Sbastien Cousin

Mmoire : Quels sont les facteurs qui permettent dexpliquer les diffrences de performance entre les banques de dtail franaises, pendant la crise, de 2007 2009 ?

Matre de mmoire : M. Fresard

Le 8 juin 2011

1 / 49

Sommaire
1) 2) 3) a. b. 4) a. b. 5) a. b. 6) Introduction ..................................................................................................................................... 3 Revue de la littrature ..................................................................................................................... 7 Variables dpendantes et indpendantes..................................................................................... 18 Variables dpendantes .............................................................................................................. 19 Variables indpendantes ........................................................................................................... 20 Donnes et mthodologie ............................................................................................................. 26 Donnes..................................................................................................................................... 26 Mthodologie ............................................................................................................................ 32 Rsultats ........................................................................................................................................ 34 Caractristiques des banques les plus profitables et les moins profitables ............................. 34 Rgressions multiples ................................................................................................................ 36 Conclusion ..................................................................................................................................... 43

2 / 49

1) Introduction
Comme le dcrivait Christian Noyer, gouverneur de la Banque de France, dans son discours Tokyo du 17 novembre 2008, il convient de distinguer trois tapes dans le droul de la crise financire actuelle : - une crise de march, avec la chute des subprimes - une crise bancaire - une crise de lconomie relle Arrtons-nous un instant sur les diffrentes facettes de la crise bancaire. a) Tout dabord, la crise a conduit une augmentation du risque support par les banques lactif de leur bilan. Une grande partie de lactivit des banques de 2004 2007 consistait titriser des produits complexes, tels des collateralized debt obligations (CDO) ou des mortgage-backed securities (MBS). Afin de ne pas peser sur leur bilan et pour ne pas tre contraints par la rglementation de Bles 2 sur le capital minimum, ces instruments ne restaient pas dans le bilan des banques, mais taient cds sur le march. La crise a radicalement chang ce business model, car ces titres qui trouvaient jusqu prsent facilement preneurs sont devenus invendables et sont donc rests auprs des banques. A cela sajoute le rapatriement de certains de ces actifs risqus, alors mme quils avaient pralablement t sortis du bilan des banques, et placs dans des vhicules spciaux (SIV). La crise et plus prcisment labaissement de la notation des produits structurs ont entran pour ces SIV de graves difficults de financement. Les banques, souhaitant viter un risque de rputation et de liquidit ont donc dcid de rapatrier ces actifs. Cela a fortement affaibli leur bilan, dautant plus que la rglementation comptable impose denregistrer ces actifs leur valeur de march qui sest effondre. De l, un cercle vicieux puisque les investisseurs porteurs de ces titres se sont retirs, poussant encore plus la valorisation des titres vers le bas.

b) Les banques sont des agents intermdiaires, dont lune des activits principales est loctroi de crdit pour financer lconomie. Qui dit intermdiation implique ncessit de trouver des fonds pour pouvoir les prter par la suite. Avant que le financement auprs des banques centrales ne se gnralise (une des consquences de la crise), les deux sources dont disposaient les banques taient les dpts des particuliers et le march. Contrairement la crise de 1929, et grce aux efforts des gouvernements pour garantir les dpts bancaires, la crise actuelle na pas entran de retraits massifs. Mais la crise de liquidit sur le march, principale source de financement bancaire, a t trs importante. Des tensions sur la liquidit sont apparues ds aot 2007 : complexit des produits structurs, pas de rfrence historique pour les investisseurs pour valuer leurs prix/risque/rsistance une crise, certaines notations AAA abaisses de plusieurs crans en une journe Les investisseurs et acteurs de march pourvoyeurs habituels de liquidit ont prfr rest hors du march. Une fois la crise des subprimes clate au grand jour et plus encore aprs la mise sous Chapter 11 de Lehman Brothers sest ajoute une vritable crise de confiance en les institutions financires, nul ne sachant exactement quels actifs taient au bilan des banques, et donc quels taient leurs niveaux de risque. Toutes les banques pouvaient potentiellement connatre le mme sort que Lehman Brothers et donc aucune ne voulait supporter un tel risque de contrepartie. Ces peurs taient dailleurs largement justifies puisque des acteurs comme AIG ont d tre rapidement sauvs, et que de nombreuses banques telles Dexia nont d leur survie quaux oprations de sauvetage et de monte au capital des Etats. Cette crise de liquidit a dbouch sur une diminution drastique des crdits accords, facteur majeur de propagation de la crise financire la crise de lconomie relle.

