Résultats empiriques

Cette section vise à répondre à une question principale : le pouvoir de marché concourt-il à limiter l’ampleur du canal étroit du crédit ?

26. Cela renvoie aux anomalies de taille mises en évidence dans les modèles multi-factoriels d’éva-luation des actifs financiers.

Résultats principaux

Le tableau 2.16 fournit des réponses à la question précédente en présentant nos résultats principaux. Préalablement à l’examen empirique des effets de la concur-rence bancaire, nous avons souhaité estimer un modèle similaire à celui d’Ehrmann et al. (2001) où ne sont prises en considération que les trois variables bancaires spécifiques communément utilisées (taille, liquidité, capitalisation). Il s’agit, de cette manière, de vérifier l’existence d’un canal étroit du crédit à proximité de la crise de 2008 à partir de travaux postérieurs. Les résultats en colonne 1 généralisent, pour la décennie deux mille, les résultats d’Ehrmann et al. (2001). On observe, en effet, que les variations des taux monétaires gouvernent, en partie, l’évolution de l’offre de crédit des banques puisque les chocs monétaires contemporain et retardé ont un effet significativement négatif sur la variation des prêts contrôlée des évolutions de la conjoncture économique et, donc, de la demande de crédit. Une étude récente d’Altunbas et al. (2010), portant également sur un échantillon de banques européennes et couvrant la période de crise, permet de témoigner de la bonne tenue de nos estimations. En effet, alors que nos résultats mettent en lumière un effet économique cumulé (chocs contemporain et retardé) égal à −0.909, l’étude d’Altunbas et al. (2010) parvient à des résultats très proches (−0.821). Comme attendu, il s’avère, par ailleurs, que des effets imputables à la demande de crédit jouent fortement sur la variation du crédit distribué. Les paramètres devant les taux de croissance économique (courant et passé) sont ainsi statistiquement différents de zéro. En revanche, il s’avère que le taux de croissance de l’indice des prix n’a aucune influence statistique significative. Ces différentes observations attestent de l’existence d’un canal du crédit et permettent dès lors d’examiner les effets des caractéristiques micro-bancaires, limitées dans la colonne (1) à la taille, la capitalisation et la liquidité, sur le canal étroit du crédit.

Les résultats obtenus suggèrent quelques commentaires. Tout d’abord, on constate que des hauts niveaux de capitalisation et de liquidité réduisent la trans-mission monétaire via le canal du crédit. D’une part, un haut niveau de capitalisation et de liquidité permet aux banques de répondre facilement aux opportunités de prêts sans se trouver contraintes réglementairement. D’autre part, ces facteurs renforcent la solvabilité et la crédibilité de ces acteurs, leur permettant ainsi d’émettre de nou-velles ressources rapidement et à moindres coûts. On observe ensuite que la taille a un effet semblable. Cela conforte l’idée de l’existence d’imperfections dans le méca-nisme de marché. En effet, la taille n’a a priori aucune raison directe d’influer sur la solvabilité et la crédibilité des établissements financiers. Deux distorsions évoquées précédemment permettent néanmoins d’expliquer ces résultats : les assurances too-big-to-fail et les primes de liquidité exigées pour les entités de moindre taille. Dans leur ensemble, ces résultats sont conformes à ceux préalablement établis dans la littérature à l’exception de la variable taille dont l’effet statistique est extrêmement modeste dans les études d’Ehrmann et al. (2001) ou plus récemment d’Altunbas et al. (2010).

