Gestion du Risque de Crdit dans la Banque : e Information Hard, Information Soft et Manipulation

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

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

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

Rsum e e Le rle du traitement de linformation dans le cadre de lintermdiation o e bancaire est de premi`re importance. La banque peut accder ` dirents e e a e types dinformation pour apprhender la gestion du risque par couverture de e la Value at Risk par allocation de fonds propres. Linformation hard, contenue dans les documents comptables et produite grce ` des mod`les de score, a a e est quantitative et vriable. Par contre, linformation soft, produite dans e le cadre dune relation de client`le, est de nature qualitative, et non vrie e able donc plus facilement manipulable, mais apporte de la prcision aux e estimations de la qualit des emprunteurs. Dans cet article, nous tudions e e limpact du type dinformation sur la gestion du risque dans le cadre dun mod`le principal-agent avec ala moral avec information cache. Les rsule e e e tats mettent en vidence une conomie de fonds propres pour couverture de e e la VaR grce au recours additionnel ` de linformation soft, mais galement a a e lexistence dune incitation ` la manipulation par le charg de client`le du a e e signal contenant cette information. Un schma de rmunration adquat qui e e e e empche la manipulation est alors propos. La comparaison des solutions e e issues des deux cadres (information hard versus combinaison dinformation hard et soft), eectue au moyen de simulations, conrme que linformation e soft peut tre avantageuse bien que ncessitant des modications organie e sationnelles particuli`res, puisquelle permet eectivement la rduction des e e fonds propres allous ` la VaR. e a Mots cls : Information hard, information soft, gestion du risque, Value e at Risk, ala moral, information cache, manipulation. e e Classication JEL : D82, G21, G31

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

Introduction

Lindustrie bancaire est fortement tributaire de linformation. La banque est en eet confronte ` un probl`me dasymtrie dinformation due ` lopae a e e a cit informationnelle des emprunteurs. Cette opacit varie avec les emprune e teurs, les PME tant sans doute les plus opaques. Pour rsoudre ce probl`me e e e dasymtrie dinformation la banque peut acqurir deux types dinformation : e e de linformation hard, en externe, par le biais de linformation publique (rating, score . . .), et de linformation soft, en interne, par le biais de la relation de client`le. Cela suppose deux mthodes dattribution des prts : la banque ` e e e a lacte versus la banque de relation. Une littrature rcente tablit des distince e e tions ` faire entre linformation soft et linformation hard (Petersen, 2004)1 . a La prise en compte de linformation soft est notamment susceptible daccro la prcision des estimations de la qualit des emprunteurs (Lehmann, tre e e 2003 ; Grunert et al., 2005), mais a le dsavantage dtre non vriable et e e e donc manipulable. Ainsi le type dinformation utilis peut inuencer la gese tion des risques par la banque, mais il a aussi un impact sur sa structure organisationnelle qui doit tre adapte pour viter les consquences et les e e e e cots de la manipulation de linformation soft. u Les travaux rcents portant sur la gestion des risques par le banquier e mettent bien en avant limportance du traitement de linformation. Ainsi, Hakenes (2004) consid`re le banquier comme un spcialiste du traitement e e de linformation et du contrle du risque. Danielsson et al. (2002), de leur o ct, analysent le choix du syst`me de gestion des risques en envisageant difoe e frents niveaux de dlgation du pouvoir impliquant des transmissions dine ee formations plus ou moins importantes. Mais ces travaux ne distinguent pas linformation hard de linformation soft. Cet article traite de limpact du type dinformation sur la structure du bilan et lorganisation de la banque en mati`re de gestion des risques. Pour e ce faire, il propose une modlisation thorique de la dcision de crdit dans e e e e un cadre principal-agent impliquant un directeur de banque et un charg e de client`le. Le directeur alloue des fonds propres pour couvrir la Value at e Risk. Il dcide galement du montant des limites alloues ` un charg de e e e a e client`le, ainsi que de sa rmunration, en fonction dun signal, dpendant e e e e du type dinformation utilis, exclusivement hard ou combinaison dinformae tions hard et soft. La dirence entre les deux types de signaux porte sur leur e nature, ` savoir leur vriabilit et leur manipulabilit, ainsi que leur degr a e e e e de prcision. Une combinaison dinformation hard et soft est plus prcise que e e
Quoique, le rle de la banque en temps que producteur dinformation a dj` t mis o eaee en vidence par Fama (1985). e
1