3 / 49

c) Enfin, les banques ont galement t trs affectes par linsuffisance de leurs fonds propres. Dune part, la capitalisation boursire des banques a t rduite considrablement, phnomne renforc par des rgles comptables que nous avons mentionnes (les rgles comptables imposent denregistrer certains actifs leur valeur de march, et la valorisation de ces actifs a fortement dcru). Dautre part, lactif de leur bilan, le risque support par les banques a augment, et en consquence, le niveau de capitaux propres requis pour respecter Bles 2 a lui aussi augment. Les banques se sont donc trouv dans la ncessit de rechercher de largent frais, mais dans le climat de dfiance gnralise, cela sest rvl extrmement difficile. Le schma ci-dessous, extrait de la revue Dbats et Documents de la Banque de France, illustre ces trois temps de la crise :

Intressons-nous maintenant plus en dtail au cas franais : La France dispose dun systme financier important, qui reprsente, au niveau mondial, 10% du systme bancaire et 5% du march financier. La France compte en outre en son sein la deuxime plus grande industrie des fonds dinvestissements. En consquence, limpact de la crise sur le systme financier franais et plus particulirement sur les banques franaises revt une importance non ngligeable dans le cadre de ltude de limpact de la crise sur le systme financier mondial et son impact sur lconomie relle. Le paysage franais des banques est constitu dun petit nombre de trs grandes banques universelles, dont loffre de services est trs large. Cela comprend (i) la banque de dtail (le retail ), cest--dire lactivit de dpts vue et doctroi de crdits et (ii) la banque

4 / 49

dinvestissement, cest--dire les activits de conseil aux entreprises, mais aussi de broker et de gestion dactifs. Des modles mixtes mlant banque dinvestissement et banque de dtail se rencontrent galement frquemment. Il est noter quil existe en France des liens trs troits entre les compagnies dassurance, les socits de gestion dactifs, et les banques, manifests notamment par des participations croises, ce qui tend attnuer les diffrences entre ces diffrents types dinstitutions. Nous pouvons galement souligner la forte concentration du paysage bancaire franais. Deux chiffres dmontrent parfaitement ce fait : les neuf plus grandes banques franaises reprsentent 75% des actifs bancaires. Plus encore, les cinq plus grosses banques rassemblent la moiti des dpts et plus de la moiti des prts. La France, tout comme les autres pays, a t fortement touche par la crise. Son PIB a ainsi augment de 2,40% en 2007, mais la croissance est passe 0,20% en 2008, et fut mme ngative en 2009, -2,60%. Face cette situation et pour soutenir son systme bancaire, la France a adopt une srie de mesure, que prsentait Christian Noyer dans son discours prcit : - Cration dune socit de participations publiques dans les organismes financiers, dtenue par lEtat, et disposant de 40 milliards deuros. Cette structure a pour mission de renforcer les fonds propres des banques, dans un contexte de march trs tendu, via la participation des missions de titres subordonns ou dactions de prfrence. - Possibilit pour lEtat de rentrer directement au capital de banques en difficult comme il la fait pour Dexia ( hauteur dun milliard deuros). - Cration dune socit de refinancement des tablissements de crdits. Cette caisse a pour mission demprunter sur les marchs, avec la garantie de lEtat, pour prter aux banques, qui ont toutes de forts besoins de liquidit. Pouvant aller jusqu 320 milliards deuros, ces prts aux banques leur permettent de se refinancer ailleurs que sur le march qui est devenu compltement ferm. Comme de nombreux pays europens, la France a intensifi ses efforts sur le passif des banques mais na pas souhait toucher leur actif. Ainsi, lide dune socit de dfaisance, qui permettrait aux banques de se dfaire de leurs actifs les plus risqus (quelles ne peuvent pas vendre dans les conditions actuelles de march), a rapidement t carte. Une des raisons avances est la trs grande difficult dterminer prcisment quels sont ces actifs risqus, la plupart ayant gnralement t refaonn plusieurs fois, via des CDO. Notre objectif est de comprendre pourquoi certaines banques de dtail franaises ont su mieux rsister la crise que dautres. Quels sont les facteurs qui permettent dexpliquer leurs diffrences de performance durant la crise ? Nous allons nous focaliser sur les banques de dtail car ce sont elles qui ont jou un rle crucial dans la transmission de la crise lconomie relle via le tarissement du crdit. Amliorer notre comprhension de la performance des banques a fait lobjet de nombreuses tudes. Des facteurs inhrents aux banques (taille, risque, efficacit,), des facteurs lis lindustrie bancaire (concentration, contrle,) et des facteurs macroconomiques (croissance du PIB, inflation, chmage,) ont t tudis par de nombreux auteurs pour mieux comprendre les dterminants de la performance des banques. Nanmoins, encore peu dauteurs se sont intresss spcifiquement limpact de la crise actuelle sur les performances des banques. Il convient de citer Dietrich, A. et al. (2011) qui se sont penchs sur le

5 / 49

systme bancaire suisse, et Beltratti, A. et al. (2009), qui ont jet un regard sur la situation au niveau mondial et inclus la dimension gographique dans leur analyse. Nos rsultats dmontrent que la liquidit et la qualit du crdit sont deux variables importantes qui contribuent positivement aux performances. Il en va de mme pour les performances pr-crise, le niveau des dpts bancaires ou le PIB. La taille produit des effets assez mitigs, ngatifs sur le ROAE mais sans effet sur les autres indicateurs de performance. Plus tonnement, lefficacit oprationnelle ne semble pas ncessairement conduire la performance. Sur la diversification, notre analyse et la lecture de la littrature existante nous permet de conclure un impact positif, du moins en tant de crise. Dautres variables telles lge, la nationalit, la cotation ou la capitalisation ne prsentent pas dimpact significatif.

