BM65_PAGET-BLANC Page 38 Lundi, 30.

juin 2003 11:14 11

Rating et probabilit de dfaut

des entreprises europennes :
dtermination par un modle
de rgression logistique ordonn
ric Paget-Blanc
Matre de Confrence
Universit dEvry Val dEssonne
Chercheur associ, CREFIB,
Consultant, Fitch

eric.paget-blanc@socio.univ-evry.fr

Les dterminants des ratings :

revue de la littrature

1.

Les approches traditionnelles

Lauteur remercie Elie Hriard-Dubreuil pour son aide prcieuse dans

le traitement statistique des donnes, ainsi que Jol Bessis pour ses
conseils aviss.

Diffrentes approches ont t dveloppes an de

modliser le calcul de Pd. Des recherches entreprises par certaines banques centrales 1 et par des universitaires 2 ont propos des modles de scoring. Plus rcemment, des modles
quantitatifs permettant de calculer directement la probabilit
de dfaut ont t produits par les agences de rating 3, et des
mthodes traitant la probabilit de dfaut comme une variable stochastique ont t dveloppes 4. Une revue dtaille de
ces diffrentes approches a t propose par le Comit de
Ble (2000). Une autre manire de modliser les dterminants de Pd consiste utiliser les ratings raliss par les principales agences de notation, Fitch, Moodys et Standard &
Poors. Les agences de notation calculent rgulirement et
publient le taux de dfaut observ historiquement pour chaque niveau de note et pour diffrents horizons de temps
variant dune dix annes (voir annexe). Ceci permet dassocier une probabilit de dfaut chacun des 21 24 crans contenus dans lchelle des notes des trois agences. La dtermination de la probabilit de dfaut sur un horizon de temps
donn revient alors dterminer le rating de lentreprise.
Les agences de notation indiquent, dans les notes
mthodologiques quelles publient 5, les critres qualitatifs et
quantitatifs sur lesquels se fondent leurs ratings. Lapproche
des agences 6 sappuie sur une analyse des donnes nancires recueillies dans les comptes publis, mais galement sur
une valuation de la stratgie et du management de lentreprise, de sa position concurrentielle, et des risques lis au
secteur dans lequel elle volue, lments qui sont de nature
qualitative. La spcicit de lanalyse qualitative suivie par
les agences rside dans le mode de dtermination de la note,

a rglementation prudentielle bancaire a connu

une volution importante en 2001, avec la proposition du Comit de Ble visant utiliser les probabilits de dfaut (Pd) pour dterminer les pondrations attaches aux actifs bancaires. La publication de ce
texte nous amne naturellement une rexion sur les modles permettant de dterminer la probabilit de dfaut dun
emprunteur. Se pose notamment la question de savoir en
quelle mesure il est possible pour une banque de dterminer
la probabilit de dfaut partir dinformations observables et
disponibles pour lensemble des emprunteurs, ce qui se
rsume essentiellement des donnes nancires tires des
comptes publis par les entreprises et la connaissance du
secteur auquel celles-ci appartiennent. Dans cet article, nous
acceptons lhypothse selon laquelle la probabilit de dfaut
peut tre dtermine partir des ratings attribus par les
agences de notation. partir des mthodologies publies par
les agences et de la littrature sur les dterminants des
ratings, nous tenterons didentier les principaux facteurs
expliquant les ratings. En un second temps, nous proposerons un modle permettant de dterminer le rating et la probabilit de dfaut partir de donnes nancires publies par
les entreprises.

38

Banque & Marchs n 65 - juillet-aot 2003

BM65_PAGET-BLANC Page 39 Lundi, 30. juin 2003 11:14 11

qui ne suit pas un algorithme prdni, tel que le calcul dun

score, mais est le fruit de la confrontation dopinions mises
par des analystes et des conomistes runis en comit dit de
notation, qui permet la prise en compte dinformations non
quantiables. Cette approche se distingue galement des
modles quantitatifs prcits par le fait que les notes intgrent des informations non publiques auxquelles les analystes des agences ont accs.
Sur le plan acadmique, plusieurs tudes empiriques
ont t ralises an didentier les dterminants des ratings.
Les premires tudes, parmi lesquelles Horrigan (1966),
West (1970) et Pogue et Soldofsky (1969), ont utilis de simples modles de rgression par les moindres carrs, ayant
pour variable dpendante le rating. Dans lensemble, les calculs des coefcients de dtermination indiquent quune proportion importante du rating (jusqu 79 % dans ltude de
West) peut tre explique avec un nombre relativement
rduit de variables nancires (entre trois et cinq). Les facteurs qui ont le plus dinuence sur le rating sont lactif total,
le niveau dendettement (mesur par rapport aux fonds propres ou au cash-ow), la couverture des charges dintrt, la
rentabilit et la volatilit des rsultats. Il est intressant de
constater que les variables de liquidit (BFR, rotation des
stocks, dure du crdit fournisseurs) ne sont pas cites.
Cependant, comme lont not Kaplan et Urwitz (1979), cette
approche suppose que les diffrentes valeurs que prend la
variable dpendante sont galement espaces, cest--dire
que la diffrence de risque entre un metteur not AAA et un
metteur not AA est gale celle existant entre un BBB et
un BB. Or, lobservation des probabilits de dfaut par rating
(Annexe) indique clairement que cela nest pas le cas.
Par la suite, les chercheurs ont fait un plus grand usage
de lanalyse discriminante linaire (Pinches & Mingo, 1973)
et quadratique (Pinches & Mingo, 1975 ; Altman & Katz,
1976 ; Perry, Cronan & Henderson, 1985). Cette approche
consiste dterminer empiriquement la combinaison linaire
(ou quadratique) de variables qui permet de discriminer le
mieux les entreprises de mme rating, cest--dire de maximiser la variance entre chaque groupe dentreprises de mme
rating relativement la variance lintrieur de chaque
groupe. Ces tudes montrent, que lorsquelles sont appliques des chantillons tests dentreprises, les fonctions
score obtenues permettent de dterminer de manire exacte
la note de lentreprise dans 60 % 80 % des cas. Peavy et
Edgar (1983) parvenaient un taux de 91,6 %, mais en appliquant le modle lchelle court terme simplie des agences, qui ne comprend que trois crans, et ne peut pas tre valablement utilis pour lestimation de Pd. Ces rsultats, en
apparence satisfaisants, doivent tre considrs avec prcaution, en raison des limites mthodologiques que prsente
lanalyse discriminante. En effet, celle-ci ne saisit pas le
caractre ordinal des ratings, car ce type danalyse revient
tenter de classer la variable explique en diffrentes catgories qui ne sont pas ordonnes ; par ailleurs, elle suppose que
les variables dpendantes suivent une loi normale multivarie, hypothse qui na pas t systmatiquement vrie
dans ces tudes. La porte de ces tudes est galement limite par le fait que les agences ont largi leurs chelles de
notation au dbut des annes 1980, en introduisant, pour chaque catgorie de note, des niveaux intermdiaires reprsents
Banque & Marchs n 65 - juillet-aot 2003

par des + et des sur les chelles Fitch et S & P et par des
chiffres 1,2 et 3 pour lchelle Moodys. Les chelles comprennent aujourdhui entre 21 (Moodys) et 24 (Fitch) crans,
contre seulement 10 dans les chelles antrieures aux annes
80, priode pendant laquelle les donnes des tudes prcites
ont t collectes. Dautre part, la quasi-totalit de ces tudes
a t ralise sur des chantillons dentreprises amricaines,
et leurs rsultats ne sappliquent pas ncessairement aux
entreprises europennes.

