Reco 663 0481

LA MESURE DU RISQUE SYSTÉMIQUE APRÈS LA CRISE FINANCIÈRE
Olivier de Bandt, Jean-Cyprien Héam, Claire Labonne, Santiago Tavolaro
Presses de Sciences Po | « Revue économique »
2015/3 Vol. 66 | pages 481 à 500

ISSN 0035-2764
ISBN 9782724634129
Article disponible en ligne à l'adresse :
--------------------------------------------------------------------------------------------------------------------
https://www.cairn.info/revue-economique-2015-3-page-481.htm
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour Presses de Sciences Po.

© Presses de Sciences Po. Tous droits réservés pour tous pays.
© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Powered by TCPDF (www.tcpdf.org)

La mesure du risque systémique
après la crise financière
Olivier de Bandt*
Jean-Cyprien Héam*
Claire Labonne*
Santiago Tavolaro*
Face au très grand nombre d’indicateurs quantitatifs proposés pour mesurer

le risque systémique suite à la crise financière de 2008, l’article fait un bilan des
indicateurs disponibles dans la littérature économique et financière. Il distingue
entre (i) les indicateurs portant sur les institutions, sur la base de données de
marché, comptables ou réglementaires ; (ii) les indicateurs portant sur les marchés
financiers et les infrastructures ; (iii) les indicateurs mesurant les interconnexions
et les effets de réseau, domaine où la recherche est très active et (iv) les indica-
teurs synthétiques. Ces indicateurs sont évalués de façon critique et des voies
d’amélioration sont proposées en vue d’une meilleure compréhension du risque
systémique.
MEASURING SYSTEMIC RISK AFTER THE FINANCIAL CRISIS


In response to the very large number of quantitative indicators that have been
put forward to measure the level of systemic risk since the start of the 2008 financial
crisis, the paper surveys the different indicators available in the economic and
financial literature. It distinguishes between (i) indicators related to institutions,
based either on market data, accounting statements or supervisory information;
(ii) indicators addressing risks in financial markets and infrastructures; (iii) indicators
measuring interconnections and network effects, where research is currently very
active; and (iv) comprehensive indicators. All these indicators are critically assessed
and ways forward for a better understanding of systemic risk are suggested.
Classification JEL : G2, G3, E44
* Autorité de contrôle prudentiel et de résolution. Correspondance : Autorité de contrôle pruden-

tiel et de résolution, 66-2770 Direction des études, 61 rue Taitbout, 75 436 Paris Cedex 01, France.
Courriels : olivier.debandt@acpr.banque-france.fr (auteur correspondant) ; jean-cyprien.heam@acpr.
banque-france.fr ; claire.labonne@acpr.banque-france.fr ; santiago.tavolaro@acpr.banque-france.fr
Les auteurs tiennent à remercier Areski Cousin, un rapporteur anonyme, ainsi que Michel
Boutillier pour leurs remarques. Les positions exprimées ici n’engagent que leurs auteurs et ne
correspondent pas forcément à celles de l’Autorité de contrôle prudentiel et de résolution.
481
Revue économique – vol. 66, N° 3, mai 2015, p. 481-500

Revue économique
INTRODUCTION
La crise récente a mis en avant la nécessité d’une approche macroprudentielle

(Rochet [2008], Tirole [2008]) qui, en complément de la supervision micropru-
dentielle sur les établissements financiers individuels, prend en compte leurs
interactions avec le système financier et leur impact sur l’économie réelle,
notamment dans des situations où existe un risque systémique.
Il apparaît dès lors nécessaire, pour mener des politiques macroprudentielles,
de pouvoir identifier les situations où apparaît un risque systémique. Au-delà de
l’existence d’un cycle financier, le risque systémique renvoie à une notion précise
(bce [2009], de Bandt et al. [2014]) qui inclut trois dimensions : (i) l’existence de
phénomènes de contagion (risque systémique au sens étroit), (ii) la dépendance à
des chocs communs ou macroéconomiques, comme une forte baisse de l’indice
général du cours des actions, une crise de change, etc. (risque systémique au sens
large) et (iii) l’apparition de situations de déséquilibres financiers et le risque
d’éclatement brutal, ce qui permet d’intégrer des épisodes de surendettement
ou des crises sanctionnées par les marchés financiers. Au départ, le risque de
contagion était limité aux phénomènes de panique des déposants (« bank runs »
à la Diamond et Dybvig [1983]). Il inclut dans une acception plus récente, suite
à la crise financière, les interactions sur le marché interbancaire (intégrant les
risques de blocage ou de disparition de la liquidité), les ventes d’actifs à prix
bradés et tous les mécanismes engendrant des risques endogènes avec des effets
non linéaires1. Dans tous les cas de risque systémique, le système financier n’est
plus en mesure de remplir pleinement ses fonctions habituelles.
Il est utile de se référer au travail de Hartmann, Straetmann et de Vries [2005]

qui introduisent un certain nombre de critères permettant d’identifier de façon
robuste sur le plan empirique des phénomènes de contagion. Les critères proposés
sont : (i) la situation d’une institution/d’un marché affecte négativement celle des
autres institutions/marchés ; (ii) la transmission des chocs est différente de ce que
l’on observe en temps normal ; (iii) l’impact des chocs est plus marqué que ce
qui découle des déterminants économiques fondamentaux ; (iv) il s’agit souvent
d’événements extrêmes ; (v) la propagation s’effectue dans le temps (ce qui
exclut la propagation immédiate comme dans le cas d’un choc commun – ce qui,
au contraire, correspond à l’acception large du risque systémique). Ces critères
constituent une référence utile pour apprécier la pertinence des mesures dispo-
nibles du risque systémique, même si l’on peut se demander si la crise financière
de 2008 n’a pas modifié la perspective, du fait de la persistance de la crise qui
n’est plus une situation exceptionnelle ; de plus, ces événements ont montré que
la contagion pouvait se manifester à la fois dans le temps et dans l’espace.
Par ailleurs, comme noté par Hansen [2012], un indicateur de risque systé-
mique doit s’intégrer dans un modèle du système économique et financier
permettant de proposer des politiques alternatives. La quantification apparaît
donc comme une phase nécessaire de la construction de ce modèle. Cependant,
en l’absence de consensus sur un modèle commun du risque systémique, il
convient de ne pas rejeter d’emblée les analyses purement descriptives ou quali-
tatives. Or, la crise financière a conduit à une prolifération d’indicateurs du risque
systémique. La situation a ainsi changé de façon radicale par rapport au début
1. Voir notamment Farhi et Tirole [2011].
482
Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

des années 2000, lorsque les articles académiques mettant en évidence l’exis-
tence d’un risque systémique pouvaient faire l’objet d’un recensement quasi
exhaustif (de Bandt et Hartmann [2000]). Désormais, il n’est plus possible de
présenter de façon détaillée les très nombreux indicateurs proposant une mesure
quantitative du risque systémique, et le lecteur pourra consulter les différentes
synthèses disponibles (Billio et al. [2012], Bisias et al. [2012], Bce [2012], de
Bandt et al. [2014]) pour des références supplémentaires. L’objet de l’article est
donc de fournir quelques pistes sur les tendances, les réalisations et leurs limites,
illustrées par quelques exemples caractéristiques.
Après un survol des modèles disponibles pour mesurer le risque systémique,
nous présentons un bilan critique de ces indicateurs.
LES MESURES DISPONIBLES
Il est commode de distinguer (i) les indicateurs qui portent sur les institu-
tions – banques ou assureurs –, (ii) ceux relatifs aux infrastructures de marché, (iii)
ceux qui mesurent les interconnexions au sein de réseaux, et (iv) les indicateurs
synthétiques. Il convient de noter qu’il n’y a pas de correspondance parfaite
entre ces indicateurs et les instruments macroprudentiels qui sont fondés sur une
distinction entre, d’une part, les instruments touchant la dimension « tempo-
relle » ou « cyclique » du risque systémique, qui ont un impact macroécono-
mique, notamment en termes de distribution du crédit, et, d’autre part, la dimen-
sion « structurelle » qui s’attache à veiller à la résilience du système financier.