Ce mmoire est structur de la faon suivante : la partie 2 parcourt la littrature sur les performances des banques ; la partie 3 prsente les variables dpendantes et indpendantes utilises dans nos analyses ; la partie 4 dcrit nos sources et la mthodologie utilise ; la partie 5 est consacre aux rsultats trouvs ; la partie 6 conclut.

6 / 49

2) Revue de la littrature
La performance des banques se mesure gnralement par la rentabilit des actifs (ROA), la rentabilit des capitaux propres (ROE) ou la marge nette sur les intrts (NIM), et est fonction de dterminants internes et externes. Les dterminants internes sont aussi parfois appels dterminants microconomiques ou inhrents de la performance, tandis que les dterminants externes sont des variables qui refltent lenvironnement conomique et lgal dans lequel la banque opre. De nombreuses tudes ont tent dexpliquer la contribution de telle ou telle variable sur la performance des banques. Il est noter que trs souvent, les auteurs trouvent des rsultats diffrents voire contradictoires. Cela sexplique notamment par les donnes diffrentes quils utilisent, qui recouvrent des priodes et des territoires diffrents. Ainsi, certains auteurs ont tudi la performance partir de donnes sur plusieurs pays, tels Molyneux et al. (1992), Demirg-Kunt et al. (1999), Abreu et al. (2002), Goddard et al. (2004) et Athanasoglou et al. (2006). Dautres, tels Berger et al. (1987) (systme bancaire aux Etats -Unis), Barajas (1999) (la Colombie), Mamatzakis et Remoundos (2003) (la Grce) et Garca-Herrero et al. (2009) (la Chine) se sont intresss des pays bien prcis.

Dterminants internes a. La taille

Comme pour de nombreuses variables, limpact de la taille sur les performances bancaires est prement discut entre les chercheurs. Il est possible de les scinder en trois groupes : ceux qui considrent que la taille a un impact positif sur la performance, ceux qui trouvent un impact ngatif, et ceux pour qui limpact est non significatif. Commenons par les tudes relevant du premier groupe, qui dcouvrent un impact positif sur la performance. Il comprend notamment Short (1979), Smirlock (1985), Bikker et al. (2002) et Pasiouras et al. (2007). Ils avancent plusieurs arguments pour justifier leurs rsultats : - Une taille importante permet de rduire les cots en raison des conomies dchelle que cela entraine. - Les banques de taille importante peuvent en outre lever du capital moindre cot. Dans le deuxime groupe, Stiroh et al. (2006) montrent les effets ngatifs de la taille et soulignent que plus une banque est grande, plus elle est difficile grer. En outre, les auteurs rappellent que la taille peut rsulter dune stratgie de croissance agressive, obtenue au dtriment des marges et de la performance. Dans la mme veine, Kasman (2010), trouve un impact statistiquement significatif et ngatif de la taille sur la marge nette sur les intrts (Net interest margin) en regardant un panel de 431 institutions bancaires dans 39 pays. De Jonghe (2010) conclut que les petites banques sont davantage capable de rsister des conditions conomiques difficiles, tandis que Barros et al. (2007) affirment que les petites banques ont plus de chance dobtenir de bonnes performances et moins de chances dobtenir des performances mauvaises. Inversement, les grandes banques ont moins de chance dobtenir de bonnes performances et plus de chance dobtenir de mauvais rsultats. De nombreux autres auteurs, tels Berger et al. (1987) rpondent largument sur les conomies dchelle et rtorquent que peu de cots peuvent tre rduits simplement par laugmentation de la taille.

7 / 49

Enfin, les auteurs du troisime groupe ne relvent pas dimpact statistiquement significatif de la taille sur les performances des banques. Il en est ainsi de Goddard et al. (2004), Micco et al. (2007) et Athanasoglou et al. (2008).