2.

Lapproche logistique

Les tudes les plus rcentes se sont tournes vers les

approches logistiques, qui permettent de modliser des
variables discrtes et prsentent lavantage de ne pas requrir
que les variables indpendantes aient une distribution normale. Les fonctions logistiques de type LOGIT/PROBIT
permettent de modliser les variables dichotomiques ou
polytomiques dont le comportement nest pas linaire.
Kaplan et Urwitz (1979) ont ralis lune des premires tudes utilisant un modle PROBIT polytomique ordonn. Ce
type de fonction logistique permet de discriminer une variable dpendante discrte Yn (le rating de la rme n) pouvant
prendre des valeurs k, k tant un nombre entier variant entre
1 et L. Le nombre de valeurs prises par Yn est ici suprieur
deux, ce qui distingue le modle des fonctions dichotomiques, o la variable est binaire ; elle est adapte la modlisation des dterminants des ratings 7, alors que les fonctions
dichotomiques permettent de modliser le risque de dfaut.
Dans un modle polytomique ordonn, une variable score Zn
est associe Yn. Zn est obtenue par combinaison linaire de
variables Xn ; elle scrit sous la forme :
Z n = b X n
o b est le vecteur des coefcients dune combinaison
linaire des variables indpendantes Xn
Z est une variable continue partitionne en k intervalles. Les
bornes de chaque intervalle sont dnies par des valeurs
seuils de Z notes ak.
Les conditions de dtermination de Yn en fonction de Zn
sont les suivantes :
Y n = 1 si Z n  a 1
Y n = 2 si a 1 < Z n  a 2
:
Y n = L si a L 1 < Z n
Les valeurs seuils ak et le vecteur des coefcients b de
la combinaison linaire sont obtenus par maximisation de la
fonction log-vraissemblance suivante 8 :
N

l ( b, a ) =

log ( P ( Yn = k | Xn, b, a ) ) 1 ( Yn = k )
n = 1k = 1

o 1 () est une fonction indicatrice prenant la valeur 1 si la

condition Yn = k est vrie et 0 si elle ne lest pas.
On dtermine la probabilit pour que chaque valeur de
Yn appartienne une catgorie de rating k de la manire suivante :
P ( Y n = 1 | X n, b , a ) = F ( a 1 + b X n )
P ( Y n = 2 | X n, b , a ) = F ( a 2 + b X n ) F ( a 1 + b X n )
P ( Y n = k | X n, b , a ) = F ( a k + b X n ) F ( a k 1 + b X n )
P ( Y n = L | X n, b , a ) = 1 F ( a L 1 + b X n )

39

BM65_PAGET-BLANC Page 40 Lundi, 30. juin 2003 11:14 11

II tude empirique

F tant une fonction logistique de la forme

1
F ( x ) = ------------------ .
1 + e x
Chandy & Duett (1990) ont utilis la rgression logistique LOGIT et lanalyse discriminante multivarie pour
identier les dterminants des ratings ; cependant, ils ont
limit leur test aux ratings de papier commercial, dont
lchelle ne comprend que 4 crans. Resti et Omacini (2001)
ont appliqu un modle logistique multinomial ; les modles
multinomiaux prsentent lavantage de pouvoir sappliquer
une variable dpendante non binaire. Cependant, dans un
modle de rgression logistique multinomiale, lendogne
est une variable cardinale, ce qui ne permet pas de saisir le
caractre ordinal des ratings. Lintrt de cette tude rside
principalement dans lchantillon utilis, qui est compos
exclusivement dentreprises europennes. Ces tudes, dans
lensemble, parviennent identier les facteurs explicatifs
des ratings et saccordent sur la nature des variables nancires exerant une inuence signicative sur les ratings,
savoir la taille, lendettement, et la rentabilit, pour ne citer
que les principales. Le modle de Kaplan et Urwitz fournit
une prvision exacte du rating dans les deux tiers des cas ; les
auteurs constatent que les rsultats ne sont pas signicativement diffrents de ceux obtenus avec une rgression par les
moindres carrs. Cependant, ils se fondent sur l ancienne
chelle des agences neuf crans. Chandi et Duett ne constatent pas non plus de diffrences signicatives entre les rsultats obtenus par les modles logistiques et par lanalyse discriminante multivarie. Resti et Omacini parviennent
prdire correctement entre 54 % et 64 % de ratings dun
chantillon test, mais en utilisant une chelle de rating simplie comprenant seulement six niveaux de note.
En conclusion, les rsultats de ces tudes montrent
quil est possible dexpliquer une part non ngligeable du
rating avec un nombre relativement peu lev de variables
nancires. En revanche, elles ne parviennent pas proposer
un modle de dtermination des ratings prsentant un degr
de prcision satisfaisant, du moins susceptible de permettre
la dtermination des probabilits de dfaut. La faible capacit prdictive des modles de rating accrdite la thorie
selon laquelle les notes des agences contiennent des informations privilgies que lon ne peut intgrer dans un modle
quantitatif. Sous cette hypothse, le rating contient une prime
informationnelle forte et linformation nest que partiellement transmise par les spreads aux prteurs, ce qui suppose
un march du crdit faiblement efcient. Le faible degr de
prcision des modles prsents peut galement sexpliquer
par le fait quils nintgrent pas sufsamment de variables
spciques aux secteurs dans lesquelles voluent les entreprises. Les documents mthodologiques publis par les
agences indiquent, en effet, que le risque sectoriel revt une
importance dterminante dans lattribution des notes par les
agences.
Dans ltude empirique qui suit, nous proposons un
modle de dtermination de la probabilit de dfaut des
entreprises europennes sappuyant sur la relation entre le
rating et Pd, et comprenant la fois des variables communes
toutes les entreprises et des variables propres chaque secteur dactivit. Lchantillon est constitu uniquement
dentreprises europennes.

1.

