14
1.2. Structure du march des obligations dentreprise en euro .........................................................15
1.2.1 Structure des missions par pays et par secteurs ..................................................................15
1.2.2 Structure des missions par notations et par maturits .........................................................17
1.3. Spreads de crdit sur le march des obligations prives en euro ...............................................19
1.3.1 Options Adjusted Spread (OAS) sur indices obligataires de Merrill Lynch.........................20
1.3.2 Statistiques descriptives des spreads crdit ..........................................................................21
1.3.3 Quelques faits styliss des spreads de crdit ........................................................................23
1.4. Conjoncture conomique au cours de la priode l'chantillon ....................................................25
1.4.1 Environnement des marchs financiers ................................................................................25
1.4.2 Environnement macroconomique .......................................................................................28
1.5. Conclusion ..................................................................................................................................35
1.6. Bibliographie ..............................................................................................................................36
1.7. Annexes ......................................................................................................................................39

12

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Rsum
Ce chapitre prsente certains faits styliss qui caractrisent lvolution des spreads de crdit
sur le march des obligations prives en euro. Nous utilisons les indices obligataires de
Merrill Lynch en frquence quotidienne sur la priode allant du 06 janvier 1999 au
31 mars 2008.
Majoritairement domin au dbut de l'UEM, par les obligations du secteur financier ayant de
bonnes notations (AAA et AA), ce march sest progressivement ouvert dautres metteurs
plus risqus, notamment ceux nots A et BBB.
Lanalyse descriptive de lvolution des spreads de crdit rvle que pour une notation
donne, les spreads des metteurs du secteur financier sont plus levs que ceux du secteur
industriel. Aussi, les spreads et leur volatilit diminuent avec la qualit de signature des
metteurs : en particulier, ils sont trs levs pendant les priodes de crises. Par ailleurs, la
distribution des spreads de crdit est non stationnaire, asymtrique et leptokurtique sur la
priode tudie ; des regroupements de volatilits sont galement observs. Ces faits styliss
qui caractrisent la dynamique des primes de risque sur ce march peuvent tre attribus aux
chocs macroconomiques et financiers.
Mots cls : March en euro des obligations dentreprise, spread de crdit, crise financire.
Abstract
This chapter presents some stylized facts characterizing credit spreads of corporate bonds in
euro. We use Merrill Lynch daily bond indices from January 6, 1999 to mars 31, 2008.
Largely dominated at the beginning of EMU by issuers with excellent ratings (AAA or AA),
this market has gradually opened up to companies with lower credit quality, particularly those
rated A and BBB.
The descriptive analysis of credit spreads reveals that for a given rating, the spreads of
financial sector issuers are higher than those of industrial sector issuers. Also, the spreads and
their volatility decrease with the quality (rating) of the bond. Moreover, the analysis reveals a
nonstationary and non- normal probability distribution of credit spreads over the period
studied; volatilities clustering are also observed. These stylized facts characterizing the
dynamic of credit spreads can be attributable to macroeconomic and financial shocks.
JEL Classification: G01; G24; G32
Keywords: Corporate bond market in Euro, credit spread, financial crisis.

13

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

1.1. Introduction
Comparativement la tradition anglo-saxonne, lintrt des entreprises prives (corporate)
europennes pour les missions obligataires est relativement rcent. Les marchs obligataires
europens sont rests trs longtemps domins par les missions publiques. Cette situation qui
a prvalu jusque dans les annes 1990 sexplique pour lessentiel par limportance des
banques dans le financement des entreprises10. Mais ladoption de la monnaie unique en 1999
a favoris lentre dun grand nombre de firmes prives sur les marchs obligataires en euro.
Mme si la part la plus importante reste constitue par les missions dinstitutions financires,
les obligations mises par les entreprises industrielles et commerciales prives ont fortement
progress.
Une consquence de cette rupture est que larbitrage des oprateurs sur les marchs de
capitaux ne se fait plus exclusivement entre les obligations publiques et les actions. Larrive
de cette nouvelle catgorie dmetteurs conduit insrer sur les marchs un segment nouveau,
en quelque sorte hybride, en ce sens que lobligation prive est de la nature la fois dun titre
de crance et dun actif risqu.
Toutefois, ce nouveau march des obligations prives ne saurait rivaliser, en termes de
liquidit avec les marchs dobligations publiques11 et ce, pour des raisons qui tiennent autant
limportance du besoin en capital des metteurs privs qu des raisons tenant aux normes
rglementaires dinvestissement des principaux intervenants du march, savoir les fonds
dinvestissement.
Cette tude a pour objectif de prsenter certains faits styliss caractristiques de ce march
obligataire en pleine croissance. Une attention particulire est accorde au comportement des
spreads de crdit pendant les priodes de crises financires.
Nous utilisons les spreads de crdit (Option Adjusted Spread) de lindice obligataire de
Merrill Lynch, en frquence quotidienne12, sur la priode allant du 06 janvier 1999
au 31 mars 2008.

10

A titre de comparaison, en 1998, aux Etats-Unis, 63% des ressources externes des entreprises proviennent dobligations ;
en Allemagne, la proportion tombe 2%, alors que les prts bancaires comptent pour 91% des ressources externes des
entreprises. (La Bruslerie, 2002).

11

Les encours des missions dentreprises reprsentent moins du tiers de ceux des obligations publiques en euro.

12

Nous utilisons les donnes en frquence quotidienne, contrairement beaucoup dtudes antrieures qui portent sur les
donnes hebdomadaires ou mensuelles car sur les marchs, les spreads de crdit sont suivis en frquence quotidienne. Sinon,
il est souvent trop tard de vendre lorsque la hausse des spreads surprend.

14

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Notre chantillon initial compos de 2413 observations, contient les donnes de week-end et
des jours fris13. Pour sassurer que les donnes des spreads de crdit que nous utilisons
refltent linformation du march, nous limitons notre analyse aux jours uvrs. Ce qui
ramne notre chantillon 2315 observations.
Ce chapitre sera organis comme suit. Aprs une brve prsentation du march de la dette
prive en euro et de la structure des missions (section 1.2), la section 1.3 met en vidence
certains faits styliss caractrisant ce march. La section 1.4 prsente lenvironnement
conomique et financier sur la priode de notre chantillon. La section 1.5 rsume les
principaux rsultats et conclut.
1.2. Structure du march des obligations dentreprise en euro
Il est difficile dobtenir des donnes dsagrges recensant les transactions firme par firme sur
le march de la dette prive en euro. Pour disposer de plus de prix de march correspondant
des obligations dentreprises liquides, il est usuel de mettre ensemble, sous forme dindices,
les transactions correspondant des entreprises dun mme secteur dactivit, dun mme
pays et de mme notation.
Les bases de donnes les plus connues sont celles de lex. Lehman Brothers et de
Merrill Lynch qui publient les donnes (prix, volume, spread etc.) sur les indices
dobligations dentreprise. Toutefois, celles de Merrill Lynch, sont plus utilises dans les
salles de march, via Bloomberg.
Notre tude porte sur la base de donnes de Merrill Lynch qui classe les obligations
dentreprise par secteurs14 : financier, industriel et services publics (tableau 1.6.1 en annexe).
La liste des metteurs prsents dans lindice Corporate en euro de Merrill Lynch au
31 mars 2008 (fin de notre chantillon) est fournie par le tableau 1.7.10 en annexe.
1.2.1 Structure des missions par pays et par secteurs
Depuis 1999, le march des obligations prives en euro sest construit partir de la fusion des
composantes domestiques des pays membres de lUnion conomique et montaire (UEM) et
du march international en euro. La cration de leuro a donn une impulsion dterminante
aux missions libelles dans cette devise. En se limitant aux missions ayant un encours
minimum de 100 millions deuros, la valeur de march des obligations mises par les

13
Les donnes du vendredi sont reportes sur le samedi et le dimanche et les chiffres des derniers jours ouvrs sont reports
sur les jours fris.
14

Les tudes empiriques des chapitres suivants portent essentiellement sur les missions dentreprise des secteurs financier
et industriel.

15

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

entreprises a plus que doubl en dix ans pour atteindre 1040 milliards deuro en mars 2008.
Par ailleurs, le nombre dmissions est pass de 883 1372 entre en janvier 1999 et mars
2008 (tableau 1.2.1).
Cette croissance sexplique principalement par le dveloppement rapide des missions
dentreprises europennes qui sadressent directement au march de leuro. Dans la situation
prcdente, confines dans leur march domestique, ces entreprises accusaient un retard
compar la prsence massive des entreprises amricaines sur leur march obligataire
domestique en dollar. Les anciens marchs obligataires domestiques des pays de lUnion
conomique et montaire, reprsentent fin mars 2008, prs de 2/3 du march des obligations
dentreprise en euro. La part des metteurs domestiques franais ou allemand ne dpasse pas
20% du total. Hors UEM, les metteurs les plus prsents sont amricains et britanniques.
Tableau 1.2.1 : Structure des missions dobligations prives en euro par pays et par secteurs
Finance

France
Allemagne
Pays-Bas
Italie
Espagne
Irlande
Belgique
Autriche
Portugal
Luxembourg
Finlande
Grce

janv99
92
115
275
4
11
12
0
19
1
1
1
0

mars08
111
140
79
64
32
27
15
15
7
7
2
1

Total UEM

531

Etats-Unis
GrandeBretagne
Sude
Suisse
Australie
Japon
Danemark
Norvge
Russie
Canada
Autres
Total hors
UEM
Total
%

Industrie
janv-99 mars-08

Services
publics
(Utilities)
janv- mars99
08
9
19
0
14
4
5
0
16
0
9
0
0
0
5
4
3
0
6
0
0
0
3
0
2

Total

janv99
128
117
347
6
11
13
0
23
1
3
1
0

mars08
239
234
116
100
59
28
26
24
19
15
12
9

janv99
14%
13%
39%
1%
1%
1%
0%
3%
0%
0%
0%
0%

mars08
17%
17%
8%
7%
4%
2%
2%
2%
1%
1%
1%
1%

27
2
68
2
0
1
0
0
0
2
0
0

109
80
32
20
18
1
6
6
6
8
7
6

500

102

299

17

82

650

881

74%

64%

82

123

44

44

126

167

14%

12%

51

81

11

44

63

133

7%

10%

4
1
0
0
0
1
0
3
7

9
21
15
13
10
4
1
6
25

3
3
1
2
1
0
0
6
2

14
8
10
6
3
5
9
2
15

0
0
0
9
0
1
0
0

6
0
0
2
0
1
0
0
6

7
4
1
11
1
2
0
9
9

29
29
25
21
13
10
10
8
46

1%
0%
0%
1%
0%
0%
0%
1%
1%

2%
2%
2%
2%
1%
1%
1%
1%
3%

149

308

73

160

11

23

233

491

26%

36%

680

808

175

459

28

105

883

1372

100%

100%

77%

59%

20%

33%

3%

8%

100%

100%

Sources : Bloomberg/Merrill Lynch et calcul de lauteur

16

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

La part des entreprises du secteur financier est toujours prpondrante par rapport celle du
secteur industriel. Cependant, la dynamique dmission des entreprises industrielles a t
particulirement importante. Ces metteurs reprsentent fin mars 2008 plus du tiers du total
des missions dentreprises prives, contre seulement 20% fin janvier 1999 (tableau 1.2.1).
1.2.2 Structure des missions par notations (ratings) et par maturits
La notation financire ou rating constitue un indicateur de risque de dfaut dun metteur.
Lapprciation de la qualit de crdit dun dbiteur est gnralement effectue par les agences
de notation15 qui valuent la solvabilit dune entreprise, dune collectivit locale ou dun
Etat. En fonction de cet examen, elles attribuent une note leurs clients - "AAA" dsignant la
meilleure note. "BBB" renvoie de mauvaises performances, et "D" est la note des entreprises
en dfaut. Les notes sont attribues selon une chelle, qui opre une distinction entre long et
court termes. Les metteurs bnficiant de la note maximum, AAA, sont peu nombreux. Il
sagit souvent de groupes multinationaux ou dmetteurs souverains. La note BBB constitue
la limite infrieure des notes dites de catgorie dinvestissement (Investment Grade). En de
de cette limite, les notes appartiennent la catgorie dite spculative (Speculative Grade).
Lapprciation de la qualit du crdit dun dbiteur effectue par les agences de notation est
donc une tche dlicate. En effet, les agences de rating sont commercialement dpendantes
des metteurs et techniquement dpendantes des informations communiques par ce dernier
(Cantor, 2004). Limpartialit et la crdibilit de ces agences sont souvent mises en doute.
Elles ont notamment t accuses dtre lun des acteurs de la crise des subprimes pour
avoir attribu de meilleures notes des produits financiers trs risqus16.
Par ailleurs, il est aussi reproch aux agences de notation la lenteur de leurs ractions17 et
aussi une certaine opacit dans leur dcision de modification du niveau de risque des
crances (Sy, 2004). La crise des subprimes couvait, alors que la notation des titres
15

Les deux agences de rating les plus connues sont Standard and Poors et Moodys. Ces firmes semblables par leur taille et
leur manire de travailler, suivent essentiellement sur le march, environ 6500 titres de dette appartenant 2000 entreprises.
Pour ce service, lagence de rating est rmunre, en une fois, au moment de lmission. Le cot dun rating se situe entre
20 000 et 50 000 dollars. Chacune de ces agences (ainsi quune troisime, plus petite, Fitch IBCA) publie chaque mois un
Bond Guide ou chaque obligation se voit attribuer une note sous forme de lettre. La graduation des notes attribues est faite
en dix classes, de AAA D pour Standard and Poors, et en neuf classes de Aaa C pour Moodys. Le tableau 1.7.2 en
annexe prsente la dfinition de chacune de ces classes.
16

Il est reproch aux agences de notation un conflit d'intrts (Larosire De, 2009). En effet, ils participent souvent
l'laboration des produits financiers dits structurs (pour lesquels ils sont rmunrs par les metteurs), et doivent aussi leur
attribuer des notes objectives. Notes qui, en outre, serviront d'argumentaire pour attirer les investisseurs. C'est comme si un
studio de cinma payait un journaliste pour faire la critique de son film et en utilisait ensuite des extraits dans ses
publicits, a estim le snateur rpublicain Jim Bunning lors de l'audition des trois principales agences devant le Snat
amricain.
17

La qualit du service rendu par les agences de notation rside en effet, dans le signal quelles mettent lorsquelles rvisent
leur jugement sur un dbiteur. Il est donc essentiel que la mise jour de la note, par amlioration ou dgradation, soit rapide
et ne fasse lobjet daucun atermoiement. A la limite un retard systmatique dans lanalyse de la situation dun metteur
rendait les agences de rating aussi utiles quun pompier arrivant aprs lincendie.

17

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

reprsentatifs de ces crances tait en majorit trs bonne (Larosire De, 2009)18 et na t
rvalue la baisse que peu de temps avant la crise.
Le tableau 1.2.2 prsente la composition de lindice corporate de Merrill Lynch en euro par
notations entre janvier 1999 et mars 2008. A la diffrence des indices en dollar, ceux libells
en euro sont exclusivement Investment-Grade. Les obligations de meilleurs ratings
(AAA et AA) sont majoritairement (plus de 80%) mises par les entreprises du secteur
financier, tandis quune grande proportion dobligations notes BBB (80%) provient du
secteur industriel. Les obligations notes A sont issues des secteurs financier et industriel
53% et 35% respectivement (tableau 1.2.2).
Tableau 1.2.2 : Indice Merrill Lynch par ratings entre janvier 1999 et mars 2008
Rating
Secteur

AAA

AA

BBB

GLOBAL

Moyenne

Moyenne

Moyenne

Moyenne

Moyenne

Financier

187

83

263

81

229

53

27

13

706

59

Industriel

11

38

12

151

35

167

81

368

31

Services
publics

27

12

25

50

12

12

115

10

Indice Global

225

100

327

100

431

100

207

100

1189

100

Sources : Bloomberg/Merrill-Lynch et calcul de lauteur

Majoritairement domin au dbut de l'UEM par les obligations de trs bonnes qualits, le
march de la dette prive en euro sest progressivement ouvert dautres metteurs plus
risqus, notamment ceux nots A et BBB, moyennant des rendements plus levs. En termes
de structure, le march des obligations en euro tend ainsi ressembler au march obligataire
corporate amricain.
Lanalyse de la structure des missions par maturit montre que les obligations de maturits
suprieures 10 ans sont plutt rares19 (moins de 6% des missions). Ce sont les entreprises
de services publics (utilities) qui sont en proportion, les plus importants metteurs sur cette
tranche (tableau 1.2.3).
18

Le fait que les organismes de rglementation obligeaient certains investisseurs rglements investir uniquement dans
des produits AAA a encore renforc la demande pour ces actifs financiers. Les metteurs font le tour des agences pour
s'assurer d'obtenir une note AAA pour leurs produits..Finalement, les agences de notation ont rduit la perception du risque
de crdit en donnant des notes AAA aux tranches suprieures (senior) des produits financiers structurs tels que les CDO, la
mme note que celle donne aux obligations classiques des tats et des entreprises (Larosire De, 2009).
19

Il nen existe pas pour les indices obligataires dentreprise de Merrill-Lynch (en euro) nots BBB.

18

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.2.3 : Indice Merrill Lynch maturit entre janvier 1999 et mars 2008
Maturit
Secteur

1-3 ans

3-5 ans

5-7 ans

Plus de
10 ans

7-10 ans

Indice
Global

Moyenne

Moyenne

Moyenne

Moyenne

Moyenne

Moyenne

Financier

189

27

178

25

132

19

174

25

33

706

100

Industriel

100

27

115

31

78

21

59

16

17

368

100

Services
publics

22

19

25

22

25

22

28

24

16

14

115

100

20

261

22

66

1189

100

Indice
311
318
234
26
27
Global
Sources : Bloomberg/Merrill-Lynch et calcul de lauteur

1.3. Spreads de crdit sur le march des obligations prives en euro


Le rating est une qualification du crdit de lemprunteur. Ce nest pour autant le seul moyen
dapprcier la qualit dun dbiteur. La prime de risque (nomme ici par spread de crdit)
constitue une autre source dinformation qui permet apprhender le risque de dfaut dun
emprunteur obligataire (Loffler, 2004 ; Perraudin et Taylor (2004). Le spread de crdit est la
rmunration exige par les investisseurs en compensation du risque global encouru par la
dtention du titre considr. Il caractrise la perception du risque de crdit par les
investisseurs. Plusieurs natures de risque sont intgres dans le spread de crdit savoir le
risque de dfaut20 et le risque de liquidit21.
Lorsque le march est stable, la prime de risque demande aux metteurs de moins bonne
qualit est en moyenne de lordre de 100 points de base (pb). Mais aux cours des priodes de
tension sur les marchs financiers, les investisseurs ont tendance rechercher de meilleures
signatures et dlaisser les metteurs en difficult. Ce surcrot de demande aboutit creuser
lcart maximum avec les moins bonnes signatures qui peut alors dpasser 300 pb.
Dans le cadre de cette tude, nous utilisons les Options Adjusted Spread de Merrill Lynch.
20
Risque de dfaut : Le risque de crdit se dfinit comme limpossibilit dune contrepartie satisfaire ses obligations
contractuelles, ce qui entrane une perte financire pour le crancier. On en distingue trois formes :

le risque de contrepartie : Correspond la dfinition prcdente et intervient en cas de manquement ou de retard de


la part de la part de lemprunteur sur le paiement du principal et ou des intrts de sa dette.
le risque de dgradation de la qualit de crdit nimplique dfaillance : Il se traduit sur le march obligataire par
une rmunration supplmentaire (prime de risque) par rapport aux emprunts dEtat sur la dette considre. Cest
pourquoi, il est ncessaire dincorporer au moment de lmission lvaluation dun risque ex-ante de dgradation de
la qualit du crdit du titre achet.
le risque sur le taux de recouvrement en cas de dfaillance : En cas de dpt de bilan de la socit mettrice, les
cranciers auront un droit de proprit sur les actifs. Nanmoins, ces actifs faisant rgulirement de clauses
privilgies pour certains cranciers, il sagit dvaluer le risque intrinsque li aux diffrents droits de proprit
accord par lentreprise pour ces diffrents cranciers. Ainsi, une clause dobligation de premier rang (obligations
senior) est rembourse avant les obligations de second rang (obligations junior). Par consquent un spread plus
important sera demand dans le cas des obligations de second rang.

21
Risque de liquidit : Cest le risque de ne pas vendre son prix un titre financier. Il peut se traduire, soit par une
impossibilit effective de la vendre, soit par une dcote dite dilliquidit. Il est vident par exemple quune obligation de
mme rating et de mme maturit quune autre offrira toujours une rentabilit moindre si sa liquidit est plus grande.

19

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

1.3.1 Options Adjusted Spread (OAS) sur indices obligataires de Merrill Lynch
Le spread sobtient gnralement en faisant la diffrence entre le taux de rendement actuariel
de lmission obligataire risque, et le taux de rendement dune obligation moins risque de
mme chance. Toutefois, le spread ainsi obtenu nest quune mesure approximative du
spread de crdit puisque le spread calcul va dpendre galement, comme tout taux actuariel,
de la taille du coupon des obligations choisies. Les Options Adjusted Spread (OAS)
permettent destimer la prime de risque sans faire rfrence la notion de rendement
actuariel. En effet, la mthode OAS :

prend appui sur la ralit un instant donn, dune structure par terme des taux ;

intgre un processus binomial dvolution des taux dintrt court terme ;

permet de tenir compte des clauses optionnelles propres lobligation.

Nous utilisons dans le cadre de cette tude, les indices sur OAS construites par Merrill Lynch.
La composition de chaque indice de Merrill Lynch est dtermine le dernier jour ouvrable du
mois prcdent (tableau 1.7.9). Une fois constitu, le portefeuille nest plus modifi avant la
fin du mois. En dbut du mois, les obligations ne remplissant plus les conditions
dappartenance chaque portefeuille sont alors enleves de lindice et de nouvelles
obligations remplissant les critres sont intgres.
Par ailleurs, plusieurs filtres sont imposs pour construire l'chantillon des obligations des
diffrents indices :

les obligations non notes par les agences de notation sont exclues ;

pour rduire au minimum l'effet du risque de liquidit, toutes les obligations qui ne
sont pas cotes au moins une fois par semaine en moyenne sont limines ;

pour sassurer que la qualit des obligations retenues est fonde uniquement sur la
solvabilit des metteurs, les obligations ayant une composante optionnelle
(callables et/ou putables), sont aussi limines. Par ailleurs, les obligations
convertibles, les obligations trangres quasi-gouvernement, et les obligations
allemandes Pfandbriefe22 sont aussi exclues ;

aussi, seules les missions dentreprise de valeur minimum 100 millions d'euro, ayant
au moins un an de maturit et payant un coupon annuel taux fixe sont incluses dans
les indices de Merrill Lynch.

22

Ce sont des titres obligataires allemands mis par les institutions financires et qui sont assimilables des obligations
prives garanties. Ces instruments domestiques ne relvent pas de la logique du march international corporate en euro.

20

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

1.3.2 Statistiques descriptives des spreads de crdit


Les spreads de crdit sont en gnral calculs sur le march obligataire pour un ensemble
dobligations appartenant une classe de notation donne. Il existe une relation de bon sens
entre la taille de la prime de risque et le rating (Hull et al., 2004) : plus ce dernier est bas, plus
la prime est importante. Le graphique 1.3.1 montre lvolution des spreads de crdit en euro
de janvier 1999 mars 2008. La hirarchie des ratings semble respecte :

les metteurs AAA sont au plus bas dans le graphique 1.3.1, car en termes de qualit,
leurs signatures sont trs proches de celles des obligations dEtat. En moyenne leur
prime de risque est de lordre de 30 Pb ;

les metteurs AA, puis les metteurs A viennent ensuite ;

les obligations BBB apparaissent avec un niveau de prime de risque nettement


suprieur, en moyenne de 125 Pb sur la priode.
Graphique 1.3.1 : Evolution des spreads de crdit par ratings
350
300

(Pb)

250
200
150
100
50

AAA

AA

1/6/2008

1/6/2007

1/6/2006

1/6/2005

1/6/2004

1/6/2003

1/6/2002

1/6/2001

1/6/2000

1/6/1999

BBB

Sources : Merill Lynch/Bloomberg

Ce graphique met aussi en vidence lamplitude des variations des primes de risque au cours
du temps. Par exemple au cours des annes 2000-2003, la prime de risque moyenne des
obligations notes BBB a fluctu entre 100 et 300 Pb, cest--dire du simple au triple. Mme
les obligations AAA ont connu des variations des primes de risque entre 10 et 80 pb sur la
priode de 2007 2008. Lexplication trouve sa source dans les crises financires.
En effet, en 2000, la suite de la fin de la bulle boursire et du retournement conjoncturel,
lensemble des spreads sest accru rapidement pour atteindre dbut octobre 2002, des maxima
historiques (graphique 1.3.1). Ces mouvements ont t accentus par les attentats du
11 septembre 2001 et la faillite dEnron en dcembre 2001. Le phnomne cumulatif
daversion croissante des investisseurs au risque et de flight to quality a particulirement
jou contre les obligations, surtout celles de ratings bas.
21

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Par ailleurs, la contagion financire qui a suivi la crise des obligations adosses des crances
hypothcaires risque (subprime) en t 2007 sest traduite aussi par une rvaluation du
prix du risque de crdit (At-Sahalia et al., 2010 ; Baba et Packer, 2009). La priode allant de
juillet 2007 mars 2008 a t caractrise par un important largissement des spreads de
crdit, et ce, quel que soit le rating des metteurs (graphique 1.3.1).
Le tableau 1.7.2 en annexe, prsente quelques statistiques descriptives des spreads de crdit
en distinguant les priodes de crises financires des priodes de stabilit financire.
Elles sont prsentes aussi bien en niveau quen variation en distinguant les spreads par
secteurs, ratings et maturits. Plusieurs observations peuvent tre faites, notamment :
i) les obligations ayant de bons ratings ont les spreads les plus bas (tableau 1.6.3 et
graphique 1.3.1) car elles sont censes moins risques. Cela confirme les rsultats de certains
travaux raliss sur le march amricain (Duffee, 1998 et Elton et al., 2001) ;
ii) si les spreads (en niveau), quels que soient le secteur et le rating, semblent augmenter avec
la maturit, notamment jusqu 10 ans23 (Duffee, 1998), en revanche leurs variations semblent
plus importantes sur les tranches de courtes maturits ;
iii) pour les entreprises de mme rating, les spreads sont en moyenne plus levs dans le
secteur financier24. Les entreprises du secteur industriel paraissent donc moins risques que
les entreprises financires de mme notation. Ces observations sont conformes aux analyses
faites par Nickell, Perraudin, Varotto (2000) et Ammer et Packer (2000) sur le march
amricain ;
iv) lcart type des spreads augmente gnralement lorsque le rating se dtriore. La volatilit
du spread de crdit diminuerait donc avec la qualit du titre (Longstaff et Schwartz, 1995 et
Duffee, 1998). En revanche, on ne trouve pas un lien clair entre lcart type et la maturit ;
v) les spreads de crdit sur la priode des crises financires sont suprieurs la moyenne sur
lensemble de lchantillon. Ils ont atteint leur maximum25 sur la priode des crises
financires et leur minimum pendant la priode de stabilit financire de notre chantillon.
23

Ils baissent par la suite sur les tranches de maturit de plus de 10 ans. Cette baisse des spreads des missions de plus de 10
ans pourrait tre due leffet de liquidit trs faible sur les obligations de longues maturits qui sont dailleurs trs nombreux
(6% de lensemble des missions).
24

Il faudrait toutefois remarquer quen considrant les indices obligataires par secteur, sans distinction de ratings et de
maturits, les spreads du secteur financier sont en moyenne moins importants que ceux du secteur industriel sur la priode
tudie. Ce constat sexplique par le fait que, les missions du secteur financier, beaucoup plus nombreuses (59%), sont
plus de 80% de rating AAA et AA, compare aux missions du secteur industriel (31% des missions) qui sont domines
plus de 80% par les obligations notes BBB.

25
A titre dexemple, le 17 mars 2008, le Merrill Lynch Corporate Index (en euro) du secteur financier offrait un spread de
212 points de base, contre seulement 29 points de base le 02 mars 2005. On note par ailleurs que les spreads de crdit ont
enregistr leurs plus fortes variations, les premiers jours douverture des marchs, aprs les attentats du 11 septembre 2001.

22

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Les obligations les moins bien notes sont particulirement affectes. Les spreads des
obligations dentreprise notes BBB et A ont atteint des niveaux sans prcdents au
cours de cette priode.
Enfin, notons que les rsultats des tests Augmented Dickey Fuller (ADF) et Phillips-Perron
(tableau 1.7.6) indiquent que toutes les sries de spreads (quels que soient le rating et le
secteur) ne sont pas stationnaires. Elles sont intgres dordre 1 au seuil de 5%. Ces rsultats
qui sont conformes ceux obtenus dans plusieurs tudes sur les donnes amricaines
(Ramchander et al., 2005) peuvent tre attribus leffet des cycles conomiques sur la
dynamique des spreads de crdit (Pedrosa et Roll, 1998).
1.3.3 Quelques faits styliss des spreads de crdit
La distribution des spreads de crdit est leptokurtique et asymtrique (tableau 1.7.8).
On observe aussi des phnomnes de regroupement de volatilits (graphique 1.3.2).
Lexcs de kurtosis
Le coefficient de kurtosis des sries de spreads de crdit (variation) est significativement plus
lev que celui correspond une distribution normale. Comme lillustre le test de
Jarque-Bera, leur distribution ne suit pas une loi normale ; ce qui est une caractristique
gnrale des sries financires. Cet excs de kurtosis tmoigne de la forte probabilit
doccurrence de points extrmes, surtout pendant les priodes de crises o les spreads
atteignent des niveaux trs loigns de leur moyenne (tableau 1.7.3).
La non normalit des distributions des rendements dactifs financiers, surtout sur les sries
hautes frquences, a t mise en vidence par les travaux prcurseurs dOsborne (1959),
Alexander (1961) ou encore Mandelbrot (1963) qui montrent que par rapport une
distribution gaussienne, la distribution empirique prsente des pics plus prononcs et des
queues de distributions plus longues ( fat tails ). Les vnements rares26 sont plus frquents
que ne le suppose une distribution normale. Selon ces auteurs, linformation importante se
rfugierait dans les queues de distribution et de ce fait, il nest pas convenable de ngliger,
comme il tait alors dusage, les valeurs aberrantes . La non prise en compte de lpaisseur
des queues de distribution dans la modlisation des rendements dactifs financiers peut
conduire sous-estimer le risque. Pour dcrire les distributions queues paisses, les travaux
rcents (Phoa, 1999 et Bierens et al., 2003 ; So et Yu, 2006 ; Angelidis, Benos et
Degiannakis, 2007) recommandent le choix de distributions leptokurtiques.
26

Par exemple : attentat du 11/9/2001, les fluctuations extrmes des cours pendant crises financires ou les publications de
statistiques conomiques plus importantes (ou plus faible) que prvues.

23

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Le phnomne de clusterring de la volatilit


Le graphique 1.3.2 reprsentant lvolution des variations des spreads de crdit par ratings,
indique que ces sries sont fortement volatiles. Ces volatilits semblent voluer avec le temps.
On observe aussi des regroupements de volatilit.
Le phnomne regroupement de volatilit ( volatility clusterring) a t mis en vidence
par Mandelbrot (1963) quil rsume par une remarque clbre large changes tend to be
followed by large change of either sign and small changes tend to be followed by small
change .
Ce phnomne de clusterring, qui en ralit est troitement li la leptokurticit, justifie le
recours aux modles rgressifs de la classe ARCH. Le test ARCH ralis sur les rsidus des
AR(1), montre la prsence dhtroscdasticit dans les sries de spreads de crdit en
variation (tableau 1.7.8).

1/5/2007

1/5/2008
1/5/2008

1/5/2006

1/5/2005

1/5/2004

1/5/2003

Spread AA (en variation)

30
20
10
0
-10
-20

Spread A (en variation)

1/5/2006

1/5/2005

1/5/2004

1/5/2003

1/5/2002

1/5/2001

1/5/2000

-40

1/5/1999

1/5/2008

1/5/2007

1/5/2006

1/5/2005

1/5/2004

1/5/2003

1/5/2002

1/5/2001

1/5/2000

-30

1/5/1999

20
15
10
5
0
-5
-10
-15
-20

1/5/2007

Spread AAA (en variation)

1/5/2002

1/5/2001

1/5/2000

12
10
8
6
4
2
0
-2
-4
-6
-8
1/5/1999

1/5/2008

1/5/2007

1/5/2006

1/5/2005

1/5/2004

1/5/2003

1/5/2002

1/5/2001

1/5/2000

10
8
6
4
2
0
-2
-4
-6
-8

1/5/1999

Graphique 1.3.2 : Variation des spreads de crdit (en Pb) par ratings

Spread BBB (en variation)

Sources : Merill Lynch/Bloomberg

24

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Leffet de levier
Le coefficient de skewness est significativement diffrent de zro sauf pour les obligations de
rating AAA (tableau 1.7.3). Ceci illustre donc la prsence dasymtrie dans la distribution des
spreads de crdit.
La prsence de phnomnes dasymtrie dans la volatilit des marchs boursiers a t mise
en vidence entre autres par Black (1976), Engle et Ng (1993) et Zakoian (1994) qui
lexpliquent par le levier financier (apprci par le ratio : dette totale/capitaux propres) qui
volue dans le sens inverse des cours boursiers. Larrive dune nouvelle positive dans le
march engendre une hausse des cours et une diminution du levier financier, rduisant le
risque associ et donc la volatilit. Les travaux de Merton (1974), notamment, ont ainsi
montr que, plus le levier financier dune firme tait lev, plus les actions mises par celle-ci
se caractrisaient par une forte volatilit. La volatilit est une fonction croissante du niveau de
lendettement (Christie, 1982 ; Pagan et Schwert, 1990). Il semble cependant, quil soit
imprudent dattribuer en totalit cette caractristique rentabilit/volatilit leffet de levier.
En effet, des justifications micro-conomiques aux rponses asymtriques de la volatilit face
aux chocs ont t proposes par Sentana et Wadhwani (1992), dont le champ de validit ne se
limite pas aux seuls marchs boursiers. Ils montrent que lasymtrie dans la volatilit serait la
rsultante dun effet de panique se traduisant par des actions moins rationnelles en cas de
baisse du cours des actifs financiers.
1.4. Conjoncture conomique au cours de la priode l'chantillon
Lvolution des spreads sur le march obligataire dpend la fois de conditions conomiques
gnrales - car la capacit de remboursement des entreprises est trs sensible aux cycles
conomiques - et de facteurs spcifiques lmetteur comme le levier financier, la valeur des
actifs, la volatilit des actions etc. (Collin-Dufresne et al., 2001).
1.4.1 Environnement des marchs financiers
Lenvironnement des marchs financiers (conditions de taux, tat du march des actions et du
march des changes, etc.) affectent la tarification du risque sur le march obligataire. Il
semble tre lorigine des fluctuations densemble des spreads de crdit (La Bruslerie, 2002).
Ainsi par exemple, lorsque les rendements sur les obligations dEtat sont trs bas, les
investisseurs sont tents de prendre plus de risque pour une meilleure rmunration. Ils
achtent plus les obligations prives qui offrent des rendements plus levs. Ils font ainsi
monter le prix de ces obligations (et donc baisser le rendement) ce qui rduit les spreads.

25

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Linfluence du cours des actions et de leur volatilit sur le march des obligations dentreprise
se justifie double titre : dune part, la hausse des cours, est associe une diminution de la
probabilit de dfaut, due une baisse de leffet de levier et donc une baisse des spreads de
dfaut ; dautre part, une augmentation de la volatilit du march boursier, utilise comme
proxy de la volatilit des actifs de la firme des modles structurels27, est associe une
augmentation de la probabilit de dfaut et donc un accroissement du risque de dfaut.
Aussi, le taux de change auquel une firme est soumise peut affecter significativement sa
comptitivit et le cas chant le pousser au dfaut.
Le tableau 1.7.4 en annexe, prsente quelques statistiques descriptives des variables
financires censes reprsenter lenvironnement des marchs financiers, particulirement
mouvements pendant la priode de notre chantillon. Comme dans la section prcdente,
nous distinguons les priodes de crises financires et de relative stabilit financire.
On peut remarquer (tableau 1.7.4 et graphique 1.4.1) que les priodes de stabilit financire
sont caractrises par une faible volatilit des marchs boursiers. La liquidit28 sur les titres
obligataires privs est son niveau maximum. Cet environnement favorable entrane une
baisse significative des primes de risque sur les titres. Ce qui conduit des hausses de prix
dactifs qui nourrissent des anticipations de hausses de prix futurs, entranant la formation de
bulles29. Lclatement de ces bulles a entran des chutes brutales des valeurs boursires,
qui sont devenues extrmement volatiles, entranant la hausse les spreads de crdit
(tableau 1.7.4 et graphique 1.4.1).
Dans ces conditions, laversion au risque amne les investisseurs souvent dlaisser en partie
les actifs risqus pour se reporter sur les obligations dEtat, ce qui a pour consquence
dasscher la liquidit sur le march des obligations prives, entranant une augmentation des
primes de risque.
Lanalyse graphique de la corrlation entre spreads de crdit et les variables de march est
prsente dans le graphique 1.4.1.

27

Nous prsenterons les modles structurels dans le deuxime chapitre.

28

La liquidit est ici mesure par le spread de taux de swaps contre le taux dintrt 5 ans en euro. Une hausse de ce spread
tmoigne de la prfrence des investisseurs pour les titres obligataires publics au dtriment des missions prives et traduit
une baisse de la liquidit sur le march des obligations dentreprise.

29

Bulles des valeurs technologiques pour la crise de 2000-2003 et bulles immobiliers pour celle de lt 2007.

26

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Graphique 1.4.1: Conditions de march et spread de crdit


Spre ad de cr dit e t volatilit du march boursie r

Spre ad de crdit e t march boursie r

05/01/2008

05/01/2007

05/01/2006

OAS A en Pb (Ech. G)
Volatilit implicite Eurostoxx 50 (VST OXX), Ech. D

OAS A en Pb (Ech. G)
DJ EURO ST OXX 50 INDEX (Ech. D)

Spread de Crdit et taux d'intrt 10 ans en euro

250

05/01/2005

05/01/1999

04/01/2008

04/01/2007

04/01/2006

04/01/2005

04/01/2004

04/01/2003

04/01/2002

04/01/2001

04/01/2000

04/01/1999

1800

05/01/2004

2800

05/01/2003

3800

70
60
50
40
30
20
10
0
05/01/2002

4800

250
200
150
100
50
0
05/01/2001

5800

05/01/2000

250
200
150
100
50
0

Spread de crdit et pente de la courbe des taux


250

5,5

200

150
100
50

4,5

150

100

3,5

50

OAS A en Pb (Ech. G)

OAS A en Pb (Ech. G)
T aux de change Euro/dollar (Ech. D)

1/5/2008

1/5/2007

1/5/2006

1/6/2008

1/6/2007

1/6/2006

1/6/2005

50

OAS A en Pb (Ech. G)

06/01/2008

06/01/2007

06/01/2006

0
06/01/2005

06/01/2008

06/01/2007

06/01/2006

06/01/2005

06/01/2004

06/01/2003

06/01/2002

30

100

06/01/2004

80

150

06/01/2001

130

110
105
100
95
90
85
80
75
70

200

06/01/2000

180

Spread de crdit et taux de change e ffectif r el de l'Euro


250

06/01/1999

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

1/6/2004

1/6/1999

OAS A en Pb (Ech. G)
Euro Swap Spread (5 ans), Ech. D

Spre ad de C r dit e t taux de change Euro-doll ar


230

1/6/2003

OAS A en Pb (Ech. G)
Volatilit implicite swapt ions Euro (3mois FWD 10Y), Ech. D

06/01/2001

1/5/2005

50

1/6/2008

1/6/2007

1/6/2006

1/6/2005

1/6/2004

1/6/2003

1/6/2002

1/6/2001

100

06/01/2003

50

150

1/6/2002

100

200

06/01/2002

150

80
70
60
50
40
30
20
10
0
1/6/2001

200

250

1/6/2000

23
21
19
17
15
13
11
9
7
1/6/2000

1/5/2004

Spread de crdit et risque de liquidit

Spre ad de cr di t e t vol ati lit de s taux d'i nt r t

06/01/2000

1/5/2003

Pente courbe des taux (%) en euro 10ans-3mois (Ech. D)

250

06/01/1999

1/5/2002

OAS A en Pb (Ech. G)

Taux d'intrt 10 ans en euro en % (Ech. D)

1/6/1999

1/5/2001

1/5/2000

1/5/1999

1/6/2008

1/6/2007

1/6/2006

1/6/2005

1/6/2004

1/6/2003

1/6/2002

1/6/2001

1/6/2000

3
1/6/1999

200

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

T aux de change effect if rel euro (Ech. D)

Sources : Bloomberg, graphiques de lauteur

27

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

On note que :
-

les taux risques sans risque, la pente de la courbe des taux et les rendements boursiers
semblent ngativement corrls aux spreads de crdit ;

une augmentation de la volatilit boursire, de la volatilit des taux dintrt, de


lilliquidit des titres de crance et du taux de change de leuro, semble induire un
largissement des spreads de crdit sur le march des obligations prives
conformment lintuition.

1.4.2 Environnement conomique


Les spreads de crdits sont trs sensibles aux cycles conomiques (Gourieroux, Tiomo, 2007).
1.4.2.1 Droulement du cycle conomique et prime de risque
Le droulement du cycle conomique est un lment objectif qui explique lapparition de
dfauts obligataires (Nickell, Perraudin, Varotto, 2000). En priode de forte croissance, la
situation des entreprises est bonne et les dfaillances sont rares, ce qui a priori baisse les
spreads de crdit sur les marchs obligataires. A linverse, en phase basse du cycle, les
entreprises pourraient connatre des situations tendues (baisse de commande, baisse de
rendement) et les dfaillances deviennent plus frquentes (Bangia et al., 2002). Les spreads
ont alors tendance augmenter car les investisseurs deviennent sensibles au risque de crdit.
On distingue trois cycles fondamentaux pour dcrire lenvironnement conomique :
-

le cycle dactivit qui regroupe des variables de demande, de production et


demploi. Dans une conomie ferme, demande et production concident et impliquent
un volume demploi donn ;

le cycle des prix qui regroupe les prix la consommation et les prix la production.
Dans la mesure o les prix sont sensibles aux tensions existant entre loffre et la
demande sur les marchs, le cycle des prix est a priori troitement li celui de
lactivit ;

le cycle montaire est li la politique montaire de la Banque Centrale qui fixe le


taux dintrt nominal court terme. Ce taux volue de faon cyclique. Le cycle
montaire30 est videmment li aux cycles prcdents.

30

Lintgration de la sphre conomique et financire se fait essentiellement par le cycle montaire qui est influencs par les
deux autres cycles mais qui les influence son tour.

28

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Le graphique 1.4.2 illustre ces diffrentes phases de lvolution des spreads de crdit au
regard du cycle conomique.
Graphique 1.4.2 : Cycle conomique et spreads de crdit

3
200

2,5

150

5
4,5

250

4
3,5

200

3
2,5

150

1,5

OAS BBB en Pb (Ech. G)


Croissance du PIB (%) en volume (zone euro)

OAS BBB en PB (Ech. G)


HICP (%) de zone euro

1,5
1
janv-08

janv-07

janv-06

janv-05

janv-04

janv-03

0,5
janv-02

50
janv-01

janv-08

janv-07

janv-06

janv-05

0,5
janv-04

50

2
100

janv-00

janv-99

100

janv-03

janv-08

janv-07

janv-06

janv-05

janv-04

janv-03

janv-02

janv-01

janv-00

60

janv-99

110

300

3,5

250

janv-02

160

janv-01

210

300

janv-00

260

5,3
4,8
4,3
3,8
3,3
2,8
2,3
1,8
1,3
0,8
0,3

janv-99

310

OAS BBB en Pb (Ech. G)


Taux directeur (%) de la BCE

Sources : Bloomberg (les indicateurs sont des donnes C.v.s)

Les spreads de crdit semblent avoir tendance anticiper en amont les volutions futures du
cycle conomique. A la fin de lanne 2000, les signes dun ralentissement de la croissance
conomique de la zone euro se manifestent tout juste. Cependant les primes de risque de
dfaut ont commenc crotre ds le dbut de lanne 2000 alors que la politique restrictive
de la BCE tait encore systmatiquement affirme. Les premiers signes de dclration de
lconomie apparaissent bien en retard, au quatrime trimestre 2000, par rapport aux
volutions des spreads. On remarque aussi en 2007 le mme phnomne danticipation31 du
cycle conomique pendant la crise financire. Cest pour cette raison que certains analystes
estiment que les spreads jouent le rle dindicateur avanc du cycle conomique
(La Bruslerie, 2002).
1.4.2.2 Impact des chocs conomiques
A la diffrence des donnes financires (taux dintrt, taux de changes, rendement boursier,
etc.) qui sont tout au moins en frquence quotidienne, les publications des statistiques
macroconomiques sont souvent mensuelles ou trimestrielles. Leur impact sur la dynamique
quotidienne des spreads de crdit parat donc difficile valuer. Dans la pratique, on suppose
que le cycle conomique est soumis de faon continue des chocs32 de toute nature33.

31

On note aussi en 2007 le dcalage dans le temps de lvolution des spreads par rapport au cycle conomique.

32

On appelle choc tout phnomne ou toute information relative au prsent ou lavenir, non anticip, susceptible de
modifier lvolution dun systme. Au lieu de choc, on utilise quelquefois les expressions d innovation, dala ou de
surprise pour mieux souligner le caractre imprvu de lvnement.

33

Les chocs ne sont pas tous issus de la sphre conomique. Des changements conomiques, des mouvements sociaux ont
aussi pour effet de modifier les comportements conomiques ou le cadre institutionnel dans lequel ils sexpriment. Il y a aussi
le cas dvnements rares, dont la probabilit dapparition dans un intervalle de temps donn est trs faible et dont la nature
elle-mme reste quelquefois totalement inconnue (les attentats 11 septembre exemple).

29

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Certains chocs loignent lconomie de sa trajectoire et dautres au contraire la ramnent vers


lquilibre. Ces chocs se rvlent, par exemple lors de la publication des statistiques dactivit
ou de prix trop loignes des attentes du march, ou encore dune dcision atypique de la
Banque Centrale.
Rentrent dans cette catgorie, les chocs survenant ltranger. Chaque conomie nationale est
un systme ouvert subissant, travers le commerce international et les mouvements de
capitaux, linfluence des autres conomies et plus gnralement des marchs mondiaux.
La demande sadressant aux exportateurs agit sur le cycle dactivit, comme le prix des
matires premires importes influence le cycle des prix. Le cycle montaire peut lui aussi
tre contraint saligner sur celui du pays dominant.
Les cours des spreads de crdit semblent dcrotre la progression de lactivit (au-del de ce
qui tait anticip), car laugmentation des profits (fonction croissante34 du chiffre daffaires)
est souvent considre comme un facteur rduisant le risque sur les marchs.
Limpact dune hausse de prix est plus incertain. La question est de savoir sil sagit du prix
des inputs ou de celui de loutput. Dans le second cas, la hausse des prix de vente augmente
les profits et pourrait rduire les primes de risque (David, 2004). A moins que la politique
montaire ne ragisse pour freiner lactivit et donc peser terme sur les rsultats des firmes.
Plus directement, un resserrement montaire (inopin) peut induire une tendance haussire
des spreads de crdit en raison du cot supplmentaire que cela pourrait reprsenter pour les
entreprises.
Dans le cadre de cette tude, nous avons choisi vingt quatre35 indicateurs macroconomiques
amricains et europens, publis rgulirement par des instituts nationaux de statistiques,
disponibles sur Bloomberg et slectionns pour caractriser les trois cycles fondamentaux
qui dcrivent lenvironnement conomique. Tous les indicateurs sont publis mensuellement
lexception du Produit intrieur brut dont lannonce est trimestrielle.
Nous prsentons pour chacun de ces indicateurs, le calendrier et les organismes chargs de
leur publication ainsi que les consensus36 reprsentant les chiffres attendus par le march.

34

A court terme, on suppose quon est en situation de rendement croissant. Dans la plupart des industries, la production peut
progresser avec un accroissement moins que proportionnel des moyens (inputs) mis en uvre.

35

Caractriser ltat de lconomie par la position dun seul indicateur cyclique est videmment insuffisant, pas plus quil
nest possible dembrasser lensemble des variables dignes dintrt. Nous avons donc choisi un nombre limit de variables
en fonction de leur signification conomique.

36

Le Consensus des conomistes cest lagrgation des prvisions dconomistes.

30

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

1.4.2.2.1 Publications dindicateurs macroconomiques


Nous examinons 8 annonces amricaines, 6 de la zone euro, 5 allemandes et 5 franaises.
La plupart des indicateurs macroconomiques de la zone euro sont publis bien aprs ceux
des Etats-Unis (tableau 1.4.1). Par ailleurs, les chiffres nationaux de la zone, en particulier
ceux de lAllemagne et de la France sont aussi en gnral annoncs bien avant ceux de la zone
euro. Cette situation peut sexpliquer par le temps ncessaire lagrgation des donnes
statistiques de tous les tats membres. De ce fait, lannonce des chiffres de la zone aprs celle
des Etats membres, peut se rvler tre un non vnement37 dautant les statistiques nationales
sont dj connues des investisseurs au moment de leurs publications. Cest pour cela quil
nous a sembl important dinclure aussi les annonces des deux plus importantes conomies de
la zone, lAllemagne et la France qui sont par ailleurs, les deux plus grands metteurs
dobligations prives en euro.
Les donnes amricaines sont :

produit intrieur brut38 (Real GDP growth rate), publi le 25e jour ouvr de chaque
trimestre par le dpartement amricain du commerce (Bureau of Economic Analysis) ;

indice de production industrielle en volume (Industrial Production), publi le 15e jour


ouvr de chaque mois par la Fed ;

indice de confiance du secteur manufacturier (ISM39 Manufacturing Confidence, ex.


NAPM), publi le 1er jour ouvr du mois par l'Institute for Supply Management ;

crations demplois non agricoles (Nonfarm payroll), publies le premier vendredi du


mois par le Labor Department. Cest lun des indicateurs les plus surveills par les
marchs ;

indice des prix la consommation (Consumer Price Index), publi le 13e jour ouvr du
mois par le Labor Departement, cest lun des indicateurs de lvolution des prix ;

ventes de dtail en volume (Retail sales), publies le 12 jour ouvr de chaque mois
par le Consensus Bureau ;

37

Ces annonces peuvent contenir moins dinformations que les chiffres nationaux dj connus par les oprateurs des
marchs.

38

Le chiffre tombe chaque trimestre, mais on dispose les deux autres mois dune rvision des estimations. Cest un chiffre
important. Nanmoins, il est assez peu sujet de grosses surprises dans la mesure o il incorpore beaucoup de donnes dj
publies au moment o il sort. On remarque une trs forte corrlation positive entre le PIB et la production industrielle. Les
donnes de PIB sont trs frquemment rvises : 1 mois puis 2 mois aprs la premire publication, ensuite tous les ans au
mois de juillet pour les trois dernires annes de donnes publies.
39

Le chiffre de lISM donne les rsultats dune enqute sur lactivit industrielle dans le secteur manufacturier. Cest la
moyenne pondre de 5 composantes : commandes lindustrie (30%), production (25%), emploi (20%), livraisons (15%) et
stocks (10%). Les donnes sont corriges des variations saisonnires. Lenqute porte sur 400 entreprises. Thoriquement, si
lISM est suprieur 50 cest un signe de croissance, sil est infrieur 50, cest un signe de contraction de lactivit. Il
permet danticiper les renversements de cycles.

31

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

balance commerciale en volume (Trade Balance), publie le 15e jour ouvr de chaque
mois par le Consensus Bureau, elle montre lvolution du commerce extrieur ;

taux directeur de la Fed (FOMC rate decision), publi par le Federal Open Market
Committee ; il est trs surveill sur toutes les places financires car il est souvent
considr comme un proxy des taux d'intrt mondiaux.

Les indicateurs de la zone euro sont :

produit intrieur brut (Pib) en volume de la zone euro. Le Pib du mois X est publi
dans la 2e semaine du mois X+4, par Eurostat ;

indice de production industrielle en volume, publi par Eurostat dans la troisime


semaine du mois ;

indicateur du climat conomique40 (Economic Sentiment Indicator (ESI)), publi la


fin mois (dernier jour du mois) par la Commission europenne ; il fournit la perception
de ltat de lconomie de la zone euro. Durant l't, une seule enqute est ralise
pour les mois de juillet et aot ;

taux de chmage, publi par Eurostat dans la deuxime semaine du mois ;

indice harmonis des prix la consommation (Harmonised Indices of Consumer


Prices (HICP), publi par Eurostat dans la troisime semaine du mois ;

taux directeur de la BCE publi par la Banque centrale europenne ; il reflte les
conditions du march montaire europen.

Les donnes allemandes et franaises sont :

produits intrieurs bruts en volume de lAllemagne et de la France, publis tous les


3 mois, respectivement par la Federal Statistical Office (Destatis) et lInstitut National
de la Statistique et des Etudes Economiques (INSEE) ;

indices de production industrielle41 de lAllemagne et de la France publis


respectivement par la Destatis et lINSEE dans la deuxime semaine du mois ;

indice ZEW42 (Zentrum fr Europische Wirtschaftsforschung), publi dans la


troisime semaine du mois (en gnral le troisime mardi du mois) par linstitut de

40

Lindicateur de climat conomique (ESI) de la zone est un indicateur composite driv des cinq indicateurs de confiance
ayant des pondrations diffrentes : indicateur de confiance de l'industrie, indicateur de confiance de services, indicateur de
confiance des consommateurs, indicateur de confiance de la construction indicateur de confiance du commerce de dtail
(chaque composante pse un cinquime, sauf l'industrie, dont le coefficient est le double). L'indicateur de climat conomique
(ESI) est calcul comme indice base100.

41
La production industrielle est un indicateur important dautant que l'essentiel des activits de services se font destination
des entreprises. L'orientation de la production de l'industrie guide celle des services.
42

On aurait pu choisir aussi lindice IFO qui est aussi trs regard par les marchs car il donne une indication de lvolution
future de lconomie allemande.

32

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

mme nom, il est cens dcrire l'volution du moral des chefs d'entreprises allemands,
notamment les anticipations des investisseurs du secteur financier, sur l'conomie
nationale et celle de la zone euro ;

indicateur du climat des affaires (Business Confidence Indicator) en France, publi


la fin de chaque mois par lINSEE ;

indices des prix la consommation lAllemagne et de la France publis


respectivement la fin du mois et dans la deuxime semaine du mois suivant la
Destatis et lINSEE ;

balances commerciales en volume de lAllemagne et de la France (Trade Balance),


publies par la Destatis et lINSEE dans la deuxime semaine du mois ;

elles

montrent lvolution du commerce extrieur allemand et franais.


Lensemble des indicateurs est rassembl dans le tableau 1.4.1 suivant :
Tableau 1.4.1 : Calendrier des publications dindicateurs macroconomiques
CHIFFRES DU MOIS X
Publications des donnes US

MOIS X

MOIS X+1

MOIS X+2

MOIS X

MOIS X+1

MOIS X+2

Symbole

Indice sur le secteur manufacturier (ISM)

US ISM

Crations d'emplois non agricoles

US NFP

Ventes de dtail

US RS

Indice des prix la consommation

US CPI

Production industrielle

US IPI

Balance commerciale

US TB

Publications des donnes de la zone euro,


de l'Allemagne et de la France
GE- Indicateur du climat conomique (ZEW)

GE ZEWI

GE- Indice des prix la consommation

GE CPI

FR- Indicateur du climat des affaires

FR CA

EU- Indicateur du climat conomique (ESI)

EU ESI

FR- Indice des prix la consommation

FR CPI

EU- Indice des prix la consommation (HICP) EU HICP


UE- Taux de chmage

EU Unemp

GE- Production industrielle

GE IPI

FR- Production industrielle

FR IPI

DE- Balance commerciale

GE TB

FR- Balance commerciale

FR TB

EU- Production industrielle

EU IPI

Note :
Les chiffres du PIB final des Etats-Unis, de la zone euro, de lAllemagne et de France ne sont pas inclus dans le
graphique. En effet, le PIB-US du mois X est publi dans la 4e semaine du mois X+3, celui de lUnion Europen du
mme mois est publi dans la 2e semaine du mois X+4. Le PIB allemand du mois X est publi gnralement dans la 4e
semaine du mois X+2, mais souvent avant l'ouverture des marchs. Enfin le PIB de la France cens tre publi
trimestriellement, est irrgulire (en retard) sur la priode de notre chantillon. Par ailleurs, Les priodes de publication
mentionnes le sont titre indicatif. Les jours fris, les vacances peuvent modifier les dates prvues de ces
publications.

33

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

1.4.2.2.2 Attentes du march : les consensus


Les consensus danalystes utiliss sont les enqutes de Bloomberg News (BN) auprs
dconomistes avant les publications officielles des chiffres macroconomiques. Ils sont
largement diffuss et sont censs reprsenter les chiffres attendus par le march.
Aux tats-Unis, le consensus est collect la veille de la publication des donnes, alors que
dans la zone euro, les donnes sont rassembles le vendredi avant les publications.
Ces prvisions sont utilises dans la plupart des tudes comme le proxy des attentes du
march. Dans le cadre de cette tude, nous considrons la mdiane de ces donnes denqutes
afin d'viter de donner trop de poids aux prvisions aberrantes.
Les surprises

43

(news) contenues dans les annonces, sont obtenues en faisant la diffrence

entre les annonces (chiffres publis) et les attentes du march (mdiane des consensus).
Ainsi, la surprise E tk dans la publication la date t de lindicateur k, est mesure comme suit
(voir Balduzzi et al., 2001) :
E tk =

Atk Ftk
)

(1.1)

avec Atk lannonce de lindicateur k la date t, Ft k la prvision de consensus de lindicateur


macroconomique k la date t et k lcart type de la diffrence Atk Ftk . La normalisation
)

des surprises par lcart type correspondant permet une comparaison des effets de chacune
des annonces macroconomiques entre elles.
Le tableau 1.7.4 en annexe, prsente quelques statistiques descriptives des annonces, ainsi que
des surprises sur la priode allant du 02 janvier 2001 au 31 mars 2008. Lchantillon
commence partir de 2001 car, bien que les publications conomiques soient disponibles
partir de 1999, la plupart des donnes de consensus pour la zone euro ne sont disponibles qu
partir de 2001. Notons que sur les 1869 jours de notre chantillon, 919 sont caractriss par au
moins une annonce avec surprise. Soit un jour sur deux.
Comme dans le cas des variables financires, les statistiques descriptives des indicateurs
macroconomiques sont prsentes en distinguant les priodes de crises financires et de
stabilit financire. On remarque que les priodes de stabilit financire sont associes une
faible volatilit de la croissance et de linflation (Blanchard et Simon, 2001).
43

Les dcisions de politique montaire de la FED et de la BCE sont gnralement trs bien anticipes ; leffet de surprise est
donc quasiment nul. Cependant, mme si lannonce est bien anticipe, les communiqus de presse contiennent des
informations susceptibles de faire varier les prix sur les marchs, cest pourquoi il nous a sembl pertinent de considrer la
variation de taux directeurs vote lors des runions de la BCE et de la FED comme indicateur de politique montaire de ces
deux banques centrales en lieu et place des surprises.

34

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

On note par ailleurs que les marchs anticipent convenablement les dcisions de la Fed et de
la BCE. Les surprises sont en effet rares (respectivement, 5 et 10% dans les annonces des taux
directeurs la Fed et la BCE). Les surprises sur lindice harmonis des prix la consommation
de la zone euro sont aussi quasi nulles. Cet indicateur est trs bien anticip par le march
dautant quil est une variable agrge, publie gnralement aprs les annonces des pays
membres. En revanche, les donnes denqutes (ISM, ESI, ZEWI), les ventes de dtail, les
crations demplois non agricoles et les indices de production industrielle, sont ceux pour les
quels les surprises sont plus frquentes.
1.5. Conclusion
Ce chapitre prsente certains faits styliss qui caractrisent le march le march de la dette
prive en euro, travers une analyse descriptive des spreads de crdit. Nous utilisons les
indices obligataires de Merrill Lynch en frquence quotidienne sur la priode allant du
06 janvier 1999 au 31 mars 2008.
Ce march traditionnellement domin par des metteurs dont le rating tait AAA ou AA, sest
ouvert progressivement des entreprises faible qualit de signature, notamment industriel.
La part la plus importante reste toutefois constitue par les missions dinstitutions
financires.
Lanalyse descriptive des spreads de crdit sur ce march rvle que :
- pour un rating donn, les spreads du secteur financier sont plus levs que ceux du secteur
industriel ;
- les primes de risque sont fonction du rating (Hull et al., 2004) : plus ce dernier est bas, plus
les spreads de crdit et leur volatilit sont importantes. En particulier, ils sont trs levs
pendant les priodes de crises ;
- la distribution des spreads de crdit est non stationnaire, asymtrique et leptokurtique sur la
priode tudie ; des regroupements de volatilits sont galement observs.
Ces faits styliss qui caractrisent le comportement des primes de risque sur ce march
pourraient tre attribus aux chocs macroconomiques et financiers. Lanalyse conomtrique
permettra de confirmer ou dinfirmer le lien entre les spreads de crdit et la conjoncture
conomique.

35

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

1.6 Bibliographie

At-Sahalia Y., Andritzky J., Jobst A., Nowak S. et Tamirisa N. (2010), Market response
[1] to policy initiatives during the global financial crisis, NBER Working Paper 15809
http://www.nber.org/papers/w15809.
[2]

Alexander, Sydney (1961), Price movements in speculative markets: trends or random


walks, Industrial Management Review, 2, 7-26.

[3]

Ammer J. et Packer F. (2000), "How consistent are credit rating? A geographique and
sectorial analysis of default risk", Discussion Paper Fed Res. Board.

Angelidis T., Benos A., et Degiannakis S. (2007), A robust VAR model under different
[4] time periods and weighting schemes, Review of Quantitative Finance and Accounting,
28, 187-201.
Baba N. et Packer F. (2009), From turmoil to crisis: Dislocations in the FX swap market
[5] before and after the failure of Lehman Brothers, Journal of International Money and
Finance, 28 (5), 776-803.

[6]

Balduzzi P., Elton, E.J., Green, T.C. (2001), Economic news and bond prices: Evidence
from the U.S. Treasury market, Journal of Financial and Quantitative Analysis, 36, 523-544.

Bangia A., Diebold F., Krominus A., Schlagen C. et Schuermaun (2002), Ratings
[7] migration and business cycle with application to credit portfolio stress testing,
Journal of Banking and Finance, 26, 445-474.
Bierens H. Jing-zhi Huang J. Z. et Kong W. (2003), An Econometric model of credit
[8] spreads with rebalancing, ARCH and jump effects, New-York University,
Working Paper N FIN-03-012.
Black F (1976), Studies in stock price volatility change, Proceedings of the 1976
[9] business meeting of the business and economic statistics section, American Statistical
Association.
[10]

Blanchard O. et Simon J. (2001), "The long and large decline in U.S. Output volatility,
Brooklings Meeting on Economic Activity, 1, 135-164.

[11]

Cantor R. (2004), "An introduction to


Journal of Banking & Finance, 28, 2565-2573.

recent

research

on

credit

ratings,

36

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

[12]

Christie A. (1982), The stochastic behavior


Journal of Financial Economics, 10, 407-432.

of

common

stock

variance,

[13]

Collin-Deferens P., R. Goldstein et S. Martin (2001), The determinants of credit spread


changes. Journal of Finance, 56, 2177-2207.

[14]

David A. (2004), Dynamics of the credit risk premium: the effects of inflation and
earnings uncertainty, Washington University in St. Louis, Working Paper.