de linformation exclusivement hard mais non vriable par le banquier, la e composante soft tant manipulable par le charg de client`le. Linformation e e e soft est ainsi source dala moral avec information cache. Elle est par conse e e quent susceptible dinduire des modications organisationnelles pour limiter le probl`me dala moral. e e On met en vidence plusieurs rsultats. Tout dabord, on montre que la e e prise en compte de linformation soft peut sous certaines conditions permettre une rduction du montant des fonds propres. Cependant, on vrie lexistence e e dune incitation du charg de client`le ` manipuler le signal contenant de line e a formation soft. On propose alors un schma de rmunration qui empche la e e e e manipulation. Linuence de linformation soft sur les structures organisationnelles de la banque se traduit donc par la ncessit dun schma de rmue e e e nration particulier. La comparaison des solutions correspondant aux deux e types de signaux (information hard versus combinaison information hard et soft), eectue au moyen de simulations, conrme que laddition dinformae tion soft peut tre avantageuse, puisquelle permet eectivement la rduction e e des fonds propres. Dans la suite de cet article, on prsente la distinction entre les deux types e dinformations et les travaux thoriques rcents portant sur linuence du e e type dinformation sur les structures organisationnelles des banques dans la section 2. La prsentation du mod`le de la dcision de crdit constitue lobjet e e e e de la section 3. Les sections 4 et 5 tablissent les rsultats avec information e e hard, puis dduisent les gains et cots de linformation soft, en particulier e u lexistence dune incitation ` manipuler un signal contenant ce type dina formation. Un schma de rmunration incitatif du charg de client`le pour e e e e e rsoudre le probl`me de manipulation est propos ` la section 6. Enn, les e e ea rsultats avec information hard et avec combinaison dinformation hard et e soft sont compars au moyen de simulations dans la section 7. La section 8 e conclue cet article.

Information hard versus information soft et organisation de la banque

Lobjectif de cette section est danalyser les caractristiques de linformae tion hard et soft an de dnir un ensemble de dimensions qui distinguent e clairement ces deux types dinformation et dterminent leurs avantages et e inconvnients respectifs (Petersen, 2004). e Trois types de dimensions peuvent permettre de distinguer linformation hard de linformation soft :

 la nature : linformation hard est quantitative - des nombres (en nance, il sagit de bilans comptables, de rentabilits des titres, etc.), e alors que linformation soft est gnralement sous forme de texte - des e e mots (opinions, ides, projets, commentaires, etc.). e la collecte : elle est impersonnelle pour linformation hard, et ne dpend e pas du contexte dans lequel elle a t produite (linformation hard est ee exhaustive et explicite), alors quelle est personnelle pour linformation soft et incorpore le contexte de sa collecte et de son traitement. les facteurs cognitifs2 : les notions de jugement, dopinion et de perception font partie intgrante de linformation soft, alors quelles sont e absentes de linformation hard. De par sa nature et sa faon de collecte, linformation hard prsente donc c e plusieurs avantages : un faible cot, compte tenu dune information rduite, de technologies u e de production automatisables, de gains de comptitivit et de produce e tivit, dune standardisation, et dconomies dchelle et de gamme, e e e une durabilit plus importante due ` la facilit de collecte, de stockage, e a e et de transmission, une comparaison plus aise3 , permettant de sparer le processus de e e collecte et de lutilisation de linformation, soit une facilit dans la e dlgation de lactivit de collecte, de production et de traitement de ee e linformation, une vriabilit et donc une non manipulabilit, compte tenu de la e e e nature et du mode de collecte de linformation hard. La ralit des avantages de linformation hard est conrme par les trae e e vaux de Feldman (1997a,b), ainsi que de Berger et al. (2002a) et Frame et al. (2001) portant sur le scoring. Le scoring4 est une mthode de traitement e de linformation hard. Il est montr que le scoring permet de rduire le cot e e u doctroi du crdit et daccro la vitesse de prise de dcision, en augmene tre e tant le volume des prts accords, ainsi quune tarication ajuste au risque, e e e rduisant le rationnement de crdit. e e La particularit la plus importante de linformation soft est dtre intie e
Notons la dnition de linformation dans un contexte comptable propose par e e Kirschenheiter (2002) : Hard information (. . .) is when everyone agrees on its meaning. (. . .) Honest disagreements arise when two people perfectly observe information yet interpret this information dierently (i.e. soft information). Impliquant un rfrentiel commun, qui permet de comparer des indicateurs entre eux. ee Selon la dnition donne par Mester (1997), le credit scoring (ou scoring) est une e e mthode statistique destimation de la probabilit de dfaut de lemprunteur. e e e
4 3 2