Champ

Lchantillon est compos dentreprises industrielles et

commerciales europennes notes par Fitch ou S & P. Nous
avons retenu lhypothse, gnralement accepte, que les
carts de notes entre les trois principales agences ntaient
pas signicatifs 9, et quen consquence, le lien entre la note
et la probabilit de dfaut est indpendant de lagence qui a
attribu la note. Lchantillon dentreprises europennes
comprend un total de 274 ratings attribus des entreprises
situes dans 10 pays europens ; pour chaque entreprise retenue, nous avons observ le niveau de la note en 2001 et, pour
les entreprises dont la note a t modie depuis 1990, le ou
les niveaux antrieurs de cette note. Nous avons galement
constitu un chantillon test, qui ne sera pas utilis pour
lestimation empirique des paramtres du modle ; compte
tenu du nombre relativement faible dentreprises notes en
Europe, nous avons t contraints de rduire cet chantillon
10 %, soit 27 entreprises, de lchantillon utilis pour
lestimation des paramtres. Les entreprises situes dans des
pays dont la note est spculative (infrieure BBB-) ont t
exclues de lchantillon. En effet, les agences de notation ont
adopt le principe de plafonner la note dun metteur par la
note du pays dans lequel il est situ an de prendre en compte
le risque de transfert 10. En consquence, dans un pays faiblement not, la note dune entreprise prsentant une bonne
sant nancire serait gale celle du pays, retant ainsi les
facteurs intervenant dans la notation du risque souverain et
non ceux dune entreprise industrielle ou commerciale. Nous
avons galement exclu de lchantillon les entreprises publiques, dnies comme les entreprises dont la dette est garantie
par lEtat, et dont la note traduit le soutien de lEtat et non la
situation nancire intrinsque.
Nous avons recueilli les comptes et les principaux
ratios de lexercice comptable prcdant lobservation de la
ou des notes de chaque entreprise de lchantillon. En nous
fondant sur les principaux soldes intermdiaires de gestion,
postes de bilan, et ratios jugs les plus pertinents par les
agences de notation 11, nous avons retenu un ensemble de
20 indicateurs nanciers. Cet ensemble comprend des indicateurs de croissance rentabilit, de couverture des frais
nanciers, dendettement, de capitalisation, de taille, de
capacit dgager des cash-ows, et de liquidit 12. La plupart de ces indicateurs prennent la forme de ratios, ce qui permet de comparer des indicateurs nanciers pour des entreprises de tailles diffrentes. Les critres de taille de lentreprise
(actif total, chiffre daffaires, log de lactif et fonds propres)
ne sont pas exprims sous forme de pourcentage, mais en
valeur puisque leur objectif est prcisment de mesurer le
lien entre la taille de lentreprise et le rating. Le logarithme a
galement t retenu pour lactif total, dont certaines valeurs
observes, notamment pour les entreprises oprant dans
lindustrie lourde, sont fortement loignes des autres observations de lchantillon, rendant ainsi difcile lidentication dun lien statistique avec le rating.
Lessentiel de lchantillon est compos dentreprises
situes dans des pays nots AAA ; aucune entreprise de
lchantillon nest situe dans un pays not dans les catgories

40

Banque & Marchs n 65 - juillet-aot 2003

BM65_PAGET-BLANC Page 41 Lundi, 30. juin 2003 11:14 11

AA A. Les observations plafonnes par un rating pays

situ dans le bas de la catgorie dinvestissement (BBB +
BBB-), et qui sont susceptibles dtre plus inuences par les
facteurs macro-conomiques ou politiques que par des lments propres lentreprise, ne reprsentent que 1,1 % de
lchantillon. Il sagit dentreprises situes en Pologne et en
Rpublique Tchque. En revanche, les notes dentreprises
britanniques sont sur-reprsentes, avec 75,55 % de lchantillon europen, ce qui sexplique par le fort dveloppement
de la notation dans les pays anglo-saxons par rapport aux
autres pays. Compte tenu du faible nombre dentreprises
notes dans les autres pays europens, il nest pas possible de
constituer un chantillon reprsentatif en maintenant une distribution quilibre par pays 13.
La rpartition par note fait apparatre que seulement
9,1 % des notes sont en catgorie spculative (infrieures
BBB-), ce qui constitue une faiblesse par rapport aux tudes
prsentes plus haut, qui portent en quasi-totalit sur des
chantillons amricains. En effet, le modle prsent dans cet
article est bti partir dinformations obtenues sur des entreprises prsentant une qualit de crdit leve. De ce fait, quel
que soit le degr de signication du modle obtenu, son application des petites et moyennes entreprises devra tre accompagne de certaines prcautions. Ceci est li la difcult qua
rencontre le march du high-yield se dvelopper en Europe,
alors que les metteurs en catgorie spculative reprsentent
une part consquente du march obligataire amricain.
Pour chaque note observe, nous avons galement
indiqu le secteur dans lequel volue lentreprise. Cinq secteurs dactivit ont t identis (tableau 1). Cette dsagrgation a t effectue sous la double contrainte de constituer des sous-populations de taille raisonnable pour tre
statistiquement reprsentative et de maintenir lhomognit des entreprises du point de vue des facteurs de risques
sectoriels. Les cinq secteurs retenus sont ainsi classs par
niveau croissant dintensit capitalistique, qui constitue un
facteur de risque majeur et constitue une clef de rpartition
sectorielle des entreprises couramment retenue par les
agences de notation 14.

Elle permet cependant de ltrer les nombreux indicateurs

proposs dans les documents mthodologiques des agences,
an de retenir, pour la constitution dun modle, ceux qui
prsentent un lien statistique avec Pd. Une prise en compte
de la stationnarit aurait ncessit lutilisation de ratios et des
ratings sur plusieurs annes, ce que la base de donnes utilise ne nous permettait pas de raliser.
R est calcul entre le taux de dfaut et chaque variable
indpendante pour lensemble de lchantillon, puis pour chacun des cinq secteurs. Les probabilits de dfaut ont t obtenues en utilisant les taux de dfaut par rating de Moodys
(Annexe 1). La probabilit de dfaut 10 ans a t retenue. Le
choix dun horizon de temps long se justie par le fait que les
notes des agences retent mieux la perception du risque
long terme. La probabilit de dfaut moyenne pour lensemble de lchantillon est de 4,2 %, avec un cart-type de 9,3 %.
Le tableau 2 fait apparatre la valeur des coefcients de corrlation de Pearson R calculs pour lensemble de lchantillon et pour chacun des cinq secteurs dactivit. Seuls les
coefcients de corrlation signicatifs au seuil de probabilit
bilatrale (nots Sign) de 5 % ou moins apparaissent.
Pour lensemble de lchantillon, cest avec les ratios
de rentabilit, notamment Rsultat Net/Actif Moyen et de
taille (Chiffre daffaires et Logarithme de lActif Total) que
les corrlations avec Pd les plus leves sont observes. Les
indicateurs les moins corrls avec Pd sont les ratios de liquidit quatre sur cinq ne sont pas signicatifs au seuil de
5 % et le ratio de couverture des frais nanciers. Une corrlation signicative au seuil de 5 %, mais nanmoins peu
leve, est observe pour les indicateurs dendettement, de
capitalisation, de gnration de cash-ow et de croissance du
chiffre daffaires. Ces rsultats tendent prouver que les critres de rentabilit et de taille sont les indicateurs nanciers
qui inuencent le plus les agences de notation, avant mme
les ratios dendettement et de gnration de cash-ow. Ils
conrment nanmoins le poids accord par les agences la
capacit des entreprises rembourser leur dette par la gnration de cash-ow ; cependant, la lecture des mthodologies publies par les agences, on aurait pu sattendre une
corrlation plus leve que celle des critres de rentabilit
avec Pd. La corrlation leve des critres de taille avec Pd,
en revanche, ne surprend pas, compte tenu de limportance
accorde par les agences au positionnement sur le march
des entreprises et leur diversication gographique et sectorielle, qui sont directement lis leur taille. Cependant,
certains critres cits comme importants par les agences, tels
que la couverture des charges nancires et la liquidit, semblent ne pas avoir de poids pour lensemble de lchantillon ;
cette observation avait dj t formule par Kaplan et
Urwitz (pour les ratios de couverture) et Resti & Omacini
(pour les ratios de liquidit).
Pour chaque secteur, le nombre de coefcients de corrlation signicatifs est plus faible que pour lensemble de
lchantillon : certains indicateurs sont corrls avec Pd pour
lensemble de lchantillon, mais ne le sont pas pour certains
secteurs, ce qui suggre lexistence de spcicits sectorielles en matire de dterminants du rating. En outre, les corrlations observes atteignent des niveaux plus levs dans
certains secteurs que pour lensemble de lchantillon : ainsi,
dans le secteur Communications/Services, le coefcient de