Néanmoins, on peut noter que les indicateurs de type (i) à (iii), de nature secto-
rielle, peuvent justifier davantage le recours à des instruments macroprudentiels
« structurels », alors que les indicateurs synthétiques de type (iv) conduisent
plutôt à recourir à des instruments « cycliques ».
Institutions
Certains indicateurs mesurent la contribution d’institutions individuelles au
risque systémique global. Ce sont des indicateurs sectoriels portant sur les fragi-
lités des institutions bancaires ou d’assurance. Il existe une différence fonda-
mentale entre les indicateurs fondés sur les données de marché – disponibles en
temps réel – et ceux tirés de données comptables détaillées, souvent d’origine
réglementaire et parfois soumises à des contraintes de confidentialité.
Sur la base de données de marché, la littérature économique propose des
indicateurs de valeurs extrêmes depuis les travaux de Hartmann et al. [2005].
Plus récemment se sont multipliées les statistiques fondées sur des Value-at-
Risk (var) conditionnelles, avec une distinction entre les indicateurs de fragi-
lité systémique qui mesurent l’impact d’un choc systémique sur une institution
donnée et les indicateurs d’importance systémique, qui évaluent l’impact d’une
institution sur le reste du système financier.
Greenwood et al. [2012] distinguent la contribution des banques au risque
systémique et l’exposition à ce dernier, en modélisant les effets de ventes à prix
bradés de titres souverains grâce aux données publiées par l’Autorité bancaire
européenne (aBe) sur les expositions souveraines des banques.
483
Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

Revue économique
Adrian et Brunnermeier [2014] cherchent à mesurer l’importance systémique

en proposant un indicateur de Contagion Value-at-Risk (Covar) qui mesure
la baisse maximale que les actions bancaires peuvent connaître dans au moins
5 % des cas quand le cours des actions d’une banque donnée subit lui-même la
baisse la plus forte pouvant se produire avec une probabilité d’au moins 5 %. Le
Dcovar mesure alors la différence entre cette var conditionnelle dans une situa-
tion de stress du marché et la var en situation normale. Le corisk, indicateur
proposé par le fmi, étant identique au covar dans sa construction, se différencie
par son indicateur de référence qui porte non sur le marché des actions mais sur
celui du risque des dettes via les spreads de Credit Default Swaps (cds).
Mesurant la « fragilité systémique », Acharya et al. [2012] étendent la notion
de pertes attendues (Expected Shortfall) et calculent une perte marginale attendue,
ou Marginal Expected Shortfall (mes), qui est l’espérance de rendement sur les
actifs d’un établissement lorsque l’ensemble du marché atteint ses plus faibles
réalisations (5 % des occurrences). Compte tenu du ratio de levier imposé par la
réglementation2, ils en déduisent une mesure des besoins de recapitalisation liés
à ce scénario particulier. C’est aussi l’intuition du ses (Systemic Expected Short-
fall) d’une institution qui mesure la propension à être sous-capitalisée lorsque
le système est lui-même sous-capitalisé dans son ensemble. L’idée originale du
mes a été combinée aux techniques proposées par Brownlee et Engle [2011] pour
déboucher sur l’indicateur srisK (voir figures A1 en annexe qui distinguent les
besoins de recapitalisation pour un établissement individuel et pour l’ensemble
du système financier). Il mesure le montant de capital qu’une institution devrait
lever en cas de « crise » (baisse du cours d’un indice action de référence d’au
moins 40 % sur six mois) sans que son origine ne soit explicitée (cf. infra)3.

Gray et Jobst [2011] développent une analyse en termes de créances contin-
gentes à partir des travaux de Merton [1973]. Partant des cours boursiers, ils
mobilisent des techniques d’évaluation des options de type Black-Scholes pour
mesurer le prix d’une option théorique de vente des actifs de la banque (put),
qu’ils comparent aux primes de cds. Leur différence est interprétée comme la
garantie implicite du gouvernement, puisque cette dernière n’est incluse que
dans la cotation des cds. L’évolution de cette garantie (qui peut disparaître si les
gouvernements font eux-mêmes face à des difficultés financières importantes)
est un indicateur intéressant de la perception des marchés sur la formation du
risque systémique.
En ce qui concerne les données comptables, Brunnermeier et al. [2011]
proposent un indicateur de « topographie du risque » sur la base des besoins
de liquidité des banques, qui ont une dimension systémique plus forte que les
indicateurs de solvabilité. En plus des données comptables, le calcul de cet indi-
cateur exige néanmoins de recourir aussi à des données provenant d’enquêtes
effectuées auprès des établissements.
Les travaux d’identification du risque systémique produits à l’initiative du
Conseil de stabilité financière (csf) de façon à identifier les grandes institutions
financières génératrices de risque systémique (sifis4), à la fois pour les grandes
2. L’indicateur est disponible sous différentes hypothèses en terme de ratio de levier imposé
par la réglementation.
3. Tous ces indicateurs sont disponibles sur le site Internet de l’Université de New York (vlaB,
http://vlab.stern.nyu.edu/).
4. Systemically Important Financial Institutions.
484

banques systémiques (gsiBs5) et les grands groupes d’assurances (gsiis6), s’ap-

puient largement sur des données comptables (voir encadré). Il s’agit ici, de
mesurer la contribution, au niveau mondial, des différentes institutions au risque
systémique et d’imposer des exigences supplémentaires en capital. S’il peut être
commode de disposer de mesures additives, où chaque institution contribue pour
une fraction du risque global, l’hypothèse sous-jacente de linéarité peut être
remise en cause. Par ailleurs, il convient de souligner qu’une telle mesure est par
nature relative – une institution n’est systémique que dans un système donné. En
conséquence, il n’apparaît pas simple, à l’aide de ce type d’indicateurs, d’éva-
luer l’impact d’une politique macroprudentielle qui modifierait la structure du
système financier dans son ensemble.
Infrastructures de marché
Pour les infrastructures de marché, la mesure du risque systémique fait prin-

cipalement référence à la dimension « structurelle », en termes d’évaluation de
la résilience à des chocs. D’un côté, se pose la question de la gestion des appels
de marges par les chambres de compensation qui peuvent eux-mêmes avoir un
aspect procyclique. Les pratiques dans ce domaine dépendent fortement des
règles de gestion des risques mais aussi des politiques commerciales propres à
chacune des infrastructures. De l’autre côté, on peut s’interroger sur l’organisa-
tion optimale de l’activité de compensation à travers le nombre de chambres en
activité, compte tenu de l’existence d’un arbitrage entre risque de contrepartie
et risque de concentration en cas de défaut d’une d’entre elles ou d’un partici-
pant de marché. De ce point de vue, Galbiati et Soramaki [2012] proposent une

