Politique monétaire de la BCE et dysfonctionnement de la distribution de crédit dans la zone euro

Transcription

1 Politique monétaire de la BCE et dysfonctionnement de la distribution de crédit dans la zone euro Version préliminaire janvier 2015 Cécile Bastidon* Philippe Gilles** Marie-Sophie Gauvin*** Résumé : Notre objet est de déterminer si la mise en place de l opération de refinancement de long terme (LTRO) et les décisions de taux d intérêts directeurs de la BCE ont eu un impact sur les encours de crédits au secteur non financier. Les tests sont réalisés en panel par la méthode des variables instrumentales sur un échantillon de douze pays de la zone euro, entre janvier 2003 et juillet Ils montrent qu il existe effectivement une relation de causalité significative, mais négative dans le cas des LTRO (respectivement, positive dans le cas des taux d'intérêts directeurs). Ainsi, les politiques non conventionnelles de la BCE auraient un effet de signal défavorable. L apport de liquidité via les LTRO et les décisions d abaissement des taux directeurs provoqueraient une contraction des encours de crédit dans la mesure où elles seraient interprétées comme un signal de gravité de la crise. Abstract : Our purpose is to determine if the long-term refinancing operation (LTRO) and policy rate decisions of the ECB actually had an impact on outstanding credits to nonfinancial sector. We use instrumental variables regressions with panel data including twelve countries of the Euro zone, between January 2003 and July The tests show that there is a significant causality relationship. However, this relationship is negative in the case of LTRO (respectively, positive in the case of policy rates). Thus, the ECB unconventional measures would have an adverse signal effect. Liquidity injections via LTRO and policy rates decisions would cause a contraction in outstanding loans, to the extent that they would be interpreted as a signal of the dimension and extent of the crisis. Mots clés : LTRO, plancher de taux, crédit au secteur non financier Classification JEL : E32 (Business Fluctuations, Cycles); E51 (Money Supply, Credit, Money Multipliers); E52 (Monetary Policy); E58 (Central Banks and Their Policies) *, **, *** : LEAD, Université de Toulon *** : IREA, Université de Bretagne Sud 1

2 Introduction Au cours de la dernière décennie, la dynamique du crédit au secteur non financier dans la zone euro a connu des mouvements pro-cycliques, avec pour point de retournement la crise financière Alors que les encours de crédit aux entreprises non financières et aux ménages ont augmenté respectivement de 62% et 46% de 2003 à 2008, la tendance s inverse ensuite entre 2008 et 2014 avec une diminution de 11% de l encours de crédits aux entreprises non financières et une croissance de seulement 6% de l encours de crédits aux ménages. Pourtant, les deux étapes clef du basculement de la BCE dans la mise en œuvre non conventionnelle de sa politique monétaire, du point de vue de l apport de liquidité comme de la fixation des taux directeurs, se produisent en 2008 et à partir de 2011 (Cukierman, 2013). Il est donc légitime de s interroger sur l effet d une politique monétaire accommodante sur la distribution de crédit en temps de crise. Plus précisément, notre objet est de savoir si la mise en place de l opération de refinancement de long terme (LTRO) et les décisions de taux d intérêts directeurs de la BCE ont eu l impact favorable attendu sur les encours de crédits au secteur non financier (ménages et entreprises) des économies de la zone euro. Notre échantillon comprend les onze pays appartenant à la zone euro depuis sa création, auxquels nous avons ajouté la Grèce, et la période d étude s étend de janvier 2003 à juillet Les estimations sont réalisées en panel par la méthode des variables instrumentales. Notre principal résultat est qu il existe effectivement une relation de causalité significative, mais négative dans le cas des LTRO (respectivement, positive dans le cas des taux d'intérêts directeurs). Ainsi, les politiques non conventionnelles de la BCE auraient un effet de signal défavorable. L apport de liquidité via les LTRO et les décisions d abaissement des taux directeurs provoqueraient une contraction des encours de crédit dans la mesure où elles seraient interprétées comme un signal de gravité de la crise. En outre, nous montrons que les dynamiques des crédits aux ménages et aux entreprises sont nettement différenciées. Les crédits aux ménages sont plus largement expliqués par la liquidité des banques et l environnement macroéconomique, et les crédits aux entreprises par la politique monétaire. En outre, la significativité de la politique monétaire n est pas affectée par la crise de la même manière dans les cas des crédits aux ménages et aux entreprises. La structure de notre contribution est la suivante. La première section est consacrée à la revue de la littérature. La seconde section est consacrée à l'étude empirique et contient le modèle de référence, la présentation des données et de la méthodologie, et les résultats. Enfin, notre conclusion reprend les principaux résultats empiriques et prolonge leur interprétation par des recommandations de politique monétaire. 2