[15]

Duffee G. (1998), The relation between treasury yields and corporate bond yield
spreads, Journal of Finance, 53, 2225-2241.

[16]

Elton E., Gruber M., Agrawal D. et Mann (2001) C., Explaining the rate spread on
corporate bonds, Journal of Finance, 56, 247-277.

[17]

Engle R. F. et Ng V.K. (1993), Measuring and testing the impact of news on volatility,
Journal of finance, 48, 49-78.

[18] Gourieroux C., Tiomo A. (2007), Risque de crdit : une approche avance, Economica.
Hull J., Predescu M. et White A. (2004), "The relationship between credit default swap
[19] spreads, bond yields, and credit rating announcements", Journal of Banking & Finance,
28, 2789-2811.
[20]

La Bruslerie de H. (2002), Gestion obligataire, tome 1: Marchs, taux dintrts et actifs


financiers, Economica.

[21]

Lamfalussy A. (2005), Les turbulences


Reflets et perspectives, XLIV (1), 87-92

[22]

Larosire De J. (2009), The high-level group on financial supervision in the EU,


Rapport, Bruxelles, 25 fvrier.

[23]

Loffler G. (2004), "Ratings versus market-based measures of default risk in portfolio


governance", Journal of Banking & Finance, 28, 2715-2746.

[24]

Longstaff F. A. et Schwartz E. S. (1995), Valuing risky debt: A new approach,


Journal of Finance, 50, 789-819.

[25]

Mandelbrot, B. (1963): The variation of certain speculative prices, Journal of Business,


36, 394-419.

[26]

Merton R. (1974), On the pricing of corporate debt: The risk structure of interest rates,
Journal of Finance, 29, 449-470.

financires

des

annes

2000-2003,

37

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

[27]

Nickell P. Perraudin W. et Varotto S. (2000), Stability of rating transitions", Journal of


Banking and Finance, 24, 203-227.

[28]

Osborne M. F. M. (1959), Brownian motion in the stock market, Operations Research,


7, 145-173.

[29]

Pagan, A.R. et Schwert, G.W. (1990), Alternative models for conditional stock
volatility, Journal of Econometrics, 45, 267-290.

[30]

Pedrosa M. et R. Roll (1998), Systematic risk in corporate bond credit spreads,


The Journal of Fixed Income, December, 7-26.

[31]

Perraudin W., Taylor A. P. (2004), "On the consistency of ratings and bond market
yields", Journal of Banking & Finance, 28, 2769-2788.

[32]

Phoa W. (1999), Estimating credit spread risk using extreme value theory,
Journal of Portfolio Management, Spring 1999, 69-73.

Ramchander S., Simpson M. et Chaudhry M. (2005) The influence of macroeconomic


[33] news on term and quality spreads, The Quarterly Review of Economics and Finance,
45, 84-102.
[34]

Sentana E. et Wadhwani S. (1992), Feedback traders and stock return autocorrelations:


evidence from century of daily data, Economic Journal, 102, 415-425.

So Mike K. P. et Yu Philip L. H. (2006), Empirical analysis of GARCH models in Value


[35] at Risk estimation, Journal of International Financial Markets, Institutions and Money,
16, 80-197.
[36]

Sy A. (2004), "Rating the rating agencies: Anticipating currency crises or debt crises? ",
Journal of Banking & Finance, 28, 2845-2867.

[37]

Zakoian J.-M. (1994), Threshold Heteroskedasticity Models, Journal of Economic


Dynamics and Control, 15, 931-955.

38

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

1.7 Annexes

39

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.1 : Classification sectorielle des indices obligataires corporate de Merrill Lynch

Level 1 Asset Class

Level 2 - Group

Level 3 Sub-Group

Level 4 - Detail

Banking (Bank)

Mortgage Banks & Thrifts


(MtgB)

Brokerage (Brkg)

Brokerage (Brkg)

Finance & Investment


(Finc)

Investments & Misc Fincl


Svcs (Invs)

Insurance (Insr)

P&C (InsP)

Basic Industry (Basc)

Metals/Mining (Metl)

Capital Goods (CapG)

Packaging (Pack)

Communications (Comm)

Printing & Publishing (Prnt)


Telecommunications (Tcom)

Consumer Cyclical (CCyc)

Non-Food & Drug Retailers


(Retl)

Consumer Non-Cyclical
(CNcy)

Tobacco (Toba)

Energy (Enrg)

Oil Refining & Marketing


(OilR)

Real Estate (REst)

REITs (REIT)

Services Cyclical (SCyc)

Theaters & Entertainment


(Thea)
Transportation Excluding
Air/Rail (Tran)

Services Non-Cyclical
(SNcy)

Health Services (Hlth)

Technology & Electronics


(Tech)

Software/Services (SWar)
Telecommunications
Equipment (TelE)

Utility (Util)

Non-Electric Utilities (UtlN)

Financial (FNCL)

Corporate (CORP)

Industrial (INDU)

Utility (UTIL)
Sources : Merrill-Lynch

40

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.2 : Notes de rating long terme Standard and Poor's et Moodys

Standard and Poor's

Moodys

Description

Obligations de meilleure qualit. Capacit de paiement


AAA

des intrts et du principal extrmement forte. Bonne

Aaa

visibilit de l'volution future du dbiteur.

Trs bonne capacit de paiement dans le futur. Titres de


AA

Aa

trs bonne qualit, proche des prcdents.

Forte capacit de paiement dans le futur. Moins de


A

visibilit de l'avenir du dbiteur. Titre dans la catgorie

moyenne suprieure.

Capacit adquate du dbiteur faire face aux paiements


d'intrt et de principal. Visibilit moyenne de
BBB

l'volution future. Titre de qualit moyenne qui ne sont

Baa

ni fortement protgs contre une volution dfavorable


de la qualit du dbiteur, ni insuffisamment garantis.
BB

Ba

CCC

Caa

CC

Ca

Titres qui ont des lments spculatifs de plus en plus


importants. La visibilit de la capacit future du dbiteur
assurer les paiements d'intrt et du principal n'est pas
assure.

Une

incertitude

croissante

sur

l'avenir

caractrise ces catgories. A partir de CCC, la


probabilit de dfaut s'accrot jusqu' la vraisemblance.

Titres en dfaut

Sources : La Bruslerie (2002)

41

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.3 : Statistiques descriptives des indices quotidiens Option Adjusted Spread en euro
Ce tableau prsente quelques statistiques descriptives des Option Adjusted Spread (en niveau et en variation) sur les obligations dentreprise (en euro) de Merrill Lynch en
frquence quotidienne de 06 janvier 1999 au 31 mars 2008 (2315 observations). Nous distinguons les priodes de crises financires (01/03/2000 au 30/06/2003 et du
02/07/2007au 31/03/2008, soit 1020 observations) et les priodes de stabilit financire (06/01/1999 au 29/02/2000 et du 01/07/2003 au 29/06/2007, soit 1295observations).
Les A et B prsentent respectivement ces statistiques par ratings et par secteurs.
Partie A : Spread par ratings
Spread de crdit en niveau
Rating, secteur et
maturit

AAA

AA

BBB

Ensemble de l'chantillon
Moy.
(Pb)

Ecarttype
(Pb)

1-3 ans

23,4

10,4

3-5 ans

24,4

9,8

5-7 ans

29,0

11,2

10,0

Priode des crises financires

Spread de crdit en variation


Priode de stabilit financire

Ensemble de l'chantillon

Priode des crises financires

Priode de stabilit financire

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

10,0

89,0

30,5

11,1

15,0

89,0

17,8

5,1

10,0

33,0

0,03

1,5

-8,0

11,0

0,05

1,8

-8,0

11,0

0,01

1,3

-5,0

8,0

11,0

77,0

32,1

9,4

18,0

77,0

18,3

4,0

11,0

34,0

0,02

1,6

-9,0

9,0

0,04

1,7

-9,0

9,0

0,00

1,5

-7,0

9,0

66,0

39,1

8,1

22,0

66,0

21,0

5,5

10,0

40,0

0,01

1,6

-7,0

10,0

0,02

1,6

-7,0

7,0

0,00

1,6

-7,0

10,0

Min.

7-10 ans

32,5

13,7

13,0

77,0

42,1

12,9

19,0

77,0

25,0

8,9

13,0

49,0

0,01

1,4

-5,0

9,0

0,01

1,4

-5,0

9,0

0,01

1,4

-5,0

7,0

10 ans & +

36,3

11,1

16,0

66,0

41,1

12,3

16,0

66,0

32,5

8,3

18,0

53,0

0,01

1,7

-15,0

20,0

0,02

1,6

-6,0

20,0

0,00

1,7

-15,0

13,0

Toute
maturit
1-3 ans

27,3

10,9

12,0

77,0

35,9

9,8

19,0

77,0

20,6

5,8

12,0

37,0

0,02

1,4

-7,0

9,0

0,03

1,5

-7,0

9,0

0,01

1,3

-5,0

6,0

34,9

18,1

16,0

156,0

46,9

21,2

22,0

156,0

25,4

5,4

16,0

60,0

0,05

1,9

-30,0

31,0

0,11

2,1

-12,0

13,0

0,01

1,8

-30,0

31,0

3-5 ans

40,2

19,6

19,0

158,0

54,0

22,1

32,0

158,0

29,3

6,1

19,0

47,0

0,05

1,7

-12,0

11,0

0,11

1,9

-9,0

11,0

0,00

1,6

-12,0

10,0

5-7 ans

46,3

20,1

21,0

160,0

63,4

19,0

38,0

160,0

32,9

5,8

21,0

50,0

0,04

1,7

-12,0

16,0

0,10

1,7

-7,0

7,0

-0,01

1,6

-12,0

16,0

7-10 ans

53,8

24,4

22,0

184,0

72,3

25,2

38,0

184,0

39,3

9,1

22,0

64,0

0,05

1,5

-7,0

10,0

0,11

1,6

-7,0

10,0

0,00

1,4

-5,0

8,0

10 ans & +

58,6

19,1

28,0

152,0

70,8

19,2

39,0

152,0

48,9

12,3

28,0

102,0

0,04

2,0

-37,0

38,0

0,06

1,8

-12,0

11,0

0,02

2,2

-37,0

38,0

Toute
maturit
1-3 ans

45,4

19,8

21,0

163,0

60,4

21,0

36,0

163,0

33,6

6,3

21,0

52,0

0,05

1,4

-6,0

10,0

0,11

1,6

-6,0

10,0

0,01

1,3

-6,0

8,0

56,0

25,0

14,0

167,0

77,7

21,5

34,0

167,0

38,9

9,3

14,0

77,0

0,05

2,9

-31,0

30,0

0,13

2,6

-22,0

16,0

-0,02

3,0

-31,0

30,0

3-5 ans

70,1

32,5

32,0

206,0

99,2

28,5

46,0

206,0

47,1

7,1

32,0

78,0

0,06

2,0

-36,0

16,0

0,16

2,5

-36,0

16,0

-0,03

1,6

-10,0

11,0

5-7 ans

77,2

33,4

33,0

247,0

107,7

28,0

59,0

247,0

53,1

8,0

33,0

77,0

0,07

1,9

-19,0

13,0

0,18

2,2

-13,0

13,0

-0,02

1,7

-19,0

12,0

7-10 ans

89,8

36,8

42,0

293,0

117,5

39,4

70,0

293,0

68,0

10,9

42,0

95,0

0,09

1,7

-8,0

12,0

0,20

1,9

-8,0

12,0

0,00

1,5

-6,0

11,0

10 ans & +

88,1

21,6

42,0

166,0

103,5

20,5

62,0

166,0

76,0

13,0

42,0

113,0

0,03

2,1

-21,0

13,0

0,06

2,3

-21,0

13,0

0,00

1,9

-15,0

13,0

Toute
maturit
1-3 ans

75,1

29,6

35,0

218,0

101,8

25,3

57,0

218,0

54,2

7,7

35,0

77,0

0,06

1,7

-15,0

14,0

0,16

2,0

-15,0

14,0

-0,02

1,5

-6,0

8,0

103,4

62,1

34,0

334,0

148,0

66,1

36,0

334,0

68,2

25,6

34,0

168,0

0,08

5,8

-108,0

65,0

0,27

6,9

-108,0

65,0

-0,08

4,9

-77,0

63,0

3-5 ans

124,2

59,8

46,0

300,0

176,5

51,6

56,0

300,0

82,9

20,9

46,0

135,0

0,15

3,7

-56,0

36,0

0,38

4,3

-56,0

36,0

-0,02

3,2

-32,0

32,0

5-7 ans

117,9

47,1

60,0

269,0

160,2

39,7

71,0

269,0

84,6

14,2

60,0

133,0

0,07

2,6

-34,0

21,0

0,22

3,1

-25,0

21,0

-0,05

2,1

-34,0

12,0

7-10 ans

146,9

52,0

66,0

319,0

193,7

41,5

100,0

319,0

110,0

19,5

66,0

159,0

0,13

3,1

-28,0

40,0

0,31

3,7

-13,0

31,0

-0,01

2,5

-28,0

40,0

Toute
maturit

125,4

53,2

62,0

299,0

173,0

45,1

69,0

299,0

88,0

16,7

62,0

148,0

0,11

3,1

-32,0

27,0

0,30

3,8

-30,0

27,0

-0,03

2,5

-32,0

27,0

42

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Partie B : Spread de crdit par secteurs


Spread de crdit en niveau

Secteur
Industriel

Secteur
Financier

Rating, secteur
et maturit

Ensemble de l'chantillon

Spread de crdit en variation


Priode de stabilit
financire

Priode des crises financires

Ensemble de l'chantillon

Priode de stabilit
financire

Priode des crises financires

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

Moy.
(Pb)

Ecarttype
(Pb)

Min.

Max.

AAA

26,8

10,5

12

79

34,6

10,1

18

79

20,6

5,6

12

38

0,02

1,4

-7

0,03

1,5

-7

0,00

1,3

-6

AA

45,8

21,2

22

178

60,7

24,2

35

178

34,1

5,8

22

52

0,05

1,5

-7

10

0,12

1,6

-7

10

0,00

1,3

-7

80,6

40,0

39

318

111,2

43,6

63

318

56,5

6,9

39

77

0,09

2,1

-35

17

0,24

2,6

-35

17

-0,02

1,6

-9

11

BBB

145,0

78,4

41

867

199,0

90,9

83

867

102,4

19,2

41

171

0,19

17,5

-69,9

293

0,41

26,1

-69,9

293

0,01

3,4

-30

46

Tout
rating

54,4

24,5

29

212

70,7

29,5

43

212

41,5

4,1

29

54

0,07

1,5

-8

10

0,15

1,7

-8

10

0,01

1,4

-8

1-3 ans

42,1

23,6

17

179

60,2

25,4

32

179

27,9

5,2

17

55

0,07

2,1

-26

24

0,14

2,4

-26

14

0,02

1,9

-25

24

3-5 ans

50,2

25,1

27

199

67,0

30,0

30

199

37,0

4,1

27

52

0,06

1,7

-9

11

0,15

1,9

-9

11

-0,01

1,5

-8

11

5-7 ans

54,2

24,7

26

222

69,9

30,0

35

222

41,9

5,9

26

58

0,06

1,7

-11

13

0,17

1,8

-11

13

-0,02

1,5

-8

7-10 ans

65,8

31,6

35

262

82,5

41,1

38

262

52,7

7,9

35

69

0,08

1,6

-7

17

0,17

1,7

-7

0,01

1,5

-6

17

10 ans
&+

63,9

18,9

30

173

71,2

22,7

32

173

58,2

12,6

30

83

0,06

1,9

-18

21

0,10

1,8

-10

18

0,04

2,0

-18

21

AAA

22,0

12,2

-9

60

25,8

15,6

-9

60

18,9

7,2

40

0,02

2,2

-22

15

0,03

2,8

-22

15

0,01

1,6

-7

AA

40,7

16,8

16

84

56,0

11,6

28

84

28,7

8,2

16

54

0,01

1,6

-14

10

0,02

1,7

-14

10

0,00

1,5

-9

71,3

25,6

31

147

95,1

18,4

48

147

52,6

10,2

31

86

0,03

1,7

-20

14

0,10

2,0

-20

14

-0,02

1,5

-7

BBB

124,2

53,7

57

288

171,3

46,6

65

288

87,1

18,2

57

161

0,12

3,3

-40

34

0,31

3,8

-35

31

-0,04

2,8

-40

34

Tout
rating

91,1

37,3

47

203

125,1

30,7

55

203

64,4

10,8

47

103

0,06

2,2

-20

20

0,19

2,5

-20

20

-0,04

1,8

-18

11

1-3 ans

73,7

41,5

28

227

103,2

44,9

31

227

50,5

16,7

28

110

0,06

3,1

-38

30

0,21

3,8

-29

30

-0,05

2,4

-38

24

3-5 ans

86,9

39,7

37

208

122,2

33,0

45

208

59,0

14,4

37

106

0,07

2,3

-34

23

0,20

2,7

-34

23

-0,03

1,9

-15

5-7 ans

94,2

37,8

44

205

130,2

28,6

59

205

65,8

9,4

44

94

0,05

2,1

-20

14

0,15

2,4

-20

14

-0,04

1,8

-19

7-10 ans

105,0

37,9

49

214

140,3

27,9

76

214

77,1

13,6

49

109

0,08

2,2

-13

14

0,20

2,5

-10

14

0,00

1,8

-13

12

10 ans
&+

89,0

32,4

35

219

86,4

40,5

36

219

91,1

24,0

35

145

0,04

4,4

-33

177

0,10

6,1

-33

177

-0,02

2,4

-31

36

43

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.4: Analyse descriptive des variables de march


Ce tableau prsente quelques statistiques descriptives des variables de march en frquence quotidienne de 06 janvier 1999 au 31 mars 2008 (2315 observations). Nous
distinguons les priodes de crises financires (01/03/2000 au 30/06/2003 et du 02/07/2007au 31/03/2008, soit 1020 observations) et les priodes de stabilit financire
(06/01/1999 au 29/02/2000 et du 01/07/2003 au 29/06/2007, soit 1295 observations).
RtStoxx = 100(log Pt log Pt 1 ) reprsente le rendement bousier de lindice DJ EuroStoxx 50 ; tStoxx , la volatilit implicite sur lindice DJ EuroStoxx 50 ; rt , le aux dintrt 10 ans
en euro (Euro Generic Goverment) ; Slopt , la pente de la courbe du taux (cart entre taux dintrt 10 ans en euro et le taux 3 mois Euribor) ; tr , la volatilit implicite sur
option taux europen (Euro Generic Goverment) 10 ans, dchance trois mois en variation ; Liq t , la liquidit du march des obligations dentreprise en euro (Euro Spread
swap 5 ans) ; Chgt ; le taux de change effectif rel de leuro, avec Chgt = 100(log Chgt log Chgt 1) .
Variables de march en niveau
Ensemble de l'chantillon

Moy.
(Pb)

RtStoxx

Ecarttype Min.
(Pb)

Priode des crises financires

Max.

Moy.
(Pb)

Ecarttype Min.
(Pb)

Variable de march en variation


Priode de stabilit financire

Max.

Moy.
(Pb)

Ecarttype Min.
(Pb)

Ensemble de l'chantillon

Max.

Moy.
(Pb)

Ecarttype Min.
(Pb)

Priode des crises financires

Max.

Moy.
(Pb)

Ecarttype Min.
(Pb)

Priode de stabilit
financire

Max.

Moy.
(Pb)

Ecarttype Min.
(Pb)

Max.

3609

820

1850

5464

3831

981

1850

5464

3433

612

2367

5209

0,00

0,62

-3,3

3,1

-0,04

0,8

-3,3

3,1

0,03

0,4

-2,1

1,4

tStoxx

24,4

9,6

11,6

62,7

30,3

10,0

16,8

62,7

19,8

6,0

11,6

42,8

0,00

1,47

-9,4

15,8

0,01

1,8

-9,4

15,8

-0,01

1,1

-4,5

7,4

rt

4,3

0,6

3,0

5,6

4,7

0,5

3,5

5,5

4,0

0,5

3,0

5,6

0,01

3,97

-16,4

19,2

-0,23

4,1

-13,2

19,2

0,19

3,8

-16,4

13,4

Slopt

1,3

0,7

-0,7

2,9

0,9

0,6

-0,7

2,3

1,5

0,7

0,2

2,9

0,02

8,01

-79,1 122,6

0,01

10,1

-79,1 122,6

0,03

5,8

-63,4

55,8

tr

14,3

2,6

7,6

21,2

13,2

2,8

7,6

21,2

15,2

2,0

10,2

20,8

0,00

0,36

-2,2

2,0

0,01

0,4

-1,6

2,0

0,00

0,3

-2,2

1,4

Liqt

26,2

12,3

8,7

70,1

33,8

12,3

11,7

70,1

20,2

8,3

8,7

45,7

0,01

1,82

-12,9

13,6

0,01

2,2

-12,9

13,6

0,01

1,5

-11,2

11,0

Chg t

87,8

6,8

73,5

104,9

84,0

8,2

73,5

104,9

90,8

3,3

80,3

97,1

0,00

0,15

-0,7

1,0

0,01

0,2

-0,7

1,0

0,00

0,1

-0,6

0,8

44

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.5: Statistiques descriptives des indicateurs macroconomiques

Ce tableau prsente quelques statistiques descriptives des annonces ainsi que des surprises pour chaque indicateur macroconomique sur la priode de
02/01/2001 au 31/03/ 2008. Nous distinguons les priodes de crises financires (02/01/2001 au 30/06/2003 et du 02/07/2007au 31/03/2008) et les priodes de
stabilit financire (01/07/2003 au 29/06/2007).
Ensemble de l'chantillon
Annonces
Surprises
Unit

Obs. Moy.

Priode des crises financires


Annonces
Surprises

Priode de stabilit financire


Annonces
Surprises

EcartType

Min.

Max.

Moy.

Min.

Max.

Moy.

EcartType

Min.

Max.

Moy.

Min.

Max.

Moy.

EcartType

Min.

Max.

Moy.

Min.

Max.

69%

-0,24

-3,1

1,7

2,1

2,1

-1,3

6,1

0,08

-1,7

1,7

3,6

1,7

0,7

8,2

-0,50

-3,1

1,0

US News

US IPI

%
%

US ISM

87

US NFP

87

59

138

-415

337

100%

-0,33

-3,8

2,2

-25

140

-415

268

-0,45

-3,8

2,1

127

93

-93

337

-0,22

-2,5

87

0,2

0,3

-0,6

1,2

69%

-0,03

-2,2

2,2

0,2

0,24

-0,3

0,8

-0,04

-2,2

2,2

0,3

0,33

-0,6

1,2

-0,02

-2,2

2,2

US RS

Milliers
%
%

82

0,3

1,2

-3,7

7,1

90%

0,06

-2,2

6,2

0,2

1,6

-3,7

7,1

0,10

-2,2

6,2

0,4

0,9

-2,1

2,3

0,03

-1,2

1,9

US TB

$ Billions

87

-48

13

-70

-19

95%

-0,01

-3,1

2,4

-39

12

-63

-19

0,05

-1,9

2,1

-56

-70

-38

-0,05

-3,1

2,4

59

3,0

1,6

1,0

5,5

5%

-0,07

-4,4

4,4

3,6

0,8

1,0

5,5

-0,07

-4,4

4,4

2,3

0,6

1,0

5,5

-0,07

-4,4

4,4

27

1,6

0,9

0,2

3,3

44%

-0,09

-2,4

1,2

1,6

1,0

0,3

3,1

0,11

-1,2

1,2

1,6

0,9

0,2

3,3

-0,23

-2,4

1,2

84

0,1

0,7

-1,5

1,8

95%

-0,05

-2,8

1,8

0,0

0,8

-1,5

1,2

0,19

-2,8

1,8

0,1

0,6

-1,0

1,8

-0,24

-2,0

1,8

60

102

96

112

87%

0,14

-2,3

3,6

102

98

111

-0,40

-2,3

0,4

102

96

112

0,33

-1,6

3,6

86

8,3

0,6

6,9

9,0

43%

-0,23

-2,3

4,6

8,1

0,6

6,9

8,8

-0,18

-2,3

4,6

8,4

0,6

7,1

9,0

-0,26

-2,3

2,3

84

0,2

0,3

-0,6

0,7

38%

0,00

-3,8

2,5

0,2

0,3

-0,4

0,6

0,21

-3,8

2,5

0,2

0,3

-0,6

0,7

-0,16

-2,5

2,5

134

3,0

1,0

2,0

4,8

10%

0,08

-3,3

3,3

3,6

0,8

2,0

4,8

0,10

-3,3

3,3

2,3

0,6

2,0

4,0

-0,10

-3,3

0,0

29

0,3

0,3

-0,3

1,0

41%

-0,13

-2,2

3,7

0,2

0,4

-0,3

0,7

-0,17

-2,2

0,7

0,4

0,3

-0,2

1,0

-0,09

-1,5

3,7

87

0,0

1,6

-3,7

3,2

97%

-0,13

-2,4

1,9

-0,1

1,6

-3,7

3,2

-0,09

-2,1

1,6

0,1

1,6

-3,7

3,1

-0,16

-2,4

1,9

73

27

32

-42

73

100%

-0,14

-2,6

2,5

14

37

-42

71

-0,10

-2,6

1,6

34

27

-29

73

-0,16

-2,4

2,5

87

0,1

0,3

-0,9

1,0

30%

-0,03

-4,3

3,8

0,1

0,4

-0,9

0,8

-0,05

-4,3

3,8

0,2

0,3

-0,5

1,0

0,13

-0,9

1,9

Billions

73

13

8,1

19

97%

0,22

-2,8

2,4

13

8,1

19

0,29

-2,8

2,4

13

9,2

19

0,19

-2,7

2,0

26

1,6

0,8

-0,3

3,0

65%

0,02

-3,3

2,5

1,5

0,9

0,4

2,3

-0,04

-1,2

0,8

1,7

0,4

-0,3

3,0

0,05

-3,3

2,5

84

0,0

1,0

-2,5

3,2

98%

-0,26

-3,6

2,3

0,0

1.1

-1,7

2,1

-0,03

-1,9

2,1

0,0

0,8

-2,5

3,2

-0,46

-3,6

2,3

80

102

89

115

71%

-0,01

-2,3

1,7

101

89

115

-0,10

-2,3

1,7

104

91

111

0,07

-1,7

1,7

83
76

0,2
-1,0

0,3
1,8

-0,5
-4,8

0,7
2,4

63%
99%

-0,05
-0,11

-2,8
-2,7

2,1
2,4

0,2
-0,4

0,3
2,3

-0,4
-4,8

0,7
2,4

0,09
0,05

-2,8
-1,7

2,1
1,7

0,2
-1,4

0,3
1,4

-0,5
-3,7

0,6
1,4

-0,17
-0,20

-2,8
-2,7

2,1
2,4

US GDP

US CPI

Fed Rate
EU News
EU GDP
EU IPI
EU ESI
EU
Unemp

EU HICP
ECB Rate
GE GDP
GE IPI
GE
ZEWI
GE- CPI
GE TB

%
%

%
%
%
%

FR IPI

%
%

FR CA

FR GDP

FR CPI
FR TB

%
Billions

29

2,9

2,0

-1,3

8,2

87

0,1

0,5

-0,9

1,0

87%

-0,18

-3,0

2,3

-0,1

0,5

-1,1

0,8

-0,24

-2,0

1,6

0,3

0,5

-1,3

1,1

-0,13

-3,0

2,3

53

40

66

97%

0,04

-2,2

3,5

49

42

56

-0,07

-2,2

2,2

56

49

66

0,13

-1,6

3,5
2,2

45

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.6 : Tests de racine unitaire sur les sries de spread (OAS) en euro

Cette annexe prsente les rsultats des tests de racine unitaire de Dickey-Fuller Augment (ADF) et de Phillips-Perron (PP) sur les sries dOption Adjusted Spread en Euro
de Merrill-Lynch (aussi bien en niveau et en variation) sur la priode du 06/01/1999 au 31/03/2008. Ces rsultats sont classs par ratings (Partie A) et par secteurs (Partie B).
Partie A : Spread par ratings
Spread de crdit en niveau
ADF (5%)

Rating et maturit

AAA

AA

BBB

Spread de crdit en variation


PP (5%)

ADF (5%)

PP (5%)

Retards

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Retards

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

1-3 ans

1,23

-1,941

1,20

-1,941

-35,85

-1,941

-73,96

-1,941

3-5 ans

1,15

-1,941

1,06

-1,941

-45,47

-1,941

-86,09

-1,941

5-7 ans

-0,01

-1,941

0,21

-1,941

-34,99

-1,941

-78,08

-1,941

7-10 ans

0,26

-1,941

0,32

-1,941

-34,51

-1,941

-72,98

-1,941

10 ans & +

0,10

-1,941

0,10

-1,941

-33,83

-1,941

-65,26

-1,941

Toute maturit

0,70

-1,941

0,92

-1,941

-35,23

-1,941

-79,40

-1,941

1-3 ans

5,40

-3,412

3,88

-1,941

-44,93

-3,412

-71,26

-3,412

3-5 ans

5,21

-3,412

3,63

-1,941

-43,78

-3,412

-67,63

-3,412

5-7 ans

4,43

-3,412

3,06

-1,941

-43,83

-3,412

-66,87

-3,412

7-10 ans

5,16

-3,412

4,68

-3,412

-64,35

-3,412

-62,00

10 ans & +

2,33

-3,412

1,71

-1,941

-34,50

-3,412

Toute maturit

6,23

-3,412

3,20

-3,412

-42,09

-3,412

1-3 ans

1,11

-1,941

1,12

-1,941

-65,91

-1,941

3-5 ans

1,80

-3,412

1,37

-1,941

-53,69

-3,412

5-7 ans

3,91

-3,412

3,64

-3,412

-53,63

-3,412

-3,412

-65,37

-1,941

-3,412

-66,46

-1,941

-53,68

-3,412

-53,76

-3,412

-64,08

7-10 ans

3,83

-3,412

3,80

-3,412

-19,54

-3,412

-56,64

-3,412

10 ans & +

0,59

-1,941

0,55

-1,941

-55,37

-1,941

-55,37

-1,941

Toute maturit

3,99

-3,412

2,64

-3,412

-26,33

-3,412

-56,90

-3,412

1-3 ans

-0,87

-1,941

-0,84

-1,941

-47,58

-1,941

-47,59

-1,941

3-5 ans

0,25

-1,941

-0,08

-1,941

-31,53

-1,941

-48,74

-1,941

5-7 ans

1,36

-1,941

0,85

-1,941

-31,28

-1,941

-46,91

-1,941

7-10 ans

0,73

-1,941

0,68

-1,941

-24,35

-1,941

-47,69

-1,941

Toute maturit

0,37

-1,941

0,19

-1,941

-30,32

-1,941

-45,81

-1,941

46

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Partie B : Spread par secteurs


Spread de crdit en niveau
ADF (5%)

Secteur
Financier

Rating, secteur et
maturit

Secteur
Industriel

Spread de crdit en variation


PP (5%)

ADF (5%)

PP (5%)

Retards

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Retards

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

AAA

0,85

-1,941

1,04

-1,941

-35,12

-1,941

-80,71

-1,941

AA

6,84

-3,412

6,55

-3,412

-41,75

-3,412

-62,56

-3,412

4,41

-3,412

4,09

-3,412

10

-9,99

-3,412

-52,98

-3,412

BBB

-2,15

-2,863

-2,02

-2,863

-31,57

-1,941

-52,98

-1,941

Tout
rating

6,33

-3,412

4,11

-1,941

-60,77

-3,412

-59,18

-3,412

1-3 ans

3,03

-3,412

3,03

-1,941

-60,94

-1,941

-60,81

-1,941

3-5 ans

4,19

-3,412

3,87

-1,941

-60,19

-3,412

-59,01

-3,412

5-7 ans

5,35

-1,941

4,41

-1,941

-58,75

-3,412

-57,75

-3,412

7-10 ans

6,94

-3,412

4,76

-1,941

-20,93

-3,412

-57,12

-3,412

10 ans & +

2,08

-1,941

1,84

-1,941

-58,95

-3,412

-59,30

-3,412

AAA

-0,40

-1,941

-2,25

-2,863

-33,59

-1,941

-96,82

-1,941

AA

0,17

-1,941

0,11

-1,941

-44,59

-1,941

-73,24

-1,941

0,78

-1,941

0,46

-1,941

-58,76

-1,941

-57,61

-1,941

BBB

0,17

-1,941

-0,04

-1,941

-30,31

-1,941

-45,02

-1,941

Tout
rating

0,63

-1,941

0,33

-1,941

-31,47

-1,941

-49,96

-1,941

1-3 ans

-0,47

-1,941

-0,38

-1,941

-32,02

-1,941

-50,19

-1,941

3-5 ans

0,47

-1,941

0,17

-1,941

-50,20

-1,941

-51,04

-1,941

5-7 ans

0,96

-1,941

0,72

-1,941

-50,06

-1,941

-50,27

-1,941

7-10 ans

1,00

-1,941

0,78

-1,941

-32,13

-1,941

-51,56

-1,941

10 ans & +

-4,06

-3,412

-4,20

-3,412

-50,35

-1,941

-50,31

-1,941

47

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.7 : Tests de racine unitaire sur les variables de march

Cette annexe prsente les rsultats des tests de racine unitaire de Dickey-Fuller Augment (ADF) et de Phillips-Perron (PP) sur les variables de march (aussi bien en niveau
et en variation) sur la priode du 06/01/1999 au 31/03/2008.
RtStoxx = 100(log Pt log Pt 1 ) reprsente le rendement bousier de lindice DJ EuroStoxx 50 ; tStoxx , la volatilit implicite sur lindice DJ EuroStoxx 50 ; rt , le aux dintrt 10 ans
en euro (Euro Generic Goverment) ; Slopt , la pente de la courbe du taux (cart entre taux dintrt 10 ans en euro et le taux 3 mois Euribor) ; tr , la volatilit implicite sur
option taux europen (Euro Generic Goverment) 10 ans, dchance trois mois en variation ; Liq t , la liquidit du march des obligations dentreprise en euro (Euro Spread
swap 5 ans) ; Chgt ; le taux de change effectif rel de leuro, avec Chgt = 100(log Chgt log Chgt 1) .
Variables de march niveau

Variable de march en variation

ADF (5%)

PP (5%)

ADF (5%)

PP (5%)

Retards

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Retards

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

Cste &
trend

Cste

Ni cste
ni trend

Valeur
critique

-1,48

-3,412

-1,31

-3,412

-50,01

-1,941

-50,63

-1,941

tStoxx

-3,69

-2,863

-3,33

-2,863

-49,36

-1,941

-50,42

-1,941

rt

-2,83

-3,412

-2,89

-3,412

-47,09

-1,941

-47,09

-1,941

Slopt

-0,94

-1,941

-1,93

-2,863

-34,25

-1,941

-58,56

-1,941

tr

-2,34

-2,863

-2,73

-2,863

-67,68

-1,941

-69,16

-1,941

Liq t

-1,78

-2,863

-1,81

-2,863

-42,77

-1,941

-75,19

-1,941

Chg t

-3,15

-3,412

-3,13

-3,412

-48,42

-1,941

-48,53

-1,941

RtStoxx

48

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.8 : Tests dhtroscdasticit et de normalit


Cette annexe prsente les dhtroscdasticit (test ARCH sur les AR (1)) et de normalit sur les sries en
frquence quotidienne des spreads de crdit en diffrence sur la priode allant du 06/01/1999 au 31/08/2008.
Ces rsultats classs par ratings (Partie A) et par secteurs (Partie B).
- Test ARCH dhtroscdasticit:
Le test ARCH teste lhypothse nulle
dabsence dhtroscdasticit (H0) contre lhypothse
dhtroscdasticit (H1). La statistique de ce test est issue de la rgression du carr des rsidus sur leurs
carres. La statistique du test ARCH se calcul alors comme le produit du nombre dobservations et du R de
la rgression. Il suit un 2 k degrs de libert.
- Test de normalit de Jarque et Bera :

Le test de Jarque et Bera (JB) teste lhypothse nulle de normalit (H0) contre lhypothse de non normalit
(H1). JB suit un 2 2 degrs de libert.
Partie A : Spread en variation par ratings
Moments d'ordre 3 et 4

Test ARCH

Test de Jarque et Bera

Rating et maturit

AAA

AA

BBB

Skewness

Kurtosis

Obs*R-squared

Prob. ChiSquare

Obs*R-squared

Prob. ChiSquare

1-3 ans

0,07

4,1

144,6

0,000

1690,6

0.000

3-5 ans

0,02

4,3

83,2

0,000

1026,7

0.000

5-7 ans

0,04

4,9

122,0

0,000

788,0

0.000

7-10 ans

0,03

4,8

42,6

0,000

816,8

0.000

10 ans & +

0,12

16,8

63,4

0,000

27281,0

0.000

Toute maturit

0,10

5,7

79,8

0,000

691,9

0.000

1-3 ans

0,19

57,0

314,1

0,000

31156,1

0.000

3-5 ans

0,10

5,7

69,4

0,000

3159,9

0.000

5-7 ans

0,18

7,5

57,0

0,000

5502,1

0.000

7-10 ans

0,50

3,6

129,6

0,000

1371,1

0.000

10 ans & +

0,56

45,1

359,5

0,000

10607,4

0.000

Toute maturit

0,42

6,4

113,6

0,000

1200,5

0.000

1-3 ans

0,24

42,0

247,5

0,000

16923,1

0.000

3-5 ans

1,96

46,3

4,8

0,028

20753,2

0.000

5-7 ans

-0,15

10,0

15,7

0,000

9682,0

0.000

7-10 ans

0,59

4,1

104,7

0,000

1783,2

0.000

10 ans & +

0,18

10,3

49,0

0,000

10203,8

0.000

Toute maturit

0,33

7,5

28,8

0,000

5359,6

0.000

1-3 ans

-2,62

88,3

4,7

0,029

75152,8

0.000

3-5 ans

-0,56

37,8

8,0

0,005

13748,5

0.000

5-7 ans

-0,93

25,6

3,2

0,054

63212,7

0.000

7-10 ans

1,41

21,7

4,7

0,030

52687,6

0.000

Toute maturit

0,15

23,4

10,5

0,001

52687,6

0.000

49

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Partie B : Spread en variation par secteurs


Moments d'ordre 3 et 4

Secteur
Industriel

Secteur
Financier

Rating, secteur et
maturit

Test ARCH

Test de Jarque et Bera

Skewness

Kurtosis

Obs*R-squared

Prob. ChiSquare

Obs*R-squared

Prob. ChiSquare

AAA

0,1

3,7

90,3

0,000

694,2

0.000

AA

0,9

4,5

132,8

0,000

1205,4

0.000

1,8

43,1

6,0

0,015

17974,5

0.000

BBB

5,0

97,4

3,0

0,055

12400,0

0.000

Tout rating

0,4

5,4

83,7

0,000

1932,0

0.000

1-3 ans

-0,4

37,8

168,1

0,000

13765,5

0.000

3-5 ans

0,2

4,3

67,2

0,000

1775,8

0.000

5-7 ans

0,4

5,0

75,3

0,000

2428,3

0.000

7-10 ans

1,1

8,8

43,0

0,000

7800,0

0.000

10 ans & +

1,3

20,2

113,6

0,000

39656,7

0.000

AAA

0,1

11,8

31,9

0,000

13415,0

0.000

AA

0,3

6,3

81,0

0,000

3863,3

0.000

1,3

11,6

18,6

0,000

12874,1

0.000

BBB

1,1

34,2

6,9

0,009

11230,8

0.000

Tout rating

0,8

14,2

11,2

0,001

19484,3

0.000

1-3 ans

-0,1

34,0

5,9

0,015

110956,4

0.000

3-5 ans

-0,7

28,3

3,1

0,055

76929,8

0.000

5-7 ans

-0,5

12,3

3,8

0,052

14512,0

0.000

7-10 ans

0,6

5,4

30,2

0,000

2916,3

0.000

10 ans & +

7,4

104,0

0,0

0,990

117000,0

0.000

50

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.9 : Composition sectorielle des indices corporate Merrill Lynch


Ce tableau prsente la composition mensuelle des indices obligataires en euro de Merrill Lynch pour les secteurs
industriel et financiers en janvier 1999 et mars 2008. Le nombre dobligations prsentes dans chaque indice dun
mois donn est dtermin le dernier jour ouvrable du mois prcdent. Une fois constitu, le portefeuille nest
plus modifiable avant la fin du mois. Chaque obligation reste dans l'indice, mme sil est dclass ou mis jour,
ou si sa maturit, son montant etc. ne rpondent plus aux besoins de la classification. En dbut du mois, les
obligations ne remplissant plus les conditions dappartenance chaque portefeuille sont alors enleves de
lindice et de nouvelles obligations remplissant les critres sont intgres.
Finance
Industrie
N
Date
AAA
AA
A
BBB
AAA
AA
A
BBB
1
31/12/1998
263
233
87
6
8
39
49
21
2
31/01/1999
265
230
89
6
8
39
50
21
3
28/02/1999
266
229
92
6
8
40
53
21
4
31/03/1999
268
230
93
6
8
39
60
21
5
30/04/1999
272
228
91
6
8
39
65
21
6
31/05/1999
271
231
95
6
8
42
69
21
7
30/06/1999
269
226
100
6
8
40
74
21
8
31/07/1999
343
306
149
5
8
40
79
27
9
31/08/1999
329
303
142
4
8
41
80
30
10
30/09/1999
336
314
146
6
8
43
83
33
11
31/10/1999
339
325
137
6
6
44
90
39
12
30/11/1999
368
310
134
7
6
45
93
46
13
31/12/1999
313
301
136
6
6
45
97
48
14
31/01/2000
318
304
134
6
6
45
99
48
15
29/02/2000
314
304
143
5
8
45
106
52
16
31/03/2000
313
291
169
5
8
47
110
57
17
30/04/2000
318
292
179
1
8
47
114
61
18
31/05/2000
319
300
179
1
8
48
111
64
19
30/06/2000
321
291
187
1
9
54
115
68
20
31/07/2000
320
293
184
1
6
61
124
67
21
31/08/2000
319
287
190
1
6
59
128
71
22
30/09/2000
260
287
197
1
6
57
135
71
23
31/10/2000
261
284
200
1
5
47
149
73
24
30/11/2000
264
279
200
3
3
47
152
76
25
01/01/2001
258
275
197
3
2
47
154
76
26
31/01/2001
258
273
197
3
2
48
154
79
27
28/02/2001
264
272
211
4
2
45
162
84
28
31/03/2001
259
281
211
5
3
45
168
94
29
30/04/2001
259
284
207
5
3
41
168
105
30
31/05/2001
256
288
213
5
4
41
168
120
31
30/06/2001
253
292
213
5
4
44
178
124
32
31/07/2001
251
288
217
6
4
45
187
132
33
31/08/2001
249
283
219
6
4
45
182
136
34
30/09/2001
249
289
212
6
2
45
162
153
35
31/10/2001
251
290
207
7
2
46
160
159
36
30/11/2001
249
287
205
6
5
40
157
174
37
31/12/2001
245
277
203
6
5
36
164
179
38
31/01/2002
245
277
194
17
5
36
168
184
39
28/02/2002
248
275
195
17
5
36
168
196
40
29/03/2002
248
278
191
19
6
35
167
199
41
30/04/2002
244
279
193
19
6
34
159
216
42
31/05/2002
245
275
197
19
6
37
159
220
43
30/06/2002
245
275
198
20
6
37
161
224
Suite page suivante

51

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Suite du tableau 1.7.9


N

Date

44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93

31/07/2002
31/08/2002
30/09/2002
31/10/2002
30/11/2002
31/12/2002
31/01/2003
28/02/2003
31/03/2003
30/04/2003
31/05/2003
30/06/2003
31/07/2003
31/08/2003
30/09/2003
31/10/2003
30/11/2003
31/12/2003
31/01/2004
29/02/2004
31/03/2004
30/04/2004
31/05/2004
30/06/2004
31/07/2004
31/08/2004
30/09/2004
31/10/2004
30/11/2004
31/12/2004
31/01/2005
28/02/2005
31/03/2005
30/04/2005
31/05/2005
30/06/2005
31/07/2005
31/08/2005
30/09/2005
31/10/2005
30/11/2005
02/01/2006
31/01/2006
28/02/2006
31/03/2006
30/04/2006
31/05/2006
30/06/2006
31/07/2006
31/08/2006

AAA
245
243
242
241
241
229
233
234
230
234
237
184
180
168
167
167
168
161
165
164
160
159
156
151
153
149
151
148
149
93
92
92
92
88
88
88
85
85
84
84
85
75
78
79
80
80
82
79
77
76

Finance
AA
A
272
197
268
197
259
209
223
229
220
227
214
226
209
210
202
209
202
213
197
218
202
217
196
217
196
220
209
221
208
220
215
221
219
221
218
317
221
325
227
328
224
334
227
330
228
330
225
329
230
325
230
326
236
334
236
339
238
340
183
235
184
235
185
238
188
240
192
241
191
239
193
251
193
251
205
241
207
244
206
247
206
258
213
266
216
265
224
267
234
272
240
272
254
280
268
274
268
275
271
272

BBB
19
18
17
29
29
32
45
44
43
44
45
22
23
24
25
25
25
44
43
46
49
52
51
55
57
59
58
58
62
34
34
38
40
40
40
43
41
39
41
40
39
36
34
36
37
37
38
37
39
39

AAA
6
6
7
7
7
10
10
13
13
14
14
14
14
20
21
21
22
21
22
24
24
22
22
21
20
20
20
20
20
17
17
17
17
15
15
15
15
15
15
15
14
13
12
12
12
12
12
13
14
14

Industrie
AA
A
BBB
38
158
216
36
158
210
36
161
212
35
165
210
35
165
204
31
169
199
32
162
212
31
166
206
32
158
208
34
161
209
33
157
215
42
165
239
43
165
236
37
162
235
37
164
239
36
163
239
36
162
244
36
164
244
36
163
242
37
163
237
36
159
238
38
159
235
37
161
240
33
168
244
31
169
249
31
169
250
29
168
250
29
170
252
30
169
250
28
151
218
29
150
219
29
162
205
29
179
193
31
179
186
30
180
172
32
182
184
30
179
179
30
178
177
30
179
178
29
177
179
29
177
183
31
174
181
30
167
183
30
169
179
30
165
184
31
168
183
31
171
191
32
169
193
32
168
195
32
164
198
Suite la page suivante

52

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Suite et fin du tableau 1.7.9


N
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112

Date
30/09/2006
31/10/2006
30/11/2006
01/01/2007
31/01/2007
28/02/2007
02/04/2007
30/04/2007
31/05/2007
30/06/2007
31/07/2007
31/08/2007
30/09/2007
31/10/2007
30/11/2007
31/12/2007
31/01/2008
29/02/2008
31/03/2008
Moyenne
Ecart Type

AAA
77
78
81
82
82
87
87
84
84
83
83
83
83
84
83
83
85
84
85
187
89

Finance
AA
A
272
283
275
286
280
288
284
293
297
296
307
296
331
277
330
280
360
266
382
268
373
263
369
266
397
267
400
286
403
286
398
291
393
293
390
293
392
292
263
229
56
62

BBB
42
42
43
44
45
47
46
45
39
44
46
45
45
42
40
39
39
41
42
27
18

AAA
14
14
14
13
12
11
11
11
13
12
12
11
11
11
11
10
10
10
10
11
6

Industrie
AA
A
33
166
33
163
33
173
34
171
34
170
35
171
35
162
34
161
37
159
40
165
40
165
43
161
44
163
48
176
51
178
55
176
53
174
48
177
46
176
38
151
7
33

BBB
200
207
209
211
212
213
223
231
234
235
236
235
235
231
231
228
224
224
224
167
74

53

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10 : Entreprises mettrices dobligations en euro prsentes dans lindice obligataire de Merrill Lynch au 31 mars 2008
Ce tableau prsente la liste par rating des entreprises mettrices dobligations en euro prsentes dans lindice corporate de Merrill Lynch fin mars 2008. Il renseigne sur le
secteur dactivit et lorigine gographique des metteurs.
A- Emetteur de rating AAA
FINANCE

N
ENTREPRISE

INDUSTRIE

ACTIVITE

PAYS

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

HYPO TIROL BANK

Banking

Autriche

BUNDES IMMOBIL

RealEstate Dev & Mgt

Autriche

PFAND OST L-HYPO

Banking

Autriche

SAGESS

Oil Field Equipment & Services

France

VORARL LAND HYPO

Banking

Autriche

TOYOTA CRED CAN

Auto Loans

Japon

BAYERISCHE LNDBK

Banking

Allemagne

JOHNSON&JOHNSON

Pharmaceuticals

US

LANDBK HESSEN-TH

Banking

Allemagne

LB BADEN-WUERTT

Banking

Allemagne

NORDDEUTSCHE L/B

Banking

Allemagne

CDC MARCHES

Banking

France

CIE FIN FONCIER

Banking

France

10

IXIS CIB

Banking

France

11

GE CAP EUR FUND

Finance & Investment

Irlande

12

FSA GLOBAL FUND

Finance & Investment

Cayman

13

BK NED GEMEENTEN

Banking

Pays-Bas

14

COLONNADE SECS

Finance & Investment

Pays-Bas

15

NED WATERSCHAPBK

Banking

Pays-Bas

16

RABOBANK

Banking

Pays-Bas

17

EKSPORTFINANS

Finance & Investment

Pays-Bas

18

GEN ELEC CAP CRP

Finance & Investment

US

19

NEW YORK LIFE GL

Insurance

US

ENTREPRISE

ACTIVITE

PAYS

54

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

B- Emetteur de rating AA
FINANCE

N
ENTREPRISE
1

BANK AUSTRIA AG

INDUSTRIE

ACTIVITE

PAYS

ENTREPRISE

UTILITIES

ACTIVITE

PAYS

ENTREPRISE

Electric-Integrated

ELEC DE FRANCE

Electric-Integrated

France

Allemagne

GAZ DE FRANCE

Non-Electric
Utilities

France

Auto Parts & Equipment

Allemagne

RTE EDF TRANSPOR

Electric-Generation

France

Pharmaceuticals

France

TERNA SPA

Electric-Distr/Trans

Italie

France

TOKYO ELEC
POWER

Electric-Integrated

Japon

NEDERLANDSE GAS

Non-Electric
Utilities

Pays-Bas

Autriche

SOC NATL BELGES

Railroads

Belgique

TAQA

AUST & NZ BANK

Banking

Australie

BASF AG

Chemicals

Allemagne

CAISSE CENT DESJ

Finance &
Investment

Canada

DEUTSCH BAHN FIN

Railroads

ALLIANZ FINANCE

Insurance

Alemagne

ROBERT BOSCH

BAYERISCHE LNDBK

Banking

Alemagne

AVENTIS SA

BANCO BILBAO VIZ

Banking

Espagne

TOTAL CAPITAL

PAYS
Emirats
Arabes unis

Banking

ACTIVITE

Integrated Energy

BANESTO EMISION

Banking

Espagne

ASTRAZENECA PLC

Pharmaceuticals

Grande-Bretagne

BBV INTL FIN

Banking

Espagne

BP CAPITAL PLC

Integrated Energy

Grande-Bretagne

BBVA SENIOR FIN

Banking

Espagne

BURMAH CASTROL

Oil Refining & Marketing

Grande-Bretagne

10

BSCH ISSUANCES

Banking

Espagne

ENI SPA

Integrated Energy

Italie

11

BANQ FED CRD MUT

Banking

France

NIPPON TEL & TEL

Telecom - Integrated/Services

Japon

12

BNP PARIBAS

Banking

France

ITW FINANCE EUR

Diversified Capital Goods

Luxembourg

13

ALLIANC&LEIC BLD

Banking

Grande-Bretagne

BASF FIN EUROPNV

Chemicals

Pays-Bas

14

BANK OF SCOTLAND

Banking

Grande-Bretagne

SCHIPHOL NEDER

Transportation Excluding Air/Rail

Pays-Bas

15

BARCLAYS BK PLC

Banking

Grande-Bretagne

SHELL INTL FIN

Integrated Energy

Pays-Bas

16

AEGON GLOBAL

Insurance

Irlande

NORSK HYDRO A/S

Integrated Energy

Norvge

17

ASSICURAZIONI

Insurance

Italie

STATOILHYDRO

Integrated Energy

Norvge

18

BANCA INTESA

Banking

Italie

3M CO

Diversified Capital Goods

US

19

AIG SUNAMERICA

Insurance

Jersey

COLGATE-PALM CO

Consumer-Products

US

20

ASIF III

Insurance

Jersey

NESTLE HOLDINGS

Food - Wholesale

US

21

ABN AMRO BANK NV

Banking

Pays-Bas

PFIZER INC

Pharmaceuticals

US

22

ABN AMRO BOUWFON Banking

Pays-Bas

PROCTER & GAMBLE

Consumer-Products

US

23

AMER INTL GROUP

Insurance

US

24

BANK OF AMER CRP

Banking

US

25

BNP PARIBAS III

Banking

US

(suite page suivante)

55

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-B (suite)


B- Emetteur de rating AA
FINANCE

N
ENTREPRISE

ACTIVITE

INDUSTRIE
PAYS

26 COM BK AUSTRALIA

Banking

Australie

27 CREDIT COMM BELG

Banking

Belgique

28 DEXIA FUNDING

Banking

Belgique

29 EUROCLEAR FIN

Banking

Belgique

30 FORTIS BNK SA/NV

Banking

Belgique

31 CREDIT SUISSE LD

Banking

Suisse

32 CS GRP FIN (US)

Banking

Suisse

33 DEKABANK

Banking

Allemagne

34 DEUTSCHE BANK AG

Banking

Allemagne

35 DGZ-DEKABANK

Banking

Allemagne

36 DANSKE BANK A/S

Banking

Danemark

37 CAJA MADRID

Banking

Espagne

38 CAISSE EPARG ECR

Banking

France

39 CALYON

Banking

France

40 CIE FIN CRD-MUTL

Banking

France

41 COFINOGA

Finance & Investment

France

42 CREDIT AGRICOLE

Banking

France

43 CREDIT LOCAL FRA

Banking

France

44 DEXIA CRED LOCAL

Banking

France

45 DEXIA CREDIOP

Banking

Italie

46 DEXIA BQ INT LUX

Banking

Luxembourg

47 FORTIS BANK NED

Banking

Pays-Bas

48 DNB NOR BANK ASA

Banking

Norvge

49 CITIGROUP INC

Banking

US

50 GEN ELEC CAP CRP

Finance & Investment

US

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

ENTREPRISE

ACTIVITE

PAYS

(suite page suivante)

56

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-B (suite)


B- Emetteur de rating AA
FINANCE

N
ENTREPRISE

ACTIVITE

INDUSTRIE
PAYS

51 FORTIS FINANCE

Insurance

Belgique

52 HAMBURG LBK FIN

Banking

Allemagne

53 HAMBURGISCHE LBK

Banking

Allemagne

54 HELABA INTL FIN

Banking

Allemagne

55 HSH NORDBANK AG

Banking

Allemagne

56 LANDBK HESSEN-TH

Banking

Allemagne

57 LANDESBK BERLIN

Banking

Allemagne

58 LB BADEN-WUERTT

Banking

Allemagne

59 LB RHN-PFALZ INT

Banking

Allemagne

60 LB S-H GIRO

Banking

Allemagne

61 IXIS CIB

Banking

France

62 HBOS PLC

Banking

63 HSBC BANK PLC

Banking

64 HSBC HLDGS PLC

Banking

65 GENERALI FINANCE

Insurance

Italie

66 INTESA SANPAOLO

Banking

Italie

67 ING BANK NV

Banking

Pays-Bas

68 ING GROEP NV

Insurance

Pays-Bas

69 ING VERZEKERING

Insurance

Pays-Bas

70 GOLDMAN SACHS

Brokerage

US

71 HOUSEHOLD FIN CO

Finance & Investment

US

72 HSBC FIN CORP

Finance & Investment

US

73 HSBC FINANCE CRP

Finance & Investment

US

74 JP MORGAN CHASE

Brokerage

US

75 MET LIFE GLOB

Insurance

US

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

ENTREPRISE

ACTIVITE

PAYS

GrandeBretagne
GrandeBretagne
GrandeBretagne

(suite page suivante)

57

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-B (suite)


B- Emetteur de rating AA
FINANCE

N
ENTREPRISE

INDUSTRIE
ACTIVITE

PAYS

76

NIEDEROSTER LB

Banking

Autriche

77

RAIFF ZENTRALBK

Banking

Autriche

78

NATL AUSTRALIABK

Banking

Australie

79

ROYAL BK CANADA

Banking

Canada

80

MUNCHEN HYPOBANK

Banking

Allemagne

81

NORDDEUTSCHE L/B

Banking

Allemagne

82

SANTANDER INTL

Banking

Espagne

83

NATEX BQUES POP

Banking

France

84

NATIXIS

Banking

France

85

SOCIETE GENERALE

Banking

France

86

LLOYDS TSB BANK

Banking

87

NATIONWIDE BLDG

Banking

88

NATL WESTMSTR BK

Banking

89

RBS CAP TRUST A

Banking

90

ROYAL BK SCOTLND

Banking

91

MEDIOBANCA

Banking

Italie

92

SANPAOLO IMI

Banking

Italie

ACTIVITE

PAYS

ENTREPRISE

ACTIVITE

PAYS

GrandeBretagne
GrandeBretagne
GrandeBretagne
GrandeBretagne
GrandeBretagne

93

NORD L/B LUX

Banking

Luxembourg

94

N.V. BOUWFONDS

Banking

Pays-Bas

95

NORDEA BANK AB

Banking

Sude

96

OVERSEA-CHINESE

Banking

Singapour

97

MORGAN STANLEY

Brokerage

US

98

PACIFIC LIFE FND

Insurance

US

99

PRINC FIN GLOBAL

Insurance

US

Banking

US

100 US BANK NA

ENTREPRISE

UTILITIES

(suite page suivante)

58

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-B (suite et fin)


B- Emetteur de rating AA
FINANCE

N
ENTREPRISE

INDUSTRIE
ACTIVITE

PAYS

101 ST GEORGE BANK

Banking

Australie

102 WESTPAC BANKING

Banking

Australie

103 TORONTO DOM BANK

Banking

Canada

104 UBS AG JERSEY

Brokerage

Suisse

105 UBS CAPITAL

Brokerage

Suisse

106 WESTLB AG

Banking

Allemagne

107 WLSGV

Banking

Allemagne

108 UBS AG LONDON

Banking

GrandeBretagne

109 UNICREDIT SPA

Banking

Italie

110 UNICREDITO ITALI

Banking

Italie

111 TRAV INS CO INST

Insurance

Jersey

112 UBS PREFERRED

Brokerage

Jersey

113 SVENSKA HNDLSBKN

Banking

Sude

114 SWEDBANK HYPOTEK

Banking

Sude

115 WACHOVIA CORP

Banking

US

116 WELLS FARGO CO

Banking

US

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

ENTREPRISE

ACTIVITE

PAYS

59

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

C- Emetteur de rating A
FINANCE

N
ENTREPRISE

INDUSTRIE

ACTIVITE

PAYS

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

AMP GROUP FINANC

Insurance

Australie

BHP BILLITON FIN

Metals/Mining Excluding Steel

Australie

ENTREPRISE
ENERGIE OBEROEST

ACTIVITE

PAYS

Electric-Generation

Autriche

AAREAL BANK AG

Banking

Allemagne

BELGACOM SA

Telecom - Integrated/Services

Belgique

EVN ENERGIE-VERS

Electric-Integrated

Autriche

ALLIANZ AG HLDG

Insurance

Allemagne

ABB INTL FINANCE

Diversified Capital Goods

Suisse

BELGELEC FIN SA

Non-Electric Utilities

Belgique

ALLIANZ FINANCE

Insurance

Allemagne

BMW FINANCE

Automotive

Allemagne

ELIA SYSTEM OP

Electric-Distr/Trans

Belgique

BANCAJA

Banking

Espagne

BMW US CAP LLC

Automotive

Allemagne

CEZ AS

Electric-Generation

Tchquie

BANCO SABADELL

Banking

Espagne

DAIMLERCHRY CDA

Automotive

Allemagne

E.ON INTER FIN

Electric-Integrated

Allemagne

AXA

Insurance

France

ABERTIS

Transportation Excluding Air/Rail

Espagne

ENBW

Electric-Integrated

Allemagne

AEROPORT PARIS

Transportation Excluding Air/Rail

France

EWE AG

Electric-Distr/Trans

Allemagne

AIR LIQUIDE

Chemicals

France

EESTI ENERGIA AS

Electric-Integrated

Estonie

AUCHAN

Food & Drug Retailers

France

AGBAR INTL BV

Non-Electric Utilities

Espagne

CARREFOUR SA

Food & Drug Retailers

France

IBERDROLA FIN SA

Electric-Integrated

Espagne

INTL ENDESA BV

Electric-Integrated

Espagne

ABBEY NATL PLC

Banking

AIB UK 1 LP

Banking

10

ALLIANC&LEIC BLD

Banking

11

AVIVA PLC

Insurance

GrandeBretagne
GrandeBretagne
GrandeBretagne
GrandeBretagne

12

ALLIED IRISH BKS

Banking

Irlande

CARNIVAL PLC

Leisure

GrandeBretagne

13

ANGLO IRISH CAP2

Banking

Irlande

COCA-COLA HBC BV

Beverage

Grce

RED ELE FIN BV

Electric-Distr/Trans

Espagne

14

BANK OF IRE UK

Banking

Irlande

AER RIANTA FIN

Transportation Excluding Air/Rail

Irlande

FORTUM OYJ

Electric-Integrated

Finlande

15

BANK OF IRELAND

Banking

Irlande

ATLANTIA

Transportation Excluding Air/Rail

Italie

GIE SUEZ ALLIANC

Non-Electric Utilities

France

16

ASSICURAZIONI

Insurance

Italie

AKZO NOBEL NV

Chemicals

Pays-Bas

EDF ENERGY PLC

Electric-Integrated

Grande-Bretagne

17

BANCA LOMBARDA

Banking

Italie

BRISA

Transportation Excluding Air/Rail

Portugal

POWERGEN

Electric-Generation

Grande-Bretagne

18

BANCA POP BERGAM

Banking

Italie

ATLAS COPCO AB

Machinery

Sude

ACEA SPA

Electric-Distr/Trans

Italie

19

BANCA POP VICENT

Banking

Italie

AIR PROD & CHEM

Chemicals

US

ENEL (ENTNZENEL)

Electric-Integrated

Italie

20

BANCO POPOLARE

Banking

Italie

AMER HONDA FIN

Auto Loans

US

HERA SPA

Electric-Integrated

Italie

21

ABN AMRO BANK NV

Banking

Pays-Bas

AT&T INC

Telecom - Integrated/Services

US

KOREA ELEC PWR

Electric-Integrated

Core du Sud

22

ACHMEA HYPOBK

Banking

Pays-Bas

BOTTLING HOLDING

Beverage

US

GAS NATURAL FIN

Non-Electric Utilities

Pays-Bas

23

AEGON NV

Insurance

Pays-Bas

BRISTOL-MYER SQB

Pharmaceuticals

US

NUON FINANCE

Electric-Distr/Trans

Pays-Bas

24

AMER EXPRESS CR

Finance & Investment

US

CARGILL INC

Agriculture

US

EDP FINANCE BV

Electric-Integrated

Portugal

25

AMER GENL FIN

Finance & Investment

US

DANAHER EURO FIN

Diversified Capital Goods

US

ELEC DE PORTUGAL

Electric-Integrated

Portugal
(suite page suivante)

60

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-C (suite)


C- Emetteur de rating A
FINANCE

N
ENTREPRISE

ACTIVITE

INDUSTRIE
ENTREPRISE

PAYS

UTILITIES

ACTIVITE

PAYS

ENTREPRISE

ACTIVITE

PAYS

26 CRED SUISSE CAP

Banking

Suisse

DUBAI HLDNG COMM

RealEstate Dev & Mgt

Emirats Arabes
unis

27 CS GRP FIN (GRN)

Brokerage

Suisse

TELSTRA CORP LTD

Telecom - Integrated/Services

Australie

RWE AG

Electric-Integrated

Allemagne

28 CS GRP FIN (US)

Banking

Suisse

SOLVAY S.A.