mement lie ` lenvironnement dans lequel elle a t produite. Dans le cadre e a ee de la banque, il sagit de la relation bancaire qui, par le biais dinteractions multiples dans le temps, donne acc`s ` de linformation suprieure ` e a e a celle disponible publiquement mais qui demeure condentielle (Berger, 1999; Boot, 2000; Berger et Udell, 2002; Elsas, 2005). Linformation soft prsente e par consquent lavantage de pouvoir renforcer la puissance de prvision de e e linformation hard mais linconvnient dtre dicilement vriable. Sa non e e e vriabilit la rend manipulable par lagent responsable de son traitement e e et de sa production et impose de ce fait des structures organisationnelles particuli`res. e Laptitude de linformation soft ` renforcer le pouvoir de prvision de a e linformation hard est atteste par certains travaux empiriques cherchant ` e a qualier limpact des facteurs qualitatifs sur la prvision du risque de de e faut. Ce type dtudes utilise en particulier des ratings internes des banques e qui sont intgrs comme variables explicatives dans les mod`les de prvie e e e sion du dfaut. Une partie non ngligeables des composantes qualitatives e e de ces ratings est fonde sur de linformation soft, intgrant des dimensions e e comme la qualit du management ou les perspectives de lentreprise. Dapr`s e e les enqutes de Gnther et Grning (2000), 70 des 145 banques allemandes e u u interroges fondent leur rating sur des composantes qualitatives. Lintgrae e tion de composantes qualitatives se traduit par une amlioration des taux de e reclassement des emprunteurs et une prdiction plus prcise du dfaut (Lehe e e mann, 2003 ; Grunert et al., 2005). Les composantes qualitatives des ratings apparaissent en fait comme moins disperses et plus stables. e Ladaptation des structures organisationnelles au type dinformation trait e fait galement lobjet dtudes rcentes. Dans le domaine bancaire, Stein e e e (2002) sinterroge par exemple sur linuence de la structure organisationnelle sur la dcision optimale dallocation de fonds dans la banque. Dans un e tablissement de grande taille, il y a sparation du processus de collecte et e e de traitement de linformation du processus de prise de dcision. Linformae tion ncessaire pour la prise de dcision doit tre facilement transmissible e e e entre les niveaux hirarchiques. Elle doit galement pouvoir tre interprte e e e ee de faon uniforme par les agents, indpendamment du contexte dans lequel c e elle a t produite. Il sagit l` des principales caractristiques de linformaee a e tion hard. Sachant que dans un environnement ` contrats incomplets, les a incitations des agents dpendent de leur contrle sur les actifs qui leur sont e o allous (Hart et Moore, 1990; Hart, 1995; Harris et Raviv, 1996, 1998), le moe d`le de Stein (2002) oppose deux types dinformation (hard et soft) et deux e types de structure organisationnelle (organisation hirarchique centralise et e e non-hirarchique dcentralise). Stein (2002) dmontre alors quil existe une e e e e adquation entre la structure organisationnelle et la nature de linformation e 5

permettant une allocation optimale des fonds, par le biais de meilleures incitations. Linformation soft est associe ` une organisation dcentralise, car e a e e elle donne ` lagent plus de pouvoir et dautorit. Lagent qui produit linfora e mation est alors davantage incit ` en faire un usage ecient dans le cadre ea de lallocation de fonds. Linformation hard est associe ` une organisation e a centralise, car celle-ci facilite la transmission de linformation ` des niveaux e a hirarchiques suprieurs o` seectue la dcision dallocation des fonds. En e e u e somme, le type dinformation suppose un degr de dlgation dautorit et e ee e de pouvoir plus ou moins important vers lagent traitant linformation. Des tudes empiriques permettent de relayer ces conclusions thoriques e e (Berger et al., 2001 ; Berger et Udell, 2002 ; Berger et al., 2002a ; Berger et al., 2005). Dans le cadre de la relation bancaire, o` lactivit de production u e et de traitement de linformation est dlgue au charg de client`le, celuiee e e e ci se voit octroyer une forte autorit, en raison notamment de la possibilit e e de manipuler linformation soft. Dans ce contexte, celui-ci a une position cruciale dans la banque. Des organisations de petite taille, moins hirarchises e e et plus dcentralises se prtent mieux ` tirer parti de ce type de relation. e e e a Les petites banques sont ainsi vu comme ayant une capacit suprieure dans e e la production dinformation soft dans le cadre des relations de long terme (Berger, 2004 ; DeYoung et al., 2004 ; Scott, 2004) et lorsque les PME se trouvent face ` un choix de banque, elles prf`rent des tablissements plus a ee e petits, rduisant ainsi les probl`mes de rationnement du crdit. e e e Une autre littrature traite de la structure des rmunrations ainsi que de e e e lallocation budgtaire, compte tenu du rle des agents dans le processus de e o collecte et de traitement de linformation. Bernardo et al. (2001) consid`rent e ainsi une entreprise risque-neutre ayant un projet dinvestissement pour lequel un montant optimal de capital ` allouer dpend de la qualit du projet, a e e qui est inconnue. Un manager peut tre engag pour obtenir de linformae e tion sur cette qualit. Il tire un bnce priv du contrle du budget qui lui e e e e o est allou et rapporte la qualit dun projet non vriable par le directeur. e e e Celui-ci alloue le capital en fonction du projet rapport. Le manager peut par e la suite fournir un eort coteux et non vriable permettant damliorer le u e e rendement du projet. Lutilit du manager est aecte par une allocation bude e gtaire et un schma de rmunration propos par le directeur, comprenant e e e e e une part xe et une part variable. Bernardo et al. (2001) dmontrent lexise tence de trois cas de combinaisons de rmunration et dallocation budgtaire e e e optimales suivantes : une qualit rapporte faible induit labsence de budget, e e une qualit intermdiaire implique un budget et labsence dintressement au e e e prot et enn une qualit forte induit un budget et un intressement. e e Un autre mod`le consid`re plusieurs agents au sein de la mme entreprise e e e (Ozbas, 2005). Lauteur sintresse aux probl`mes dasymtrie dinformation e e e 6