3 1. Revue de la littérature Dans la zone euro, outre les décisions de taux directeurs, les principales mesures de politique monétaire non conventionnelle sont mises en œuvre dans le cadre de trois programmes : Securities Market Programme (SMP), Long Term Refinancing Operation (LTRO), et Outright Monetary Transactions (OMT). L objet de ce papier est de connaître l impact spécifique des opérations de refinancement de long terme (LTRO) sur la distribution de crédit aux entreprises et aux ménages au sein de la zone euro. En effet, contrairement au SMP qui se concentre sur le marché de dettes et aux opérations monétaires sur titres (OMT) qui ciblent les marchés souverains, le programme LTRO paraît être la mesure adaptée si nous souhaitons connaître l impact ciblé sur la distribution de crédit de la part des banques de la zone euro. Il agit a priori de manière indifférenciée sur les prêts accordés aux entreprises et aux ménages. Pour affiner son action, la BCE annonce d ailleurs en juin 2014 un LTRO ciblé («Targeted» LTRO, soit TLTRO) sur les prêts accordés aux entreprises non financières, excluant les prêts aux ménages. L étude de l impact des politiques monétaires non conventionnelles a donné lieu à une littérature abondante. Cependant, si l impact de ces mesures prises dans leur ensemble a été largement étudié (Cecioni, Ferrero et Secchi, 2011; Santor et Suchanek, 2013; Dubecq et al. 2013; IMF 2013), l étude des effets des mesures spécifiques, à l instar des opérations européennes de refinancement de long terme (LTRO) représente une part moins importante de la littérature (Taylor et Williams; Frank et Hesse 2009 ; Manganelli 2012). Par ailleurs, les effets des mesures non conventionnelles sur l allocation de crédit au secteur non financier, et surtout sur leur effet différencié sur le crédit aux entreprises et aux ménages, n ont pas fait l objet d un grand nombre de travaux. La littérature offre donc un grand nombre d analyses des effets des politiques monétaires non conventionnelles sur différentes variables, principalement de stabilité financière, parmi lesquelles les spreads de taux d intérêt (entre une mesure de taux sans risque et une mesure du taux interbancaire des opérations en blanc 1 ) (Taylor et Williams, s. d.; Frank et Hesse 2009), les rendements obligataires sur les marchés souverains (Eser et Schwaab 2014), ou encore l exposition au risque de la part des banques (Black et Hazelwood 2013). Les résultats de ces travaux ne sont pas consensuels. Certains attestent de l efficacité des mesures non conventionnelles prises soit par la Fed, soit par la BCE sur la stabilité financière au lendemain de la crise Dans le cas de la zone euro, d après Frank et Hesse 1 Il s agit généralement de spreads IBOR OIS. Le taux IBOR est associé aux opérations interbancaires en blanc (LIBOR USD aux Etats-Unis, EURIBOR dans la zone euro) et le taux OIS aux swaps de taux d intérêts fixe contre variable. On retient la plupart du temps les taux à 3 mois comme endogène principale. 3

4 (2009), l annonce des LTRO aurait permis de réduire la volatilité et le niveau des spreads, avec une baisse de 2.5 points du spread Euribor-OIS. D après Carpenter et al. (2013), les mesures prises par les Banques centrales américaine et européenne ont permis une réduction du risque de liquidité. Sur cette base, les auteurs cherchent à caractériser l impact macroéconomique de ces mesures non conventionnelles sur le volume des prêts bancaires 2. Ils testent les effets de la part des opérations de refinancement de long terme (LTRO) dans le total des opérations de refinancement et de la quantité totale de liquidité fournie par la Fed et la BCE, la politique de taux directeurs étant prise en compte par une variable muette qui capture la période de refinancement sans plafond de montant à taux fixe (Fixed rate full allotment liquidity provision). La démarche de Carpenter et al. (2013) comporte deux volets. D une part, les auteurs appréhendent la relation théorique entre risque de liquidité bancaire (estimé par les spreads LIBOR USD - OIS aux Etats-Unis et EURIBOR OIS dans la zone euro) et volume des prêts bancaires, à partir d un modèle d offre et d un modèle de demande de prêts bancaires au sein d un modèle général d équations simultanées. La relation attendue est que les banques devraient répondre à une hausse du spread par une baisse de la distribution de crédit, et viceversa. D autre part, l impact des mesures non conventionnelles est évalué empiriquement sur le risque de liquidité bancaire, permettant finalement d établir un lien entre la mesure de politique monétaire et le volume de prêts bancaires. Les résultats empiriques montrent que les mesures prises par les Banques centrales auraient permis une réduction du risque de liquidité, facilitant en principe l accord de prêts par les banques. Cependant, la relation établie entre crédit bancaire et politique monétaire repose sur l hypothèse d une relation négative entre le spread de taux d intérêt et le crédit. Autrement dit, la relation directe entre mesures non conventionnelles et volume de crédit accordé par les banques n est pas testée. De nombreuses études sont fondées sur cette relation indirecte entre les mesures de politique monétaire et leur impact macroéconomique, et reposent empiriquement sur une estimation des effets des mesures non conventionnelles sur des variables de stabilité financière. Dans le même esprit, Casiraghi et al mesurent l impact de SMP, LTRO et OMT respectivement sur les rendements des obligations souveraines, la disponibilité du crédit et les taux d intérêt du marché monétaire pour simuler ensuite des effets macroéconomiques sur l économie italienne. Les trois mesures combinées, via leurs effets respectifs sur les trois dernières variables, auraient permis in fine à la croissance du PIB italien d augmenter de 2.7 % sur l année A contrario, d autres études soulignent le manque d efficacité des politiques monétaires non conventionnelles, à l instar de Taylor & Williams (2009) ou Wu (2011) qui ne détectent 2 approchés par les encours de prêts aux sociétés non financières pour la zone euro et les encours de prêts commerciaux et industriels pour les Etats-Unis. 4