description topologique des systèmes de règlements et montrent que la meilleure
topologie dépend de l’objectif macroprudentiel sous-jacent : les systèmes les
plus concentrés (c’est-à-dire qui ont une part de marché plus importante), avec le
plus faible nombre de contreparties centrales (ccp), ont la plus forte capacité de
netting des positions. Le netting des positions consiste à considérer pour chaque
institution le solde de ces positions (longues moins courtes) au lieu de travailler
en brut avec toutes les positions (longues plus courtes). Il existe donc bien un
arbitrage entre la capacité de netting (qui réduit le risque de contrepartie) et la
résilience à des chocs comme, par exemple, le défaut d’une institution dans un
système concentré. Jones et Perignon [2013] déterminent le niveau de risque
de la chambre de compensation du Chicago Mercantile Exchange à partir des
appels de marges quotidiens des participants. Les auteurs montrent, en particu-
lier, l’existence de grappes de défaut des membres. Ces grappes, formant les
risques extrêmes pour la chambre, sont des risques systémiques – défaut d’une
ccp elle-même contrepartie d’autres d’établissements.
Indicateurs de mesure des interconnexions dans les réseaux
D’une manière générale, la mesure du risque systémique dans les réseaux

interbancaires est fondée soit sur des indicateurs descriptifs de la topologie du
réseau, soit sur la mesure du degré de contagion.
5. Global Systemically Important Banks.

6. Global Systemically Important Insurers.
485

Revue économique
De nombreux travaux utilisent des méthodes descriptives issues de la socio-

logie (étude des réseaux sociaux) et de la théorie des graphes pour en déduire une
mesure du risque systémique (van den Brink et Gilles [2000], De Castro Miranda
et al. [2013], Battiston et al. [2012], Leon et Perez [2013]). Karas et Schoors
[2012] introduisent des indicateurs issus de la physique qu’ils appliquent au
marché interbancaire russe.
D’autres indicateurs utilisent la modélisation des comportements des acteurs
et les mécanismes de contagion. Gouriéroux et al. [2012] proposent une métho-
dologie pour distinguer entre les effets directs de chocs de solvabilité et les
phénomènes de contagion. Ils montrent que certains réseaux sont très résilients à
certains types de chocs mais pas à d’autres. Plusieurs dimensions sont disponibles
dans la littérature. Certains travaux s’intéressent à la contagion fondée sur la
liquidité et le refinancement des institutions, comme Cifuentes et al. [2005], Gai
et Kapadia [2011] ou Arinaminpathy et al. [2012]. Alves et al. [2013] analysent
Graphique 1. Le réseau banques-assurances français

en décembre 2011 – Hauton et Héam [2014]
Les disques représentent les institutions financières avec en noir les conglomérats financiers (6 nœuds sur le haut
du cercle intérieur), en gris clair les assureurs (6 nœuds sur le bas du cercle intérieur et 5 nœuds sur le bas du
cercle extérieur) et en gris moyen les banques (4 nœuds sur le haut du cercle extérieur). Les flèches représentent
les expositions entre institutions. L’orientation correspond au sens du prêt et la largeur est proportionnelle à la
taille de l’exposition.
486

les chocs de solvabilité et de refinancement sur le réseau des cinquante-trois

grands groupes bancaires européens, et Fourel et al. [2013] étudient le marché
interbancaire français. Bastos e Santos et Cont [2010] proposent de nouveaux
indicateurs d’impact du défaut à partir d’une base de données très riche portant
sur le marché interbancaire brésilien. Plusieurs articles adaptent ces outils aux
secteurs de l’assurance avec notamment Frey et al. [2013] ainsi qu’aux liens
entre banques et assureurs avec Hauton et Héam [2014] (graphique 1).
Battiston et al. [2012], de même qu’Haldane et May [2011], remettent en
question la conclusion que l’accroissement du niveau d’interconnexion est
toujours favorable à la stabilité financière. Leur argument est fondé sur un
parallélisme avec les écosystèmes et notamment les chaînes alimentaires :
la complexité des espèces conduit à leur plus grande fragilité. Appliqué au
monde bancaire, ce résultat complète la conclusion d’Allen et Gale [2000]
et aboutit à une relation non monotone et plutôt en « cloche » entre le niveau
d’interconnexion et le risque systémique. Cette relation dépend de différents
facteurs : la situation initiale du réseau avant le choc, la taille du choc, la
nature des liens entre banques. Le risque systémique est le plus élevé lorsque
les banques les plus fragiles sont fortement interconnectées. De leur côté,
Acemoglu et al. [2013] notent que l’interconnexion atténue l’impact de petits
chocs, mais amplifie celui de grands chocs.
Indicateurs synthétiques
La dernière catégorie d’indicateurs considère plusieurs secteurs à la fois, en


incluant aussi les déséquilibres sur les marchés financiers. Ils conduisent plutôt,
même si ce n’est pas exclusif, à mobiliser des instruments macroprudentiels
visant la dimension « temporelle » du risque systémique.
À la Banque centrale européenne, Hollo et al. [2012] ont élaboré l’indicateur
ciss (Composite Indicator of Systemic Stress) qui mesure de façon contemporaine
les situations de stress. L’indicateur est essentiellement fondé sur des données de
cinq sous-marchés : les institutions financières, le marché obligataire, monétaire,
des actions et des changes. Il accorde plus de poids aux situations où le stress
est simultané sur plusieurs marchés, caractéristiques d’événements systémiques
(fig. A3).
D’autres indicateurs sont fondés sur les rendements d’actifs représentatifs
du système financier. Billio et al. [2012] mesurent le risque systémique par la
contagion entre les secteurs de la banque, de l’assurance et des fonds spéculatifs,
évalué sur la base d’une causalité à la Granger7 entre les rendements. L’inter-
dépendance entre les banques – ferment du risque systémique – est mesurée par
les liens de Granger-causalité entre leurs rendements. La force de cette approche
est de pouvoir dessiner un réseau financier sans données de transactions entre les
institutions. Néanmoins, interpréter chaque Granger-causalité comme un vecteur
de risque serait abusif. Il s’agit plutôt de comparer le réseau défini comme tel au
cours du temps, pour en identifier d’éventuelles déformations, sources de risque
systémique.
7. La « causalité à la Granger » est définie comme la non-exclusion des retards d’une variable
sur une autre variable dans un modèle var.
487