Chemicals

Belgique

UNION FENOSA FIN

Electric-Integrated

Espagne

29 BAYER HYPO-VEREI

Banking

Allemagne

SYNGENTA FINANCE

Chemicals

Suisse

VEOLIA ENVRNMT

Non-Electric Utilities

France

Allemagne

VIVENDI ENVRNMT

Non-Electric Utilities

France

VERBUND INTERNAT

Electric-Integrated

Autriche

30 BAYERISCHE LNDBK

Banking

Allemagne

DEUTSCH POST FIN

Transportation Excluding
Air/Rail

31 COMMERZBANK AG

Banking

Allemagne

DEUTSCHE TEL FIN

Telecom - Integrated/Services

Allemagne

SEVERN TRENT FIN

Non-Electric Utilities

32 CORP MAPFRE

Insurance

Espagne

HENKEL KGAA

Chemicals

Allemagne

UNITED UTIL WAT

Non-Electric Utilities

33 BANQ FED CRD MUT

Banking

France

SIEMENS FINAN

Diversified Capital Goods

Allemagne

VATTENFALL TREAS

Electric-Distr/Trans

34 CAISSE CENT IMMO

Finance & Investment

France

WURTH FIN INTL

Non-Food & Drug Retailers

Allemagne

35 CAISSE EPARG ECR

Banking

France

FRANCE TELECOM

Telecom - Integrated/Services

France

36 CNP ASSURANCES

Insurance

France

THALES SA

Aerospace/Defense

France

37 COFINOGA

Finance & Investment

France

GLAXOSMITHKLINE

Pharmaceuticals

Grande-Bretagne

38 CREDIT AGRICOLE

Banking

France

TESCO PLC

Food & Drug Retailers

Grande-Bretagne

39 CREDIT LOGEMENT

Banking

France

JTI UK FINANCE

Tobacco

Japon

40 CLERICAL MED FIN

Insurance

GrandeBretagne

PETRONAS CAP LTD

Integrated Energy

Malaisie

41 BK TOKYO-MIT UFJ

Banking

Japon

DSM

Chemicals

Pays-Bas

42 BCP FINANCE CO

Banking

Cayman

EADS FINANCE BV

Aerospace/Defense

Pays-Bas

43 BBVA BANCOMER SA

Banking

Mexique

RODAMCO EURO FIN

REITs

Pays-Bas

44 BCP FINANCE BANK

Banking

Portugal

UNILEVER NV

Food - Wholesale

Pays-Bas

45 BES FINANCE LTD

Banking

Portugal

URENCO FINANCE

Integrated Energy

Pays-Bas

46 CAIXA GERAL FIN

Banking

Portugal

SINGTEL

Telecom - Integrated/Services

Singapour

47 CA PREF FUND TRS

Banking

US

DOW CHEMICAL CO

Chemicals

US

48 CIT GROUP INC

Finance & Investment

US

IBM CORP

Computer Hardware

US

49 CL CAPITAL TRUST

Banking

US

MCDONALD'S CORP

Restaurants

US

50 DRESDNER FNDG TR

Banking

US

SCHLUMBERGER IND

Oil Field Equipment & Services

US

GrandeBretagne
GrandeBretagne

Sude

(suite page suivante)

61

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7. 10-C (suite)


C- Emetteur de rating A
FINANCE

N
ENTREPRISE

ACTIVITE

INDUSTRIE
PAYS

51 ERSTE BANK

Banking

Autriche

52 ETHIAS VIE

Insurance

Belgique

53 FORTIS BNK SA/NV

Banking

Belgique

54 FIDELITY INTL

Finance & Investment

Bermudes

55 DEUTSCHE APO ARZ

Banking

Allemagne

56 DEUTSCHE BK CP

Banking

Allemagne

57 DEUTSCHE POST IV

Banking

Allemagne

58 GERLING KONZERN

Insurance

Allemagne

59 HANNOVER FINANCE

Insurance

Allemagne

60 DANICA PENSION

Insurance

Danemark

61 DANSKE BANK

Banking

Danemark

62 DEN DANSKE BANK

Banking

Danemark

63 CSSE CEN ASSUR

Insurance

France

64 GROUPAMA SA

Insurance

France

65 ERSTE CAPITAL

Banking

66 HBOS CAPITAL

Banking

67 HSBC CAP FUNDING

Banking

68 EFG HELLAS FUND

Banking

Grce

69 HRE INTL TRUST I

Banking

Irlande

70 GLITNIR BANKI HF

Banking

Islande

71 GENERALI FINANCE

Insurance

Italie

72 FORTIS HYBRID

Banking

Luxembourg

73 EUROHYP CAP FUND

Banking

US

74 GOLDMAN SACHS GP

Brokerage

US

75 HVB FUND TRUST

Banking

US

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

ENTREPRISE

ACTIVITE

PAYS

GrandeBretagne
GrandeBretagne
GrandeBretagne

(suite page suivante)

62

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-C (suite)


C- Emetteur de rating A
FINANCE

N
ENTREPRISE
76

INVESTKREDIT AG

ACTIVITE

INDUSTRIE
PAYS

Banking

Autriche

77

KBC BANK FUNDING

Banking

Belgique

78

KBC INTL FIN

Banking

Belgique

79

HSH NORDBANK AG

Banking

Allemagne

80

HT1 FUNDING GMBH

Banking

Allemagne

81

HYPO REAL ESTATE

Banking

Allemagne

82

HYPOREAL INTL AG

Banking

Allemagne

83

IKB DEUT INDUSTR

Banking

Allemagne

84

LANDBK HESSEN-TH

Banking

Allemagne

85

LEGAL & GENL

Insurance

86

LEHMAN BROS CAP

Brokerage

ACTIVITE

PAYS

ENTREPRISE

ACTIVITE

PAYS

GrandeBretagne
GrandeBretagne

87

HUNGARY MKB

Banking

Hongrie

88

IRISH LIFE & PER

Banking

Irlande

89

ISLANDSBANKI HF

Banking

Islande

90

KAUPTHING BANK

Brokerage

Islande

91

INTESABCI CAPITA

Banking

Italie

92

INTESABCI SPA

Banking

Italie

93

LB S-H GIRO

Banking

Luxembourg

94

ING GROEP NV

Insurance

Pays-Bas

95

ING VERZEKERING

Insurance

Pays-Bas

96

LEASEPLAN CORP

Finance & Investment

Pays-Bas

97

INVESTOR AB

Finance & Investment

Sude

98

JP MORGAN CHASE

Banking

US

99

LEHMAN BROS HLDG

Brokerage

US

Brokerage

US

100 MERRILL LYNCH

ENTREPRISE

UTILITIES

(suite page suivante)

63

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau A 1.7.10-.C (suite)


C- Emetteur de rating A
FINANCE

N
ENTREPRISE

INDUSTRIE
ACTIVITE

PAYS

101 RAIFF ZENTRALBK

Banking

Autriche

102 MUNICH RE

Insurance

Allemagne

103 NORDDEUTSCHE L/B

Banking

Allemagne

104 NYKREDIT

Banking

Danemark

105 MAPFRE SA

Insurance

Espagne

106 POPULAR CAPITAL

Banking

Espagne

107 NATIXIS

Banking

France

108 NATIONWIDE BLDG

Banking

109 PRUDENTIAL PLC

Insurance

110 OTP BANK

Banking

Hongrie

111 MONTE DEI PASCHI

Banking

Italie

112 MPS CAPITAL TRST

Banking

Italie

113 MAIN CAP FUND II

Banking

Jersey

114 PROSEC FUNDING

Banking

Jersey

115 RESPARCS FUND II

Banking

Jersey

116 MIZUHO CAPITAL I

Banking

Japon

117 MUFG CAP FIN 4

Banking

Japon

118 NORINCHUKIN FIN

Banking

Japon

119 RESONA BANK

Banking

Japon

120 SG CAPITAL TRUST

Banking

US

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

ENTREPRISE

ACTIVITE

PAYS

GrandeBretagne
GrandeBretagne

(suite page suivante)

64

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-C (suite et fin)


C- Emetteur de rating A
FINANCE

N
ENTREPRISE

INDUSTRIE
ACTIVITE

PAYS

121 RZB FIN JERSEY

Banking

Autriche

122 SWISS RE

Insurance

Suisse

123 ZURICH FINANCE

Insurance

Suisse

124 TALANX AG

Insurance

Allemagne

125 SOCIETE GENERALE

Banking

France

126 SOCIETY LLOYD'S

Insurance

GrandeBretagne

127 STANDARD CHART

Banking

GrandeBretagne

128 UT2 FUNDING PLC

Banking

Irlande

129 SANPAOLO IMI

Banking

Italie

130 UNICREDITO ITAL

Banking

Italie

131 SUMITOMO MITSUI

Banking

Japon

132 SNS BANK

Banking

Pays-Bas

133 UNION BK NORWAY

Banking

Norvge

134 VTB CAPITAL SA

Banking

Russie

135 SKANDINAV ENSKIL

Banking

Sude

136 SVENSKA HNDLSBKN

Banking

Sude

137 SWEDBANK

Banking

Sude

138 WACHOVIA CORP

Banking

US

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

ENTREPRISE

ACTIVITE

PAYS

65

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

D- Emetteur de rating BBB


FINANCE

N
ENTREPRISE

INDUSTRIE

ACTIVITE

PAYS

ENTREPRISE

ACTIVITE

UTILITIES
PAYS

ENTREPRISE

ACTIVITE

PAYS

BAWAG

Banking

Autriche

AMCOR LTD

Packaging

Australie

NATIONAL GRID

Electric-Distr/Trans

SWISS LIFE

Insurance

Suisse

CIBA SPC CHEM FN

Chemicals

Suisse

NGG FINANCE

Electric-Distr/Trans

GrandeBretagne
GrandeBretagne

GOTHAER ALLG VER

Insurance

Allemagne

BAYER AG

Chemicals

Allemagne

PUBLIC PWR CORP

Electric-Integrated

Grce

CAIXA GAL PREF

Banking

Espagne

BERTELSMANN AG

Media - Diversified

Allemagne

AEM SPA

Electric-Integrated

Italie

PASTOR PART PREF

Banking

Espagne

HENKEL KGAA

Chemicals

Allemagne

ASM BRESCIA

Electric-Integrated

Italie

SAMPO OYJ

Insurance

Finlande

DONG A/S

Energy - Exploration & Production

Danemark

EDISON SPA

Electric-Integrated

Italie

AGF

Insurance

France

ELISA CORP

Telecom - Integrated/Services

Finlande

STATKRAFT AS

Electric-Integrated

Norvge

SCOR SA

Insurance

France

AUTOROUTES DU SU

Transportation Excluding Air/Rail

France

VATTENFALL TREAS

Electric-Distr/Trans

Sude

OLD MUTUAL PLC

Insurance

BOUYGUES

Building & Construction

France

10

SL PLC

Insurance

BPB PLC

Building Materials

France

11

LANDSBANKI ISLAN

Banking

Islande

CIMENTS FRANCAIS

Building Materials

France

12

BANCA POPOLARE

Banking

Italie

COFIROUTE

Transportation Excluding Air/Rail

France

13

IFIL SPA

Finance & Investment

Italie

GIE PSA TRESORER

Automotive

GrandeBretagne
GrandeBretagne

France
GrandeBretagne
GrandeBretagne
GrandeBretagne
GrandeBretagne
GrandeBretagne
GrandeBretagne

14

FUKOKU MUTUAL

Insurance

Japon

BAA PLC

Transportation Excluding Air/Rail

15

RESONA BANK

Banking

Japon

BAT HOLDINGS BV

Tobacco

16

SHINSEI BANK

Banking

Japon

BRITISH TEL PLC

Telecom - Integrated/Services

17

ESFG INTERNATION

Banking

Luxembourg

CADBURY SCHWEPPE

Food - Wholesale

18

TALANX FINANZ

Insurance

Luxembourg

COMPASS GROUP

Support-Services

19

EUREKO BV

Insurance

Pays-Bas

HAMMERSON PLC

REITs

20

SNS GROEP

Banking

Pays-Bas

FINMECCANICA FIN

Aerospace/Defense

Italie

21

KOMMUNAL LANDSP

Insurance

Norvge

ADECCO INT FIN

Support-Services

Pays-Bas

22

STOREBRAND LIVSF

Insurance

Norvge

CIMPOR FIN OPS

Building Materials

Pays-Bas

23

SLM CORP

Finance & Investment

US

GAZ CAPITAL SA

Energy - Exploration & Production

Russie

24

STANDARD CHARTER

Banking

US

ERICSSON L M TEL

Electronics

Sude

25

WASHINGTON MUTUA

Banking

US

FORTUNE BRANDS

Consumer-Products

US
(suite page suivante)

66

Chapitre 1 - March de la dette prive en euro dans la dernire dcennie

Tableau 1.7.10-D (suite et fin)


D- Emetteur de rating BBB
INDUSTRIE

FINANCE

N
ENTREPRISE

ACTIVITE

ENTREPRISE

PAYS

ACTIVITE
Telecom - Integrated/Services

UTILITIES
PAYS

26 UNIPOL

Insurance

Italie

TELEKOM FINANZ

27 WENDEL INVEST
28 ZAGREBACKA BANK

Finance & Investment

France

SOLVAY FIN

Chemicals

Belgique

Banking

Croatie

HOLCIM FINANCE L

Building Materials

Suisse

ENTREPRISE

ACTIVITE

PAYS

Autriche

29

MERCK KGAA

Pharmaceuticals

Allemagne

30

VOITH AG

Machinery

Allemagne

31

REPSOL INTL FIN

Integrated Energy

Espagne

32

TELEFONICA EMIS

Telecom - Integrated/Services

Espagne

33

KLEPIERRE

REITs

France

34

LVMH MOET-HENNES

Household & Leisure Products

France

35

PUBLICIS GROUP

Media - Services

France

36

RENAULT

Automotive

France

37

SAINT-GOBAIN B.V

Building Materials

France

38

SCHNEIDER ELEC

Machinery

France

39

SODEXHO

Support-Services

France

40

VINCI SA

Building & Construction

France

41

WPP FINANCE

Media - Diversified

France
GrandeBretagne
GrandeBretagne
GrandeBretagne

42

REUTERS FIN PLC

Media - Diversified

43

SAFEWAY PLC

Food & Drug Retailers

44

WPP GROUP PLC

Media - Diversified

45

OTE PLC

Telecom - Integrated/Services

Grce

46

SASOL FINANCING

Integrated Energy
Energy - Exploration &
Production
Telecom - Integrated/Services

le de Man

47

PEMEX MASTER TR

48

KPN NV

Mexique

49

SABIC EUROPE BV

50

TPG

51

WOLTERS KLUWER

Chemicals
Transportation Excluding
Air/Rail
Printing & Publishing

52

TPSA EUROFINANCE

Telecom - Integrated/Services

Pologne

53

SCA FINANS AB

Forestry/Paper

Sude

54

PLD INT FIN LLC

REITs

US

55

POLO RALPH LAURN

Apparel/Textiles

US

56

ROHM & HAAS CO

Chemicals

US

57

SCHERING-PLOUGH

Pharmaceuticals

US

Pays-Bas
Pays-Bas
Pays-Bas
Pays-Bas

67

Chapitre 2 - Volatilit des spreads de crdit sur le march de la


dette prive en euro
Volatility forecasting is vital for derivatives trading, but it remains very much an art than
a science, particulary among derivatives traders.
Stephan Figlewski (1997), Forecasting volatility,
Financial markets, institutions and instruments 6, 1-88

Sommaire
Rsum .............................................................................................................................................. 69
2.1 Introduction ................................................................................................................................. 70
2.2. Brve revue de littrature ........................................................................................................... 73
2.3 Modle utilis.............................................................................................................................. 75
2.3.1 Rappel des modles GARCH .............................................................................................. 75
2.3.2 Apport de distributions non gaussiennes ............................................................................. 78
2.3.3 Prvision hors chantillon de la volatilit des spreads ........................................................ 82
2.4 Conclusion .................................................................................................................................. 84
2.5 Bibliographie............................................................................................................................... 85
2.6 Annexes....................................................................................................................................... 92

68

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Rsum

La prvision de la volatilit constitue l'un des principaux enjeux actuels dans la finance
contemporaine. En effet, une estimation prcise de la volatilit, paramtre inobservable sur le
march, est cruciale pour la prise de dcision en allocation d'actifs et en gestion des risques.
Cette tude propose une modlisation de la volatilit conditionnelle des spreads de crdit dans
un cadre non gaussien de manire tenir compte des faits styliss observs sur les marchs.
Le contrle de lasymtrie est introduit de deux manires : la distinction des effets des chocs
sur la variance selon leur signe (par lintermdiaire dun processus EGARCH) et lutilisation
de lois asymtriques pour caractriser la distribution des erreurs. Nous montrons que, lajout
deffets dasymtrie dans les distributions conditionnelles de Student et de la GED amliore la
qualit de nos estimations. Le modle EGARCH avec une distribution GED asymtrique
(Skewed-GED), qui permet de contrler, la fois, les phnomnes dasymtrie et de prsence
de queues paisses, semble intressant pour caractriser la dynamique des spreads de crdit et
offre aussi une meilleure prvision hors chantillon de leur volatilit.

Mots cls : Spread de crdit en euro, modle EGARCH, distribution de loi conditionnelle,
effets dasymtrie, prvision de volatilit.

Abstract
Volatility forecasting is one of the major current issues in contemporary finance. Indeed, the
accurate estimation of volatility, unobservable parameter in the market, is crucial for asset
allocation decision making and risk management. This study proposes a modelling approach
of conditional volatility of credit spreads in a non-Gaussian setting that accounts for the
stylized facts observed in the markets. Asymmetry is controlled for in two ways: distinction
between the effects of shocks on the variance according to their sign (through an EGARCH
process) and the use of skewed distributions to characterize innovations. We find that, adding
asymmetry effects to the conditional Students distribution and Generalized Error Distribution
(GED) improves the quality of our estimations. The EGARCH model with a skewed GED
distribution, which controls for both asymmetry and the presence of fat tails, seems to do a
better job of characterizing the dynamic of credit spreads and offers better out-of-sample
forecast of volatility.

JEL Classification: C51; C52; C53


Keywords: Credit spread in euro, EGARCH model, conditional distribution, asymmetric
effects, conditional probability distribution, volatility forecast.

69

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

2.1 Introduction
Aprs plusieurs annes dune volatilit remarquablement faible et de rtrcissement des
spreads de crdit, les marchs obligataires mondiaux font preuve dune exceptionnelle
volatilit depuis lt 2007, avec des fluctuations extrmes des cours qui ont inflig de lourdes
pertes aux investisseurs dtenteurs dobligations prives (par llargissement des spreads). La
principale cause de cette situation a t la contagion financire qui a suivi la crise des
obligations adosses des crances hypothcaires risque (subprimes) et qui sest traduite
par une rvaluation du prix du risque de crdit. Tous les compartiments : dette structure,
obligations haut rendement, dette subordonne bancaire et obligations dentreprise de
catgorie investment-grade ont t affects.
Les fortes fluctuations subies par les prix des actifs financiers, au cours de ces dernires
annes, ont raviv lintrt port la question de la volatilit des marchs financiers aussi
bien dans les milieux acadmiques que chez les praticiens et les autorits de rgulation et de
contrle. Pour les autorits de rgulation, la connaissance du mode de formation de la
volatilit des spreads de crdit sur le march de la dette prive peut aider se prmunir contre
linstabilit financire. Pour les investisseurs, la prvision de la volatilit des actifs financiers
joue un rle essentiel dans lvaluation et la couverture des placements. En effet, la forte
croissance de l'activit sur les produits drivs et les risques y affrents rendent d'autant plus
important une estimation fiable de la volatilit, paramtre inobservable sur le march et
essentiel pour lvaluation des options. Par exemple, le payoff de certains produits drivs
dpend de la volatilit des spreads de crdit. Cest le cas des contrats futurs sur spread qui
donne droit, la maturit de loption, demprunter avec un spread de taux prdtermin par
rapport au taux sans risque et des options sur spread, qui donnent droit la maturit de
loption un nominal, si le spread appliqu un metteur donn est gal ou suprieur aux prix
dexercice de loption.
Lestimation et la prvision de la volatilit des spreads de crdit sont donc importantes pour
contrler le risque et se prvenir contre de possibles pertes sur ces nouveaux types dactifs
financiers.

70

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

On distingue trois concepts de volatilit. Tout dabord, la volatilit non conditionnelle ou


historique44 qui nest que la constatation ex post des fluctuations passes du prix de lactif. En
revanche, la volatilit implicite45 est une mesure ex ante, cense reflter la volatilit effective
(moyenne) attendue sur la priode restant courir jusqu lchance dun contrat doption46.
Enfin, la volatilit stochastique47, qui considre que le cours des actifs risqus peut tre
reprsent par un mouvement brownien gomtrique, o la volatilit volue dans le temps de
faon alatoire. Les processus ARCH48 sont une forme de processus stochastiques largement
utiliss en finance. La mesure de la volatilit conditionnelle issue des modles
conomtriques de type GARCH permet destimer la volatilit, telle quelle est anticipe par
le march ex ante sur la base de linformation disponible, lie lvolution passe de la
volatilit. A ce titre, elle peut tre compare la volatilit implicite des options.
Notre analyse se concentre sur cette dernire catgorie de la volatilit, car ce qui importe pour
la prise de dcision financire des oprateurs cest le niveau de la volatilit anticipe, qui
constitue une valuation du risque ex ante. De plus, les modles volatilit conditionnelle de
type GARCH ont connu des dveloppements trs importants au cours des dernires
dcennies. Ils ont t appliqus aux marchs financiers pour prendre en compte certains faits
styliss (volatility clustering, prsence deffets dasymtrie, queues de distribution paisses,
etc.). En outre, les avances rcentes de lconomtrie ont rendu leurs estimations plus
robustes.
Dans ce chapitre, nous examinons la performance des modles GARCH traditionnels pour la
modlisation de la variance conditionnelle des spreads de crdit. Nous discutons aussi du

44

La volatilit historique (ou volatilit relle), certainement la plus ancienne mesure de volatilit est base sur l'cart type
traditionnel. Daprs cette approche, la volatilit mesure la dispersion effective des rentabilits dun actif financier. Mais la
disponibilit et la qualit des donnes haute frquence ont encourag le dveloppement dun nouveau type de volatilit
historique : la volatilit ralise (French, Schwert et Stambaugh, 1987, Taylor et Xu, 1997). Cest Merton (1980) qui a
propos une premire version de la volatilit ralise par le calcul d'une volatilit mensuelle fonde sur la somme des carrs
des rendements journaliers. Cette approche est similaire celle utilise pour construire des mesures de volatilit quotidienne
bases sur les donnes intra-journalire (Andersen et al., 2001 et Avouyi-Dovi et Idier, 2010), considre cette volatilit
comme observable .
45

Malgr que plusieurs auteurs critiquent l'emploi de la volatilit implicite parce qu'elle est base sur le prix d'exercice d'une
option et non sur le prix de l'action comme telle, l'utilisation de la volatilit implicite est fort rpandue. Par exemple, la
volatilit implicite VIX est drive de la premire option le S&P500, alors que VCAC, VDAX, VFTSE et VAEX, sont la
volatilit implicite base sur les indices boursiers europens. Les options sont de plus en plus cotes en termes de leur
volatilit implicite. Cette dernire constitue un facteur trs important car elle est intgre dans les prix des options et ces
derniers refltent les anticipations futures du march.
46

En gnral, la volatilit implicite dpend des prfrences des investisseurs, notamment du degr daversion pour le risque.

47

Rosenberg (1972), Clark (1973, Hull et White (1987), Shephard (2005), Taylor (2005) et Massoumi et Mc Aleer (2006).

48

Bollerslev (1986) ; Engle et Kroner (1995) ; Engle et Sheppard (2002) ; Palandri (2004) ; Engle et Gonzalo Rangel (2008).

71

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

choix de la loi de distribution conditionnelle des innovations, capable de rendre compte de


lasymtrie et de lexcs de kurtosis observs.
Plus prcisment, nous rpondons aux questions suivantes :

lintroduction de lasymtrie dans les modles GARCH (TGACH et EGARCH)


amliore-t-elle sensiblement les rsultats de nos estimations par rapport au modle
GARCH traditionnel ? Si oui lequel des modles TGACH et EGARCH est-il adapt
pour la modlisation de la variance conditionnelle des spreads de crdit ?

le processus GARCH asymtrique associ aux distributions de Student ou de la GED


est-il suffisant pour prendre en compte pleinement lasymtrie et lexcs de kurtosis ?

le recours aux distributions asymtriques (Skewed-Student ou Skewed-GED) amliore


t-il la performance du modle en termes destimation et de prvision de la volatilit
des spreads de crdit ?

Nous trouvons que lajout deffets dasymtrie dans les distributions conditionnelles de
Student et de la GED amliore la qualit de nos estimations. Par ailleurs, le modle EGARCH
avec une distribution GED asymtrique (Skewed-GED), qui permet de contrler, la fois, les
phnomnes dasymtrie et de prsence de queues paisses, semble intressant pour
caractriser la dynamique des spreads de crdit et offre aussi une meilleure prvision hors
chantillon de leur volatilit.
Ltude est organise de la faon suivante : aprs une brve revue de littrature (section 2.2),
nous prsentons notre mthodologie de recherche, les caractristiques des modles estims et
les rsultats (section 2.3). Enfin, les principales conclusions sont prsentes lissue de
ltude (section 2.4).

72

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

2.2. Brve revue de littrature


Le cadre classique des processus ARMA gnralement utilis en finance, fait lhypothse de
bruit blanc sur les alas (moyenne mule, variance constante et non corrlation des rsidus
entre eux). Or lexamen des historiques des sries temporelles montre clairement que les
volatilits ne sont pas constantes. Sur les sries financires par exemple, les priodes de fortes
variations des cours sont souvent groupes (phase dincertitude conomique, tension sur les
marchs...), contrastant avec des priodes calmes . Les

modles ARMA volatilit

constante narrivent pas rendre compte de ce type de processus.


Engle49 (1982) est le premier proposer les modles ARCH (Auto Regressive Conditional

Heteroskedasticity) dans lesquels la volatilit peut varier dans le temps. Les processus ARCH
ont

gnraliss

par

Bollerslev

(1986)

avec

les

modles

GARCH

(Generalized autoregressive conditional heteroskedasticity) qui proposent une relation


explicative de la variance conditionnelle fonde sur trois facteurs : le pass de cette variance,
qui introduit ainsi un phnomne dinertie (ou de persistance) dans la relation ; les chocs
rcents, reprsents ici par lcart entre les valeurs estimes et observes de la variable
tudie ; un facteur constant (constante de lquation). Ainsi, si lhypothse de constance de la
variance conditionnelle est admise (i.e. si lquation est rduite la seule constante), les
coefficients des deux premiers facteurs (effet dinertie et effet des chocs rcents) sont nuls.
Toutefois, selon cette spcification, limpact des chocs sur la variance conditionnelle est
symtrique ; ils sont supposs avoir un mme effet, quils soient positifs ou ngatifs. Or,
limpact asymtrique des chocs sur la variance conditionnelle a t mis en vidence par Black
(1976) et confirm par French, Schwert et Staumbaugh (1987).
Pour corriger ce dfaut, des travaux ont propos des extensions de ces modles, de faon
tenir en compte des effets dasymtrie. Plusieurs formulations ont t ainsi proposes.
Dans la formulation GARCH seuil (Threshold GARCH) ou TARCH, introduite par Glosten,
Jaganathan, Runkle (1993) et par Zakoian (1994), et celle du modle EGARCH propos par
Nelson (1991), lquation de la variance autorise aussi une diffrenciation entre les effets des
chocs positifs et ceux des chocs ngatifs (effets dasymtrie). La diffrence entre ces deux
formes de modlisation est que le TGARCH considre la volatilit conditionnelle alors que
lEGARCH utilise le logarithme de la volatilit conditionnelle.

49

Engle est parti de la constatation suivante : les travaux conomtriques usuels effectus sur ces sries, qui supposent une
volatilit constante, laissent certaines donnes mal expliques, et celles-ci sont souvent regroupes. Elles correspondent des
priodes o les variations deviennent plus fortes que celles constates sur lensemble de la srie, et sont donc considrs
comme aberrantes par un modle usuel.

73

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Par ailleurs, lestimation des modles GARCH (asymtriques ou non), sous lhypothse de
normalit des innovations, engendre mcaniquement50 un excs de kurtosis de la distribution
non conditionnelle. Toutefois, cette proprit intrinsque des modles GARCH nest pas, en
gnral, suffisante pour rendre compte pleinement du caractre leptokurtique des sries
modlises, surtout pour les sries en haute frquence (Giot et Laurent, 2003 et 2004 ;
Alberg et al., 2008 et Liu et al., 2009). Lexcs de kurtosis traduit le fait que la distribution
conditionnelle est non normale. Pour prendre en compte cette proprit, plusieurs auteurs
recommandent le recours aux densits conditionnelles autorisant des queues plus paisses que
celle de la loi normale. Bollerslev (1987), Baillie et Bollerslev (1989) et Beine, Laurent et
Lecourt (2002), entre autres, utilisent la distribution de Student dans le cadre des modles
GARCH. Mais linconvnient de cette distribution est que, bien quelle soit leptokurtique, ses
queues ne sont parfois pas assez paisses pour prendre en compte pleinement le phnomne
dexcs de kurtosis. Cest pourquoi Nelson (1991), Lee et al. (2001) et Marcucci (2005), par
exemple, suggrent la distribution de loi de lerreur gnralise (Generalized Error

Distribution, ou GED). Taylor (1994) et Xu et Taylor (1995) ont montr quune distribution
GED conduit de meilleurs rsultats quune distribution de Student pour les taux de change.
Avouyi-Dovi et Jondeau (1999), trouvent les mmes rsultats sur le march des actions.
Cependant, ces densits (Student et GED) prsentent un inconvnient. Elles sont symtriques.
Mme en les associant avec les modles GARCH asymtriques (TGARCH ou EGARCH par
exemple), les distributions de Student et de la GED captent en gnral les kurtosis observs
mais narrivent pas rendre compte pleinement de lensemble de l'asymtrie observe dans
les sries (Bauwens et Laurent, 2005).
Pour contourner cette difficult, la littrature rcente propose lutilisation de lois de
distribution qui permet de contrler, la fois, les phnomnes dasymtrie et de prsence de
queues paisses. Wang et al. (2001) suggrent la distribution bta gnralise dans le cadre
des modles GARCH. Brnns et Nordman (2001) proposent d'utiliser la distribution
log-gamma gnralise ; Avouyi-Dovi et Neto (2004) et Bhattacharyya et al. (2008), la
distribution de Pearson IV.
Hansen (1994) est le premier proposer lintroduction dun paramtre dasymtrie (skewness)
dans les distributions queues paisses symtriques traditionnelles pour amliorer leur
performance. Fernndez et Steel (1998) et Lambert et Laurent (2000 et 2001), introduisent la
skewness dans la distribution de Student symtrique (Skewed-Student).
50

Par construction, la queue de distribution dun processus GARCH traditionnel est plus paisse que celle dune
distribution gaussienne.

74

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Bauwens et Laurent (2005) ont gnralis cette mthode au cas multivari. Theodossiou
(2000) a t le premier proposer une version asymtrique de distribution GED
(Skewed GED) avec deux paramtres contrlant la skewness et la kurtosis.
Se fondant sur des rsultats publis rcemment sur les travaux utilisant les distributions
Skewed-Student51 et Skewed-GED52, cette tude53 analyse la contribution de ces distributions
asymtriques lamlioration de lestimation et de la prvision de la volatilit des spreads de
crdit en euro.

2.3. Modle utilis


Dans une premire partie, nous examinons la performance de trois modles GARCH
traditionnels (GARCH, TGARCH, EGARCH) pour la modlisation de la variance
conditionnelle des spreads de crdit.
Dans une seconde partie, nous analysons la contribution de distributions queues paisses
symtriques (Student, GED) et asymtriques (Skewed-Student et Skewed-GED)
l'amlioration de la prvision de la volatilit des spreads de crdit.

2.3.1 Rappel des modles GARCH


Les sries de spread de crdit sont intgres54 dordre 1 au seuil de 5%. Par ailleurs,
lapplication de la mthodologie de Box et Jenkins nous permet de retenir le processus
AR (1)55 pour modliser lesprance conditionnelle des spreads (en variation) qui scrit :
S t = + S t -1 + t

t ~ N(0, t2 )

(2.1)

o : S t , et reprsentent respectivement le spread de crdit t, la constante et le


coefficient dautorgression des spreads de crdit en diffrence premire. Les rsidus de la
rgression t sont supposs normalement distribus.
La variance conditionnelle, t2 , est modlise par le processus GARCH. En effet, le test
ARCH56 ralis sur les rsidus des AR (1), montre la prsence dhtroscdasticit dans les
sries de spreads de crdit.
51

Voir : Yoon et Kang (2007), Alberg et al. (2008), Mokni et al. (2009), Shamiri et Isa (2009) et Zhu et Galbraith (2009).

52

Voir : Lehnert (2003), Bali (2007a) et Liu et al. (2009).

53

Gauthier et Pistre (2000) utilisent la distribution gnralise des valeurs extrmes (Generalized extreme value (GEV)) pour
modliser les spreads de crdit sur le march franais des obligations prives. Un des inconvnients de cette distribution est
quelle sintresse uniquement aux queues de distribution sans tudier la partie centrale (Bali, 2007b). Une synthse des
rsultats thoriques et des aspects conomtriques peut tre trouve dans Embrechts, Kluppelberg et Mikosch (1997) et
Bathossi (2003).
54

Voir les rsultats des tests ADF et Philipps-Perron pour les sries de spread de crdit dans le chapitre prcdent.

55

Les graphiques des autocorrlations et autocorrlations partielles (non reports ici) indiquent que les premires
autocorrlations et autocorrlations partielles sont significativement diffrentes de zro.

56

Voir tableau 1.6.7 du chapitre prcdent.

75

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Dans le modle GARCH (p,q), la variance conditionnelle, dfinie comme la somme dun
terme autorgressif et dune moyenne mobile des carrs des innovations, scrit :
p

i =1

j =1

t2 = + t2 i + j t2- j

(2.2)

Selon cette spcification, limpact des chocs sur la variance conditionnelle est symtrique ; ils
sont supposs avoir un mme effet, quils soient positifs ou ngatifs.
Toutefois, les spcifications EGARCH (Exponentiel GARCH), TGARCH (Threshold GARCH)
par exemple, permettent une rponse asymtrique de la variance conditionnelle aux chocs
positifs ou ngatifs des rsidus.
Le modle EGARCH a t propos par Nelson (1991) lors dune tude de la rentabilit des
actifs financiers. La spcification EGARCH (p,q) o p est lordre de la forme autorgressive
de la variance conditionnelle et q celui de la partie moyenne mobile, scrit :
p

ln( 2t ) = + i
i =1

p
q
t -i

+ i t -i + j ln( 2t - j )
t -i
t -i
i =1
j =1

(2.3)

avec : j le terme autorgressif, i leffet dun choc sur les spreads et i leffet dasymtrie
correspondant limpact complmentaire ou spcifique dun choc ngatif.
La prsence de leffet de levier57 peut-tre teste par lhypothse i < 0 . Leffet dun choc
positif se mesure par ( i + i ) et celui dun choc ngatif par ( i i ).
Dans la formulation GARCH seuil (Threshold GARCH) ou TARCH, introduite par

Glosten, Jaganathan, Runkle (1993) et par Zakoian (1994), la forme quadratique est
remplace par une fonction linaire par morceaux (chacun des segments tant associ des
chocs de mme nature). Ce qui permet dobtenir diffrentes fonctions de la volatilit selon le
signe et les valeurs des chocs. Le processus TGARCH (p,q) selon cette formulation scrit :
p

i =1

i =1

j =1

2t = + t2 i + i t2 i I t i + j 2t - j

(2.4)

o, I t = 1 si t < 0 et 0 sinon.
Limpact des chocs positifs est mesur par i , tandis que celui des chocs ngatifs est donn
par i + i . Si i > 0 , cela veut dire que les chocs ngatifs induisent une augmentation de la
volatilit, et on dit quil y a un effet levier dordre i. Si i 0 , limpact des nouvelles est
asymtrique.
57

Leffet de levier (leverage effect) signifie quun choc la baisse ou mauvaise nouvelle ( t i

la volatilit quun choc la hausse ou bonne nouvelle ( t i

< 0 ) a un effet plus fort sur

> 0 ).

76

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Ce sont les spcifications GARCH(1,1) ; TGARCH (1,1) et EGARCH(1,1) qui maximisent la


log-vraisemblance (non reporte ici) dans chacun des modles GARCH(p,q) ; TGARCH(p,q)
et EGARCH(p,q). De plus, les valeurs des critres dinformation58 dAkaike (AIC) et de
Schwarz (SIC) sont les plus faibles pour ces modles.
Finalement, lesprance conditionnelle des spreads (en variation) est modlise par un AR(1)
et la variance conditionnelle, respectivement par les processus GARCH (1,1), TGARCH(1,1)
et EGARCH (1 ,1) suivant le modle :
S t = + S t -1 + t

t ~ N(0, t2 )

avec respectivement :
t2 = + t21 + t2-1

(2.5)

t2 = + t21 + t21 I t1 + t2-1

(2.6)

t 1

+ t 1 + ln t21
t 1
t 1

(2.7)

ln t2 = +

Les estimations sont fondes sur la procdure de quasi-maximum de vraisemblance de


Bollerslev et Wooldridge (1992)59. Lalgorithme utilis est celui de Marquardt. La meilleure
dentre elle, au regard des critres de slection de modle, est retenue pour raliser toutes nos
estimations sur lensemble de notre travail.
Le tableau 2.6.2 prsente les rsultats des diffrentes estimations des GARCH(1,1),
TGARCH(1,1) et EGARCH(1,1) traditionnels (sous lhypothse de normalit de la
distribution conditionnelle des innovations) et conduit aux conclusions suivantes :
- lhypothse de prsence dun effet dasymtrie est pertinente. En effet, les coefficients
dasymtrie ( ) sont apparus significatifs dans toutes nos estimations lexception des
spreads des obligations notes AAA60. Les impacts des chocs positifs et ngatifs sur la
volatilit paraissent donc dissymtriques. On note par ailleurs que le coefficient dasymtrie
est plus grand lorsque le rating se dtriore ;

58

Voir Akaike (1973) et Schwarz (1978).

59

La matrice de variance et de covariance des estimateurs de Bollerslev et Wooldridge (Heteroskedasticity Consistent


Covariances) est robuste en prsence la fois dHtroscdasticit et dautocorrlation.
60

Lanalyse descriptive des spreads de crdit (chapitre 1) a montr que le coefficient dasymtrie sur les obligations de rating
lev est proche de zro.

77

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

- le coefficient dasymtrie est positif pour le modle EGARCH ( > 0 ) et ngatif pour le
modle TGARCH ( < 0 ). Cela suggre que limpact dun choc positif61 sur la volatilit des
spreads de crdit semble donc plus fort que celui dun choc ngatif62 ;
- le signe du coefficient du carr de la dernire innovation observe ( ) est positif
conformment nos attentes ;
- on observe la prsence de phnomne de persistance de la volatilit, souvent observ sur les
sries financires en hautes frquences ;
- enfin, il apparat que le modle EGARCH conduit aux valeurs des critres AIC et SIC les
plus faibles (Heynen, Kemna et Vorst, 1994) ; de plus la log vraisemblance63 conclut
galement en faveur de lExponentiel-GARCH. Ce rsultat corrobore les tudes prcdentes
sur les indices boursiers et le march de change (Cao et Tsay, 1992, Heynen et Kat, 1994 et
Alberg et al., 2008).
Toutefois, on observe que les caractristiques du modle EGARCH traditionnel se rvlent
insuffisantes pour rendre compte pleinement de lasymtrie et de lexcs de kurtosis observs.
En effet, le test de Jarque-Bera (tableau 2.6.3) montre la non normalit des rsidus dans la
plupart des estimations. Cest pour cela quil semble intressant dtudier lapport de
distributions intgrant la fois lasymtrie et/ou la prsence dvnements rares pour la
modlisation de la variance conditionnelle des spreads.

2.3.2 Apport de distributions non gaussiennes


Lobjet de cette section est de discuter du choix des distributions leptokurtiques susceptibles
damliorer la performance du modle EGARCH.
Nous examinons lapport des distributions de Student, de la GED, du Skewed-Student et de la
Skewed-GED suivant le modle :
S t = + S t -1 + t

t = ( t )1 / 2 t

(2.8)

ln( t2 ) = + t -1 + t -1 + ln( t2-1 )


t -1

t -1

61

( + ) pour le modle EGARCH et pour le modle TGARCH).

62

( ) pour le modle EGARCH et ( + ) pour le modle TGARCH).

63

Les trois modles ntant pas embots, on ne peut pas tester rigoureusement la prdominance dun modle sur les autres,
partir de la log vraisemblance. Nanmoins, comme le nombre de paramtres est le mme dans les spcifications
TGARCH(1,1) et EGARCH(1,1) , la comparaison des vraisemblances peut permettre didentifier plus pertinent des deux
modles.

78

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

avec respectivement :
t
t
t
t

~ Student( )
~ GED( )
~ Skewed - Student( , )

(2.9)

~ Skewed - GED( , )

Une prsentation de ces diffrentes distributions se trouve en annexe 2.6.1. On peut toutefois
les regrouper en deux catgories : les distributions symtriques (la Student et la GED) et les
distributions asymtriques (Skewed-Student et Skewed-GED).

2.3.2.1 Distributions queues paisses symtriques


Les lois de Student et la GED ont t suggres respectivement par Bollerslev (1987) et
Nelson (1991) pour dcrire la distribution des innovations des rendements.

- La loi de Student : Student( ) )


Elle est dote dun paramtre qui fournit des indications sur lpaisseur des queues de la
distribution. La fonction de Student est leptokurtique ds lors que > 4 . Elle tend vers la loi
normale quand le degr de libert tend vers linfini ( ).

- La loi GED : GED ( )


Elle est aussi dote dun paramtre qui dfinit lpaisseur des queues de distribution.
Si est gal 2, alors on retrouve la densit dune loi normale. Lorsque < 2 , la
distribution a des queues plus paisses que la loi normale (distribution leptokurtique).
Pour = 1 , on retrouve la loi de Laplace.

2.3.2.2 Distributions leptokurtiques asymtriques


La Skewed-Student a t propose par Fernndez et Steel (1998) et la Skewed-GED par
Theodossiou (2000) dans le cadre de la modlisation des rendements sur le march boursier.

- La Skewed-Student : Skewed Student ( , )


Elle est dote de deux paramtres ( , ) . Le paramtre fournit des indications sur
lpaisseur des queues de distribution et est le paramtre de contrle de lasymtrie.
La fonction de Skewed-Student est leptokurtique ds lors que > 4 .
Si > 1 (< 1) , le coefficient de skewness est positif (ngatif), et la fonction de densit est
tale vers la droite (gauche). Lorsque = 1 , la distribution devient symtrique.
Lorsque , avec = 1, on a une distribution normale.

79

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

- La Skewed-GED : Skewed GED ( , )


La Skewed-GED est dote dun paramtre indiquant lpaisseur de la distribution et dun
paramtre de contrle de lasymtrie. Ses queues de distribution sont plus paisses que
celles de la loi normale ds lors que < 2 .
Lorque = 0 , la loi est symtrique. Lorsque = 2 et = 0 , nous obtenons la densit de la
loi normale standard.
Si > 0(< 0) , le coefficient de skewness est positif (ngatif), et la distribution est tale vers
la droite (gauche).

2.3.2.3 Rsultats empiriques


Lestimation des paramtres est fonde sur la procdure de quasi-maximum de vraisemblance
(Bollerslev et Wooldridge, 1992). Lalgorithme utilis est celui de Marquardt (1963).
Le tableau 2.6.4 en annexe prsente les rsultats dtaills de lestimation de la spcification
AR(1)-EGARCH(1,1) pour les diffrents indices obligataires lorsque les innovations suivent
respectivement des distributions queues paisses symtriques (Student et GED). Ces
rsultats sont compars ceux correspondant aux estimations lorsque les innovations sont
supposes normales.
Dune manire gnrale, on note que lutilisation de lois de distribution de Student et de la
GED pour estimer le modle EGARCH ne modifie pas sensiblement les paramtres64 du
modle estim avec la loi normale.
Comme on sy attendait, lhypothse de normalit de la distribution des erreurs est rejete. En
effet, les coefficients mesurant lexcs de kurtosis ( pour le Student et pour la GED) sont
significatifs pour tous les indices obligataires avec > 4 et < 2 . Ces rsultats valident donc
le choix de distributions intgrant les vnements rares.
Par ailleurs, on observe que le modle EGARCH associ la GED conduit systmatiquement
une plus grande log-vraisemblance et des critres dinformation dAkaike et Schwarz
meilleurs que le mme modle associ au Student65 (Taylor, 1994 et Taylor et Xu, 1995).

64

Le signe du coefficient du carr de la dernire innovation observe ( ) est positif conformment nos attentes. Le terme

autorgressif de la volatilit ( ) est proche de 1. Ceci indique la prsence dun phnomne de persistance souvent observ
sur les marchs financiers. On observe aussi que le coefficient dasymtrie de la variance conditionnelle ( ) est significatif,
pour tous les indices obligataires, sauf pour les obligations de qualit de signature suprieure (notes AAA), quel que soit le
secteur.
65

On observe que la Student domine la loi normale (Bollerslev et Engle, 1986 ; Baillie et Bollerslev, 1989 et
Vlaar et Palm, 1993).

80

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Le tableau 2.6.5 prsente les rsultats des estimations lorsque les innovations suivent des
distributions queues paisses asymtriques (Skewed-Student et Skewed-GED).
Comme prcdemment, les coefficients mesurant lexcs de kurtosis sont significatifs avec

> 4 et < 2 .
Par ailleurs, lhypothse de symtrie, pour ce qui concerne les paramtres estims des lois,
doit tre rejete quel que soit lindice obligataire. En effet, pour quon puisse laccepter, il
aurait fallu que les paramtres de contrle de la symtrie, pour la Skewed-Student et
pour la Skewed-GED, soient respectivement gaux 1 et 0. Ce qui nest pas le cas, sauf
pour les obligations notes AAA. Ceci confirme que la modlisation de lasymtrie travers
un processus EGARCH nest pas suffisante dans le cas de lanalyse des spreads de crdit.
Lajout de lasymtrie dans les distributions conditionnelles de la Student et de la GED
amliore la qualit de ces modles (Lambert et Laurent, 2001 ; Huang et Lin, 2004 ; Yoon et
Kang, 2007 ; Bali, 2007a ; Alberg et al., 2008 et Liu et al., 2009).
En outre, le fait que > 1 et > 0 , pour tous les indices obligataires, indique que la
distribution est tale vers la droite. Ce qui confirme bien que les spreads de crdit ragissent
davantage aux chocs positifs quaux chocs ngatifs.
Enfin, on observe au regard des critres dinformations et de la logvraissemble, que la
distribution Skewed-GED semble offrir de meilleurs rsultats sur lensemble des indices
obligataires. Cest donc le modle EGARCH associ la distribution Skewed-GED qui est
retenue pour raliser les estimations sur lensemble de notre travail.
Les graphiques 2.6.3 prsentent les volatilits estimes des spreads de crdit partir des
modles EGARCH associs respectivement la loi normale et au Skewed-GED.
Lobservation attentive de ces graphiques tmoigne des fortes fluctuations enregistres les
premiers jours douverture des marchs aprs les attentats du 11 septembre 2001 et plus
gnralement sur les priodes des crises financires. Les spreads des obligations du secteur
industriel ont t plus affects par la crise financire ne de lclatement de la bulle des
valeurs technologiques ou bulle internet66 (mars 2000 juin 2003) et la faillite dEnron en
dcembre 2001. En revanche, la crise des subprimes de lt 2007 a particulirement touch
les valeurs financires.

66

La deuxime moiti des annes quatre-vingt-dix a t marque par le dveloppement des nouvelles technologies de
linformation et de la communication. Or le poids des actifs immatriels de ces nouvelles entreprises sest considrablement
accru. En rgle gnrale, la valorisation des actifs intangibles est moins fiable, plus frquemment rvisable et donc plus
volatile. Cest ce qui explique la variabilit plus forte des spreads des obligations dentreprise du secteur industriel au
pendant la crise ne de lclatement de la bulle Internet au dbut des annes 2000.

81

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Enfin, lexamen de lvolution des volatilits des spreads de crdit par ratings et maturits
nous permet dobserver que :
- quel que soit le secteur, la volatilit du spread de crdit diminue avec la qualit du titre
(Longstaff et Schwartz, 1995 et Duffee, 1998). Les spreads des obligations ayant de bons
ratings sont moins volatiles car elles sont moins risques ;
- quel que soit le secteur, la volatilit des spreads de crdit semble diminuer avec la maturit
des titres. Les spreads des obligations de courtes maturits sont plus volatiles. Le manque de
visibilit court terme pourrait expliquer cette situation.

2.3.3 Prvision hors chantillon de la volatilit des spreads


Dans cette partie, nous examinons la capacit prdictive de volatilit des modles EGARCH,
en supposant que les innovations suivent respectivement la loi normale, la Student, la GED, la
Skewed-Student et la Skewed-GED. Nous utilisons la mthode de prvision hors chantillon
(Lee, 1991, Heynen et Kat, 1994 et Poon et Granger, 2003).
Cette mthode de prvision (out-of-sample) suppose destimer le modle jusqu une certaine
priode puis de conserver les priodes restantes de lchantillon pour les prvisions.
On compare ensuite cette prvision avec la valeur observe, considre comme Benchmark.
Dans le cadre de cette tude, nous retranchons les 20 dernires observations, puis nous
restimons les modles pour faire des prvisions sur 5, 10 et 20 jours. Les performances sont
values par deux indicateurs67, la racine des erreurs quadratiques moyennes (Root Mean

Squared Error : RMSE) et la moyenne des erreurs absolues (Mean Absolute Error : MEA).
Si lchantillon de prvision est de t = T+1, T+2, ..., T+h, avec h lhorizon de prvision, T la
taille de lchantillon ayant servir estimer le modle, et en supposant que les valeurs
observes et prvues de la volatilit sur la priode, sont respectivement, t2 (carr de la
variation des spreads observs) et t2 , les statistiques RMSE et MAE sont dfinies comme
suit :

RMSE h =

1 T +h 2
( t t2 ) 2

h t =T +1

(2.10)

1 T +h 2
t t2
h t =T +1

(2.11)

MAE h =

67

Voir : Lamoureux et Lastrapes, 1993 ; Taylor et Xu, 1995.

82

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Nous prenons le carr des spreads de crdit ( S t2 ) comme proxy de la volatilit observe68
(Brailsford et Faff, 1996, Andersen et Bollerslev, 1997, Brooks et Persand, 2002
et Sadorsky, 2006).
Le tableau 2.6.6 prsente les performances des diffrents modles en termes des erreurs de
prvision (RMSE et MAE) pour les diffrents modles en comptition. La meilleure
spcification (identifies en gras) est celle qui conduit des erreurs de prvision
(hors chantillon) plus faibles.
Trois principales conclusions se dgagent de lanalyse de ces rsultats :
-

les modles utilisant des distributions queues paisses offrent une capacit de
prvision plus intressante que ceux ayant recourt la loi normale, avec une qualit de
prvision plus nette pour la GED (Lambert et Laurent, 2001 ; Yoon et Kang, 2007 ;
Alberg et al., 2008 et Liu et al., 2009) ;

lajout de lasymtrie dans la distribution conditionnelle des erreurs amliore les


prvisions, comme le montre les rsultats associs aux modles utilisant les
distributions Skewed-Student et Skewed-GED. Ces rsultats vont dans le mme sens
que les conclusions Alberg et al., (2008) et Liu et al. (2009) qui trouvent
respectivement que, sur une base hors chantillon, les modles Skewed-Student et
Skewed-GED sont capables de prvoir convenablement69 la volatilit sur les marchs
financiers ;

enfin, le modle EGARCH associ la distribution Skewed-GED semble tre le


modle le plus performant quel que soit lhorizon de prvision. En effet, il gnre des
erreurs systmatiquement beaucoup plus faibles que celles issues des autres modles
concurrents. Ce rsultat corrobore celui obtenu en utilisant les critres de slection de
modles (log-vraisemblance et critres dinformation dAkaike et Schwarz). Le choix
de la distribution Skewed-GED pour la modlisation des erreurs dans le cadre du
modle EGARCH semble donc tre robuste.

68

Des tudes rcentes (Andersen et al., 2003 ; Avouyi-Dovi et Idier, 2010), utilisent comme proxy de la volatilit
quotidienne observe, la volatilit ralise, obtenue par le calcul de la somme des carres des rendements sur les donnes
intra-journalires. Le problme pour les spreads de crdit est quil ny a pas de donnes intra-journalires disponibles.

69

Mieux que les modles ayant recours aux distributions symtriques ou la loi normale.

83

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

2.4 Conclusion
Le march de la dette prive sest fortement dvelopp au cours de ces dernires annes.
Le march des drivs de crdit et le march financier structur, notamment les titres adosss
des crances (CDO-Collateralized debt obligations), ont aussi enregistr une croissance
considrable. Le payoff de certains produits drivs dpend de la volatilit des spreads de
crdit. Cest le cas des contrats futurs sur spread qui donne droit, la maturit de loption
demprunter avec un spread de taux prdtermin par rapport au taux sans risque et des
options sur spread, qui donnent droit la maturit de loption un nominal, si le spread
appliqu un metteur donn est gal ou suprieur aux prix dexercice de loption.
Par consquent, lestimation et la prvision de la volatilit des spreads de crdit sont
ncessaires pour contrler le risque et se prvenir contre de possibles pertes sur ces nouveaux
types dactifs financiers.
A partir de modles statistiques de type GARCH, cette tude propose une modlisation de la
volatilit conditionnelle des spreads de crdit dans un cadre non gaussien de manire tenir
compte des faits styliss observs sur les marchs. Le contrle de lasymtrie est introduit de
deux manires : la distinction des effets des chocs sur la variance selon leur signe
(par lintermdiaire dun processus EGARCH) et lutilisation de lois asymtriques pour
caractriser la distribution des erreurs. Nous montrons en effet que, lajout deffets
dasymtrie dans les distributions conditionnelles de Student et de la GED amliore la qualit
de nos estimations. Le modle EGARCH avec une distribution GED asymtrique
(Skewed-GED), qui permet de contrler, la fois, les phnomnes dasymtrie et de prsence
de queues paisses, semble intressant pour caractriser la dynamique des spreads de crdit et
offre aussi une meilleure prvision hors chantillon de leur volatilit.
De futures voies de recherches pourraient consister comparer la capacit prdictive de la
volatilit des spreads de crdit (en loccurrence en priode de turbulence financire) de la
spcification EGARCH-Skewed-GED celle de lapproche utilisant la distribution
gnralise des valeurs extrmes (Generalized extreme value (GEV) distribution).

84

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

2.5 Bibliographie

Akaike H. (1973), Information theory and the extension of the maximum likelihood
[1] principle, Proceeding of the second international symposium on information theory,
Budapest, 267-281.

[2]

Alberg D, Shalita H. et Yosef R. (2008), Estimating stock market volatility using


asymmetric GARCH models, Applied Financial Economics, 18, 1201-1208.

[3]

Andersen T. et Bollerslev T. (1997), Answering the critics: yes, ARCH models do


provide good volatility forecasts, NBER Working Paper series, 6023.

[4]

Andersen T., Bollerslev T., Diebold F.X. et Ebens P. (2001), The distribution of
realized volatility stock return volatility, Journal oFinancial Economics, 61, 43-76.

[5]

Andersen T., Bollerslev T., Diebold F.X. et Labys P. (2003), "Modeling and
forecasting realized volatility." Econometrica, 71, 579-625.

Avouyi-Dovi S. et Idier J. (2010), "Realized volatility and high frequency data: what
[6] contributions to financial market analysis", Bankers Market and Investors, 105, marsavril.
Avouyi-Dovi S. et Neto D. (2004), Interdpendance des marchs dactions :
[7] analyse de la relation entre les indices boursiers amricain et europens, Banque de
France, Revue de la stabilit financire, 4, 115 -133

[8]

Avouyi-Dovi S. et Jondeau E. (1999), La modlisation de la volatilit des bourses


asiatiques, Banque de France, Working Paper N 58.

[9]

Azzalini A. (1985), A class of distributions which includes the Normal ones,


Scandinavian Journal of Statistics, 12, 171-178.

Baillie R.T., et Bollerslev T. (1989), The message in daily exchange rates: a


[10] conditional-variance tale, Journal of Business & Economic Statistics, July, 7, (3),
60-68.

85

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

[11]

Bali T.G. (2007a), Modeling the dynamics of interest rate volatility with skew
fat-tailed distributions, Annals of Operations Research, 1, 151-178.

[12]

Bali T. G. (2007b) " An extreme value approach to estimating interest-rate volatility:


pricing implications for interest-rate options ", Management Science, 53, 2, 323-339.

[13]

Bathossi D. (2003) Evaluation des risques extrmes dans les oprations dassurance
et de rassurance , Universit Paris Dauphine, Thse de doctorat.

Bauwens, L., Laurent, S. (2005), A new class of multivariate skew densities, with
[14] application to GARCH models, Journal of Business and Economic Statistics, 23(3),
346-354.

Beine M., Laurent S et Lecourt C. (2002), Accounting for conditional leptokurtosis


[15] and closing days effects in FIGARCH models of daily exchange rates, Applied
Financial Economics, 12, 589-601.
Bhattacharyya M., Chaudhary A. et Yadav G. (2008), "Conditional VaR estimation
[16] using Pearsons type IV distribution", European Journal of Operational Research,
191, 386-397.
Black F (1976), Studies in stock price volatility change, Proceedings of the 1976
[17] business meeting of the business and economic statistics section, American Statistical
Association.

[18]

Bollerslev T. (1986), Generalized autoregressive conditional heteroscedasticity,


Journal of Econometrics, 31, 307-327.

[19]

Bollerslev T. (1987), "A conditional heteroskedastic time series model for speculative
prices and rates of return", Review of Economics and Statistics, 69, 542-547.

[20]

Bollerslev T. et Engle R.F. (1986), Modeling the persistence in conditional


variances, Econometric Reviews, 5, 1-50.

[21]

Bollerslev T. et Mikkelsen H.O. (1996), "Modeling and Pricing Long-Memory in


Stock Market Volatility," Journal of Econometrics, 73, 151-184.

86

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Bollerslev T. et Wooldridge J.M. (1992), Quasi maximum likelihood estimation and


[22] inference in dynamic models with time varying covariances, Econometric Reviews,
11, 143-172.

[23]

Brailsford T.J. et Faff R.W. (1996), "An evaluation of volatility forecasting


techniques", Journal of Banking and Finance, 20, 419-438.

[24]

Brannas K. et Nordman N. (2001), Conditional skewness modelling for stock


returns, Umea Economic Studies, 562.

[25]

Brooks, C. et G. Persand (2002), Model choice and Value-at-Risk performance,


Financial Analysts Journal, 58, 87-97.

[26]

Cao C. et Tsay R. (1992), Nonlinear time-series analysis of stock volatility,


Journal of Applied Econometrics, 7, 165-185.

[27]

Clark P.K. (1973), A subordinated stochastic process model with finite variance for
speculative price, Econometrica, 41, 135-155.

[28]

Duffee G. (1998), The relation between treasury yields and corporate bond yield
spreads, Journal of Finance, 53, 2225-2241.

Embrechts P., Klppelberg C. et Mikosch, T. (1997) Modelling extremal events for


[29] insurance and finance, Applications of Mathematics: Stochastic Modelling and
Applied Probability, 33, Springer-Verlag, Berlin.
Engle R. et Gonzalo Rangel J. (2008), The spline-GARCH model for low-frequency
[30] volatility and its global macroeconomic causes, Review of Financial Studies, 21(3),
1187-1222.

[31]

Engle R. et Sheppard K. (2002), Theoretical and empirical properties of conditional


correlation multivariate GARCH, NBER, Working Paper N 8554.

[32]

Engle R. F. et Kroner, K. F. (1995), Multivariate simultaneous GARCH,


Econometric Theory, 11, 122-150.

87

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

[33]

Engle, R.F. (1982), Autoregressive conditional heteroskedasticity with estimates of


variance of UK inflation, Econometrica, 50, 987-1008.

[34]

Fernandez C. et Steel M. (1998), On bayesian modelling of fat tails and skewness,


Journal of the American Statistical Association, 93, 359-71.

[35]

Figlewski S. (1997), Forecasting volatility, Financial Markets, Institutions


and Instruments 6, 1-88.

[36]

French, K.R., Schwert, G.W. et Stambaugh, R.E. (1987), Expected stock returns and
volatility, Journal of Financial Economics, 19, 3-30.

[37]

Gauthier C. et Pistre N. (2000) "Evnements extrmes sur les spreads de crdit",


ENSAE, Working Paper.

[38]

Giot P. et Laurent S. (2003), Value-at-Risk for long and short positions,


Journal of Applied Econometrics, 18, 641-664.

[39]

Giot P. et Laurent S. (2004), Modeling daily Value-at-Risk using realized volatility


and ARCH type models, Journal of Empirical Finance, 11, 379-398.

Glosten L., Jagannathan R. et Runkle D. (1993), On the relation between the


[40] expected value and the volatility of the nominal excess return of stocks, Journal of
Finance, 48, 1779-1801.

[41]

Hansen B. (1994), Autoregressive conditional


International Economic Review, 35 (3), 705-730

density

estimation ,

Heynen R. C. et Kat H. M. (1994), Volatility prediction: A comparison of stochastic


[42] volatility, GARCH (1,1) and EGARCH (1,1) models, Journal of Derivatives,
2, 50-65.
Huang Y-C. et Lin B-J. (2004), Value-at-Risk analysis for Taiwan stock index
[43] futures fat tails and conditional asymmetries in return innovations, Review of
Quantitative Finance and Accounting, 22, 79-95.

88

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

[44]

Hull J. et White A. (1987), The pricing of options with stochastic volatilities,


Journal of Finance, 42, 281-300.

[45]

Lambert P, Laurent S. (2000), Modeling skewness dynamics in series of financial


data, Institut de Statistique, Louvain-la-Neuve, Discussion Paper.

Lambert P. et Laurent S. (2001), Modeling financial time series using GARCH-type


[46] models with a skewed Student distribution for the innovations, Universit Catholique
de Louvain et Universit de Lige, Belgique, Working Paper.
Lamoureux C.G. et Lastrape W.D. (1993), Forecasting stock return variance; toward
[47] an understanding of stochastic implied volatilities, Review of Financial Studies,
6, 293-326.

[48]

Lee C.F., Chen G.M. et Rui O.M. (2001), "Stock returns and volatility on China stock
markets", Journal of Financial Research, 24, 523-543.

[49]

Lee K. Y. (1991), Are the GARCH models best in out-of-sample performance?


Economics Letters, 37, 305-308.

[50]

Lehnert T. (2003), Explaining smiles: GARCH option pricing with conditional


leptokurtosis and skewness, The Journal of Derivatives, 10, 27-39.

Liu H-C, Lee Y-H et Lee M-C (2009), Forecasting China stock markets volatility
[51] via GARCH models under Skewed-GED distribution, Journal of Money, Investment
and Banking, 7, 5-15.

[52]

Longstaff F. A. et Schwartz E. S. (1995), Valuing risky debt: A new approach,


Journal of Finance, 50, 789-819.

[53]

Marcucci J. (2005), "Forecasting stock market volatility with regime-switching


GARCH models", Studies in Nonlinear Dynamics and Econometrics, 9, 1-53.