L’objectif de notre travail ne se situe toutefois pas à ce niveau, puisqu’il consiste à explorer les effets du pouvoir de marché. Les colonnes (2) à (5) présentent diffé-rentes spécifications permettant de jauger l’effet du pouvoir de marché bancaire sur l’offre de crédit. La spécification présentée en (2) comporte uniquement des effets fixes individuels. La spécification (3) comporte, en prime, des variables muettes temporelles, ce qui contraint à exclure de notre spécification les diffé-rences premières des taux monétaires du fait de la colinéarité entre ces variables et les effets temporels. Enfin, les régressions reportées en (4) et (5) étendent res-pectivement les spécifications de la colonne (2) et (3) en incluant des effets fixes pays. Deux conditions sont nécessaires à l’interprétation des estimations : les variables retardées sélectionnées comme instruments sont valides et l’hypothèse d’absence d’autocorrélation sérielle à l’ordre 2 ne peut être rejetée. À cet égard, on observe, pour les spécifications (1) à (5) du tableau 2.17, que l’on est tout d’abord en incapacité de rejeter l’hypothèse nulle de suridentification à partir des tests de Sargan / Hansen, ce qui valide le choix des instruments sélectionnés. Pour l’ensemble de nos régres-sions, il convient de mentionner que les instruments sélectionnés correspondent à l’ensemble des variables explicatives retardées jusqu’à quatre périodes. Ensuite, il s’avère que l’hypothèse nulle d’absence d’autocorrélation sérielle de second ordre ne peut, elle non plus, être rejetée. Dès lors, du fait du respect des propriétés de la méthodologie d’estimation du modèle, nous pouvons commenter les effets estimés de la concurrence bancaire sur l’offre de crédit.

En conformité avec nos a priori théoriques, il apparaît que la variable d’in-teraction de l’indice de Lerner avec le choc monétaire contemporain a un effet significativement positif sur l’offre de crédit pour l’ensemble des spécifications considérées. Le pouvoir de monopole concourt ainsi à réduire la sensibilité des banques à un choc de politique monétaire et en conséquence tend à réduire l’am-pleur du canal étroit du crédit. Ces résultats semblent indiquer que les banques disposant d’un faible pouvoir de marché auraient des difficultés à accéder à des sources de financement alternatives. La prime de risque exigée pourrait s’avérer prohibitive. Dès lors, ces banques seraient caractérisées par une évolution de leurs bilans en harmonie avec les décisions de politique monétaire. Ces résultats peuvent également tirer leur origine de l’incapacité des banques aux marges compressées à lisser les chocs conjoncturels à travers le temps. Contrairement aux banques dispo-sant d’une forte marge d’intérêt, qui peuvent arbitrer entre ajustement par les prix et ajustement par les quantités, les banques plus faiblement dotées en pouvoir de marché doivent nécessairement répondre à un choc par un ajustement de leur offre de crédit. On ajoute, de surcroît, que nos résultats corroborent ceux de Fungavcova et al. (2014), dont l’étude est analogue à celle menée dans cette section.

Il convient, par ailleurs, de se demander si la prise en considération du pouvoir de marché remet en question quelques résultats précédents relatifs aux effets de la capitalisation, de la liquidité et de la taille des banques. La comparaison des

estimations de la colonne (1) avec celles des colonnes (2)-(5) souligne la constance de nos résultats. En somme, il s’avère que la capitalisation, la liquidité, la taille ainsi que le pouvoir de marché des banques ont, tous les quatre, un effet significatif sur la relation entre la croissance de l’offre de crédit et les décisions de politique monétaire. Plus formellement, ces traits microéconomiques induisent une réduction de l’ampleur du canal étroit du crédit