` lintrieur de lentreprise, en proposant un mod`le de concurrence interne a e e entre des managers pour des ressources. Ces managers disposent dinformation qualie par Ozbas (2005) de specic knowledge. Lauteur se focalise e galement sur le concept de communication stratgique entre le principal - le e e directeur, et les agents - les managers. Ceux-ci tirent une utilit plus impore tante de budgets plus grands, ce qui les incite ` exagrer leur prvisions de a e e rentabilit an daugmenter la probabilit dobtenir des ressources plus ime e portantes. Cependant, la non ralisation des prvisions rduit la rputation e e e e du manager. La qualit de la communication stratgique entre les agents et le e e principal se dtriore avec lintgration organisationnelle. Il existe deux types ee e de managers (bon et mauvais) et deux types de projets (` rentabilit leve a ee e et faible). Les projets des mauvais managers ont des rentabilits faibles avec e certitude, tandis que ceux des bons managers peuvent avoir une rentabilit e leve ou faible avec les probabilits respectives de p et 1 p. Ozbas (2005) e e e tudie plusieurs types dorganisation (selon divers degrs dintgration) et e e e trouve que des r`gles rigides dans loctroi des budgets peuvent amliorer la e e qualit de la communication et lecacit de lallocation des fonds en re e e duisant la concurrence entre les managers. La centralisation peut amliorer e le comportement des managers en les faisant davantage travailler en quipe, e mais seulement si la communication est ecace. Sinon, un degr dintgration e e plus important induit une dtrioration de la communication, qui demeure ee vitale pour une allocation des ressources eciente. Une tude du rle de linformation sur les marchs nanciers est galement e o e e propose par Ozerturk (2004). Cet auteur examine linuence du schma de e e rmunration sur les incitations du grant de fonds ` acqurir de linformation e e e a e plus prcise. Ce schma inclue des commissions et une part des rsultats du e e e fonds gr par lagent. Celui-ci agit pour le compte dun principal-investisseur ee en exerant un eort coteux pour observer la rentabilit des actifs. Cet eort c u e inuence la prcision de son information, qui est modlise par un signal. La e e e prcision et leort ne sont pas observables par le principal, de mme que e e la ralisation du signal. Un contrat de rmunration linaire par rapport e e e e au rendement du portefeuille gr incite lagent ` acqurir plus dinformation ee a e lorsque les participants du march ont des anticipations rationnelles. En eet, e les prix des actifs dpendent de la demande et inuencent ainsi les incitations e du manager ` acqurir plus dinformation. a e

Le mod`le e

La modlisation ralise nous permet de traiter du rle du type dinfore e e o mation dans la gestion du risque de crdit et la structure organisationnelle de e 7

la banque. La dcision de crdit est modlise dans un cadre principal-agent e e e e impliquant un directeur de banque (ou banquier) et un charg de client`le5 e e sur une priode. Le banquier-principal est suppos prendre ses dcisions en e e e mati`re de composition de bilan et de gestion du risque en fonction des ine formations fournies par le charg de client`le. Lutilit du banquier porte sur e e e le prot de la banque. Le bilan est compos des actifs risqus A, des dpts e e e o D et des fonds propres K. Bilan

K D

Le rendement des actifs risqus est alatoire, not rA . Le cot des rese e e u sources rD est exog`ne, tel que rD > 0. Le salaire du charg de client`le e e e not w est ventuellement fonction du rendement des actifs rA , auquel cas e e est : w = w(A ). Le prot de la banque r = rA A rD D w(A ) c, r (1)

avec c correspondant au cot dune assurance chmage dont bncie le u o e e charg de client`le, que lon normalise ` 0. e e a Lutilit du banquier est dnie par : e e UB = exp() ,

(2)

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

(3)

o` > 0 est le coecient daversion au risque de lagent. u Linformation collecte, traite et produite par le charg de client`le est e e e e fournie au banquier sous forme de signal qui concerne le rendement rA des actifs risqus. Ce signal, not , renseigne sur la distribution du rendement e e
On peut galement considrer le cas dun principal - conseil dadministration et dun e e agent - directeur dun dpartement de crdit. e e
5

des actifs. On suppose que ce signal suit une loi normale N(, 2 ). Il est corrl avec le rendement tel que : ee rA = + , (4)