Marquardt D.W. (1963), An algorithm for least squares estimation of non-linear


[54] parameters, Journal of the Society for Industrial and Applied Mathematics,
11, 431-441.

89

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

[55]

Massoumi E et McAleer M. (2006), Multivariate stochastic volatility: an overviews,


Econometric Reviews, 25 (2-3), 139-144.

[56]

Merton, R.C. (1980), On estimating the expected return on the market: An


exploratory investigation, Journal of Financial Economics, 8, 323-361.

Mokni K, Mighri Z. et Mansouri F (2009), On the effect of subprime crisis on Value[57] at-Risk estimation: GARCH family models approach, International Journal of
Economics and Finance, 2 (1), 88-104.

[58]

Nelson D. (1991), Conditional heteroskedasticity in asset returns: a new approach,


Econometrica, 59, 349-370.

[59]

Palandri A. (2004), Multivariate GARCH model: Inference and evaluation,


Duke University, Working Paper.

[60]

Poon S. et Granger C. (2003), Forecasting financial market volatility: a review,


Journal of Economic Literature, 41, 478-539.

Rosenberg B. (1972), The behaviour of random variables with non stationary


variance and the distribution of security prices, University of California Berkeley,
[61]
included in (2005) Stochastic Volatility: Selected Readings (ed. N. Shephard), Oxford
University Press.
[62]

Sadorsky, P. (2006). Modeling and forecasting petroleum futures volatility,


Energy Economics, 28, 467-488.

[63]

Schwarz G. (1978), Estimating the dimension of a model, Annals of Statistics,


6, 461-464.

[64]

Shamiri A. et Isa Z. (2009), Modeling and forecasting volatility of the Malaysian


stock markets, Journal of Mathematics and Statistics, 5 (3), 234-240.

[65]

Shephard N. (2005), Stochastic volatility: selected readings (ed. N. Shephard),


Oxford University Press.

90

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

[66]

Taylor J. S. (2005), Asset


Princeton University Press.

price

dynamics,

volatility and

prediction,

[67]

Taylor S.J. (1994), Modeling stochastic volatility: a review and comparative study,
Mathematical Finance, 4, 183-204.

[68]

Taylor S.J. et Xu X. (1997), The incremental volatility information in one million


foreign exchange quotations, Journal of Empirical Finance, 4, 317-340.

[69]

Taylor S.J. et Xu, X. (1995), Conditional volatility and the information efficiency of
the PHLX currency options market, Journal of Banking and Finance, 19, 803-821.

Theodossiou P. (2000), "Skewed generalized error distribution of financial assets and


[70] option pricing", School of Business, Rutgers University, Working Paper.
(http://papers.ssrn.com/sol3/papers.cfm?abstract_id=219679).
Vlaar P.J.G. et Palm F.C. (1993), The message in weekly exchange rates in the
[71] European Monetary System: mean reversion, conditional heteroscedasticity, and
jumps, Journal of Business and Economic Statistics, 11 (3), 351-360.
Wang K.-L., Fawson C., Barrett C. et McDonald J. (2001), A flexible parametric
[72] GARCH model with an application to exchange rates, Journal of Applied Econometrics,
16, 521-536.

Yoon S-M. et Kang S-H.(2007), A skewed student-t Value-at-Risk approach for long
[73] memory volatility processes in Japanese financial markets, Journal of International
Economic Studies,11, 211-242.

[74]

Zakoian J.-M. (1994), Threshold Heteroskedasticity Models, Journal of Economic


Dynamics and Control, 15, 931-955.

Zhu D. et Galbraith J.W. (2009), A generalized asymmetric Student-t distribution


[75] with application to financial econometrics, Department of Economics, McGill
University, Working Paper.

91

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

2.6 Annexes

92

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Annexe 2.6.1 : Distributions non gaussiennes


Nous prsentons brivement les lois de distributions utilises dans le cadre de cette tude.

2.6.1.1 Lois de distribution queues paisses symtriques : le Student et la GED


- La loi de Student
La densit de la loi de Student associe z t =

t
et lensemble des paramtres scrit :
t

z t2
[( + 1) / 2]
1

f ( z t ; ) =
1
+
[( 2)]1 / 2 [ / 2] 2

( +1) / 2

>2 ,

(2.12)

. est la fonction gamma.


o []

La distribution de Student, qui est symtrique autour de 0, permet de modliser des queues de
distribution plus paisses que celles de la loi normale (distribution leptokurtique). La kurtosis
de la distribution de Student est dtermine par le degr libert . Dans le cadre des modles
GARCH, ce paramtre estim permet de capturer lexcs de kurtosis qui ne peut pas tre
expliqu par le modle GARCH lui mme. La fonction de Student est leptokurtique ds lors
que v > 4. Elle tend vers la loi normale quand le degr de libert tend vers linfini ( ).
Si la variable zt admet une distribution de Student degrs de liberts, o vrifie
> 2 , alors la log-vraisemblance associe une observation zt et lensemble des

paramtres , scrit :
T

z t2

+ 1

2

Lt () = T ln
0,5 ln[( 2)] ln 0,5 ln t + (1 + ) ln1 +

2
2
2

t =1

( )

(2.13)

On rappelle que : (r ) = e x x r 1 dx r > 0 et que () = ( 1) ! si * .


0

- La loi Generalized Error Distribution (GED)


Si la variable zt telle que E(zt)= 0 et Var(zt)=1, admet une distribution GED de paramtre

> 0 , sa densit est dfinie par :

93

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

f ( z , ) =

0,5 z t
exp

2 ( +1) / [1 / ]

0 < <

(2.14)

o : []
. est la fonction gamma et une constante dfinie par : = 2 2 /

[1 / ]

[3 / ]

1/ 2

Le paramtre dfinit lpaisseur des queues de distribution. Si est gal 2, alors = 1 et


lon retrouve la densit dune loi normale N(0,1). Lorsque < 2 , la distribution a des queues
plus paisses que la loi normale (distribution leptokurtique), et, linverse, quand > 2 , les
queues sont moins paisses que la loi normale (distribution platykurtique). Pour = 1 , on
retrouve la loi de Laplace. Enfin, quand tend vers linfini, on obtient une distribution
uniforme.
Si la variable zt admet une distribution GED avec * , alors la log-vraisemblance associe
une observation zt scrit :
T
z

Lt () = T ln 0.5 t

t =1

1
(1 + 1 ) ln(2) ln 0,5 ln( t2 )

(2.15)

2.6.1.2 Lois de distribution leptokurtique et asymtriques : le Skewed-Student et le Skewed GED

- Le Skewed Student
Fernndez et Steel (1998) et Laurent (2001) ont introduit de la skewness dans la distribution
de Student pour dfinir la Student dissymtrique (SKST (0, 1, , )), quils standardisent afin
dobtenir une densit f (z t , ) qui scrit :

m
2
sg [( sz t + m) ] si z t <

1
s
+

f ( z t , ) =
2 sg [( sz + m) / ] si z m
t
t
1

(2.16)

o :

94

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

g (.| ) est la densit du Student symtrique ( z t ~ ST (0, 1, )) de degr de liberts ;

m = m(, ) et s = s 2 (, ) sont respectivement la moyenne et l'cart type de la densit

de distribution skewed-Student SKST (m, s 2 , , ) de Fernandez et de Steel (1998) dfinis


comme suit :
1
2

1
2
,

m(, ) =

(2.17)

1
s 2 (, ) = 2 + 2 1 m 2 ,

(2.18)

est lindicateur de dissymtrie70. Daprs Lambert et Laurent (2000), le signe ln

indique la direction de l'asymtrie : si ln > 0(< 0) , le coefficient de skewness est positif


(ngatif), et la fonction de densit (distribution) est tale vers la droite (gauche).
Lorsque = 1, la distribution de Student dissymtrique standardise (SKST (0, 1, , )) est
gale la distribution de Student symtrique (ST (0, 1, )). Lorsque , avec = 1, on a
une distribution normale.
La log-vraisemblance correspondante la distribution de Student dissymtrique standardise,
associe une observation z t et lensemble de paramtres scrit :

T
(sz + m)2 2I

+
1

+ ln
Lt () = T ln
0,5 ln[( 2)] ln + ln(s) 0,5 ln t2 + (1+ ) ln1+ t
(2.19)

2
2
2

t =1

( )

o :

70

Le coefficient dasymtrie > 0 est dfini comme suit : 2 =

Pr( z t 0 )
Pr( z t < 0 )

95

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

1 si zt
s

It =
1 si zt < m

Des exemples de fonctions de densit de la Skewed-Student dfinies selon les valeurs des
paramtres et (voir graphique 2.5.1) sont proposs ici pour visualiser les proprits de
cette loi.
Graphique 2.6.1 : Fonctions de densit de la Skewed-Student,
0.7

0.6

0.5

Skewed-Student(=5, =1.25 )

Skewed-Student(=5, =0.75 )

0.4

Normale(= , =1 )

Student(=5, =1)
0.3

0.2

0.1

0
-8

-6

-4

-2

Note :
Ce graphique prsente les distributions des lois normale, de la Student symtrique ( = 1 et = 5 ) et
la Student dissymtrique avec les coefficients de skewness respectivement infrieur 1 ( = 0.75 et
= 5 ) et suprieur 1 ( = 1,25 et = 5 ). Puisque > 5 , ces distributions ont des queues plus
paisses que celle de la loi normale. Pour < 1 , lasymtrie est gauche (Left skew) et pour > 1
lasymtrie est droite (Right skew).

- Le Skewed-GED
La densit de la loi Skewed-GED (Theodossiou, 2000) associe z t et aux paramtres
> 0 et ( 1 < < 1 ) scrit :

B exp( c b ( z + m) ) pour z m
1 t
t

f ( z t , ) =

B exp( c b2 ( z t + m) ) pour z t > m

(2.20)

96

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

o :
b1 = S ( ) /(1 ),

b2 = S ( ) /(1 + ), b1, b2 > 0

32 1
c =

3 2 1
B =
2

3
2

S ( ),

S ( ) = 1 + (3 4 D 2 ) 2 ,
m = 2DS ( ) 1 ,

2 1
D =

1
2

1
2

Le paramtre contrle lpaisseur des queues tandis que dfinit lasymtrie quand il est
diffrent de 0. Lorsque = 2 et = 0 , nous obtenons la densit de la loi normale standard.
Pour = 2 et 0 , nous obtenons la Skewed normale dAzzalini (1985). Enfin lorsque le
paramtre = 0 , nous retombons sur une distribution GED). Si > 0(< 0) , le coefficient de
skewness est positif (ngatif), et la fonction de densit (distribution) est tale vers la droite
(gauche).
La log-vraisemblance correspondante la distribution de GED asymtrique standardise,
associe une observation z t et lensemble de paramtres scrit :

S ( )
L() = Lt () = ln( B) ln() c
( z t + m)
(
1 + sign( z t + m) )

t =1
t =1

(2.21)

N est la taille de l'chantillon, sign est la fonction qui prend la valeur de -1 si z t + m <0 et +1
autrement.
Des exemples de fonctions de densit de la Skewed-GED dfinies selon les valeurs des
paramtres et (voir graphique 2.5.2) sont proposs ici pour visualiser les proprits de
cette loi.

97

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Graphique 2.6.2 : Fonctions de densit de la Skewed-GED


0.25

0.2

Skewed-GED(=1.50, =0.5 )

Skewed-GED(=1.50, =-0.5)

GED(=1.50,=0)

0.15

Normale(=2, =0 )

0.1

0.05

0
-5

-4

-3

-2

-1

Note :

Ce graphique prsente les distributions des lois normale, de la GED symtrique ( = 0 et = 1.5 ) et
la GED dissymtrique avec les coefficients de skewness respectivement ngatif ( = 0,5 et = 1.5 )
et positif ( = 0,5 et = 1.5 ). Puisque < 2 , ces distributions ont des queues plus paisses que celle
de la loi normale. Pour < 0 , lasymtrie est gauche (Left skew) et pour > 0 lasymtrie est
droite (Right skew).

98

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Tableau 2.6.1 : Estimation des modles du AR(1)-EGARCH avec la loi de distribution normale
Ce tableau prsente le rsultat de lestimation des modles AR(1)-GARCH, AR(1)-TGARCH et AR(1)-EGARCH en supposant que la distribution des innovations suit la loi normale :

S t = + S t -1 + t

t ~ N(0, t2 )

t2 = + t21 + t2-1
avec respectivement : t2 = + t21 + I t1 t21 + t2-1

ln( t2 ) = + t -1 + t -1 + ln( t2-1 )


t -1

t -1

Nous utilisons les donnes de spreads de crdit OAS de Merrill-Lynch (diffrence premire) en donnes quotidiennes sur la priode allant du 06 janvier 1999 au 31 mars
2008 (soit 2315 observations). reprsente la constante de lquation de la moyenne ; le coefficient dautorgression des spreads de crdit en diffrence premire ; le
terme autorgressif du logarithme de la variance ; leffet dun choc sur les spreads de crdit ; leffet dasymtrie correspondant limpact complmentaire ou spcifique
dun choc ngatif ; la constante de la variance conditionnelle. Les estimations sont fondes sur la procdure de quasi-maximum de vraisemblance. Lalgorithme utilis est
celui de Marquardt (1963). Les valeurs entre parenthses sont les t-statistics. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%. Les parties
A, B, C et D du tableau prsentent les rsultats des estimations par secteurs, ratings et maturits.
A- Estimation pour les indices obligataires du secteur financier par ratings
AAA
GARCH

TGARCH

AA
EGARCH

GARCH

TGARCH

A
EGARCH

GARCH

TGARCH

BBB
EGARCH

GARCH

TGARCH

Ensemble
EGARCH

GARCH

TGARCH

EGARCH

Equation de la moyenne

0,01

0,02

0,04

0,02

0,02

0,03

0,00

0,02

0,03

-0,11

-0,08

-0,20

0,01

0,03

0,03

(0.62)

(0.92)

(1.80)

(0.65)

(0.85)

(1.19)

(-0.15)

(0.64)

(1.06)

(-1.40)

(-0.90)

(0.96)

(0.42)

(1.14)

(1.51)

-0,39

-0,39

-0,39

-0,35

-0,35

-0,35

-0,27

-0,26

-0,25

-0,04

-0,06

-0,05

-0,31

-0,31

-0,31

(-17.97)

(-17.83)

(-18.42)

(-16.72)

(-16.41)

(-16.26)

(-9.84)

(-9.30)

(-10.26)

(-0.51)

(-0.85)

(-2.15)

(-13.82)

(-13.45)

(-13.43)

Equation de la variance

0,00

0,00

-0,08

0,03

0,03

-0,18

0,03

0,03

-0,10

0,11

0,16

-0,07

0,02

0,02

-0,12

(1.33)

(1.26)

(-5.12)

(3.24)

(3.27)

(-5.48)

(2.98)

(3.44)

(-5.73)

(1.55)

(1.52)

(-6.20)

(2.63)

(2.63)

(-6.03)

0,05

0,06

0,11

0,14

0,14

0,16

0,14

0,16

0,16

0,29

0,32

0,28

0,13

0,15

0,18

(5.15)

(3.87)

(5.12)

(4.98)

(4.73)

(5.10)

(5.09)

(4.36)

(5.53)

(3.63)

(3.46)

(5.74)

(4.91)

(4.37)

(5.45)

0,95

0,95

0,98

0,86

0,86

0,95

0,87

0,89

0,98

0,88

0,87

0,97

0,87

0,88

0,97

(101.21)

(111.45)

(95.12)

(36.26)

(35.35)

(78.92)

(43.67)

(56.08)

(98.64)

(56.77)

(51.47)

(90.31)

(39.40)

(41.93)

(90.19)

-3634,69
3,15
3,16

-3803,74
3,29
3,30

-3803,51
3,29
3,31

-3791,43
3,28
3,30

-4381,89
3,79
3,80

-4373,18
3,78
3,80

-4356,89
3,77
3,79

-6587,68
5,70
5,71

-6554,67
5,67
5,69

-5687,96
4,95
4,97

-3939,51
3,41
3,42

-3933,99
3,41
3,42

-3916,18
3,39
3,40

-0,02

0,03

(-0.96)

(1.34)

-0,02

0,04

(-2.41)

(2.26)

-0,07

0,06

(-1.96)

(3.14)

-0,06

0,06

(-2.74)

(2.07)

-0,06

0,06

(-2.00)

(3.00)

Critres de comparaison des modles


Log-Vraisemblance

AIC
SIC

-3641,48
3,15
3,16

-3640,34
3,15
3,17

99

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

B- Estimation pour les indices obligataires du secteur financier par maturits


1-3 ans
GARCH

TGARCH

3-5 ans
EGARCH

GARCH

TGARCH

5-7 ans
EGARCH

GARCH

TGARCH

7-10 ans
EGARCH

GARCH

TGARCH

Plus de 10 ans
EGARCH

GARCH

TGARCH

EGARCH

Equation de la moyenne

0,03

0,04

0,05

0,02

0,03

0,04

0,00

0,02

0,02

0,02

-0,02

0,02

-0,01

-0,02

-0,04

(1.24)

(1.51)

(1.62)

(0.62)

(1.31)

(1.68)

(0.19)

(0.83)

(0.97)

(0.71)

(-0.55)

(0.62)

(-0.18)

(-0.55)

(-0.99)

-0,28

-0,27

-0,27

-0,30

-0,30

-0,29

-0,29

-0,28

-0,28

-0,24

-0,29

-0,24

-0,18

-0,20

-0,20

(-9.69)

(-7.17)

(-7.42)

(-14.05)

(-13.85)

(-13.19)

(-12.73)

(-11.92)

(-12.17)

(-8.07)

(-10.42)

(-9.28)

(-4.74)

(-6.29)

(-6.54)

Equation de la variance

0,00

0,00

-0,03

0,01

0,01

-0,10

0,02

0,01

-0,07

0,01

0,05

-0,06

0,04

0,03

-0,10

(0.47)

(0.58)

(-2.48)

(2.08)

(2.09)

(-6.30)

(2.10)

(2.10)

(-4.19)

(1.18)

(2.86)

(-3.75)

(1.84)

(1.35)

(-3.72)

0,05

0,04

0,04

0,09

0,10

0,14

0,07

0,07

0,11

0,04

0,05

0,11

0,10

0,06

0,18

(2.87)

(2.80)

(2.49)

(5.10)

(4.48)

(6.25)

(5.13)

(4.71)

(4.45)

(3.23)

(5.41)

(4.08)

(3.68)

(2.72)

(3.96)

-0,04

0,05

0,05

0,05

0,03

0,01

(-2.32)

(2.82)

(-1.32)

(1.51)

-0,06

(2.78)

-0,07

(-2.10)

-0,04

(2.70)

-0,05

(-3.33)

(-1.24)

(0.16)

0,96

0,98

0,97

0,91

0,92

0,98

0,93

0,95

0,98

0,96

0,62

0,98

0,91

0,92

0,97

(59.53)

(115.64)

(90.59)

(64.86)

(77.40)

(94.26)

(75.09)

(96.21)

(92.97)

(61.15)

(13.50)

(93.48)

(42.48)

(46.79)

(89.75)

Critres de comparaison des modles

LogVraisemblance

-4541,77

-4484,31

-4482,55

-4134,33

-4127,42

-4113,39

-4082,50

-4075,32

-4065,33

-4095,96

-4072,52

-4039,53

-4470,16

-4463,66

-4425,95

AIC

3,93

3,88

3,88

3,58

3,57

3,56

3,53

3,53

3,52

3,55

3,52

3,50

3,87

3,86

3,83

SIC

3,94

3,90

3,89

3,59

3,59

3,58

3,55

3,54

3,53

3,56

3,54

3,51

3,88

3,88

3,85

100

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

C- Estimation pour les indices obligataires du secteur industriel par ratings


AAA
GARCH

TGARCH

AA
EGARCH

GARCH

TGARCH

A
EGARCH

GARCH

TGARCH

BBB
EGARCH

GARCH

TGARCH

Ensemble
EGARCH

GARCH

TGARCH

EGARCH

Equation de la moyenne

0,03

0,04

0,06

0,00

0,01

0,03

0,00

0,02

0,04

-0,04

-0,05

0,01

-0,01

0,03

0,04

(1.17)

(1.51)

(2.21)

(0.06)

(0.67)

(1.38)

(-0.01)

(0.88)

(1.44)

(-0.22)

(-0.41)

(0.21)

(-0.13)

(0.76)

(1.08)

-0,40

-0,40

-0,40

-0,38

-0,38

-0,39

-0,26

-0,25

-0,26

-0,17

-0,17

-0,01

-0,19

-0,17

-0,17

(-18.53)

(-18.48)

(-18.10)

(-16.14)

(-16.24)

(-15.61)

(-10.77)

(-10.70)

(-9.54)

(-3.19)

(-3.13)

(-1.68)

(-6.13)

(-5.95)

(-5.96)

Equation de la variance

0,01

0,01

-0,10

0,00

0,00

-0,07

0,00

0,00

-0,06

0,25

0,28

-0,06

0,04

0,02

-0,12

(1.40)

(1.35)

(-5.82)

(1.22)

(1.38)

(-4.98)

(0.73)

(1.04)

(-3.62)

(1.45)

(1.47)

(-2.83)

(1.62)

(1.68)

(-6.73)

0,07

0,08

0,14

0,06

0,07

0,11

0,05

0,06

0,10

0,47

0,16

0,12

0,18

0,16

0,19

(5.29)

(4.06)

(5.73)

(5.43)

(4.89)

(5.12)

(2.97)

(4.12)

(3.68)

(3.56)

(3.97)

(3.41)

(6.21)

(5.23)

(7.08)

-0,02

0,03

0,04

0,05

0,09

0,06

(-3.83)

(2.82)

(2.17)

(3.26)

-0,10

(2.47)

0,05

(-3.13)

-0,05

(1.49)

-0,05

(-0.93)

(-2.57)

(2.30)

0,93

0,94

0,98

0,95

0,95

0,98

0,96

0,97

0,98

0,69

0,68

0,98

0,84

0,90

0,98

(78.38)

(85.58)

(93.39)

(107.31)

(118.65)

(98.38)

(62.50)

(103.77)

(98.21)

(15.69)

(13.50)

(99.74)

(42.71)

(65.15)

(94.01)

Critres de comparaison des modles


LogVraisemblance

-4273,47

-4272,34

-4270,22

-3867,59

-3857,57

-3854,52

-4227,25

-4209,55

-4206,90

-5488,43

-5488,15

-5367,62

-4628,19

-4615,98

-4594,14

AIC

3,71

3,70

3,70

3,35

3,34

3,34

3,66

3,64

3,64

4,75

4,75

4,64

4,00

3,99

3,98

SIC

3,70

3,71

3,71

3,36

3,35

3,35

3,67

3,66

3,66

4,76

4,76

4,66

4,02

4,01

3,99

101

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

D- Estimation pour les indices obligataires du secteur industriel par maturits


1-3 ans
GARCH

TGARCH

3-5 ans
EGARCH

GARCH

TGARCH

5-7 ans
EGARCH

GARCH

TGARCH

7-10 ans
EGARCH

GARCH

TGARCH

Plus de 10 ans
EGARCH

GARCH

TGARCH

EGARCH

Equation de la moyenne

-0,05

0,01

0,00

-0,04

0,00

-0,03

0,00

0,02

0,03

0,02

0,05

0,05

0,10

-0,19

0,28

(-0.30)

(0.05)

(0.00)

(-0.92)

(0.08)

(-0.76)

(0.07)

(0.70)

(1.19)

(0.74)

(1.58)

(1.70)

(1.07)

(-1.95)

(0.24)

-0,25

-0,24

-0,24

-0,22

-0,20

-0,20

-0,14

-0,12

-0,13

-0,11

-0,10

-0,10

-0,02

-0,09

-0,28

(-5.26)

(-5.44)

(-4.45)

(-6.60)

(-6.32)

(-6.42)

(-4.57)

(-4.44)

(-4.20)

(-4.58)

(-4.45)

(-4.36)

(-7.46)

(-2.66)

(-3.91)

Equation de la variance

0,56

0,55

-0,09

0,04

0,03

-0,15

0,00

0,00

-0,06

0,01

0,01

-0,06

12,65

12,81

-0,02

(2.26)

(2.28)

(-2.40)

(2.73)

(2.61)

(-6.28)

(0.87)

(1.09)

(-3.98)

(1.36)

(2.09)

(-4.29)

(1.66)

(2.12)

(-1.85)

0,43

0,46

0,24

0,22

0,22

0,26

0,05

0,05

0,10

0,05

0,05

0,11

0,06

0,03

0,12

(3.49)

(2.60)

(2.56)

(4.45)

(3.72)

(5.97)

(4.82)

(3.97)

(3.90)

(4.04)

(4.33)

(4.39)

(-1.67)

(1.71)

(3.62)

-0,11

0,06

0,08

0,03

0,04

0,04

(-4.10)

(2.18)

(-3.86)

(3.13)

-0,04

(2.22)

-0,04

(-2.24)

-0,05

(1.90)

-0,13

(-1.98)

(-1.74)

(3.20)

0,67

0,70

0,97

0,82

0,87

0,97

0,95

0,97

0,98

0,95

0,96

0,98

0,60

0,60

0,98

(10.49)

(13.74)

(84.29)

(27.73)

(38.69)

(90.72)

(94.18)

(108.15)

(94.48)

(79.82)

(103.40)

(93.00)

(1.74)

(1.91)

(94.78)

Critres de comparaison des modles


LogVraisemblance

-5423,08

-5416,69

-5365,18

-4792,11

-4774,06

-4753,20

-4683,24

-4662,56

-4649,13

-4772,85

-4757,20

-4751,21

-6852,01

-6833,52

-4820,88

AIC

4,69

4,69

4,64

4,15

4,13

4,11

4,05

4,04

4,02

4,13

4,12

4,11

5,93

5,91

4,18

SIC

4,70

4,70

4,66

4,16

4,15

4,13

4,06

4,05

4,04

4,14

4,13

4,13

5,94

5,92

4,19

102

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Tableau 2.6.2 : Test de normalit de Jarque et Bera sur les rsidus du modle AR(1)-EGARCH avec la loi de distribution normale.
Le test de Jarque et Bera (JB) teste lhypothse nulle de normalit (H0) contre lhypothse de non normalit (H1). JB suit un 2 2 degrs de libert. Les valeurs entre
parenthses sont les p-values.

Ratings

Secteur financier

Secteur industriel

Maturits

Secteur financier

Secteur industriel

AAA

393,2

492,5

8700,1

(0.000)

1-3 ans

9370,0

(0.000)

(0.000)

(0.000)

775,2

4406,1

(0.000)

(0.000)

692,4

180,8

(0.000)

(0.000)

6497,2

8074,1

(0.000)

(0.000)

BBB

57455,2

26759,9

(0.000)

(0.000)

Ensemble
du secteur

3314,2

4168,7

(0.000)

(0.000)

AA

3-5 ans

655,3

679,5

(0.000)

(0.000)

7-10 ans

4620,1

3692,1

(0.000)

(0.000)

Plus de
10 ans

24886,9

27462,3

(0.000)

(0.000)

5-7 ans

103

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Tableau 2.6.3 : Estimation du modle avec les distributions de la Student et de la GED


Ce tableau prsente le rsultat de lestimation du modle AR(1)-EGARCH suivant :
S t = + S t -1 + t
~ N(0, 2 )
t

avec : t ~ Student( )

t = ( t )1 / 2 t

t ~ GED( )

ln( 2t ) = + t -1 + t -1 + ln( 2t -1 )
t -1
t -1
Nous utilisons les donnes de spreads de crdit OAS de Merrill-Lynch (diffrence premire) en donnes quotidiennes sur la priode allant du 06 janvier 1999 au 31 mars 2008 (soit 2315 observations). Les estimations
sont ralises en supposant que la distribution des innovations suive respectivement la loi normale, la Student et la GED. reprsente la constante de lquation de la moyenne ; le coefficient dautorgression des
spreads de crdit en diffrence premire ; le terme autorgressif du logarithme de la variance ; leffet dun choc sur les spreads de crdit ; leffet dasymtrie correspondant limpact complmentaire ou
spcifique dun choc ngatif ; la constante de la variance conditionnelle (en log) ; (degr de libert de la loi de Student) et sont respectivement, les indicateurs de la prsence de queues paisses dans les
distribution de Student et de la GED. Les estimations sont fondes sur la procdure de quasi-maximum de vraisemblance. Lalgorithme utilis est celui de Marquardt (1963). Les valeurs entre parenthses sont les
t-statistics. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%. Les parties A, B, C et D du tableau prsentent les rsultats des estimations par secteurs, ratings et maturits.
A- Estimation du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur financier par ratings
AAA
Normal

AA

BBB

Ensemble

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Equation de la moyenne

0,04
(1.80)

0,02
(0.84)

0,00
(0.00)

0,03
(1.19)

0,02
(0.87)

0,00
(0.00)

0,03
(1.06)

-0,01
(-0.54)

0,00
(0.00)

-0,20
(0.96)

-0,07
(-2.18)

0,00
(-0.00)

0,03
(1.51)

0,01
(0.71)

0,00
(0.01)

-0,39
(-18.42)

-0,39
(-22.06)

-0,37
(-22.46)

-0,35
(-16.26)

-0,35
(-18.79)

-0,32
(-18.99)

-0,25
(-10.26)

-0,24
(-12.65)

-0,12
(-7.04)

-0,05
(-2.15)

-0,07
(-4.07)

-0,06
(-5.42)

-0,31
(-13.43)

-0,31
(-16.62)

-0,25
(-14.83)

Equation de la variance

-0,08
(-5.12)

-0,08
(-7.46)

-0,10
(-7.31)

-0,18
(-5.48)

-0,09
(-7.26)

-0,09
(-6.57)

-0,10
(-5.73)

-0,10
(-7.65)

-0,10
(-6.91)

-0,07
(-6.20)

-0,08
(-6.00)

-0,08
(-4.91)

-0,12
(-6.03)

-0,07
(-6.58)

-0,07
(-5.96)

0,11
(5.12)

0,12
(7.20)

0,14
(7.01)

0,16
(5.10)

0,14
(7.30)

0,12
(6.63)

0,16
(5.53)

0,15
(7.68)

0,16
(7.01)

0,28
(5.74)

0,27
(5.92)

0,27
(3.33)

0,18
(5.45)

0,11
(6.66)

0,10
(6.00)

0,03
(1.34)

0,03
(1.36)

0,03
(1.66)

0,04
(2.26)

0,03
(2.45)

0,03
(2.48)

0,06
(3.14)

0,05
(4.66)

0,06
(4.63)

0,06
(2.07)

0,07
(3.28)

0,07
(2.17)

0,06
(3.00)

0,05
(4.61)

0,05
(4.66)

0,98
(95.12)

0,97
(90.57)

0,98
(96.66)

0,95
(78.92)

0,98
(96.17)

0,98
(98.68)

0,98
(98.64)

0,97
(90.63)

0,98
(96.09)

0,97
(90.31)

0,98
(96.45)

0,97
(91.45)

0,97
(90.19)

0,98
(68.74)

0,98
(94.89)

1,10
(29.08)

6,25
(8.59)

1,13
(33.28)

5,59
(10.97)

1,07
(35.12)

6,34
(19.56)

1,16
(23.55)

5,36
(9.41)

1,12
(35.15)

-3570,39

-3791,43

-3730,21

-3727,31

-4356,89

-4215,47

-4210,64

-5687,96

-5679,46

-5659,30

-3916,18

-3823,13

-3820,71

3,08

3,28

3,23

3,21

3,77

3,65

3,61

4,95

4,91

4,90

3,39

3,31

3,29

3,10

3,30

3,25

3,23

3,79

3,67

3,63

4,97

4,93

4,92

3,40

3,33

3,31

Paramtres des lois de distribution

(ou )

5,80
(7.96)

Critres de comparaison des modles


Log-3634,69 -3575,82
Vraisemblance
AIC
3,15
3,10
SIC

3,16

3,11

104

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

B- Estimation du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur financier par maturits
1-3 ans
Normal

3-5 ans

5-7 ans

7-10 ans

Plus de 10 ans

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Equation de la moyenne

0,05
(1.62)

0,02
(0.78)

0,00
(0.00)

0,04
(1.68)

0,03
(1.16)

0,00
(0.00)

0,02
(0.97)

-0,01
(-0.52)

0,00
(-0.00)

0,02
(0.62)

-0,02
(-0.70)

0,00
(-0.00)

-0,04
(-0.99)

-0,03
(-1.46)

0,00
(0.00)

-0,27
(-7.42)

-0,26
(-15.71)

-0,21
(-13.81)

-0,29
(-13.19)

-0,29
(-15.46)

-0,26
(-14.99)

-0,28
(-12.17)

-0,28
(-15.80)

-0,25
(-14.68)

-0,24
(-9.28)

-0,27
(-14.39)

-0,18
(-10.37)

-0,20
(-6.54)

-0,21
(-11.76)

-0,19
(-5.32)

Equation de la variance

-0,03
(-2.48)

-0,07
(-6.75)

-0,06
(-6.94)

-0,10
(-6.30)

-0,09
(-7.39)

-0,10
(-7.50)

-0,07
(-4.19)

-0,07
(-6.70)

-0,09
(-6.70)

-0,06
(-3.75)

-0,08
(-6.82)

-0,12
(-7.05)

-0,10
(-3.72)

-0,09
(-6.75)

-0,07
(-6.52)

0,04
(2.49)

0,12
(7.26)

0,10
(7.35)

0,14
(6.25)

0,13
(7.41)

0,15
(7.36)

0,11
(4.45)

0,11
(6.72)

0,13
(6.68)

0,11
(4.08)

0,12
(6.89)

0,18
(7.28)

0,18
(3.96)

0,16
(7.26)

0,13
(7.48)

0,05
(2.70)

0,07
(5.54)

0,07
(7.13)

0,05
(2.78)

0,04
(3.76)

0,04
(3.36)

0,05
(2.82)

0,04
(3.63)

0,04
(3.54)

0,03
(1.51)

0,04
(3.25)

0,05
(2.89)

0,01
(0.16)

0,02
(1.53)

0,05
(3.52)

0,97
(90.59)

0,98
(92.83)

0,98
(97.31)

0,98
(94.26)

0,98
(98.46)

0,98
(96.73)

0,98
(92.97)

0,98
(95.93)

0,98
(993.38)

0,98
(93.48)

0,98
(96.58)

0,97
(90.05)

0,97
(89.75)

0,97
(86.13)

0,97
(85.61)

1,05
(57.39)

6,09
(8.29)

1,09
(30.00)

5,14
(9.29)

1,11
(29.44)

5,22
(12.35)

1,07
(45.94)

5,43
(14.16)

1,10
(42.05)

-4142,91

-4113,39

-4048,75

-4046,27

-4065,33

-3980,42

-3970,82

-4039,53

-3860,91

-3851,49

-4425,95

-4115,02

-4113,22

Paramtres des lois de distribution

(ou )

4,21
(13.85)

Critres de comparaison des modles


Log-4484,31 -4149,43
Vraisemblance
AIC

3,88

3,59

3,59

3,56

3,51

3,51

3,52

3,45

3,44

3,50

3,34

3,33

3,83

3,56

3,56

SIC

3,90

3,61

3,61

3,58

3,52

3,53

3,53

3,46

3,45

3,51

3,36

3,34

3,85

3,58

3,58

105

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

C- Estimation du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur industriel par ratings
AAA
Normal

AA

BBB

Ensemble

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Equation de la moyenne

0,06
(2.21)

0,04
(1.58)

0,00
(0.01)

0,03
(1.38)

0,00
(0.00)

0,00
(-0.00)

0,04
(1.44)

0,00
(-0.08)

0,00
(0.01)

0,01
(0.21)

-0,01
(-0.36)

0,00
(-0.00)

0,04
(1.08)

0,00
(-0.09)

0,00
(-0.00)

-0,40
(-18.10)

-0,40
(-22.87)

-0,40
(-23.80)

-0,39
(-15.61)

-0,33
(-20.74)

-0,33
(-20.70)

-0,26
(-9.54)

-0,25
(-13.91)

-0,21
(-12.81)

-0,01
(-1.68)

-0,03
(-1.65)

-0,02
(-1.96)

-0,17
(-5.96)

-0,14
(-7.40)

-0,15
(-6.01)

Equation de la variance

-0,10
(-5.82)

-0,10
(-8.17)

-0,11
(-8.20)

-0,07
(-4.98)

-0,09
(-8.65)

-0,11
(-7.31)

-0,06
(-3.62)

-0,07
(-6.79)

-0,08
(-6.84)

-0,06
(-2.83)

-0,06
(-5.79)

-0,07
(-6.81)

-0,12
(-6.73)

-0,09
(-7.05)

-0,09
(9.11)

0,14
(5.73)

0,14
(7.98)

0,15
(7.90)

0,11
(5.12)

0,13
(7.88)

0,17
(7.23)

0,10
(3.68)

0,12
(6.81)

0,12
(6.62)

0,12
(3.41)

0,12
(7.04)

0,15
(8.65)

0,19
(7.08)

0,15
(7.59)

0,13
(8.50)

0,03
(1.49)

0,03
(1.59)

0,02
(1.45)

0,04
(2.47)

0,03
(2.03)

0,03
(1.84)

0,05
(2.82)

0,04
(3.61)

0,04
(3.85)

0,09
(3.26)

0,07
(6.84)

0,08
(8.65)

0,06
(2.30)

0,05
(4.73)

0,05
(5.61)

0,98
(93.39)

0,98
(98.96)

0,98
(95.96)

0,98
(98.38)

0,98
(95.37)

0,98
(92.97)

0,98
(98.21)

0,98
(97.81)

0,98
(94.65)

0,98
(99.74)

0,98
(95.22)

0,98
(94.90)

0,98
(94.01)

0,98
(92.15)

0,98
(91.97)

1,13
(26.62)

5,74
(10.11)

1,07
(32.65)

5,57
(10.16)

1,11
(38.57)

6,34
(14.73)

1,05
(58.49)

5,05
(11.19)

1,05
(47.41)

-4223,45

-3854,52

-3740,18

-3737,04

-4209,55

-4084,14

-4076,05

-5367,62

-4975,95

-4972,84

-4594,14

-4435,00

-4425,09

Paramtre des lois de distribution

(ou )

4,77
(7.27)

Critres de comparaison des modles


Log-4270,22 -4230,65
Vraisemblance
AIC

3,70

3,67

3,66

3,34

3,24

3,24

3,64

3,54

3,54

4,64

4,31

4,31

3,98

3,84

3,83

SIC

3,71

3,68

3,67

3,35

3,26

3,26

3,66

3,55

3,55

4,66

4,32

4,32

3,99

3,86

3,85

106

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

D- Estimation du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur industriel par maturits
1-3 ans
Normal

3-5 ans

5-7 ans

7-10 ans

Plus de 10 ans

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Normal

Student

GED

Equation de la moyenne

0,00
(0.00)

0,01
(0.25)

0,00
(0.00)

-0,03
(-0.76)

0,00
(-0.03)

0,00
(0.00)

0,03
(1.19)

-0,01
(-0.47)

0,00
(-0.00)

0,05
(1.70)

-0,02
(-0.54)

0,00
(-0.00)

0,28
(0.24)

-0,04
(-1.32)

0,00
(-0.00)

-0,24
(-4.45)

-0,18
(-8.89)

-0,19
(-2.09)

-0,20
(-6.42)

-0,17
(-7.78)

-0,16
(-3.21)

-0,13
(-4.20)

-0,13
(-7.26)

-0,12
(-2.51)

-0,10
(-4.36)

-0,10
(-5.30)

-0,90
(-2.90)

-0,28
(-3.91)

-0,25
(-9.88)

-0,22
(-2.23)

Equation de la variance

-0,09
(-2.40)

-0,04
(-4.73)

-0,08
(-7.81)

-0,15
(-6.28)

-0,09
(-7.37)

-0,10
(-6.47)

-0,06
(-3.98)

-0,11
(-8.00)

-0,14
(-8.66)

-0,06
(-4.29)

-0,06
(-5.87)

-0,07
(9.72)

-0,02
(-1.85)

-0,02
(-2.11)

-0,04
(-8.02)

0,24
(2.56)

0,18
(5.62)

0,17
(9.34)

0,26
(5.97)

0,15
(7.95)

0,18
(6.73)

0,10
(3.90)

0,18
(8.21)

0,16
(9.49)

0,11
(4.39)

0,10
(6.09)

0,11
(4.12)

0,12
(3.62)

0,10
(6.40)

0,09
(9.00)

0,06
(1.90)

0,09
(8.06)

0,08
(7.47)

0,08
(2.22)

0,05
(4.68)

0,06
(4.38)

0,03
(2.18)

0,05
(3.88)

0,07
(3.41)

0,04
(3.13)

0,03
(3.47)

0,03
(3.31)

0,04
(3.20)

0,04
(3.43)

0,05
(5.94)

0,97
(84.29)

0,98
(93.61)

0,98
(98.04)

0,97
(90.72)

0,99
(95.42)

0,98
(95.46)

0,98
(94.48)

0,97
(90.35)

0,96
(97.15)

0,98
(93.00)

0,98
(94.86)

0,98
(95.17)

0,98
(94.78)

0,98
(94.12)

0,98
(98.59)

1,04
(60.13)

4,17
(11.27)

1,04
(34.18)

4,83
(12.25)

1,05
(40.55)

4,40
(9.72)

1,03
(34.84)

4,89
(18.15)

1,04
(164.55)

Paramtre des lois de distribution

(ou )

4,25
(15.97)

Critres de comparaison des modles


LogVraisemblance

-5365,18

-4825,93

-4810,53

-4753,20

-4602,05

-4600,05

-4649,13

-4446,61

-4438,27

-4751,21

-4640,56

-4628,44

-4820,88

-4627,06

-4622,43

AIC

4,64

4,18

4,17

4,11

3,98

3,98

4,02

3,85

3,85

4,11

4,02

4,01

4,18

4,01

4,01

SIC

4,66

4,19

4,19

4,13

4,00

4,00

4,04

3,87

3,87

4,13

4,03

4,02

4,19

4,02

4,02

107

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Tableau 2.6.4 : Estimation du modle avec les distributions Skewed-Student et Skewed-GED


Ce tableau prsente le rsultat de lestimation du modle AR (1)-EGARCH suivant :
S t = + S t -1 + t

t = ( t )1 / 2 t

avec :

ln( t2 ) = + t -1 + t -1 + ln( t2-1)

t ~ Skewed - Student( , )
t ~ Skewed - GED( , )

t -1

t -1

Nous utilisons les donnes de spreads de crdit OAS de Merrill-Lynch (diffrence premire) en donnes quotidiennes sur la priode allant du 06 janvier 1999 au 31 mars 2008 (soit 2315 observations). Les estimations
sont ralises en supposant que la distribution des innovations suive respectivement la Skewed- Student et la Skewed-GED. Elles sont compares aux estimations avec la GED. reprsente la constante de lquation
de la moyenne ; le coefficient dautorgression des spreads de crdit en diffrence premire ; le terme autorgressif du logarithme de la variance ; leffet dun choc sur les spreads de crdit ; leffet
dasymtrie correspondant limpact complmentaire ou spcifique dun choc ngatif ; la constante de la variance conditionnelle (en log) ; (degr de libert de la loi de Student) et sont respectivement, les
indicateurs de la prsence de queues paisses dans les distributions de Skewed-Student et de la Skewed-GED. et sont respectivement, les indicateurs de la prsence dasymtrie dans distributions de
Skewed-Student et de la Skewed-GED. .Les estimations sont fondes sur la procdure de quasi-maximum de vraisemblance. Lalgorithme utilis est celui de Marquardt (1963). Les valeurs entre parenthses sont les
t-statistics. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%. Les parties A, B, C et D du tableau prsentent les rsultats des estimations par secteur, rating et maturit.
A- Estimation du modle AR(1)-EGARCH(1,1) pour les indices obligataires du secteur financier par ratings
AAA
AA
A
BBB
Ensemble
Skewed- SkewedSkewed- SkewedSkewed- SkewedSkewed- SkewedSkewed- SkewedGED
GED
GED
GED
GED
Student
GED
Student
GED
Student
GED
Student
GED
Student
GED
Equation de la moyenne
0,00
0,17
0,00
0,00
0,09
0,00
0,00
0,04
-0,02
0,00
0,09
0,00
0,00
0,00
-0,15

(0.00)
(1.33)
(-0.01)
(0.00)
(1.48)
(-0.02)
(0.00)
(1.32)
(-11.79)
(-0.00)
(-3.86)
(-0.43)
(0.01)
(1.50)
(-0.02)

-0,37
(-22.46)

-0,46
(-5.00)

-0,37
(-23.17)

-0,32
(-18.99)

-0,35
(-18.43)

-0,32
(-18.60)

-0,12
(-7.04)

-0,24
(-13.00)

-0,27
(-12.21)

-0,06
(-5.42)

-0,08
(-4.69)

-0,07
(-5.19)

-0,25
(-14.83)

-0,31
(-16.78)

-0,21
(-13.79)

Equation de la variance
-0,10

(-7.31)

-0,09
(0.10)

-0,11
(-7.84)

-0,09
(-6.57)

-0,12
(-7.55)

-0,14
(-7.41)

-0,10
(-6.91)

-0,11
(-8.23)

-0,07
(-4.92)

-0,08
(-4.91)

-0,09
(-6.46)

-0,06
(-4.58)

-0,07
(-5.96)

-0,09
(-6.71)

-0,11
(-6.64)

0,14
(7.01)

0,12
(8.26)

0,15
(7.73)

0,12
(6.63)

0,18
(7.94)

0,21
(7.73)

0,16
(7.01)

0,19
(8.49)

0,21
(5.60)

0,27
(3.33)

0,29
(6.16)

0,25
(5.59)

0,10
(6.00)

0,15
(7.32)

0,17
(6.84)

0,03
(1.66)

0,04
(1.62)

0,03
(1.61)

0,03
(2.48)

0,05
(2.83)

0,03
(1.96)

0,06
(4.63)

0,05
(3.32)

0,04
(2.86)

0,07
(2.17)

0,05
(2.12)

0,05
(6.28)

0,05
(4.66)

0,06
(4.08)

0,06
(3.41)

0,98
(947.89)

0,98
(98.68)

0,98
(95.86)

0,98
(95.34)

0,98
(96.09)

0,98
(98.60)

0,98
(94.85)

0,97
(91.45)

0,98
(98.16)

0,97
(90.03)

0,98
(94.89)

0,98
(94.94)

0,97
(90.39)

1,08
(28.21)

1,13
(33.28)

5,46
(9.02)

1,09
(27.39)

1,07
(35.12)

5,83
(12.29)

1,05
(75.23)

1,16
(23.55)

6,37
(19.22)

1,10
(137.15)

1,12
(35.15)

5,40
(10.46)

1,08
(25.59)

0,00
(2.49)

1,04
(71.32)

0,01
(3.01)

1,07
(76.63)

0,01
(2.83)

1,14
(111.25)

0,02
(2.45)

1,08
(70.90)

0,01
(2.81)

-3552,75

-3727,31

-3715,03

-3712,63

-4210,64

-4169,81

-4158,26

-5659,30

-5650,62

-5647,50

-3820,71

-3794,32

-3784,29

3,08
3,09

3,21
3,23

3,22
3,23

3,22
3,23

3,61
3,63

3,61
3,63

3,60
3,62

4,90
4,92

4,92
4,94

4,92
4,94

3,29
3,31

3,29
3,30

3,28
3,30

0,98
0,98
(96.66)
(94.70)
Paramtres des lois de distribution
1,10
4,78
(ou )
(29.08)
(14.27)

(ou

1,02
(62.44)
Critres de comparaison des modles
Log-3570,39 -3557,40
Vraisemblance
AIC
3,08
3,08
SIC
3,10
3,10
)

108

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

B- Estimation du modle E-GARCH pour les indices obligataires du secteur financier par maturits
1-3 ans
GED

3-5 ans

SkewedStudent

SkewedGED

5-7 ans

GED

SkewedStudent

SkewedGED

7-10 ans

GED

SkewedStudent

SkewedGED

Plus de 10 ans

GED

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

Equation de la moyenne

0,00
(0.00)

0,07
(0.78)

0,00
(0.00)

0,00
(0.00)

0,06
(1.85)

0,00
(0.06)

0,00
(-0.00)

0,06
(1.65)

0,00
(0.04)

0,00
(-0.00)

0,05
(1.41)

0,00
(0.01)

0,00
(0.00)

-0,02
(-0.45)

0,00
(0.02)

-0,21
(-13.81)

-0,27
(-17.21)

-0,27
(-34.67)

-0,26
(-14.99)

-0,29
(-15.51)

-0,24
(-14.57)

-0,25
(-14.68)

-0,28
(-16.00)

-0,23
(-14.38)

-0,18
(-10.37)

-0,28
(-14.57)

-0,17
(-9.67)

-0,19
(-5.32)

-0,23
(-13.29)

-0,16
(-10.71)

Equation de la variance

-0,06
(-6.94)

-0,09
(-9.73)

-0,10
(-8.45)

-0,10
(-7.50)

-0,11
(-8.01)

-0,11
(-8.27)

-0,09
(-6.70)

-0,10
(-8.13)

-0,10
(-8.52)

-0,12
(-7.05)

-0,11
(-7.81)

-0,11
(-4.64)

-0,07
(-6.52)

-0,10
(-6.45)

-0,11
(-7.52)

0,10
(7.35)

0,17
(8.32)

0,17
(8.65)

0,15
(7.36)

0,17
(8.29)

0,17
(8.23)

0,13
(6.68)

0,17
(8.36)

0,16
(8.66)

0,18
(7.28)

0,17
(8.14)

0,09
(7.26)

0,13
(7.48)

0,22
(7.57)

0,20
(8.49)

0,07
(7.13)

0,05
(3.34)

0,04
(24.43)

0,04
(3.36)

0,05
(3.46)

0,04
(2.80)

0,04
(3.54)

0,04
(2.54)

0,04
(3.23)

0,05
(2.89)

0,03
(2.35)

0,03
(2.89

0,05
(3.52)

0,04
(1.89)

0,03
(1.66)

0,98
(97.31)

0,98
(92.83)

0,98
(93.15)

0,98
(96.73)

0,98
(93.95)

0,97
(90.97)

0,98
(993.38)

0,98
(95.40)

0,98
(93.98)

0,97
(90.05)

0,98
(99.97)

0,98
(95.33)

0,97
(85.61)

0,97
(91.45)

0,97
(92.47)

Paramtres des lois de distribution

(ou )
(ou

1,05
(57.39)

4,24
(16.59)

1,03
(46.69)

1,09
(30.00)

5,34
(9.07)

1,06
(29.78)

1,11
(29.44)

4,31
(11.57)

1,02
(30.00)

1,07
(45.94)

4,89
(12.93)

1,05
(48.62)

1,10
(42.05)

4,24
(13.95)

1,03
(34.21)

1,02
(79.24)

0,02
(2.39)

1,02
(76.89)

0,01
(3.05)

1,09
(74.96)

0,01
(2.63)

1,09
(75.27)

0,02
(4.13)

1,11
(83.83)

0,02
(5.03)

-4140,71

-4046,27

-4039,28

-4032,58

-3970,82

-3966,46

-3954,81

-3851,49

-3850,13

-3847,46

-4113,22

-4067,90

-4059,38

Critres de comparaison des modles


Log-4142,91 -4142,43
Vraisemblance
AIC

3,59

3,59

3,56

3,51

3,50

3,49

3,44

3,44

3,42

3,33

3,33

3,33

3,56

3,52

3,51

SIC

3,61

3,61

3,58

3,53

3,52

3,51

3,45

3,46

3,44

3,34

3,34

3,32

3,58

3,54

3,53

109

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

C- Estimation du modle AR(1)-EGARCH(1,1) pour les indices obligataires du secteur industriel par ratings
AAA
GED

AA

BBB

Ensemble

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

Equation de la moyenne

0,00
(0.01)

0,08
(1.36)

0,01
(0.57)

0,00
(-0.00)

0,01
(0.34)

0,00
(0.01)

0,00
(0.01)

0,04
(1.27)

0,00
(-0.00)

0,00
(-0.00)

-0,02
(-0.40)

0,00
(-0.00)

0,00
(-0.00)

0,06
(1.50)

0,00
(-1.03)

-0,40
(-23.80)

-0,41
(-22.78)

-0,40
(-23.80)

-0,33
(-20.70)

-0,33
(-20.84)

-0,33
(-21.34)

-0,21
(-12.81)

-0,25
(-13.81)

-0,21
(-12.80)

-0,02
(-1.96)

-0,04
(-2.36)

-0,03
(-3.04)

-0,15
(-6.01)

-0,01
(-8.36)

-0,03
(-2.25)

Equation de la variance

-0,11
(-8.20)

-0,15
(-10.55)

-0,14
(-10.15)

-0,11
(-7.31)

-0,11
(-10.35)

-0,09
(-10.61)

-0,08
(-6.84)

-0,09
(-8.02)

-0,08
(-8.86)

-0,07
(-6.81)

-0,07
(-6.47)

-0,05
(-10.45)

-0,09
(9.11)

-0,09
(-8.20)

-0,06
(-2.61)

0,15
(7.90)

0,21
(10.61)

0,21
(10.07)

0,17
(7.23)

0,17
(9.23)

0,14
(10.86)

0,12
(6.62)

0,15
(8.27)

0,12
(9.05)

0,15
(8.65)

0,16
(8.80)

0,12
(12.94)

0,13
(8.50)

0,16
(8.57)

0,18
(4.77)

0,02
(1.45)

0,01
(1.66)

0,02
(0.99)

0,03
(1.84)

0,04
(3.03)

0,04
(3.42)

0,04
(3.85)

0,04
(3.11)

0,04
(4.15)

0,08
(8.65)

0,06
(4.95)

0,05
(10.79)

0,05
(5.61)

0,04
(3.37)

0,04
(2.77)

0,98
(95.96)

0,98
(93.80)

0,97
(90.16)

0,98
(92.97)

0,98
(99.97)

0,98
(93.68)

0,98
(94.65)

0,98
(99.32)

0,99
(93.26)

0,98
(94.90)

0,98
(95.37)

0,98
(94.15)

0,98
(91.97)

0,98
(93.64)

0,97
(91.49)

Paramtres des lois de distribution

(ou )
(ou

1,13
(26.62)

4,65
(9.28)

1,11
(28.70)

1,07
(32.65)

5,35
(11.73)

1,08
(36.85)

1,11
(38.57)

5,96
(11.23)

1,08
(40.97)

1,05
(58.49)

6,08
(17.39)

1,07
(56.61)

1,05
(47.41)

5,52
(15.02)

1,09
(49.42)

1,02
(80.37)

0,00
(2.43)

1,06
(82.51)

0,01
(3.02)

1,06
(76.31)

0,02
(5.52)

1,13
(89.80)

0,02
(4.36)

1,11
(79.65)

0,01
(6.94)

-4215,96

-3737,04

-3713,85

-3698,83

-4076,05

-4064,84

-4057,88

-4972,84

-4965,66

-4947,76

-4425,09

-4420,93

-4418,02

Critres de comparaison des modles


Log-4223,45 -4220,22
Vraisemblance
AIC

3,66

3,66

3,65

3,24

3,22

3,20

3,54

3,52

3,51

4,31

4,30

4,28

3,83

3,82

3,82

SIC

3,67

3,67

3,67

3,26

3,24

3,22

3,55

3,54

3,53

4,32

4,32

4,30

3,85

3,84

3,84

110

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

D- Estimation du modle E-GARCH pour les indices obligataires du secteur industriel par maturits
1-3 ans
GED

3-5 ans

5-7 ans

7-10 ans

Plus de 10 ans

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

GED

SkewedStudent

SkewedGED

Equation de la moyenne

0,00
(0.00)

-0,04
(-0.84)

0,00
(-0.13)

0,00
(0.00)

0,05
(1.44)

0,00
(0.03)

0,00
(-0.00)

0,00
(0.09)

0,00
(-0.13)

0,00
(-0.00)

0,01
(0.10)

0,00
(0.06)

0,00
(-0.00)

-0,04
(-1.25)

0,00
(0.07)

-0,19
(-2.09)

-0,15
(-9.88)

-0,12
(-5.08)

-0,16
(-3.21)

-0,16
(-11.82)

-0,15
(-4.01)

-0,12
(-2.51)

-0,14
(-7.40)

-10,02
(-5.02)

-0,90
(-2.90)

-0,13
(-8.09)

-0,11
(-6.11)

-0,22
(-2.23)

-0,16
(-10.18)

-0,18
(-3.11)

Equation de la variance

-0,08
(-7.81)

-0,06
(-6.10)

-0,05
(-2.97)

-0,10
(-6.47)

-0,09
(-7.77)

-0,10
(-7.28)

-0,14
(-8.66)

-0,12
(-9.04)

-0,06
(-7.54)

-0,07
(9.72)

-0,08
(-9.50)

-0,06
(-8.72)

-0,04
(-8.02)

-0,05
(-2.51)

-0,06
(-14.24)

0,17
(9.34)

0,12
(8.11)

0,15
(4.94)

0,18
(6.73)

0,17
(8.51)

0,17
(7.83)

0,16
(9.49)

0,20
(9.06)

0,18
(8.40)

0,11
(4.12)

0,17
(10.28)

0,10
(10.57)

0,09
(9.00)

0,10
(6.75)

0,12
(21.10)

0,08
(7.47)

0,06
(7.53)

0,05
(3.10)

0,06
(4.38)

0,07
(4.63)

0,06
(4.95)

0,07
(3.41)

0,06
(3.63)

0,04
(3.44)

0,03
(3.31)

0,07
(2.61)

0,04
(4.09)

0,05
(5.94)

0,05
(3.77)

0,05
(3.19)

0,98
(98.04)

0,97
(92.50)

0,98
(98.06)

0,98
(95.46)

0,98
(98.25)

0,98
(98.44)

0,96
(97.15)

0,98
(94.71)

0,98
(97.98)

0,98
(95.17)

0,98
(93.11)

0,98
(94.33)

0,98
(98.59)

0,97
(83.67)

0,97
(86.47)

Paramtres des lois de distribution

(ou )
(ou

1,04
(60.13)

4,20
(18.69)

1,03
(43.68)

1,04
(34.18)

4,59
(12.22)

1,02
(28.82)

1,05
(40.55)

4,61
(12.67)

1,03
(32.41)

1,03
(34.84)

4,32
(20.79)

1,02
(35.30)

1,04
(16.55)

4,88
(17.99)

1,03
(15.55)

1,05
(93.86)

0,01
(2.15)

1,07
(77.17)

0,01
(3.03)

1,12
(81.71)

0,02
(2.26)

1,17
(83.71)

0,02
(2.23)

1,06
(98.88)

0,02
(2.96)

Critres de comparaison des modles


LogVraisemblance

-4810,53

-4799,85

-4790,30

-4600,05

-4506,06

-4500,61

-4438,27

-4367,89

-4345,83

-4628,44

-4625,59

-4600,31

-4622,43

-4620,52

-4602,02

AIC

4,17

4,15

4,12

3,98

3,90

3,90

3,85

3,78

3,76

4,01

4,01

3,98

4,01

4,01

3,98

SIC

4,19

4,17

4,14

4,00

3,92

3,92

3,87

3,80

3,78

4,02

4,02

4,00

4,02

4,02

4,00

111

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Tableau 2.6.5 : Prvision hors chantillon de la volatilit des spreads de crdit.