5 aucun impact de la mesure TAF (Term Auction Facility) employée par la Fed sur les spreads de taux d intérêt (spread LIBOR USD - OIS). Bastidon, Huchet et Kocoglu (2014) parviennent à la même conclusion d inefficacité des mesures d annonce à la fois de taux d intérêt et de provision de liquidité sur la réduction des spreads interbancaires au sein de la zone euro pendant la deuxième moitié de l année 2011, soit au cœur de la crise des dettes souveraines. Par ailleurs, les politiques monétaires auraient un impact différent en fonction du type de banques concernées. Ainsi, l effet des injections de capital par la Fed dans le cadre du programme TARP (Troubled Asset Relief Program) sur le risque des prêts accordés par les banques (notés de 1 à 5) serait totalement opposé selon la taille des banques (approchée par le montant total des actifs) (Black et Hazelwood, 2013) puisque le risque serait favorisé par le programme pour les grandes banques et réduit pour les banques de plus petite taille. Enfin, même si les études au sein de la zone euro concernant l impact des politiques monétaires sur des variables réelles constituent encore aujourd hui un champ restreint, d après Lyonnet et Werner (2012), le programme d achat d actifs par la Banque centrale d Angleterre amorcé en mars 2009, n aurait pas eu d impact sur la croissance du PIB britannique. De manière générale, la littérature existante, qu elle souligne l efficacité ou l inefficacité des mesures non conventionnelles, est donc essentiellement ciblée sur la stabilité financière. Nous choisissons de tester leur effet sur la stabilité «macro-conjoncturelle», soit les objectifs usuels d une banque centrale tels que représentés, par exemple, par une règle de Taylor simple, au travers de l allocation de crédit, qui est une variable clef de détermination des écarts aux cibles d inflation et de croissance. Ce point constitue un intérêt principal puisqu une mesure favorable à la stabilité financière (plancher de taux et refinancement sans limite de montant, notamment) n est pas systématiquement propice à la relance du crédit au secteur non financier, et inversement. Par ailleurs, cette distinction entre impact des mesures de politique monétaire sur la stabilité financière et la stabilité macro-conjoncturelle permet de mettre en avant l importance du cadrage des objectifs de politique monétaire. 2. L impact des mesures non conventionnelles de la BCE sur l offre de crédit Modèle économétrique et variables Nous adoptons une approche en données de panel. Nous cherchons à déterminer l impact des opérations de refinancement de long terme de la BCE (LTRO) sur les prêts accordés aux entreprises non financières (loans_nfc) et sur les prêts accordés aux ménages (loans_households). Nous estimons donc deux équations avec le modèle linéaire suivant, les variables étant exprimées en logarithme : 5