Même si l’objet de l’étude porte sur les effets des distorsions de la concurrence sur le canal étroit du crédit, la modélisation employée permet également d’évaluer l’effet direct du pouvoir de marché sur la croissance des prêts. De même que la section 2.1 avait permis de souligner l’influence positive du pouvoir de marché sur le niveau des taux, les résultats des estimations témoignent des effets positifs du pouvoir de marché sur la croissance de l’offre de prêts des banques. Les raisons sont diverses. Un faible niveau de concurrence peut, tout d’abord, permettre de réduire substantiellement le coût des autres ressources et, en particulier, celles des dépôts. Ainsi, le coût moyen des ressources étant plus faible, l’univers d’investissement de la banque s’élargit. Les banques peuvent alors en profiter pour étendre leur part de marché en allouant des prêts à faibles marges, ce que n’aurait pu faire une banque disposant d’un pouvoir de marché moindre. Dans le même ordre d’idée, les banques peuvent lisser l’évolution des prêts suite à un choc conjoncturel en concédant, en partie, sur leur marge et, ainsi, gagner en part de marché. Enfin, et il s’agit certainement de l’explication la plus probante, si le pouvoir de marché individuel induit une plus grande efficience, comme le suggèrent certains travaux théoriques et empiriques, alors, il est naturel que les banques disposant d’un plus fort pouvoir de marché augmentent leur offre de prêt plus rapidement, en évinçant la concurrence des banques moins efficientes. C’est l’expression traditionnelle d’un darwinisme social où les moins aptes disparaissent au profit des plus aptes.

Pour le reste, nos estimations mettent également en lumière le fait que la ca-pitalisation, la liquidité et la taille exercent une influence positive sur la croissance des prêts à l’échelle microéconomique. En substance, ces résultats indiquent que les banques les plus saines sont également celles dont la croissance de l’activité est la plus importante. Les résultats obtenus excluent donc l’hypothèse de comportements de type gambling for resurection, la régulation prudentielle étant certainement suffi-samment sophistiquée en moyenne pour pallier ces dérives.

Étude de la robustesse de nos résultats

Nos résultats sont-ils d’une robustesse sans faille ? De manière à répondre à cette question, nous allons, dans cette section, mener à bien quatre tests de sensibilité distincts.

TABLEAU2.16 – Canal étroit du crédit et pouvoir de marché : Résulats principaux (1) (2) (3) (4) (5) ∆ ln(prêts) 0.125*** 0.116*** 0.101*** 0.094*** 0.080*** (0.024) (0.025) (0.025) (0.025) (0.024) ∆ MRt -0.403* -2.484*** -2.663*** (0.227) (0.511) (0.499) ∆ MRt −1 -0.506* -0.891* -1.061** (0.278) (0.478) (0.467) Capitalisationt −1 55.597*** 37.982*** 40.625*** 1.099 2.112 (7.582) (8.240) (8.676) (8.786) (9.209) ∆ MR * Capitalisationt −1 7.325* -2.031 -0.709 0.232 3.219 (4.083) (4.774) (5.173) (4.780) (5.411) ∆ MRt −1* Capitalisation_{t −1} 8.410** 9.652** 13.650*** 11.763*** 15.621*** (3.976) (4.159) (4.436) (4.276) (4.645) Liquiditét −1 11.702*** 12.128*** 11.364*** 9.428*** 8.277*** (2.053) (1.844) (1.953) (1.942) (1.971) ∆ MR * Liquiditét −1 0.163 1.489 1.517 0.976 1.197 (1.395) (1.275) (1.228) (1.249) (1.218) ∆ MRt −1* Liquidité_{t −1} 3.961** 3.234** 3.523** 3.274** 3.518** (1.709) (1.402) (1.427) (1.451) (1.487) Taillet −1 0.501*** 0.415*** 0.392** -0.244 -0.188 (0.162) (0.159) (0.162) (0.173) (0.178) ∆ MR * Taillet −1 0.456*** 0.387*** 0.332*** 0.423*** 0.391*** (0.119) (0.115) (0.113) (0.114) (0.113) ∆ MRt −1* Taille_{t −1} 0.449*** 0.396*** 0.439*** 0.448*** 0.487*** (0.101) (0.097) (0.097) (0.097) (0.098) Lerner_{t −1} 15.686*** 17.386*** 13.516*** 15.030*** (3.110) (3.072) (3.303) (3.333) ∆ MR * Lernert −1 9.074*** 9.021*** 8.411*** 8.129*** (2.386) (2.300) (2.361) (2.348) ∆ MRt −1* Lerner_{t −1} 1.383 1.468 1.537 1.634 (2.113) (2.063) (2.044) (2.012) Croissance PIBt 0.655*** 0.692*** 0.721*** 0.882*** 1.060*** (0.122) (0.118) (0.180) (0.120) (0.187) Croissance PIBt −1 0.325*** 0.313*** 0.785*** 0.534*** 1.019*** (0.117) (0.115) (0.175) (0.118) (0.172) Inflationt 0.414 0.515* 1.256** 0.020 0.540 (0.290) (0.301) (0.629) (0.342) (0.656) Inflation_{t −1} -0.044 -0.136 -0.546 -0.533 -1.125** (0.276) (0.297) (0.494) (0.325) (0.545) Constant 2.641*** -0.626 -8.104*** 5.350*** -2.122 (0.702) (0.954) (1.637) (1.832) (2.666)