o` suit une loi normale N(0, 2 ). et sont supposs tre non corrls. u e e ee La distribution a posteriori de rA conditionnelle ` la ralisation est donc a e telle que (A | ) N(, 2 ). r Deux types dinformation sont disponibles : de linformation hard ou de linformation soft. Linformation hard est suppose vriable par le banquier, e e mais un recours exclusif ` celle-ci permet des prvisions moins prcises que si a e e cette information hard est combine ` de linformation soft, qui elle est non e a vriable par le banquier. La dirence en terme de prcision selon linformae e e tion utilise est modlise par le biais du terme derreur . Au signal fond e e e e sur de linformation hard est associ un terme derreur dcart-type H , alors e e quau signal fond sur de linformation hard et soft implique est associ un e e 6 terme derreur dcart-type S , avec S < H . e Linformation sur le rendement des actifs risqus est utilise pour la gese e tion du risque. Le banquier souhaite couvrir le risque de son portefeuille, mesur par la Value at Risk, par des fonds propres K. La VaR correspond e au montant de fonds propres minimum K tel que la probabilit de dfaut e e accepte par la banque soit gale ` , par exemple 1%. On la note V aR . Le e e a dfaut de la banque intervient lorsque la valeur des actifs est infrieure ` la e e a valeur des dpts : e o prob [A(1 + rA ) D(1 + rD ) < 0] = . (5)

En cas de dfaut, la rmunration du charg de client`le est garantie par e e e e e lassurance chmage. En tenant compte de la contrainte de bilan (K+DA = o 0), on dduit la VaR par unit dactifs au seuil dacceptation des pertes , e e soit r (voir annexe C pour le dtail des calculs)7 : e rD u , 1 + rD

r = et

(6)

V aR = r A,
6

(7)

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

avec u correspondant au fractile dordre de la loi N(0, 1)8 . Il est important de noter que la VaR par unit dactifs r dpend du e e signal produit, et particuli`rement du type dinformation utilis, comme en e e tmoigne la prsence du signal observ et de lcart-type de la distribution e e e e a posteriori de rA dans lquation (6). Cest pourquoi le type dinformation e utilis dans la dcision de crdit aura un impact sur lallocation des fonds e e e propres ddis ` la couverture de la VaR. e e a On pose r > 0, ce qui implique < rD u . On remarque que r cro t avec . Plus le signal sur la distribution du rendement est prcis, soit un e faible, correspondant au signal fond sur de linformation hard et soft, plus e r est rduit, permettant des conomies de fonds propres allous ` la VaR e e e a par unit dactifs. e Cependant, avant de discuter plus longuement des cots et gains suscepu tibles dtre obtenus par le recours additionnel ` de linformation soft, on e a prsente lensemble des rsultats obtenus dans le cadre principal-agent en e e prsence uniquement dinformation hard. e

Le cas de linformation hard

On suppose dans cette section que le charg de client`le utilise exclusie e vement de linformation hard. Lcart-type du terme derreur du signal est e donc gal ` H . Dans la suite de cette section on fait abstraction de lindice e a H. Le banquier est suppos dcider dans un premier temps du schma de e e e rmunration du charg de client`le, sachant que celui-ci lui transmet le signal e e e e . Les dcisions portant sur les fonds propres K, les actifs risqus A et les e e dpts D sont prises dans un second temps en fonction du signal transmis. e o Le signal transmis est vriable et donc non manipulable. Par consquent le e e banquier est suppos ne mettre aucunement en doute linformation du charg e e de client`le, qui est autrement dit crdible. e e On suppose que la rmunration w du charg de client`le est compose e e e e e uniquement dune partie xe w0 , do` : u ErA (w) = w(A ) = w0 . r (8)

La dcision du schma de rmunration par le banquier porte donc sur e e e e la valeur du salaire xe qui doit tre ajuste de telle sorte que le contrat de e e rmunration soit acceptable par le charg de client`le. e e e e
On suppose que le fractile est ngatif, u < 0, pour les valeurs de probabilit de dfaut e e e accepte par la banque infrieure a 50%, ce qui est vrie dans notre cas. e e ` e e
8

10

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

(9)

avec

EUB =

r exp[(A ArD Dw0 ] (A |)drA , r +

EUC =

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

et U = expv . Dans le programme (9), la premi`re contrainte correspond a la contrainte e ` est lutilit de rservation de de participation du charg de client`le, o` U e e u e e lagent9 , tandis que les trois contraintes du sous programme doptimisation simposent au banquier lors du choix de la composition du bilan et correspondent respectivement ` la contrainte de bilan de la banque, ` la contrainte a a de couverture de la VaR par les fonds propres K au seuil de dfaut , et ` e a lexpression du calcul de la VaR. La rsolution du programme doptimisation (9) donne les rsultats suie e vants. Le salaire moyen optimal qui correspond au salaire xe du charg de e client`le est e ( rD (1 + u ))(( rD (1 + u )) 2(1 + rD )) . 2 2 2 (1 + rD )2 (10) Le volume optimal de prts correspondant au budget du charg de cliene e t`le est e
Ew = w0 = v +

A =
9

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

(11)

Avec v tant la valeur de rservation. e e

11

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

EUB = exp

(13)

Lesprance dutilit du charg de client`le correspond par contre ` son e e e e a niveau de rservation e
EUC = U = expv .