6 (1) Avec, et. La perturbation est composée d un effet spécifique individuel, et d une perturbation aléatoire. Ces deux dernières sont supposées être de moyenne nulle et de variances respectivement égales à et. Afin de contrôler des effets spécifiques à chacun des pays de l échantillon pouvant entrainer une corrélation entre le terme d erreur et les variables explicatives, nous favoriserons une régression en effets fixes individuels (Carpenter et al., 2013). La variable endogène correspond soit aux prêts accordés aux entreprises (loans_nfc) soit aux prêts accordés aux ménages (loans_households). Nous utilisons trois types de variables explicatives : des variables de politique monétaire ( ) comprenant les opérations de long terme de la BCE (LTRO et LTRO1) et le taux d intérêt directeur (refi), des variables de contrôle macroéconomiques (le PIB ; gdp) et financières (les dépôts bancaires ; dl) (, et des variables de risque macroéconomique (volatlity) et de risque interbancaire (eonia) (. Ces deux dernières variables étant respectivement appréhendées au travers de la volatilité au sein de la zone euro approchée par l'eurex generic, et les variations quotidiennes du taux EONIA à 24h. La variable LTRO1 constitue notre principale variable explicative. Dans un premier temps, la variable LTRO est appréhendée par son montant et ensuite, de manière alternative, nous utilisons une variable muette LTRO1 (Casiraghi et al. 2013) qui consiste à considérer que la variable vaut 1 lorsque la répartition des opérations de refinancement de la BCE est favorable aux opérations de long terme relativement aux facilités de prêt marginal, c est-à-dire lorsque les opérations de refinancement de long terme atteignent 90% du refinancement total et que leur montant dépasse 1000 milliards d euros 3. Cette variable prend la valeur 1 d avril 2012 à décembre 2012 et 0 sur le reste de la période au sein de la sous-période post-crise. Données Notre échantillon comprend les onze pays appartenant à la zone euro 4 depuis sa création auxquels nous avons ajouté la Grèce, et la période d étude s étend de janvier 2003 à juillet 3 En décembre 2009, les opérations de refinancement de la BCE se partagent à hauteur de 90% pour les LTRO et 10% pour les facilités de prêt marginal, mais cette répartition est davantage expliquée par la baisse du montant des facilités de prêt marginal que par la hausse des LTRO. Notre choix de fixer la période de positivité de la variable muette LTRO1 entre avril 2012 et janvier 2013 s explique par la volonté de mettre en avant le caractère «exceptionnel» des mesures prises par la BCE, résultant de la part dans les opérations de refinancement mais également du volume des LTRO. 4 Autriche, Belgique, Finlande, France, Allemagne, Irlande, Italie, Luxembourg, Pays-Bas, Portugal, Espagne 6

7 2014. La majorité de nos données proviennent de la BCE, sauf pour les variables gdp et eonia qui proviennent respectivement d Eurostat et Euribor (Tableau 1). Nous choisissons de considérer une rupture temporelle identifiée en décembre 2008, date à laquelle les effets les plus notables de la crise financière de sur les bilans des secteurs bancaires se manifestent (Blot et Labondance, 2013). Nous distinguons donc deux périodes : une période pré-crise de janvier 2003 à décembre 2008 et une période post-crise qui s étend de janvier 2009 à juillet Cette double considération nous permet alors de capter l effet de la politique monétaire sur l accord de crédits aux entreprises non financières et aux ménages après la crise. Variable Label Source Observations Crédits aux entreprises non financières loans_nfc BCE Données par pays Crédits aux ménages loans_households BCE Données par pays Taux d intérêt directeur de la BCE refi BCE Données pour la zone euro Opérations de refinancement de long terme ltro BCE Données pour la zone euro Dépôts dl BCE Données par pays PIB gdp Eurostat Données par pays, trimestrielles Eurex Generic 1st volatility BCE Données pour la zone euro EONIA eonia Euribor Données pour la zone euro Tableau 1 Récapitulatif des variables 7

8 Variable Obs Mean Std. Dev. Min Max loans_nfc loans_households refi ltro dl gdp volatility eonia Tableau 2 Statistiques descriptives La rupture s observe sur le montant des encours des prêts bancaires à la fois aux sociétés non financières et aux ménages (Figure 1, Figure 2) avec une tendance à la hausse jusqu en 2008 interrompue dès le mois de décembre Figure 1 Evolution du montant des encours de prêts aux SNF (zone euro, source BCE) 8

9 Figure 2 Evolution du montant des encours de prêts aux ménages (zone euro, source BCE) L offre de crédit de la part des banques de la zone euro est affectée par la crise financière de 2008 alors même que la BCE met en place une série de mesures ciblées, notamment, sur la relance du crédit. En effet, après une première baisse de son taux directeur en novembre 2008 (Figure 3), la BCE procède à des opérations de refinancement de long terme (Figure 4). Si ces opérations débutent dès 2008, c est en avril 2012 qu elles représentent réellement une mesure exceptionnelle compte tenu de la répartition des opérations de refinancement de la BCE entre facilités de prêt marginal et opérations de long terme en faveur de ces dernières (Figure 5) janv.-03 janv.-05 janv.-07 janv.-09 janv.-11 janv.-13 Euribor EONIA 1 year Marginal lending facility Figure 3. Facilités de prêt marginal de la BCE et taux du marché monétaire (%, source BCE) 9

10 Figure 4 Opérations de refinancement de long terme (LTRO) (milliards d, source BCE) LTRO : Part des opérations de refinancement de long terme dans les opérations de refinancement MFL : Part des Facilités de Prêt Marginal dans les opérations de refinancement Figure 5 Répartition des opérations de refinancement de la BCE (en %, source BCE) 10