Ce tableau fait comparaison du pouvoir prdictif de la volatilit dans le modle EGARCH estim avec les lois normale, Student, GED, Skewed-Student et Skewed-GED. Les performances des diffrents modles sont
values travers deux indicateurs derreurs de prvision hors chantillon savoir : la racine des erreurs quadratiques moyenne (RMSE) et la moyenne des erreurs absolues (MEA). Lestimation des paramtres du
modle ayant servir la prvision est ralises sur un chantillon de 2295 observations et les prvisions hors chantillon sont faites sur les horizons de 5, 10 et 20 jours. Pour chacun des critres, les meilleurs modles
pour chaque horizon sont identifis en gras.
A- Prvision hors chantillon du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur financier par ratings
Modle
Normale
Student
GED
Skewed-Student

AAA

AA
5

10

A
20

10

BBB
20

10

Ensemble

Horizon

10

20

20

10

20

RMSE

3,06

2,91

3,50

3,90

4,73

4,23

3,65

5,51

5,55

5,51

5,85

6,38

3,63

4,53

4,30

MEA

2,58

2,51

2,92

3,43

4,15

3,41

3,19

4,82

4,24

4,98

5,15

5,09

3,23

3,97

3,35

RMSE

3,06

2,91

3,50

3,89

4,73

4,23

3,65

5,50

5,54

5,16

5,54

6,20

3,61

4,52

4,29
3,35

MEA

2,58

2,51

2,91

3,43

4,15

3,41

3,19

4,81

4,23

4,60

4,90

4,90

3,22

3,95

RMSE

3,06

2,91

3,48

3,84

4,67

4,18

3,42

5,11

5,25

4,44

4,97

5,71

3,53

4,41

4,20

MEA

2,58

2,51

2,91

3,40

4,09

3,38

3,02

4,45

4,07

3,77

4,41

4,48

3,17

3,86

3,30

RMSE

3,05

2,88

3,47

3,67

4,45

4,12

3,45

5,05

5,16

4,23

4,75

5,51

3,44

4,38

4,13

MEA

2,56

2,48

2,90

3,43

4,01

3,30

3,00

4,39

4,03

3,56

4,33

4,28

3,12

3,80

3,24

RMSE

3,05

2,87

3,45

3,58

4,27

4,10

3,39

4,89

5,09

4,14

4,63

5,20

3,32

4,31

4,20

MEA

2,55

2,48

2,90

3,30

3,98

3,28

2,94

4,31

4,01

3,37

4,21

4,08

3,09

3,62

3,17

Skewed-GED

B- Prvision hors chantillon du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur financier par maturits
Modle
Normale
Student
GED
Skewed-Student

1-3 ans

3-5 ans

5-7 ans

7-10 ans

Plus de 10 ans

Horizon

10

20

10

20

10

20

10

20

10

20

RMSE

6,01

5,71

5,27

2,23

3,49

3,82

5,14

5,18

5,23

3,18

4,49

4,19

3,51

5,20

4,42

MEA

4,31

4,49

4,19

1,96

2,86

2,89

4,05

4,47

4,03

2,94

4,00

3,29

3,00

4,49

3,34

RMSE

6,00

5,70

5,27

2,23

3,49

3,83

5,10

5,16

5,25

3,11

4,39

4,12

3,51

5,19

4,42

MEA

4,30

4,48

4,19

1,96

2,85

2,90

4,03

4,42

4,01

2,89

3,91

3,24

3,00

4,49

3,34

RMSE

5,84

5,52

5,13

2,23

3,48

3,79

5,04

5,03

5,16

3,02

4,26

4,00

3,25

4,72

4,15

MEA

4,14

4,29

4,06

1,96

2,85

2,86

3,94

4,32

3,94

2,83

3,79

3,19

2,77

4,05

3,09

RMSE

5,69

5,46

5,07

2,12

3,39

3,58

4,91

4,95

5,09

2,91

4,22

3,91

3,10

4,51

4,02

MEA

4,09

4,18

4,00

1,91

2,66

2,80

3,94

4,12

3,86

2,64

3,91

3,11

2,56

3,92

2,92

RMSE

5,60

5,40

4,93

2,03

3,37

3,28

4,86

4,83

5,00

2,82

4,26

3,80

3,01

4,36

3,85

MEA

4,00

4,07

3,96

1,86

2,64

2,76

3,85

4,03

3,79

2,53

3,79

3,06

2,47

3,81

2,68

Skewed-GED

112

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

C- Prvision hors chantillon du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur industriel par ratings
AAA

AA

BBB

Ensemble

Modle
Horizon

10

20

10

20

10

20

10

20

10

20

RMSE

2,97

2,80

3,12

0,98

1,74

2,68

2,21

2,22

2,69

3,24

3,19

3,36

2,65

2,61

2,97

MEA

2,52

2,32

2,55

0,73

1,30

2,05

1,90

1,94

2,24

2,48

2,59

2,60

2,33

2,32

2,51

RMSE

2,96

2,79

3,11

0,98

1,74

2,63

2,21

2,23

2,69

3,19

3,14

3,33

2,62

2,57

2,95

MEA

2,51

2,31

2,54

0,73

1,30

2,03

1,90

1,96

2,23

2,42

2,52

2,56

2,31

2,30

2,49

RMSE

2,94

2,77

3,11

0,97

1,73

2,62

2,12

2,20

2,65

3,16

3,11

3,32

2,41

2,35

2,84

MEA

2,49

2,30

2,54

0,68

1,28

2,01

1,89

1,92

2,20

2,40

2,50

2,55

2,20

2,10

2,35

RMSE

2,92

2,75

3,09

0,96

1,69

2,58

2,05

2,09

2,53

3,05

3,04

3,26

2,20

2,27

2,77

MEA

2,47

2,30

2,51

0,66

1,21

1,98

1,71

1,86

2,14

2,28

2,46

2,24

2,15

2,03

2,23

RMSE

2,90

2,74

3,05

0,93

1,66

2,57

1,92

2,00

2,35

2,96

3,11

3,11

2,12

2,22

2,59

MEA

2,47

2,30

2,49

0,63

1,20

1,96

1,59

1,80

2,02

2,11

2,50

2,17

2,09

1,87

2,09

Normale

Student

GED

Skewed-Student

Skewed-GED

D- Prvision hors chantillon du modle AR (1)-EGARCH (1,1) pour les indices obligataires du secteur industriel par maturits
1-3 ans

3-5 ans

5-7 ans

7-10 ans

Plus de 10 ans

Modle
Horizon

10

20

10

20

10

20

10

20

10

20

RMSE

4,67

4,24

4,29

2,36

2,54

3,07

2,93

2,83

2,93

4,26

3,69

3,23

5,49

4,38

4,13

Normale
MEA

3,51

3,40

3,52

1,89

2,13

2,46

2,43

2,34

2,40

3,22

3,04

2,47

4,24

3,39

2,92

RMSE

4,53

4,15

4,20

2,28

2,45

3,00

2,87

2,79

2,90

4,24

3,66

3,22

5,46

4,33

4,12

MEA

3,37

3,15

3,46

1,86

2,09

2,41

2,39

2,28

2,37

3,19

3,00

2,46

4,19

3,29

2,88

RMSE

4,43

4,15

4,15

2,19

2,36

2,92

2,65

2,63

2,77

4,07

3,49

3,16

5,31

4,32

4,11

MEA

3,20

3,13

3,40

1,82

2,03

2,33

2,20

2,10

2,25

3,00

2,80

2,40

3,96

3,20

2,75

RMSE

4,32

4,03

4,04

2,08

2,25

2,90

2,52

2,56

2,59

3,94

3,35

3,12

5,18

4,21

4,06

MEA

3,22

3,07

3,26

1,77

1,97

2,26

2,12

2,02

2,19

2,96

2,75

2,22

3,89

3,79

2,66

RMSE

4,17

3,94

4,01

2,02

2,16

2,84

2,45

2,22

2,36

3,87

3,18

3,01

5,10

4,17

4,01

MEA

3,09

3,01

3,13

1,70

1,89

2,15

2,01

1,92

2,03

2,90

2,63

2,04

3,81

3,13

2,61

Student

GED

Skewed-Student

Skewed-GED

113

EGARC H-Skewed GED

EGARC H-Normale

EGARCH-S ke we d GED

70
Finance BBB

70

60

60

50

50

40

40

30

30

20

20

10

10

EGARCH-Skewed GED

07/01/2008

EGARC H-Normale

07/01/2007

07/01/2008

07/01/2007

07/01/2006

EGARCH-Skewed GED

07/01/2006

10

07/01/2005

20
07/01/2008

07/01/2007

07/01/2006

07/01/2005

07/01/2004

07/01/2003

EGARC H-Ske we d GED

07/01/2005

Finance A

07/01/2004

30
07/01/2002

Finance AA

07/01/2004

EGARC H-Normal e
07/01/2001

EGARC H-Normale

07/01/2003

40
07/01/2000

07/01/1999

07/01/2008

07/01/2007

07/01/2008

07/01/2007

07/01/2006

07/01/2005

07/01/2004

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999

07/01/2008

07/01/2007

07/01/2006

Finance AAA

07/01/2003

07/01/2006

07/01/2005

07/01/2002

0
07/01/2005

07/01/2004

07/01/2002

10

07/01/2004

07/01/2003

07/01/2001

15

10

07/01/2003

07/01/2002

07/01/2001

07/01/2001

20

15

07/01/2002

07/01/2000

07/01/2000

25

20

07/01/2001

10

07/01/2000

50

07/01/1999

07/01/2008

07/01/2007

25

07/01/2000

07/01/1999

12

07/01/1999

07/01/2008

07/01/2007

07/01/2006

07/01/1999

EGARC H-Ske wed GED

07/01/2006

EGARCH-Ske we d GED
07/01/2005

07/01/2004

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999

EGARCH-Ske wed GED

07/01/2005

07/01/2004

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Graphiques 2.6.3: Volatilit des spreads de crdit (en Pb) sur le march de la dette prive en euro

Partie A : Variances conditionnelles des spreads de crdit par ratings

10
Industrie AAA

8
8

EGARC H-Normale

Industrie AA

EGARCH-Normale

30
25
20
15
10
5
0

Industrie A

EGARCH-No rma le

Industrie BBB

EGARCH-Normale

114

EGARC H-Sk e we d GED

25
20
15
10
5
0

EGARC H-Norm al e

EGARC H-S k e we d GED

115

07/01/2008

07/01/2007

07/01/2008

07/01/2007

EGARC H-Ske we d GED

07/01/2006

07/01/2008

07/01/2007

07/01/2006

07/01/2005

07/01/2004

07/01/2008

07/01/2007

07/01/2006

07/01/2005

07/01/2004

07/01/2003

EGARC H-Ske we d GED

07/01/2006

EGARC H-Skewe d GED

07/01/2005

07/01/2004

07/01/2003

EGARC H-S ke we d GED

07/01/2005

07/01/2004

07/01/2003

Finance 7-10 ans

07/01/2002

Finance 5-7 ans

07/01/2002

07/01/2002

07/01/2001

Finance 3-5 an s

07/01/2003

Fi n ance Pl u s de 10 an s

07/01/2001

07/01/2000

07/01/1999

07/01/2008

07/01/2007

07/01/2008

07/01/2007

07/01/2006

07/01/2005

07/01/2004

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999

07/01/2008

07/01/2007

07/01/2006

07/01/2005

07/01/2004

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999

Finance 1-3 ans

07/01/2002

EGARC H-Normale

07/01/2001

30
25
20
15
10
5
0

07/01/2001

EGARC H-Normale
07/01/2000

EGARC H-Norm ale

07/01/2000

07/01/1999

07/01/2008

07/01/2007

EGARC H-Normale

07/01/2000

07/01/1999

07/01/2008

07/01/2007

07/01/2006

07/01/2005

07/01/2004

07/01/2003

25
20
15
10
5
0

07/01/1999

07/01/2008

07/01/2007

EGARC H-Ske we d GED

07/01/2006

EGARC H-Ske we d GED


07/01/2006

07/01/2005

EGARC H-Sk e we d GED

07/01/2006

07/01/2005

07/01/2004

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999

EGARC H-Ske we d GED

07/01/2005

07/01/2004

07/01/2004

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999
50
40
30
20
10
0

07/01/2003

07/01/2002

07/01/2001

07/01/2000

07/01/1999

30
25
20
15
10
5
0

07/01/2002

07/01/2001

07/01/2000

07/01/1999

Chapitre 2 - Volatilit des spreads de crdit sur le march de la dette prive en euro

Partie B : Variances conditionnelles des spreads de crdit par maturits

100
80
60
40
20
0
Industrie 1-3 ans

EGARC H-Normale

25
20
15
10
5
0
Fi nance 3-5 an s

EGARC H-Normal e

40
30
20
10
0
Industrie 5-7 ans

EGARC H-Normale

40
30
20
10
0
Industrie 7-10 ans

EGARC H-Normal e

15

Indu stri e Pl u s de 10 ans

10

EGARC H-Norm al e

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

The mathematics of financial models can be applied precisely, but the models are not at
all precise in their application of the real world. Their accuracy as useful approximation
varies significantly across time and place. The models should be applied in practice only
tentatively, with careful assessment of their limitations in each application.
Robert Merton (1998), Nobel Prize address,
American Economic Review, 88(3), p.343

Sommaire
Rsum ............................................................................................................................................ 117
3.1. Introduction .............................................................................................................................. 118
3.2. Modles structurels de valorisation de la firme ....................................................................... 120
3.2.1 Modle de Merton (1974) .................................................................................................. 120
3.2.2 Extensions du modle de Merton : relchement des hypothses classiques ..................... 123
3.3. Dterminants des spreads de crdit .......................................................................................... 125
3.3.1 Variables relatives au taux dintrt .................................................................................. 125
3.3.2 Variables relatives au march boursier .............................................................................. 127
3.3.3 Liquidit sur le march obligataire .................................................................................... 128
3.3.4 Taux de change effectif rel de lEuro............................................................................... 129
3.3.5 Matrice de corrlation ........................................................................................................ 130
3.4 Spcification du modle et rsultats empiriques ....................................................................... 131
3.4.1 Conditions de march et variation des spreads de crdit ................................................... 132
3.4.2 Crise financire, crise de liquidit et spreads de crdit...................................................... 135
3.4.3 Effet asymtrique de la volatilit du march boursier sur les spreads de crdit ................ 136
3.5 Conclusion ................................................................................................................................ 137
3.6. Bibliographie............................................................................................................................ 139
3.7. Annexes.................................................................................................................................... 144

116

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Rsum
A partir des modles structurels dvaluation de la dette risque, cette tude examine
linfluence des conditions de march sur la tarification du risque affectant le march des
obligations prives en euro. Les facteurs explicatifs utiliss sont les variables de march lies
aux conditions de taux, ltat du march action, la liquidit du march obligataire et au
march des changes. Le modle EGARCH-Skewed-GED est utilis pour tenir compte des
faits styliss observs.
Le rendement des obligations sur le march de la dette prive semble varier avec celui
dautres actifs sur les marchs financiers. En effet, indpendamment de la situation financire
de la firme mettrice les pertes attendues sur une obligation dpendent des taux sans risque,
du rendement du march boursier et sa volatilit, du taux de change ainsi que de la liquidit
sur le march obligataire. La liquidit semble influencer les spreads de crdit, notamment
durant les priodes de crises financires. Par ailleurs, le taux de change de leuro affecte
surtout les spreads de crdit des metteurs industriels, sans doute en raison de leur impact sur
la comptitivit des entreprises. Enfin, l'effet de ces facteurs est fonction des caractristiques
de lobligation : le rating et, dans une moindre mesure, la maturit du titre. Ainsi, les spreads
de crdit des obligations de rating infrieur sont plus affects par les conditions de march.
Mots cls : Obligations dentreprise en euro, conditions de march, crises financires, spread de crdit.

Abstract
From a structural model of credit risk, this study examines the influence of market conditions
on the pricing of private debt in euro. The explanatory variables include variables related to
interest rates, stock market returns, bond market liquidity and exchange rates market.
The EGARCH-Skewed-GED model is used to account for stylized facts observed.
The corporate bond yield appears to vary with the return of other assets in the financial
market. Indeed, regardless of the financial situation of the issuer, the expected losses
on a bond depends on the risk-free rate, the stock market performance and volatility, the
exchange rates and liquidity in the bond market. The liquidity seems to influence credit spread
especially during financial crises. Moreover, the euro-exchange rate particularly affects credit
spreads of industrial issuers presumably because of their impacts on firms competitiveness.
Finally, the effect of these factors depends on the characteristics of the bond: the rating and to
a lesser extent the maturity of the bond. Thus, the spreads of issuers with low credit quality
are the most affected by market conditions.

JEL Classification: C32; E43; G12


Keywords: Corporate bond market in Euro, market conditions, credit spread, financial crisis.
117

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

3.1. Introduction
Tout dtenteur dobligations prives est soumis au risque de dfaut de lentreprise mettrice.
Dans lapproche structurelle initie par Merton (1974), le dfaut dune entreprise est la
rsultante dun processus qui mne une firme en difficult la cessation de paiement.
Le modle de Merton (1974) ou modle de la firme fonctionne partir de la valeur de la firme
emprunteuse et de lchange doption sur cette valeur qui intervient entre le prteur et
lactionnaire loccasion dun prt. Il postule que la firme mettrice na mis quune seule
dette (obligation zro-coupon), que les taux dintrt sont constants et que lmetteur est en
situation de dfaillance lorsque, au moment du remboursement de sa dette, la valeur des actifs
de la firme est infrieure celle de ses engagements. Lvaluation du risque de crdit se
faisant par le calcul dun spread de crdit. Le cadre pos par le modle de Merton tant trop
restrictif, les travaux se rclamant de cette approche se sont alors multiplis, en relchant les
hypothses irralistes du modle original. Des travaux plus rcents ont fait progresser
lvaluation dune dette risque en permettant par exemple de prendre en compte tout la fois
la possibilit dune dfaillance de lmetteur tout instant, lexistence de taux dintrt
stochastiques
On note toutefois quau dbut des annes 1990, une autre classe de modles a merg. Les
modles dits de forme rduite abandonnent toute tentative dexplication financire de la
cessation de paiement71 et considrent que le dfaut survient par hasard . La date darrive
du dfaut est modlise laide dun temps alatoire imprvisible ou de manire quivalente
laide du premier temps de saut dun processus stochastique. Si elle admet de nombreux
avantages pratiques, cette dernire approche apparat moins intuitive que lapproche
structurelle.
Le cadre de ce travail est fond sur lapproche structurelle, qui tablit explicitement le lien
entre le dfaut dune entreprise et les fondamentaux conomiques et financiers. Selon cette
approche, les primes de risque sur les obligations prives dpendent la fois des conditions
conomiques gnrales (taux dintrt et sans doute sa volatilit) et des facteurs spcifiques
lmetteur comme le levier financier, la volatilit des actifs de la firme et la liquidit sur le
titre. Ainsi, mme si le risque de crdit est bien diffrent des risques de march, dans la
mesure o il est troitement li la solvabilit de lemprunteur, le spread de crdit est aussi li

71

Le dfaut nest donc pas explicitement li une dgradation de la situation financire de lentreprise. Faisant abstraction de
lentreprise (et de notamment de sa valeur), ces modles font lconomie des bases de donnes et des informations que
requiert lapproche structurelle. Parmi les travaux les plus marquants, on trouve Duffie et Singleton (1999) et Jarrow, Lando
et Turnbull (1997).

118

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

aux conditions des marchs. Les risques de march sont donc une des composantes des
spreads (Collin-Dufresne et al., 2001).
Cette tude examine les facteurs de march qui expliquent les fluctuations densemble des
primes de risque. Nous utilisons les donnes quotidiennes de spreads de crdit indiciaires72 de
Merrill Lynch sur la priode allant de janvier 1999 mars 2008.
La spcificit de notre approche est double :
- le modle EGARCH associ la distribution Skewed-GED utilis, est original sur ce sujet ;
- nous examinons si limpact des conditions de march sur les spreads de crdit dpend de la
conjoncture conomique et financire. Pour cela, nous sparons notre chantillon en des sous
priodes, reprsentant chacune les priodes de crises et de relatives stabilits financires.
Les principales conclusions de cette tude peuvent tre rsumes comme suit :
- nos rsultats empiriques valident le choix dune loi asymtrique et intgrant la prsence
dvnements rares pour caractriser la distribution conditionnelle des innovations ;
- indpendamment de la situation financire de la firme mettrice, les spreads de crdit sur le
march des obligations prives sont affectes par conditions des marchs (conditions de taux,
tat du march des actions et du march des changes, liquidit sur le march obligataire) qui
expliquent les fluctuations densemble des primes de risque ;
- limpact semble plus important pendant les priodes de crises financires ;
- les spreads de crdit des obligations de rating infrieur sont plus affects par les conditions
de march.
Ce chapitre est organis comme suit. Les deux premires sections sont consacres
respectivement un bref aperu des modles structurels de risque de crdit et aux principaux
dterminants des spreads ; la prsentation de la mthodologie de recherche et les rsultats
empiriques font lobjet de la section suivante. Enfin, les principales conclusions sont
prsentes lissue du chapitre.

72

Contrairement aux spreads individuels se rapportant une entreprise donne, les spreads indiciaires correspondent aux
spreads moyen pour un ensemble dmetteurs, classs le plus souvent par ratings et/ou secteurs et maturits.

119

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

3.2 Modles structurels de valorisation de la firme


3.2.1 Modle de Merton (1974)
Merton (1974) a adapt le modle de Black-Scholes (1973) lvaluation dun titre de
crance risqu sous les hypothses suivantes :

le march obligataire est complet et parfait : il ny a ni cot de transaction, ni impt ;


les ventes dcouvert sont autorises et les transactions sont en continu ;

la courbe des taux est plate et le taux sans risque (r) est constante73 au cours du temps ;

lentreprise est finance par une obligation zro-coupon et par des actions ;

la dfaillance ventuelle napparat qu lchance finale de lobligation ;

la rentabilit des actifs suit une loi normale avec variance constante.

Les actions et la dette de lentreprise sont considres comme des produits drivs sur la
valeur de march de l'entreprise et peuvent donc tre values dans le cadre de la thorie des
options.
La valeur totale At des actifs de lentreprise suit un processus brownien gomtrique
standard :

dAt
= dt + dBt
At
o

74

(3.1)

est le rendement total espr des actifs de la firme, la volatilit des actifs de la

firme. Bt suit un mouvement brownien unidimensionnel. La structure du capital de lentreprise


tant sous la forme dactions (pure equity) et dun unique zro-coupon de maturit T et de
nominal L, on a :
At = Et + Dt
o, Et et Dt reprsentent les valeurs de march respectives en t, des actions et de la dette. ET
et DT tant leur valeur respective lchance (T). Notons qu lchance T, DT = L.
A maturit, si la valeur de lentreprise est infrieure la somme L due aux dtenteurs
dobligations (zro-coupon), on considre que la firme fait dfaut. Dans ce cas, elle passe aux
mains des dtenteurs de sa dette qui ne rcuprent quune portion AT/L de leur capital initial.
Ainsi, les dtenteurs dobligations reoivent min (AT ; L) maturit tandis que les
actionnaires peroivent le reliquat (AT L). Autrement, la dette est rembourse entirement.
73
Cette hypothse simplificatrice est irraliste et constitue une des limites du modle de Merton. Elle sera trs vite leve dans
le cadre de modles plus gnraux (Kim, Ramaswamy & Sundaresan, 1993, Shimko, Tejima & Van Deventer, 1993 et
Longstaff & Schwartz, 1995) qui ont recourt aux taux dintrt stochastiques.

74

Sous la probabilit Q neutre au risque, on a : = r.

120

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Cette situation peut-tre rsume dans le tableau suivant :


Dette (Obligation zro

Capitaux propres

coupon risque)

(Equity)

AT L (Pas de dfaut)

AT - L

AT< L (Dfaut)

AT

Les payoffs des actionnaires et des obligataires au temps T sous les hypothses de ce modle
sont donc :

ET = max{AT L, 0},

(3.2)

DT = AT ET .

(3.3)

On retrouve en effet dans lquation (3.2), lexpression dune option dachat europenne
rdige sur lactif de la firme At dtenue par les actionnaires et dont le prix dexercice est L.
La valeur de la dette risque linstant t ( 0 t T ) , Dt est obtenue par lapplication de la
formule de Black et Scholes (1973) :
Dt = L.e r (T t ) [ N ( x1 T t ) +

1
N ( x1 )]
d

(3.4)

o :

x1 =
d=

ln( At / L) + (r + / 2)(T t )

T t

L.e r (T t )
reprsente le levier dendettement d (leverage ratio) de lentreprise,
At

et N (x) est la fonction cumulative de la loi normale centre rduite.


Comme la valeur dune dette peut aussi tre formule en termes de prime de risque, elle
scrit aussi sous la forme :

Dt = L.e R (t ,T )(T t )

(3.5)

o R(t,T) reprsente le rendement la date t de la dette risque de maturit T


(Yield to maturity).
La prime du risque de dfaut est alors obtenue en faisant la diffrence entre le rendement du
titre risqu (R(t,T)) et le taux sans risque (r) de la mme chance.
La structure terme du spread de crdit, R(t,T) r, est dfinie par lquation suivante :
R (t , T ) r =

1
1

ln N ( x1 T t ) + N ( x1 )
T t
d

(3.6)

121

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Ce spread de crdit thorique :

augmente avec le levier dendettement (d) de la firme ;

augmente avec la volatilit ( ) des actifs dtenus ;

dpend du niveau des taux dintrt (r);

dpend enfin de la maturit de lendettement (T-t).

La structure par terme des spreads obtenue partir du modle de Merton prend plusieurs
formes selon la valeur du levier dendettement (d) de la firme (graphique 3.2.1).
Graphique 3.2.1 : Structure par terme des spreads et notation

Maturit

Tant que d est infrieur un, la structure par terme des spreads est croissante (ou en cloche),
mais elle sinverse lorsque ce ratio devient suprieur ou gal un.
En effet, pour une dette donne, plus la valeur de la firme mettrice est leve, plus la
probabilit de dfaut est faible et plus la firme obtient a priori un bon rating. Or, avec une
notation leve, comme par exemple AAA, apparat un effet dasymtrie puisque, la
probabilit de dfaut tant dj trs faible, le potentiel damlioration est minimal ; en
revanche, le potentiel de dtrioration de la situation de la firme est plus important, i.e. la
probabilit de dfaut augmente avec la dure. La structure par terme des spreads est donc
lgrement croissante. linverse, avec un rating faible lmission, comme par exemple
C, le potentiel damlioration est autant sinon plus lev que celui de dtrioration. Plus
lobligation est longue, plus la valeur de la firme - en cas de survie - peut-tre leve, ce qui
expliquerait linversion75 de la structure par terme des spreads. Enfin, pour les firmes
75
La structure dcroissante des spreads des obligations de la catgorie Speculative Grade provient du fait que, pour un titre
trs risqu, la situation ne peut pas tre pire, et que plus il reste du temps avant maturit, plus la probabilit que la situation
financire de lentreprise samliore est leve.

122

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

intermdiaires, comme par exemple BBB, le potentiel de dtrioration court terme domine
mais est compens par le potentiel damlioration long terme, ce qui conduirait une courbe
de spreads en cloche.
Diffrents travaux conomtriques mens sur la structure par terme des spreads (Litterman et
Iben, 1991 ; Fons, 1994 ; Duffee, 1999 et Elton et al., 2001) convergent vers le mme
rsultat : pour les titres de la catgorie investment grade, cette structure est croissante, et ce
profil ascendant saccentue pour les moins bonnes notations. Pour les titres de la catgorie
speculative grade, Sarig et Varga (1989) et Fons (1994) trouvent que la structure par terme
des spreads est inverse, conformment linterprtation propose par Merton.
Les nombreux raffinements apports au modle original de Merton (1974) ont permis de lever
les hypothses les plus restrictives et de rendre cette classe de modle plus raliste.

3.2.2 Extensions du modle de Merton : relchement des hypothses classiques


3.2.2.1 Eventualit de la faillite dune entreprise tout moment
Dans le modle de Merton, le dfaut ne peut intervenir qu la maturit de la dette, lorsque la
valeur des actifs de la firme ne permet pas de couvrir le portefeuille de dette. Or comme le
souligne Black et Cox (1976), dans ces conditions, lentreprise nest pas sous surveillance
avant la maturit de la dette. Une telle hypothse apparat peu raliste car, les contrats de
dettes prvoient souvent des clauses permettant de dclencher le dfaut en cas de difficults
financires de lentreprise (et donc de fait avant leur maturit).
Lvaluation dune obligation risque avec prise en compte de la dfaillance ventuelle de
lmetteur tout moment est envisage successivement dans un contexte de taux constants
puis dans celui de taux stochastiques.

(a) Dfaillance ventuelle tout moment en prsence de taux dintrt constants


Black et Cox (1976) et Leland (1994), suggrent lintroduction dun seuil dont le
franchissement par la valeur des actifs de la firme provoque de manire anticipe le dfaut, la
cessation de paiement et la liquidation immdiate des actifs. Alors que, dans les travaux de
Black et Cox, le niveau de dfaut est reprsent par une barrire dterministe, celui-ci est
dfini de manire endogne76 dans le modle de Leland.
Les modles de Black et Cox et de Leland imposent des taux dintrt sans risque constants ;
cest leur principal dfaut. Cette hypothse empche, entre autres, de prendre en compte une
ventuelle relation entre risque de taux et risque de dfaut.
76

Contrairement au modle de Black et Cox, dans celui de Leland, il nest pas ncessaire de spcifier la valeur limite des
actifs en dessous de laquelle la firme est dfaillante, celle-ci tant dfinie de manire endogne par le modle.

123

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Une valuation plus raliste dune dette risque passe par labandon de cette hypothse et
lintroduction de taux dintrt stochastiques.

(b) Dfaillance ventuelle tout moment en prsence de taux dintrt stochastiques


Plusieurs modles ont tent de combiner le risque de dfaut et le risque taux tout en
introduisant un indicateur de dtresse. Le seuil de faillite peut tre reprsent, soit par une
barrire dterministe, soit par une barrire stochastique dpendant du niveau des taux
dintrt.
Les modles de Kim, Ramaswamy & Sundaresan (1993), Shimko, Tejima & Van Deventer
(1993) et de Longstaff & Schwartz (1995) permettent dintroduire des taux dintrt
stochastiques et lventualit dune faillite de la firme tout moment. Dans ces modles, le
seuil de faillite est fix de manire dterministe, mais le taux dintrt est stochastique77.
Dautres modles sont apparus par la suite et incorporent la fois des taux dintrt et une
limite de dfaut stochastiques (Saa-Requejo & Santa-Clara, 1999 et Hsu, Saa-Requejo &
Santa-Clara, 2004). Dans ces modles, linteraction entre le risque de dfaut, le risque de taux
dintrt rsulte non seulement, comme dans les modles prcdents, de la corrlation entre le
processus dvolution de la valeur des actifs et celui des taux, mais aussi du fait que la
barrire de dfaut est elle mme dpendante du niveau des taux dintrt.

3.2.2.2 Obligations dlivrant des coupons


Avec le portage dune dette unique, reprsente par une obligation sans coupon, la structure
du

bilan

dune

firme

apparat

trop

simpliste.

Le

modle

Geske

(1977)

et

Geske et Johnson (1984) ont gnralis le modle de Merton (1974) au cas dune obligation
dtachant des coupons des dates rgulires. Ils ont montr que la valeur dune obligation
coupons peut tre svalue comme une option compose78. Quant Leland (1994), il modifie
un peu lapproche de Merton (1974) en supposant que la dette est une obligation avec une
maturit infinie et un coupon continue79 plutt quune obligation zro-coupon.

3.2.2.3 Imperfections du march


Le modle original de Merton (1974) repose sur une hypothse de marchs parfaits.
Dans ce cadre, la totalit des carts de rendements entre obligation prive et obligation dEtat

77

Alors que dans le modle de Longstaff & Schwartz (1995), le taux dintrt suit un processus de retour la moyenne
dOrnstein-Uhlenbeck, Kim et al. (1993) et Shimko et al. (1993) introduisent respectivement, un risque taux dintrt de type
Cox, Ingesoll et Ross (1985) et Vasicek (1977).

78

Le calcul, en temps continu, de cette option ncessite cependant celui dune intgrale de dimension N, ou N reprsente le
nombre de coupons, ce qui limite lintrt pratique de cette approche.
79

Leland (1994) gnralise le modle de Merton (1974) au cas de la rente perptuelle soumise un risque de dfaut.

124

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

serait imputable au risque de dfaut. En ralit, le spread de crdit possde trois


composantes80, correspondant une prime de terme81, une prime de liquidit82 et une prime de
dfaut. Ericsson et Renault (2006) proposent dincorporer les facteurs de liquidit dans les
modles structurels.

3.2.2.4 Dynamique des actifs de lentreprise


Lhypothse de rentabilit gaussienne pour les actifs de la firme a t critique
(Sarig et Warga, 1989). Les tudes empiriques suggrent dincorporer des processus sauts
dans la valeur de lentreprise (Zhou83, 2001). Cette hypothse parat intuitive car certains
vnements comme lobtention ou la perte dun contrat important, la dmission dun haut
dirigeant par exemple, peuvent avoir un impact significativement immdiat sur la valeur de
lentreprise.
Dun point de vue pratique (difficults destimation des paramtres), ces divers raffinements
nont pas le succs escompt.

3.3 Dterminants des spreads de crdit


Les conditions de taux, ltat du march des actions et la liquidit sur le march obligataire
expliqueraient les fluctuations densemble des spreads sur le march des obligations prives.
Les cours sur le march des changes pourraient aussi avoir une influence sur ce march.

3.3.1 Variables relatifs au taux dintrt


(a) Le taux dintrt sans risque
La plupart des modles structurels de la dette risque semblent produire une liaison inverse
entre les spreads de crdit et le taux dintrt. Pour Longstaff et Schwartz (1995), un
accroissement du taux dintrt tend rduire la probabilit de dfaut84 en raison de son
effet sur le drift du processus risque-neutre de At. Ainsi un accroissement de r entrane une
diminution du spread de crdit .
80

Le spread de crdit est en fait une agrgation des rmunrations du risque de dfaut mais aussi du risque de taux et du
risque de liquidit encourus par tout investisseur sur obligation.

81

Relative au risque taux.

82

La liquidit d'un march financier reprsente la capacit acheter ou vendre rapidement les actifs qui y sont cots sans
que cela ait d'effet majeur sur les prix. Plus un march est liquide, plus il est ais, rapide et peu coteux d'y raliser des
transactions. Contrairement au march boursier, les marchs obligataires ne sont souvent pas liquides. Les investisseurs sur
ces marchs demandent une prime pour couvrir le risque li limpossibilit de vendre son prix un actif financier. Le risque
de liquidit correspond donc la perte potentielle quon subit par rapport au prix quon aurait d obtenir.
83

Il reprend un mcanisme de rvlation continue du dfaut la Black et Cox (1976) mais suit les traces de Longstaff et
Schwartz (1995) concernant le recouvrement exogne.
84

Une augmentation des taux se traduit par une augmentation de la valeur terme de la firme (au-del du prix dexercice), ce
qui diminue la probabilit de dfaut, et donc contribue faire diminuer le spread de crdit.

125

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Cette explication, souvent reprise dans la littrature85 reste technique et non conomique86.
En effet, en raison de la contrainte financire quil reprsente pour les entreprises, un taux
dintrt lev devrait se traduire par une vulnrabilit accrue des firmes endettes.
Mais certains auteurs justifient le lien ngatif entre le taux dintrt et le spread de crdit en
invoquant par exemple un effet doffre ou dviction : une hausse des taux freine loffre de
titres risqus par les entreprises, ce qui, pour une demande constante, se traduit par une hausse
des prix, i.e. une baisse des spreads.
Dans cette tude, le taux dintrt 10 ans en euro (Euro Generic Goverment) reprsente le
taux sans risque sur le march obligataire en euro (Longstaff et Schwartz, 1995 ; Duffee, 1998
et Collin-Dufresne et al., 2001).

(b) Volatilit des taux dintrt sans risque


Labsence de rmunration du risque de taux tant considre comme une limitation du
modle de Merton, nous incorporons la volatilit du taux dintrt dans le modle (Longstaff
et Schwartz, 1995). Cette variable peut tre considre comme une mesure du risque taux sur
le march des obligations publiques. Kao (2000), Collin-Dufresne et al. (2001), Boss et
Scheicher (2002) et Ohyama et Sugimoto (2007) par exemple, trouvent que la volatilit des
taux dintrt87 a un impact important et significatif sur la variation des spreads de crdit.
Une augmentation de l'incertitude sur les taux d'intrt futurs rendrait moins attractives les
investissements dans les obligations dentreprise et se traduirait par un largissement des
spreads de crdit. Les spreads des obligations de rating infrieur seraient les plus affects.
La volatilit des taux dintrt ( tr ) est reprsente ici par la volatilit implicite sur option
taux europen (Euro Generic Goverment) 10 ans, dchance trois mois (Kao, 2000).

(c) Pente de la courbe des taux


La pente de la structure par terme des taux, mesure comme lcart entre le taux long et le
taux court, serait un facteur prdictif des taux courts futurs anticips par le march.

85
Cont & Bruyre (2004), par exemple, notent Le spread de crdit et le niveau des taux d'intrt sont ngativement corrls.
Ce phnomne s'explique dans la mesure o une hausse des taux d'intrt entrane une augmentation de la drive du
processus de la variable V (valeur de la firme), ce qui diminue la probabilit de dfaut de la firme . On trouve aussi cette
ide exprime dans Collin-Dufresne et Goldstein (2001) p. 1945.
86

Le phnomne est quelque peu contre intuitif, car la probabilit relle de dfaut nest pas rduite par la hausse du taux
dintrt.

87

Alors que Kao (2000) utilise la volatilit implicite sur option taux 10 ans, dchance trois mois sur donnes amricaines ;
Collin-Dufresne et al (2001) utilisent le carr des rendements des obligations publiques 10 ans ; Boss et Scheicher (2002)
ont recourt la volatilit des taux dintrt estime partir dun modle GARCH (1,1) sur les taux 10 ans europen tandis
que Ohyama et Sugimoto (2007) utilisent la volatilit dune swaption sur taux de 10 ans dchance un mois sur donnes
japonaises.

126

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Ainsi, une structure croissante (resp. plate, resp. dcroissante) indique que le march anticipe
une hausse (resp. stagnation, resp. baisse) des taux courts dans le futur.
Par ailleurs, la pente de la courbe des taux semble aussi reflter lactivit future88
(Sdillot,

1999). Elle est souvent utilise comme indicateur avanc de la croissance de

lconomie (Fama et French, 1989 ; Estrella et Hardouvelis, 1991 ; Estrella et Mishkin, 1998,
Bernard et Gerlach, 1998).
Duffee (1998), Collin-Dufresne et al. (2001) et Van Landschoot (2008) mettent en vidence la
corrlation ngative entre la pente de la structure par terme des taux sans risque et le spread de
crdit sur march obligataire.
La pente de la courbe des taux ( Slope ) est dfinie dans le cadre de cette tude, comme lcart
entre taux dintrt 10 ans en euro et le taux 3 mois Euribor (Duffee, 1998).

3.3.2 Variables relatives au march boursier


(a) Rendement sur le march boursier
Dans le modle de Merton, la valeur de march de la dette risque dpend du levier
dendettement, ou plus prcisment le ratio entre la valeur actuelle de la dette et les fonds
propres (actions)89. Une augmentation du cours des actions de la firme, ou une augmentation
de capital (mission dactions), se traduit, toutes choses gales par ailleurs, par une
diminution du levier et donc une baisse du risque de dfaut qui entrane une rduction du
spread. En revanche, la baisse du cours des actions, ou le rachat de ses titres par lentreprise,
se traduisent par une augmentation du levier et donc une augmentation du risque de dfaut de
la socit, qui entrane son tour une hausse du spread. Ce raisonnement suppose que
lvolution de la valeur de la firme, mesure par la variation de son cours boursier, reflte
effectivement celle de sa valeur fondamentale90.
Ramaswami (1991), Shan (1994) et Kwan (1996) confirment la relation ngative entre le
rendement des actions et les spreads de crdit sur le march obligataire. Collin-Dufresne et
al. (2001) montrent que les rendements de lindice boursier S&P500 affectent lvolution des

88

Ainsi, quand la pente de la courbe des taux devient moins grande, voire quand elle devient ngative, cest--dire quand
lcart entre taux long et taux court se restreint ou devient ngatif, une rcession probable , Szpiro D. (2009),
Economie montaire et financire, Editions De Boeck Universit, 1re dition, page, 123). Toutefois, des tudes rcentes
(Ang et al., 2006) nuancent ces rsultats.
89
Cette tude, nexaminant pas les spreads de crdit spcifiques des entreprises donnes, mais sur des bases indiciaires
regroupant un ensemble dentreprises, nous ne pouvons pas utiliser les variables relatives au levier dendettement ratio dans
nos estimations. Dans la pratique, le prix ou le rendement des actions est souvent considr comme proxy du levier
dendettement.
90
Ainsi, par exemple, en cas de bulle spculative, la rduction des spreads ne devra pas tre interprte comme le signe dune
diminution structurelle du risque de dfaut des firmes, mais plus comme celui dune moindre perception des risques dans un
contexte deuphorie collective.

127

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

spreads de crdit des obligations dentreprise amricaines bien plus que les rendements de
leurs propres actions. Ils trouvent par ailleurs que les spreads des obligations de rating
infrieur sont plus affects.
Dans le cadre de cette tude, nous utilisons le rendement journalier de lindice
DJ Euro Stoxx 50 ( RtStoxx ) comme proxy de la variation des actifs de la firme. Nous retenons
aussi dans le modle la variable retarde ( R tStoxx
) du rendement de lindice (Kwan, 1996).
1

(b) Volatilit sur le march boursier


Lquation (3.6) montre que les spreads de crdit sont affects par la volatilit ( ) de la
valeur des actifs de l'entreprise. En effet, la volatilit des actifs de la firme augmente sa
probabilit de dfaut et donc la probabilit que l'option put soit exerce. Par consquent,
laugmentation de la volatilit de la valeur de lentreprise largit le spread de crdit
(Campbell et Taksler, 2003).
L'effet d'une augmentation de volatilit des actifs de la firme sur les spreads de crdit nest
pas le mme pour les spreads des metteurs qui ont un levier financier lev (faible notation),
compar ceux dont la valeur de la dette est largement au-dessous de la valeur de leurs actifs
(de rating lev). Il semble que la volatilit des actifs de la firme ait, toutes choses gales par
ailleurs, un impact plus important sur le spread des entreprises speculative grade que sur celle
des firmes appartenant la catgorie investment grade.
Pour les firmes ayant un faible niveau dendettement (rating lev), l'effet dune augmentation
de la volatilit est dabord croissant avec la maturit pour les obligations de courte maturit
mais demeure ensuite constant pour les obligations de moyenne et longue maturit. En ce qui
concerne les firmes fortement endettes (rating bas), l'effet est d'abord dcroissant avec la
maturit pour les obligations de courte maturit puis demeure ensuite constant pour les
obligations de moyenne et longue maturit.
La volatilit des valeurs des actifs de lentreprise est souvent approche par volatilit des
cours de ses actions. Jones et al. (1984) et Ronn et Verma (1986) prouvent que la volatilit de
lindice boursier SP 500 affecte significativement les spreads de crdit sur le march des
obligations dentreprise aux Etats-Unis. Dans le cadre de cette tude, nous utilisons la
volatilit implicite sur lindice DJ Euro Stoxx 50 (dnomme V2X).

3.3.3 Liquidit sur le march obligataire


En faisant lhypothse de march parfait et complet, le modle thorique de Merton ignore
dlibrment le rle de la liquidit comme facteur explicatif du niveau des spreads de crdit.
Van Landschoot (2008), Ericsson et Renault (2006), Houweling et al. (2005),

128

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Perraudin et Taylor (2003), Collin-Dufresne (2001) et Delianedis et Geske (2001) trouvent


cependant que la liquidit influence de manire significative les variations de spreads de
crdit. Une diminution de la liquidit sur le march des obligations prives implique une
prfrence du march pour les capitaux moins risqus. Par consquent nous nous attendons
ce que le coefficient du facteur caractrisant le risque de liquidit soit positif. Si Ericsson et
Renault (2006) trouvent que limpact de la liquidit est plus important pour les titres les plus
risqus et dcroissant en fonction de la maturit du titre, en gnral, les rsultats sont plutt
contrasts. Notons que, Perraudin et Taylor (2003) et Houweling et al. (2005) montrent que
limpact de la liquidit est plus important pour les obligations ayant le rating le moins lev et
la maturit la plus longue.
Il existe plusieurs mthodes dvaluation de la liquidit91 sur le march des obligations
prives. Toutefois, le spread des taux de swaps contre le taux du gouvernement semble tre le
meilleur indicateur de liquidit sur le march des obligations dentreprise (Liu, Longstaff et
Mandell, 2000). Ce spread voluerait essentiellement suite des phnomnes de liquidit
(Cooper, Hillman et Lynch, 2001). Par consquent nous considrons le spread de taux de
swaps contre le taux dintrt 5 ans en euro dnomm Euro Spread swap 5 ans , comme
proxy de la liquidit sur march de crdit en euro (Castagnetti et Rossi, 2006).

3.3.4 Taux de change effectif rel de lEuro


La structure du capital ne peut pas tre le seul lment dterminant du risque de crdit. Des
facteurs tels que le taux de change ne sont pas pris en compte dans les modles structurels.
Or, les fortes variations des taux de change pourraient affecter le bilan des entreprises,
notamment, celles ouvertes linternational. Lvolution des taux de change semble tre des
facteurs potentiels de dfaillance dentreprises (Pesaran et al., 2006). La hausse de leuro peut
par exemple affecter la comptitivit des entreprises industrielles qui produisent dans cette
devise.
Nous utilisons pour lestimation de notre modle le taux de change effectif rel92 de leuro car
il est un indicateur privilgi pour apprcier la comptitivit dune conomie par rapport un
91

Delianedis et Geske (2001), utilisent le volume de transactions des actions correspondant aux obligations.
Houweling et al. (2005) utilisent quatre critres diffrents pour mesurer la liquidit : la taille de lmission, son anciennet, le
nombre de cotations et la dispersion des cotations. Van Landschoot (2008) pense que le spread bid-ask est lune des
meilleures mesures de la liquidit. Le prix ask inclut une prime pour les achats immdiats, alors que le prix bid reflte la
possibilit vente immdiate. Par consquent, le spread bid-ask mesure le cot de l'excution immdiate dune transaction. Un
rtrcissement de spread bid-ask indique une plus grande liquidit et donc un niveau de spread de crdit plus bas.

92

Le taux de change effectif nominal et rel est un indicateur privilgi pour apprcier la comptitivit dune conomie par
rapport un groupe de pays partenaires. Il mesure la valeur d'une monnaie contre un "panier" de devises, par rapport une
date de base fixe. Il est calcul comme la moyenne gomtrique pondre des taux de change bilatraux, exprime sous
forme d'indice. Les taux de change effectif publis par Bloomberg sont celles fournies par la Banque dAngleterre et dont le
calcul est fond sur la mthode du FMI.

129

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

groupe de pays partenaires. On remarque par ailleurs, (graphique 3.3.1) une nette corrlation
entre le taux de change effectif rel de leuro et le taux de change Euro-dollar.
Graphique 3.3.1 : Taux de change effectif rel de leuro et du taux de change Euro-Dollar
110

1,7

105

1,6

100

1,5
1,4

95

1,3

90

1,2

85

1,1

06/01/2008

06/01/2007

06/01/2006

06/01/2005

06/01/2004

06/01/2003

06/01/2002

0,8
06/01/2001

0,9

70
06/01/2000

75
06/01/1999

80

Taux de change effe ctif re l euro (Ech. G)


Taux de change Euro/dollar (Ech. D)

Sources : Bloomberg et graphiques de lauteur.

Lensemble des variables explicatives utilises dans le cadre de cette tude est extrait de
Bloomberg. Lanalyse descriptive montre quelles ne sont pas stationnaires mais plutt
intgres dordre 1 au seuil de 5% (chapitre 1). Les signes attendus de leur corrlation avec
les spreads de crdit sont rcapituls dans le tableau 3.3.1.

Tableau 3.3.1 : Spreads de crdit et conditions de march : signes attendus


Dsignation

rt

Taux dintrt 10 ans en euro


(variation)

Description
Euro Generic Goverment: rendement le plus faible
entre le taux Allemand, Franais et Espagnol.

Signe

Ecart entre taux dintrt 10 ans en euro et le taux 3


mois Euribor.

Volatilit implicite sur option taux


europen 10 ans, dchance trois
mois (variation).

Euro Generic Goverment: son calcul est fond sur le


prix des options sur taux.

RtStoxx

Rendement journalier de lindice


DJ Euro Stoxx 50 (variation
logarithmique).

RtStoxx = 100(log Pt log Pt 1 )

tStoxx

Volatilit implicite sur lindice


DJ Euro Stoxx 50 (variation).

V2X index : conu par Deutsche Borse et Goldman


Sachs, il est bas sur les options sur les indices
DJ Euro Stoxx 50.

Liq t

Liquidit sur le march obligataire


(variation).

Euro Spread swap 5 ans : mesure les anticipations


sur la liquidit.

100(logChgt logChgt 1)

Slop t Pente de la courbe des taux


(variation).

tr

Chg t Taux de change effectif rel de

lEuro (variation logarithmique)

130

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

3.3.5 Matrice de corrlation


Le tableau 3.3.2 ci-dessous prsente la matrice de corrlation entre les variables explicatives.
Il apparat que la majorit des variables ne prsentent pas un degr de colinarit trs fort
pouvant affecter la stabilit des rsultats. Cependant nous constatons un degr assez prononc
de corrlation pour certaines variables indpendantes. Cest le cas par exemple des taux
dintrt avec les variables suivantes :
- volatilit des taux dintrt et pente de la courbe des taux ;
- le rendement et volatilit de lindice boursier DJ Eurostoxx 50 ;
- taux de change effectif rel.
Tableau 3.3.2 : Corrlation entre les variables explicatives sur la priode du 06/01/1999 au le 31/10/2008

RtStoxx

RtStoxx
1

tStoxx

rt

Slop t

tr

Liq t

RtStoxx

1,000

RtStoxx
1

-0,038

1,000

tStoxx

-0,780

0,037

1,000

rt

0,315

0,001

-0,252

1,000

Slop t

0,149

0,023

-0,118

0,500

1,000

tr

-0,106

-0,055

0,091

-0,250

-0,097

1,000

Liq t

-0,136

-0,023

0,165

-0,181

-0,106

0,074

1,000

Chg t

-0,179

0,017

0,122

-0,238

-0,124

0,071

0,004

Chg t

1,000

3.4 Spcification du modle et rsultats empiriques


Pour examiner la sensibilit des spreads de crdits aux facteurs de march (condition de taux,
tat du march action et du march des changes et liquidit du march obligataire) nous
effectuons une rgression prenant en compte linfluence conjointe de toutes ces variables sur
les spreads. Les sries de spread de crdit tant intgres dordre 1, asymtriques et
leptokurtiques (cf. chapitre 1), lesprance et la variance conditionnelle peuvent scrit :
+ 3 tStoxx + 4 rt + 5 Slop t
S t = + S t -1 + 1 R tStoxx + 2 R tStoxx
-1
+ 6 rt + 7 liq t + 8 Chg t + t
t = ( t )1 / 2 t

ln( 2t ) = + t -1 + t -1 + ln( 2t -1 )
t -1
t -1

(3.7)

avec :
t ~ Skewed - GED( , )

131

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

o, , et i reprsentent respectivement, la constante, le coefficient dautorgression des


spreads de crdit en diffrence premire et les coefficients de la rgression ; S t le spread de
crdit linstant t, rt le taux dintrt sans risque (taux europen 10 ans), Slop t la pente dans
la courbe des taux sans risque ; tr la volatilit estime des taux sans risque ; RtStoxx le
rendement bousier de lindice DJ EuroStoxx 50 ; tStoxx la volatilit implicite sur
lindice DJ EuroStoxx 50 ; Liq t la liquidit du march en euro des obligations dentreprise ;
Chg t le taux de change effectif rel de lEuro, t , les rsidus de la rgression supposs suivre

la distribution Skewed-GED et t2 sa variance conditionnelle modlise par un EGARCH.


Les estimations sont fondes sur la procdure de quasi-maximum de vraisemblance.
Lalgorithme utilis est celui de Marquardt.
En raison de la corrlation existant entre certaines variables explicatives, nous ralisons trois
estimations du modle (modle 1, 2 et 3) pour chaque exogne :

le modle 1 regroupe lensemble des variables explicatives lexception du rendement


boursier la date t, de la courbe des taux, de la volatilit des taux dintrt et du taux
de change effectif rel de leuro ;

le modle 2 prend en compte toutes les variables explicatives sauf les taux dintrt et
rendement boursier la date t ;

le modle 3 runit lensemble des variables explicatives except le rendement boursier


t-1, sa volatilit ( la date t) et les taux dintrt.

3.4.1 Conditions de march et variation des spreads de crdit


Le tableau 3.7.2 prsente les estimations dtailles du modle (3.7) sur lensemble de
lchantillon. Nos rsultats empiriques valident le choix dune loi asymtrique et intgrant la
prsence dvnements rares pour caractriser la distribution conditionnelle des innovations.
Par ailleurs, les conditions de taux, ltat du march des actions, du march des changes et
ltat de la liquidit sur le march des obligations prives semblent affecter les spreads de
crdit93. L'effet est fonction des caractristiques de lobligation telles que le rating et la
maturit.

On note aussi que le coefficient de la variable endogne dcale dune priode, i.e. le coefficient dautorgressivit des
spreads de crdit est relativement important (en valeur absolue) et significativement diffrent de zro dans la plupart des cas.
Ceci signifie que le poids des spreads passs est important dans la dtermination du cours des spreads courants. Cette
importance diminue lorsque le rating se dtriore.

93

132

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Lvolution des spreads de crdit sur le march des obligations prives en euro semble tre
fortement lie aux taux dintrt, aussi bien en variation, en pente quen volatilit.
Les taux sans risque ont un impact important sur les spreads de crdit. Leffet taux est
ngatif94 conformment lapproche structurelle. En effet, selon cette approche, une
augmentation des taux se traduit par un accroissement de la valeur terme de la firme
(au-del du prix dexercice), ce qui diminue la probabilit de dfaut, et donc contribue faire
diminuer le spread de crdit (Collin-Dufresne, 2001 ; Van Landschoot, 2008).
Une autre explication est que, lorsque les rendements sur les obligations dEtat sont trs bas,
les investisseurs sont tents de prendre plus de risque pour une meilleure rmunration.
Ils achtent plus les obligations prives qui offrent des rendements plus levs. Ils font ainsi
monter le prix de ces obligations (et donc baisser le rendement) ce qui rduit les spreads
(Longstaff et Schwartz95, 1995).
On note aussi limpact ngatif de la pente de la courbe des taux sur les spreads de crdit,
conformment lintuition (Collin-Dufresne et al., 2001 et Van Landschoot, 2008). En effet,
une pente ascendante (resp. dcroissante/descendante) est associe une anticipation dune
hausse (resp. baisse) des taux courts futurs. Elle semble aussi

reflter lactivit future

(Estrella et Hardouvelis, 1991 ; Estrella et Mishkin, 1998, Sdillot, 1999).


La volatilit implicite des taux dintrt ( tr ) semble avoir un impact positif relativement
important sur la dynamique des spreads de crdit (Ohyama et Sugimoto, 2007 ; Boss et
Scheicher, 2002 et Kao, 2000). L'incertitude lie lvolution des taux futurs semble donc
affecter les spreads de crdit. Une augmentation du risque sur le march des obligations
publiques se traduirait sur le march des obligations prives par une hausse des primes de
risques. Ce rsultat confirme bien, quen plus de la composante risque de dfaut, les spreads
possdent aussi une composante risque de taux. Labsence de rmunration du risque de taux
dintrt dans le modle classique de Merton apparat donc comme une limitation du modle.
Le march boursier joue un rle important double titre :
-

dune part, la hausse des cours fait baisser les spreads de crdit conformment
lintuition (Collin-Dufresne, 2001 et Van Landschoot, 2008). Les rendements
boursiers positifs, sont en effet associs une diminution de la probabilit de dfaut,
due une baisse de leffet de levier et donc une baisse des spreads.

94
Leffet taux positif est plus intuitif, au travers notamment de la contrainte financire quil reprsente pour les entreprises
(des taux dintrt levs se traduisent par une vulnrabilit accrue des firmes endettes).
95

Longstaff et Schwartz voquent un effet dviction pour expliquer cette relation.

133

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

dautre part, laccroissement de la volatilit des cours boursiers, qui mesure


lincertitude sur le march, semble largir les spreads de crdit. En effet, daprs les
modles structurels, une augmentation de la volatilit sur le march boursier, signe de
risque lev sur le march, augmente la probabilit de dfaut des entreprises et par
consquent provoque une hausse des primes de risque (Van Landschoot, 2008 ;
Campbell et Taksler, 2003 et Collin-Dufresne, 2001).

Conformment nos attentes (Merton, 1974), leffet du rendement et de la volatilit du


march bousier sur les spreads de crdit varie en fonction de la maturit et surtout du rating.
En fonction des classes de rating, le constat est sans ambigut. Les obligations les moins bien
notes, quelle que soient la maturit, sont plus affectes. Par rapport la maturit, leffet
augmente avec la maturit jusqu 10 ans et baisse pour les obligations de maturit suprieure
10 ans.
La liquidit du march obligataire se rvle un dterminant important des spreads de crdit.
En effet, contrairement au march boursier, les marchs obligataires ne sont souvent pas
liquides. Les investisseurs sur ces marchs demandent une prime pour couvrir le risque li
limpossibilit de vendre son prix un actif financier. Le risque de liquidit correspond la
perte potentielle quon subit par rapport au prix quon aurait d obtenir.
La baisse de la liquidit sur le march des obligations prives semble accrotre les primes de
risque. Toutefois, on nobserve pas un impact diffrenci par rating et par maturit. Limpact
de la liquidit semble tout de mme plus important pour les obligations ayant le rating le
moins lev et la maturit la plus longue (BBB 7-10 ans). Ce rsultat est conforme aux
travaux de Perraudin et Taylor (2003) et Houweling et al. (2005).
Limpact de lvolution du taux change effectif rel96 de lEuro sur la dynamique des spreads
de crdit semble positif et significativement diffrent de zro. Laccroissement du taux de
change auquel les firmes sont soumises serait donc tre une source potentielle de variation des
primes de risques sur le march des obligations dentreprise (Barnhill et Maxwell, 1999).
Leffet semble tre fonction du secteur et du rating de lmission. Les spreads des indices
obligataires de faibles ratings et ceux du secteur industriel sont plus affects par lvolution
du taux de change effectif rel de leuro. Sans doute en raison du risque quelle fait peser sur
la comptitivit des entreprises surtout industrielles. Pesaran et al. (2006), trouvent que les
variations de taux de change sont des facteurs potentiels de dfaillance des entreprises.
96
Avec le taux de change Euro/dollar (estimation disponible sur demande auprs de lauteur) les rsultats sont semblables.
Ce qui est normal, dautant que les deux variables sont corrles. Toutefois, le niveau de significativit est plus important
quand on considre le taux de change effectif rel.

134

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

On note toutefois que, les facteurs de marchs nexpliquent quune partie relativement faible
de la variation de spreads de crdit observs. Les R ajusts fluctuent autours de 25%.
Collin-Dufresne et al. (2001) obtiennent des rsultats similaires pour lanalyse du spreads de
crdit amricain. Par ailleurs, le modle induit des rsidus beaucoup plus importants pour les
titres moins bien nots. Le coefficient de dtermination ajusts (R) est en effet de lordre de
33% pour les obligations AAA, 30% pour celles notes AA, 23% pour les titres de rating A,
et 13% pour les obligations BBB. Les estimations semblent donc sont plus fiables pour les
missions ayant de bons ratings. Une explication plausible de ces rsultats est que la faible
liquidit sur les titres les plus risqus induirait des biais dans les donnes de spreads utilises.

3.4.2 Crise financire, crise de liquidit et spreads de crdit


Pour mettre en vidence limpact des crises financires nous sparons notre chantillon en
trois sous chantillons correspondant aux priodes de crises et de stabilit financires comme
suit (At-Sahalia et al., 2010) :
-

sous-priode correspondant la crise des valeurs technologiques de mars 2000


juin 2003 (voir Lamfalussy, 2005) ;

sous priode de tranquillit: Juillet 2003 juin 2007 ;

sous priode relative la crise des subprimes : Juillet 2007 mars 2008
(Mokni et al., 2009).

Nous estimons le modle sur les deux premiers sous chantillons et comparons les rsultats
ceux de la priode entire (tableau 3.7.3).
En raison du faible nombre dobservations sur le dernier sous-chantillon, nous simulons les
spreads de crdit sur cette priode, correspondant la crise des subprimes, que nous
comparons aux valeurs rellement observes (voir graphique 3.7.1). Les simulations sont
fondes sur les estimations ralises sur lensemble de lchantillon hors priode de la crise
des subprimes.
On note que l'impact de la liquidit sur les spreads de crdit est trs important en priode de
crises financires97, surtout sur les titres les plus risqus (tableau 3.7.3). En effet, face
lincertitude lie limpact des crises financires sur lconomie relle, laversion envers le
risque devient plus croissante. Les investisseurs dlaissent massivement les emprunts perus
comme risqus et vulnrables. Ils tmoignent dune prfrence pour les titres jugs sans
risque (obligations dEtat en particulier). Cette recherche des meilleures signatures se produit
97

Pendant les priodes de relative stabilit financire, limpact de la liquidit sur la valorisation des titres risqus
est mitig voire inexistant.

135

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

par un largissement des carts de rendement, particulirement pour les obligations faible
rating (Helwege et Kleiman, 1997). Ces phnomnes de la course la qualit
(flight to quality), sont souvent observs en priode de crises financires et refltent la
fois une augmentation du risque de dfaut et celle du risque de liquidit.
Par ailleurs, on observe aussi une influence plus importante de la volatilit du cours des
actions sur le march des obligations prives pendant la priode des crises financires. Cela
peut sexpliquer par le fait que la volatilit du march boursier tant associe une
augmentation de la probabilit de dfaut, son accroissement pendant les priodes de crises
augmente le risque de dfaut sur le march des obligations dentreprise.
Ces rsultats montrent donc une interdpendance entre le spread des crdits, le march
obligataire public et le march boursier et mme le march de change. Cette Interdpendance
est de nature accrotre linstabilit du systme financier surtout en priode de crises
financires.
Enfin la comparaison des valeurs simules et observes des spreads de crdit
(graphique 3.7.1), montre que le modle sous estime la variation des primes de risque sur la
priode de la crise des subprimes, particulirement pour les valeurs financires.
La sensibilit des spreads de crdit aux conditions des marchs pendant cette priode semble
par consquent plus renforce (At-Sahalia et al, 2010). Ce qui confirme le caractre
particulirement volatile des spreads de crdit pendant la priode des crises financires.

3.4.3 Effet asymtrique de la volatilit du march boursier sur les spreads de crdit
Dans cette partie, nous examinons si l'impact de la volatilit du march boursier sur les
spreads de crdit tait asymtrique (Bekaert et Wu, 2000 et Collin-Dufresne, 2001).
Pour cela, nous adoptons une nouvelle spcification du modle (q. 3.8) qui scrit :
S t = + S t -1 + 1 RtStoxx
+ 2 rt + 3 Slop t + 4 tr + 5 liq t + 6 Chg t
-1
+ 7 tStoxx + 8 (1 ) tStoxx + t

t = ( t )1 / 2 t
ln( t2 )

= + t -1 + t -1 + ln( t2-1 )
t -1
t -1

(3.8)

avec :

t ~ Skewed - GED( , )

o prend la valeur 1 si la variation de la volatilit implicite de lindice DJ Eurostoxx 50


entre t et t-1 est positive et 0 sinon.

136

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Lquation est estime sur lensemble de lchantillon et sur deux sous chantillons
correspondant aux priodes de crises et de stabilits financires.
La raison de cette spcification est quelle pourrait capter un ventuel impact asymtrique des
variations positives et ngatives de la volatilit implicite de lindice DJ Eurostoxx 50 sur les
spreads de crdit. Ainsi, si les coefficients 7 ,i, j et 8,i, j sont sensiblement gaux et diffrents
de zro, alors limpact asymtrique peut tre rejet. Nous utilisons le test de Wald (F-statistic)
pour tester lhypothse nulle H0 : 7 ,i , j = 8,i , j .
Les rsultats de lestimation de l'quation (3.8), ralise par secteurs, et du test de Wald sont
prsents dans le tableau 3.7.3.
Le test de Wald rejette lhypothse nulle dgalit des coefficients (H0: 7 ,i , j = 8,i , j ) au seuil de
5% pour tous des indices obligataires. Ce rsultat met donc en vidence leffet asymtrique de
la volatilit boursire sur les spreads de crdit, qui sont plus affects par les augmentations
que les baisses de volatilit du march des actions. Le march des obligations prives en euro,
semble donc ne ragir ( la hausse) qu une augmentation de lincertitude sur le march
boursier (Collin-Dufresne, 2001).
Enfin, lexamen de limpact par secteur, du taux de change de leuro sur la dynamique des
spreads de crdit, montre que ce sont les spreads des metteurs industriels qui sont les plus
affects, sans doute en raison de leur impact sur la comptitivit des entreprises.

3.5 Conclusion
A partir des modles structurels dvaluation de la dette risque, cette tude examine les
principaux facteurs de risque sur les obligations prives en utilisant les spreads de crdit en
frquence quotidienne de lindice obligataire Investment grade de Merrill Lynch sur la
priode de janvier 1999 mars 2008. Les facteurs explicatifs utiliss sont lis aux conditions
de taux, ltat du march action, la liquidit du march obligataire et au march des
changes.
Le principal rsultat de cette tude est quil existe une interdpendance entre le spread des
crdits et les rendements sur le march obligataire public, le march boursier et mme le
march de change. Cette interdpendance est de nature accrotre linstabilit du systme
financier surtout en priode de crises financires.
Indpendamment de la situation financire de la firme mettrice, les pertes attendues sur une
obligation dentreprise dpendent des taux sans risque, du rendement du march boursier et sa

137

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

volatilit, du taux de change ainsi que de la liquidit sur le march obligataire. La liquidit
semble influencer les spreads de crdit, notamment pendant les priodes de crises financires.
Par ailleurs, l'effet de ces facteurs est fonction des caractristiques de lobligation : le rating et
dans une moindre mesure, la maturit du titre. Ainsi, les spreads de crdit des obligations de
rating infrieur sont plus affects par les conditions de march.
Enfin, nos rsultats mettent en vidence un effet asymtrique de la volatilit boursire sur la
variation des spreads de crdit qui sont plus affects par les augmentations que les baisses de
volatilit du march des actions.
Cependant, deux limites peuvent tre observes dans linterprtation de ces rsultats.
Dabord, on note une trs forte persistance de la volatilit. Ensuite, les facteurs mis en
vidence nexpliquent quune partie relativement faible de la variation de spreads de crdit
observs. Les R tant de lordre 25%.
Les raisons qui expliquent le niveau lev des rsidus du modle peuvent tre de plusieurs
ordres :

les classes de rating pourraient souffrir de problmes dhtrognit. En effet, la


distinction par classes de rating nest fiable et non biaise, que si toutes les entreprises
dune mme classe ont le mme risque de dfaut ;

la non prise en compte dans le modle des facteurs idiosyncratiques (propres aux
firmes mettrices) ou des facteurs macroconomiques (Gupton et Stein, 2002 et Huang
et Kong, 2003).

Le chapitre suivant examine limpact des publications dindicateurs macroconomiques sur


lvaluation des primes de risque sur le march des obligations prives.

138

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

3.6 Bibliographie

At-Sahalia Y., Andritzky J., Jobst A., Nowak S. et Tamirisa N. (2010), Market response
[1] to policy initiatives during the global financial crisis, NBER Working Paper 15809
http://www.nber.org/papers/w15809.

[2]

Ang A., Piazzesi M. et Wei M. (2006), What does the yield curve tell us about GDP
growth?, Journal of Econometrics, 131, 359-403.

