Default Risk in Equity Returns Maria Vassalou and Yuhang Xing Nicolas GARDIN Sylvian GATINEAU Thibaud SYBILLIN Bernadette TABEKO Introduction Générale Plusieurs études ont déjà été menées sur la modélisation du risque de défaut des obligations, mais il y a très peu d’études sur l’impact du risque de défaut sur les actions • L’impact du risque de défaut sur le rendement des actions n’est pas évident car les actionnaires étant les ultimes bénéficiaires, il n’y a pas de garantie sur le montant récupéré en cas de faillite • Cette étude de Maria Vassalou et Yuhang Xing (2004) est la première qui étudie les effets du risque de défaut sur le rendement des actions, et ce en utilisant le modèle d’évaluation d’options de Merton • Les facteurs de Fama-French SMB (taille) et HML (Book-to-Market) semblent en effet contenir des informations sur le pricing du risque de défaut, ils n’expliquent pas la partie cross-section du risque de défaut • Malgré la littérature sur le « default spread » (expliqué en grande partie par le risque de défaut), on en sait toujours très peu sur comment le risque de défaut peut affecter le rendement des actions • Introduction Générale (2) D’où les principales questions auxquelles cet article cherche à répondre: • Dans quelles mesures des caractéristiques propres à l’entreprise telles que la taille ou le bookto-market ratio, sont-elles liées au risque de défaut? ¾ Un investisseur en action gagne-t-il une prime de risque parce qu’il détient dans son portefeuille des titres avec risque de défaut? ¾ Introduction Générale (3) • La méthodologie: au lieu de se servir des informations du marché des obligations, les auteurs ont estimé le défaut par un « default likelihood indicator (DLI) », fonction non linéaire des probabilités de défaut de chaque entreprise, et ce, en utilisant les méthodes de Black & Scholes (1973), Merton (1974) • Les résultats : Le risque de défaut est intimement lié à deux caractéristiques de la firme que sont la taille et le book-to-market ratio ¾ ¾Aussi, les auteurs montrent que les entreprises aux risque de défaut les plus élevés, génèreront un rendement plus important à la seule condition qu’elle sont petites en taille avec un book-tomarket élevé ¾Le risque de défaut est systématique, et est évalué dans la partie cross-sectionnelle du rendement des actions. I) Mesure du Risque de défaut – le modèle théorique Utilise le modèle de Merton (1974) pour mesurer le risque de défaut. VE = Call(VA,X) Où : VE = valeur de marché des actions VA = sous-jacent = valeur de marché des actifs X = prix d’exercice = valeur comptable de la dette I) Le modèle théorique (2) • Si la valeur des actifs est inférieure à celle de la dette, l’entreprise est en défaut Æ VE=0 • Sinon, la valeur des actions est : ÆVE = VA - X I) Le modèle théorique (3) VA suit un GMB: dVA = µVA dt + σAVA dW, Avec μ, la tendance instantanée σA, la volatilité instantanée W, un processus de Wiener VE est donnée par Black & Scholes: VE = VAN(d1) − Xe−rTN(d2) Avec r, le taux d’intérêt sans risque N(.), la fonction de répartition de la loi normale I) Mesure de la volatilité de VA La volatilité des actifs n’est pas directement observable. Les auteurs utilisent une procédure itérative: Fixe la valeur initiale à σA0 = σE A partir de B&S, calcule de la VA journalière sur 12 mois Calcule de σA1 à partir des VA estimées Recommence avec σA1 jusqu’à la convergence. I) La probabilité de défaut La probabilité de défaut est définie par : Pdef ,t = Prob (VA,t+T ≤ Xt |VA,t) i.e., la probabilité que la valeur de marché des actifs d’une entreprise devienne inférieure à la valeur comptable de ses engagements entre t et t+T. La probabilité de défaut sera appelée DLI (Default likelihood indicator) par la suite. Le taux de survie est défini comme SV = 1- DLI On définit sa variation ΔSV = SVt+1 - SVt II) Les données utilisées . Pour les tests empiriques, les auteurs ont utilisés : • • • • L’endettement des firmes (COMPUSTAT) depuis 1971 Le taux sans risque: 1-year Treasury Bill (FED) Valeurs de marché (CRSP) Les rendements des obligations notées AAA et BAA (Moody’s) • Les facteurs HML et SMB (K. French) HML et SMB mesurent respectivement: • Construits à partir d’un portefeuille autofinancé où H (resp. S) est acheté et L (resp. B) est vendu à découvert • L’excédent de rendement des entreprises dont le BtoM est élevé par rapport à celles dont ce ratio est faible • Le rendement excédentaire observé pour les