11 Démarche empirique La seule variable non stationnaire, que nous différencions, est la variable eonia. Etant donné que le caractère retardé des prêts aux entreprises au sein du cycle est établi (ECB, 2010), nous choisissons également de retarder d une période la variable gdp afin de capturer l impact de la demande de prêts. Par contre, il semblerait que l inclusion d une variable dépendante retardée n apporte pas d élément d interprétation notable. Par ailleurs, la structure de notre échantillon qui comprend 139 observations mais seulement 12 pays, ne justifie pas le recours à la modélisation dynamique. Afin de déterminer si la sélection des individus est aléatoire ou non, nous utilisons le test d Hausman, effectué entre l estimation avec effets fixes (within) et celle avec effets aléatoires (random). La valeur des résultats (Tableau 4) du test nous permet de confirmer notre préférence a priori pour un modèle à effets fixes, les coefficients des deux estimations étant statistiquement différents. Par ailleurs les résultats des tests d hétéroscédasticité, effectués par un test de Wald, détectent à la fois une hétéroscédasticité inter-individus, et des erreurs autocorrélées d ordre 1. Les rejets des hypothèses nulles qui supposent, respectivement une variance des erreurs identique pour les individus et une absence d autocorrélation des erreurs implique de corriger le modèle en ajustant la matrice de variance covariance des erreurs. Enfin, si le recours à une estimation avec effets fixes permet de tenir compte des spécificités individuelles des 12 pays de notre échantillon, il subsiste des perturbations inobservables propres à la zone. Par conséquent, nous estimons également le modèle à l aide de variables instrumentales (Murtazashvili et Wooldridge 2008). Les instruments choisis sont le taux associé aux facilités de prêt marginal (mlf), les actifs totaux des secteurs bancaires (totalassets), et une variable indicatrice du risque systémique (CISS, Composite Indicator of Systemic Stress). Ces trois variables instrumentales sont respectivement corrélées à 0.453, et avec nos variables explicatives refi, lndl et lnvolatility. Enfin, nous testons le sens de causalité (au sens de Granger) entre nos variables. Pour cela, nous effectuons une auto-régression vectorielle (modèle VAR) en données de panel (Love & Ziccino, 2006) pour tenir compte des liens dynamiques entre nos variables. 11

12 Résultats Notre modèle a pour objet de déterminer si les opérations de refinancement de long terme de la BCE d après crise ont eu un impact sur la distribution de crédit des banques aux entreprises et aux ménages. Nous testons alors les équations ((1) et (2)) ayant pour variables endogènes le montant des prêts accordés aux entreprises et celui des prêts accordés aux ménages. Variables FE IV (FE2SLS) Lnloans_nfc FE IV (FE2SLS) Lnloans_Households Pré-crise Post-crise Pré-crise Post-crise Refi ** *** (0.0252) (0.0753) (0.0260) (0.0449) ltro *** (0.0116) ( ) Lndl 1.328*** 0.836*** 1.357*** 0.502*** (0.0562) (0.0495) (0.0581) (0.0295) L.lngdp *** * ** 0.718*** (0.124) (0.0867) (0.128) (0.0518) Lnvolatility ** 0.196*** *** *** (0.0255) (0.0409) (0.0264) (0.0244) D.eonia * (0.0415) (0.0631) (0.0429) (0.0377) Constant * *** *** (0.854) (1.092) (0.884) (0.652) Observations Number of countries Tableau 3 Effets des politiques monétaires sur l allocation du crédit 12

13 FE IV FE IV Tests Pré-crise Post-crise Pré-crise Post-crise Hausman test Heteroscedasticity (Wald test) chi2 = chi2=20.92 chi2 = chi2 =24.44 (prob>chi2 = 0,00) (prob>chi2 = 0,0019) chi2 = chi2 = (prob>chi2 = 0,00) (prob>chi2 = 0,00) (prob>chi2 = 0,0062) chi2 = (prob>chi2 = 0,00) (prob>chi2 = 0,0004) chi2 = (prob>chi2 = 0,00) Serial correlation (Wald test) F(1,11)= F(1,11)= Prob>F = 0.00 Prob>F = F(1,11)= F(1,11)= Prob>F = Prob>F = 0.00 Davidson- McKinnon test F(3,807) = p-value 5.9e-69 F(3,699) = p-value 1.8e629 F(3,807) = F (3,699) = p-value 3.9e-59 p-value Tableau 4 : Tests post-estimation (Modèle avec effets fixes et variables instrumentales) Nous avons choisi d estimer le modèle avec une rupture structurelle en décembre Nous obtenons donc des résultats par sous-périodes. Par ailleurs, nous procédons à deux types de régression, l une considèrant le montant des (LTRO) comme variable explicative et l autre utilisant la variable muette LTRO1 qui prend 1 d avril 2012 à décembre 2012 et 0 pendant le reste de la période d étude. Au total, cela représente 8 séries de résultats (Tableau 6, Tableau 7, Tableau 8 et Tableau 9, en annexe). Le choix de considérer un modèle à effets fixes avec variables instrumentales étant confirmé par les résultats des tests, nous choisissons de nous concentrer sur les résultats de ces régressions (Tableau 3 ci-dessus). Quatre résultats principaux peuvent être dégagés. En premier lieu, le résultat le plus important est que la politique monétaire exerce un effet assez significatif sur la distribution de crédit de manière générale, mais pas avec des signes intuitifs ni pour le refi ni pour les LTRO. Ainsi, les politiques non conventionnelles de la BCE auraient un effet de signal défavorable. L apport de liquidité via les LTRO et les décisions d abaissement des taux directeurs provoqueraient une contraction des encours de crédit dans la mesure où elles seraient interprétées comme un signal de gravité de la crise. Ce signal provoquerait un choc d aversion au risque des agents, agissant défavorablement à la fois sur l offre et la demande de crédit, donc sur les encours. Une dynamique circulaire pourrait alors être avancée, selon laquelle cette contraction des encours provoquerait à son tour un renforcement des mesures non conventionnelles, alimentant à nouveau l aversion au risque 13