Revue économique
Encadré. Identification des institutions financières génératrices

de risque systémique au niveau mondial
Sous l’impulsion du Conseil de stabilité financière, le Comité de supervision

bancaire (BcBs) et l’Association internationale des contrôleurs d’assurance (iais,
International Association of Insurance Supervisors) ont mis en place des méthodo-
logies communes pour l’identification des institutions financières génératrices de
risque systémique au niveau mondial (g-sifis1). Quatre indicateurs sont communs
aux institutions bancaires et assurantielles (la taille, l’interconnexion, la non-substi-
tuabilité2, les activités transfrontières) avec cependant des pondérations qui diffèrent
sensiblement (tableau 1). Pour tenir compte des spécificités de l’assurance, le csf et
l’iais ont retenu le poids des activités dites non traditionnelles, critère qui se substi-
tue au critère de complexité retenu pour les banques. Il s’agit, pour l’essentiel, d’acti-
vités complexes exposant les assureurs à des risques financiers spécifiques.
Tableau 1. Indicateur de systémicité au niveau mondial

des groupes de banques et d’assureurs
Indicateurs Groupes de banques Groupes d’assureurs

systémiques systémiques
Sous-indicateurs Pondé- Sous-indicateurs Pondé-
ration ration
i - Activités 1. Actifs 20 % 1. Résultat hors pays d’origine 5%
transfrontières transfrontaliers
2. Passifs 2. Nombre de pays d’implan-

transfrontaliers tation
ii - Taille 1. Exposition 20 % 1. Actif total 5%
totale selon
le ratio de levier 2. Résultat total
- Inter-
iii 1. Actifs 20 % 1. Exposition les plus impor- 40 %
connexion intra-financiers tantes
(20 %)
2. Passifs 2. Actifs détenus sur
intra-financiers des institutions financières
3. Encours 3. Passifs au profit
de titres émis d’institutions financières
4. Provisions techniques brutes
ou nettes en réassurance
acceptée
5. Actifs de type « niveau 3 »
(actions non cotées)
6. Rotation dans les ressources
de financement (« turnover »)
7. Valeur notionnelle totale des
instruments dérivés
1. Global Systemically Important Financial Institutions.

2. La non-substituabilité mesure la capacité d’une institution à offrir un service unique qui
ne pourrait pas être assuré par une autre institution en cas de faillite de la première.
488

iv - Non- 1. Actifs sous 20 % 1. Primes brutes émises 5%

substituabilité conservation sur risques de catastrophe,
crédit, aviation et marine
2. Activité
de paiement
3. Souscription de
placements de dette
et de propriété
v - Complexité 1. Notionnel 20 % 1. Total des passifs 45 %
(banques) des dérivés (y compris hors bilan)
v. bis- de gré à gré hors passifs d’assurance
Activités non
traditionnelles 2. Niveau 3 ifrs 2. Valeur des engagements
(assurances) donnés en garantie, nette
des engagements reçus en
garantie (financial guarantees)
3. Transaction et 3. Emprunts à court terme,
titres disponibles à pensions et prêts de titres
la vente
4. Volume des annuités
variables qui comportent des
garanties minimales
5. Engagements intra-groupe
6. Valeur notionnelle totale
brute des dérivés hors dérivés
de couverture
7. Valeur de rachat des passifs

d’assurance sans pénalités en
cas d’annulation des contrats
En ce qui concerne les banques, la méthodologie adoptée et publiée en novembre

2011 par le Comité de Bâle consiste à calculer pour chaque banque un indicateur de
systémicité comme moyenne pondérée des critères du tableau 1, puis à classer les
établissements selon leur niveau d’importance systémique. Sont identifiées comme
g-siBs les institutions qui dépassent un certain seuil de systémicité. La plupart des
indicateurs sont définis sous la forme d’un ratio Li/SjLj. Il s’agit du rapport entre la
valeur de l’indicateur (Li) pour la banque i et la valeur totale de cet indicateur pour
l’ensemble des banques potentiellement systémiques (SjLj). Le ratio s’interprète
donc comme une mesure de la contribution de la banque i au risque systémique
global.
La liste de la trentaine de banques initialement identifiées comme g-siBs sur la
base de la méthodologie arrêtée par le Comité de Bâle a été publiée pour la première
fois en novembre 2011 par le Conseil de stabilité financière. Cette liste est mise à
jour et publiée annuellement3.
Il existe d’autres méthodes plus sophistiquées développées dans le monde académique
mais qui semblent moins opérationnelles à ce stade. Huang et al. [2012] définissent
une prime d’assurance en cas de défaut et montrent que la contribution des banques au
risque systémique dépend de façon linéaire de leur probabilité de défaut, mais de façon
non linéaire de leur taille et de la corrélation de leur portefeuille d’actifs.
3. Voir Feller et Kersuzan [2014] pour une présentation détaillée de l’approche ainsi
qu’une analyse synthétique des résultats.
489

Revue économique
Kritzman et al. [2011] construisent un ratio d’absorption représentant la part

de la variance des rendements qui est « absorbée » par un nombre fixe de valeurs
propres dans une analyse en composantes principales. Relier la mesure à une
source précise de risque est un exercice périlleux. Mais des variations de l’indi-
cateur au cours du temps (fig. A4) doivent inciter à en évaluer les causes et ainsi
être attentif à d’éventuels foyers de risque systémique.
Il faut aussi signaler l’abondante littérature sur les systèmes d’alerte (Early
Warning Systems) qui mesurent dans un cadre statistique, cohérent et systé-
matique, les propriétés en termes d’indicateurs avancés des crises futures de
certaines variables macroéconomiques prises individuellement ou simultané-
ment. Ces recherches s’appuient sur les travaux de Kaminsky et Reinhart [1999].
Un panorama des contributions récentes est fourni par la Bce [2012].
On peut citer quelques contributions dans ce domaine, qui se distinguent en
termes de risques considérés et de variables macroéconomiques introduites.
Schwaab et al. [2011] utilisent le désajustement du risque de crédit par rapport
aux facteurs économiques fondamentaux comme indicateur avancé du risque systé-
mique. Ils ont recours pour cela à un modèle à variables latentes du risque de crédit.
Par ailleurs, Jahn et Kick [2012] construisent un indicateur de stabilité financière sur
les banques allemandes de 1995 à 2010 et montrent l’intérêt, dans leur approche,
des variables monétaires, du prix des actifs, et d’indicateurs du cycle économique.
Ensuite, Babecky et al. [2012] construisent un indicateur avancé pour les pays déve-
loppés. Ils montrent que la croissance du crédit, les entrées de capitaux et la hausse
des taux d’intérêt à court terme sont des indicateurs avancés des crises bancaires sur la
période 1970-2010. Enfin, Barone-Adesi et al. [2013] défendent l’idée que le risque
systémique a pour origine un changement de « sentiment », qu’ils mesurent comme

une composante du prix des actifs. Ils suggèrent donc de suivre ce « sentiment »
qui est corrélé avec les changements dans les facteurs économiques fondamentaux.
ANALYSE CRITIQUE DES INDICATEURS
Que penser de ces indicateurs de risque systémique et dans quelle mesure

sont-ils utiles au déclenchement d’instruments macroprudentiels ? Tout d’abord,
il est possible de noter que la plupart de ces indicateurs sont mesurés en équilibre
partiel et non en équilibre général comme le voudrait l’approche macropruden-
tielle ou, plus généralement, toute approche visant à préconiser une intervention.
Ensuite, ils sont fondés sur un certain nombre d’hypothèses qui ont été remises
en cause par l’analyse macroprudentielle et souvent aussi par la théorie finan-
cière. C’est le cas de l’hypothèse de normalité de la distribution des chocs et des
rendements des actifs, de la non-prise en compte des changements de régime et
de la confiance excessive dans les régularités du passé.
Par ailleurs, ces différents indicateurs fournissent parfois des signaux diver-
gents. Rodriguez-Moreno et Pena [2013] montrent que les indicateurs les plus
simples, comme ceux tirés du marché des cds, sont les plus performants. Benoit
et al. [2014] comparent le contenu en information du Dcovar, du srisK et
du mes. Ils montrent que le mes ne permet pas de discriminer les institutions,
le Dcovar apportant peu d’information supplémentaire par rapport à la var
(cf. fig. A5). En revanche, ils suggèrent de recourir au srisK.
490