petites capitalisations boursières par rapport aux grandes. II) Probabilité de défaut et cycle économique • La probabilité de défaut est fortement liée au cycle économique • Le risque de défaut augmente en cas de récession puis diminue pendant les périodes de croissance II) Corrélation entre ΔSV et la prime de risque ΔSV et la prime de risque sont deux indicateurs de risque. La prime de risque se définit comme : Π= RBAA – RAAA D’après les auteurs ρΔSV, Π est faible. Leur indicateur capture d’autres informations que celles contenues dans la prime de risque. II) Les facteurs HML (book to market) et SMB (size) Facteurs du modèle de Fama & French ρΔSV, SMB = 0,5 > 0 et ρΔSV,HML = -0,18 < 0 III/ Evaluation du modèle • Objectif: Déterminer la faculté du modèle de mesure de défaut pour capturer le risque de défaut. – Utilisation du Moody’s Accuracy Ratio qui révèle la faculté d’un modèle à prévoir les défauts sur un horizon de 5 ans. • On suppose: – Un échantillon de N firmes classées selon leur DLI. – M firmes parmi les N faisant défaut dans les 5 années à venir (0<M<N) – θ = M/N Pourcentage de firmes faisant défaut dans l’échantillon – Pour chaque entier λ entre 0 et 100, on regarde combien de firmes ont fait défaut parmi les λ% de firmes ayant le plus grand risque de défaut. – On note f (λ) le résultat suivant: f (λ ) = X (λ ) M III/ Evaluation du modèle (2) Supposons que la mesure utilisée pour calculer le risque de défaut soit parfaite et que les actions soient classées selon cette mesure. Alors ce modèle serait capable de capturer tous les défauts pour chaque entier λ: En supposant à l’inverse que la mesure ne capture aucune information et que les actions soient classées aléatoirement. En réalisant cela un grand nombre de fois, on obtiendrait: f (λ ) = λ Information complète Information nulle III/ Evaluation du modèle (3) La quantité d’information capturée par le modèle (Accuracy ratio) est déterminée par le ratio entre l’aire associé à la fonction moyenne du modèle et celle associée à la fonction moyenne de la mesure parfaite. Avec cette définition: -Le modèle parfait a un ratio de 1 -Le modèle sans information a un ratio de 0 Le ratio obtenu en utilisant comme mesure la distance au défaut DD est de 0.592 Î Le modèle contient donc de l’information concernant les défauts futures. III/ Evaluation du modèle(4) En classant les actions sur la base de leur capitalisation boursière, on obtient un ratio de 0.089. En les classant sur la base de leur volatilité, le ratio obtenu est de 0.290. Î La mesure de risque de défaut utilisée ici permet donc de capturer une quantité d’information plus importante concernant le défaut que celle contenue dans la capitalisation boursière et la volatilité des actifs de la firme. IV – Risque de défaut et variation du rendement des actions En classant les entreprises en 10 groupes, du groupe au plus grand DLI, au groupe au plus petit DLI, on observe que la taille croit avec le DLI tandis que le BM décroit Mais est-ce le cas sur tout l’échantillon, i.e. quelques soient la taille et le BM? IV .1) L’effet taille et le risque de défaut Spread important des rendements dans les quintiles de risque de défaut => Effet taille présent uniquement dans le quintile de plus grand DLI Effet de défaut présent et rémunéré uniquement dans le quintile de plus petite taille L’effet taille est présent uniquement sur les segments du marché au risque les plus élevés et aux capitalisations les plus faibles IV .1) L’effet taille et le risque de défaut Le différentiel de risque entre le premier quintile et le second quintile est très important Les entreprises de plus petite taille et au risque les plus élevés sont celles qui ont le BM le plus élevé. Qu’en est-il de la relation risque de défaut BM ratio? IV .2) L’effet book-to-market et le risque de défaut Spread important des rendements dans les deux premiers quintiles de risque de défaut => Effet BM présent uniquement dans les deux premiers quintiles de plus grand DLI Effet de défaut présent et rémunéré uniquement dans le quintile de plus grand BM L’effet BM est présent uniquement sur les segments du marché aux risques les plus élevés et au BM les plus élevés IV .2) L’effet book-to-market et le risque de défaut Le différentiel de risque entre le premier quintile et le second quintile est très important Les entreprises au plus grands BM et aux risques les plus élevés sont celles qui ont aussi les plus petites capitalisations