Tableau 1. Rpartition des observations

par secteur dactivit (en %)
Secteur 1 (communication/services)

18,2

Secteur 2 (distribution/commerce)

23,7

Secteur 3 (utilities/transport)

22,6

Secteur 4 (Industries diverses)

13,1

Secteur 5 (Industrie lourde)

22,3

Total

100,0

2.

Slection des variables du modle

La premire tape de ltude empirique consiste identier les variables qui ont la plus forte inuence sur la probabilit de dfaut. Pour cela, nous utilisons le coefcient de
corrlation de Pearson (R). Cette mesure prsente un certain
nombre de limites : elle suppose que les variables sont stationnaires et ne traduit pas forcment un lien de causalit.
Banque & Marchs n 65 - juillet-aot 2003

41

BM65_PAGET-BLANC Page 42 Lundi, 30. juin 2003 11:14 11

Tableau 2. Corrlation entre Pd et les indicateurs financiers des entreprises

Echant. total

Secteur 1

0,269

0,774

0,334

0,561

Sign.

0,000

0,000

0,009

0,000

0,366

0,799

0,382

0,550

Sign.

0,000

0,000

0,003

0,000

0,417

0,284

0,517

Sign.

0,000

0,028

0,000

0,341

0,596

0,455

0,427

0,000

0,000

0,000

0,001

Sign.

0,424

0,652

0,330

0,523

0,000

0,000

0,013

0,000

I
Marge oprationnelle

EBITDA/Chiffre daffaires (CA)

Rsultat net/CA

Rsultat av. IS/Fds Propres moy.

Rsultat net/actif total moyen

EBITDA/frais nanciers nets

Dettes nancires brute/EBITDA

Dette n. Nette/Fonds propres

Fds propres/Actif total

Croissance du CA

Cash-ow oprationnel/CA

Crances commerciales (en jours)

Dettes fournisseurs (en jours)

Secteur 2

Secteur 3

Secteur 4

0,448

Sign.

0,008

Secteur 5

0,193

0,495

0,788

0,295

Sign.

0,002

0,000

0,000

0,022

0,135

0,337

0,344

Sign.

0,026

0,006

0,040

0,173

0,410

0,372

0,391

Sign.

0,005

0,003

0,002

0,003

0,136

0,606

0,470

Sign.

0,035

0,000

0,012

0,268

0,706

0,579

Sign.

0,000

0,000

0,000

0,659

0,323

Sign.

0,000

0,020

R
Sign.

Besoin en fonds de roulement

Stock moyen (en jours)

Rotation du BFR (en jours)

Actif total

Chiffre daffaires (CA)

Ln (actif total)

Fonds propres et quasi-FP

0,131

0,308

0,336

0,384

Sign.

0,048

0,013

0,020

0,006

0,398

0,345

0,617

Sign.

0,006

0,011

0,000

0,382

0,598

Sign.

0,003

0,001

0,316

0,408

0,556

Sign.

0,000

0,001

0,000

0,413

0,506

0,563

Sign.

0,000

0,032

0,003

0,402

0,309

0,538

0,498

0,759

Sign.

0,000

0,029

0,000

0,006

0,000

0,315

0,302

0,524

0,285

0,509

Sign.

0,000

0,037

0,000

0,035

0,000

Source : FitchRatings

42

Banque & Marchs n 65 - juillet-aot 2003

BM65_PAGET-BLANC Page 43 Lundi, 30. juin 2003 11:14 11

corrlation entre Pd et les ratios de rentabilit dEBITDA/CA

et de cash-ow/CA atteignent le seuil de 0,7. Cela indique
que dans les Communications/Services, lapprciation de Pd
est plus inuence par le niveau de marge dexploitation
gnre par lentreprise que dans la Distribution/Commerce,
o, en revanche, le rendement des fonds propres et de lactif
sont des facteurs fortement lis lapprciation du risque de
dfaut. Ces observations accrditent la dmarche consistant
retenir des ratios spciques chaque secteur, en supplment des ratios communs lensemble des entreprises. Les
ratios prsentant des coefcients de corrlation plus levs
dans un secteur donn que pour lensemble de lchantillon
sont prsents dans le tableau 3.

les corrlations croises avec les autres variables sont faibles

ou nulles, an de rduire la multicolinarit, et qui ne gurent pas parmi les variables communes.
Secteur 1
(communication/services) :
Secteur 2
(distribution/commerce) :
Secteur 3 (Utilities, transport) :
Secteur 4 (Industries diverses) :
Secteur 5 (Industrie lourde) :

Nous avons introduit une variable muette S0, j associe

chaque secteur j telle que :
S 0, j = 1 si secteur = j
S 0, j = 0 si secteur j
Rgression linaire par les moindres carrs (RLMC) :
Lquation de rgression linaire scrit :

Tableau 3. Coefficients de corrlation sectoriels significatifs et plus levs que ceux de lensemble de lchantillon
Secteur 1
(communication/services) :

Ratios de rentabilit et de croissance

de lactivit ;
Dure du stock moyen

Secteur 2
(distribution/commerce) :

Dure du crdit fournisseur et BFR ;

Fonds propres et capitalisation

Secteur 3 (Utilities/transport) :

Dure du stock moyen et BFR ;

Faible corrlation des ratios dendettement et de taille

Secteur 4 (Industries diverses) :

Ratios dendettement et de couverture

des frais nanciers ;
Dure du stock moyen et BFR

Secteur 5 (Industrie lourde) :

Indicateurs de taille ;
Capacit gnrer des cash-ows

3.