b. La capitalisation
La capitalisation se mesure gnralement par le ratio capitaux propres sur les actifs (ratio CAR pour capital-asset ratio). Une approche rapide de la question pourrait laisser supposer quun ratio CAR lev rduit le ROE, en raison de deux mcanismes : - Un ratio lev signifie un risque moindre, et la thorie des marchs lquilibre qui prnent une relation trs forte en risque et rentabilit nous amnerait en dduire une rentabilit moindre. - Une augmentation de ce ratio peut signifier que la part de la dette diminue et donc cela implique un moindre bnfice li lexonration fiscale des charges de la dette. Pourtant, tous les auteurs qui se sont penchs sur la question (Bourke (1989), Berger (1995), Demirg-Kunt et Huizinga (1999), Abreu et Mendes (2002), Goddard et al. (2004), Naceur et Goaied (2001), Pasiouras et Kosmidou (2007), Garca-Herrero et al. (2009), Liu et al. (2010), Naceur et al. (2010) et De Jonghe (2010)) dcouvrent que les banques les plus performantes sont celles qui parviennent maintenir un niveau lev de capitaux propres par rapport leurs actifs. Tentons de rsumer ici les principales explications avances par les auteurs pour justifier leurs rsultats : - Un niveau lev de capitaux propres rduit le risque (de faillite) encouru par les banques. Elles peuvent donc se permettre, pour maintenir un niveau de risque identique, dinvestir dans des actifs plus risqus et dont la rentabilit attendue est bien sr suprieure. Il en dcoule une meilleure performance. - Disposer dun niveau lev de capitaux propres est un signal trs positif envoy au march sur la solvabilit de la banque et de son risque de crdit trs faible. En consquence, de telles banques sont capables de rduire leurs cots de financement, par exemple en payant un faible taux dintrt sur leur dette. - Outre le cot de la dette qui est moindre, une banque fortement capitalise, par rapport une banque faiblement capitalise, na pas besoin demprunter autant pour financer un niveau dactifs donn. - Enfin, reprenant la thorie du signal, lusage de capitaux propres (plus chers que la dette) pour financer un projet indique au march que la banque est trs confiante en ses projets et que leur rentabilit va tre la hauteur des attentes.

c. La liquidit
Trs frquemment, la liquidit est mesure par le ratio des prts sur les actifs. Plus ce ratio est lev, moins la banque dispose de liquidit. En effet, les contrats de prts ont diverses maturits, et ainsi, en cas de besoin urgent de capitaux, la banque ne peut compter sur ces prts, puisque ceux-ci ne seront rembourss que plus tard. La grande majorit des auteurs ont trouv une relation positive entre ce ratio et la performance ; et par consquence une relation ngative entre la liquidit et la performance. Ce rsultat peut

8 / 49

surprendre, surtout en ces temps de crise actuelle, o lon a pu voir quel point les banques taient la recherche de liquidits. Des auteurs obtiennent des rsultats plus conformes ce que lon pourrait penser, tels Berger et Bouwman (2009), qui expliquent en dtail limpact positif de la liquidit sur la valeur des banques. Certes, ils nont pas tudi limpact sur la performance, ce qui explique peut-tre ces rsultats loppos de la littrature existante, mais leur raisonnement mrite dtre prcis ici. Ces auteurs avancent largument quune banque avec un ratio lev de prts sur ses actifs pourrait tre moins bien arme en cas de survenance dvnements de crise imprvus. En outre, cette banque risque davantage de connatre des pertes importantes si une vente durgence (et donc brade) des actifs est ncessaire pour combler les besoins de liquidit. La crise financire actuelle, qui est notamment une crise de liquidit, est un exemple combien parlant qui va dans le sens des deux auteurs. Comme indiqu, les autres auteurs qui se sont penchs sur limpact sur la performance des banques (et non sur la valeur) du ratio prts sur actifs dcouvrent une relation positive. Nous pouvons ainsi citer Miller (1997) ou Abreu et Mendes (2002), ces derniers ayant examin le cas des banques portugaises, espagnoles, franaises et allemandes. Comment expliquer ces rsultats ? Dune part, en regardant de prs, linstar de Liu H. et al. (2010), le risque de liquidit, dautre part, en interprtant ce ratio prts sur actifs non pas uniquement comme une mesure de la liquidit, mais galement comme une mesure du risque de crdit. Commenons par largument dvelopp par largument dvelopp par Liu H. et al. (2010) sur le risque de liquidit. Il convient en prambule de rappeler que ces auteurs se sont penchs sur la performance des banques au Japon sur la priode 2000-2007. Pour eux, la liquidit na aucun impact statistiquement significatif sur la performance, mesure par le ROE ou le ROA. En revanche, elle a un fort impact ngatif sur le NIM. Pour expliquer ces rsultats, ils dbutent par le mme argumentaire que Berger et Bouwman (2009) : une banque qui dispose dune quantit relativement importante dactifs liquides est mieux arme pour faire face des vnements imprvus. De plus, la liquidit stocke au bilan des banques sert de coussin protecteur et permet dviter des ventes dactifs brades requises pour rpondre au besoin de liquidit. La liquidit protge donc contre les pertes lies ces ventes brades. Introduisant alors la notion de risque de liquidit, les auteurs poursuivent en expliquant quun niveau de liquidit suffisante rduit le risque de liquidit. Ce moindre risque se traduit par des primes sur les prts moindres, et en consquence par une rduction des marges sur les intrts. Les auteurs, tels Miller (1997), Abreu et Mendes (2002) (prcits), ou Naceur et al (2010), interprtent en fait le ratio prts sur actifs comme une mesure du risque de crdit : plus ce ratio est lev, plus le nombre de crdits accord par la banque est lev, et donc plus le risque de dfaut (i.e. le risque de crdit) augmente. Pour rmunrer ce risque de crdit suprieur, les banques vont augmenter leurs marges sur les intrts de prts, ce qui augmente le NIM et la performance. Concluons cette partie sur la liquidit par une remarque sur le choix du ratio, comme proxy pour la liquidit. Nous lavons voqu, ce ratio peut tout aussi bien sinterprter comme une mesure du risque de liquidit que du risque de crdit. En cela, il nest peut-tre pas le meilleur pour caractriser la liquidit. Des auteurs ont utilis un autre ratio, celui de la trsorerie, plus les dpts bancaires, plus les investissements dans des actifs liquides, sur le total des actifs. Bourke (1989) dcouvre alors une relation positive entre ce ratio de liquidit et le ROE, ce qui contredit tant les arguments et dcouvertes prcdemment dcrites, que largument suivant : les rserves de liquidit, surtout si elles sont imposes par la lgislation, constituent une charge pour les banques. Molyneux et Thornton (1992), cherchant vrifier les travaux de Bourke, analysent dautres donnes et trouvent un impact ngatif, mais statistiquement peu significatif.