Il existe donc définitivement une relation entre les trois facteurs que sont la taille, le book-to-market et le risque de défaut. Au vu des t-stat, l’effet défaut est plus contrôlé par les variables taille et book-to-market, que l’inverse IV – Risque de défaut et variation du rendement des actions En définitive, Le risque de défaut est rémunéré uniquement dans les entreprises de petite taille et aux BM élevés Par conséquent, les valeurs qui ont un risque de défaut élevé sans être de petite taille ni de BM élevé, ne seront pas rémunérées plus que des firmes aux mêmes caractéristiques mais au risque de défaut les moins élevés La relation BM – taille est quelque peu linéaire sur le segment de marché au risque de défaut le plus élevé => Donc dénominateur commun = Risque de défaut Toutes les valeurs de petite taille, et de BM les plus élevés ne constituent pas des classes d’actifs hétérogènes: le spread de risque est de 2 à 13 fois plus important que la moyenne de l’échantillon C/ Analyse régressive: Recherche des intéractions entre Taille/Défaut et BM/Défaut C1/ Approche régressive basée sur le portefeuille. Analyse des rendements moyens de portefeuilles groupés en fonction de leur taille, de leur DLI ainsi que de leur BM. Etude des effets individuels et des effets interactifs de ces caractéristiques. Espérance conditionnelle du rendement du portefeuille p: α1,1 : rendement du portefeuille de référence (actions à grande capitalisation boursière et faible DLI) Φa : coefficients éstimés (= différence de rendement entre le portefeuille p et le portefeuille de référence attribué à l’effet a) Xt (.,.) : dummy variable Decomposition des rendements en fonction de la taille, du BM et du DLI du portefeuille. Le tableau A présente les résultats obtenus en utilisant 15 portefeuilles classés en fonction de la taille et du DLI: 3 sur la base de la taille, 3 basés sur le DLI, 9 créés par l’intersection des portefeuilles précédents. Le tableau B présente des résultats similaires, en remplaçant le facteur taille par le facteur BM Résultats de l’analyse régressive Individuellement, les coefficients qui sont statistiquement et économiquement les plus significatifs sont la petite taille et le DLI élevé. ÎPlus sa capitalisation boursière est petite et son risque de défaut élevé, plus un portefeuille aura un rendement important. Il reçoit aussi un rendement supplémentaire du fait de l’interaction entre ces 2 caractéristiques. Le coefficient du terme d’interaction entre DLI élevé et taille moyenne est négatif et statistiquement insignifiant. Î Confirme que l’effet de défaut éxiste seulement chez les petites capitalisations boursières. Les résultats sont similaires lorsque la régression est effectué sur les portefeuilles classés en fonction du DLI et du BM Î Les portefeuilles les plus performants sont ceux avec un BM et un DLI élevé. C2/ Approche régressive de Fama-MacBeth sur les rendements individuels des actions. La régression est effectuée sur les rendements individuels des actions en fonction de leur caractéristiques (taille, BM, DLI) du mois précédent. La régression considère la régression linéaire entre les rendements et ces caractéristiques, ainsi que la relation non-linéaire, en élevant ces caractéristiques au carré. L’interaction des caractéristiques est également mesurée par leur produit. C2/ Approche régressive de Fama-MacBeth sur les rendements individuels des actions. ÎLe risque de défaut, le BM et l’interaction entre le risque de défaut et la taille sont les facteurs qui expliquent les rendements des actions. Î La taille, seule, n’apparait pas avoir d’effet. Î Ces résultats soulignent l’importance de la relation non-linéaire entre les rendements, le risque de défaut et le BM. V. The Pricing of Default Risk Les effets taille et BM rémunèrent le risque de défaut supporter par les sociétés à faible capitalisation et ratio BM élevé. Ce risque de défaut est il systématique? Événement rare. Le défaut d’une société peut entraîner des effets néfastes sur d’autre firmes. Peut on évaluer le prix du risque de défaut? Les facteurs de taille et de BM de Fama et French expliquent ils ce risque? A. Méthodologie Création de modèles d’évaluation d’actifs. Teste des modèles sur une série de portfolio prenant en compte trois facteurs: La taille. Average Return Small Medium Big A. Méthodologie Average Return Le ratio BM. High Medium Low Average Return High Medium Le DLI. Low A. Méthodologie 27 