Y = b0 +

i=1

j=1

Xi bi +

S 0, j

Xi bi, j + Sj cj

i=1

b0 tant la constante, bi les coefcients des variables communes Xi, bi,,j les coefcients de Xi pour les entreprises des secteurs j, et cj les coefcients des variables Sj spciques aux
secteurs j.
Lquation comporte 5 combinaisons de 6 variables (les
5 variables communes X1,, X5 et la variable spcique sectorielle Sj) sectorielles, en plus des 5 variables communes
tous les secteurs, soit un total de 35 variables indpendantes.
Le modle propos permet, dune part, dintgrer des variables spciques chaque secteur, et dautre part, daccorder
un poids diffrent aux variables communes selon les secteurs
( travers les coefcients bi, j). Une procdure de rgression
linaire pas pas a t utilise, ce qui permet dliminer les
variables dont les coefcients ne sont pas statistiquement
signicatifs au seuil souhait, et de retenir lquation prsentant le R2 le plus lev. Les variables retenues ainsi que leur
coefcient, leur cart-type, leur seuil de probabilit critique et
R2 du modle retenu apparaissent dans le tableau 4.

Traitement statistique

Deux traitements statistiques diffrents ont t appliqus lchantillon : la rgression linaire par les moindres
carrs (RLMC) et la rgression logistique ordonne (RLO)
de type LOGIT. Dans les deux procdures, nous avons retenu
les mmes variables. La variable dpendante est Y ; les
ratings ont t pralablement cods, de manire obtenir une
variable continue et ordinale, qui varie entre 1 (pour AAA)
21 (pour la catgorie de rating D). Nous avons slectionn
cinq variables indpendantes Xi communes tous les secteurs. Les variables ayant une forte corrlation avec Pd ont
tout dabord t identies, ce qui nous a amens exclure
les indicateurs de liquidit et de couverture des frais nanciers. An dviter des problmes de colinarit entre variables, nous avons retenu une variable pour chaque catgorie
dindicateur (croissance et rentabilit, endettement, capitalisation, taille, et capacit dgager des cash-ows), en prenant de soin de calculer galement les coefcients de corrlation entre ces variables.

Tableau 4. RLMC : coefficients et seuil de probabilit critique Coefficient de dtermination

Coefcient
Estim

Seuil de prob.
Critique

Constante b0

19,4688

< 0,001

X4 Ln (Actif total)

1,1953

< 0,001

X2 Fonds propres/actif total

0,0373

< 0,001

S0,3 . X2

0,1576

< 0,001

S0,3 . X5

4,3898

0,005

0,0998

< 0,001

S0,2 . S2

0,0386

< 0,001

S0,2 . X4

0,1305

0,001

S0,3 . X4

1,0682

< 0,001

S0,3 . S3

0,0474

< 0,001

S0,3 . X1

0,7825

0,005

X3 Rsultat net/Actif total moyen

X1 = Dette nancire brute/EBITDA (indicateur dendettement)

X2 = Fonds propres/total actif (indicateur de capitalisation)
X3 = Rsultat net/actif total moyen (indicateur de rentabilit)
X4 = Logarithme de lactif total (indicateur de taille)
X5 = Cash-ow oprationnel/chiffre daffaires (indicateur de gnration de
cash-ow)

Nous avons galement retenu cinq variables Sj spciques chaque secteur j (le fait que le nombre de secteurs soit
gal au nombre de variables communes est le fruit du
hasard). Nous avons slectionn les variables qui ont, dans
chaque secteur, le plus fort degr de corrlation avec Pd, dont
Banque & Marchs n 65 - juillet-aot 2003

S1 = marge oprationnelle
S2 = dure du crdit-fournisseur (en jours
de CA)
S3 = Cycle du BFR (en jours de CA)
S4 = EBITDA/charges nancires nettes
S5 = Chiffre daffaires

Coefcient R2 = 64,5 %

43

BM65_PAGET-BLANC Page 44 Lundi, 30. juin 2003 11:14 11

Rgression logistique ordonne LOGIT (RLO) : La mthodologie utilise sappuie sur les principes des rgressions
logistiques ordonnes prsentes dans la premire partie de
larticle. Le score Z permet de dterminer le rating selon les
conditions dnies en premire partie ; il est obtenu par combinaison linaire des variables Xi et Sj, ce qui scrit :
5

Z =

Xi bi +

i=1

j=1

S 0, j

modle RLMC est continue (dans ce cas prcis, il sagit du

code du rating), alors que la RLO permet de dterminer
directement une variable discrte. Ceci constitue la principale limite de la RLMC ; elle peut tre contourne en prenant
les valeurs arrondies du score obtenu, mais le modle perd
alors de son intrt. ce stade, nous avons jug prfrable de
poursuivre lexprience en nutilisant que la procdure RLO.

Xi bi, j + Sj cj

Tableau 6. RLO : Valeurs seuils a du score Z pour chaque

niveau de rating

i=1

bi tant les coefcients des variables communes, bi,,j les coefcients de Xi pour les entreprises des secteurs j, et cj les coefcients des variables Sj spciques chaque secteur.
Nous avons calcul les coefcients de Z, qui apparaissent dans le tableau 5, avec leur cart-type, leur Statistique t
et leur seuil de probabilit critique. Les valeurs seuils ak du
score Z pour chaque niveau de la variable Y ont t calcules ; ces rsultats apparaissent dans le tableau 6. Aucune
valeur seuil pour le score Z na pu tre obtenue pour les
ratings situs entre B et CC, ainsi que pour CCC, car nous
navons pu recueillir dobservation pour cette catgorie de
note.

Rating

Tableau 5. RLO : Coefficients, seuil de probabilit critique et R2 de la fonction logistique F

Code du rating (Y)

Seuil de Z
a)
par rating (a

cart-type

AAA

AA+

16,3665

1,4945

AA

14,6977

1,3538

AA

13,7725

1,3129

A+

12,9168

1,2826

12,0851

1,2539

10,8488

1,2121

BBB +

9,7528

1,1808

BBB

8,7500

1,1525

BBB

10

7,5293

1,1149

BB +

11

6,7763

1,0972

BB

12

5,8332

1,0999

BB

13

4,8574

1,1297

B+

14

3,99091

1,1656

Coefcient
Estim

Seuil de prob.
Critique

X4 Ln (Actif total)

0,97209

< 0,001

X2 Fonds propres/actif total

0,0371

< 0,001

S0,3 . X2

0,1336

< 0,001

S0,3 . X5

4,3167

0,013

0,1176

< 0,001

15

3,5915

1,1945

S0,2 . S2

0,0469

< 0,001

CC

18

2,6234

1,3330

S0,2 . X4

0,1209

0,004

CC-D

20

1,9269

1,5086

S0,3 . X4

0,8624

< 0,001

S0,3 . S3

0,0442

< 0,001

S0,3 . X1

0,5050

0,108

X3 Rsultat net/Actif total moyen

Tableau 7. RLO comparaison des ratings rels et estims

chantillon gnral :