Effets temporels Non Non Oui Non Oui

Effets fixes pays Non Non Non Oui Oui

Observations 5313 5238 5238 5238 5238

Nombre de banques 685 680 680 680 680

Statistique d’Hansen 544.5 589.9 588.9 595.0 592.1 p-value Hansen 0.0505 0.436 0.470 0.378 0.434 Test d’Arellano-Bond : AR(1) -7.285 -7.305 -7.201 -7.221 -7.121

p-value AR1 0 0 0 0 0

Test d’Arellano-Bond : AR(2) 0.494 0.342 0.00634 0.0798 -0.274

Note : La variable dépendante correspond pour l’ensemble des spécifications à la croissance des prêts. Les écarts-types corrigés de l’hétéroscédasticité (par la matrice de White) sont reportés sous les estimations des coefficients. *, ** et *** représentent la significativité des coefficients, respectivement, aux seuils de 10%, 5% et 1%.

L’environnement concurrentiel a-t-il également un effet sur le canal étroit du cré-dit ?

L’environnement concurrentiel national pourrait avoir une influence différente du pouvoir de marché individuel sur l’offre de prêt. Dans une industrie de réseau, comme c’est le cas de l’industrie bancaire, l’indépendance des acteurs ne peut être vérifiée. Dès lors, l’accès à des financements alternatifs serait non seulement fonction de la capacité propre à chaque entité de développer son pouvoir de marché, mais également des conditions concurrentielles macroéconomiques. On peut donc émettre a priori l’hypothèse qu’un système très concentré favorisera davantage l’ac-cès à des financements alternatifs, et ce, indépendamment du pouvoir de marché propre à chaque entité.

Nous testons dans le tableau 2.17 l’hypothèse avancée en considérant l’indicateur de Herfindahl-Hirschman (HHI). Les estimations reportées dans la colonne (1) cor-respondent à notre spécification initiale augmentée de l’indicateur HHI. La seconde colonne permet d’explorer les effets des structures de marché sur la transmission de la politique monétaire. Enfin, les estimations en colonne (3) combinent les effets des structures et du pouvoir de marché. Il ressort de ces estimations que la concentration du secteur bancaire est associée à une réduction de la transmission des chocs moné-taires à l’offre de crédit. Cet effet s’avère, par ailleurs, complémentaire aux effets du pouvoir de marché individuel, comme l’attestent les estimations en colonne (3).

A-t-on omis certains facteurs explicatifs qui seraient à l’origine de biais d’estima-tion ?

Dans un second impératif de robustesse, nous avons inclus dans notre spécifi-cation initiale d’autres variables pouvant influencer l’offre de prêt dont la littérature s’est fait l’écho. Nous avons ainsi ajouté le Z-score, la capitalisation boursière sur le PIB, un indice de diversification ainsi que la part des activités hors-bilan. Il ne ressort de ces amendements à la spécification initiale aucun changement majeur concernant notre variable d’intérêt, au sens où l’effet du pouvoir de marché de-meure identique. Quelques nouveaux résultats méritent toutefois d’être discutés. La diversification des banques aurait, en premier lieu, un effet négatif sur la croissance de l’offre de prêt²⁷. Ce résultat se comprend dans la mesure où les banques multi-métiers ont mené une stratégie de désintermédiation réduisant progressivement la part des prêts dans leurs bilans. En revanche, la diversification des revenus n’in-fluence pas l’ampleur du canal étroit du crédit, les tests réalisés mais non reportés mettant en évidence des termes d’interaction entre chocs de politique monétaire et diversification non significatifs.