Portefeuilles pondérés! Average Return Small High High Small High Medium Small High Low Small Medium High Small Medium Medium Small Medium Low Small Low High Small Low Medium Small Low Low Medium High High Medium High Medium Medium High Low Medium Medium High Medium Medium Medium Medium Medium Low Medium Low High Medium Low Medium Medium Low Low Big High High Big High Medium Big High Low Big Medium High Big Medium Medium Big Medium Low A. Méthodologie Différentes méthodes utilisées pour tester les modèles : La méthode généralisée des moments (Hansen 1982). • Estimation des paramètres. Mesure de distance d’Hansen et Jagannathan (1997). • Détermine l’erreur du modèle. p-value. • Significativité des résultats. B. Le risque de défaut a-t-il un prix ? Création d’un modèle d’évaluation d’actif : Rt = a + bEMKTt + dΔ(SV)t + εt Rt : Rendement d’une action, en date t, en excès du taux sans risque EMKTt : Prime de risque du marché en date t Δ(SV)t : Mesure de survie en date t εt : Terme d’erreur en date t B. Le risque de défaut a-t-il un prix ? Création d’un modèle d’évaluation d’actif : Rt = a + bEMKTt + dΔ(SV)t + εt Le risque de défaut affecte les décisions d’investissement. Les investisseurs vont vouloir se couvrir contre cette source de risque. Si ce risque est spécifique, il n’apportera pas plus de rentabilité au portefeuille. B. Le risque de défaut a-t-il un prix ? Le risque de défaut est systématique. Ce modèle n’évalue pas les actifs correctement. Besoin d’autres facteurs pour expliquer la rentabilité. Néanmoins l’erreur du modèle est au moins aussi faible que celle du MEDAF et du modèle de FF. C. SMB et HML expliquent ils le risque de défaut? Création d’un second modèle d’évaluation d’actif : Rt = a + bEMKTt + sSMBt + hHMLt + d Δ(SV)t + ε Rt : Rendement d’une action, en date t, en excès du taux sans risque SMB : Facteur de taille de FF HML : Facteur de BM de FF EMKTt : Prime de risque du marché en date t Δ(SV)t : Mesure de survie en date t εt : Terme d’erreur en date t C. SMB et HML expliquent ils le risque de défaut? Création d’un second modèle d’évaluation d’actif : Rt = a + bEMKTt + sSMBt + hHMLt + d Δ(SV)t + ε SMB et HML: facteurs de mauvaise situation financière? En présence de Δ(SV)t, s et h devrait tendre vers zéro. C. SMB et HML expliquent ils le risque de défaut? La mesure du risque de défaut contient toujours du risque spécifique. Comme dans le modèle de FF, HML a une prime de risque significative mais pas SMB. A priori pas de relation entre les facteur de FF et le risque de défaut. C. SMB et HML expliquent ils le risque de défaut? Modification des coefficients de SMB et HML. Information commune à ΔSV et les facteurs de FF. Variation plus importe pour SMB. SMB plus corrélé à ΔSV que HML. C. SMB et HML expliquent ils le risque de défaut? Coefficient de SMB devient significatif. Présence d’information, additionnelle à celle contenue dans le risque de défaut, pour expliquer les rendements. Ceci est confirmé par la valeur des distance d’HJ. Ce modèle évalue mieux les actifs que le modèle de Fama et French. D. Récapitulatif. Coefficients de ΔSV > 1 pour 20 portefeuilles sur 27. Le risque de défaut n’existe pas seulement pour les petites entreprises avec un ratio BM élevé. Coefficients diminuent lorsqu’on inclut SMB et HML. SBM et HML contiennent de l’information liée au risque de défaut. D. Récapitulatif. Le risque de défaut possède une part de risque systématique. Les facteurs de FF contiennent de l’information liée au risque de défaut Néanmoins, les facteurs de FF contiennent une part d’information, autre que celle apportée par le risque de défaut, importante à la détermination des rendements d’une action. Conclusion Première étude à utiliser le modèle de Merton (1974) pour mesurer l’effet du risque de défaut sur le rendement des actions. Montre que les effets « taille » et « BM » sont liés au risque de défaut. • Les petites capitalisation ont un rendement supérieur seulement si elles ont un risque de défaut élevé. • Les firmes à ratio BM élevé ont un rendement excédentaire seulement si elles ont une probabilité de défaut importante. Conclusions (2) Les firmes dont le risque de défaut est élevé offre un rendement supérieur si il s’agit: De firmes de petite taille et/ou Si leur ratio BM est élevé. Le risque de défaut est un risque systématique Æ Il faut donc en tenir compte pour évaluer les actions et ce même si on utilise déjà les facteurs « taille » et « BM »