Coefcient R2 = 49,4 %
RLMC

An dvaluer les performances du modle RLO, le

score a t calcul pour tous les ratings de lchantillon, et
partir des valeurs seuils, les codes de rating estims par le
modle ont t obtenus (tableau 7) ; la variable explique
dans un modle logistique tant discrte, les codes obtenus
par lquation de rgression sont des nombres entiers qui correspondent exactement des ratings. Ils sont compars aux
ratings cods observs des 247 entreprises de lchantillon
gnral, ce qui permet de calculer lerreur destimation
moyenne, et la distribution des erreurs. Le R2 a t calcul.
Le modle a t ensuite appliqu lchantillon-test de
27 ratings, et les ratings cods estims ont t compars aux
ratings observs ; lerreur moyenne et la distribution des
erreurs ont t calcules. La variable dpendante dun

cart Y observestim

Frquence
cumule

% cumul

Frquence
cumule

% cumul

Exact

51

23,0 %

58

26,0 %

1 cran

151

68,0 %

141

63,2 %

2 crans

194

87,4 %

192

86,1 %

3 crans

211

95,0 %

210

94,2 %

4 crans

213

95,9 %

212

95,1 %

4,1 %

11

4,9 %

5 crans et plus

44

RLO

Total :

222

223

Erreur moyenne

1,41

1,43

Banque & Marchs n 65 - juillet-aot 2003

BM65_PAGET-BLANC Page 45 Lundi, 30. juin 2003 11:14 11

coefcients ont un signe ngatif, ce qui indique un effet positif de lindicateur sur le niveau du rating. Ces rsultats indiquent ainsi que laugmentation du logarithme de lactif et le
ratio de fonds propres/actif a un effet positif sur le rating,
tous secteurs confondus. Certaines variables communes
apparaissent deux fois dans le modle : il sagit de X4 (Log
de lactif total) pour le secteur 2 et le secteur 3, et de X1
(Dette/EBITDA), X2 (fonds propres/actif), et X5 (cash-ow
oprationnel/chiffre daffaires) pour le secteur 3 uniquement.
Le coefcient directeur de la variable X4 est donc diffrent
dans les secteurs 2 et 3 de sa valeur dans les secteurs 1,4 et
5 ; de mme, celui des variables X1, X2 et X5 est diffrent dans
le secteur 3 par rapport aux autres secteurs. Cela signie que
ces variables communes nont pas la mme inuence sur le
rating pour les secteurs 2 et 3 que pour lensemble de
lchantillon. Dans le secteur 3, on remarque que les coefcients du Log de lactif total (D3-X4) et du cash-ow oprationnel/chiffre daffaires (D3-X5) sont ngatifs. Pour le premier, cela signie que le Log de lactif total (variable X4) a,
dans le secteur 3, une inuence moins importante sur le
rating que pour lensemble de lchantillon : en effet, le coefcient liant ces deux variables est gal, dans ce secteur, la
somme des coefcients de la variable commune Log de
lActif Total et de la variable spcique sectorielle D3-X4
qui, elle, est ngative. Le signe ngatif du coefcient de la
variable D3-X5 indique que le ratio de cash-ow oprationnel/chiffre daffaires a une inuence ngative sur le rating
dans le secteur 3. Cependant, ce rsultat est relativiser, le
seuil de probabilit critique lev du coefcient indiquant
que la variable cash-ow oprationnel/CA est nettement
moins signicative que les autres variables ; elle aurait
dailleurs pu tre exclue de lquation de rgression sans en
diminuer signicativement le R2.
La RLMC permet dexpliquer une part plus importante
des ratings. Le R2 obtenu par la RLMC indique que les variables indpendantes expliquent 64,45 % de la variance de Y,
alors quelles en expliquent 49,4 % lorsque le modle est
estim par la RLO. Cependant, on ne peut tirer de conclusions de la bonne performance relative de la RLMC, car cette
procdure suppose que les ratings sont reprsents par une
variable continue, ce qui nest pas le cas ; les rsultats obtenus sont donc biaiss. Lintrt de la RLO est prcisment de
pouvoir sappliquer une variable discrte et dviter ainsi
ce biais.
La comparaison entre les valeurs observes de Y et
celles estimes par le modle nous renseigne sur la abilit
de celui-ci. La RLO permet destimer le rating avec une
erreur moyenne de 1,4 cran pour lchantillon de base, et de
2,0 crans pour lchantillon-test. Le modle estim par
RLMC possde une abilit comparable, lerreur moyenne
se situant respectivement 1,42 et 1,51 pour lchantillon de
base et lchantillon test. Le modle obtenu par RLO a permis destimer 26 % des ratings de lchantillon de base de
manire exacte, et 94 % des ratings dans une bande de
3 crans, ce qui reprsente une catgorie de rating (AA, AA
et AA + par exemple) ; ces chiffres slvent respectivement 29 % et 62 % pour lchantillon-test. Nous considrons
que cette marge derreur est faible : elle est dun niveau comparable aux carts que lon rencontre dans le cas des splitratings (ratings diffrents par plusieurs agences pour une

chantillon-test :
RLMC
cart Y observestim

RLO

Frquence
cumule

% cumul

Frquence
cumule

% cumul

Exact

33,3 %

29,2 %

1 cran

16

66,7 %

15

62,5 %

2 crans

18

75,0 %

16

66,7 %

3 crans

21

87,5 %

18

75,0 %

4 crans

22

91,7 %

19

79,2 %

5 crans et plus

8,3 %

20,8 %

Total :

24*

24

Erreur moyenne

1,51

2,00

* Du fait de labsence de donnes pour certains indicateurs, ces calculs

nont pu tre raliss pour trois entreprises de lchantillon-test

Les taux de dfaut 10 ans correspondant aux ratings

prdits par le modle RLO ont t dtermins partir des
taux de dfaut par rating (annexe). Nous avons compar les
taux de dfaut estims et les taux de dfauts observs en calculant lcart moyen entre ces variables (tableau 8).
Tableau 8. Probabilit de dfaut 10 ans (%)
Erreur destimation de Pd10 (%)
Pd estime : moyenne/chantillon total
Pd estime : cart-type/chantillon total

2,9595
6,4879

Erreur moyenne estime observe/chantillon total

2,8186

Erreur moyenne/Catgorie dinvestissement

1,2870

Erreur moyenne/Catgorie spculative

24,8356

4.

Rsultats et commentaires

Les rsultats obtenus par les deux mthodes RLMC

et RLO ne sont pas sensiblement diffrents en ce qui
concerne lidentication des variables explicatives et leur
poids respectif (tableaux 4 et 5). Nous avons retenu les variables dont le coefcient est statistiquement signicatif au seuil
de 1 % (nous avons galement choisi de maintenir un coefcient dont le seuil de probabilit critique se situe respectivement 5,4 % et 10,8 % pour chaque quation). On constate
que les mmes variables indpendantes ont t retenues par
les deux mthodes et que dans les deux cas, le coefcient de
la variable S0,3 . X1 prsente un seuil de probabilit critique
qui se situe lgrement au-dessus du seuil gnralement
accept (5 %). Les ratings sont expliqus par seulement trois
variables communes lensemble des entreprises : le logarithme de lactif total, qui est la variable inuenant le plus
le rating, le ratio de fonds propres sur actif total, et le ratio de
rsultat net sur fonds propres. Ceci corrobore les rsultats des
tudes prcdentes, qui ont observ quune part importante
du rating pouvait sexpliquer avec un nombre rduit de variables. Les variables sectorielles sont retenues pour le secteur 2
(distribution/commerce : dure du crdit fournisseur) et 3
(utilities/transport : cycle du BFR en jours). La plupart des
Banque & Marchs n 65 - juillet-aot 2003

