50 articles pour comprendre les crises financières (61/50) : Le risque systémique (II)

II. Le risque systémique dans les systèmes de paiement

Dans les articles précédemment cités le problème était de savoir si le défaut d’une banque pouvait entraîner le défaut de ses créancières, voire du système bancaire entier. Mais même en l’absence de défaut, la stabilité du système interbancaire ne va pas de soi : les banques ont en effet à effectuer quotidiennement des transactions extrêmement nombreuses et importantes entre elles, simplement parce que leurs clients font des transactions avec les clients d’autres banques. Bien entendu, il y a des transferts de la banque A vers la banque B aussi bien que dans l’autre sens. Il n’y a donc pas besoin d’effectuer un transfert entre deux banques aussitôt qu’un client de A fait un chèque à un client de B, les banques peuvent attendre par exemple la fin de la journée, voir combien de transactions se compensent mutuellement et régler le solde. L’ensemble des règles, mécanismes et institutions gouvernant ces transactions peut être défini comme un « système de paiement », dont l’organisation varie de manière importante selon les pays. Un système de paiement est lui aussi sensible au risque systémique : si la banque A est en difficulté et n’effectue plus de transferts vers la banque B, la banque B sera à court de liquidité et peut à son tour différer ses paiements à la banque C et ainsi de suite. Même si le défaut ne se propage pas comme dans les articles étudiés précédemment, le système de paiement peut se trouver paralysé.

Rochet et Tirole [1996] sont parmi les premiers à étudier la question et à proposer un cadre analytique permettant de comparer différents systèmes. Leur idée principale est que le système est vulnérable quand une banque a un problème de solvabilité, pour améliorer la stabilité du système il faut inciter les banques à courir moins de risques, détecter rapidement les banques insolvables et les empêcher d’accumuler trop de dettes envers le reste du système.

Afonso et Shin [2008] simulent le fonctionnement de différents systèmes de paiement en période de crise sur la base des règles « routinières » suivies par bon nombre de banques. Ils remarquent d’abord que les réserves et le « cash » de nombreuses banques américaines représentent en moyenne 1% de la valeur des paiements que ces banques effectuent quotidiennement. En d’autres termes, pour payer les sommes qu’elle doit à la banque B, la banque A se sert essentiellement de l’argent qu’elle reçoit de la banque C. On a là un nouveau type de problème. Dans le cas précédent, les auteurs avaient essentiellement en tête un système de paiement « net » : la banque A n’envoie de l’argent à B que si après une certaine période on s’aperçoit qu’il y a plus de paiements de A vers B que de B vers A. Dans ce type de système, le principal risque est qu’une banque ne soit pas solvable. Mais on peut aussi utiliser un système « brut » (aux Etats-Unis les deux coexistent), et systématiquement envoyer les paiements sans attendre que les transactions se compensent. Dans ce cas, le risque de solvabilité est moins important (la contrepartie paie tout de suite), en revanche le système est beaucoup plus vulnérable à une crise de liquidité. C’est ce qu’étudient Afonso et Shin. Ils supposent que lorsque tout va bien, dans un système « brut », une banque effectue immédiatement tous les transferts tant qu’ils ne dépassent pas 80% des transferts qu’elle reçoit elle-même. En revanche dans un état « d’alerte », le seuil est à 20% : je crains de ne plus recevoir beaucoup de paiements dans le futur, donc je garde des liquidités. C’est sur ce type de règles que les banques semblent organiser leurs paiements. On devine alors ce qui peut se passer : tout le monde commence dans l’état normal, un choc survient, la banque A a un problème de liquidité et diffère quelque peu ses paiements. La banque B voit les transferts qu’elle reçoit diminuer et passe en état d’alerte par peur que les créances de B s’accumulent. Ce faisant la banque C voit ses rentrées diminuer et diminue elle aussi ses paiements, ce qui empire la situation de la banque A etc. Sans coordination, un problème de liquidité passager, même sans problème de solvabilité, peut mener à la paralysie du système.

III. Le risque systémique sur un marché financier

Beaucoup d’articles étudient comment certains chocs sur les marchés financiers peuvent avoir des répercussions sans commune mesure avec l’amplitude du choc, comme on l’avait vu par exemple avec l’article de Gennotte et Leland. Pour rester dans le cadre du « risque systémique » comme on l’entend dans le cas des systèmes bancaires (destruction quasi complète du système), on peut citer trois articles récents :

Morris et Shin [2009] étudient la « sélection adverse contagieuse », en combinant, les théoriciens apprécieront la difficulté de la tâche, le « market for lemons » d’Akerlof et le « mailing game » de Rubinstein. Pour les non initiés, voici ce qu’ont en tête nos auteurs : l’un des points forts de la crise a été la fermeture presque complète du marché de certains ABS (Asset Backed Securities), dont certains étaient manifestement « toxiques ». Diverses institutions, notamment financières, avaient pour habitude d’emprunter en laissant en garantie ces actifs (ou, plus subtilement, en utilisant des « repurchase agreements », mais n’entrons pas ici dans les détails). On comprend bien que, s’il devient presque impossible de revendre ces actifs tant le marché est illiquide, on hésitera à les accepter en dépôt : si la contrepartie de la transaction fait défaut, elle aura laissé en garantie un actif à la valeur incertaine et de plus invendable à court terme. Ce qu’on comprend moins, c’est pourquoi à la base il est si difficile de revendre un tel actif. Les problèmes d’information asymétriques sont monnaie courante en temps normal sur les marchés financiers, et ils semblent bien s’en accommoder.