Barnhill T. et Maxwell W. (1999) Modeling correlated interest rate, exchange rate, and
[3] credit risk in fixed income portfolios College of Business Administration Texas Tech
University ,Working Paper.
[4]

Bekaert G. et Wu G. (2000), Asymmetric volatility and risk in equity markets, Review of


Financial Studies, 9, 1-42.

[5]

Bernard H. et Gerlach S. (1998) Does the term structure predict recessions?


The international evidence, CEPR Discussion Paper N 1892.

[6]

Black F. et Cox J. (1976), Valuing corporate securities: some effects of bond indenture
provisions, Journal of Finance, 31, 351-367.

[7]

Black F. et Scholes M. (1973), The pricing of options and corporate liabilities,


Journal of Political Economy, 81, 637-654.

[8]

Boss M. et Scheicher M. (2002), The determinants of credit spread changes in the euro
area, Bank for International Settlements Paper, 12, 181-199.

[9]

Campbell J. Y. et Taksler G. (2003), Equity volatility and corporate bond yields,


Journal of Finance, 58, 2321-2349.

[10]

Castagnetti C. & Rossi E. (2006), Euro corporate bonds risk factors, Universit di Pavia
Working Paper.

[11]

Collin-Deferens P., R. Goldstein et S. Martin (2001), The determinants of credit spread


changes. Journal of Finance, 56, 2177-2207.

[12]

Cont R. et Bruyre R. (2004), Les produits drivs de crdit , sous la direction de


Richard Bruyre, Ed. Economica.

[13]

Cooper N., Hillman R. & D. Lynch (2001), Interpreting movement in high-yield


corporate bond market spreads, Bank of England Quarterly Bulletin, 110 - 120.

139

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

[14]

Cox J., Ingersoll J. et Ross S. (1985), A theory of the term structure of interest rates,
Econometrica, 53, 385-407

Delianedis, G. et Geske, R. (2001), The components of corporate credit spreads: default,


[15] recovery, tax, jumps, liquidity and market factors, University of California, Los Angeles,
Working Paper N 22 01.

[16]

Duffee G. (1998), The relation between treasury yields and corporate bond yield
spreads, Journal of Finance, 53, 2225-2241.

[17]

Duffee G. (1999), Estimating the price of default risk, The Review of Financial Studies,
12, 197-226.

[18]

Duffie D. et Singleton K. J. (1999), Modeling term structures of defaultable bonds,


Review of Financial Studies, 12, 687-720.

[19]

Elton E., Gruber M., Agrawal D. et Mann (2001) C., Explaining the rate spread on
corporate bonds, Journal of Finance, 56, 247-277.

[20]

Ericsson J. et Renault O. (2006), Liquidity and credit risk, Journal of Finance,


61, 2219-2250.

[21]

Estrella A. et Hardouvelis G. A. (1991), The term structure as a predictor of real


economic activity, Journal of Finance, 46, 555-576.

[22]

Estrella A. et Mishkin F. S. (1998), Predicting U.S. recessions: Financial variables as


leading indicators, Review of Economics and Statistics, 80, 45-61.

[23]

Fama E. F. et French, K. R. (1989), Business conditions and expected returns on stocks


and bonds, Journal of Financial Economics, 25, 23-49.

[24]

Fons J. (1994), Using default rates to model the term structure of credit risk,
Financial Analyst Journal, 50, 25-32.

[25]

Geske R. (1977), The valuation of corporate liabilities as compound options,


Journal of Financial and Quantative Analysis, 12, 541-552.

[26]

Geske R. et Johnson H. E. (1984), The american put option valued analytically,


The Journal of finance, 39, 1511-1524.

140

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

[27]

Gupton G. et Roger Stein R. (2002), LossCalTM: Moody's model for predicting loss
given default (LGD), Moody's Investors Services, Global Credit Research.

[28]

Helwege J., Kleiman K., (1997), Understanding high yield bond default rates,
Journal of Fixed Income, 5, 79-88.

[29]

Houweling P., Mentink A. et Vorst T. (2005), Comparing possible proxies of corporate


bond liquidity, Journal of Banking and Finance, 29, 1331-1358.

[30]

Hsu J. C., Saa-Requejo J. et Santa-Clara P.(2005), A structural model of default risk,


Working paper, School of Management at UCLA

Huang J. Z. et Kong W. (2003), Explaining credit spread changes: Some new evidence
[31] from Option-Adjusted Spreads of bond indices, New-York University,
Working Paper N S-CDM-03-08.
[32]

Jarrow R., Lando D. et Turnbull S. (1997), A Markov model for the term structure of
credit risk spreads, Review of Financial Studies, 10, 481-523.

[33]

Jones, Philip E., Scott P. Mason et Eric Rosenfeld (1984), Contingent claims analysis of
corporate capital structures: An empirical investigation, Journal of Finance, 39, 611-625.

[34]

Kao D.L. (2000) Estimating and pricing credit risk: An overview, Financial Analysts
Journal, July/August, 50-66.

[35]

Kim J., Ramaswamy K.et Sundaresan S. (1993), Does default risk in coupons affect the
valuation of corporate bonds, Financial Management, 22, 117-131.

[36]

Kwan, S.H. (1996), Firm-specific information and the correlation between individual
stocks and bonds, Journal of Financial Economics, 40, 63-80.

[37]

Lamfalussy A. (2005), Les turbulences financires des annes 2000-2003 , Reflets et


perspectives, XLIV (1), 87-92.

[38]

Leland H (1994), Corporate debt value, bond covenants and optimal capital structure,
Journal of Finance, 49, 1213-1252.

[39]

Litterman R. et Iben T. (1991), Corporate bond valuation and the term structure of credit
spreads, Financial Analysts Journal, Spring, 52-64.

Liu J., Longstaff F. A. et Mandell R. E. (2000), The market price of credit risk: An
[40] empirical analysis of interest rate swap spreads, Anderson School at UCLA,
Working Paper.

141

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

[41]

Longstaff F. A. et Schwartz E. S. (1995), Valuing risky debt: A new approach, Journal


of Finance, 50, 789-819.

[42]

Merton R. (1974), On the pricing of corporate debt: The risk structure of interest rates,
Journal of Finance, 29, 449-470.

[43] Merton R. (1998), "Nobel prize address", American Economic Review, 88(3), 343.
Mokni K, Mighri Z. et Mansouri F. (2009), On the effect of subprime crisis on Value-at[44] Risk estimation: GARCH family models approach, International Journal of Economics
and Finance, 2 (1), 88-104.

[45]

Ohyama S. et Takuya Sugimoto T., (2007) The determinants of credit spread changes in
Japan Bank of Japan, Working Paper N 07-E-4.

[46]

Perraudin W.R. et Taylor A.P. (2003), Liquidity and bond market spreads",
Bank of England, Working Paper N 879.

Pesaran M. H., Schuermann T., Treutler B-J. ET Weiner S. M. (2006), Macroeconomic


[47] dynamics and credit risk: A global perspective, Journal of Money Credit and Banking,
38, 1211-1262.
[48]

Ramaswami, M. (1991), Hedging the equity risk of high-yield bonds, Financial Analyst
Journal, 47, 41-50.

[49]

Ronn E.I. & Verma A. K. (1986), Pricing risk-adjusted deposit insurance:


An option-based model, Journal of Finance, 41, 871-895.

[50]

Sa-Requejo J. et P. Santa-Clara (1999), Bond pricing with default risk, Working Paper,
UCLA.

[51]

Sarig O. et Warga A. (1989), Some empirical estimates of the risk structure of interest
rates, Journal of Finance, 44, 1351-1360.

[52]

Sdillot F. (1999), La pente des taux contient-elle de linformation sur lactivit


conomique, Banque de France, Note dtude et de recherche (NER), 67, 1-26.

[53]

Shan, H. (1994), Comovements of low-grade debt and equity returns of highly leveraged
firms, Journal of Fixed Income, 3, 79-89.

[54]

Shimko D., Tejima N. et Van Deventer D. (1993), The pricing of risky debt when interest
rates are stochastic, Journal of Fixed Income, 3, 58-65.

142

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

[55]

Szpiro D. (2009), Economie montaire et financire, Editions De Boeck Universit


(1re dition).

[56]

Van Landschoot A. (2008), Determinants of yield spread dynamics: Euro versus US


dollar corporate bonds Journal of Banking and Finance, 32, 2597-2605.

[57]

Vasicek O. (1977), An equilibrium characterization of the term structure,


Journal of Financial Economics, 5, 177-188.

[58]

Zhou C., (2001), The term structure of credit spreads with jump risk, Journal of Banking
and Finance, 25, 2015-2040.

143

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

3.7 Annexes

144

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Tableau 3.7.1 : Conditions de march et spreads de crdit


Ce tableau prsente le rsultat de ltude dimpact des conditions de march sur la dynamique des spreads de crdit selon le modle :

+ 3 tStoxx + 4 rt + 5 Slop t
S t = + S t -1 + 1 R tStoxx 2 R tStoxx
-1
+ 6 rt + 7 liq t + 8 Chg t + t

ln( t2 ) = +

avec :

t ~ Skewed - GED( , )

t = ( t )1 / 2 t
o ,

RtStoxx

t -1
+ t -1 + ln( t2-1 )
t -1
t -1

et i reprsentent respectivement la constante,

le coefficient dautoregression des spreads de crdit en diffrence premire et les coefficients de la rgression ; St le spread de crdit linstant t.

= 100(log Pt log Pt 1 ) reprsente le rendement bousier de lindice DJ EuroStoxx 50 ; tStoxx , la volatilit implicite sur lindice DJ EuroStoxx 50 ; rt , le taux dintrt 10 ans en euro (Euro Generic Goverment) ; Slopt ,

la pente de la courbe du taux (cart entre taux dintrt 10 ans en euro et le taux 3 mois Euribor) ; tr , la volatilit implicite sur option taux europen (Euro Generic Goverment) 10 ans, dchance trois mois en variation ; Liq
la liquidit du march des obligations dentreprise en euro (Euro Spread swap 5 ans) ; Chgt ; le taux de change effectif rel de leuro, avec Chgt = 100(log Chgt log Chgt 1 ) , t , les rsidus de la rgression et

sa variance.
reprsente le terme autorgressif du logarithme de la variance, leffet dun choc sur les spreads de crdit (variations) et leffet dasymtrie correspondant limpact complmentaire ou spcifique dun choc
2

tant la constante de la variance conditionnelle (en log). L'chantillon couvre la priode du 06/01/1999 au 31/03/2008 (2315 observations). Notre estimation est fonde sur la procdure de quasi-maximum de
vraisemblance. Lalgorithme utilis est celui de Marquardt. Les valeurs entre parenthses sont les t-statistics sauf pour les F-statistics qui sont des P-values. Les caractres gras indiquent que les coefficients sont significatifs au seuil
de 10%. Les parties A, B, C et D du tableau prsentent respectivement les rsultats des estimations par ratings et maturits.

ngatif ;

1-3ans

3-5ans

Modle 1
5-7ans

7-10ans

A- Estimation du modle pour les indices obligataires de rating AAA


Modle 2
10ans et +
1-3ans
3-5 ans
5-7ans
7-10ans
10ans et +

1-3ans

3-5 ans

Modle 3
5-7ans

7-10ans

10ans et +

Equation de la moyenne

Cste

0,04
(1.62)

0,05
(2.10)

0,03
(1.33)

0,00
(-0.06)

0,01
(0.71)

0,03
(1.21)

0,04
(1.76)

0,01
(0.41)

0,00
(-0.13)

-0,01
(-0.35)

0,03
(1.21)

0,04
(1.65)

0,01
(0.25)

0,00
(0.21)

-0,01
(-0.32)

St 1

-0,37
(-14.67)

-0,38
(-18.31)

-0,34
(-17.36)

-0,35
(-17.73)

-0,27
(-9.72)

-0,36
(-14.75)

-0,38
(-18.12)

-0,33
(-15.65)

-0,35
(-17.66)

-0,28
(-10.60)

-0,36
(-14.29)

-0,38
(-17.64)

-0,32
(-15.22)

-0,35
(-17.27)

-0,27
(-10.03)

RtStoxx

-0,14
(-3.38)

-0,23
(-5.18)

-0,27
(-6.19)

-0,20
(-4.33)

-0,16
(-3.31)

RtStoxx
1

0,06
(1.63)

0,01
(0.21)

-0,05
(-1.26)

-0,05
(-1.26)

0,00
(-0.00)

0,06
(1.40)

0,00
(0.07)

-0,07
(-1.53)

-0,05
(-1.19)

-0,05
(-0.67)

tStoxx

0,08
(2.53)

0,08
(3.42)

0,08
(2.95)

0,05
(2.17)

0,07
(2.63)

0,10
(4.30)

0,12
(6.35)

0,10
(4.37)

0,09
(4.03)

rt

0,04
(1.76)
-0,12
(-12.42)

-0,13
(-15.64)

-0,16
(-24.70)

-0,11
(-18.92)

-0,11
(-8.08)

Slopt

-0,05
(-9.47)

-0,04
(-9.50)

-0,04
(-8.01)

-0,03
(-5.12)

-0,04
(-9.36)

-0,04
(-7.97)

-0,03
(-5.05)

0,13
(1.78)

0,23
(3.22)

0,26
(3.94)

0,24
(1.94)

-0,04
(-7.99)
0,03
(0.65)

-0,05
(-9.61)

tr

-0,04
(-8.11)
0,03
(0.67)

0,13
(1.82)

0,24
(3.23)

0,27
(4.06)

0,25
(1.78)

Liqt

0,06
(3.27)

0,10
(5.10)

0,10
(6.57)

0,09
(6.12)

0,05
(2.72)

0,08
(4.18)

0,12
(6.70)

0,13
(9.14)

0,11
(7.28)

0,08
(4.08)

0,08
(3.72)

0,12
(6.30)

0,14
(9.09)

0,11
(7.21)

0,08
(4.32)

Chg t

0,64
(3.21)

0,73
(3.73)

0,80
(4.27)

0,82
(4.11)

0,82
(3.42)

0,62
(3.08)

0,69
(3.49)

0,74
(3.91)

0,76
0,80
(3.79)
(3.15)
Suite page suivante

145

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Suite du tableau 3.7.1 A


Modle 1
1-3ans

Modle 2

Modle 3

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

Equation de la variance

-0,14
(-4.32)

-0,06
(-4.26)

-0,14
(-6.92)

-0,07
(-5.47)

-0,11
(-2.99)

-0,11
(-4.87)

-0,05
(-4.40)

-0,12
(-6.37)

-0,07
(-5.76)

-0,09
(-4.76)

-0,11
(-4.75)

-0,05
(-4.07)

-0,12
(-6.49)

-0,08
(-5.18)

-0,09
(-4.67)

0,20
(3.86)

0,08
(4.48)

0,18
(7.02)

0,10
(5.53)

0,18
(2.76)

0,15
(4.59)

0,07
(4.52)

0,16
(6.33)

0,10
(5.80)

0,15
(4.37)

0,15
(4.39)

0,07
(4.17)

0,17
(6.48)

0,11
(5.29)

0,14
(4.50)

0,03
(1.14)

0,05
(1.66)

0,05
(1.63)

0,01
(0.59)

0,07
(1.60)

0,02
(0.96)

0,06
(1.70)

0,03
(1.33)

0,01
(0.43)

0,04
(1.35)

0,02
(0.74)

0,06
(1.87)

0,02
(1.02)

0,01
(0.32)

0,04
(1.30)

0,96
(63.33)

0,98
(83.46)

0,98
(83.76)

0,98
(81.34)

0,98
(87.25)

0,98
(87.30)

0,98
(85.76)

0,97
(71.47)

0,97
(68.02)

0,98
(87.89)

0,98
(87.06)

0,98
(85.32)

0,98
(87.82)

0,98
(82.09)

0,98
(81.04)

Paramtres de la loi de distribution

1,08
(26.03)

1,11
(27.24)

1,09
(38.34)

1,11
(28.56)

1,08
(20.19)

1,09
(27.17)

1,10
(29.60)

1,11
(27.56)

1,09
(29.42)

1,08
(2270)

1,08
(29.40)

1,10
(31.19)

1,11
(37.29)

1,09
(39.01)

1,08
(22.36)

0,00
(1.97)

0,00
(3.24)

0,00
(3.09)

0,00
(2.56)

0,01
(3.21)

0,00
(2.06)

0,00
(2.97)

0,00
(3.26)

0,00
(3.11)

0,01
(2.31)

0,00
(2.29)

0,00
(2.93)

0,00
(2.73)

0,00
(2.27)

0,01
(2.70)

Adj. R

0,26

0,34

0,35

0,31

0,20

0,18

0,25

0,23

0,22

0,13

0,17

0,25

0,22

0,22

0,13

146

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

B- Estimation de lquation pour les indices obligataires de rating AA


Modle 1
1-3ans

Modle 2

Modle 3

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

Equation de la moyenne
Cste

0,05
(1.59)

0,03
(1.36)

0,03
(1.46)

0,02
(1.11)

0,01
(0.36)

0,06
(2.03)

0,03
(1.24)

0,02
(0.71)

0,01
(0.41)

0,00
(0.18)

0,04
(1.41)

0,03
(1.35)

0,02
(0.73)

0,00
(0.21)

-0,01
(-0.54)

St 1

-0,35
(-13.31)

-0,34
(-14.716)

-0,36
(-17.96)

-0,32
(-14.96)

-0,26
(-7.83)

-0,36
(-13.65)

-0,34
(-14.21)

-0,36
(-15.70)

-0,32
(-14.42)

-0,26
(-7.53)

-0,37
(-13.34)

-0,33
(-13.75)

-0,35
(-15.26)

-0,32
(-14.25)

-0,26
(-7.77)

RtStoxx

-0,18
(-3.68)

-0,32
(-6.13)

-0,34
(-7.88)

-0,26
(-6.02)

-0,29
(-3.68)

RtStoxx
1

0,02
(0.28)

-0,04
(-0.91)

-0,05
(-1.25)

-0,07
(-1.81)

-0,02
(-0.41)

0,01
(0.17)

-0,07
(-1.46)

-0,06
(-1.39)

-0,07
(-2.00)

-0,02
(-0.42)

tStoxx

0,05
(1.78)

0,12
(3.68)

0,12
(5.06)

0,12
(3.68)

0,11
(4.84)

0,09
(2.614)

0,14
(5.60)

0,14
(7.73)

0,14
(5.62)

0,13
(5.12)

rt

-0,13
(-11.70)

-0,14
(-16.36)

-0,14
(-23.34)

-0,14
(-20.99)

-0,13
(-11.32)

Slopt

-0,06
(-7.03)

-0,04
(-6.84)

-0,04
(-9.23)

-0,04
(-8.79)

-0,03
(-3.63)

-0,06
(-7.60)

-0,04
(-6.82)

-0,04
(-8.55)

-0,04
(-8.57)

-0,03
(-3.82)

tr

0,04
(0.37)

0,15
(1.96)

0,20
(2.91)

0,26
(2.07)

0,24
(2.28)

0,05
(0.47)

0,16
(1.69)

0,19
(2.81)

0,25
(2.30)

0,24
(2.40)

Liqt

0,07
(2.77)

0,10
(4.32)

0,08
(5.75)

0,08
(5.50)

0,03
(2.22)

0,09
(3.62)

0,12
(6.18)

0,11
(7.18)

0,10
(6.56)

0,04
(3.62)

0,09
(3.55)

0,13
(5.56)

0,11
(7.30)

0,11
(6.23)

0,05
(3.64)

Chg t

0,83
(2.29)

0,86
(4.20)

0,92
(5.17)

0,79
(4.25)

0,80
(2.21)

0,89
(2.00)

1,03
(4.12)

0,89
(4.99)

0,69
(3.66)

0,71
(2.71)

Suite page suivante

147

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Suite du tableau 3.7.1 B

Modle 1
1-3ans

Modle 2

Modle 3

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

Equation de la variance

-0,10
(-1.60)

-0,04
(-3.94)

-0,15
(-5.59)

-0,28
(-7.14)

-0,07
(-4.28)

-0,07
(-1.11)

-0,05
(-4.21)

-0,16
(-5.89)

-0,16
(-6.13)

-0,07
(-4.52)

-0,08
(-1.23)

-0,05
(-4.16)

-0,17
(-6.06)

-0,16
(-6.46)

-0,07
(-4.34)

0,16
(2.15)

0,05
(3.99)

0,20
(5.55)

0,41
(7.25)

0,09
(4.16)

0,12
(1.89)

0,07
(4.31)

0,22
(5.74)

0,22
(6.00)

0,10
(4.37)

0,12
(1.72)

0,07
(4.31)

0,24
(5.92)

0,23
(6.22)

0,10
(4.17)

0,09
(1.66)

0,03
(3.26)

0,07
(2.57)

0,06
(2.07)

0,02
(1.68)

0,09
(1.68)

0,05
(3.07)

0,05
(1.77)

0,04
(1.72)

0,02
(1.84)

0,09
(1.65)

0,05
(3.38)

0,05
(1.73)

0,03
(1.74)

0,02
(1.89)

0,98
(86.69)

0,98
(81.63)

0,98
(88.60)

0,98
(89.34)

0,98
(81.21)

0,98
(81.41)

0,98
(81.59)

0,98
(86.93)

0,97
(87.76)

0,97
(87.47)

0,98
(86.97)

0,98
(83.79)

0,98
(83.53)

0,97
(75.81)

0,98
(86.96)

Paramtres de la loi de distribution

1,07
(40.10)

1,08
(45.05)

1,08
(48.15)

1,09
(46.80)

1,07
(39.95)

1,08
(36.83)

1,08
(40.56)

1,08
(42.85)

1,08
(42.85)

1,07
(32.96)

1,08
(39.11)

1,09
(40.10)

1,08
(42.85)

1,08
(39.20)

1,07
(36.05)

0,01
(3.27)

0,01
(3.93)

0,01
(3.86)

0,01
(4.06)

0,02
(3.05)

0,01
(3.19)

0,01
(4.12)

0,01
(4.02)

0,01
(3.90)

0,02
(2.92)

0,01
(2.75)

0,01
(3.12)

0,01
(3.60)

0,01
(3.06)

0,02
(2.96)

Adj. R

0,21

0,30

0,33

0,32

0,17

0,16

0,21

0,23

0,21

0,12

0,16

0,20

0,22

0,20

0,12

148

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

C- Estimation du modle pour les indices obligataires de rating A


Modle 1
1-3ans

Modle 2

Modle 3

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

Equation de la moyenne
Cste

0,03
(0.90)

0,03
(1.37)

0,03
(1.18)

0,00
(-0.02)

0,00
(0.10)

0,02
(0.46)

0,04
(1.42)

0,01
(0.24)

0,00
(0.15)

-0,03
(-0.90)

0,02
(0.64)

0,04
(1.48)

0,01
(0.50)

0,00
(0.10)

-0,03
(-0.84)

St 1

-0,25
(-4.48)

-0,24
(-11.15)

-0,20
(-6.52)

-0,26
(-10.74)

-0,17
(-6.33)

-0,27
(-7.49)

-0,22
(-9.67)

-0,21
(-8.27)

-0,23
(-10.27)

-0,16
(-5.94)

-0,27
(-10.72)

-0,22
(-9.51)

-0,19
(-7.30)

-0,23
(-9.71)

-0,16
(-6.15)

RtStoxx

-0,18
(-1.72)

-0,40
(-6.88)

-0,47
(-6.86)

-0,39
(-7.65)

-0,35
(-3.75)

RtStoxx
1

-0,17
(-4.02)

-0,13
(-2.77)

-0,13
(-3.09)

-0,11
(-2.32)

-0,05
(-0.76)

-0,14
(-3.00)

-0,12
(-2.43)

-0,13
(-2.65)

-0,13
(-2.62)

-0,08
(-1.13)

tStoxx

0,11
(3.17)

0,14
(4.77)

0,17
(5.47)

0,16
(5.39)

0,15
(3.00)

0,13
(4.61)

0,17
(6.16)

0,20
(6.44)

0,19
(7.40)

0,16
(4.06)

rt

-0,14
(-17.34)

-0,15
(-19.81)

-0,15
(-19.57)

-0,15
(-20.70)

-0,12
(-8.88)

Slopt

-0,05
(-8.38)

-0,04
(-7.28)

-0,05
(-7.60)

-0,04
(-6.54)

-0,03
(-4.65)

-0,05
(-7.82)

-0,04
(-7.26)

-0,05
(-7.46)

-0,04
(-6.34)

-0,03
(-4.68)

tr

0,24
(2.17)

0,24
(2.19)

0,27
(2.80)

0,28
(3.16)

0,26
(1.96)

0,26
(2.31)

0,24
(2.24)

0,30
(3.07)

0,31
(3.69)

0,28
(2.19)

Liqt

0,10
(2.56)

0,10
(4.63)

0,08
(3.45)

0,08
(4.12)

0,04
(1.87)

0,07
(3.21)

0,10
(5.53)

0,10
(5.19)

0,10
(5.36)

0,07
(3.08)

0,09
(3.85)

0,10
(5.43)

0,11
(5.13)

0,11
(5.33)

0,08
(3.03)

Chg t

0,85
(4.42)

0,98
(4.39)

1,07
(4.47)

0,81
(3.97)

1,14
(4.19)

0,89
(4.11)

0,93
(4.19)

1,04
(4.39)

0,80
(4.23)

1,18
(4.47)

Suite page suivante

149

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Suite du tableau 3.7.1 C

Modle 1
1-3ans

Modle 2

Modle 3

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

Equation de la variance

-0,12
(-3.25)

-0,10
(-5.13)

-0,08
(-2.61)

-0,20
(-5.03)

-0,08
(-3.58)

-0,13
(-4.02)

-0,10
(-6.27)

-0,10
(-4.49)

-0,14
(-7.32)

-0,08
(-4.50)

-0,14
(-3.74)

-0,11
(-6.89)

-0,09
(-4.58)

-0,15
(-7.41)

-0,09
(-4.40)

0,19
(3.42)

0,14
(5.36)

0,12
(2.68)

0,35
(6.57)

0,13
(3.95)

0,19
(4.04)

0,15
(6.60)

0,14
(4.67)

0,21
(7.47)

0,14
(4.74)

0,21
(3.61)

0,16
(7.00)

0,14
(4.75)

0,24
(7.56)

0,14
(4.64)

0,04
(1.73)

0,08
(4.06)

0,04
(2.81)

0,10
(3.51)

0,04
(2.46)

0,03
(1.69)

0,07
(3.46)

0,04
(2.69)

0,05
(2.82)

0,04
(2.18)

0,02
(1.67)

0,07
(3.49)

0,04
(2.64)

0,06
(2.73)

0,04
(2.11)

0,97
(79.72)

0,97
(74.81)

0,98
(80.20)

0,98
(82.91)

0,98
(81.36)

0,98
(89.25)

0,98
(89.24)

0,98
(86.01)

0,97
(73.41)

0,98
(87.85)

0,98
(83.56)

0,98
(85.42)

0,98
(89.31)

0,96
(61.51)

0,98
(88.41)

Paramtres de la loi de distribution

1,07
(31.07)

1,08
(38.67)

1,08
(40.51)

1,08
(43.29)

1,07
(30.26)

1,07
(40.21)

1,08
(39.77)

1,08
(40.87)

1,08
(41.13)

1,08
(31.07)

1,07
(40.56)

1,08
(37..99)

1,08
(40.70)

1,08
(41.22)

1,07
(31.91)

0,02
(5.22)

0,02
(5.45)

0,02
(5.90)

0,02
(6.29)

0,02
(4.73)

0,02
(5.29)

0,02
(4.92)

0,02
(5.59)

0,02
(5.83)

0,02
(4.12)

0,02
(5.27)

0,02
(4.93)

0,02
(5.03)

0,02
(5.63)

0,02
(4.17)

Adj. R

0,17

0,18

0,22

0,23

0,16

0,12

0,10

0,13

0,13

0,09

0,12

0,10

0,12

0,12

0,08

150

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

D- Estimation de lquation pour les indices obligataires de rating BBB


Modle 1
1-3ans

Modle 2

Modle 3

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

Equation de la moyenne

Cste

0,19
(3.03)

0,06
(1.68)

0,06
(1.75)

0,10
(2.17)

0,14
(2.03)

0,04
(0.98)

0,02
(0.66)

0,06
(1.40)

0,12
(1.89)

0,03
(0.72)

0,02
(0.46)

0,05
(1.14)

St 1

-0,09
(-1.66)

-0,06
(-2.19)

-0,06
(-1.76)

-0,02
(-0.78)

-0,08
(-1.68)

-0,08
(-3.07)

-0,05
(-1.80)

-0,04
(-1.34)

-0,09
(-1.72)

-0,06
(-2.38)

-0,04
(-1.89)

-0,01
(-0.32)

RtStoxx

-0,51
(-3.54)

-0,69
(-6.24)

-0,57
(-7.15)

-1,16
(-6.77)

RtStoxx
1

-0,20
(-3.15)

-0,26
(-2.68)

-0,26
(-3.32)

-0,59
(-4.27)

-0,16
(-2.30)

-0,27
(-2.78)

-0,29
(-4.00)

-0,57
(4.48)

tStoxx

0,15
(3.36)

0,22
(4.98)

0,22
(6.00)

0,41
(5.67)

0,21
(3.41)

0,26
(4.83)

0,26
(7.43)

0,44
(6.23)

rt

-0,15
(-3.81)

-0,14
(-9.07)

-0,14
(-10.03)

-0,14
(-10.08)

Slopt

-0,03
(-1.72)

-0,03
(-3.46)

-0,03
(-4.07)

-0,04
(3.91)

-0,03
(-2.54)

-0,03
(-3.10)

-0,03
(-4.47)

-0,04
(-3.27)

tr

0,31
(3.95)

0,42
(2.40)

0,42
(2.77)

0,46
(2.65)

0,36
(3.05)

0,40
(1.83)

0,41
(2.01)

0,53
(2.88)

Liqt

0,06
(1.95)

0,06
(2.45)

0,07
(2.05)

0,12
(3.64)

0,10
(2.97)

0,10
(2.83)

0,08
(2.41)

0,16
(-4.54)

0,11
(3.20)

0,11
(2.93)

0,11
(3.39)

0,18
(4.65)

Chg t

1,68
(2.22)

1,17
(2.57)

1,32
(3.94)

1,70
(2.91)

1,66
(2.21)

1,09
(2.58)

1,21
(3.53)

1,57
(2.74)

Suite page suivante

151

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Suite du tableau 3.7.1 D

Modle 1
1-3ans

Modle 2

Modle 3

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5 ans

5-7ans

7-10ans

10ans et +

Equation de la variance

-0,07
(-1.67)

-0,07
(-2.35)

-0,06
(-3.05)

-0,05
(-3.98)

-0,07
(-1.84)

-0,07
(-2.79)

-0,06
(-2.75)

-0,07
(-4.13)

-0,08
(-2.02)

-0,07
(-2.95)

-0,06
(-3.21)

-0,07
(-4.24)

0,14
(2.60)

0,12
(3.70)

0,10
(2.93)

0,08
(4.28)

0,14
(2.82)

0,13
(4.37)

0,09
(2.60)

0,11
(4.64)

0,16
(2.93)

0,13
(4.32)

0,09
(3.04)

0,11
(4.73)

0,12
(1.94)

0,11
(3.81)

0,05
(3.51)

0,05
(5.03)

0,11
(1.78)

0,11
(3.02)

0,05
(3.31)

0,05
(4.64)

0,11
(2.55)

0,10
(2.94)

0,05
(3.15)

0,05
(4.22)

0,98
(87.05)

0,98
(82.76)

0,98
(90.91)

0,98
(83.67)

0,98
(85.27)

0,98
(85.67)

0,98
(85.52)

0,98
(86.02)

0,98
(88.64)

0,98
(85.15)

0,98
(89.72)

0,98
(84.59)

Paramtres de la loi de distribution

1,06
(36.67)

1,07
(40.77)

1,07
(49.21)

1,06
(53.16)

1,06
(31.69)

1,07
(39.77)

1,07
(50.21)

1,06
(56.73)

1,06
(30.29)

1,07
(40.66)

1,07
(51.21)

1,06
(56.21)

0,02
(1.71)

0,02
(2.07)

0,02
(4.39)

0,02
(5.63)

0,02
(1.67)

0,02
(1.96)

0,02
(3.36)

0,02
(5.91)

0,02
(1.80)

0,02
(3.19)

0,02
(3.69)

0,02
(60.03)

Adj. R

0,02

0,08

0,14

0,18

0,02

0,05

0,09

0,13

0,02

0,05

0,09

0,13

152

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Tableau 3.7.2 : Conditions de march, crises financires et spreads de crdit


Ce tableau prsente limpact diffrenci des conditions de march sur les spreads de crdit en fonction de ltat de la conjoncture financire, selon le modle :
+ 3 St toxx + 4rt + 5Slopt
S t = + S t -1 + 1RtStoxx 2 RtStoxx
-1

ln( t2 ) = + t -1 + t -1 + ln( t2-1)


+ 6rt + 7 liqt + 8Chg t + t
avec :
t -1
t -1
t ~ Skewed - GED( , )
t = ( t )1 / 2 t
o , , et i reprsentent respectivement la constante, le coefficient dautoregression des spreads de crdit en diffrence premire et les coefficients de la
rgression ; St le spread de crdit linstant t,. rt le taux dintrt sans risque (taux europen 10 ans), Slopt la pente dans la courbe des taux sans risque ;

tr

la volatilit estime des taux sans risque ; RtStoxx le rendement bousier de lindice DJ EuroStoxx 50 ; tStoxx la volatilit implicite sur lindice DJ EuroStoxx 50 ;

Liq

t la liquidit du march en euro des obligations dentreprise ;

Chgt le taux de change effectif rel de lEuro, t , les rsidus de la rgression et 2 sa

variance. reprsente le terme autorgressif du logarithme de la variance, leffet dun choc sur les spreads de crdit (variations) et leffet dasymtrie
correspondant limpact complmentaire ou spcifique dun choc ngatif ; tant la constante de la variance conditionnelle (en log). Nous distinguons les
priodes de crises financires (01/03/2000 au 30/06/2003 et les priodes de stabilit financire (du 01/07/2003 au 29/06/2007). Notre estimation est fonde sur la
procdure de quasi-maximum de vraisemblance. Lalgorithme utilis est celui de Marquardt. Les valeurs entre parenthses sont les t-statistics sauf pour sauf
pour les F-statistics qui sont des P-values. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%. Les parties A, B, C et D du
tableau prsentent respectivement les rsultats des estimations par ratings.

A- Estimation du modle pour les indices obligataires de rating AAA

Ensemble chantillon

Crise des valeurs technologiques

Stabilit financire

(1999-2008)

(2000-2003)

(2003-2007)

Modle 1

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

0,01
(0.66)

0,01
(0.55)

-0,04
(-1.06)

-0,02
(-0.45)

-0,03
(-0.81)

0,04
(1.58)

0,01
(0.27)

0,01
(0.50)

Equation de la moyenne
Cste

0,02
(1.15)

St 1

-0,37

-0,36

-0,36

-0,36

-0,37

-0,37

-0,42

-0,42

-0,42

(-18.78)

(-17.37)

(-17.54)

(-11.13)

(-10.73)

(-11.09)

(-13.87)

(-13.78)

(-13.73)

RtStoxx

-0,22
(-4.92)

-0,21
(-4.04)

-0,12
(-1.73)

RtStoxx
1

0,00
(-0.07)

-0,01
(-0.31)

0,00
(-0.01)

-0,03
(-0.59)

0,01
(0.09)

0,03
(0.39)

tStoxx

0,06
(2.04)

0,11
(4.37)

0,08
(2.00)

0,11
(3.06)

0,04
(1.37)

0,03
(1.17)

rt

-0,13
(-18.22)

-0,14
(-10.06)

-0,10
(-13.24)

Slopt

-0,04
(-9.80)

-0,04
(-9.64)

-0,08
(-10.68)

-0,08
(-10.40)

tr

0,2
(3.38)

0,21
(3.53)

0,07
(0.90)

0,07
(0.80)

Liqt

0,09
(5.24)

0,09
(6.88)

0,10
(6.93)

0,08
(3.55)

0,13
(4.92)

Chg t

0,73
(4.46)

0,69
(4.14)

1,30
(5.59)

-0,02

-0,02

(-5.61)

(-5.48)

0,13
(1.27)

0,13
(1.24)

0,14
(4.90)

0,01
(0.33)

0,02
(0.87)

0,02
(0.87)

1,22
(5.30)

0,75
(3.08)

0,75
(3.06)

Suite page suivante

153

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Suite du tableau 3.7.2 A


Ensemble chantillon

(2000-2003)

(1999-2008)
Modle 1

Stabilit financire

Crise des valeurs technologiques

(2003-2007)

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Equation de la variance

-0,11
(-5.92)

-0,10
(-6.48)

-0,11
(-6.59)

-0,20
(-3.40)

-0,18
(-3.85)

-0,20
(-4.39)

-0,09
(-3.93)

-0,08
(-3.89)

-0,08
(-3.88)

0,15
(5.80)

0,14
(6.48)

0,15
(6.57)

0,30
(3.20)

0,30
(4.01)

0,32
(4.15)

0,11
(3.97)

0,10
(3.90)

0,10
(3.90)

0,01
(0.57)

0,01
(0.48)

0,01
(0.21)

0,07
(1.07)

0,07
(1.30)

0,10
(1.58)

0,04
(1.60)

0,05
(1.64)

0,05
(1.56)

0,98

0,98

0,98

0,81

0,84

0,83

0,98

0,99

0,99

(82.74)

(85.67)

(81.11)

(6.74)

(11.83)

(10.22)

(89.65)

(93.59)

(82.35)

Paramtres de la loi de distribution

1,12
(28.67)

1,11
(28.12)

1,11
(28.02)

1,10
(30.01)

1,11
(29.30)

1,11
(28.07)

1,11
(29.13)

1,11
(27.77)

1,10
(26.03)

0,00
(3.23)

0,00
(2.77)

0,00
(2.23)

0,00
(2.59)

0,00
(2.40)

0,00
(2.03)

0,00
(3.01)

0,00
(2.39)

0,00
(2.17)

Adj. R

0,37

0,25

0,24

0,37

0,27

0,27

0,31

0,30

0,30

154

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

B- Estimation du modle pour les indices obligataires de rating AA

Ensemble chantillon
(1999-2008)
Modle 1

Stabilit financire
(2003-2007)

Crise des valeurs technologiques

(2000-2003)

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Equation de la moyenne
Cste

0,03
(1.58)

0,02
(1.15)

0,02
(0.89)

-0,06
(-1.75)

-0,03
(-0.85)

-0,04
(-0.96)

0,03
(1.06)

0,00
(0.14)

0,01
(0.22)

St 1

-0,35
(-16.73)

-0,35
(-16.00)

-0,35

-0,40
(-12.51)

-0,41
(-11.59)

-0,41

(-16.36)

(-12.12)

-0,40
(-13.24)

-0,40
(-13.09)

(-13.11)

RtStoxx

-0,26
(-6.45)

-0,31
(-6.17)

RtStoxx
1

-0,02
(-0.52)

-0,03
(-0.86)

-0,05
(-1.03)

-0,04
(-0.88)

-0,05
(-0.77)

-0,04
(-0.53)

tStoxx

0,08
(3.45)

0,12
(5.21)

0,08
(2.27)

0,16
(5.10)

0,03
(1.06)

0,03
(0.94)

-0,13
(-19.90)

-0,15
(-12.10)

Slopt

-0,04
(-8.65)

-0,04
(-8.63)

-0,08
(-9.00)

-0,08
(-8.97)

tr

0,22
(3.77)

0,21
(3.66)

0,09
(1.25)

Liqt

0,08
(5.11)

0,11
(6.15)

0,11
(5.70)

0,05
(2.17)

Chg t

0,97
(5.26)

0,90
(4.86)

rt

-0,09
(-11.11)

-0,40

-0,13
(-1.83)

-0,02
(-5.61)

-0,02
(-5.48)

0,10
(1.38)

0,08
(0.62)

0,08
(0.62)

0,09
(3.69)

0,10
(3.51)

0,04
(1.71)

0,04
(1.90)

0,04
(1.90)

1,09
(4.69)

1,04
(4.48)

0,65
(2.19)

0,65
(2.20)

Equation de la variance

-0,17
(-4.74)

-0,11
(-4.51)

-0,12
(-4.55)

-0,23
(-4.70)

-0,17
(-3.68)

-0,19
(-4.09)

-0,06
(-2.89)

-0,07
(-2.93)

-0,07
(-2.91)

0,23
(4.68)

0,15
(4.57)

0,16
(4.54)

0,33
(4.42)

0,27
(3.80)

0,31
(4.21)

0,07
(2.81)

0,08
(2.84)

0,08
(2.83)

0,06
(2.60)

0,04
(2.12)

0,04
(2.03)

0,07
(1.51)

0,07
(1.65)

0,10
(2.15)

0,03
(1.70)

0,03
(1.65)

0,04
(1.75)

0,96

0,96

0,96

0,86

0,87

0,85

0,98

0,96

0,96

(72.12)

(79.17)

(67.12)

(18.71)

(19.00)

(17.79)

(89.70)

(73.48)

(67.79)

Paramtres de la loi de distribution

1,07
(26.58)

1,08
(27.17)

1,08
(31.91)

1,08
(36.19)

1,07
(30.20)

1,08
(32.03)

1,08
(33.71)

1,08
(32.65)

1,07
(30.44)

0,01
(3.33)

0,01
(3.29)

0,01
(3.17)

0,01
(2.73)

0,01
(3.23)

0,01
(2.73)

0,01
(3.07)

0,01
(2.96)

0,01
(2.70)

Adj. R

0,33

0,23

0,23

0,41

0,29

0,28

0,31

0,30

0,30

155

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

A- Estimation du modle pour les indices obligataires de rating A

Ensemble chantillon
(1999-2008)
Modle 1

Stabilit financire
(2003-2007)

Crise des valeurs technologiques

(2000-2003)

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

0,02
(1.03)

0,02
(1.00)

-0,06
(-1.24)

0,00
(0.03)

-0,06
(-1.02)

-0,01
(-0.29)

-0,05
(-1.89)

-0,05
(-1.90)

Equation de la moyenne
Cste

0,04
(1.89)

St 1

-0,28

-0,27

-0,26

-0,21

-0,22

-0,18

-0,36

-0,36

-0,36

(-14.23)

(-13.33)

(-12.33)

(-6.13)

(-6.11)

(-5.03)

(-13.44)

(-13.41)

(-13.26)

RtStoxx

-0,35
(-6.84)

-0,61
(-7.22)

-0,15
(-2.11)

RtStoxx
1

-0,14
(-2.67)

-0,14
(-2.70)

-0,13
(-1.88)

-0,14
(-1.75)

-0,09
(-1.26)

-0,10
(-1.35)

tStoxx

0,13
(5.23)

0,15
(5.84)

0,17
(4.22)

0,19
(7.77)

0,04
(1.71)

0,05
(1.19)

rt

-0,15
(-22.80)

-0,19
(-12.09)

-0,11
(-12.91)

Slopt

-0,04
(-8.38)

-0,04
(-8.35)

-0,09
(-9.76)

-0,09
(-9.34)

-0,02
(-4.10)

-0,02
(-3.84)

tr

0,25
(2.83)

0,29
(3.31)

0,04
(0.32)

0,01
(0.07)

0,18
(1.35)

0,21
(1.60)

Liqt

0,07
(3.90)

0,10
(5.73)

0,10
(5.71)

0,06
(2.04)

0,10
(3.45)

0,13
(4.12)

0,03
(1.34)

0,03
(1.50)

0,04
(1.64)

Chg t

0,83
(4.27)

0,80
(4.12)

0,99
(3.73)

0,99
(3.67)

0,98
(3.58)

0,99
(3.82)

Equation de la variance

-0,12
(-5.16)

-0,12
(-6.44)

-0,13
(-6.20)

-0,09
(-1.99)

-0,13
(-2.86)

-0,11
(-2.34)

-0,09
(-3.85)

-0,12
(-3.62)

-0,11
(-3.71)

0,17
(5.14)

0,18
(6.41)

0,18
(6.06)

0,17
(2.79)

0,29
(4.54)

0,27
(4.09)

0,12
(3.73)

0,14
(3.53)

0,14
(3.61)

0,06
(3.45)

0,06
(3.02)

0,06
(2.86)

0,10
(2.54)

0,11
(2.99)

0,13
(2.46)

0,01
(0.45)

0,00
(-0.06)

0,00
(-0.02)

0,98

0,98

0,98

0,96

0,92

0,91

0,98

0,98

0,98

(78.93)

(84.52)

(85.29)

(31.58)

(15.53)

(16.03)

(87.27)

(88.36)

(83.69)

Paramtres de la loi de distribution

1,06
(40.20)

1,07
(30.19)

1,08
(31.35)

1,07
(40.17)

1,08
(32.19)

1,07
(31.17)

1,08
(39.63)

1,08
(40.07)

1,07
(39.06)

0,02
(4.77)

0,02
(4.52)

0,02
(3.98)

0,02
(5.12)

0,02
(4.72)

0,02
(5.03)

0,02
(4.92)

0,02
(5.11)

0,02
(5.02)

Adj. R

0,27

0,15

0,14

0,27

0,17

0,16

0,29

0,29

0,29

156

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

D- Estimation du modle pour les indices obligataires de rating BBB

Ensemble chantillon
(1999-2008)
Modle 1

Stabilit financire
(2003-2007)

Crise des valeurs technologiques

(2000-2003)

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Modle 1

Modle 2

Modle 3

Equation de la moyenne
Cste

0,02
(0.47)

0,03
(0.51)

0,04
(0.90)

0,00
(-0.04)

0,06
(0.58)

-0,03
(-0.40)

-0,04
(-0.77)

-0,09
(-2.39)

-0,07
(-1.78)

St 1

-0,14
(-2.98)

-0,10
(-2.51)

-0,09

0,07
(1.25)

0,02
(0.44)

0,05

(-2.81)

(1.34)

-0,18
(-4.66)

-0,22
(-3.60)

(-3.83)

RtStoxx

-0,73
(-7.64)

-1,25
(-7.09)

-0,48
(-4.50)

RtStoxx
1

-0,19
(-1.85)

-0,19
(-1.68)

-0,27
(-2.48)

-0,30
(-2.53)

-0,23
(-3.01)

-0,27
(-2.66)

tStoxx

0,26
(5.94)

0,29
(5.70)

0,36
(4.49)

0,42
(8.24)

0,18
(4.60)

0,17
(3.99)

rt

-0,13
(-9.75)

-0,24
(-8.76)

-0,13
(-8.08)

Slopt

-0,03
(-4.27)

-0,03
(-4.19)

-0,09
(-7.63)

-0,08
(-7.14)

0,00
(-1.06)

-0,01
(-1.23)

tr

0,49
(3.32)

0,46
(3.18)

0,62
(3.60)

0,64
(3.37)

0,03
(0.16)

-0,11
(0.51))

Liqt

0,04
(1.75)

0,09
(4.02)

0,11
(4.92)

0,03
(1.76)

0,09
(2.16)

0,08
(1.88)

0,02
(1.75)

0,05
(2.07)

0,05
(2.41)

Chg t

1,44
(4.57)

1,39
(4.63)

1,33
(3.22)

1,45
(3.47)

1,19
(2.80)

1,15
(2.81)

-0,21

Equation de la variance

-0,17
(-6.95)

-0,13
(-4.76)

-0,14
(-4.70)

-0,20
(-3.49)

-0,18
(-2.93)

-0,17
(-2.59)

-0,14
(-4.01)

-0,16
(-5.29)

-0,15
(-5.05)

0,28
(8.32)

0,21
(6.11)

0,23
(6.03)

0,48
(5.76)

0,47
(6.54)

0,46
(5.37)

0,21
(4.23)

0,23
(5.61)

0,22
(5.40)

0,09
(2.78)

0,09
(2.68)

0,09
(2.31)

0,15
(3.09)

0,13
(2.58)

0,12
(2.22)

0,13
(1.65)

0,11
(1.88)

0,11
(1.74)

0,98
(82.45)

0,99
(86.3)

0,98
(82.29)

0,93
(39.26)

0,93
(40.87)

0,92
(32.61)

0,98
(87.63)

0,98
(97.83)

0,98
(83.99)

Paramtres de la loi de distribution

1,07
(37.08)

1,07
(38.01)

1,07
(31.23)

1,07
(35.61)

1,07
(37.82)

1,07
(30.50)

1,07
(33.61)

1,07
(20.61)

1,06
(17.02)

0,02
(4.04)

0,02
(3.75)

0,02
(2.83)

0,02
(4.02)

0,02
(3.96)

0,02
(3.29)

0,02
(2.36)

0,02
(1.89)

0,02
(1.76)

Adj. R

0,08

0,07

0,07

0,19

0,13

0,15

0,08

0,01

0,01

157

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Tableau 3.7.3 : Effet asymtrique de la volatilit boursire


Ce tableau prsente le rsultat de ltude dimpact des conditions de march sur la dynamique des spreads de crdit mettant en vidence leffet asymtrique de la volatilit boursire selon le modle suivant :
S t = + S t -1 + 1 R tStoxx
+ 2 rt + 3 Slop t + 4 tr + 5 liq t + 6 Chg t
-1

ln( t2 ) = + t -1 + t -1 + ln( t2-1)


Stoxx
Stoxx
avec :
+ 7 t
+ 8 (1 ) t
+t
t -1
t -1
1/ 2

~
S
kewed
GED(
, )
t = ( t ) t
t

o , , et i reprsentent respectivement la constante, le coefficient dautoregression des spreads de crdit en diffrence premire et les coefficients de la rgression ; St le spread de crdit linstant t, rt le taux dintrt sans
risque (taux europen 10 ans), Slopt la pente dans la courbe des taux sans risque ; tr la volatilit estime des taux sans risque ; RtStoxx le rendement bousier de lindice DJ EuroStoxx 50 ; tStoxx la volatilit implicite sur lindice
DJ EuroStoxx 50 ; Liq

la liquidit du march en euro des obligations dentreprise ; Chgt le taux de change effectif rel de lEuro.

Stoxx
2
entre t et t-1 est positive ( p,Stoxx
t ) et 0 sinon. La variation ngative tant note n,t . t , les rsidus de la rgression et sa variance.

prend la valeur 1 si la variation de la volatilit implicite de lindice DJ Eurostoxx50 ( tStoxx)

reprsente le terme autorgressif du logarithme de la variance, leffet dun choc sur les

spreads de crdit (variations) et leffet dasymtrie correspondant limpact complmentaire ou spcifique dun choc ngatif ; tant la constante de la variance conditionnelle (en log). Nous distinguons les priodes de crises
financires (01/03/2000 au 30/06/2003) et les priodes de stabilit financire (du 01/07/2003 au 29/06/2007). Notre estimation est fonde sur la procdure de quasi-maximum de vraisemblance. Le test de Wald (F-statistic) est
utilis pour tester lhypothse nulle H0: 7 = 8 . Les valeurs entre parenthses sont les t-statistics sauf pour le test de Wald qui sont des P-values. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%.

Ensemble de lchantillon
(1999-2008)
Modle 1

Finance
Crise des valeurs
technologiques
(2000-2003)

Stabilit financire
(2003-2007)

Ensemble chantillon
(1999-2008)

Industrie
Crise des valeurs
technologiques
(2000-2003)

Stabilit financire
(2003-2007)

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Equation de la moyenne
Caste

-0,04
(-1.20)

-0,06
(-1.65)

-0,19
(-3.17)

-0,15
(-2.41)

-0,01
(-0.36)

-0,05
(-1.36)

-0,03
(-0.69)

-0,07
(-1.42)

-0,02
(-0.28)

-0,01
(-0.13)

-0,09
(-2.18)

-0,14
(-3.32)

St 1

-0,31
(-13.89)

-0,30
(-13.52)

-0,28
(-7.70)

-0,30
(-9.02)

-0,20
(-6.32)

-0,32
(-3.38)

-0,33
(-3.68)

-0,26
(-6.40)

-0,27
(-6.41)

-0,09
(-2.34)

-0,08
(-1.89)

-0,09
(-1.92)

-0,14
(-2.61)

-0,41
(-13.58)
0,00
(0.03)

-0,22
(-8.59)

RtStoxx
1

-0,41
(-13.32)
-0,04
(-0.51)

-0,18
(-2.54)

-0,18
(-2.60)

-0,23
(-3.17)

-0,24
(-2.98)

-0,14
(-2.65)

-0,12
(-2.28)

rt

-0,14
(-20.40)

-0,16
(-13.25)

-0,11
(-12.57)

-0,16
(-17.15)

-0,21
(-8.87)

-0,10
(-11.17)

Slopt

-0,04
(-9.05)

-0,03
(-6.26)

-0,08
(-8.69)

tr

0,22
(3.13)

0,33
(3.07)

0,27
(1.85)

Liqt

0,08
(5.20)

0,10
(6.05)

0,07
(3.32)

0,11
(3.98)

0,02
(1.03)

0,04
(1.65)

0,06
(3.27)

0,09
(4.72)

0,04
(1.84)

0,09
(2.70)

0,02
(0.64)

Chgt

0,82
(4.88)

1,13
(3.63)

0,71
(2.71)

1,04
(4.25)

1,35
(6.32)

Stoxx
p,
t

0,19
(3.61)
0,01
(0.38)

0,24
(5.31)
0,03
(0.91)

0,22
(3.23)
-0,01
(-0.11)

0,30
(5.11)
0,08
(1.40)

0,11
(2.33)
0,00
(0.04)

0,09
(1.95)
0,02
(0.48)

0,26
(6.11)
0,04
(0.87)

0,34
(6.34)
0,03
(0.57)

0,27
(3.67)
0,21
(1.15)

0,51
(5.98)
0,42
(1.29)

n,Stoxx
t

-0,09
(-10.78)
0,18
(1.81)

-0,02
(-4.94)
0,08
(0.97)

-0,01
(-2.86)
0,02
(0.14)
0,01
(0.35)
0,74
(3.01)

0,20
0,21
(4.03)
(3.93)
-0,05
-0,07
(-0.78)
(-0.94)
Suite page suivante

158

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Suite du tableau 3.7.3


Finance
Ensemble de lchantillon
(1999-2008)
Modle 1

Industrie

Crise des valeurs


technologiques
(2000-2003)

Stabilit financire
(2003-2007)

Ensemble de lchantillon
(1999-2008)

Crise des valeurs


technologiques
(2000-2003)

Stabilit financire
(2003-2007)

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Modle 1

Modle 2

Equation de la variance

-0,20
(-7.57)

-0,13
(-6.52)

-0,21
(-4.75)

-0,17
(-4.16)

-0,08
(-4.32)

-0,08
(-4.02)

-0,18
(-7.62)

-0,14
(-7.16)

-0,22
(-3.15)

-0,18
(-2.49)

-0,12
(-4.90)

-0,15
(-5.21)

0,28
(7.45)

0,19
(6.43)

0,34
(4.69)

0,27
(4.25)

0,10
(4.17)

0,10
(3.69)

0,28
(7.36)

0,21
(7.11)

0,52
(5.97)

0,49
(6.39)

0,17
(4.91)

0,21
(5.01)

0,07
(2.80)

0,05
(2.85)

0,09
(2.47)

0,10
(3.20)

0,02
(1.91)

0,03
(2.32)

0,06
(2.33)

0,05
(1.89)

0,09
(2.16)

0,09
(2.20)

0,09
(2.37)

0,08
(1.73)

0,95
(78.12)

0,98
(88.57)

0,88
(22.37)

0,92
(32.33)

0,98
(84.14)

0,98
(86.82)

0,98
(90.64)

0,98
(86.90)

0,88
(17.66)

0,88
(19.68)

0,99
(89.74)

0,98
(87.75)

Paramtres de la loi de distribution

1,08
(24.77)

1,08
(25.08)

1,06
(28.66)

1,05
(22.16)

1,08
(23.23)

1,09
(27.26)

1,09
(40.19)

1,09
(37.24)

1,09
(42.56)

1,08
(41.32)

1,09
(49.42)

1,09
(49.42)

0,01
(2.99)

0,01
(2.72)

0,01
(2.89)

0,01
(3.09)

0,01
(3.07)

0,01
(3.29)

0,01
(5.14)

0,01
(5.71)

0,01
(6.02)

0,01
(5.98)

0,01
(5.94)

0,01
(5.05)

Adj. R

0,32

0,2

0,37

0,24

0,32

0,3

0,18

0,11

0,26

0,19

0,06

0,07

Test de Wald
(F-statistic)

5,38
(0.020)

8,73
(0.003)

4,89
(0.027)

4,76
(0.029)

4,79
(0.029)

4,73
(0.028)

8,59
(0.003)

10,46
(0.001)

5,4
(0.020)

5,47
(0.019)

6,69
(0.010)

7,59
(0.006)

159

Chapitre 3 - Valorisation de la dette risque : Un modle empirique

Graphique 3.7.1 : Spreads observs et simuls sur la priode de la crise des subprimes
Le graphique prsente les variations de spreads observes et simules par le modle sur la priode de la crise des
subprimes. La simulation est fonde sur les estimations faite sur lensemble de lchantillon hors priode
correspondant la crise des subprimes cest--dire entre janvier 1999 et juin 2007.
AAA

AA
8
6
4
2

6
4
2
0
-2

O bserv

Simul

O bse rv

03/03/08

03/02/08

03/01/08

03/12/07

03/11/07

03/10/07

03/09/07

03/07/07

03/03/08

03/02/08

03/01/08

03/12/07

03/11/07

03/10/07

03/09/07

03/08/07

03/07/07

-4
-6

03/08/07

0
-2
-4
-6

Simul

BBB

O bse rv

Simul

Ense mble se cte ur financie r

03/03/08

03/02/08

03/01/08

03/12/07

03/11/07

03/10/07

03/09/07

03/07/07

03/03/08

03/02/08

03/01/08

03/12/07

03/11/07

03/10/07

03/09/07

03/08/07

03/07/07

O bserv

03/08/07

10
8
6
4
2
0
-2
-4
-6
-8

8
6
4
2
0
-2
-4
-6

Simul

Ense mble se cteur industrie l

10
8
6
4
2
0
-2
-4
-6

O bserv

Simul

O bserv

03 /0 3/08

03 /0 2/08

03 /0 1/08

03 /1 2/07

03 /1 1/07

03 /1 0/07

03 /0 9/07

03 /0 8/07

03 /0 7/07

03/03/08

03/02/08

03/01/08

03/12/07

03/11/07

03/10/07

03/09/07

03/08/07

03/07/07

8
6
4
2
0
-2
-4
-6

Simul

160

Chapitre 4 - Effets des annonces sur les spreads de crdit

Pour le spcialiste du placement cest une obligation imprieuse de sattacher anticiper


les changements prochains dans lambiance et les informations.
John Maynard Keynes,
Thorie gnrale de lemploi, de lintrt et de la monnaie, Chapitre XII.

Sommaire
Rsum ............................................................................................................................................ 162
4.1. Introduction .............................................................................................................................. 163
4.2. Revue de littrature .................................................................................................................. 165
4.3. Spcification du modle et rsultats empiriques ...................................................................... 167
4.3.1 Rponses des spreads de crdit aux annonces macroconomiques... 167
4.3.2 Prminence des chiffres amricains dans lvaluation des primes de risque ................... 172
4.3.3 Impact en fonction des caractristiques des missions ...................................................... 172
4.3.4 Effets des crises financires ............................................................................................... 174
4.3.5 Imapct des des annonces sur volatilit conditionnelle des spreads.................................... 175
4.4 Conclusion ................................................................................................................................ 176
4.5 Bibliographie............................................................................................................................. 178
4.6 Annexes..................................................................................................................................... 183

161

Chapitre 4 - Effets des annonces sur les spreads de crdit

Rsum
Cette tude examine limpact des annonces macroconomiques sur le march de la dette
prive en euro. Nous analysons comment les publications des statistiques conomiques
influencent les spreads de crdit selon la nature des indicateurs et lampleur de la surprise
(News). Une surprise est dfinie comme lcart entre la valeur publie dun indicateur et la
prvision tire du consensus. Nous utilisons les donnes en frquence quotidienne de spreads
de crdit (Option Adjusted Spread) de Merrill Lynch allant de janvier 2001 mars 2008 et
vingt quatre annonces macroconomiques europennes et amricaines. Sur ce march, les
investisseurs semblent accorder une plus grande importance aux publications chiffres
amricains dans lvaluation des primes de risque. Conformment lintuition, les
publications de chiffres meilleurs que prvus font diminuer les spreads de crdit.
Par ailleurs, si les spreads de crdit des metteurs du secteur financier semblent naturellement
plus influencs par les publications des taux directeurs, ceux du secteur industriel sont
davantage affects par les chiffres dactivit. Aussi, les obligations de ratings plus faibles et
celles de courtes maturits semblent davantage affectes par les publications dindicateurs
macroconomiques. Enfin, les spreads de crdit semblent plus ractifs aux publications
macroconomiques pendant les priodes de crises.
Mots cls : spread de crdit, annonces macroconomiques, attentes du march, crises financires.

Abstract
This study examines the impact of macroeconomic announcements on the corporate bond
market in euro. We analyze how economic news releases influence the credit spreads
depending on the nature of the economic indicators and the magnitude of the surprise (News).
A surprise is defined as the actual value released the less consensus forecast. We use daily
credit spreads (Option Adjusted Spread) data of Merrill Lynch over the period January 2001
to March 2008 and twenty-four European and U.S. macroeconomic news. In this market,
investors seem to attach greater importance to the Americans indicators releases in their
assessment of the risk premium. Logically, the release of better news than expected decreases
the credit spreads.
Furthermore, while financial sector is particularly affected by the central bank interest rates
news, the industrial sector seems strongly influenced by activity indicators. Also, the lowquality bonds and short-term bonds are more affected by macroeconomic news. Finally, credit
spreads are more responsive to macroeconomic news released during financial crises.

JEL Classification: C32; E44; G14


Keywords: Credit spread, macroeconomic news, market expectation, financial crises.
162

Chapitre 4 - Effets des annonces sur les spreads de crdit

4.1. Introduction
Les annonces macroconomiques font partir des informations les plus importantes sur les
marchs financiers. Les plus fortes fluctuations des cours se produisent gnralement lors de
la publication de statistiques conomiques, surtout quand les chiffres annoncs ne
correspondent pas aux attentes des acteurs des marchs98 (Johannes, 2004, Green, 2004 et
Fleming et Remolona, 1999).
Sil y a une importante littrature consacre limpact des annonces macroconomiques sur
les rendements des taux obligataires publics (Lahaye et al., 2009 et Andersen et al., 2007), les
rendements boursiers (Wongswan, 2009 et Nikkinen et al., 2003) et le taux de change
(Fatum et Scholnick, 2008 et Pearce et Solakoglu, 2007), il existe peu dtudes empiriques sur
lanalyse des effets des news sur le march des obligations prives. On peut cependant citer
les articles dAbhyankar et Gonzalez (2009) et Huang et Kong (2007), portant sur le march
amricain. La principale conclusion de ces articles est que les annonces macroconomiques
affectent surtout les obligations hauts rendements "High-Yield".
Bien que le march amricain soit une rfrence, le march europen sen diffrencie sur
plusieurs points99. De ce fait, les indicateurs qui affectent les prix sur le march obligataire
amricain pourraient ne pas influencer le march europen. En particulier, il serait ncessaire
de connatre les informations conomiques et financires qui affectent les prix sur ce march.
La prsente tude analyse leffet des annonces sur le march de la dette prive en euro.
cette fin, nous examinons limpact de la publication de vingt-quatre indicateurs
conomiques amricains et europens sur les spreads de crdit des obligations dentreprise.
Nous examinons dabord comment ces annonces affectent les spreads de crdit selon leur
nature et lampleur de la surprise. Ensuite, nous vrifions si la rponse des spreads de crdit
aux annonces dpend des caractristiques des missions (secteur, rating et maturit).
Une attention particulire est accorde limpact des crises financires. Enfin nous analysons
les effets des annonces sur la volatilit conditionnelle des spreads de crdit.
98

A titre d'exemple (voir Huang et Kong, 2007), le 14 novembre de 2001, lannonce des chiffres des ventes de dtail aux
Etats-Unis rvlait une croissance soutenue de 7,1%, alors que le march tablait sur une croissance modre de 2,5%. A cette
annonce, les indices de spread de crdit en dollar des obligations hauts rendements (High-Yield98) de Merrill Lynch ont
chut brusquement : -13,1 Pb pour l'indice de BB ; -19,6 Pb pour l'indice de B et -35,1 Pb pour les indices CCC et suivants.
On notait galement une baisse, mais moins prononce sur les indices de spread de crdit Investment-Grade de Merril Lynch.
Cette annonce est analyse par le march comme une bonne nouvelle sur lvolution future de lconomie. Les ventes de
dtail sont en effet censes donner une bonne ide sur lvaluation de la consommation des mnages, la composante de la
plus importante de la demande (70,3 % du PIB amricain pour lanne 2007). Cette surprise positive sest donc traduite par la
baisse des primes de risque sur le march obligataire, travers le resserrement des spreads.
99

Par exemple lhtrognit de la zone euro se traduit par des positions dans le cycle (inflation, croissance) parfois trs
diffrentes au sein des pays membres.