14 des agents, etc. Les résultats des tests de causalité (Tableau 10) mettent en évidence cette dynamique puisqu après la crise, l aversion au risque et les opérations de refinancement de long terme s expliquent mutuellement. Il faut cependant noter que les résultats de ces tests mettent en avant que le refi détermine l accord de crédit aux entreprises et aux ménages avant la crise (et pas l inverse) mais qu en revanche cette causalité n existerait plus après la crise. En second lieu, les déterminants de la distribution de crédit aux ménages et aux entreprises diffèrent aussi bien avant qu après la crise. En particulier, la significativité respective des variables de bilan (dépôts) et macroéconomiques (gdp, volatility) d une part, et des variables de politique monétaire d autre part n est pas la même. En outre, la significativité de la politique monétaire n est pas affectée par la crise de la même manière pour le crédit aux entreprises et pour le crédit aux ménages. Les variables refi et ltro sont significatives avant la crise, mais pas après pour expliquer la distribution de crédit aux entreprises. En revanche, seule la variable ltro est significative avant la crise, et seule la variable refi après pour expliquer le crédit aux ménages (cf. Annexes 2 et 3). Par ailleurs, les dépôts sont fortement significatifs pour expliquer la distribution de crédit aux ménages et aux entreprises, mais l élasticité décroît après la crise, ce qui constitue une justification d une ouverture accrue de l intermédiation bancaire aux financements interbancaire ou sous forme d injections de liquidités par la Banque centrale. Enfin, un autre résultat intéressant est que les crédits aux entreprises semblent jouer un rôle de report (signe positif et significativité accrue en période de crise), au détriment des crédits aux ménages. Pour un niveau d aversion au risque donné en période de crise, il y aurait donc une sous-évaluation relative du risque pour les entreprises, et vice-versa pour les ménages. D ailleurs, si la volatilité explique, d après les tests de Granger, la distribution de crédit aux entreprises et aux ménages avant la crise, elle perd son pouvoir de causalité après la crise (il en est de même pour la variable EONIA). Conclusion Notre objectif est d évaluer directement l impact des mesures de LTRO de la BCE sur la distribution de crédit au secteur non financier, sans passer par le double filtre que constituent généralement, dans la littérature, l évaluation de l impact des mesures de politique monétaire sur la stabilité financière au travers des coûts de refinancement interbancaires, et les hypothèses sur la relation entre ces coûts et la distribution de crédit. Les récents développements des marchés interbancaires de la zone euro légitiment encore cette démarche, 14

15 dans la mesure où les taux interbancaires, qui constituent la base habituelle de calcul des coûts de refinancement, correspondent à des segments de marché (opérations en blanc, swaps de taux d intérêts) dont les volumes d activité ont très fortement décru. Les premiers résultats indiquent qu il existerait effectivement un effet des mesures de refinancement de la BCE sur la distribution de crédit, mais pas dans le sens attendu, ce qui soulève le problème habituel de l ambiguïté de l effet de signal délivré par des mesures exceptionnelles, alternativement favorable s il est principalement considéré comme un signal d engagement crédible de la banque centrale ; ou défavorable s il est principalement considéré comme un signal de gravité de la crise. Plusieurs autres résultats intéressants ressortent, relativement aux dynamiques différenciées du crédit aux entreprises et aux ménages par rapport aux variables de politique monétaire mais également aux variables macroéconomiques et financières. De manière générale, en période de crise, la distribution de crédit aux ménages semble à la fois plus fortement décorrélée des déterminants traditionnels de la capacité d intermédiation des banques, et moins sensible (voire défavorablement influencée) par les mesures de politique monétaire. Par ailleurs, un prolongement de ces travaux pourrait consister à tester l effet du programme de LTRO ciblé («Targeted» LTRO) sur les prêts accordés aux entreprises non financières, excluant les prêts aux ménages. Ce programme ayant été annoncé en juin 2014, on ne dispose pas encore d un recul suffisant pour évaluer son impact spécifique sur la distribution de crédit aux entreprises. 15