(14)

Co ts et gains de linformation soft u

Compte tenu des rsultats obtenus dans le cas de linformation hard, on e envisage dans cette section les implications positives et ngatives dun recours e additionnel ` de linformation soft permettant la fourniture dun signal dune a plus grande prcision, mais manipulable en raison de la non vriabilit de e e e la composante soft de linformation utilise. e Laccroissement de la prcision des prvisions se traduit par un carte e e type du terme derreur, ou autrement dit de la distribution a posteriori du rendement, plus petit. La contrainte de la VaR tant sature ` loptimum, e e a les fonds propres optimaux K correspondent ` la VaR de la banque. Ce a volume des fonds propres est inuenc par la prcision du signal (cf. quation e e e (12)). Etant donne la drive de K par rapport ` , celle-ci est positive si e e e a et seulement si : u (rD 1). 2 Cette condition assure quune plus grande prcision du signal rduit le e e volume des fonds propres. Ainsi, une combinaison dinformation soft et hard avec plus grande prcision du signal devrait rduire la VaR tant que la marge e e est suprieure ` un certain niveau. e a ( rD ) > 12

Cependant, il peut y avoir manipulation de linformation. Le charg de e client`le peut ainsi avoir transmis une valeur alors que la valeur quil aurait e du transmettre tant donnes ses connaissances est en fait + f avec f > 0 e e ou f < 0, selon que la manipulation est ` la baisse ou ` la hausse. Comme a a le banquier na pas acc`s ` linformation, le budget et la rmunration du e a e e charg de client`le sont tablis par le banquier en fonction du signal transmis e e e de telle sorte que son utilit espre est au niveau de rservation (14) pour e ee e 2 une distribution a posteriori du rendement N(, ), cohrente avec le signal e transmis. Cependant, la distribution a posteriori du rendement tant dapr`s e e 2 les observations N( + f, ), le charg de client`le obtient par ce biais une e e M utilit espre note EUC qui est en fait gale ` e ee e e a
M EUC = expv exp
f (rD (1+u )) 2 (1+rD )

(15)

Etant donn quon suppose une marge positive, on vrie que cette utilit e e e M espre EUC obtenue par manipulation du signal est suprieure au niveau ee e de rservation pour toute manipulation ` la baisse, cest-`-dire avec f > 0. e a a Le charg de client`le a en eet une incitation ` transmettre au banquier un e e a signal alors que ses observations impliquent un signal + f , avec f > 0. Comme le banquier assure au charg de client`le son niveau de rservation e e e quelle que soit la valeur du signal, lunique possibilit pour le charg de e e client`le davoir une valeur suprieure est dinduire le banquier en erreur e e de telle sorte quil sous-estime ce quil lui attribue. Cest le cas lorsquil lui transmet un signal manipul ` la baisse et quil peut esprer bncier ea e e e par lintermdiaire du dveloppement de son budget dun rendement moyen e e nalement plus lev que ne le pense le banquier. e e Pour proter des conomies de fonds propres par recours additionnel ` e a de linformation soft sans en subir de cots dus ` la manipulation du signal u a par le charg de client`le, le banquier peut par contre modier le schma e e e de rmunration an denlever toute tentation de manipulation au charg de e e e client`le. Lanalyse de cette possibilit est lobjet de la section qui suit. e e

Le cas de linformation soft

Le banquier est dsormais suppos tre en relation avec un charg de e e e e client`le qui a acc`s non seulement ` de linformation hard, mais galement e e a e ` de linformation soft lui permettant la fourniture dun signal dune plus a grande prcision que celui obtenu avec recours exclusif ` de linformation e a hard. Le charg de client`le obtient cette information soft supplmentaire e e e dans le cadre dune relation de client`le. Lcart-type du terme derreur du e e 13

signal est donc gal ` S mais on fait abstraction de lindice S. e a Comme prcdemment, le banquier est suppos dcider dans un premier e e e e temps du schma de rmunration du charg de client`le sachant que celui-ci e e e e e lui transmet par la suite le signal et que les dcisions portant sur les fonds e propres K, les actifs risqus A et les dpts D sont prises dans un second e e o temps en fonction du signal transmis. Le signal contenant de linformation soft non vriable par le banquier est susceptible de manipulation par le e charg de client`le. On prend alors en compte que le charg de client`le e e e e peut transmettre une valeur du signal dite valeur transmise, dirente de e celle dcoulant de ses observations, dite valeur observe. On note la valeur e e transmise, autrement dit message m, et la valeur observe . Ceci induit par e ailleurs une modication du programme doptimisation du banquier. Lorsque le banquier dcide du schma de rmunration, il envisage que e e e e le charg de client`le peut tre incit ` manipuler le signal. Il prend donc en e e e ea compte que le contrat de rmunration propos doit tre acceptable par le e e e e charg de client`le et linciter ` fournir comme message m la valeur observe e e a e . Cela suppose dintroduire une contrainte supplmentaire dincitation du e charg de client`le dans le programme doptimisation du banquier. Cela supe e pose galement que le schma de rmunration soit dirent. La contrainte e e e e e dincitation supplmentaire rend en eet le probl`me doptimisation du bane e quier sur-dtermin. Le schma de rmunration envisag comporte une pare e e e e e tie xe w0 , mais int`gre dsormais une partie variable contingente au rendee e ment des actifs selon un taux dintressement w1 . Le rendement des actifs est e pris en compte en terme dcart par rapport ` sa suppose moyenne, confore a e mment au message fourni par le charg de client`le. Ainsi la rmunration e e e e e w du charg de client`le est dsormais dnie par : e e e e w(A ) = w0 + w1 (A bm), r r (16)