163

Chapitre 4 - Effets des annonces sur les spreads de crdit

Nous utilisons les donnes quotidiennes de spread de crdit (Option Adjusted Spread) de
Merrill Lynch allant de janvier 2001 mars 2008. Les annonces macroconomiques utilises
sont extraites de Bloomberg.
Les principales conclusions de cette tude peuvent tre rsumes comme suit :
- limpact des annonces sur les spreads de crdit dpend essentiellement de lampleur de la
surprise et de la nature de lannonce. Leffet jours dannonce ne semble pas affecter le
march de la dette prive en euro ;
- comme on sy attendait, les investisseurs accordent une importance plus grande aux
publications de chiffres amricains100 (Jones et al., 2005 ; Nikkinen et al., 2006 et
Nowak et al., 2009) dans lvaluation des primes de risque ;
- si les spreads de crdit des metteurs du secteur financier sont plus influencs par les
publications des taux directeurs, ceux du secteur industriel sont davantage affects par les
chiffres dactivit ;
- les obligations de faibles notations et celles de courtes maturits sont plus sensibles aux
annonces ;
- par ailleurs, les spreads de crdit sont plus ractifs aux annonces pendant les priodes de
crises (Andritzky et al., 2007 et At-Sahalia et al., 2010) ;
- enfin, seul un nombre restreint dannonces affectent la volatilit des spreads. Et l encore,
les obligations de faibles ratings sont les plus affectes.
Ltude est organise de la manire suivante, la section 2 prsente une synthse de la
littrature de limpact des annonces sur les diffrents marchs financiers (actions, obligations
dEtats, obligations dentreprise). Dans la section 3, nous prsentons le modle utilis et les
rsultats empiriques. La section 4 conclut.

100
Nos rsultats confirment les tudes antrieures : nous constatons que les indicateurs amricains produisent un effet notable
sur les spreads de la zone euro, alors que trs peu dindicateurs de la zone euro exerce dinfluence statistiquement
significative sur les spreads en euro. Lincidence la plus forte est celle des emplois non agricoles.

164

Chapitre 4 - Effets des annonces sur les spreads de crdit

4.2 Revue de littrature


Fama (1965, 1970 et 1991) est le premier mettre en vidence, leffet de linformation sur la
valorisation du prix des actifs sur les marchs financiers travers la thorie de lefficience des
marchs. A la suite de ces travaux, une importante littrature empirique a t consacre
linfluence des informations conomiques et financires sur les cours des actifs financiers et
montre que leurs impacts varient selon le type de march et les annonces. Les marchs des
actions, des obligations dEtat et ceux des changes ont particulirement retenu lattention.
Si le march des actions est plus influenc par les annonces spcifiques aux entreprises, les
marchs des obligations dEtat et ceux des changes sont davantages sensibles aux
publications macroconomiques. En revanche, peu dtudes ont examin limpact des
annonces sur les marchs obligataires privs.
La plupart des tudes consacres aux annonces macroconomiques montrent que les
publications des statistiques amricaines affectent les rendements des obligations dEtat sur
les marchs amricains et europens. En revanche, les publications europennes influencent
trs peu les cours sur les marchs obligataires.
Partant de donnes haute frquence, Fleming et Remolona (1999), de mme que Furfine
(2001), Andersen et al. (2007) et Lahaye et al., 2009 constatent que la relation entre annonces
et rendements du Trsor amricain dpend de llment de surprise.
Dautres travaux rcents analysent la dimension gographique. Ainsi, Jones et al. (2005),
Nikkinen et al. (2006) et Leon et Sebestyen (2007) observent que les publications des chiffres
relatifs aux crations demplois, au taux de chmage et la confiance des consommateurs aux
tats-Unis expliquent gnralement les variations plus marques des prix des obligations
publiques amricaines et allemandes. Pedersen et Wormstrup (2001) et Andersson et al.
(2006) concluent que les rendements obligataires de la zone euro sont seulement sensibles
quelques indicateurs locaux, ce qui cadre avec lhypothse dune plus forte influence des
chiffres amricains. Ehrmann et Fratzscher (2002) confirment cela, en notant pourtant
linterpntration croissante des deux aires depuis 1993.
Par ailleurs, Andersen et al. (2007), Piazzesi (2005) et Das (2002), constatent que les
variations des taux directeurs de la Fed (runions du Federal Open Market Committee
(FOMC)) affectent les prix sur le march obligataire amricain.
Andersen et al. (2007) et Andersson et al. (2006) montrent que la raction des rendements
obligataires aux annonces nest pas stable dans le temps et dpendrait des phases de politique

165

Chapitre 4 - Effets des annonces sur les spreads de crdit

montaire ou de faon gnrale du cycle conomique101. Par exemple en priode de forte


croissance, une augmentation du taux d'inflation est plus susceptible de provoquer une
augmentation des taux obligataires que pendant une rcession ou une phase de faible
croissance (Andersen et al., 2007).
Les marchs des changes semblent aussi sensibles aux annonces macroconomiques.
Toutefois, la balance commerciale, le PIB, lemploi (non agricole) et linflation semblent les
plus importants (voir Andersen et al., 2007, Han, 2008 et Kim et al., 2004). Par ailleurs,
Fatum et Scholnick (2008) et Piazzesi (2005), constatent que les variations des taux directeurs
dcides lors des runions du Federal Open Market Committee (FOMC) affectent aussi les
marchs de changes. Leffet des annonces sur le cours du change Dollar/Yen semble dpendre
du cycle conomique (Pearce et Solakoglu, 2007).
Compar aux marchs obligataires et de change, le march des actions serait le moins ractif
aux annonces macroconomiques (Andersen et al., 2007). Selon Flannery et Protopapadakis
(2002) et Andersen et al. (2007), les marchs dactions ragissent prioritairement aux
annonces spcifiques aux firmes mais aussi la publication de certains chiffres
macroconomiques comme, linflation, lemploi, la balance commerciale, et limmobilier
(mises en chantier et ventes de maisons neuves). Pour Wongswan (2009), Bernanke et
Kuttner (2005) et Bomfim (2003), les annonces des taux directeurs et surtout les changements
de politique montaire font ragir le march boursier. Elles provoqueraient galement
laugmentation de la volatilit des cours (Bomfim, 2003). Enfin, Basitha et Kurov (2008),
Flannery et Protopapadakis (2002) et McQueen et Roley (1993) trouvent que la raction des
cours boursiers amricains aux annonces macroconomiques et aux taux directeur de la Fed
dpend du cycle conomique.
Sur le march des obligations prives, il existe peu dtudes empiriques qui examinent
limpact des annonces macroconomiques. Les tudes disponibles (Abhyankar et Gonzalez,
2009, Huang et Kong, 2007 et Ramchander, 2005), portent sur le march amricain. Les
annonces identifies comme ayant un impact sur les rendements des obligations dentreprise
sont principalement : lindice ISM (Institute for Supply Management), les crations demplois
non agricoles, les ventes de dtail, linflation et les variations des taux directeurs dcides lors
des runions du Federal Open Market Committee (FOMC) de la Rserve Fdrale. Ces
annonces affecteraient principalement les obligations hauts rendements "High-Yield".
101

Alors que Andersen et al. (2007) estiment l'impact des news macroconomiques sur les taux dintrt amricains en tenant
compte du cycle conomique. Anderssson et al. (2006) considrent diffrents rgimes de politique montaire (phase de
baisse, de hausse, dattentisme) de la BCE pour mesurer la rponse des cours des taux Allemands aux annonces
macroconomiques.

166

Chapitre 4 - Effets des annonces sur les spreads de crdit

4.3. Spcification du modle et rsultats empiriques


Nous examinons 8 annonces amricaines, 6 de la zone euro, 5 allemandes et 5 franaises.
Nous analysons dabord comment ces indicateurs102 influencent, certaines dates dannonce,
les spreads de crdit selon la nature de lindicateur et lampleur de la surprise. Ensuite, nous
vrifions si leffet des annonces sur les spreads dpend des caractristiques des titres
(secteur, rating et maturit) et du cycle conjoncturel en distinguant les priodes de crises des
priodes de stabilit financire.

4.3.1 Rponses des spreads de crdit aux annonces macroconomiques


Cette section a pour objectif dexaminer si limpact des annonces macroconomiques sur les
spreads de crdit dpendait de leffet jour dannonce103 (Anderson et Bollerslev, 1998 ;
Fleming et Remolona, 1999 ; Jones et al. 2005) ou sil est fonction de lampleur de la surprise
lors des publications des chiffres (Balduzzi et al., 2001 ; Andersen et al., 2003 ;
Kim et al., 2004 et Lahaye et al., 2009). Pour cela, nous procdons deux rgressions en
prenant comme endognes, des variables dummy correspondant dune part aux jours
dannonce et dautre part aux valeurs des surprises.
Lquation 4.1 permet dexaminer si les jours de publication dindicateurs macroconomiques
affectent le mouvement des spreads104 sur le march de la dette prive :
S t = + S t -1 +

k J tk + t

t = ( t )1 / 2 t
ln( t2 ) = +

t -1

+ t -1 + ln( t2-1 )
t -1
t -1

(4.1)

avec :

t ~ Skewed - GED( , )

o :
-

S t reprsente la variation quotidienne des spreads de crdit de lindice obligataire de

Merrill Lynch en euro ; S t tant le spread de crdit (en point de base) observ la clture du
march du jour t ;
102

Tous les indicateurs sont cits daprs Bloomberg. tats-Unis : indice des prix la consommation (IPC), indice ISM
(Institute for Supply Management), emplois non agricoles, PIB, ventes de dtail, production industrielle, balance
commerciale et taux directeur de la Fed. Zone euro : indice harmonis des prix la consommation (HIPC), taux de chmage,
indicateur du climat conomique (ESI), production industrielle, PIB et taux directeur de la BCE. Allemagne : indice des prix
la consommation (IPC), indice Zew, production industrielle et PIB. France : indice des prix la consommation (IPC),
indicateur du climat des affaires, production industrielle et PIB.
103

Dans ce cas, limpact des publications macroconomiques sur les spreads de crdit est identique dune date dannonce
une autre, pour un indicateur donn. Ce serait le cas si les valeurs spcifiques annonces namenaient pas les intervenants
modifier leurs anticipations.

104

Nous adoptions cette spcification car les sries de spread de crdit tant intgres dordre 1, asymtriques et
leptokurtiques (Cf. chapitres 1 et 2).

167

Chapitre 4 - Effets des annonces sur les spreads de crdit

- J tk

est une dummy qui prend la valeur 1 le jour de publication de lindicateur

macroconomique k et 0 sinon ;
- reprsente la constante de la rgression ;
- est le coefficient dautorgression des spreads de crdit en diffrence premire ;
- k capture limportance de la surprise macroconomique k dans la dynamique des spreads
de crdit ;
- t , les rsidus de la rgression et t2 sa variance ;
- reprsente le terme autorgressif du logarithme de la variance, leffet dun choc sur les
spreads de crdit (variations) et

leffet dasymtrie correspondant limpact

complmentaire ou spcifique dun choc ngatif ; tant la constante de lquation de la


variance conditionnelle (en logarithme) ;
- les paramtres et fournissent respectivement des indications sur lpaisseur des queues
et lasymtrie de la distribution conditionnelle des innovations.
Pour examiner limpact des surprises lors des publications dindicateurs macroconomiques
sur la dynamique des spreads nous adoptions la mme quation que prcdemment. Toutefois
dans cette spcification (quation 4.2), lendogne nest plus la variable dummy
correspondant aux dates dannonce mais la valeur de la surprise lors de lannonce. La
surprise est dfinie comme lcart entre la valeur publie dun indicateur et la prvision
tire du consensus (Balduzzi et al., 2001). Elle est positive si elle va dans la direction dune
croissance conomique ou dune inflation plus forte quattendue.
Lquation 4.2 scrit alors :
S t = + S t -1 +

k N tk + t

t = ( t )1 / 2 t

ln( t2 ) = + t -1 + t -1 + ln( t2-1 )


t -1

t -1

(4.2)

avec :

t ~ Skewed - GED( , )

o :
- N tk est une variable indicatrice qui prend la valeur Etk la date t de la publication de
lindicateur k et 0 autrement. Etk est la surprise lors de lannonce de lindicateur k la date t ;

168

Chapitre 4 - Effets des annonces sur les spreads de crdit

- Etk =

Atk Ftk
k

avec Atk lannonce de lindicateur k la date t, Ftk la prvision de consensus

de lindicateur macroconomique k la date t et k lcart type de la diffrence Atk Ftk .


Les signes attendus de la corrlation entre annonces macroconomiques (surprises) et spread
de crdit sont prsents dans le tableau 4.3.1.
Tableau 4.3.1 : Corrlation entre annonces macroconomiques et spread de crdit : signes attendus
Annonces macroconomiques

Signes
attendus

Justifications

.-

Une embellie conomique ayant pour consquence une


diminution des primes de risque, on sattend a priori que les
bonnes nouvelles (publication dindicateur meilleur que prvu)
sur la production fassent baisser les spreads de crdit.

.-

La production industrielle donne une indication du rythme


d'expansion de l'conomie et de l'volution venir de l'emploi.
Elle est fortement corrle au PIB. En outre, l'essentiel des
activits de services se font destination des entreprises. Au
total, l'activit de l'ensemble de l'conomie est en phase avec celle
de l'industrie. On sattend ce que les publications dindicateur
meilleur que prvu sur la production industrielle fassent diminuer
les spreads de crdit.

.-

L'ISM est produit partir du sondage mensuel sur de plus de 300


socits de 20 secteurs diffrents. Il permet d'anticiper les
renversements de cycle grce une corrlation troite avec la
croissance du PIB amricain. Les bonnes nouvelles sur l'indice
ISM pourraient abaisser les spreads de crdit.

.-

Publi par la Commission europenne, l'ESI est la moyenne


pondre des indices de confiance de l'industrie, de la
construction, des consommateurs et du commerce de dtail. Les
publications dindicateur meilleur que prvu de l'ESI pourraient
resserrer les spreads de crdit en euro.

.-

L'indicateur ZEW du climat conomique allemand est le rsultat


d'un sondage auprs de 350 analystes financiers et investisseurs
institutionnels allemands. Il reflte la diffrence entre la part
d'analystes optimistes et celle d'experts pessimistes quant au
dveloppement attendu de l'activit conomique allemande au
cours des six prochains mois. Les bonnes nouvelles de l'indice
ZEW pourraient faire baisser les spreads de crdit en euro.

.-

Comme le ZEW allemand, le climat des affaires en France rvle


la confiance des acteurs conomiques. Les publications
meilleures que prvu de cet indicateur pourraient resserrer les
spreads de crdit.

.-

L'indicateur
"Crations
d'emplois
non
agricoles"
(Nonfarm payroll), est l'un des meilleurs indicateurs de l'tat de
l'conomie amricaine. Les bonnes nouvelles sur l'emploi aux
Etats-Unis pourraient faire baisser les spreads de crdit.

Indicateurs d'activit
Produit intrieur brut
(US, EU, GE, FR)

Production industrielle
(US, EU, GE, FR)

US Indice sur le secteur


manufacturier
(ISM Manufacturing)

EU Indicateur du climat
conomique (ESI)

GE- Indicateur du climat


conomique (ZEW)

FR- Indicateur du climat des


affaires (ICA)

US Crations d'emplois non


agricoles (Nonfarm payroll)

Suite la page suivante

169

Chapitre 4 - Effets des annonces sur les spreads de crdit

Suite du tableau 4.3.1


Signes
attendus

Justifications

Une augmentation du taux de chmage, intuitivement perue


comme une mauvaise nouvelle peut parfois tre analyse par le
march comme une bonne nouvelle. En effet, les licenciements
peuvent tre interprts par le march comme une mesure
dassainissement de la situation financire des entreprises. La
nature de la corrlation (signe) entre le taux de chmage et les
spreads de crdit est donc incertaine.

.-

Lindice de ventes de dtail aux Etats-Unis est bas sur des


enqutes ralises auprs de 3000 entreprises, et relatif aux
ventes de dtail du mois prcdent. Les bonnes nouvelles sur les
ventes de dtail aux Etats-Unis pourraient faire baisser les spreads
de crdit.

La hausse des prix de vente gonfle les profits et donc rduire les
primes de risque (David, 2004). On sattend ce que les
publications dindices de prix la consommation plus importants
que prvues fassent diminuer les spreads de crdit.

Taux directeur de la FED

.+

Les variations la hausse du principal taux directeur de la Fed,


peuvent induire une tendance haussire des spreads de crdit en
raison du cot supplmentaire que cela pourrait reprsenter pour
les entreprises.

Taux directeur de la ECB

.+

Il reflte les conditions du march montaire europen. Une


hausse taux directeur de la Bce pourrait aussi provoquer une
hausse des spreads de crdit.

.+

Un dficit commercial plus important que prvu pourrait largir


les spreads de crdit, en raison du risque que cela pourrait faire
peser sur la production.

Annonces macroconomiques
Indicateurs d'activit (suite)

EU Taux de chmage

US Ventes de dtail

Indicateurs de prix
Indice des prix la
consommation
(US, GE, FR & HICP (EU)

Indicateurs de politique montaire

Indicateurs de commerce extrieur


Balance commerciale
(US, GE, FR)

Les estimations105 sont fondes sur la procdure de quasi maximum de vraisemblance.


Lalgorithme utilis est celui de Marquardt. Les tableaux 4.6.1 et 4.6.2 prsentent
respectivement les rsultats des estimations des quations (4.1) et (4.2) en considrant les
spreads de crdit par rating.
Avant toute analyse, notons dabord que les annonces macroconomiques nexpliquent
quune petite portion des variations journalires des spreads de crdit. En effet, les
coefficients de dtermination (Adj-R) sont trs faibles, surtout pour les obligations les moins
bien notes.
105
Une premire estimation est ralise en considrant lensemble des indicateurs amricains et europens (modle 1). Pour
diffrencier limportance relative des annonces amricaines et europennes sur lvolution des primes de risque, nous avons
aussi estim sparment limpact des annonces amricaines (modle 2) et europennes (modle 3).

170

Chapitre 4 - Effets des annonces sur les spreads de crdit

Les coefficients associs leffet jour dannonce ne sont pas significativement diffrents de
zro106 (tableau 4.6.1). Limpact des annonces sur les spreads de crdit semble donc ne pas
dpendre des jours de leur publication mais plutt des ventuelles surprises (tableau 4.6.2),
qui amnent les investisseurs rviser leur anticipation107 (Balduzzi et al., 2001
et Kim, 2004).
Les indicateurs par zone gographique dont la publication affecte les spreads de crdit sur le
march en euro de dette prive sont :
i) annonces amricaines : production industrielle108, indice sur le secteur manufacturier
(ISM-Manufacturing confidence), crations demplois non agricole (Nonfarm payroll)109,
ventes de dtail, taux directeurs de la Rserve Fdral ; ces rsultats, similaires ceux
obtenus par Huang et Kong (2007) sur le march amricain ;
ii) statistiques de la zone euro : Indicateur du climat conomique et taux directeurs de la
Banque centrale europenne ;
iii) chiffres de lAllemagne et de la France : Produit intrieur brut, indice des prix la
consommation110 et dans une moindre mesure les indicateurs du climat conomique et du
climat des affaires.
Conformment lintuition, les publications de chiffres meilleurs que prvus font diminuer
les spreads de crdit. Les bonnes nouvelles, signe de bonne sant de lconomie
augmenteraient la confiance des acteurs conomiques sur les perspectives futures et
contribuent baisser le risque sur le march obligataire.
Par ailleurs, on note que les chiffes qui affectent significativement les spreads de crdit sur la
priode de notre chantillon sont essentiellement les statistiques amricaines. Limpact des
chiffres europens reste faible et moins vident.
106
Sauf pour lindicateur climat conomique de la zone euro pour lequel le jour de lannonce est associ la hausse des
spreads de crdit.
107

Balduzzi et al. (2001) par exemple, montrent que limpact des annonces sur le march financier diminue au fur et
mesure que la qualit de linformation recueillie avant leur publication est meilleure.
108

Les publications trimestrielles des chiffres du PIB des Etats-Unis nont pas dimpact sur les spreads. Ce rsultat peut
sexpliquer par le fait que cette annonce ne contient gnralement pas une surprise, dautant quelle est largement anticipe
par le march qui se base sur dautres chiffres dactivits plus frquemment publis, comme par exemple la production
industrielle, lISM ou les ventes de dtail.
109
Cest en effet la publication amricaine des crations demplois non agricoles (Nonfarm payroll) qui semble tre
lindicateur le plus important et le plus significatif. Plusieurs tudes sur les donnes amricaines la considre comme lun des
indicateurs vedettes dont les publications sont trs surveilles par les marchs aussi bien boursiers, obligataires et de changes.
110
Les annonces des chiffres europens des prix la consommation plus importants que prvus, sont considrs par le
march comme une bonne nouvelle et font donc baisser les spreads de crdit. La hausse des prix la consommation pourrait
en effet accrotre le chiffre daffaire et profit des entreprises et rduire leur risque de dfaillance.

171

Chapitre 4 - Effets des annonces sur les spreads de crdit

4.3.2 Prminence des chiffres amricains dans lvaluation des primes de risque
Limpact des annonces macroconomiques amricaines sur les spreads de crdit en euro
semble plus important que les publications des chiffres europens. Les coefficients des
facteurs explicatifs amricains sont plus importants en valeur et en significativit (t-statistic)
que ceux europens. Par ailleurs lorsque les modles sont estims en sparant les effets des
annonces amricaines (tableau 4.6.2, modle 2) de ceux des publications europennes
(tableau 4.6.2, modle 3), le coefficient de dtermination ajust (Adj-R) est plus important
dans le modle 2. Les investisseurs semblent donc accorder une plus grande importance aux
news amricains quaux annonces macroconomiques europennes dans lvaluation des
primes de risque sur le march des obligations dentreprise en euro111. Ces rsultats sont
conformes aux tudes Nikkinen et al. (2003) et Andersson et al. (2006) qui ont examin
limportance relative des news amricains et europens sur les taux dintrt et les cours
boursiers europens. Du fait de la globalisation des conomies, la rentabilit des entreprises
nest plus seulement dpendante du march domestique, mais aussi de la conjoncture
mondiale. La situation financire de certaines entreprises europennes par exemple est lie
directement ou indirectement la sant conomique amricaine via leurs clients outre
atlantique. Par ailleurs, il faut noter aussi que les entreprises amricaines sont mettrices
dobligations prives en euro (voir chapitre 1).

4.3.3 Impact en fonction des caractristiques des missions


Leffet des annonces macroconomiques sur les spreads de crdit semble dpendre des
caractristiques propres aux obligations comme le rating, le secteur et la maturit.
Il est dautant plus fort que le rating de lmission est faible (tableau 4.6.3). Ce qui montre la
grande sensibilit des metteurs les plus risqus, la conjoncture conomique
(Fridson et Jonsson, 1995 et Huang et Kong, 2007).
Cette diffrence de raction entre les obligations prives aux annonces conomiques
sexplique en grande partie par le fait que les entreprises plus risques, dpendent plus de la
croissance pour survivre. Quand la conjoncture conomique se dtriore, elles deviennent
vulnrables aux mauvaises nouvelles conomiques. Inversement, lorsque la conjoncture
samliore, elles sont galement plus sensibles aux bonnes nouvelles.
111
Limportante influences des News amricaines par rapport aux annonces europennes pourraient dans un premier temps
laisser supposer que les agents sont principalement des europens, et donc que leur capacit danticipation des news
europennes est quasi parfaite et quil serait pour eux, plus difficile danticiper les statistiques amricaines.
Toutefois, dans le rapport trimestriel de la BRI de septembre 2004, Fabio Fornari qui examine limpact sur les taux dintrt
de trente-cinq indicateurs se rapportant aux tats-Unis la zone euro lItalie la France et lAllemagne tire la conclusion
suivante : Nous confirmons les rsultats des tudes antrieures : nous constatons que six indicateurs amricains produisent
un effet notable la fois sur les taux aux tats-Unis et dans la zone euro, alors quaucun indicateur de la zone euro nexerce
dinfluence statistiquement significative, ni aux tats-Unis, ni dans la zone euro elle-mme .

172

Chapitre 4 - Effets des annonces sur les spreads de crdit

De mme, les variations des taux de la Rserve Fdrale Amricaine112 et de la BCE affectent
les spreads de crdits des obligations prives en euro avec un effet plus important pour les
indices obligataires de ratings infrieurs. La hausse des taux directeurs pnalise les
entreprises, surtout les plus risques, en augmentant leur cot de financement. En gnral, ces
entreprises sont plus endettes que celles notes AAA.
113

EBITDA

Par exemple, le ratio dette /

est actuellement 9 fois plus lev pour une entreprise BB que pour une entreprise

AAA, et 20 fois plus lev pour une entreprise note CCC114. Ainsi une modification des taux
directeurs devrait affecter plus directement leur capacit rembourser leur dette (Huang et
Kong, 2007).
Par ailleurs, il nexiste pas de disparit sectorielle significative de limpact des news sur les
spreads de crdit (tableau 4.6.3). Les mmes indicateurs qui affectent les spreads de crdit des
obligations du secteur financier influencent aussi ceux du secteur industriel. Toutefois on note
une diffrenciation sectorielle en termes de valeurs des coefficients des facteurs explicatifs.
Les spreads des obligations du secteur financier sont naturellement plus sensibles au cycle
montaire (variation des taux directeurs) que ceux du secteur industriel. Les banques sont en
effet trs sensibles au niveau des taux dintrt puisque, lorsque les taux courts sont levs,
leurs gains lis la transformation des prts seront moins importants.
Les spreads de crdit du secteur industriel semblent plus ractifs aux annonces lies au cycle
dactivit. Ce rsultat peut sexpliquer par le fait que le secteur industriel tant en gnral un
secteur cyclique, il est trs li la conjoncture et donc fortement influenc par les variables
dactivit. Notons que les publications des chiffres dinflation (indice des prix la
consommation) affectent indiffremment les spreads de crdit des metteurs des secteurs
industriel et financier.
Enfin, on remarque de faon gnrale (tableau 4.6.3) que limpact des annonces semble plus
important pour les obligations de courte maturit. Le manque de visibilit court terme
pourrait expliquer cette situation. Les obligations de longue maturit ragissent moins aux
annonces macroconomiques, car au fur et mesure que le temps passe, lincertitude diminue
parce que linformation sest cumule sur ltat de lconomie.
112

La runion du FOMC commence 9:00 AM et se termine 2 :15 PM, soit 20h 15 en Europe. Au moment o les dcisions
sur les taux directeurs de la Fed sont annonces, les marchs europens sont dj ferms. Limpact sur les marchs europens
devrait normalement tre observ le lendemain. Mais, en ralit, les marchs europens anticipent bien les dcisions de la
FOMC en les intgrent dans leur valorisation avant la fermeture des marchs. Lestimation ralise sur les donnes de spread
dcales sur le lendemain de la publication (non rapport ici) ne montre en effet aucun des annonces sur les spreads en euro.

113

Earning Before Interest Tax Depreciation and Amortization. Cest ainsi le rsultat oprationnel avant dprciation et
amortissement.
114

Le ratio dette / EBITDA est de 0.4 pour les entreprises notes AAA, 3.5 pour les BB et 7.9 pour les CCC, moyenne
calcule sur la priode 2002- 2004, donnes Standard & Poors.

173

Chapitre 4 - Effets des annonces sur les spreads de crdit

4.3.4 Effets des crises financires


Les annonces peuvent tre interprtes diffremment pendant les priodes de crises ou de
stabilit financire115. Dans cette partie, nous examinons si la sensibilit des spreads de crdit
aux annonces macroconomiques dpendait de la conjoncture financire reprsente ici par
les priodes de crises et les priodes de relative stabilit financire.
Nous adoptons la spcification conomtrique suivante :
S t = + S t -1 + D1t

1k N tk + D2t 2k N tk + t

t = ( t )1 / 2 t

ln( t2 ) = + t -1 + t -1 + ln( t2-1 )


t -1

t -1

(4.3)

avec :

t ~ Skewed - GED( , )

o :
- D1t est une dummy qui prend la valeur 1 si la priode correspond celle des crises
financires (du 02/01/2001 au 30/06/2003 et du 01/07/2007 au 31/03/2008) et 0 sinon ;
- D2 t prend la valeur 1 si la priode correspond celle de stabilit financire
(01/07/2003 au 30/06/2007) et 0 sinon ;
- les coefficients 1t et 2t captent un ventuel impact diffrenci des annonces
macroconomiques sur les spreads de crdit en priodes de crises et de relative stabilit
financire. La sensibilit des spreads de crdit aux annonces macroconomiques dpend de la
conjoncture financire si lhypothse H0: 1t = 2t est rejete. Le test de Wald permet vrifier
lhypothse dgalit des coefficients.
Le tableau 4.6.4 prsente les rsultats de lestimation de l'quation (4.3) et du test de Wald.
Les coefficients 1t , correspondant aux priodes de crises, sont en nombre et en valeur plus
importants et plus significatifs que les coefficients 2t relatifs aux priodes de stabilit
financire. Laversion au risque est videmment plus importante pendant les priodes de
crises que pendant les priodes de stabilit financire. Toutefois, les F-statistics du test de
Wald montrent que limpact des chocs macroconomiques sur les spreads de crdit dpend de
la conjoncture financire, au seuil de 5%, pour seulement cinq indicateurs : la production
industrielle amricaine, lISM, lemploi non agricole aux Etats-Unis, lindicateur du climat
conomique de la zone euro, lindice harmonis des prix la consommation de la zone euro et
le PIB allemand.
115

De Bondt et Thaler (1985) ont mis jour des phases de surraction des marchs des actions provenant, entre autres, de
vagues dexcs doptimisme ou de pessimisme des investisseurs.

174

Chapitre 4 - Effets des annonces sur les spreads de crdit

Par ailleurs, dans le graphique 4.6.1 qui reprsente lvolution dans le temps de la rponse des
spreads de crdit aux chocs macroconomiques, on remarque que la fin de la priode,
marque par crise des subprimes , est associe une significativit plus accrue des
coefficients (cart-type des erreurs plus faible). La sensibilit des spreads de crdit aux chocs
macroconomiques pendant cette priode semble par consquent

plus renforce

(Andritzky et al., 2007 et At-Sahalia et al, 2010).


Enfin, lenvironnement macroconomique favorable pendant les priodes de stabilit
financire (baisse de la volatilit de la croissance et de linflation) rend peut-tre investisseurs
moins sensibles au risque macroconomique. Cest ce qui pourrait expliquer la timide
raction des marchs aux annonces pendant cette phase du cycle conomique.

4.3.5 Impacts des annonces (News) sur la volatilit des spreads


Pour examiner limpact des news sur la volatilit des sperads de crdit, nous modifions
lquation 4.2 en introduisant dans la variance conditionnelle, la variable indicatrice relative
aux surprises des annonces macroconomiques, en adoptant la spcification suivante :

S t = + S t -1 + t

t = ( t )1 / 2 t
ln( t2 ) = + k N tk +

t -1

+ t -1 + ln( t2-1 )
t -1
t -1

(4.4)

avec :

t ~ Skewed - GED( , )
Le tableau 4.6.5 prsente le rsultat de lestimation de lquation 4.4 pour les indices
obligataires classs par rating. Les variances conditionnelles sont moins ractives aux chocs
macroconomiques que le sont les spreads. Seul un nombre restreint dannonces affectent la
volatilit des spreads, notamment les crations demplois non agricoles aux Etats-Unis,
lindicateur du climat conomique de la zone euro, le taux directeur de la BCE et lindice des
prix la consommation en Allemagne. Et l encore ce sont les metteurs les plus risqus sont
les plus vulnrables (Huang et Kong, 2007).
Par ailleurs, le coefficient dasymtrie est significativement diffrent de zro au seuil de 5%
(tableaux 4.6.1 4.6.5) pour tous les indices obligataires, et ce, quels que soient le secteur, le
rating et la maturit (sauf pour les indices obligataires nots AAA). Le coefficient dasymtrie
est plus grand lorsque le rating se dtriore.

175

Chapitre 4 - Effets des annonces sur les spreads de crdit

On note aussi que, quel que soit lindice obligataire, > 0 . Le coefficient de sensibilit de la
volatilit aux chocs positifs ( + ) est donc plus important que le coefficient de sensibilit
aux chocs ngatifs ( ). Contrairement au rendement boursier116, les chocs positifs sur les
spreads de crdit sont associs aux mauvaises nouvelles (car ils font augmenter le risque sur
le march) et les chocs ngatifs correspondent aux bonnes nouvelles (car font baisser les
primes de risque). Donc limpact des mauvaises nouvelles (chocs positifs) sur la volatilit des
spreads de crdit semble plus fort que celui de bonnes nouvelles (chocs ngatifs).
Ainsi, par exemple, une baisse significative des chiffres dactivit, accueillie comme une
mauvaise nouvelle117, entranerait une variation relative forte de la volatilit des spreads, alors
quune hausse significative des chiffres dactivit (choc ngatif118) se traduirait par une
variation de sens oppos, mais de plus faible amplitude. Ces rsultats sont conformes ceux
obtenus sur le march boursier119.

4.4 Conclusion
Cette tude tente dvaluer limpact des informations conomiques et financires sur la
tarification des primes de risque sur le march des obligations prives en euro. Nous
analysons comment les publications des statistiques conomiques influencent les spreads de
crdit selon la nature des indicateurs et lampleur de la surprise. Nous examinons limpact de
vingt-quatre indicateurs se rapportant aux Etats-Unis et la zone euro sur les spreads de crdit
(Option Adjusted Spread) de Merrill Lynch en donnes quotidienne sur la priode allant du
02 janvier 1999 au 31mars 2008. Le modle (EGARCH-Skewed-GED) utilis autorise une
diffrenciation entre les effets des chocs positifs et ceux des chocs ngatifs pour tenir compte
des faits styliss mis en vidence sur le march des obligations dentreprise en euro.
Le paramtre est ngatif dans le cas des actions alors quil est positif dans le cas des spreads, puisque toute
augmentation dans le cours des spreads de crdit correspondant une augmentation du risque provoque une baisse des cours
sur le march boursier.

116

117

Qui correspond un choc positif sur les spreads de crdit, car cette nouvelle est susceptible daugmenter les primes de
risques (spread de crdit).

118
Mais il est un choc positif pour le march boursier car cette nouvelle en faisant augmenter les cours des actions, fait
baisser les spreads sur le march obligataire.
119

Le phnomne dasymtrie dans la volatilit sur le march boursier a t mis en vidence par Black (1976), Engle et
Ng (1993) et Zakoian (1994) qui lexpliquent par le levier financier (apprci par le ratio : dette totale/capitaux propres)
qui volue dans le sens inverse des cours boursiers. Larrive dune nouvelle positive dans le march engendre une hausse
des cours et une diminution du levier financier, rduisant le risque associ et donc la volatilit. Les travaux de Merton,
notamment, ont ainsi montr que plus le levier financier dune socit tait lev, plus les actions mises par cette socit se
caractrisaient par une forte volatilit. En effet, la volatilit est une fonction croissante et concave de lendettement
(Christie, 1982 ; Pagan et Schwert, 1990). Il semblerait, cependant, quil soit imprudent dattribuer en totalit cette
caractristique rentabilits/volatilit leffet de levier. Ainsi les oprateurs sur le march des options estiment quune
corrlation ngative serait la rsultante dun effet de panique se traduisant par des actions moins rationnelles en cas de baisse
du cours de lactif sous-jacent.

176

Chapitre 4 - Effets des annonces sur les spreads de crdit

Indpendamment de la situation financire de la firme mettrice, les spreads de crdit sur un


titre varie en fonction de lvolution de la conjoncture conomique. Comme on sy attendait,
les investisseurs semblent accorder une plus grande importance aux publications de
statistiques amricaines dans lvaluation des primes de risque. Ce qui traduit, en autres,
limportance de lconomie amricaine dans la croissance mondiale.
Les indicateurs dont les publications affectent les spreads de crdit sur le march des
obligations prives en euro sont relatifs :
-

la sphre relle et la politique montaire aux Etats-Unis ;

au climat conomique de la zone euro et la politique montaire de la BCE ;

lactivit et linflation en Allemagne et en France.

Conformment lintuition, les publications de chiffres meilleurs que prvus font diminuer
les spreads de crdit. Les bonnes nouvelles, signe de bonne sant de lconomie
augmenteraient la confiance des acteurs conomiques sur les perspectives futures et
contribuent baisser le risque sur le march obligataire.
Si les spreads de crdit des metteurs du secteur financier sont naturellement plus influencs
par les publications des taux directeurs, ceux du secteur industriel sont davantage affects par
les chiffres dactivit. Les obligations de ratings plus faibles sont davantage affectes par les
publications dindicateurs macroconomiques, surtout pendant les priodes de turbulences
financires.
Limpact en fonction de la maturit est moins vident. Toutefois, les annonces semblent de
faon gnrale, affectes plus les obligations de courtes maturits.
Enfin, seul un nombre restreint dannonces affectent la volatilit des spreads.
Ces rsultats devraient toutefois tre nuancs en raison dune part du niveau lev des rsidus
du modle.

177

Chapitre 4 - Effets des annonces sur les spreads de crdit

4.5 Bibliographie

[1]

Abhyankar A., Gonzalez A. (2009), News and the cross-section of expected corporate
bond returns, Journal of Banking and Finance, 33, 996-1004.

At-Sahalia Y., Andritzky J., Jobst A., Nowak S. et Tamirisa N. (2010), Market response
[2] to policy initiatives during the global financial crisis, NBER Working Paper 15809
http://www.nber.org/papers/w15809.

[3]

Andersen T. et Bollerslev T. (1998), Answering the skeptics: yes, standard volatility


models do provide accurate forecasts, International Economic Review, 39, 885-905.

Andersen T.G., Bollerslev T., Diebold F.X. et Vega C. (2003), Micro effects of macro
[4] announcements: Real-time price discovery in foreign exchange, The American Economic
Review, 93, 38-62.

[5]

Andersen T.G., Bollerslev T., Diebold F.X. et Vega C. (2007), Real-time price discovery in
stock, bond and foreign exchange markets, Journal of International Economics, 73, 251-277.

[6]

Andersson M. Hasen L., Sebestyen S. (2006) Which news moves the euro area bond
market?, European Central Bank, Working Paper N 631.

[7]

Andritzky J. Bannister G., Tamirisa (2007), The impact of macroeconomic


announcements on emerging market bonds, Emerging Markets Review, 8, 20-37.

Balduzzi P., Elton, E.J., Green, T.C. (2001), Economic news and bond prices: Evidence
[8] from the U.S. Treasury market, Journal of Financial and Quantitative Analysis,
36, 523-544.

[9]

Basistha A., Kurov A (2008), Macroeconomic cycles and the stock markets reaction to
monetary policy, Journal of Banking and Finance, 32, 2606-2616.

[10]

Bernanke Ben S., Kuttner Kenneth N. (2005), What explains the stock markets reaction
to federal reserve policy? Journal of Finance, 60, 1221-1258.

178

Chapitre 4 - Effets des annonces sur les spreads de crdit

Black F (1976), Studies in stock price volatility change, Proceedings of the 1976
[11] business meeting of the business and economic statistics section, American Statistical
Association.

[12]

Bollerslev T. et Engle R.F. (1986), Modeling the persistence in conditional variances,


Econometric Reviews, 5, 1-50.

[13]

Bomfim, A. (2003), Pre-announcement effects, news effects, and volatility: monetary


policy and the stock market, Journal of Banking and Finance, 27, 133-151.

[14]

Christie A. (1982), The stochastic behavior


Journal of Financial Economics, 10, 407-432.

[15]

Das S. (2002), The surprise element: jumps in interest rates,Journal of Econometrics,


106, 27-65.

[16]

David A. (2004), Dynamics of the credit risk premium: the effects of inflation and
earnings uncertainty, Washington University in St. Louis, Working Paper.

[17]

De Bondt W-M. et Thaler


Journal of Finance, 40, 793-805

[18]

Ehrmann M., Fratzscher M. (2002) Interdependence between the euro area and the U.S.:
What role for EMU? International Finance, 6, 309-328.

[19]

Engle R. F. et Ng V.K. (1993), measuring and testing the impact of news on volatility,
Journal of finance, 48, 49-78.

R.(1985),

Does

of

the

common

stock

stock

market

variance,

overreact?,

[20] Fama E.F. (1965), The behavior of stock market prices, Journal of Business, 38, 31-105.

[21]

Fama E.F. (1970), Efficient capital markets: a review of theory and emprical work,
Journal of Finance, 25, 383-417.

179

Chapitre 4 - Effets des annonces sur les spreads de crdit

[22] Fama E.F. (1991), Efficient capital markets: II, Journal of Finance, 66,1575-1617.

[23]

Fatum R. et Scholnick B. (2008), Monetary policy news and exchange rate responses:
Do only surprises matter?, Journal of Banking and Finance, 32, 1076-1086.

[24]

Flannery, M., Protopapadakis, A. (2002), Macroeconomic factors do influence aggregate


stock returns, Review of Financial Studies, 15, 751-782.

[25]

Fleming M., Remolona E. (1999), What moves the bond market, Journal of Portfolio
Management, 25, 28-38.

[26]

Fornari F. (2004), Marchs des options sur swaps : annonces macroconomiques et


volatilit implicite, Rapport trimestriel BRI, septembre, 83-90.

[27]

Fridson M.S., Jonsson J.G. (1995), Spread versus treasuries and the riskiness of high-yield
bonds, The Journal of Fixed Income, 5, 79-88.

[28]

Furfine C. (2001), Les annonces macroconomiques orientent-elles encore le march


obligataire amricain ? , Rapport trimestriel BRI, juin, 51-59.

[29]

Green C. (2004), Economic news and the impact of trading on bond prices,
Journal of Finance, 59, 1201-1233.

[30]

Han Y. (2008), Intraday effects of macroeconomic shocks on the US Dollar-Euro


exchange rates, Japan and the World Economy , 20, 585-600

[31]

Huang J. Z., Kong W. (2007), Macroeconomic news announcements and corporate bond
credit spreads Penn State University, Working Paper.

[32]

Johannes M (2004), The statistical and economic role of jumps in continuous-time interest
rate models, The Journal of Finance, 59, 227-260

180

Chapitre 4 - Effets des annonces sur les spreads de crdit

Jones B., Lin C-T., Masih A., (2005) Macroeconomic announcements, volatility, and
[33] interrelationship: An examination of the UK interest rate and equity markets,
International Review of Financial Analysis, 14, 356-375.

[34]

Keynes J.M. (1969), "Thorie gnrale de lemploi, de lintrt et de la monnaie", 1936,


Paris, Payot.

Kim S-J., McKenzie M-D., Faff R-W. (2004), Macroeconomic news announcements and
[35] the role of expectations: evidence for U.S. bond, stock, and foreign exchange markets,
Journal of Multinational Financial Management, 14, 217-232.

[36]

Lahaye J., Laurent S. et Neely J.C. (2009), Jumps, cojumps and macro announcements
Federal Reserve Bank of St. Louis, Working Paper N 2007-032D.

[37]

Leon A., Sebestyen S. (2007): Jumps in interest rates: to what extent do announcements
matter? University of Alicante and Catholic University of Portugal, Working Paper.

[38]

Marquardt D.W. (1963), An algorithm for least squares estimation of non-linear


parameters, Journal of the Society for Industrial and Applied Mathematics, 11, 431-441.

[39]

McQueen G., Roley V.V. (1993), Stock prices, news, and business conditions,
Review of Financial Studies, 6, 683-707.

Nikkinen J., Omran M., Sahlstrm P. et P. ij J. (2006), Global stock market reactions to
[40] scheduled U.S. macroeconomic news announcements, Global Finance Journal,
17, 92-104

[41]

Nikkinen J., Sahlstrm P. (2003), Scheduled domestic and US macroeconomic news and
stock valuation in Europe, Journal of Multinational Financial Management 14, 201-215.

Nowak S., Andritzky J.R., Jobst A., et Tamirisa N. T. (2009), Macroeconomic


[42] fundamentals, price discovery and volatility dynamics in emerging markets, International
Monetary Fund, Working Paper N09/147.

[43]

Pagan, A.R. et Schwert, G.W. (1990), Alternative models for conditional stock volatility,
Journal of Econometrics, 45, 267-290.

181

Chapitre 4 - Effets des annonces sur les spreads de crdit

[44]

Pearce D., Solakoglu M. (2007), Macroeconomic news and exchange rates, Journal of
International Markets, Institutions and Money, 17, 307-325.

[45]

Pedersen A. M. et Wormstrup J. (2001), Macroeconomic data releases and the yield curve
for the euro area, Danmarks Nationalbank Monetary Review, 3e trimestre.

[46]

Piazzesi M. (2005), Bond yields and the Federal Reserve, Journal of Political Economy,
113, 311-344.

Ramchander S., Simpson M. et Chaudhry M. (2005) The influence of macroeconomic


[47] news on term and quality spreads, The Quarterly Review of Economics and Finance,
45, 84-102.

[48]

Wongswan J. (2009), The response of global equity indexes to U.S. monetary policy
announcements, Journal of International Money and Finance, 28, 344-365

[49]

Zakoian J.-M. (1994), Threshold Heteroskedasticity Models, Journal of Economic


Dynamics and Control, 15, 931-955.

182

Chapitre 4 - Effets des annonces sur les spreads de crdit

4.6 Annexes

183

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.1 : Effets jour dannonce des indicateurs conomiques sur les spreads de crdit
Ce tableau prsente le rsultat de lestimation dimpact des jours dannonce (effet jour dannonces) des indicateurs macroconomiques sur la dynamique des spreads de crdit classs par ratings, suivant le modle :

S t = + S t -1 +

k J tk + t

t = ( t )1 / 2 t
ln( t2 ) = +

avec :

t ~ Skewed - GED( , )

t -1
+ t -1 + ln( t2-1 )
t -1
t -1

o, S t reprsente la variation quotidienne des spreads de crdit (en Pb) de lindice dobligations dentreprise en euro de Merrill Lynch ; J tk est une variable dummy qui prend la valeur 1 le jour de publication de
lindicateur macroconomique k et 0 sinon ; reprsente la constante de la rgression, est le coefficient dautorgression des spreads de crdit en diffrence premire ; k capte limpact de lannonce de lindicateur
macroconomique k dans la dynamique des spreads de crdit ; t , les rsidus de la rgression et 2 sa variance. reprsente le terme autorgressif du logarithme de la variance, leffet dun choc sur les spreads de

crdit (variations) et leffet dasymtrie correspondant limpact complmentaire ou spcifique dun choc ngatif ; tant la constante de la variance conditionnelle (en log). Notre estimation est fonde sur la
procdure de quasi-maximum de vraisemblance. Lalgorithme utilis est celui de Marquardt. L'chantillon couvre la priode du 02/01/2001 au 31/03/2008 (1869 observations). Les valeurs entre parenthses sont les tstatistics sauf pour le test F-statistic qui sont des P-values. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%.
Modle 1

Modle 2

Modle 3

AAA

AA

BBB

AAA

AA

BBB

AAA

AA

BBB

Cste

-0,03
(-0.90)

-0,04
(-1.18)

-0,05
(-1.48)

-0,13
(-2.70)

-0,02
(-0.95)

-0,02
(-0.77)

-0,05
(-1.53)

-0,09
(-1.77)

-0,01
(-0.44)

0,02
(0.65)

0,02
(0.47)

-0,12
(-2.58)

S t 1

-0,40
(-16.32)

-0,37
(-14.17)

-0,25
(-10.23)

-0,01
(-0.30)

-0,39
(-15.63)

-0,38
(-14.42)

-0,25
(-10.12)

0,00
(-0.05)

-0,39
(-15.50)

-0,37
(-14.58)

-0,24
(-9.97)

-0,01
(-0.35)

0,09
(0.59)

-0,01
(-0.03)

-0,05
(-0.30)

-0,08
(-0.31)

0,09

0,02
(0.10)

-0,07
(-0.42)

-0,24
(-0.77)

(0.65)

US IPI

0,19
(1.37)

0,23
(1.56)

0,23
(1.61)

0,38
(1.61)

0,16
(1.21)

0,21
(1.57)

0,21
(1.62)

0,19
(0.83)

US ISM

0,03
(0.23)

0,21
(1.51)

0,24
(1.60)

0,12
(0.62)

0,02
(0.22)

0,15
(1.08)

0,11
(0.81)

0,05
(0.28)

US NFP

0,12
(0.91)

0,12
(0.83)

0,19
(1.26)

0,17
(0.81)

0,09
(0.67)

0,11
(0.79)

0,16
(1.05)

0,27
(1.43)

-0,14
(-1.20)

-0,19
(-1.64)

-0,05
(-0.34)

0,09
(0.37)

-0,14

US CPI

(-1.13)

-0,14
(-1.27)

-0,06
(-0.41)

0,20
(0.98)

US RS

0,20
(1.64)

0,18
(1.42)

0,11
(1.01)

-0,18
(-0.97)

0,15
(1.42)

0,15
(1.17)

0,12
(1.18)

-0,11
(-0.61)

US TB

0,19
(1.58)

0,19
(1.62)

0,25
(1.62)

0,13
(0.75)

0,16
(1.64)

0,13
(1.24)

0,21
(1.58)

0,27
(1.60)

US FOMC
Rate

0,10
(0.86)

0,13
(1.06)

0,02
(0.13)

0,14
(0.75)

0,13
(0.94)

0,14
(1.09)

0,13
(0.92)

0,17
(0.67)

Equation de la moyenne

US GDP

(suite page suivante)

184

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.1 (suite)


Modle 2

Modle 1
AAA

AA

BBB

EU GDP

-0,06

0,04

0,05

0,39

(-0.49)

(0.24)

(0.28)

(1.34)

EU IPI

-0,11

-0,22

-0,37

-0,21

(-1.41)

(-1.62)

(-1.64)

(-1.23)

EU ESI

0,42

0,52

0,54

0,99

(3.29)

(2.65)

(3.07)

(4.63)

EU Unemp

0,02

-0,11

-0,29

-0,23

(0.18)

(-0.75)

(-1.56)

(-1.18)

EU HICP

-0,05

0,17

0,08

-0,12

(-0.41)

(1.57)

(0.62)

(-0.47)

ECB Rate

0,01

0,16

-0,09

-0,10

(0.10)

(1.61)

(-0.75)

(-0.67)

GE GDP

0,19

-0,11

0,22

0,09

(1.12)

(-0.61)

(1.09)

(0.37)

GE IPI

0,00

0,05

0,09

0,34

(-0.04)

(0.49)

(0.85)

(1.63)

GE ZEWI

-0,08

-0,08

0,12

-0,06

(-0.76)

(-0.75)

(1.13)

(-0.41)

GE- CPI

-0,03

0,00

0,03

0,16

(-0.35)

(-0.02)

(0.29)

(0.92)

GE TB

-0,20

-0,07

-0,15

-0,29

(-1.98)

(-0.70)

(-1.17)

(-1.61)

FR GDP

-0,14

-0,05

-0,07

-0,41

(-1.15)

(-0.47)

(-0.45)

(-1.56)

FR IPI

0,08

0,09

0,09

0,26

(0.68)

(0.69)

(0.68)

(1.25)

FR ICA

0,14

0,00

-0,13

0,29

(1.54)

(-0.00)

(-1.15)

(1.44)

FR CPI

-0,02

0,09

-0,11

0,15

(-0.16)

(0.84)

(-0.80)

(0.73)

FR TB

-0,08

-0,15

0,04

0,12

(-0.67)

(-1.23)

(0.26)

(0.65)

AAA

AA

Modle 3
A

BBB

AAA

AA

-0,01

0,08

0,08

BBB
0,43

(0.48)

(0.46)

(1.53)

(-0.12)

-0,19

-0,23

-0,37

-0,13

(-1.59)

(-1.61)

(-1.57)

(-0.70)

0,40

0,46

0,50

0,97

(3.20)

(2.47)

(2.69)

(4.41)

0,02

-0,02

-0,19

-0,17

(0.24)

(-0.17)

(-1.19)

(-0.98)

-0,01

0,15

0,09

0,02

(-0.05)

(1.55)

(0.72)

(0.07)

0,03

0,13

-0,11

-0,14

(0.29)

(1.30)

(-0.89)

(-0.86)

0,16

-0,16

0,17

0,05

(1.02)

(-0.82)

(0.85)

(0.22)

-0,02

0,03

0,09

0,34

(-0.15)

(0.33)

(0.86)

(1.62)

-0,05

-0,02

0,14

-0,03

(-0.50)

(-0.20)

(1.33)

(-0.19)

0,00

0,02

0,08

0,13

(-0.03)

(0.26)

(0.70)

(0.86)

-0,18

-0,06

-0,16

-0,20

(-1.59)

(-0.58)

(-1.31)

(-1.07)

-0,15

-0,08

-0,09

-0,42

(-1.20)

(-0.72)

(-0.58)

(-1.61)

0,09

0,06

0,07

0,35

(0.78)

(0.50)

(0.54)

(1.55)

0,13

-0,07

-0,19

0,30

(1.47)

(-0.63)

(-1.62)

(1.52)

0,01

0,06

-0,09

-0,01

(0.06)

(0.56)

(-0.71)

(-0.03)

0,00

-0,06

0,13

0,12

(-0.04)

(-0.49)

(0.96)

(0.65)

Suite la page suivante

185

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.1 (suite et fin)


Modle 2

Modle 1
AAA

AA

BBB

AAA

AA

Modle 3
A

BBB

AAA

AA

BBB

Equation de la variance

-0,12

-0,13

-0,13

-0,10

-0,11

-0,11

-0,12

-0,09

-0,12

-0,14

-0,12

-0,10

(-4.63)

(-3.30)

(-5.31)

(-5.02)

(-4.50)

(-2.94)

(-4.91)

(-4.27)

(-4.45)

(-3.37)

(-4.80)

(-4.85)

0,16

0,17

0,19

0,15

0,16

0,16

0,18

0,14

0,17

0,19

0,17

0,15

(4.41)

(3.14)

(5.21)

(5.40)

(4.26)

(2.86)

(4.84)

(4.82)

(4.20)

(3.21)

(4.66)

(5.36)

0,00

0,05

0,06

0,10

0,00

0,05

0,06

0,10

-0,01

0,05

0,06

0,10

(-0.01)

(2.07)

(2.71)

(3.41)

(-0.05)

(2.02)

(2.83)

(3.28)

(-0.14)

(2.14)

(2.74)

(3.47)

0,98

0,97

0,98

0,98

0,98

0,97

0,98

0,98

0,97

0,98

0,98

0,98

(83.93)

(69.01)

(80.81)

(84.45)

(81.82)

(70.09)

(88.55)

(89.01)

(70.90)

(87.76)

(89.46)

(87.15)

Paramtres de la loi de distribution

Adj. R

1,11

1,08

1,08

1,07

1,11

1,08

1,08

1,06

1,10

1,08

1,07

1,07

(29.27)

(37.73)

(47.13)

(52.79)

(27.85)

(38.09)

(31.51)

(42.21)

(20.01)

41.13)

(29.40)

(46.69)

0,00

0,01

0,02

0,02

0,00

0,01

0,02

0,02

0,00

0,01

0,02

0,02

(2.43)

(3.20)

(5.73)

(4.83)

(2.00)

(3.27)

(6.25)

(5.89)

(2.92)

(3.14)

(4.66)

(3.36)

0,15

0,10

0,05

0,03

0,13

0,09

0,04

0,02

0,12

0,07

0,02

0,01

186

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.2 : Effets des surprises d'annonces sur les spreads de crdit par ratings
Ce tableau prsente le rsultat de lestimation de limpact des surprises lors des publications dindicateurs macroconomiques sur la dynamique des spreads de crdit, suivant le modle :

S t = + S t -1 +

k N tk + t

ln( t2 ) = +

t ~ Skewed - GED( , )

avec :

t = ( t ) 1 / 2 t

t -1
+ t -1 + ln( t2-1 )
t -1
t -1

o, S t reprsente la variation quotidienne des spreads de crdit (en Pb) de lindice dobligations dentreprise en euro de Merrill Lynch ; N t est une variable dummy qui prend la valeur E t la date t de la publication de
lindicateur k et 0 autrement ; E t tant la surprise (normalise) lors de la publication la date t de lindicateur macroconomique k. reprsente la constante de la rgression, est le coefficient dautorgression des spreads de
k

crdit en diffrence premire ; k capture limportance de la surprise macroconomique k dans la dynamique des spreads de crdit ; t , les rsidus de la rgression et sa variance. reprsente le terme autorgressif du
2

logarithme de la variance, leffet dun choc sur les spreads de crdit (variations) et leffet dasymtrie correspondant limpact complmentaire ou spcifique dun choc ngatif ; tant la constante de la variance
conditionnelle (en log). Notre estimation est fonde sur la procdure de quasi-maximum de vraisemblance. Lalgorithme utilis est celui de Marquardt. L'chantillon couvre la priode du 02/01/2001 au 31/03/2008
(1869 observations). Les valeurs entre parenthses sont les t-statistics sauf pour le test F-statistic qui sont des P-values. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%.

Modle 1
AAA

Modle 2

Modle 3

AA

BBB

AAA

AA

BBB

AAA

AA

BBB

Equation de la moyenne

Cste

0,00
(-0.18)

0,02
(0.86)

-0,02
(-0.87)

-0,05
(-1.45)

0,01
(0.49)

0,03
(1.30)

0,01
(0.27)

-0,05
(-1.28)

0,00
(-0.07)

0,03
(1.35)

0,01
(0.28)

-0,06
(-1.51)

S t 1

-0,39
(-15.84)

-0,37
(-15.25)

-0,24
(-9.93)

0,00
(-0.03)

-0,39
(-15.63)

-0,37
(-14.62)

-0,24
(-9.56)

0,00
(-0.01)

-0,39
(-15.80)

-0,38
(-15.30)

-0,24
(-10.01)

0,00
(-0.14)

US GDP

0,22
(1.53)

0,13
(0.90)

0,17
(1.09)

0,23
(1.09)

0,21
(1.48)

0,14
(0.15)

0,16
(1.06)

0,22
(0.83)

US IPI

-0,29
(-2.09)

-0,29
(-1.89)

-0,22
(-1.84)

-0,15
(-1.12)

-0,29
(-2.15)

-0,28
(-1.81)

-0,26
(-2.31)

-0,22
(-1.68)

US ISM

-0,09
(-0.77)

-0,33
(-2.63)

-0,29
(-2.76)

-0,11
(-0.70)

-0,09
(-0.75)

-0,34
(-2.55)

-0,29
(-2.71)

-0,14
(-0.90)

US NFP

-0,48
(-3.21)

-0,61
(-4.54)

-0,79
(-6.59)

-0,98
(-4.68)

-0,48
(-3.07)

-0,57
(-4.00)

-0,76
(-6.24)

-1,01
(-5.01)

US CPI

0,10
(0.92)

-0,03
(-0.38)

0,10
(0.87)

0,12
(0.74)

0,10
(0.96)

-0,02
(-0.24)

0,09
(0.74)

0,14
(0.84)

US RS

-0,25
(-2.63)

-0,26
(-2.04)

-0,46
(-2.79)

0,00
(-0.01)

-0,25
(-2.57)

-0,26
(-1.80)

-0,47
(-2.66)

0,10
(0.51)

US TB

-0,03
(-0.29)

-0,09
(-0.78)

0,08
(0.70)

0,37
(1.51)

-0,06
(-0.63)

-0,10
(-0.89)

0,08
(0.71)

0,38
(1.61)

US FOMC
Rate

0,02
(3.68)

0,02
(2.83)

0,02
(3.52)

0,02
(2.17)

0,02
(3.73)

0,02
(2.22)

0,02
(3.35)

0,02
(2.19)

(suite page suivante)

187

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.2 (suite)


Modle 1

Modle 2

EU GDP

AAA
0,11

AA
-0,05

A
0,07

BBB
0,07

(0.62)

(-0.31)

(0.32)

(0.22)

EU IPI

-0,06

-0,02

0,09

-0,15

(-0.58)

(-0.25)

(0.90)

(-0.89)

EU ESI

-0,37

-0,39

-0,48

-0.63

(-2.17)

(-2.30)

(-2.18)

(-1.90)

EU Unemp

-0,11

-0,26

-0,28

-0,21

(-1.29)

(-2.21)

(-0.69)

(-0.69)

EU HICP

0,04

0,03

0,01

-0,16

(1.63)

(0.84)

(0.24)

(-2.39)

ECB Rate

0,01

0,02

0,02

0,04

(2.39)

(2.68)

(1.95)

(2.62)

GE GDP

-0,04

-0,23

0,06

0,01

(-0.43)

(-4.51)

(0.78)

(0.20)

GE IPI

0,08

-0,18

-0,13

-0,29

(0.83)

(-1.63)

(-1.41)

(-1.49)

GE ZEWI

-0,09

-0,13

-0,27

-0,33

(-0.91)

(-1.60)

(-2.80)

(-1.78)

GE- CPI

-0,21

0,09

-0,25

0,22

(-2.70)

(0.83)

(-1.70)

(1.01)

GE TB

0,03

-0,08

0,06

0,01

(0.37)

(-1.13)

(0.48)

(0.05)

FR GDP

-0,19

-0,08

0,06

-0,84

(-1.34)

(-0.66)

(0.30)

(-4.25)

FR IPI

-0,11

-0,12

-0,11

-0,35

(-0.99)

(-1.45)

(-1.33)

(-2.06)

FR ICA

-0,06

0,05

-0,04

0,07

(-0.71)

(0.44)

(-0.27)

(0.30)

FR CPI

-0,14

-0,15

-0,34

-0,09

(-2.10)

(-1.69)

(-2.92)

(-0.47)

FR TB

0,10

0,03

-0,03

0,08

(1.06)

(0.31)

(-0.32)

(0.46)

Modle 3

AAA

AA

BBB
-

AAA
0,09

AA
-0,11

A
0,04

BBB
0,15

(0.49)

(-0.66)

(0.20)

(0.46)

-0,02

0,01

0,10

-0,17

(-0.13)

(0.15)

(1.16)

(-1.04)

-0,34

-0,36

-0,48

-0,61

(-2.48)

(-2.63)

(-2.26)

(-1.99)

-0,20

-0,29

-0,22

-0,06

(-1.18)

(-2.95)

(-0.96)

(-0.24)

0,01

0,00

-0,03

-0,19

(0.38)

(-0.16)

(-0.73)

(-2.61)

0,01

0,02

0,02

0,04

(1.78)

(2.22)

(1.73)

(2.79)

-0,06

-0,23

0,06

0,02

(-0.60)

(-4.38)

(0.76)

(0.31)

0,02

-0,13

-0,07

-0,29

(1.18)

(-1.33)

(-0.74)

(-1.49)

-0,01

-0,12

-0,27

-0,39

(-0.07)

(-1.43)

(-2.87)

(-1.89)

-0,25

0,05

-0,28

0,18

(-2.00)

(0.42)

(-1.97)

(0.83)

0,01

-0,06

0,06

0,03

(0.15)

(-0.90)

(0.49)

(0.17)

-0,19

-0,05

0,02

-0,84

(-1.42)

(-0.47)

(0.11)

(-4.05)

-0,13

-0,10

-0,11

-0,35

(-1.63)

(-1.20)

(-1.33)

(-2.06)

-0,07

0,05

-0,05

0,07

(-0.73)

(0.41)

(-0.36)

(0.30)

-0,24

-0,18

-0,36

-0,18

(-2.61)

(-2.17)

(-3.26)

(-0.95)

0,10

0,02

-0,04

-0,02

(1.08)

(0.20)

(-0.41)

(-0.14)

Suite page suivante

188

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.2 (suite et fin)


Modle 1
AAA

AA

Modle 2
A

BBB

AAA

AA

Modle 3
A

BBB

AAA

AA

BBB

Equation de la variance

-0,11

-0,13

-0,13

-0,08

-0,11

-0,13

-0,12

-0,08

-0,11

-0,13

-0,11

-0,08

(-4.98)

(-3.35)

(-5.02)

(-4.20)

(-4.68)

(-3.27)

(-4.95)

(-4.16)

(-4.39)

(-3.14)

(-4.62)

(-3.83)

0,15

0,19

0,18

0,14

0,15

0,18

0,18

0,14

0,16

0,19

0,17

0,13

(4.73)

(3.29)

(4.94)

(4.87)

(4.53)

(3.18)

(4.83)

(4.68)

(4.16)

(3.09)

(4.54)

(4.44)

0,01

0,07

0,07

0,11

0,01

0,06

0,07

0,10

-0,01

0,06

0,06

0,11

(0.17)

(2.55)

(3.02)

(3.73)

(0.18)

(2.43)

(2.96)

(3.64)

(-0.15)

(2.29)

(2.92)

(3.76)

0,98

0,98

0,98

0,98

0,98

0,98

0,98

0,98

0,97

0,97

0,98

0,98

(88.93)

(81.19)

(84.87)

(88.41)

(88.43)

(85.02)

(86.80)

(80.45)

(75.62)

(78.26)

(93.44)

(89.20)

Paramtres de la loi de distribution

Adj. R

1,11

1,08

1,08

1,07

1,11

1,08

1,08

1,08

1,10

1,08

1,07

1,07

(23.14)

(31.19)

(36.20)

(42.26)

(29.73)

(33.17)

(42.70)

(66.61)

(25.12)

(35.01)

(37.29)

(51.06)

0,00

0,01

0,02

0,03

0,00

0,01

0,02

0,02

0,00

0,01

0,02

0,02

(2.12)

(3.29)

(5.72)

(5.13)

(2.27)

(2.96)

(6.63)

(4.23)

(1.89)

(3.47)

(4.92)

(4.13)

0,16

0,11

0,05

0,01

0,14

0,10

0,04

0,02

0,13

0,08

0,02

0,01

189

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.3 : Effets des surprises d'annonces macroconomiques sur les spreads de crdit par secteurs
Ce tableau prsente le rsultat de lestimation de limpact des surprises lors des publications dindicateurs macroconomiques sur la
dynamique des spreads de crdit, suivant le modle :
k N tk + t
S t = + S t -1 +

t = ( t )1 / 2 t
ln( t2 ) = +

avec :

t ~ Skewed - GED( , )

t -1

+ t -1 + ln( t2-1 )
t -1
t -1

o, S t reprsente la variation quotidienne des spreads de crdit (en Pb) de lindice dobligations dentreprise en euro de Merrill Lynch ;

N tk est une variable dummy qui prend la valeur E tk la date t de la publication de lindicateur k et 0 autrement ; E tk tant la surprise
(normalise) lors de la publication la date t de lindicateur macroconomique k. reprsente la constante de la rgression, est le
coefficient dautorgression des spreads de crdit en diffrence premire ; k capture limportance de la surprise macroconomique k dans la
dynamique des spreads de crdit ; t , les rsidus de la rgression et 2 sa variance. reprsente le terme autorgressif du logarithme de la
variance, leffet dun choc sur les spreads de crdit (variations) et leffet dasymtrie correspondant limpact complmentaire ou
spcifique dun choc ngatif ; tant la constante de la variance conditionnelle (en log). Notre estimation est fonde sur la procdure de
quasi-maximum de vraisemblance. Lalgorithme utilis est celui de Marquardt. L'chantillon couvre la priode du 02/01/2001 au 31/03/2008
(1869 observations). Les valeurs entre parenthses sont les t-statistics sauf pour le test F-statistic qui sont des P-values. Les caractres gras
indiquent que les coefficients sont significatifs au seuil de 10%.