16 Références Black, Lamont K., et Lieu N. Hazelwood «The effect of TARP on bank risk-taking». Journal of Financial Stability 9 (4): Blot, Christophe, et Fabien Labondance «Politique monétaire unique, taux bancaires et prix immobiliers dans la zone euro». Revue de l OFCE, n o 2: Carpenter, Seth B., Selva Demiralp, Jens Eisenschmidt, Seth B. Carpenter, et Seth B. Carpenter The effectiveness of the non-standard policy measures during the financial crises: the experiences of the Federal Reserve and the European Central Bank. European Central Bank. 49cb b78ab8138_eisenschmidt.pdf. Casiraghi, Marco, Eugenio Gaiotti, Lisa Rodano, et Alessandro Secchi The impact of unconventional monetary policy on the Italian economy during the sovereign debt crisis. Bank of Italy, Economic Research and International Relations Area. _monetary_policy_on_the_italian_economy.pdf. Cecioni, Martina, Giuseppe Ferrero, et Alessandro Secchi «Unconventional monetary policy in theory and in practice». Bank of Italy Occasional Paper, n o Dubecq, Simon, Alain Monfort, Jean-Paul Renne, et Guillaume Roussellet Credit and liquidity in interbank rates: a quadratic approach. Banque de France. esem.com/files/papers/eea- ESEM/2013/2329/Main%20IBOR%20OIS%20correc.pdf. Eser, Fabian, et Bernd Schwaab «Evaluating the impact of unconventional monetary policy measures: Empirical evidence from the ECB s Securities Markets Programme». Consulté le novembre Frank, Nathaniel, et Heiko Hesse The effectiveness of central bank interventions during the first phase of the subprime crisis. International Monetary Fund, Middle East and Central Asia Department. s/global%20financial%20crisis% /academic%20works%20by%20instituion/imf/crisis%20resolution/effectiven ess%20of%20cb%20intervention%20during%20the%20first%20phase.pdf. Lyonnet, Victor, et Richard Werner «Lessons from the Bank of England on quantitative easing and other unconventional monetary policies». International Review of Financial Analysis 25: Murtazashvili, Irina, et Jeffrey M. Wooldridge «Fixed effects instrumental variables estimation in correlated random coefficient panel data models». Journal of Econometrics 142 (1): Santor, Eric, et Lena Suchanek «Unconventional Monetary Policies: evolving practices, their effects and potential costs». Bank of Canada Review 2013 (Spring): Taylor, John B., et John C. Williams. s. d. «A black swan in the money market». American economic journal: Macroeconomics 1 (1): Wu, Tao «The US money market and the Term Auction Facility in the financial crisis of ». Review of Economics and Statistics 93 (2):

17 Annexe 1. Corrélations l_nfc l_households refi ltro dl Gdp volatility Eonia l_nfc 1.00 l_households refi ltro dl gdp volatility eonia Tableau 5 Matrice des corrélations 17

18 Annexe 2. Crédits aux entreprises Avant crise Après crise (FE) (RE) (FE IV) (RE IV) (FE) (RE) (FE IV) (RE IV) Refi ** ** *** *** ( ) (0.0126) (0.0249) (0.0222) ( ) (0.0232) (0.0909) (0.0927) Lnltro *** *** *** *** *** ( ) (0.0103) (0.0143) (0.0126) ( ) ( ) (0.0171) (0.0176) Lndl 0.217*** 0.904*** 1.465*** 1.320*** 0.161*** 0.790*** 0.797*** 0.803*** (0.0242) (0.0387) (0.0593) (0.0518) (0.0372) (0.0364) (0.0499) (0.0493) L.lngdp 0.453*** 0.357*** *** ** (0.0430) (0.0620) (0.127) (0.0703) (0.0545) (0.0562) (0.0963) (0.0691) Lnvolatility *** *** *** *** 0.226*** ( ) (0.0170) (0.0243) (0.0230) ( ) (0.0168) (0.0376) (0.0382) D.eonia ( ) (0.0286) (0.0399) (0.0387) ( ) (0.0303) (0.0643) (0.0653) Constant 4.115*** *** *** *** 4.369*** 1.655** 3.228*** (0.480) (0.489) (0.979) (0.555) (0.614) (0.663) (1.106) (0.766) Observations Tableau 6 Explication du montant des prêts accordés aux entreprises (variable dépendante : Lnloans_nfc, régression avec montant des LTRO) Avant crise Après crise (FE) (RE) (FE IV) (RE IV) (FE) (RE) (FE IV) (RE IV) Refi ** * ( ) (0.0120) (0.0252) (0.0199) ( ) (0.0218) (0.0753) (0.0766) o.ltro *** *** *** ( ) ( ) (0.0116) (0.0116) Lndl 0.245*** 0.834*** 1.328*** 1.112*** 0.163*** 0.793*** 0.836*** 0.841*** (0.0236) (0.0339) (0.0562) (0.0441) (0.0372) (0.0368) (0.0495) (0.0485) L.lngdp 0.442*** 0.302*** *** * 0.543*** * (0.0432) (0.0604) (0.124) (0.0694) (0.0545) (0.0561) (0.0867) (0.0652) lnvolatility *** ** * *** 0.196*** 0.229*** ( ) (0.0169) (0.0255) (0.0252) ( ) (0.0170) (0.0409) (0.0413) D.eonia * * ( ) (0.0283) (0.0415) (0.0395) ( ) (0.0306) (0.0631) (0.0643) Constant 4.277*** *** *** 4.446*** 1.129* 2.107* (0.483) (0.408) (0.854) (0.525) (0.610) (0.676) (1.092) (0.777) Observations Tableau 7 Explication du montant des prêts accordés aux entreprises (variable dépendante : Lnloans_nfc, régression avec la dummy LTRO) 18