avec b un facteur qui pond`re la prise en compte du message sur le rendee ment moyen. Le message du charg de client`le qui correspond ` une prvision e e a e sur le rendement des actifs est nalement la base de la conception dun objectif ` raliser, bm, associ ` laccord dune prime w1 (A bm) > 0 en cas de a e ea r dpassement de cet objectif, si b > 0. Pour b = 0, la partie variable devient e uniquement contingente au rendement des actifs. Le programme doptimisation du banquier en cas dinformation soft est

14

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

(17)

avec

EUB (m) = et
+

EUB () =

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

ainsi que
+

EUC (m) =

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

et
+

EUC () =

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

Dans le programme (17), la premi`re contrainte correspond toujours ` la e a contrainte de participation du charg de client`le, la deuxi`me est ajoute et e e e e correspond ` la contrainte dincitation ` fournir comme message m la valeur a a observe . On retrouve galement les trois contraintes du sous programme e e doptimisation qui simposent au banquier lors du choix de la composition du bilan. Il est ` noter que le choix des lments du bilan se fait en fonction a ee du message m fourni par le charg de client`le. e e La rsolution du programme doptimisation (17) donne les rsultats suie e vants.

15

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

On remarque que pour une pondration b = 0 impliquant un schma e e de rmunration du charg de client`le fonction uniquement du rendement e e e e des actifs, le salaire moyen optimal nest positif que pour des valeurs de v strictement positives. Le schma de rmunration nest donc adapt ` tout e e e ea type dagent que si b = 0. Linformation soft entra donc obligatoirement ne lensemble des modications organisationnelles proposes. e En fait, dapr`s lquation (16), tout cart entre le message sur la moyenne e e e du rendement des actifs et le rendement ralis se traduit pour le charg de e e e client`le par une part variable qui peut tre positive et sajoute au xe, e e mais qui peut galement tre ngative et ampute dautant le xe. Cest donc e e e nalement pour limiter les carts quels quils soient que le charg de client`le e e e prf`re fournir un message m sur la moyenne du rendement qui correspond ee ` la valeur observe , et ne manipule donc pas le signal. Les prvisions du a e e charg de client`le tant prises en compte dans le cadre de sa rmunration e e e e e et les carts par rapport ` ces prvisions pouvant tre fortement pnalisants, e a e e e le charg de client`le prend conscience que ses prvisions ont tout intrt ` e e e ee a tre le plus justes possibles. e Le montant optimal des prts et donc du budget du charg de client`le e e e devient ( rD (1 + u ))( + b) + (1 + rD ) , 2 (1 + rD )(2 + b) qui est, la marge tant positive, strictement positif d`s lors que e e A = b> (19)

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

avec ( rD (1 + u )) (1 + rD ) A = . b 2 (1 + rD )(b + 2)2

Ainsi, comme le taux dintressement w1 du charg de client`le est dni e e e e

par
w1 =

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

(21)

il est possible de vrier que la positivit de w1 implique que b a un eet e e ngatif sur le budget A du charg de client`le, sur les fonds propres K , e e e ainsi que sur le taux dintressement w1 . e

Comparaison des rsultats e

La rsolution des programmes doptimisation sous contraintes (9) et (17), e donne les solutions dans le cadre avec information hard et avec combinaison dinformation hard et soft. Ces solutions se distinguent notamment par un cart-type de la distribution a posteriori du rendement, qui bien que not e e de faon identique, na pas mme valeur dune solution ` lautre, puisque le c e a signal contenant de linformation soft est suppos plus prcis que le signal e e bas uniquement sur de linformation hard et que lon a H > S . An de e pouvoir comparer les solutions obtenues dans les deux cadres, on suppose par la suite que H = S + , avec correspondant au degr dimprcision du e e signal bas uniquement sur de linformation hard. En raison de limpossibilit e e dobtenir par lanalyse algbrique des rsultats simples, la comparaison est e e opre par recours ` des simulations. ee a On compare en particulier les valeurs des esprances de salaire Ew, des e fonds propres K, des prts A, ainsi que de lesprance dutilit du banquier e e e E(UB ). On calcule donc les dirences suivantes ( et correspondent aux soe lutions issues de la rsolution du programme (9) avec information hard et e du programme (17) avec combinaison dinformation hard et soft respectivement) : dEw = Ew Ew , dK = K K , dA = A A , dE(UB ) = E(UB ) E(UB ) , dont on simule les expressions en xant tous les param`tres, sauf . e