Castro et Ferrari [2014] montrent aussi que le Dcovar ne permet pas d’éta-
blir une hiérarchie entre les banques systémiques. En effet, les indicateurs sont
calculés par rapport à un référentiel qui lui-même varie (à savoir le marché des
actions bancaires à l’exclusion de la banque considérée) et des incohérences
peuvent aussi apparaître : en comparant les banques deux à deux, un niveau
plus élevé de l’indicateur n’est pas forcément associé à une « systémicité »
supérieure, ce qui limite son utilisation opérationnelle.
Plus généralement, il est possible de dresser un bilan des performances des
indicateurs sur la base de plusieurs critères : (i) en termes d’apport comparé
des données de bilan par rapport aux données de marché, (ii) sur leur carac-
tère avancé ou coïncident, (iii) sur leur capacité à retracer des phénomènes de
contagion plutôt que de simples transmissions des chocs, (iv) sur les difficultés
éventuelles en termes d’estimation.
Avantages et inconvénients des données de bilan

par rapport aux données de marché
De nombreux indicateurs de risque systémique sont calculés à partir de

données de marché. Ce constat peut s’expliquer en partie par l’impossibilité de
recourir à d’autres sources d’information comme par exemple les données confi-
dentielles collectées par les superviseurs. Ceci étant, ces deux types de données
(de marché et de supervision) ont chacun des avantages et des inconvénients. Les
données de marché sont disponibles rapidement mais reflètent souvent davan-
tage le « sentiment du marché » qui, selon les périodes, peut sur- ou sous-réagir

indépendamment des fondamentaux. Un biais et une volatilité éventuelle dans
l’évaluation même du risque systémique peuvent ainsi être associés aux données
de marché (Cerutti et al. [2012]).
C’est notamment le cas de l’indicateur srisK qui possède plusieurs limites
importantes, ce qui le rend peu pertinent à des fins de supervision (Tavolaro et
Visnovsky [2014]) : dans la mesure où il est calculé sur des données de marché,
il ne peut pas être appliqué à des institutions non cotées qui forment une partie
importante du système financier de nombreux pays européens8 ; il néglige la
propriété habituelle de retour à la moyenne des cours boursiers ; il étudie un
scénario de forte baisse des cours boursiers indépendamment de toute analyse
économique sous-jacente pouvant justifier cette définition restreinte du choc, et
ne fournit pas d’information sur sa probabilité d’occurrence. Il semble donc que
cet instrument, comme outil de stress test, soit de faible utilité pour déterminer
in fine des besoins en recapitalisation au titre du risque systémique.
À l’inverse, les données comptables fournissent une information détaillée,
mais elles ont l’inconvénient d’être disponibles avec retard et sont de faible
fréquence.
L’apport des données de marché pour la supervision a été étudié par Gropp
et al. [2004], ainsi que Curry et al. [2008], qui montrent qu’elles constituent
8. Cet obstacle est atténué, moyennant des hypothèses fortes, lorsque le groupe bancaire
contient des filiales cotées. Engle et al. [2015] appliquent le coefficient valeur de marché/valeur
comptable de l’entité cotée du groupe au capital total au niveau consolidé pour en déduire une valeur
estimée de la valeur de marché d’un groupe non coté.
491

Revue économique
une information utile. En revanche, Furlong et Williams [2006] concluent que

l’information tirée des données de marché n’est pas très significative. Berger
et al. [1998] comparent l’évaluation des grandes banques américaines par les
autorités de supervision et par le marché. Ils concluent que les deux types d’in-
formations sont complémentaires, mais que les évaluations des superviseurs sont
plus précises lorsqu’elles sont associées à des contrôles sur place.
Indicateur avancé ou coïncident
Pour que les indicateurs de risque systémique soient utiles pour l’activation
d’une mesure macroprudentielle, il importe qu’ils fournissent un signal avancé.
Or, de nombreux indicateurs ne font que confirmer l’existence de tensions au
moment où elles se produisent.
Idier et al. [2012] ont étudié les propriétés de l’indicateur mes pour un panel
de soixante-cinq holdings bancaires sur quinze ans. En régressant le mes sur
des indicateurs de bilan bancaires, ils montrent que le mes s’explique assez
bien par ces variables, ce qui tend à indiquer que le mes en lui-même n’apporte
pas beaucoup d’information supplémentaire. Ils montrent aussi qu’une analyse
transversale des mes avant crise n’aurait pas permis de déterminer les institutions
qui seraient les plus affectées. Ils concluent que des indicateurs classiques de
bilan bancaires sont plus significativement en mesure de prévoir les difficultés
bancaires futures que le mes.

Contagion versus transmission des chocs
La notion de risque systémique va au-delà de la simple transmission des

chocs. Cependant, plusieurs indicateurs se limitent à observer des corrélations
entre variables, notamment entre les prix des actifs, ce qui peut s’avérer insuffi-
sant pour identifier l’existence d’un risque systémique. En effet, une forte corré-
lation peut résulter d’une importante intégration des marchés.
Le risque systémique est au contraire associé à la notion de « changement de
régime ». Par exemple, dans le cadre d’un modèle vectoriel auto-régressif (var)9
à coefficients variables dans le temps, les fonctions de réponse doivent faire
apparaître un effet plus marqué et plus défavorable en période de crise qu’en
période « normale ». C’est le cas pour l’indicateur ciss comme indiqué par Hollo
et al. [2012]. Pour le marché immobilier, de Bandt et Malik [2010] utilisent un
modèle favar à changement de régime markovien pour déterminer de façon
endogène les périodes de crise, qui coïncident avec les phases de crise publiées
par le fmi (fig. A6). Ils montrent que la sensibilité des prix immobiliers locaux
aux prix immobiliers internationaux est plus forte en période de crise, au-delà
du fait que les chocs sur les prix internationaux sont aussi plus marqués durant
ces périodes (fig. A7).
9. Un modèle vectoriel auto-régressif (var) est un modèle statistique estimé sur des séries
temporelles dans lequel la dynamique jointe d’un groupe de variables s’explique par les retards de
toutes les variables. Une variable prise individuellement est expliquée par ses propres retards et ceux
des autres variables.
492