Le Z-score, défini en amont dans cette thèse, a un effet positif mais faiblement significatif sur notre variable dépendante. Sans nul doute, il s’agit ici de la résultante

TABLEAU2.17 – Canal étroit du crédit, pouvoir de marché et structure de marché (1) (2) (3) ∆ ln(prêts) 0.113*** 0.111*** 0.101*** (0.025) (0.025) (0.025) ∆ MRt -2.461*** -0.708** -2.850*** (0.510) (0.282) (0.551) ∆ MR_{t −1} -0.828* -0.873*** -1.214** (0.478) (0.334) (0.512) Capitalisation_{t −1} 33.453*** 49.948*** 33.688*** (8.311) (7.593) (8.323) ∆ MRt* Capitalisation_{t −1} -1.536 6.616 -3.300 (4.808) (4.279) (4.804) ∆ MRt −1* Capitalisation_{t −1} 9.945** 5.236 7.176* (4.210) (3.950) (4.083) Liquidité_{t −1} 11.489*** 11.292*** 11.287*** (1.824) (2.077) (1.925) ∆ MRt* Liquidité_{t −1} 1.431 -0.245 0.925 (1.279) (1.405) (1.273) ∆ MR_{t −1}* Liquidité_{t −1} 3.204** 3.865** 3.124** (1.395) (1.681) (1.397) Taille_{t −1} 0.181 0.327* 0.194 (0.177) (0.173) (0.171) ∆ MRt* Taille_{t −1} 0.390*** 0.339*** 0.252** (0.114) (0.121) (0.118) ∆ MR_{t −1}* Taille_{t −1} 0.407*** 0.337*** 0.301*** (0.098) (0.111) (0.099) Lerner_{t −1} 15.662*** 15.479*** (3.091) (3.106) ∆ MRt* Lerner_{t −1} 8.908*** 9.006*** (2.405) (2.235) ∆ MRt −1* Lerner_{t −1} 1.190 1.299 (2.092) (2.003) Croissance PIB 0.690*** 0.621*** 0.644*** (0.117) (0.120) (0.114) Croissance PIB_{t −1} 0.313*** 0.289** 0.263** (0.113) (0.116) (0.112) Inflation 0.481 0.595** 0.684** (0.302) (0.303) (0.309) Inflation_{t −1} -0.169 0.079 0.043 (0.296) (0.263) (0.288) HHI_{t −1} 22.545** 13.700*** 15.391*** (9.053) (5.312) (5.448) ∆ MRt* HHI_{t −1} 8.011** 0.644*** (3.873) 0.114 ∆ MR_{t −1}* HHI_{t −1} 8.258** 0.263** (3.888) 0.112 Constant -1.523 1.665** -1.698* (0.958) (0.670) (0.913) Observations 5238 5313 5238 Nombre de banques 680 685 680 Statistique d’Hansen 588.4 598.4 584.5 p-value Hansen 0.441 0.342 0.475 Test d’Arellano-Bond : AR(1) -7.294 -7.219 -7.238

p-value AR1 0 0 0

Test d’Arellano-Bond : AR(2) 0.302 0.445 0.281 p-value AR2 0.763 0.656 0.779

Note : La variable dépendante correspond pour l’ensemble des spécifications à la croissance des prêts. Les écarts-types corrigés de l’hétéroscédasticité (par la matrice de White) sont reportés sous les estimations des coefficients. *, ** et *** représentent la significativité des coefficients, respectivement, aux seuils de 10%, 5% et 1%.