19 Annexe 3. Crédits aux ménages Avant crise Après crise (FE) (RE) (FE IV) (RE IV) (FE) (RE) (FE IV) (RE IV) refi * *** 0.152*** ( ) (0.0133) (0.0262) (0.0236) ( ) (0.0138) (0.0537) (0.0536) lnltro *** ** * *** ( ) (0.0111) (0.0150) (0.0134) ( ) ( ) (0.0101) (0.0102) lndl 0.214*** 0.810*** 1.387*** 1.257*** 0.170*** 0.497*** 0.504*** 0.493*** (0.0249) (0.0412) (0.0623) (0.0557) (0.0368) (0.0221) (0.0295) (0.0291) L.lngdp 0.503*** 0.428*** *** 0.750*** 0.726*** 0.679*** (0.0463) (0.0698) (0.133) (0.0804) (0.0565) (0.0386) (0.0569) (0.0479) lnvolatility *** *** *** * *** *** ( ) (0.0178) (0.0255) (0.0243) ( ) ( ) (0.0222) (0.0221) D.eonia ** *** ( ) (0.0300) (0.0419) (0.0408) ( ) (0.0179) (0.0380) (0.0378) Constant 3.778*** *** *** *** 3.817*** *** *** ** (0.521) (0.551) (1.028) (0.634) (0.646) (0.467) (0.653) (0.545) Observations Tableau 8 Explication du montant des prêts accordés aux ménages (variable dépendante : lnloans_households, régression avec montant des LTRO) Avant crise Après crise (FE) (RE) (FE IV) (RE IV) (FE) (RE) (FE IV) (RE IV) Refi *** *** 0.160*** ( ) (0.0127) (0.0260) (0.0217) ( ) (0.0130) (0.0449) (0.0450) o.ltro *** ( ) ( ) ( ) ( ) Lndl 0.229*** 0.841*** 1.357*** 1.219*** 0.170*** 0.495*** 0.502*** 0.490*** (0.0240) (0.0365) (0.0581) (0.0482) (0.0368) (0.0224) (0.0295) (0.0291) L.lngdp 0.486*** 0.452*** ** *** 0.727*** 0.718*** 0.671*** (0.0463) (0.0674) (0.128) (0.0810) (0.0565) (0.0386) (0.0518) (0.0446) Lnvolatility *** *** *** *** *** ( ) (0.0177) (0.0264) (0.0266) ( ) (0.0101) (0.0244) (0.0243) D.eonia *** ( ) (0.0296) (0.0429) (0.0418) ( ) (0.0182) (0.0377) (0.0377) Constant 4.003*** *** *** *** 3.811*** *** *** ** (0.523) (0.452) (0.884) (0.603) (0.643) (0.480) (0.652) (0.554) Observations Tableau 9 Explication du montant des prêts accordés aux ménages (variable dépendante : lnloans_households, régression avec la dummy LTRO) 19

20 Annexe 4. Tests de causalité Tableau 10 Résultats des tests de causalité de Granger Pré-crise Post-crise Couple loans_nfc / refi Couple loans_nfc / ltro Couple loans_nfc / volatility : Couple loans_nfc / eonia 20

21 Pré-crise Post-crise Couple loans_households / refi Couple loans_households / ltro Couple loans_households / volatility : 21

22 Couple loans_households / eonia Pré-crise Post-crise Couple ltro / volatility 22