L’objectif de mettre en évidence des comportements différents en période de

crise se retrouve aussi dans les indicateurs qui mesurent le « stress financier »
(Carlson et al. [2014]).
Difficultés d’estimation
Au-delà d’une discussion des qualités et des défauts intrinsèques aux mesures
de risque systémique, les techniques d’estimation mises en œuvre sont cruciales.
Selon Danielsson et al. [2012], les indicateurs de risque systémique se fondent
sur des événements trop rares pour pouvoir être estimés correctement. Ainsi,
en utilisant des événements rares mais bien plus fréquents qu’une crise systé-
mique pour estimer des événements systémiques, la précision des indicateurs est
largement dégradée. À titre d’exemple, il est usuel de calculer la var à 5 % ou à
1 % ; ces fréquences correspondent à la perte la plus importante journalière sur
respectivement un mois et cinq mois de cotations journalières. Si un événement
systémique se produit tous les dix ans, cela correspond à une var à 0,02 %. Il ne
s’agit donc pas d’un risque de modèle mais du risque d’estimation (Escanciano
et Olmo [2011] ou Gouriéroux et Zakoïan [2013]).
Si l’on considère que les crises systémiques sont par nature toutes différentes
les unes des autres, il est vain de chercher à utiliser des données historiques
pour chercher à prévoir la prochaine. Au contraire, si l’on pense que même si
les formes sont différentes, il existe une composante sous-jacente commune aux
crises systémiques, alors l’utilisation de modèles quantitatifs n’est pas vaine.
Pour répondre à la critique de la « rareté » des crises, les outils économétriques

doivent être adaptés à des fréquences aussi faibles d’événements en se tournant
vers la théorie des valeurs extrêmes (Zhou [2010]). Une autre approche est de
ne pas considérer uniquement une estimation mais son intervalle de confiance.
Cette dernière possibilité n’améliore évidemment pas la précision mais permet
d’avoir conscience de la qualité de l’indicateur considéré.
CONCLUSION
La crise financière a conduit à l’apparition d’un nombre important d’indica-

teurs de risque systémique, issus soit du monde académique, soit des institutions
en charge des politiques économiques. Les indicateurs mesurent le risque systé-
mique au niveau des institutions (génératrices de risque systémique ou sensibles
au risque systémique), au sein de réseaux ou au niveau du système financier pris
dans son ensemble.
Ces indicateurs répondent à différents objectifs et on peut donc chercher à
classer ces indicateurs selon leur contenu en information, le type de données
utilisées et leur caractère prédictif de crises futures.
La définition de nouveaux indicateurs est un processus continu. À ce titre, la
crise a révélé la nécessité d’améliorer les informations statistiques disponibles
sur le système financier, même si, comme le note Borio [2014], la crise n’a pas
été causée par le manque de données statistiques. De plus, il est douteux que des
493

Revue économique
données nouvelles permettent d’anticiper les crises, dans la mesure où les crises
financières sont très difficiles à prévoir comme l’illustre le « paradoxe de la
stabilité financière », à savoir l’observation que le système financier ne semble
jamais aussi robuste qu’avant une crise financière (Hannoun [2010]).
Néanmoins, la faillite de Lehman Brothers a montré que les superviseurs ne
disposaient pas d’informations suffisamment détaillées et à haute fréquence sur
les établissements financiers, notamment sur leurs expositions internationales.
La Bri et le fmi ont lancé, sous l’égide du G20, un vaste projet d’approfondis-
sement des données disponibles en matière financière, démarche connue sous le
nom de « G20 data gaps initiative » (mise en évidence des données manquantes)
qui devrait permettre la construction de nouveaux indicateurs de risque systé-
mique à plus haute fréquence. Les nouvelles données collectées dans ce cadre
incluent notamment la collecte de données sur les expositions internationales
(Cerutti et al. [2012]).
Néanmoins, il convient de reconnaître que les indicateurs aujourd’hui dispo-
nibles présentent plusieurs limites. Tout d’abord, le concept de risque systémique
fait référence à une notion d’équilibre général, alors que la plupart des indica-
teurs ne prennent pas en compte cette dimension et ne résistent donc pas à la
critique de Lucas (Lucas [1976]). Ensuite, beaucoup d’indicateurs ne distinguent
pas explicitement l’« importance systémique » et la « fragilité systémique ».
De plus, souvent ces indicateurs reposent sur des hypothèses qui sont satisfaites
en temps normal, mais plus en période de crise lorsqu’ils devraient être les plus
utiles. Par ailleurs, le faible nombre d’événements systémiques réduit la robus-
tesse de ces outils statistiques, ce qui incite à raisonner davantage en termes
de scénarios pouvant être à l’origine d’événements systémiques. Enfin, il n’y

a pas de correspondance exacte entre les mesures de risque systémique et les
instruments macroprudentiels, ce qui justifie aussi le suivi simultané de plusieurs
indicateurs ainsi que de toujours intégrer les analyses qualitatives et descriptives.
La production de ces indicateurs de risque systémique demeure donc une
tâche complexe, et il convient d’être conscient de ces limites lorsque ces indica-
teurs sont utilisés pour justifier le déclenchement ou la modulation d’instruments
de politiques économiques, et notamment à caractère macroprudentiel.
Ils constituent tous de nouveaux défis pour la recherche économique.
RÉFÉRENCES BIBLIOGRAPHIQUES
acemoglu d., oZdaglar a., tahBaZ-salehi a. [2013], « Systemic risk and stabi-
lity in financial networks », National Bureau of Economic Research Working Paper,
n° 18727.
acharya v.v., pedersen l., philippon t., richardson m. [2012], « Measuring
Systemic Risk », cepr Discussion Papers, n° 8824.
adrian t., Brunnermeier m.K. [2014], « CoVaR », frB of New York Staff Report No.
348, 1re version septembre 2008, revue en septembre 2014.
allen f., gale d. [2000], « Financial contagion », Journal of Political Economy,
108 (1), p. 1-33.
alves i., ferrari s., franchini p., héam j.c., jurca p., langfield s., laviola s.,
liedorp f., sancheZ a., tavolaro s., vuillemey g. [2013], « The Structure and
Resilience of the European Interbank Market », esrb Occasional Paper Series, n° 3.
494

arinaminpathy n., Kapadia s., may r. [2012], « Size and complexity in model
financial systems », Proceedings of the National Academy of Sciences, 109 (45),
p. 18338-18343.
BaBecKy j., havraneK t., mateju j., rusnaK m., smidKova K., vasiceK B. [201],
« Banking, Debt, and Currency Crises. Early Warning Indicators for Developed Coun-
tries », ecb Working Paper, n° 1485.
Bandt (de) o., hartmann ph. [2000], « Systemic Risk, A Survey », European Central
Bank Working Paper, n° 35.
Bandt (de) o., hartmann ph., peydro j.-l. [2014], « Systemic Risk in Banking: An
Update », dans J. Berger., P. molyneux et J.O.S. wilson (eds), Oxford Handbook
of Banking, Oxford, Oxford University Press.
Bandt (de) o., maliK s. [2010], « Is There Evidence of Shift-Contagion in International
Housing Markets », Banque de France Working Papers, n° 295.
Banque centrale européenne [2009], « The concept of systemic risk », Financial
Stability Review, p. 134-142.
Banque centrale européenne [2012], « Rapport sur les deux premières années du
Réseau de recherche macroprudentiel ». http://www.ecb.europa.eu/pub/pdf/other/
macroprudentialresearchnetworkreport201210en.pdf
Barone-adesi g., mancini l., shefrin h. [2013], « Systemic Risk and Sentiment »,
dans J.-P. fouque et J. langsam (eds.), Handbook on Systemic Risk, Cambridge,
Cambridge University Press. http://www.chapman.edu/research-and-institutions/
economic-science-institute/_files/ifree-papers-and-photos/HershShefrin.pdf
Bastos e santos e., cont r., [2010], « The Brazilian Interbank Network Structure and
Systemic Risk », Banco Central do Brasil Working Paper, n° 219.
Battiston s., puliga m., KaushiK r., tasca p., caldarelli g. [2012], « Debt Rank:
Too Central to Fail? Financial Networks, the fed and Systemic Risk », Scientific
Reports, 2, article n° 541.
Benoit s., colletaZ g., hurlin c., perignon c. [2014], « A Theoretical and Empi-