17

Compte tenu des direntes conditions assurant la positivit des lments e e ee du bilan de la banque prcdemment poss, les valeurs des param`tres sont e e e e les suivantes : le taux dintrt sur les dpts rD = 0.025, la valeur de rseree e o e vation v = 0, le fractile de la loi normale correspondant ` une probabilit de a e dfaut autorise par la banque de = 1%, u=0.01 = 2.3263, les coecients e e daversion au risque du principal et de lagent respectivement = = 1, lcart type de la distribution a posteriori du rendement = 0.2 en cas dine formation soft, le degr dimprcision du signal de type hard = 0.1, et la e e pondration b = 2. On fait varier le signal sur lintervalle [0.03; 0.75]. e Les courbes des dirences dEw, dK, dA et dE(UB ) sont reprsentes e e e dans les gures 1, 2, 3 et 4 respectivement.

3.5 3 2.5 2 1.5 1 0.5 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
Fig. 1 Courbe de dEw = Ew Ew en fonction de . On remarque en premier lieu que la dirence des esprances de salaire e e dEw est une courbe croissante et convexe, situe dans le demi-plan positif e du graphique (cf. gure 1). Lesprance de salaire est donc plus importante e dans le cadre avec information exclusivement hard. En second lieu, la dirence des fonds propres dK est croissante et posie tive (cf. gure 2). Le montant des fonds propres est plus important dans le cadre avec information exclusivement hard. Lapport de linformation soft en impliquant un degr de prcision plus important du signal permet alors de e e rduire le montant des fonds propres. e La dirence des volumes de prts (correspondant galement au volume e e e des fonds allous au charg de client`le) dA est par contre ngative, puisque la e e e e courbe se situe dans le demi-plan ngatif du graphique (cf. gure 3). Loctroi e 18

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

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

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

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

19

de prts est plus important avec une combinaison dinformation hard et soft, e et cro avec le signal . t Enn, au niveau de la courbe reprsentant la dirence de lesprance e e e dutilit du banquier dE(UB ) (cf. gure 4), on obtient une courbe convexe sie tue dans le demi-plan ngatif du graphique. Lesprance dutilit du banquier e e e e est suprieure lorsquil a recours ` un charg de client`le qui lui transmet un e a e e signal fond sur une combinaison dinformation hard et soft. On obtient ce re e sultat malgr la ncessit dimplanter un schma de rmunration particulier e e e e e e qui empche la manipulation du signal par lagent. e

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

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

Ainsi, pour rsumer, linformation soft permet au banquier de rduire le e e montant des fonds propres grce ` la plus grande prcision du signal obtenu, a a e et nimplique pas pour autant de cot de rmunration supplmentaire en u e e e vue dviter la manipulation de ce signal, puisquelle permet au banquier un e octroi plus important de prt correspondant pour le charg de client`le ` un e e e a budget plus important, source dun accroissement de son utilit. e

Conclusion

La qualit de linformation produite par la banque dtermine les caracte e e ristiques de la prise de risque. La littrature existante traite de ce probl`me e e en distinguant linformation hard et linformation soft (Petersen, 2004). Lacquisition de cette information peut seectuer par deux mthodes : la banque e 20

` lacte ou la banque de relation. La premi`re peut sappuyer sur des ma e e thodes statistiques de traitement de linformation hard. Ce type dinformation prsente des avantages en terme de faible cot, dconomie dchelle et e u e e de possibilit de mesurer la Value at Risk grce au recours ` des mod`les de e a a e risque de crdit. A loppos, la banque de relation a galement acc`s ` de e e e e a linformation soft, qui lui permet daccro la prcision de lestimation de tre e la qualit de lemprunteur, mais qui pose le probl`me de la manipulation. e e Dans cet article, on se focalise en particulier sur le rle du type dinformao tion dans la gestion du risque de crdit dans la banque. Dans un mod`le o` e e u le banquier requiert de linformation sur le rendement des actifs pour grer e le risque de crdit par allocation des fonds propres, on montre que le recours e additionnel ` de linformation soft a lavantage de permettre des conomies a e en terme de fonds propres. Cet avantage est d ` la plus grande prcision des ua e prvisions. Mais linformation soft, tant non vriable, ncessite limplantae e e e tion dun schma de rmunration particulier qui empche la manipulation e e e e de linformation par le charg de client`le. e e Ces rsultats fournissent une vidence thorique sur un avantage de line e e formation soft dans la gestion du risque de crdit, puisquon montre que la e VaR peut tre limite, ce qui induit des conomies de fonds propres, si la e e e banque met en place une organisation et un syst`me de rmunration ade e e e quat.

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

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

22

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

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

1,

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

do` u

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

1+ 1+rD

qui correspond ` lquation (6), sachant que (A |) N(, 2 ) et donc a e r 1,

1+rD 2

. 24