Le résultat de Morris est Shin est le suivant : supposons que A cherche à vendre un actif « toxique » (des CDO par exemple) à B et qu’il y ait « un peu » d’asymétrie d’information (A est un peu plus informé que B), mais que A et B sachent que dans chaque état du monde l’actif a plus de valeur pour B que pour A (A ayant besoin de trouver du liquide). Dans ce cas il existe un prix auquel les deux sont prêts à échanger, au moins la plus faible valeur de l’actif possible selon B. Mais supposons maintenant que cette plus faible valeur ne soit pas connaissance commune : A et B savent que les pertes ne peuvent pas dépasser par exemple 20% de la valeur faciale, mais ils ne sont pas sûrs que l’autre le sache. Dans ce cas, Morris et Shin montrent un exemple où aucun prix positif ne permet l’échange. Autrement dit, en partant d’une asymétrie d’information très faible, on aboutit à une absence complète d’échanges (et, in fine, à une paralysie du marché interbancaire par exemple).

Une particularité d’actifs comme les CDO est que leurs paiements sont très asymétriques : la plupart du temps les pertes sont minimes, mais quand il y a des pertes elles peuvent être très importantes. Il est dans ce cas difficile d’avoir une estimation commune des pertes maximales, autre que 100% de pertes, et l’échange n’est plus possible. Bien que le résultat théorique ne soit pas évident, la conclusion est attirante : l’échange n’est possible que s’il y a un certain degré de connaissance commune, de repères communs. Selon les auteurs, les notes données par les agences de notation joueraient d’ailleurs plus le rôle de repère commun que le rôle d’estimation du risque (A et B savent que l’autre peut avoir une meilleure estimation, mais tous deux savent qu’il est connaissance commune qu’une obligation BBB a au grand maximum x% de chances de faire défaut). On peut en dire autant de certaines règles comptables comme le fameux « mark to market ». Une implication intéressante est qu’il peut être contreproductif de vouloir rendre certaines mesures plus précises, on améliore l’information mais au prix d’une réduction de la coordination.

Un autre article dans le même registre de Morris et Shin [2004] (sans doute moins abstrait) étudie les “trous noirs de liquidité”, qui peuvent se produire suite à des chocs importants (les auteurs ont en tête la faillite de LTCM). Supposons que sur un marché financier de nombreux acteurs aient un seuil de pertes maximales au-delà duquel on leur demande gentiment de clore toutes leurs positions avant de les renvoyer. Un choc survient qui fait baisser, peut-être très légèrement, peut-être seulement temporairement, le prix d’un actif financier. On peut avoir alors un phénomène analogue à un « bank run » : chaque agent se dit « si je ne vends pas et que les autres vendent, même si je sais qu’in fine le prix de cet actif remontera, je vais dépasser mes limites de perte et je vais être renvoyé, ma seule chance de « survivre » est donc de vendre ». Comme dans les modèles de « runs », on peut avoir plusieurs équilibres : si chacun espère que les autres garderont leur sang-froid la crise est évitée, si ce n’est pas le cas les ventes attirent les ventes et la liquidité du marché s’effondre de plus en plus vite (d’où la comparaison avec un trou noir). Les auteurs utilisent les « jeux globaux » pour trouver un équilibre unique (grosso modo on aura un « run » pour un choc suffisamment important, et tout le monde gardera l’actif sinon).

L’idée de Morris et Shin est que les stratégies consistant à clore les positions au-delà d’un seuil de pertes maximales rendent les agents court-termistes et les incite à vendre même s’ils anticipent que les prix augmenteront beaucoup une fois le choc passé. Bernardo et Welch [2004] appliquent la même idée, mais sans supposer que les agents ont de tels seuils. En revanche, ils peuvent subir des chocs de liquidité. Supposons par exemple deux périodes 1 et 2, en période 2 chaque agent a une certaine probabilité de subir un choc de liquidité, en quel cas il devra absolument vendre des actifs financiers pour obtenir des liquidités. S’il s’avère que beaucoup d’agents vendent en période 1, les prix seront extrêmement bas. Du coup, si par malheur un agent qui n’a pas vendu subit un choc en période 2, il devra vendre à un prix très bas. Anticipant cela, il peut préférer vendre à bas prix en période 1. Si tout le monde agit ainsi, les prix seront effectivement bas en période 1, et les agents ont donc raison de vendre pour éviter d’avoir à le faire en période 2. Autrement dit, la simple peur d’un choc de liquidité dans le futur, même pas sa réalisation, conduit à un « run » autoréalisateur sur le marché financier.

Il n’échappera pas au lecteur que le raisonnement précédent est un peu étrange, puisque le prix en période 2, après le « run », ne devrait pas être plus bas que celui en période 1, pendant. L’explication est qu’il y a en même temps un problème de coordination : chacun espère en vendant en période 1 être parmi les premiers à vendre, et obtenir ainsi un prix plus favorable que le prix en période 2, même si le prix moyen en période 1 sera effectivement plus faible que le prix en période 2.

Dernière partie à suivre sur le risque systémique et le lien entre banques/marché financier et investissements réels. A suivre dans quelque temps cependant, après une semaine de vacances (les premières depuis longtemps) qui nous empêcheront d’ailleurs de mettre en ligne les commentaires avant notre retour. La bibliographie viendra elle aussi à la fin, sinon je vais finir par être en retard.

Licence Creative Commons – Auteur:Jean-Edоuard Cоlliard

Be the first to comment

Leave a Reply

Votre adresse de messagerie ne sera pas publiée.


*