9 / 49

d. La qualit du crdit
La qualit du crdit, concept assez proche du risque de crdit que nous venons dtudier, se mesure gnralement par deux ratios : le ratio des provisions de pertes de crances sur le total des crances, et le ratio des provisions sur crances douteuses sur le total des crances. (Pour tre tout fait exact, prcisons que ces ratios mesurent en fait la non-qualit du crdit) Comme lon peut sy attendre, Miller (1997), Athanasoglou et al. (2008) et Liu H. et al. (2010) trouvent quune dtrioration de la qualit du crdit rduit le ROA et le ROE. Limpact sur le NIM semble positif car les banques cherchent augmenter leurs marges pour compenser dune part le risque de dfaut, et dautre part les cots additionnels ncessaires pour surveiller ces crdits. Ltude de Dietrich et al. (2011) sur la performance des banques en Suisse est particulirement intressante puisque les auteurs tudient limpact de nombreuses variables sur la performance tant avant la crise que pendant la crise. Ils remarquent parfois une volution de ces impacts avec larrive de la crise, et cest notamment le cas pour la qualit du crdit. Ainsi, pr-crise, la qualit du crdit navait pas dimpact statistiquement significatif sur la performance des banques, peut-tre, suggrent les auteurs, parce que les banques suisses navaient cette poque que trs peu de provisions pour pertes ou crances douteuses. Larrive de la crise a modifi la donne et a considrablement augment le nombre de telles provisions enregistres par les banques helvtiques. Les auteurs notent dsormais un fort impact positif de la qualit du crdit sur leur performance.

e. Lefficacit
Lefficacit se mesure gnralement par le ratio cots sur rsultat ou par le ratio frais gnraux sur le total des actifs. Tout dabord, nous pouvons noter avec Altunbas et al. (2001) et Maudos et al. (2002) que le niveau defficacit varie considrablement en Europe, entre les diffrentes banques et galement entre les diffrents secteurs bancaires. Les auteurs ayant tudi limpact de lefficacit sont gnralement daccord pour affirmer quelle amliore la performance des banques. Ainsi, Athanasoglou et al. (2008) trouve une relation positive en tudiant les banques grecques de 1985 2001 et explique quune banque plus efficace est davantage capable dutiliser ses ressources au mieux et de rduire ses cots, ce qui gnre une meilleure performance. Ce raisonnement est repris par Liu et al. (2010), dans leur analyse des banques japonaises de 2000 2007 : peu importe la variable utilise pour mesurer la performance (ROA, ROE ou NIM), et peu importe le type de contrle qui sexerce sur la banque (Etat ou priv), le ratio cots sur revenus a un impact ngatif sur la performance. Demirg-Kunt et Huizinga (1999) ont mme cherch quantifier lefficacit et ont dcouvert quen moyenne seuls 17% des frais gnraux taient supports par les pargnants ayant dpos de largent dans la banque et par les autres prteurs de la banque, et que le reste rduisait la performance. Ltude de Berger et Humphrey (1997) nous permet daffiner notre comprhension de limpact de lefficacit. Effectuant une rgression entre lefficacit et la taille, les auteurs dcouvrent que les grandes banques sont plus efficaces que les plus petites.