A- Estimation de lquation pour les indices obligataires par secteurs et par ratings
Secteur financier
AAA

Secteur industriel

AA

BBB

Ens. Fin

AAA

AA

BBB

Ens. Ind

0,01
(0.33)

-0,03
(-1.22)

-0,11
(-0.61)

0,02
(0.67)

0,04
(1.31)

-0,02
(-0.72)

-0,03
(-1.11)

0,00
(0.11)

-0,01
(-0.18)

Equation de la moyenne
Cste

S t 1

0,01
(0.62)

-0,41

-0,35

-0,21

-0,30

-0,29

-0,39

-0,38

-0,25

0,02

-0,10

(-17.37)

(-14.51)

(-6.99)

(-2.70)

(-11.24)

(-14.63)

(-14.59)

(-9.14)

(0.79)

(-3.22)

US
GDP

0,01
(0.10)

0,07
(0.47)

0,12
(0.58)

-0,03
(-0.07)

-0,09
(-0.76)

-0,11
(-0.67)

0,16
(1.10)

0,15
(1.10)

0,08
(0.30)

0,14
(0.82)

US IPI

-0,24
(-2.21)

-0,24
(-1.88)

-0,26
(-2.29)

-0,31
(-1.50)

-0,26
(-1.42)

-0,22
(-2.58)

-0,23
(-2.33)

-0,26
(-2.49)

-0,26
(-2.04)

-0,11
(-1.13)

US ISM

-0,18
(-1.59)

-0,26
(-1.81)

-0,26
(-1.67)

-0,44
(-1.09)

-0,22
(-1.61)

-0,16
(-1.29)

-0,27
(-2.12)

-0,38
(-2.84)

-0,16
(-1.15)

-0,18
(-0.99)

US NFP

-0,52
(-4.23)

-0,55
(-3.98)

-0,60
(-3.97)

-1,14
(-4.72)

-0,60
(-4.20)

-0,84
(-6.67)

-0,84
(-4.48)

-0,88
(-6.44)

-0,98
(-4.96)

-0,95
(-5.39)

US CPI

-0,09
(-0.85)

-0,13
(-1.57)

0,12
(1.11)

-0,37
(-1.12)

-0,03
(-0.34)

0,02
(0.22)

-0,01
(-0.10)

0,08
(0.62)

0,34
(1.59)

0,07
(0.70)

US RS

-0,28
(-2.77)

-0,29
(-1.67)

-0,30
(-1.82)

-0,57
(-2.15)

-0,33
(-3.12)

-0,09
(-0.53)

-0,18
(-1.13)

-0,15
(-1.05)

-0,10
(-0.49)

-0,10
(-0.76)

US TB

-0,06
(-0.70)

0,00
(-0.03)

0,05
(0.36)

0,24
(0.85)

0,01
(0.05)

0,06
(0.54)

-0,05
(-0.50)

0,13
(0.98)

0,54
(0.70)

0,24
(1.58)

US
FOMC
Rate

0,02
(3.95)

0,02
(3.60)

0,03
(4.39)

0,03
(2.28)

0,02
(2.90)

0,01
(2.51)

0,02
(2.56)

0,02
(2.17)

0,02
(1.98)

0,02
(3.78)

(suite page suivante)

190

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.3- A (suite)

Secteur financier
AAA

EU GDP
EU IPI
EU ESI
EU Unemp
EU HICP
ECB Rate
GE GDP
GE IPI
GE ZEWI
GE- CPI
GE TB
FR GDP
FR IPI
FR ICA
FR CPI
FR TB

AA

BBB

Secteur industriel
Ens. Fin

AAA

AA

BBB

Ens. Ind

0,17

0,32

0,09

1,07

0,13

-0,22

0,05

0,17

0,12

0,06

(1.18)

(2.04)

(0.48)

(1.49)

(0.77)

(-1.44)

(0.34)

(0.80)

(0.38)

(0.21)

-0,09

-0,04

0,02

-0,52

-0,04

-0,03

-0,03

-0,10

0,16

-0,01

(-0.89)

(-0.46)

(0.24)

(-1.13)

(-0.35)

(-0.19)

(-0.36)

(-0.79)

(0.90)

(-0.10)

-0,31

-0,44

-0,60

-0,81

-0,43

-0,32

-0,35

-0,66

-0,78

-0,48

(-2.20)

(-2.30)

(-1.82)

(-1.69)

(-2.97)

(-2.66)

(-2.67)

(-2.63)

(-1.93)

(-2.66)

-0,16

-0,24

-0,32

-0,39

-0,13

-0,21

-0,33

-0,36

-0,06

-0,20

(-1.30)

(-1.42)

(-1.23)

(-1.27)

(-1.16)

(-1.29)

(-2.79)

(-1.59)

(-0.38)

(-1.35)

0,02

0,03

0,04

0,07

0,01

-0,02

0,02

-0,10

0,04

-0,13

(0.50)

(0.87)

(1.09)

(0.31)

(0.31)

(-0.75)

(0.53)

(-3.01)

(0.82)

(-3.35)

0,01

0,02

0,03

0,05

0,04

0,02

0,02

0,02

0,03

0,03

(0.95)

(3.32)

(2.52)

(2.67)

(3.68)

(2.64)

(1.70)

(3.15)

(2.12)

(2.43)

-0,01

-0,14

0,05

0,24

-0,19

-0,11

-0,27

0,01

0,11

-0,39

(-0.09)

(-2.42)

(0.69)

(0.92)

(-2.12)

(-1.64)

(2.86)

(0.20)

(0.93)

(-1.92)

-0,01

-0,02

-0,10

-0,18

-0,08

-0,19

-0,05

-0,12

-0,25

-0,18

(-0.11)

(-0.21)

(-0.82)

(-0.36)

(-0.86)

(-1.57)

(-0.63)

(-0.94)

(-1.10)

(-1.07)

-0,12

-0,10

-0,14

-0,22

-0,02

-0,22

-0,10

-0,08

-0,41

-0,19

(-1.32)

(-1.20)

(-1.16)

(-2.69)

(-0.27)

(-1.74)

(-1.05)

(-1.03)

(-1.44)

(-1.39)

-0,18

-0,04

0,11

0,43

-0,05

-0,30

-0,01

-0,13

0,04

0,00

(-1.20)

(-0.41)

(0.78)

(-0.92)

(-0.35)

(-2.31)

(-0.05)

(-0.80)

(0.17)

(-0.03)

0,12

0,04

-0,09

-0,06

0,10

0,17

0,11

-0,04

0,01

-0,02

(1.03)

(0.55)

(-0.81)

(-0.34)

(0.84)

(1.22)

(1.08)

(-0.34)

(0.08)

(-0.28)

-0,16

-0,29

-0,30

0,54

-0,29

-0,34

-0,09

-0,61

-0,81

-0,68

(-1.23)

(-1.69)

(-1.67)

(0.85)

(-2.06)

(-2.39)

(-0.87)

(-2.29)

(-3.21)

(-4.48)

-0,13

-0,14

-0,26

-0,32

-0,13

-0,09

-0,05

-0,13

-0,42

-0,19

(-1.62)

(-1.60)

(-1.19)

(-1.65)

(-1.49)

(-0.94)

(-0.65)

(-1.35)

(-2.70)

(-1.62)

-0,09

-0,02

0,00

-1,66

-0,05

-0,15

-0,06

-0,19

-0,13

-0,36

(-0.97)

(-0.12)

(0.00)

(-1.80)

(-0.37)

(-1.27)

(-0.53)

(-1.21)

(-0.51)

(-1.90)

-0,15

-0,15

-0,17

-0,23

-0,15

-0,18

-0,18

-0,22

-0,26

-0,25

(-2.66)

(-1.95)

(-2.62)

(-1.69)

(-1.68)

(-1.82)

(-1.84)

(-2.05)

(-1.65)

(-2.05)

0,18

-0,02

0,02

-0,02

0,08

0,15

0,09

-0,08

0,05

-0,10

(1.62)

(-0.24)

0.19)

(-0.10)

(0.86)

(1.62)

(0.97)

(-0.63)

(0.29)

(-0.88)

Equation de la variance

-0,10

-0,19

-0,09

0,46

-0,10

-0,11

-0,08

-0,11

-0,07

-0,07

(-5.39)

(-4.70)

(-3.48)

(2.06)

(-5.30)

(-3.67)

(-4.34)

(-4.33)

(-2.84)

(-3.64)

0,14

0,27

0,14

1,09

0,15

0,16

0,11

0,17

0,13

0,11

(5.38)

(4.29)

(3.84)

(2.31)

(5.52)

(3.60)

(4.23)

(4.57)

(3.29)

(3.73)

0,03

0,06

0,08

0,13

0,07

0,05

0,04

0,06

0,12

0,07

(1.40)

(1.94)

(3.96)

(2.11)

(3.04)

(1.98)

(2.29)

(2.77)

(4.04)

(3.60)

0,98

0,94

0,98

0,63

0,98

0,98

0,98

0,98

0,98

0,98

(92.12)

(61.44)

(90.31)

(8.04)

(84.68)

(86.04)

(86.50)

(81.29)

(90.80)

(84.97)

Paramtres de la loi de distribution

Adj. R

1,07

1,08

1,05

1,09

1,08

1,11

1,08

1,08

1,07

1,09

(26.12)

(29.91)

(71.31)

(47.51)

(33.91)

(28.70)

(36.85)

(40.97)

(56.61)

(49.42)

0,00

0,01

0,01

0,02

0,01

0,00

0,01

0,02

0,02

0,01

(3.29)

(2.71)

(3.02)

(2.29)

(2.97)

(1.99)

(2.86)

(4.66)

(5.63)

(5.42)

0,17

0,09

0,06

0,03

0,02

0,14

0,17

0,04

0,02

0,01

191

Chapitre 4 - Effets des annonces sur les spreads de crdit

B- Estimation de lquation pour les indices obligataires par secteurs et par maturits
Secteur financier
1-3ans

Secteur industriel

3-5ans

5-7ans

7-10ans

10ans et +

1-3ans

3-5ans

5-7ans

7-10ans

10ans et +

Equation de la moyenne

Cste

0,00
(0.00)

0,02
(0.86)

0,01
(0.27)

0,01
(0.19)

-0,05
(-1.47)

-0,10
(-1.02)

-0,04
(-1.35)

-0,02
(-0.75)

-0,05
(-1.35)

0,06
(0.18)

S t 1

-0,28
(-8.37)

-0,28
(-11.86)

-0,28
(-11.06)

-0,22
(-6.61)

-0,26
(-5.16)

-0,17
(-3.70)

-0,15
(-3.91)

-0,09
(-2.63)

-0,06
(-2.22)

-0,02
(-5.54)

US
GDP

-0,54
(-1.23)

-0,02
(-0.15)

0,20
(1.20)

0,01
(0.03)

-0,11
(-0.25)

-1,07
(-0.88)

-0,20
(-0.79)

0,30
(1.57)

0,22
(1.05)

-0,25
(-0.17)

US IPI

-0,23
(-1.24)

-0,22
(-2.33)

-0,22
(-2.57)

-0,27
(-2.19)

-0,36
(-1.99)

-0,05
(-0.31)

-0,22
(-1.92)

-0,22
(-2.22)

-0,25
(-1.66)

-0,44
(-1.05)

US ISM

-0,28
(-2.71)

-0,26
(-1.75)

-0,26
(-2.25)

-0,24
(-1.44)

0,09
(0.61)

-0,48
(-2.74)

-0,30
(-1.67)

-0,11
(-1.10)

-0,13
(-0.88)

0,59
(0.92)

US NFP

-0,95
(-5.32)

-0,71
(-6.02)

-0,64
(-5.82)

-0,29
(-2.27)

-0,23
(-1.82)

-1,08
(-3.69)

-0,92
(-5.93)

-0,87
(-4.57)

-0,79
(-4.37)

-0,25
(-1.95)

US CPI

0,15
(1.15)

0,12
(1.12)

0,05
(0.55)

-0,02
(-0.21)

-0,04
(-0.42)

0,11
(0.50)

0,05
(0.33)

-0,08
(-0.60)

0,12
(0.85)

0,41
(1.34)

US RS

-0,50
(-2.78)

-0,17
(-1.07)

-0,31
(-1.99)

-0,21
(-1.67)

-0,21
(-2.96)

-0,39
(-1.49)

-0,13
(-0.75)

-0,28
(-1.69)

-0,58
(-3.09)

-0,14
(-0.78)

US TB

0,07
(0.62)

-0,03
(-0.37)

0,03
(0.29)

0,01
(0.07)

0,06
(0.62)

1,34
(2.17)

0,03
(0.24)

0,02
(0.11)

-0,05
(-0.39)

0,28
(1.31)

US
FOMC
Rate

0,05
(2.40)

0,03
(3.06)

0,03
(3.22)

0,02
(3.55)

0,01
(1.43)

0,03
(2.03)

0,02
(2.14)

0,02
(1.66)

0,02
(3.15)

0,01
(1.56)

(suite page suivante)

192

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.3-B (suite)

Secteur financier
1-3ans

EU GDP
EU IPI
EU ESI
EU Unemp
EU HICP
ECB Rate
GE GDP
GE IPI
GE ZEWI
GE- CPI
GE TB
FR GDP
FR IPI
FR ICA
FR CPI
FR TB

3-5ans

5-7ans

7-10ans

Secteur industriel
10ans et +

1-3ans

3-5ans

5-7ans

7-10ans

10ans et +

0,13

0,01

0,27

0,11

0,01

0,32

0,03

0,28

-0,17

-0,02

(0.97)

(0.06)

(1.38)

(0.50)

(0.03)

(0.66)

(0.12)

(0.98)

(-0.60)

(-0.05)

-0,02

0,08

-0,08

0,06

-0,02

0,16

0,19

-0,13

-0,10

-0,33

(-0.08)

(0.89)

(-0.75)

(0.54)

(-0.20)

(0.64)

(1.45)

(-1.32)

(-1.09)

(-1.14)

-0,81

-0,70

-0,61

-0,58

-0,43

-0,93

0,19

0,04

-0,01

-1,38

(-2.45)

(-1.69)

(-1.81)

(1.04)

(-1.58)

(-3.93)

(1.06)

(0.25)

(-0.03)

(-1.44)

-0,31

-0,04

-0,08

-0,05

0,00

-0,57

-0,16

-0,14

-0,22

0,36

(-2.06)

(-0.24)

(-0.57)

(-0.35)

(-0.02)

(-3.29)

(-1.50)

(-0.95)

(-1.58)

(1.00)

0,04

0,02

0,00

-0,08

0,11

0,02

0,03

-0,06

-0,16

-0,28

(0.77)

(0.60)

(0.07)

(-1.28)

(1.21)

(0.25)

(1.00)

(-0.77)

(-1.83)

(-2.04)

0,03

0,03

0,02

0,02

0,02

0,03

0,02

0,02

0,02

0,01

(3.21)

(2.72)

(2.26)

(2.33)

(2.25)

(2.79)

(2.39)

(2.25)

(2.60)

(2.53)

0,18

-0,01

0,09

-0,06

-0,26

-0,19

0,01

-0,33

-0,05

-0,09

(0.54)

(-0.10)

(0.84)

(-0.39)

(-2.54)

(-1.07)

(0.11)

(-1.89)

(-0.67)

(-0.22)

-0,10

-0,12

-0,16

-0,03

-0,16

-0,24

-0,18

-0,37

-0,12

-0,33

(-0.58)

(-1.05)

(-1.67)

(-0.29)

(-1.60)

(-0.73)

(-1.36)

(-1.98)

(-0.71)

(-1.57)

-0,21

-0,09

-0,18

-0,13

-0,12

-0,10

0,06

-0,21

-0,04

0,08

(-1.58)

(-1.25)

(-1.90)

(-1.44)

(-1.16)

(-0.64)

(0.47)

(-1.80)

(-0.31)

(0.38)

0,29

-0,04

-0,08

-0,20

-0,03

0,10

-0,30

-0,21

-0,34

0,14

(0.87)

(-0.25)

(-0.78)

(-1.89)

(-0.33)

(0.41)

(-1.72)

(-1.06)

(-1.87)

(0.60)

0,12

-0,04

0,09

0,06

0,08

-0,04

0,12

-0,03

-0,09

0,27

(0.97)

(-0.25)

(0.89)

(0.47)

(0.82)

(-0.27)

(1.08)

(-0.14)

(-0.91)

(0.88)

-0,73

-0,62

-0,62

-0,27

-0,77

-0,83

-0,68

-0,68

-0,73

-0,60

(-2.64)

(-3.33)

(-2.35)

(-1.35)

(-1.52)

(-2.65)

(-2.34)

(-2.90)

(-3.94)

(-1.11)

-0,22

-0,06

-0,14

-0,21

-0,32

-0,49

-0,22

-0,28

-0,39

-0,55

(-1.53)

(-0.67)

(-1.26)

(-1.50)

(-2.87)

(-2.29)

(-2.16)

(-2.55)

(-3.67)

(-2.99)

-0,24

-0,14

-0,20

-0,32

-0,35

-1,74

-0,43

-0,35

-0,39

0,92

(-1.30)

(-1.01)

(-1.23)

(-2.13)

(-1.84)

(-1.70)

(-0.98)

(-1.70)

(-1.93)

(0.05)

0,02

-0,37

-0,27

-0,24

-0,27

-0,55

-0,42

-0,38

-0,40

-0,36

(0.20)

(-3.87)

(-2.44)

(-2.37)

(-2.64)

(-1.92)

(-2.04)

(-1.57)

(-2.71)

(-2.32)

0,04

0,10

0,00

0,17

0,07

0,42

-0,08

-0,10

0,08

-0,33

(0.30)

(0.86)

(-0.03)

(1.53)

(0.66)

(1.74)

(-0.75)

(-0.83)

(0.66)

(-1.39)

Equation de la variance

-0,11

-0,10

-0,09

-0,06

-0,16

-0,11

-0,19

-0,07

-0,06

-0,10

(-2.58)

(-6.37)

(-3.67)

(-1.71)

(-3.31)

(-2.94)

(-5.47)

(-3.71)

(-3.07)

(-2.27)

0,17

0,15

0,13

0,09

0,56

0,43

0,34

0,12

0,08

0,58

(2.42)

(6.31)

(3.76)

(1.76)

(5.45)

(4.51)

(5.44)

(3.53)

(2.66)

(2.58)

0,11

0,05

0,05

0,05

0,05

0,10

0,10

0,04

0,04

0,06

(3.78)

(2.57)

(3.19)

(2.72)

(1.72)

(1.95)

(2.37)

(3.32)

(4.05)

(1.71)

0,98

0,98

0,98

0,97

0,72

0,92

0,96

0,98

0,98

0,90

(85.58)

(83.93)

(89.00)

(71.53)

(15.55)

(37.20)

(80.77)

(85.97)

(90.35)

(30.01)

Paramtres de la loi de distribution

Adj. R

1,03

1,06

1,02

1,04

1,03

1,03

1,02

1,03

1,02

1,03

(36.42)

(23.28)

(31.72)

(48.62)

(27.12)

(33.82)

(38.26)

(42.15)

(25.72)

(17.23)

0,02

0,01

0,01

0,02

0,02

0,01

0,01

0,02

0,02

0,02

(3.39)

(3.85)

(2.96)

(5.03)

(5.03)

(2.15)

(3.03)

(3.13)

(3.46)

(3.26)

0,03

0,05

0,04

0,03

0,01

0,03

0,05

0,05

0,03

0,01

193

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.4 : Impacts compars des annonces sur les spreads de crdit en priode de crise et de stabilit financire
Ce tableau prsente le rsultat de lestimation de limpact des surprises macroconomiques sur la dynamique des spreads de crdit en priode de crise financire et de stabilit financire, suivant le modle :
S t = + S t -1 + D1t

k
1k N t + D2 t

k
2k N t + t

avec :

t = ( t )1 / 2 t

ln( t2 ) = + t -1 + t -1 + ln( t2-1 )


t -1
t -1

t ~ Skewed - GED( , )

o, S t reprsente la variation quotidienne des spreads de crdit (en Pb) de lindice dobligations dentreprise en euro de Merrill Lynch ; N tk est une variable dummy qui est gale zro si le jour t ne correspond pas
au jour de la publication du news k, il prend la valeur E tk si le jour t correspond au jour dannonce de lindicateur macroconomique k, E tk dsignant la surprise contenue dans lannonce la date t du chiffre k ;

reprsente la constante de la rgression, est le coefficient dautorgression des spreads de crdit en diffrence premire ; D1t est la variable dummy qui prend la valeur 1 si la priode correspond la celle des
crises financires (du 02/01/2001 au 30/06/2003 et du 01/07/2007 au 31/03/2008) et 0 sinon ; D2 t prend la valeur 1 si la priode correspond celle de stabilit financire (01/07/2003 au 30/06/2007) et
0 sinon. ik (i=1,2) capte un ventuel impact diffrenci chacune de lannonce macroconomique k sur les spreads de crdit sur les deux priodes. t dsigne le rsidu de la rgression et 2 sa variance. reprsente

le terme autorgressif du logarithme de la variance, leffet dun choc sur les spreads de crdit (variations) et leffet dasymtrie correspondant limpact complmentaire ou spcifique dun choc ngatif ; tant
la constante de la variance conditionnelle (en log). Notre estimation est fonde sur la procdure de quasi-maximum de vraisemblance. Lalgorithme utilis est celui de Marquardt. Enfin, le test de Wald (F-Statistic) teste
lhypothse nulle H0: 1k = 2 k . Il permet de vrifier si lintensit de limpact des annonces dpend la conjoncture financire. L'chantillon couvre la priode du 02/01/2001 au 31/03/2008 (1869 observations).
Les valeurs entre parenthses sont les t-statistics sauf pour le test de Wald (F-statistic) qui sont des P-values. Les caractres gras indiquent que les coefficients sont significatifs au seuil de 10%.

Coefficients du modle ( 1k pour la priode de crises financires et 2 k pour la priode de stabilit financire)
AAA

1k

AA

2k

1k

2k

1k

BBB

2k

1k

Test de Wald (H0 : 1k = 2 k )


AAA

AA

2k

BBB

F-test (Prob.)

Equation de la moyenne
-0,01
(-0.32)
-0,40
(-16.47)

Cste

S t 1
US GDP
US IPI
US ISM
US NFP
US CPI
US RS
US TB
US FOMC
Rate

0,29
(1.07)
-0,64
(-4.19)
-0,32
(-3.18)
-0,82
(-5.09)
0,27
(1.38)
-0,29
(-2.08)
-0,23
(-0.88)
0,03
(3.28)

0,02
(0.94)
-0,37
(-15.34)
0,22
(1.26)
-0,07
(-0.97)
-0,01
(-0.08)
-0,19
(-1.05)
0,00
(0.04)
-0,28
(-1.74)
0,05
(0.57)
0,01
(1.66)

0,22
(0.43)
-0,74
(-3.97)
-0,61
(-2.48)
-0,86
(-5.75)
0,22
(1.20)
-0,36
(-2.01)
-0,37
(-1.47)
0,02
(1.82)

-0,02
(-0.70)
-0,24
(-9.73)
0,07
(0.50)
-0,03
(-0.25)
-0,20
(-1.73)
-0,30
(-1.90)
-0,08
(-0.85)
-0,22
(-1.32)
0,05
(0.45)
0,02
(1.90)

0,22
(0.44)
-1,06
(-3.23)
-0,88
(-3.17)
-0,86
(-5.66)
0,57
(1.53)
-0,57
(-1.86)
0,01
(0.04)
0,02
(2.92)

-0,05
(-1.25)
0,00
(0.18)
0,14
(0.94)
-0,12
(-1.16)
-0,23
(-2.46)
-0,57
(-3.43)
0,05
(0.45)
-0,32
(-2.23)
0,13
(1.04)
0,02
(2.00)

0,54
(0.61)
-0,86
(-2.44)
-1,22
(-2.89)
-1,11
(-2.23)
1,16
(1.64)
-0,71
(-1.05)
0,34
(0.76)
0,01
(0.32)

0,21
(1.04)
-0,07
(-0.62)
-0,08
(-0.50)
-0,86
(-3.89)
-0,20
(-1.33)
0,01
(0.04)
0,10
(0.60)
0,03
(2.20)

0,05
(0.828)
4,55
(0.033)
5,51
(0.019)
6,77
(0.009)
1,42
(0.234)
0,00
(0.944)
1,01
(0.315)
0,75
(0.387)

0,08
(0.772)
5,87
(0.015)
8,29
(0.004)
6,92
(0.008)
2,11
(0.146)
0,30
(0.584)
2,34
(0.126)
0,00
(0.986)

0,02
(0.883)
7,50
(0.006)
4,94
(0.026)
1,64
(0.201)
2,56
(0.103)
0,56
(0.454)
0,18
(0.674)
0,13
(0.719)

0,13
(0.720)
3,95
(0.047)
5,91
(0.015)
0,21
(0.646)
2,70
(0.100)
0,98
(0.322)
0,03
(0.855)
2,78
(0.095)

Suite page suivante

194

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.4 (suite)

Coefficients du modle ( 1k pour la priode de crises financires et 2 k pour la priode de stabilit financire)
AAA

EU GDP
EU IPI
EU ESI
EU Unemp
EU HICP
ECB Rate
GE GDP
GE IPI
GE ZEWI
GE- CPI
GE TB
FR GDP
FR IPI
FR ICA
FR CPI
FR TB

AA

BBB

Test de Wald (H0 : 1k = 2 k )


AAA

AA

BBB

1k

2k

1k

2k

1k

2k

1k

2k

0,23

0,02

0,27

-0,11

0,64

-0,08

0,49

-0,01

0,41

1,51

1,82

1,05

(0.93)

(0.10)

(1.14)

(-0.55)

(1.21)

(-0.35)

(1.50)

(-0.02)

(0.523)

(0.219)

(0.177)

(0.306)

F-test (Prob.)

-0,97

-0,08

-0,98

0,01

-0,34

0,15

-1,14

0,01

1,42

2,56

2,55

3,05

(-2.02)

(-0.57)

(-1.85)

(0.12)

(-1.52)

(1.59)

(-1.79)

(1.04)

(0.234)

(0.110)

(0.102)

(0.081)

-1,11

-0,08

-0,96

-0,06

-1,94

0,13

-1,71

0,34

4,18

3,23

6,85

5,93

(-2.29)

(-0.60)

(-1.77)

(-0.36)

(-2.49)

(0.94)

(-2.19)

(1.17)

(0.041)

(0.072)

(0.009)

(0.015)

-0,31

0,01

-0,42

-0,31

-0,23

-0,25

0,00

-0,09

3,54

0,19

0,01

0,06

(-2.31)

(0.06)

(-3.13)

(-1.56)

(-1.87)

(-1.23)

(0.01)

(-0.29)

(0.060)

(0.660)

(0.942)

(0.809)

-0,69

0,04

-1,52

0,00

-2,11

0,01

-1,37

-0,17

3,73

17,62

22,01

1,37

(-1.84)

(1.13)

(-4.19)

(0.04)

(-4.68)

(0.26)

(-1.34)

(-1.54)

(0.053)

(0.000)

(0.000)

(0.241)

0,02

0,00

0,02

0,02

0,02

0,01

0,08

0,03

1,29

0,32

0,03

1,82

(2.47)

(0.02)

(2.25)

(2.13)

(0.85)

(1.44)

(2.17)

(2.07)

(0.257)

(0.571)

(0.858)

(0.177)

-0,34

0,00

-0,09

-0,15

-0,65

0,07

0,88

-0,03

2,14

0,05

5,03

0,44

(-1.48)

(0.06)

(-0.36)

(-1.25)

(-2.08)

(0.95)

(1.00)

(-0.35)

(0.144)

(0.816)

(0.025)

(0.509)

-0,10

0,09

-0,06

-0,23

-0,12

-0,18

-1,69

-0,17

1,14

0,75

0,06

1,29

(-0.70)

(0.84)

(-0.33)

(-1.52)

(-0.52)

(-1.59)

(-1.28)

(-1.07)

(0.286)

(0.387)

(0.814)

(0.256)

-0,17

0,23

-0,18

0,19

-0,28

-0,16

-0,28

-1,22

2,67

3,74

0,21

1,35

(-1.82)

(1.05)

(-2.08)

(1.20)

(-2.92)

(-0.53)

(-1.65)

(-1.55)

(0.102)

(0.058)

(0.646)

(0.245)

-0,25

-0,09

0,11

0,12

-0,29

-0,41

0,34

-0,23

0,67

0,01

0,23

2,01

(-1.68)

(-0.65)

(0.77)

(0.96)

(-1.70)

(-1.39)

(1.04)

(-1.09)

(0.412)

(0.940)

(0.631)

(0.156)

-0,11

0,08

0,17

-0,07

0,04

0,07

2,05

0,01

0,76

1,00

0,01

3,20

(-0.52)

(1.37)

(0.74)

(-0.90)

(0.10)

(0.54)

(1.96)

(0.05)

(0.383)

(0.318)

(0.926)

(0.014)

-0,70

-0,16

-0,38

-0,06

1,46

-0,25

-3,32

-0,86

1,66

0,57

0,63

2,69

(-1.47)

(-1.17)

(-0.93)

(-0.50)

(0.68)

(-1.37)

(-2.22)

(-4.35)

(0.198)

(0.451)

(0.427)

(0.101)

-0,25

-0,14

-0,14

-0,13

0,15

-0,15

-0,35

-0,34

0,25

0,00

1,19

0,00

(-1.20)

(-1.13)

(-0.68)

(-1.49)

(0.58)

(-1.61)

(-0.74)

(-1.61)

(0.623)

(0.971)

(0.275)

(0.986)

-0,15

0,02

0,06

-0,19

0,33

-0,30

0,16

0,05

0,82

1,03

2,70

0,03

(-0.98)

(0.19)

(0.32)

(-1.17)

(1.41)

(-1.64)

(0.28)

(0.19)

(0.366)

(0.310)

(0.101)

(0.858)

-0,21

-0,21

-0,20

-0,12

-0,88

-0,13

-0,38

-0,03

0,00

0,21

3,72

0,55

(-1.65)

(-1.57)

(-1.80)

(-1.27)

(-3.58)

(-1.12)

(-0.86)

(-0.16)

(0.990)

(0.644)

(0.006)

(0.459)

0,34

0,01

0,12

0,01

-0,11

0,03

-0,24

0,13

2,02

0,20

0,16

0,24

(1.59)

(0.18)

(0.52)

(0.11)

(-0.32)

(0.40)

(-0.33)

(0.88)

(0.156)

(0.657)

(0.685)

(0.623)

Suite la page suivante

195

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.4 (suite et fin)

AAA

AA

BBB

AAA

AA

BBB

-0,11
(-5.40)

-0,13
(-3.87)

-0,14
(-5.97)

-0,08
(-3.64)

0,14
(5.25)

0,17
(3.91)

0,21
(5.95)

0,13
(4.16)

0,02
(0.74)

0,07
(2.93)

0,08
(3.30)

0,13
(4.71)

0,98
(84.69)

0,96
(67.74)

0,98
(88.13)

0,98
(85.21)

Equation de la variance

Paramtres de la loi de distribution

Adj. R

1,12

1,10

1,08

1,08

(37.23)

(46.51)

(42.97)

(41.11)

0,00

0,01

0,02

0,02

(3.29)

(4.09)

(4.51)

(5.34)

0,18

0,13

0,03

0,01

196

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.5 : Impact des surprises macroconomiques sur la volatilit des spreads de crdit
Ce tableau prsente le rsultat de lestimation de limpact des surprises lors des publications dindicateurs macroconomiques sur la variance
conditionnelle des spreads de crdit, suivant le modle :

S t = + S t -1 + t

t = ( t )1 / 2 t
ln( t2 ) = +

t ~ Skewed - GED( , )

avec :

k N tk + tt--11 + tt--11 + ln( t2-1 )

o, S t reprsente la variation quotidienne des spreads de crdit (en Pb) de lindice dobligations dentreprise en euro de Merrill Lynch ;

, la constante de lquation de la moyenne, est le coefficient dautorgression des spreads de crdit en diffrence premire, t , les
rsidus et

2 sa variance. N tk est une variable dummy qui prend la valeur E tk la date t de la publication de lindicateur k et 0

autrement ; E tk tant la surprise lors de la publication la date t de lindicateur macroconomique k. k mesure limpact de la surprise
macroconomique k sur la variance conditionnelle des spreads de crdit ; reprsente le terme autorgressif du logarithme de la variance,
leffet dun choc sur les spreads de crdit (variations) et leffet dasymtrie correspondant limpact complmentaire ou spcifique dun
choc ngatif ; tant la constante de la variance conditionnelle (en log). Notre estimation est fonde sur la procdure de quasi-maximum de
vraisemblance. Lalgorithme utilis est celui de Marquardt. L'chantillon couvre la priode du 02/01/2001 au 31/03/2008 (1869
observations). Les valeurs entre parenthses sont les t-statistics sauf pour le test F-statistic qui sont des P-values. Les caractres gras
indiquent que les coefficients sont significatifs au seuil de 10%.

AAA

AA

BBB

Cste

0,01
(0.69)

0,03
(1.37)

0,02
(0.61)

-0,05
(-1.48)

S t 1

-0,39
(-15.77)

-0,37
(-14.78)

-0,24
(-9.72)

0,00
(-0.06)

US GDP

-0,10
(-1.08)

-0,05
(-0.52)

-0,05
(-0.40)

-0,07
(-0.53)

US IPI

0,02
(0.17)

0,06
(0.42)

0,06
(0.48)

-0,02
(-0.22)

US ISM

0,13
(1.46)

0,13
(1.15)

0,04
(0.50)

0,03
(0.40)

US NFP

-0,03
(-0.50)

-0,05
(-0.76)

-0,01
(-0.22)

-0,20
(-2.45)

US CPI

0,16
(1.13)

0,08
(0.96)

-0,03
(-0.312)

-0,12
(-0.85)

US RS

-0,06
(-0.85)

0,04
(0.59)

0,06
(0.85)

0,01
(0.07)

US TB

0,04
(0.53)

0,08
(0.81)

-0,05
(-0.55)

-0,08
(-0.55)

US FOMC Rate

0,00
(-0.91)

0,00
(-0.34)

0,00
(-0.53)

0,00
(1.26)

Equation de la moyenne

Equation de la variance

(suite page suivante)

197

Chapitre 4 - Effets des annonces sur les spreads de crdit

Tableau 4.6.5 (suite)


AAA
EU GDP

EU IPI

EU ESI

EU Unemp

EU HICP

ECB Rate

GE GDP

GE IPI

GE ZEWI

GE- CPI

GE TB

FR GDP

FR IPI

FR ICA

FR CPI

FR TB

AA

BBB

0,09

0,05

-0,03

-0,20

(0.81)

(0.48)

(-0.33)

(-1.33)

0,12

0,16

0,10

0,23

(0.87)

(0.90)

(1.18)

(1.30)

-0,17

-0,20

-0,23

-0,27

(-2.41)

(-2.62)

(-2.79)

(-1.74)

-0,03

0,01

0,07

0,07

(-0.50)

(0.09)

(1.36)

(0.91)

0,02

-0,10

0,00

0,11

(0.27)

(-1.25)

(0.01)

(1.17)

-0,01

-0,01

-0,01

-0,02

(-1.59)

(-1.63)

(-1.86)

(-2.83)

-0,05

0,07

-0,02

-0,02

(-0.54)

(0.48)

(-0.20)

(-0.19)

-0,10

0,04

0,05

-0,03

(-1.41)

(0.50)

(0.52)

(-0.24)

-0,04

0,01

0,05

0,09

(-0.64)

(0.20)

(0.59)

(0.95)

-0,19

-0,12

-0,21

-0,28

(-0.99)

(-1.02)

(-2.43)

(-2.188)

-0,09

-0,07

-0,01

-0,13

(-1.49)

(-1.12)

(-0.08)

(-1.10)

-0,17

-0,04

-0,16

0,05

(-1.48)

(-0.29)

(-0.85)

(0.32)

-0,07

-0,10

0,01

-0,29

(-1.29)

(-1.41)

(0.14)

(-1.61)

-0,01

-0,06

-0,03

-0,18

(-0.09)

(-0.83)

(-0.38)

(-1.12)

-0,05

0,12

0,08

0,14

(-0.87)

(1.60)

(1.08)

(1.48)

-0,02

0,10

0,04

0,17

(-0.29)

(1.35)

(0.46)

(1.16)

-0,05

-0,06

-0,07

-0,04

(-3.13)

(-3.24)

(-3.77)

(-2.51)

0,06

0,09

0,11

0,08

(3.01)

(3.46)

(4.36)

(3.49)

0,04

0,06

0,07

0,11

(1.51)

(2.89)

(3.47)

(5.70)

0,99

0,97

0,98

0,99

(125.71)

(140.02)

(162.07)

(160.02)

Paramtres de la loi de distribution

Adj. R

1,10

1,09

1,08

1,06

(27.21)

(25.58)

(39.79)

(46.16)

0,00

0,01

0,02

0,02

(4.35)

(4.19)

(6.22)

(5.29)

0,12

0,08

0,02

0,01

198

Chapitre 4 - Effets des annonces sur les spreads de crdit

Graphique 4.6.1 : Rponses des spreads de crdit aux surprises macroconomiques


A- Rponses des spreads des obligations dentreprise notes AAA aux surprises des annonces amricaines et europennes sur la priode du 02 janvier 2001 au 31 mars 2008.
2

1.5

1.0

0.5

7.5
5.0
2.5

-1

10.0

0.0
0.0

0
-2

-0.5

-2.5

-1
-3

-1.0

-5.0

-2
-4

-7.5

-1.5

-3
-5
250

500

750

1000

1250

1500

1750

-10.0

-2.0

-4
250

500

US Production Industrielle
2 S.E.

750

1000

1250

1500

250

250

1750

500

750

1000

1250

750

1000

1250

1500

1750

2 S.E.

2 S.E.

2 S.E.

.10

500

1750
US Ventes de dtail

US Emploi non agricole

US ISM

1500

.08

1.0

.08

0.5

.04

.06

2
0

.04

-2

.02

0.0

.00

-0.5

-.04

-1.0

-.08

-1.5

-.12

-4
-6

.00

-8

-.02

-2.0
750

250

500

750

1000

Taux directeur FED

1250

1500

1000

1250

1500

1750

-.16
250

500

750

1000

1250

1500

1750

250

500

750

1000

1250

1500

1750

1750
Indicateur de climat conomique de la zone euro
2 S.E.

2 S.E.

Taux de chmage de la zone euro


2 S.E.

Taux directeur de la BCE


2 S.E.

0.8

1.0
0.8

0.4

0.6
0.0

0.4

0
-0.4

0.2
-2

-1

0.0
-0.2

-4

-0.8

-1.2

-2

-0.4
-1.6

-6
500

750

1000

PIB de l'Allemagne

1250

1500

2 S.E.

1750

250

-3

-0.6
250

250

500

750

1000

1250

1500

1750

Indice des prix la consommation de l'Allemagne


2 S.E.

500

750

1000

1250

PIB de la France

1500
2 S.E.

500

750

1000

1250

1500

1750

1750
Prix la consommation en France
2 S.E.

199

Chapitre 4 - Effets des annonces sur les spreads de crdit

B- Rponses des spreads des obligations dentreprise notes AA aux surprises des annonces amricaines et europennes sur la priode du 02 janvier 2001 au 31 mars 2008.
2

1.0

0.5

0.0

0
-1

-0.5
-1

-4

-2

-1.0
-2

-3

-4
250

500

750

1000

1250

1500

1750

-4

-2.0
250

500

US Production Industrielle
2 S.E.

750

1000

US ISM

.08

1250

1500

1750

.04

.02

-4

.00

-12
250

2 S.E.

500

750

1000

1250

US Emploi non agricole

.06

-8

-1.5

-3

1500

1750

250

500

2 S.E.

750

1000

US ventes de dtail

1.2

.08

0.8

.04

0.4

.00

0.0

-.04

-0.4

-.08

-0.8

-.12

-1.2

-.16

1250

1500

1750

2 S.E.

-8

-.02

-1.6

-12
250

500

750

1000

1250

1500

1750

750

Taux directeur de la FED


2 S.E.

1000

1250

1500

-.20
250

1750

500

1.2

1.0

0.8

0.6

1000

1250

1500

1750

250

500

Zone euro-Taux de chmage


2 S.E.

Zone euro-Indicateur du climat conomique


2 S.E.

750

0.4

750

1000

1250

1500

1750

1500

1750

Taux directeur de la BCE


2 S.E.

0.8

0.4

0.0

-0.4

0
0.2

-1

-0.8

-1
0.0

-2

-1.2

-2

-0.2

-3
-0.4

-4

250

250

500

750

1000

PIB de l'Allemagne

1250

1500

2 S.E.

500

750

1000

1250

1500

1750

1750

-1.6

-3

250

500
Indice des prix la consommation de l'Allemagne
2 S.E.

750

1000

1250

PIB de la France

1500
2 S.E.

500

750

1000

1250

1750
Indice des prix la consommation en France
2 S.E.

200

Chapitre 4 - Effets des annonces sur les spreads de crdit

C- Rponses des spreads des obligations dentreprise notes A aux surprises des annonces amricaines et europennes sur la priode du 02 janvier 2001 au 31 mars 2008.
2

1.0

0.5

3
0.0

2
-1

-0.5

-4
-2

-1.0

-3

-1

-1.5

-8

-2.0

-12

-2

-4

-3
-2.5

-5
250

500

750

1000

1250

1500

1750

-4

250

250

500

US Production Industrielle
2 S.E.

750

1000

US ISM

1250

1500

.12

750

1000

1250

1500

1750

250

500

-10

750

1000

1250

US ventes de dtail

1.6

.10

1.2

.05

0.8

.10
.08

-16

US Cration d'emploi non agricole


2 S.E.

2 S.E.

10

.14

500

1750

1500

1750

2 S.E.

.00

0.4
-.05

.06

-20

0.0
-.10

.04

-0.4

-30
.02

-.15

-0.8
-40

.00
-.02

-50
250

500

750

1000

1250

1500

-.20

-1.2

-.25

-1.6

1750

750

Taux directeur de la Fed


2 S.E.

1000

1250

1500

1750

250

500

Zone euro-Indicateur du climat conomique


2 S.E.

1000

1250

1500

250

1750

500

0.8

750

1000

1250

1500

1750

Taux directeur de la BCE


2 S.E.

Zone Euro- Taux de chmage


2 S.E.

1.2

750

0.8

0.4

0.0

0.4

0
-0.4
0.0

-2

-1
-0.8

-4

-2

-0.4

-1.2

-6

-3
-0.8

-8

-1.6
250

250

500

750

1000

PIB de l'Allemagne

1250

1500

2 S.E.

500

750

1000

1250

1500

1750

1750

-4

250

500
Indice des prix la consommation de l'Allemagne
2 S.E.

750

1000

1250

PIB de la France

1500
2 S.E.

500

750

1000

1250

1500

1750

1750
Indice des prix la consommation en France
2 S.E.

201

Chapitre 4 - Effets des annonces sur les spreads de crdit

D- Rponses des spreads des obligations dentreprise notes BBB aux surprises des annonces amricaines et europennes sur la priode du 02 janvier 2001 au 31 mars 2008.
4
3

20

15

1
0

10

2
-1

-1

0
-2

-2

-5

-2

-3

-3

-4

-10

-4
-4

-5
250

500

750

1000

1250

1500

1750

-6

250

250

500

US Production industrielle
2 S.E.

750

1000

US ISM

1250

1500

500

750

1000

1250

1500

1750

1750

2 S .E.

-15
-20

US Cration d'emploi non agricole


2 S.E.

250

500

750

1000

US Ventes de dtail

.12
.10

30

20

1250

1500

1750

2 S.E.

.2

.1

.08
10

.06

.0

.04

.02

-10

-.1

-1

.00
-20

-.02

-2

-.2

-30

-.04
250

500

750

1000

1250

1500

750

1750

1000

1250

1500

1750

-3
250

Indicateur du climat conomique de la zone euro


2 S.E.

US Taux directeur de la FED


2 S.E.

500

750

1000

1250

1500

1750

-.3
250

500

Taux de chmage de la zone euro


2 S.E.

2.0

12

1250

1500

1750

1500

1750

1.6

1.2

0.8

4
1.0

0.4

0.5

0.0

-0.4

0.0

-0.8

-4

-0.5

-4

1000

Taux directeur de la BCE


2 S.E.

1.5

750

-1.2
-1.6

-1.0

-8
-2.0

-1.5

-8

250

250

500

750

1000

PIB de l'Allemagne

1250

1500

2 S.E.

500

750

1000

1250

1500

1750

1750

-2.4
250

-12
Indice des prix la consommation de l'Allemagne
2 S.E.

500

750

1000

1250

PIB de la France

1500
2 S.E.

500

750

1000

1250

1750
Indice des prix la consommation de la France
2 S.E.

Note : Ces graphiques sont les estimations des coefficients rcursifs. Elles montrent linstabilit dans le temps de leffet des chocs macroconomiques sur les primes de risque
sur le march en euro des obligations dentreprise. Les deux courbes encadrant les coefficients estims sont les standard error.

202

Conclusion gnrale
Le lancement de la monnaie unique en 1999 a favoris lessor des missions de titres de
crance en euro. Le march de la dette prive a connu une forte croissance. En se limitant aux
missions ayant un encours minimum de 100 millions deuros, la valeur de march des
obligations en euro mises par les entreprises a plus que doubl en dix ans pour atteindre 1040
milliards deuro. Le nombre dmissions est pass de 883 1372 entre janvier 1999 et mars
2008. Majoritairement domin au dbut de l'UEM par les obligations dentreprise du secteur
financier ayant de trs bonnes notations (AAA et AA), ce march sest progressivement
ouvert des metteurs plus risqus, notamment ceux nots A et BBB. En termes de structure,
le march des obligations en euro tend ainsi ressembler au march obligataire corporate
amricain. Par ailleurs, le march des drivs de crdit et le march financier structur,
notamment les titres adosss des crances120 (CDO-Collateralized debt obligations), ont
aussi enregistr aussi une croissance considrable.
Cette volution a entran une augmentation de lexposition globale des investisseurs au
risque de crdit. Cest ainsi que les fluctuations extrmes des cours, dues un effet de
contagion ayant suivi la crise des subprimes, ont inflig de lourdes pertes aux dtenteurs
dobligations prives (par llargissement des spreads). Tous les compartiments : dette
structure, obligations haut rendement, dette subordonne bancaire et obligations
dentreprise de catgorie investment-grade ont t affects. Ce qui explique lintrt port
au problme de la valorisation de cet actif hybride en ce sens que lobligation prive est de la
nature la fois dun titre de crance et dun actif risqu.
Si plusieurs tudes ont t consacres aux spreads de crdit sur le march amricain de la
dette risque (Longstaff et Schwartz, 1995, Duffee, 1998, Collin-Dufresne et al., 2001 ;
Elton et al, 2001 etc.), il en existe trs peu de travaux sur le march en euro
(Van Landschoot, 2008). Compte tenu de la place de leuro dans lconomie mondiale, il nous
a sembl ncessaire de connatre les principaux dterminants des spreads de crdit pour tre
en mesure de prvoir par exemple la volatilit sur ce march.
Cette thse, organise en quatre chapitres, examine linfluence de lenvironnement

120

Certains produits structurs, comme les titres garantis par des obligations (CBO-Collateralized bond
obligations), s'appuient sur un large portefeuille de titres.

203

Conclusion gnrale

conomique sur les primes de risque. Une attention particulire est accorde limpact des
crises financires sur ce pan du march obligataire. Nous utilisons les spreads de crdit
(Option Adjusted Spread) en frquence quotidienne de lindice obligataire Investment-grade
de Merrill Lynch sur la priode allant de janvier 1999 mars 2008.
Le chapitre 1 prsente des faits styliss qui caractrisent lvolution des primes de risque sur
le march de la dette prive en euro.
Lanalyse descriptive de lvolution de ces primes rvle que pour une notation donne, les
spreads des metteurs du secteur financier sont plus levs que ceux du secteur industriel.
Aussi, les spreads et leur volatilit diminuent avec la qualit de signature des metteurs
(notation) : en particulier, ils sont trs levs pendant les priodes de crises. Par ailleurs, la
distribution des spreads de crdit est non stationnaire, asymtrique et leptokurtique sur la
priode tudie ; des regroupements de volatilits sont galement observs. Ces faits styliss
qui caractrisent le comportement des primes de risque sur ce march peuvent tre attribuable
aux chocs macroconomiques et financiers.
Le chapitre 2 propose une modlisation de la volatilit conditionnelle des spreads de crdit
dans un cadre non gaussien de manire tenir compte des faits styliss observs sur ce
march. Le contrle de lasymtrie est introduit de deux manires : la distinction des effets
des chocs sur la variance selon leur signe et lutilisation de lois asymtriques pour caractriser
la distribution des erreurs. Nous montrons en effet que, lajout deffets dasymtrie dans les
distributions conditionnelles de Student et de la GED amliore la qualit de nos estimations.
Le modle EGARCH avec une distribution GED asymtrique (Skewed-GED), qui permet de
contrler, la fois, les phnomnes dasymtrie et de prsence de queues paisses, semble
intressant pour caractriser la dynamique des spreads de crdit et offre aussi une meilleure
prvision hors chantillon de leur volatilit.
Cette tude pourrait tre utile pour lanalyse du risque sur le march europen de la dette
prive en plein essor et qui est, par ailleurs, trs peu document dans la littrature. En
particulier, le modle dvelopp peut tre un outil dans lvaluation et la gestion de risque de
crdit de portefeuille. Elle pourrait intresser aussi bien pour les praticiens que les autorits de
rgulation et de contrle.
Pour les autorits de rgulation la matrise des principaux facteurs de risque sur les spreads
de crdit et la prvision de la volatilit sur march de la dette risque sont de nature se
prmunir contre linstabilit financire.

204

Conclusion gnrale

Pour les investisseurs, la prvision de la volatilit des actifs financiers joue un rle essentiel
dans lvaluation et la couverture des placements. Par exemple, le payoff de certains produits
drivs dpend de la volatilit des spreads de crdit. Cest le cas des contrats futurs sur spread
qui donne droit, la maturit de loption demprunter avec un spread de taux prdtermin
par rapport au taux sans risque et des options sur spread, qui donnent droit la maturit de
loption un nominal, si le spread appliqu un metteur donn est gal ou suprieur aux prix
dexercice de loption. Lestimation et la prvision de la volatilit des spreads de crdit sont
donc utiles pour se prvenir contre de possibles pertes sur ces nouveaux types dactifs
financiers.
Enfin, lvolution du spread sur les obligations (mme sans changement de classe de risque)
fait partie du risque de march et rentre en compte dans le calcul de la Value at Risk
(V.a.R) et du capital conomique ncessaire pour le couvrir. Le modle EGARCH avec une
distribution GED asymtrique (Skewed-GED) peut par exemple servir calculer la VaR
conditionnelle (CVaR) qui prend en compte les risques extrmes. Il peut ainsi servir lun des
outils daide la dcision en matire dallocation du capital rglementaire conformment aux
exigences de Ble II, et bientt Ble III.
A partir dun modle structurel dvaluation de la dette risque, le chapitre 3 examine
linfluence des conditions de march sur la tarification du risque affectant le march des
obligations dentreprise. Les facteurs explicatifs utiliss sont les variables lies aux conditions
de taux, ltat du march action, la liquidit du march obligataire et au march des
changes. Cest le modle EGARCH-Skewed-GED qui est utilis pour tenir compte des faits
styliss observs.
Les primes de risque sur le march de la dette prive varient avec le rendement dautres actifs
sur les marchs financiers. En effet, les pertes attendues sur une obligation prive dpendent
des taux sans risque, du rendement du march boursier et sa volatilit, du taux de change ainsi
que de la liquidit sur le march obligataire. La liquidit semble influencer les spreads de
crdit, notamment durant les priodes de crises financires. Par ailleurs, le taux de change de
leuro affecte surtout les spreads de crdit des metteurs industriels, sans doute en raison de
leur impact sur la comptitivit des entreprises. Enfin, l'effet de ces facteurs est fonction des
caractristiques de lobligation : le rating et, dans une moindre mesure, la maturit du titre.
Ainsi, les spreads de crdit des obligations de rating infrieur sont plus affects par les
conditions de march.

205

Conclusion gnrale

Toutefois, les facteurs mis en vidence par les modles structurels nexpliquent quune partie
relativement faible de la variation de spreads de crdit observs. Les R tant de lordre 25%.
Collin-Dufresne et al. (2001) obtiennent des rsultats similaires (R 25%) pour lanalyse du
spreads de crdit amricain. Pour surmonter ces insuffisances Gupton et Stein (2002) ainsi
que Huang et Kong (2003) suggrent dintgrer les facteurs macro-conomiques dans les
rgressions.
Le chapitre 4 examine limpact des annonces macroconomiques sur le march de la dette
prive en euro. Nous analysons comment les publications des statistiques conomiques
influencent les spreads de crdit selon la nature des indicateurs et lampleur de la surprise.
Une surprise est dfinie comme lcart entre la valeur publie dun indicateur et la
prvision tire du consensus. Nous examinons vingt-quatre indicateurs se rapportant aux
Etats-Unis et la zone euro.
Indpendamment de la situation financire de la firme mettrice, les spreads de crdit sur un
titre varie en fonction de lvolution de la conjoncture conomique nationale et internationale.
Comme on sy attendait, les investisseurs semblent accorder une plus grande importance aux
chiffres amricains quaux annonces macroconomiques de la zone euro, dans lvaluation
des primes de risque. Ce qui traduit, limportance de lconomie amricaine dans la
croissance mondiale.
Les indicateurs dont les publications affectent les spreads de crdit sur le march en euro des
obligations dentreprises sont relatifs :
-

la sphre relle et la politique montaire aux Etats-Unis ;

au climat conomique de la zone euro et la politique montaire de la BCE ;

lactivit et linflation en Allemagne et en France.

Conformment lintuition, les publications de chiffres meilleurs que prvus font diminuer
les spreads de crdit. Les bonnes nouvelles, signe de bonne sant de lconomie
augmenteraient la confiance des acteurs conomiques sur les perspectives futurs et
contribuent baisser le risque sur le march obligataire.
Par ailleurs, si les spreads de crdit des metteurs du secteur financier sont naturellement plus
influencs par les publications des taux directeurs, ceux du secteur industriel sont davantage
affects par les chiffres dactivit.
Aussi, les obligations de ratings plus faibles et celles de courtes maturits sont davantage
affectes par les publications dindicateurs macroconomiques. Enfin, les spreads de crdit
semblent plus ractifs aux publications macroconomiques pendant les priodes de crises.

206

Conclusion gnrale

En conclusion, les principaux apports de ce travail la littrature sont de deux ordres :

le modle EGARCH-Skewed-GED utilis est original sur ce sujet. Les spreads de


crdit sont modliss de manire tenir compte des faits styliss observs sur les
marchs (prsence dasymtrie et de queues paisses des distributions, etc.). Le
contrle de lasymtrie est introduit de deux manires : la distinction des effets des
chocs sur la variance selon leur signe (par lintermdiaire dun processus Exponential
GARCH, EGARCH) ; lutilisation de distribution asymtrique et intgrant la prsence
dvnements rares (Skewed-GED) qui permet de contrler, la fois, les phnomnes
dasymtrie et de prsence de queues paisses ;

les donnes utilises (Merrill Lynch) ont permis dexaminer le comportement des
primes de risque sur le march des obligations prives en euro. En effet, la plupart des
tudes sur ce sujet se rapportent au march amricain.

Les limites de cette tude sont relatives au niveau assez faible des coefficients de
dtermination (R) des modles estims. Les raisons qui expliquent le niveau lev des
rsidus du modle pourraient tre de plusieurs ordres :

les classes de rating pourraient souffrir de problmes dhtrognit. En effet, la


distinction par classes de rating nest fiable et non biaise, que si toutes les entreprises
dune mme classe ont le mme risque de dfaut ;

les facteurs idiosyncratiques (propres aux firmes mettrices), non pris en compte
directement ici.

Comme perspectives, il serait intressant dans nos prochaines recherches :

dexaminer, dans un cadre multivari, si la dynamique des spreads de crdit des


obligations prives est principalement conduite par des facteurs121 communs ou des
facteurs idiosyncratiques (spcifiques aux firmes). Ces derniers pourraient caractriser
la fois chaque titre (rating, maturit, sniorit du titre etc.), chaque metteur
(rendement et volatilit des actions de chaque metteur par exemple).
Cela permettra dviter les ventuels problmes dhtrognits des donnes
indiciaires des spreads de crdit qui sont regroups par secteurs, notations et maturits.
Lapproche conomtrique en donnes de panel pourrait tre adopte pour prendre en
compte la fois les dimensions transversales et chronologiques des informations
analyses ;

121

Wilson (1998) ainsi que Jarrow, Lando et Yu (2003) mettent en vidence lexistence dune partie systmatique et dune
partie spcifique du risque de crdit.

207

Conclusion gnrale

de comparer le pouvoir prdictif de la volatilit conditionnelle des spreads de crdit


celui de la volatilit stochastique, notamment en priode de crises financires.
La volatilit stochastique pourrait tre tire des modles intgrant des processus
sauts dpendant des surprises macroconomiques (Lahaye et al., 2009) et la volatilit
conditionnelle, des processus FIEGARCH122, associs la distribution gnralise des
valeurs extrmes (Generalized extreme value (GEV) distribution).

122

Le processus FIEGARCH (Fractionally Integrated EGARCH) a t propos par Bollerslev et Mikkelsen (1996).

208

Conclusion gnrale

Bibliographie

[1]

Bollerslev T. et Mikkelsen H.O. (1996), "Modeling and Pricing Long-Memory in Stock


Market Volatility," Journal of Econometrics, 73, 151-184.

[2]

Collin-Deferens P., R. Goldstein et S. Martin (2001), The determinants of credit spread


changes. Journal of Finance, 56, 2177-2207.

[3]

Duffee G. (1998), The relation between treasury yields and corporate bond yield
spreads, Journal of Finance, 53, 2225-2241.

[4]

Elton E., Gruber M., Agrawal D. et Mann (2001) C., Explaining the rate spread on
corporate bonds, Journal of Finance, 56, 247-277.

[5]

Gupton G. et Roger Stein R. (2002), LossCalTM: Moody's model for predicting loss
given default (LGD), Moody's Investors Services, Global Credit Research.

Huang J. Z. et Kong W. (2003), Explaining credit spread changes: Some new evidence
[6] from Option-Adjusted Spreads of bond indices, New-York University, Working Paper
N S-CDM-03-08.

[7]

Jarrow R. A., Lando D. et Yu F. (2003), Default risk and diversification: theory and
applications, Revised version of the EFA 2001 Barcelona Meetings.

[8]

Lahaye J., Laurent S. et Neely J.C. (2009), Jumps, cojumps and macro announcements
Federal Reserve Bank of St. Louis, Working Paper N 2007-032D.

[9]

Longstaff F. A. et Schwartz E. S. (1995), Valuing risky debt: A new approach,


Journal of Finance, 50, 789-819.

[10]

Van Landschoot A. (2008), Determinants of yield spread dynamics: Euro versus US


dollar corporate bonds Journal of Banking and Finance, 32, 2597-2605.

[11] Wilson T. C. (1998), Portfolio Credit Risk, FRBNY, Economic Review, 71 -82.

209

Conclusion gnrale

210