rical Comparison of Systemic Risk Measures », hec Paris Research Paper Series
n° fin-2014-1030.
Berger a., davies a., flannery m. [1998], « Comparing Market and Supervisory
Assessments of Bank Performance: Who Knows What When? », Journal of Money,
Credit and Banking, 32 (3/2), p. 641-667.
Billio m., getmansKy m., lo a., peliZZon l. [2012], « Econometric Measures of
Connectedness and Systemic Risk in the Finance and Insurance Sectors », Journal of
Financial Economics, 104, p. 535-559.
Bisias d., flood m., lo a., valavanis s. [2012], « A Survey of Systemic Risk Analy-
tics », Annual Review of Financial Economics, 4 (1), p. 255-296.
Borio c. [2014], « The financial cycle and macroeconomics: What have we learnt? »,
Journal of Banking & Finance, 45, p. 182-198.
Brownlee c.t., engle r. [2011], « Volatility, Correlation and Tails for Systemic
Risk », mimeo, Finance Department, Stern School of Business, New York University.
Brunnermeier m.K., gorton g.B., Krishnamurthy a. [2011], « Risk Topography »,
31 mai, consultable sur ssrn : http://ssrn.com/abstract=1825124
carlson m., lewis K., nelson w. [2014], « Using Policy Intervention to Identify
Financial Stress », International Journal of Finance & Economics, 19 (1), p. 59-72.
castro c., ferrari s. [2014], « Measuring and testing for the systemically important
financial institutions », Journal of Empirical Finance, 25, p. 1-14.
cerutti e., claessens s., mcguire p. [2012], « Systemic Risks in Global Banking:
What Available Data Can Tell Us and What More Data Are Needed? », nber Working
Papers, n° 18531.
cifuentes r., ferrucci g., shin h. [2005]. « Liquidity Risk and Contagion », Journal
of the European Economic Association, 3 (2), p. 556-566.
curry t., fissel g., hanwecK g. [2008], « Equity Market Information, Bank Holding
Company Risk and Market Discipline », Journal of Banking and Finance, 32 (5),
p. 807-819.
495

Revue économique
de castro miranda r.c., stancato de souZa s.r., miranda taBaK B. [2013],

« Connectivity and Systemic Risk in the Brazilian National Payments System »,
dans Signal-Image Technology & Internet-Based Systems (sitis), 2013 International
Conference, p. 561-568.
diamond d.w., dyBvig p.h. [1983], « Bank runs, deposit insurance, and liquidity »,
The Journal of Political Economy, p. 401-419.
engle r., jondeau e., rocKinger, m. [2015], « Systemic Risk in Europe », Review of
Finance, à paraître.
escanciano j. c., olmo j. [2011]. « Robust backtesting tests for value-at-risk models »
Journal of Financial Econometrics, 9 (1), p. 132-161.
fahri e., tirole j. [2011], « Collective Moral Hazard, Maturity Mismatch and Systemic
Bailouts », American Economic Rewiew, 102 (1), p. 60-93.
feller j.-B., KersuZan m.d. [2014], « L’identification des groupes bancaires et d’assu-
rance d’importance systémique mondiale », Analyses et synthèses (revue de l’Autorité
de contrôle prudentiel et de résolution), 39.
fourel v., héam j.-c., salaKhova d., tavolaro s. [2013], « Domino Effects when
Banks Hoard Liquidity: the French Network », Banque de France, Document de
travail, n° 432.
frey l., tavolaro s., viol s. [2013], « Analyse du risque de contrepartie de la réas-
surance pour les assureurs français », Analyses et synthèses (revue de l’Autorité de
contrôle prudentiel et de résolution), 4.
furlong f., williams r. [2006], « Financial Market Signals and Banking Supervision:
Are Current Practices Consistent with Research Findings? », frbsf Economic Review,
p. 17-29.
gai p., Kapadia s. [2011], « Liquidity Hoarding, Network Externalities, and Interbank
market Collapse », Proceeding of the Royal Society A, 466, p. 2401-2423.
galBiati K., soramaKi m. [2012], « Clearing Networks », Journal of Economic
Behavior and Organization, 83 (3), p. 609-626.

gouriéroux c., héam j.-c., monfort a. [2012], « Bilateral Exposures and Systemic
Solvency Risk », Canadian Journal of Economics, 45 (4), p. 1273-1309.
gouriéroux c., ZaKoïan j.m. [2013], « Estimation-Adjusted VaR », Econometric
Theory, 29 (4), p. 735-770.
gray d.f., joBst a.a. [2011], « Modelling systemic financial sector and sovereign
risk », Sveriges Riksbank Economic Review, 2.
greenwood r., landier a., thesmar d. [2012], « Vulnerable banks », Mimeo.
gropp r., vesala j., vulpes g. [2004], « Market Indicators, Bank Fragility and Indirect
Market Discipline », frnby Economic Policy Review, septembre, p. 53-62.
haldane a.g., may r.m. [2011], « Systemic risk in banking ecosystems », Nature,
469 (7 330), p. 351-355.
hannoun h. [2010], « Towards a global financial stability framework », dans 45th
seacen Governors’ conference, 26-27 février 2010.
hansen l. [2012], « Challenges in Identifying and Measuring Systemic Risk », nber
Working Papers, n° 18505.
hartmann p., straetmans s., de vries c. [2005], « Banking System Stability: a
Cross-Atlantic Perspective », ecb Working Papers n° 527.
hauton g., héam j.-c. [2014], « How to Measure Interconnectedness between Banks,
Insurers and Financial Conglomerates? », Analyses et synthèses (revue de l’Autorité
de contrôle prudentiel et de résolution), 15.
hollo d., Kremer m., lo duca m. [2012], « ciss: A Composite Indicator of Systemic
Stress in the Financial System », ecb Working Papers, n° 1426.
huang x., Zhou h., Zhu h. [2012], « Systemic Risk Contributions », Journal of Finan-
cial Services Research, 42 (1-2), p. 55-83.
idier j., lamé g., mésonnier j.s. [2012], « How useful is the Marginal Expected Short-
fall for the Measurement of Systemic Exposure? A Practical Assessment », Banque de
France, Document de travail, n° 348.
496