10 / 49

f. Le contrle
La plupart des auteurs montrent que les banques publiques/nationalises sont moins performantes que les banques prives. In en est ainsi pour Iannota et al. (2007), Barth et al. (2004) et Million Cornett (2010). Ces auteurs montrent que les banques nationalises : - accordent des prts plus risqus, ce qui signifie un risque de crdit suprieur et une pitre qualit des actifs, - connaissent des ratios de solvabilit pires que ceux des banques prives, - ont un ratio de core capital pus faible. Million Cornet et al. (2010) soulignent que la diffrence de performance entre les banques prives et publiques est encore plus marque dans les pays o le pouvoir simplique fortement dans le systme bancaire et o la corruption politique existe. Les auteurs expliquent gnralement ces rsultats par la forte inefficacit des banques nationalises et par, ce qui peut paratre surprenant, leur peu dattention pour les objectifs sociaux. Ils soulignent aussi les possibles conflits dintrts, qui peuvent amener les hommes politiques faire passer en priorit leurs intrts politiques devant lintrt gnral. Certains auteurs nuancent cependant cette relation entre contrle et performance. Ainsi, Micco et al. (2007) trouvent effectivement que le type de contrle sur la banque a un impact sur la performance. Mais pour eux, cette relation est surtout vrifie dans les pays en dveloppement o les banques nationalises connaissent de faibles performances, de faibles marges et des frais gnraux levs. Dans les pays dvelopps, cette relation semble beaucoup moins marque. Dietrich et Wanzenried (2011) ont tudi le cas de la Suisse et confirment que les banques nationalises sont moins performantes que les banques prives mais pas en priode de crise ! La crise financire actuelle a renvers cette tendance, les banques nationalises tant alors considres comme plus sures et mieux gres que les institutions prives. A noter, pour finir, que deux tudes ne relvent pas dimpact statistiquement significatif du type de contrle sur la performance. Celles dAthanasoglou et al. (2008) et de Goddard et al. (2004). Molyneux et al. (1992), tudiant les banques de dix-huit pays europens de 1986 1989 sont les seuls auteurs trouver que les banques nationalises sont plus performantes que les banques prives. Cela sexplique peut-tre par la priode considre, les annes 1980.

g. Le degr de diversification
Le degr de diversification se mesure gnralement par le ratio rsultat hors intrts lis aux prts sur le rsultat oprationnel Seule ltude de Dietrich et Wanzenried (2011) conclut un effet positif de la diversification sur la performance. Toutes les autres tudes sur le sujet aboutissent au rsultat inverse et suggrent que ce mouvement vers des rsultats non lis aux intrts na pas amlior le couple risque-rentabilit. Ainsi, DemirgKunt et Huizinga (1999) montrent que les banques dont une grande part de leurs actifs ne rapporte pas dintrts sont moins profitables que les autres. Ils relient ce rsultat limpact positif, dj

11 / 49

comment, entre le ratio prts sur actifs et la performance. Barros et al. (2007) trouvent galement que les banques plus diversifies sont moins susceptibles dtre performantes et plus susceptibles doffrir une pitre performance. De Jonghe (2010) dcouvre que la diversification au sein dune institution namliore pas la stabilit du systme bancaire, ce qui peut expliquer pourquoi les conglomrats financiers cotent avec un discount.

h. Le montant des dpts bancaires

Il nest pas ais destimer a priori limpact du niveau des dpts bancaires sur la performance des banques. En effet, deux arguments peuvent tre opposs : dune part, un niveau lev de dpts peut augmenter la performance, car ce sont des fonds plus stables et moins chers que les fonds emprunts ; mais dautre part, de tels dpts requirent de grandes quipes et des dpartements spcialiss pour les grer, ce qui entrane de nombreuses dpenses. Il semblerait que seuls Demirg-Kunt et Huizinga (1999) se soient intresss cette question. Leurs rsultats supportent le second argument selon lequel les cots levs gnrs par les dpts amnent ces derniers peser ngativement sur la performance des banques.

i. La performance des banques pr-crise

Cette variable a uniquement t utilise par Beltratti et Stulz (2009), qui se sont intresss aux performances des banques pendant la crise actuelle, en couvrant un grand nombre de pays. Lune des variables quils ont intgres leur analyse fut la performance des banques en 2006, soit lanne juste avant que la crise nclate. Leurs rsultats sont absolument difiants : les banques avec la meilleure rentabilit en 2006 sont celles qui ont le plus souffert pendant la crise ! En effet, comme lexplique admirablement Michael Lewis dans son livre The Big Short : Inside the Doomsday Machine, les critres priss par le march en 2006, tels la scuritisation massive et russie de CDOs, ont prcisment expos les banques des risques considrables, qui ont les ont violemment affectes lorsque la crise a clat et que ces risques se sont matrialiss. De faon assez logique, Beltratti et Stulz (2009) notent aussi que les banques avec un ratio Tier 1 lev en 2006 ont moins t touches par la crise que les autres.

j. La gouvernance
Ce sont nouveau Beltratti et Stulz (2009) qui ont inclus la gouvernance dans leurs listes de variables indpendantes. Ils utilisrent pour ce faire le modle CGQ (Corporate Governance Quotient), qui, sur la base de nombreux critres tels que les pouvoirs et la composition du conseil dadministration, la rmunration des directeurs, ou la prsence dun comit daudit indpendant, met une note. Les mdias et commentateurs ont beaucoup parl de la rmunration, des modes de gouvernance, et en quoi des lacunes en ces domaines ont contribu la violence de la crise que nous connaissons. Les auteurs toutefois, se basant sur les donnes au niveau mondial de banques dont les actifs dpassaient 10 milliards deuros en 2006, ne trouvent aucun lment confirmant cette ide largement rpandue : leurs rsultats nindiquent pas que les banques avec une note CGQ leve ont mieux perform pendant la crise.