45

BM65_PAGET-BLANC Page 46 Lundi, 30. juin 2003 11:14 11

Conclusion

mme entreprise). Elle est plus troite que celle constate

dans les tudes prsentes dans la premire partie : en effet,
nous avons utilis dans nos tests une chelle de note de
21 crans (y compris le dfaut), alors que la plupart des autres
tudes sappuyaient soit sur les anciennes chelles des agences (9 ou 10 crans), soit sur une chelle simplie excluant
les crans intermdiaires (ou notes alphanumriques). Les
performances du modle estim par la RLMC sont similaires. La similarit des rsultats obtenus par les modles
RLMC et RLO indique que, dans cette srie de tests, le biais
induit par le modle RLMC nest pas signicatif. Le rating
peut donc, dans cette exprience, sanalyser comme une
variable continue, pralablement code. Dterminer sil est
possible de gnraliser ce rsultat, notamment aux ratings de
catgorie spculative qui ntaient que faiblement reprsents dans notre chantillon pourrait constituer une
extension des travaux de recherche prsents dans cet article.
Les ratings obtenus par le modle RLO peuvent tre
traduits en probabilits de dfaut 10 ans (cf. Annexe).
La probabilit de dfaut 10 ans moyenne pour lensemble
de lchantillon se situe 2,95 %. Lcart moyen entre les Pd
estimes et les Pd observes est de 2,81 % pour lensemble
de lchantillon, ce qui est lev par rapport la moyenne de
Pd. Cependant, il apparat que lerreur destimation est nettement plus importante pour les ratings en catgorie spculative (24,8 % en moyenne) que pour les ratings en catgorie
dinvestissement (1,3 %). Le graphe 1 montre clairement
que le degr derreur destimation est une fonction du niveau
du rating, et que cette relation est de nature exponentielle ;
lamplitude de lerreur destimation augmente considrablement partir de BBB/BBB. On en conclut que le modle
prsent peut fournir une estimation de Pd avec une marge
derreur faible de lordre de 1 % pour les entreprises dont
la qualit de crdit est moyenne ou leve, mais que sa abilit est limite pour les entreprises de faible qualit de crdit.

En nous appuyant sur lhypothse selon laquelle les

ratings attribus par les agences constituent une bonne estimation de la probabilit de dfaut long terme des entreprises, nous avons bti un modle de dtermination de la probabilit de dfaut 10 ans des entreprises europennes. Les
tests effectus prouvent que le modle est relativement
robuste. Il permet destimer le rating avec une marge de deux
crans dans 86 % des cas, un degr de prcision qui navait
pas t atteint par les modles prsents dans la littrature
acadmique, et permet de prvoir les taux de dfaut des
entreprises de catgorie dinvestissement avec une marge
derreur de 1,29 %.
La robustesse du modle sexplique, selon nous, par
lintgration de variables quantitatives spciques aux secteurs dactivit, qui avait t nglige dans les tudes prcdentes. Ce modle prsente nanmoins certaines limites.
Dune part, compte tenu de la faible taille de lchantillon et
de la sur-reprsentation des entreprises britanniques, les
rsultats doivent tre interprts avec prcaution, notamment
lorsque le modle est appliqu des entreprises dEurope
continentale. Lutilisation de donnes collectes en une seule
anne constitue une faiblesse notable de notre approche.
Dautre part, ce modle ne permet pas destimer avec un
degr de prcision satisfaisant le rating et la probabilit de
dfaut des entreprises notes en catgorie spculative. Ceci
sexplique, dune part, par le faible nombre de ratings de
cette catgorie prsents dans lchantillon, qui illustre la
situation du march des missions high yield en Europe, et
dautre part, par lamplitude des variations du taux de dfaut
au sein dune mme catgorie de rating lorsque ceux-ci sont
spculatifs : ainsi, le taux de dfaut 10 ans associ un
rating de catgorie B varie entre 35,9 % et 59,0 %.
Nous en concluons que si la probabilit de dfaut des
entreprises de qualit dinvestissement peut tre dtermine
avec un degr de prcision lev par un modle logistique
ordonn sappuyant sur des donnes nancires publiques,
elle ncessite un modle spcique pour les ratings de catgorie spculative. Une autre approche consisterait constituer des modles spciques chaque secteur dactivit ;
tant donn le poids important des variables sectorielles dans
le modle prsent, le degr de prcision des estimations de
ratings ou de probabilit de dfaut ne pourrait quen tre

amlior.

Graphe 1. Erreur d'estimation et niveau de rating

A
A

50,0

erreur (en %)

40,0
A

30,0

A
A

20,0
A

10,0

0,0

A A

A A

A+

A A

BBBrating

C-D

46

Banque & Marchs n 65 - juillet-aot 2003

BM65_PAGET-BLANC Page 47 Lundi, 30. juin 2003 11:14 11

1 Cest le cas de la Banque de France, avec le Score BDFI (1998).

2 Voir notamment les travaux dAltman (1968, 1993) et dAltman et Al
(1976, 1977).
3 Voir Sobehart & Stein (2000) pour le modle de lagence Moodys.
4 Voir modle KMV (2001).
5 Voir le recueil de mthodologies de Standard & Poors (2001), ainsi
que la mthodologie de Fitch (1999) et de Moodys Investor Services
(2001) pour les entreprises.
6 Nous nous limitons, dans cette tude, aux mthodologies de notation
des entreprises industrielles et commerciales, qui constituent une part
importante du bilan des banques.
7 Bardos (2001) propose une prsentation des modles LOGIT / PROBIT et de leur application la dtermination de la probabilit de
dfaillance des entreprises.
8 McKelvey & Zavoina (1975) ont propos un algorithme permettant
de dterminer les coefcients et les valeurs seuils qui maximisent cette
fonction. Voir galement le manuel dutilisation du logiciel E-Views,
p. 419 et p. 646.

9 Voir la revue de la littrature sur le sujet propose par le Comit de

Ble (2000), et les articles de Beatie & Searle (1992), et Jewell &
Livingston (1999).
10 Il existe des exceptions cette rgle, mais qui ne concernent pas les
entreprises de lchantillon. Voir Fitch (1998), Rating above sovereign ceiling , Sovereign Comment. Dans les pays de lUnion europenne, depuis lunication montaire de 1999, les notes de tous les
metteurs sont plafonnes par la note de lUnion europenne, cest-dire AAA ; il nexiste donc pas, en pratique, de plafond souverain dans
les pays de lUE.
11 Voir mthodologies de notation des entreprises des agences, op. cit.
12 Voir tableau 2.
13 Les autres tudes empiriques ralises partir de ratings europens
ont rencontr le mme problme. Voir notamment larticle de Resti et
Omacini (2001).
14 Cette rpartition correspond celle utilise par lagence Fitch pour
la constitution de ses groupes danalystes et pour le classement des
entreprises quelle note par secteur.