jahn n., KicK t. [2012], « Early warning indicators for the German banking system: A
macroprudential analysis », Discussion Paper, Deutsche Bundesbank, No. 27/2012.
jones r., perignon c., [2013], « Derivatives Clearing, Default Risk and Insurance »,
Journal of Risk and Insurance, 80 (2), p. 239-493.
KaminsKy g.l., reinhart c.m. [1999], « The twin crises: the causes of banking and
balance-of-payments problems », American Economic Review, p. 473-500.
Karas a., schoors K. [2012], « Bank networks, interbank liquidity runs and the iden-
tification of banks that are Too Interconnected to Fail », Mimeo.
KritZman m., li y., page s., rigoBon r. [2011], « Principal Components as a Measure
of Systemic Risk », The Journal of Portfolio Management, 37 (4), p. 112-126.
leon c., péreZ j. [2013], « Authority Centrality and Hub Centrality as Metrics of Systemic
Importance of Financial Market Infrastructures », Central Bank of Colombia, Mimeo.
lucas r.e. [1976], « Econometric Policy Evaluation: A Critique », Carnegie-Rochester
Conference Series on Public Policy, 1, p. 19-46.
merton r. [1973], « An Intertemporal Capital Asset Pricing Model », Econometrica,
41 (5), p. 867-887.
rochet j.-c. [2008], Why Are There So Many Banking Crises? The Politics and Policy
of Bank Regulation, Princeton (nj.), Princeton University Press.
rodrigueZ-moreno m., pena j.i. [2013], « Systemic Risk Measures: The Simpler, the
Better », Journal of Banking and Finance, 37, p. 1817-1831.
schwaaB B., Koopman s., lucas a. [2011], « Systemic Risk Diagnostics: Coincident
Indicators and Early Warning Signals », ecb Working Papers, n° 1327.
tavolaro s., visnovsKy f. [2014], « What is the information content of the srisK
measure as a supervisory tool? », Analyses et synthèses (revue de l’Autorité de contrôle
prudentiel et de résolution), 10.
tirole j. [2008], « Leçons d’une crise », tse Notes, n° 1.
van den BrinK r., gilles r.p. [2000], « Measuring Domination in Directed Networks »,
Social Networks, 22, p. 1141-1157.

Zhou c. [2010], « Are Banks Too Big to Fail? Measuring Systemic Importance of finan-
cial institutions », International Journal of Central Banking, 6 (4), p. 205-250.
ANNEXES
Figure A1.1. JP Morgan Chase mes, 2000-2014 – Pertes marginales attendues (mes)
pour des baisses d’au moins 40 % en six mois du cours des actions américaines
V-Lab (2014)
9.0
8.0
7.0
6.0
5.0
4.0
3.0
2.0
1.0
0.0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
JP Morgan Chase Marginal Expected Shortfall
Source : V-Lab.
497

Revue économique
Figure A1.2. Indicateur srisk (milliards de usd) –

ensemble du secteur financier mondial (2001, 2014T1)
Source : V-Lab.
Figure A2. Primes d’assurance en cas de défaut


Le graphique représente l’indicateur de risque systémique pour les banques qui ont participé au scap (Supervisory
Assessment Programme mené par les autorités américaines). Il est défini comme le prix d’une assurance contre le
risque de défaut financier (au moins 10 % des dettes totales de l’ensemble du secteur bancaire font défaut). Le prix est
mesuré en coût par unité d’exposition dans le graphique du haut et en milliards de dollars dans le graphique du bas.
Source : Huang et al. [2012].
Figure A3. Indicateur composite de stress systémique dans le système financier
Source : Hollo et al. [2012].
498

Figure A4. Absorption Ratio
Source : Kritzman et al. [2011].
Figure A5. Bank of America – comparaison de var et covar

Source : Benoit et al. [2014].
499

Revue économique
Figure A6. Probabilités de régimes de crise immobilière : Espagne
Lecture du graphique : le trait fin indique la probabilité, pour l’Espagne, d’être en situation de crise immobilière.
Elle est identifiée par un modèle favar avec changement de régime markovien. La zone grisée mesure la propor-
tion de pays de l’ocde en crise financière établie à partir de données collectées par le fmi.
Source : de Bandt et Malik [2010].

Figure A7. Impact d’un choc immobilier au niveau international sur l’Espagne
0.0075
Crisis Regime – Response of HPIESP
0.0050
0.0025
0.0000
0 5 10 15 20 25 30 35 40
0.004
0.003
Normal Regime – Response of HPIESP
0.002
0.001
0.000
0 5 10 15 20 25 30 35 40
Lecture du graphique : les courbes indiquent la réponse des prix immobiliers espagnols à un choc sur les prix
immobiliers au niveau international. Le graphique du haut correspond aux périodes de crise, et celui du bas aux
périodes normales.
Source : de Bandt et Malik [2010].
500

Reco 663 0481

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Reco 663 0481

Transféré par

Droits d'auteur :

Formats disponibles

LA MESURE DU RISQUE SYSTÉMIQUE APRÈS LA CRISE FINANCIÈRE

Olivier de Bandt, Jean-Cyprien Héam, Claire Labonne, Santiago Tavolaro

Presses de Sciences Po | « Revue économique »

2015/3 Vol. 66 | pages 481 à 500

Distribution électronique Cairn.info pour Presses de Sciences Po.

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Powered by TCPDF (www.tcpdf.org)

Face au très grand nombre d’indicateurs quantitatifs proposés pour mesurer

MEASURING SYSTEMIC RISK AFTER THE FINANCIAL CRISIS

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Classification JEL : G2, G3, E44

* Autorité de contrôle prudentiel et de résolution. Correspondance : Autorité de contrôle pruden-

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500

La crise récente a mis en avant la nécessité d’une approche macroprudentielle

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

1. Voir notamment Farhi et Tirole [2011].

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

LES MESURES DISPONIBLES

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

Adrian et Brunnermeier [2014] cherchent à mesurer l’importance systémique

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

banques systémiques (gsiBs5) et les grands groupes d’assurances (gsiis6), s’ap-

Pour les infrastructures de marché, la mesure du risque systémique fait prin-

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Indicateurs de mesure des interconnexions dans les réseaux

D’une manière générale, la mesure du risque systémique dans les réseaux

5. Global Systemically Important Banks.

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

De nombreux travaux utilisent des méthodes descriptives issues de la socio-

Graphique 1. Le réseau banques-assurances français

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

les chocs de solvabilité et de refinancement sur le réseau des cinquante-trois

La dernière catégorie d’indicateurs considère plusieurs secteurs à la fois, en

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

Encadré. Identification des institutions financières génératrices

Sous l’impulsion du Conseil de stabilité financière, le Comité de supervision

Tableau 1. Indicateur de systémicité au niveau mondial

Indicateurs Groupes de banques Groupes d’assureurs

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

1. Global Systemically Important Financial Institutions.

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

iv - Non- 1. Actifs sous 20 % 1. Primes brutes émises 5%

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

En ce qui concerne les banques, la méthodologie adoptée et publiée en novembre

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

Kritzman et al. [2011] construisent un ratio d’absorption représentant la part

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

ANALYSE CRITIQUE DES INDICATEURS

Que penser de ces indicateurs de risque systémique et dans quelle mesure

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

Avantages et inconvénients des données de bilan

De nombreux indicateurs de risque systémique sont calculés à partir de

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

une information utile. En revanche, Furlong et Williams [2006] concluent que

Indicateur avancé ou coïncident

© Presses de Sciences Po | Téléchargé le 01/12/2020 sur www.cairn.info (IP: 197.253.209.72)

La notion de risque systémique va au-delà de la simple transmission des

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480

Revue économique – vol. 66, N° 3, mai 2015, p. 481-500-480