12 / 49

En outre, nous entendons rgulirement largument selon lequel la rmunration des dirigeants et des traders devrait tre aligne sur les rsultats de lentreprise et sur son cours de bourse, notamment par lintroduction dans le package de rmunration de stock-options pourvus dune priode intangible assez longue (vesting period). Cette argument repose sur lide que si les banquiers agissaient vritablement dans lintrt des actionnaires, ils ne prendraient pas des mesures qui amliorent le cours de bourse court-terme, sen se soucier des performances longterme. Cet argument se tient et semble tout fait dfendable. Pourtant, pass sous le prisme dune analyse quantitative de la crise actuelle, il devient beaucoup moins pertinent : Beltratti et Stulz (2009) montrent en effet que ce sont les banques dont le conseil dadministration tait le plus proche des actionnaires (nombreux actionnaires au CA, politique de la banque conforme aux souhaits des actionnaires) qui ont connu les pires performances pendant la crise ! Cela soulve bien des questions sur les moyens dviter une crise future. Si la politique de rmunration et de conformit avec les souhaits des actionnaires ne permettent pas, au contraire, la survenance de crises, de quels autres leviers daction disposent les banques ? Ce mmoire mettra prcisment en exergue certaines variables qui peuvent expliquer les diffrences de performance sur les banques de dtail en France pendant la crise. Les mmes maux entranant les mmes remdes, gageons que ces variables identifies seront galement pertinentes pour mieux faire face aux prochaines crises.

k. La part de march
Limpact de la part de march a principalement t tudi par Liu H. et al. (2010). Ces aute urs montrent quil existe, du moins au Japon, une relation ngative entre la part de march et la performance (mesure par la NIM), et ce, quel que soit le type de banque. Seules les performances des banques du type City et Trust sont indiffrentes cette variable. Comment expliquer cette relation ? Dune part, en analysant le comportement des banques disposant dune faible part de march. Ces banques cherchent grandir et gagner des parts de march. Pour ce faire, une des seules ressources leur disposition est loctroi de crdits des personnes risques. Ces crdits risqus, que refusent doctroyer les grandes banques, permettent aux banques aux parts de march plus petites de sagrandir. Ces crdits tant plus risqus, elles vont les assortir dintrts plus levs, ce qui va augmenter leur NIM et leur performance. Dautre part, nous pouvons avec Martinez-Peria et Mody (2004) nous placer du point de vue des banques disposant dune part de march importante. Celles-ci peuvent utiliser leurs parts de march et leur taille pour liminer des concurrents existants ou potentiels en rduisant leurs marges sur les taux dintrt. Cela a pour effet, court-terme, de rduire la NIM et la performance de ces banques.

Dterminants externes
Des dterminants externes aux banques, tels lenvironnement conomique, linflation, ou les taux dintrts influent galement sur les performances. Ce mmoire sintresse aux dterminants internes des banques franaises, qui peuvent expliquer les diffrences de performance pendant la crise. Il nen demeure pas moins intressant de sarrter un instant sur ces dterminants externes, afin de dresser un tableau le plus complet possible de la littrature sur les dterminants de la performance des banques.

13 / 49

a. Linflation
Le premier auteur se pencher sur la question de linflation fut Revel (1979). Il montra que limpact sur la performance dpend en fait du rythme de croissance des dpenses oprationnelles : si ces dpenses augmentent plus vite que linflation, il trouve un impact ngatif sur la performance. Si au contraire le rythme de croissance est moindre, il trouve un impact positif. Elaborant le modle dvelopp par Revel (1979), Perry (1992) affine lanalyse en introduisant la notion danticipation : si linflation est totalement anticipe, alors elle peut tre rpercute sur les prix ex-ante, et cela amliore la performance. Si au contraire elle nest pas anticipe, les cots vont augmenter plus rapidement que les prix et limpact sur la performance sera ngatif. De nombreux autres auteurs se sont intresss linflation, et ont trouv un impact positif et statistiquement significatif. Il en est ainsi de Bourke (1989), Molyneux et Thornton (1992), Demirg-Kunt et Huizinga (1999), Athanasoglou et al. (2006, 2008), et Pasiouoras et Kosmidou (2007). Deux tudes aboutissent toutefois un rsultat oppos : celles de Afanasieff et al. (2002) et celle de Ben Naceur et Kandil (2009). Elles concluent que linflation influe ngativement sur les marges dintrts. Ben Naceur et Kandil proposent lexplication suivante : lactivit principale des banques (surtout commerciales) est loctroi de crdit. Le march repose donc sur une offre de crdit (fourni par les banques), et une demande (celle des particuliers et des entreprises). Linflation rduirait la demande de crdit, parce quelle augmente lincertitude sur lavenir. Or il a t prouv que les particuliers et les entreprises, si leur degr daversion au risque varie, sont trs gnralement averses lincertitude (ambiguity-aversion). Cette chute de la demande entranerait une baisse des crdits et donc une baisse de la performance. Nous ne sommes pas convaincus par cette argumentation, car le crdit est plutt recherch en tant dinflation, car il est alors plus facile de le rembourser. Si effectivement linflation a un impact ngatif sur la performance (ce qui nest pas garanti au regard des tudes divergentes sur ce sujet), nous pensons davantage avec Abreu et Mendes (2003) que cela est d un ajustement des revenus plus lent que celui des cots. Nous rejoignons alors lide dveloppe par Pery (1992) : tout est question danticipation.