Bibliographie
Altman, E. (1993), Zeta analysis and other attempts to classify and
predict business failures In Corporate nancial distress and bankruptcy : a complete guide to predicting and avoiding distress and proting from bankruptcy, 2e d., John Wiley & Sons, New York.
Altman, E. (1968), Financial ratios, discriminant analysis and the
prediction of corporate bankruptcy , Journal of Finance, vol. 23, n 4,
p. 589-609.

tions, and Instruments, New York University Salomon Center, vol. 8,

n 4, Aot.
Kaplan, R. & Urwitz, G. (1979), Statistical models of bond ratings : a
methodological inquiry , Journal of Business, vol. 52, n 2, p. 231-261.
Keanan, S., Hamilton, D. & Berthault, A. (2000), Historical default
rates of corporate bond issuers, 1920-1999 , Moodys Investors Service, Special Comment, Janvier.
KMV (2001), Modeling default risk , http :// www.kmv.com
Moodys Investors Service (2001), Global chemicals industry :
nancial ratio analysis for chemicals companies , Rating Methodology, Janvier.
McKelvey, R. & Zavoina, W. (1975), A statistical model for the analysis of ordinal level dependent variables , Journal of Mathematical
Sociology, n 4, (t), p. 103-120.
Pinches G. & Mingo, K. (1973), A multivariate of industrial bond
ratings , Journal of Finance, vol. 28, n 1, p. 1-17.
Pinches, G. & Mingo, K. (1975), A note on the role of subordination
in determining industrial bond ratings , Journal of Finance, vol. 30,
p. 201-206.
Peavy J. & Edgar, M. (1983), A multiple discriminant analysis of
BHC commercial paper ratings , Journal of Banking and Finance,
n 7, p. 161-173.
Perry, L., Cronan, T. & Henderson, G. (1985), Industry classication,
ordinal data, and bond rating decision models , Decision Sciences,
vol. 16, p. 14-24.
Pogues, T. & Soldofsky, R., (1969), Whats in a bond rating , Journal of Financial and Quantitative Analysis, n 4, p. 201-228.
Resti, A. & Omacini, C. (2001), Whats behind the credit ratings of
European rms ? An econometric analysis. , Working paper, Universit de Bergame.
Sobehart, J. & Stein, R. (2000), Moodys public rm risk model : a
hybrid approach to modeling short term default risk , Moodys Investors Service, Special comment, Mars.
Standard & Poors (2001), Corporate ratings criteria, Rating Methodology.
West, R. (1970), An alternative approach to predicting corporate
bond ratings , Journal of Accounting Research, n 8, p. 118-125.

Altman, E., Haldeman, R. & Narayanan, P. (1977), ZETATM analysis : a new model to identify bankruptcy risk of corporations , Journal
of Banking and Finance, vol. 1, p. 29-54.
Altman, E. & Katz. S. (1976), Statistical bond rating classication
using nancial accounting data , In. Schiff, M. & Sorter, G. (eds.),
Proceedings of the Conference on Topical Research on Accounting,
New York : New York University School of Business.
Banque de France, Direction des Entreprises, (2001), Statistiques de
dfaillance selon les cotations , Avril.
Banque de France, Observatoire des Entreprises (1998), Le score BDFI :
du diagnostic individuel lanalyse du portefeuille, 1er trimestre.
Bardos, M. (2001), Analyse discriminante : application au risque et
scoring nancier, Dunod, Paris.
Basel Committee on Banking Supervision (2001), New Basel Capital
Accord , Consultative Document, Janvier.
Basel Committee on Banking Supervision (2000), Credit Ratings
and Complementary Sources of Credit Quality Information , Working
paper (Aot).
Beatie, V. & Searle, S. (1992), Bond ratings and inter-rater agreements , Journal of International Securities Markets, Aot.
Chandy, P. & Duett, E. (1990), Commercial paper rating models ,
Quarterly Journal of Business and Economics, vol. 29, n 4, p. 79-102.
Fitch (1999) : Mthodologie de notation des entreprises, Criteria
Report.
Fitch (1998), Rating above sovereign ceiling , Sovereign Comment.
Horrigan, J. (1966), The determination of long-term credit standing
with nancial ratios , Empirical Research on accounting : Selected
Studies, Supplement to Journal of Accounting Research, n 4, p. 44-62.
Jewell, J. & Livingston, M. (1999), A comparison of bond ratings
from Moodys, S & P, and Fitch IBCA , Financial Markets, Institu-

Banque & Marchs n 65 - juillet-aot 2003

47

BM65_PAGET-BLANC Page 48 Lundi, 30. juin 2003 11:14 11

Annexe. Moodys Taux de dfaut cumuls de 1 an 10 ans par rating,

1983-1999 (%)
Rating

10

Aaa

0,00

0,00

0,00

0,06

0,20

0,28

0,37

0,43

0,43

0,43

Aal

0,00

0,00

0,00

0,23

0,23

0,39

0,39

0,39

0,35

0,35

Aa2

0,00

0,00

0,06

0,20

0,45

0,55

0,66

0,79

0,85

1,01

Aa3

0,07

0,10

0,19

0,29

0,41

0,55

0,55

0,55

0,49

0,49

Al

0,00

0,03

0,33

0,52

0,66

0,82

0,89

0,97

0,86

0,96

A2

0,00

0,03

0,14

0,39

0,60

0,79

0,91

1,24

1,63

1,71

A3

0,00

0,13

0,25

0,34

0,40

0,53

0,78

0,88

0,97

1,09

Baal

0,04

0,26

0,52

0,90

1,28

1,55

2,00

2,27

2,20

2,20

Baa2

0,07

0,33

0,60

1,18

1,80

2,45

2,79

2,93

3,46

3,81

Baa3

0,31

0,81

1,34

2,15

2,84

3,82

4,73

5,66

6,54

7,03

Bal

0,62

2,13

3,86

6,30

8,49

10,69

12,19

13,67

13,35

14,08

Ba2

0,53

2,58

5,05

7,32

9,16

10,51

11,86

12,76

14,27

14,71

Ba3

2,52

6,96

11,89

16,47

20,98

25,05

28,71

32,61

35,83

38,22

Bl

3,46

9,29

14,81

19,63

24,48

29,79

34,85

38,35

44,16

48,01

B2

6,88

13,95

20,28

24,84

28,45

31,16

32,57

34,39

35,03

35,90

B3

12,23

20,71

27,27

32,53

37,54

40,66

43,95

47,84

51,42

53,53

Caal-C

19,09

28,37

34,23

40,07

43,37

47,73

47,73

51,33

53,92

59,04

Investment-Grade

0,04 %

0,15 %

0,33 %

0,59 %

0,82 %

1,08 %

1,27 %

1,46 %

1,62 %

1,73 %

Speculative-Grade

3,68 %

8,26 %

12,66 %

16,56 %

20,17 %

23,38 %

26,17 %

28,73 %

31,22 %

32,89 %

All Corporates

1,20 %

2,65 %

4,01 %

5,22 %

6,28 %

7,19 %

7,92 %

8,57 %

9,23 %

9,61 %

Source : Moodys Investor Services

48

Banque & Marchs n 65 - juillet-aot 2003