b. La croissance du PIB
Il est ais de supposer que la croissance de lactivit conomique, mesure par le PIB, a un impact positif sur les performances des banques : une priode de forte croissance entrane une hausse des investissements et de la consommation, do une hausse du crdit, et do une hausse de la performance des banques. Cest effectivement le rsultat auquel arrive la majorit des auteurs qui ont tudi cette relation, savoir Goddard et al. (2004), Demirg-Kunt et Huizinga (1998), Arpa et al. (2001), Bikker et Hu (2002) et Schwaiger et Liebig (2008). Pourtant tous les auteurs narrivent pas cette conclusion. Ainsi, Claeys et Vennet (2008) qui tudient la situation en Europe, trouvent que cela nest vrai que en Europe occidentale, mais que limpact est nul sur les banques dEurope de lEst. En outre, Bernake et Gertler (1989) et Demirg-Kunt et al. (2004) dcouvrent mme une relation inverse entre la croissance du PIB et la performance des banques. Une des explications quils avancent est la suivante : dans les priodes de rcession, le risque de dfaut des emprunteurs

14 / 49

augmente. Pour compenser ce risque plus lev, les banques augmentent le taux dintrts sur les prts, ce qui amliore leur performance.

c. Le rgime fiscal
Peu dauteurs ont cherch mesurer limpact de limposition sur les performances des banques, et cest certainement un sujet qui pourrait faire lobjet de recherches complmentaires. Le rsultat auquel lon sattend, savoir un impact ngatif, est celui que trouvent Demirg-Kunt et Huizinga (1999). Nous pouvons aisment en comprendre les raisons : limpt tant dduit du rsultat, cela affecte automatiquement le ROA et le ROE. Pourtant, une tude de Albertazzi et Gambacorta (2009) conclut un impact trs faible de limposition sur les performances. En effet, les auteurs considrent quil est trs ais pour les banques de rpercuter leurs impts sur les autres acteurs du systme (dposants, emprunteurs, clients payant des commissions).

d. La concentration du march
Sans entrer dans les dtails, rappelons que deux thories se font face en matire dimpact de la concentration sur la performance des banques. La premire, appele Structure-conductperformance (SCP) affirme quune augmentation de la part de march et de la concentration du march dbouche sur des pouvoirs de monopole. La seconde, Efficient-structure (ES) rfute cette ide. Les rsultats de Bourke (1989) et Molyneux et Thornton (1992) montrent que le ratio de concentration bancaire a un impact positif et statistiquement significatif sur la performance des banques. Cela conforte donc la thorie SCP. Mais dautres tudes, telles celles de Berger (1995), Demirg-Kunt et Huizinga (1999), Mamatzakis et Remoundos (2003) et Staikouras et Wood (2004) aboutissent prcisment un rsultat inverse, ce qui tendrait supporter la thorie ES.

e. La maturit du secteur bancaire

Demirg-Kunt et Huizinga sont les rares auteurs avoir analys les liens entre performance des banques et maturit du systme bancaire dans son ensemble, tel que mesur par sa taille ou son niveau de dveloppement. Dans leur tude de 1999, les auteurs concluent quil existe une relation ngative entre la taille du secteur bancaire et la performance des banques. Ils expliquent que plus le march bancaire est grand, plus le nombre dacteurs est important et plus la concurrence est froce. Cette concurrence rduit progressivement la performance de chacun des acteurs. Ils confirment ce rsultat dans une seconde tude publie en 2001. Les auteurs y analysent, sur la base de donnes couvrant un grand nombre de pays sur la priode 1990-1997, les liens entre performance bancaire et dveloppement du march financier, niveau de complexit de sa structure. Ils montrent quun impact statistiquement significatif existe : un systme bancaire dvelopp rduit la performance cause de la concurrence plus importante.

15 / 49

f. Le march boursier
Ce que Naceur et al. (2010) ont analys nest pas tant la relation immdiate entre le cours de bourse des banques et leurs performances mesures par le ROE, ROA, et NIM. Ils ont davantage considr le niveau de dveloppement du march boursier. Ils trouvent que les banques qui oprent dans des rgions o le march boursier est bien dvelopp connaissent des profits plus importants que les banques oprant dans des rgions o la bourse y est peu dveloppe.

g. Le choix dun pays

De nombreuses recherches ont confirm lexistence de performances trs htrognes entre banques situes dans des pays diffrents. Les tudes de La Porta (1997), Stulz et Williamson (2003) et Beck et al. (2003) apportent ainsi des lments de preuve suggrant que les systmes de droit, les rgles comptables, les cultures et les religions expliquent les diffrences transfrontalires de croissance conomique et de dveloppement des entreprises. Dans leur analyse des banques en Europe sur la priode 1993-2001, Barros et al. (2007) aboutissent aux mmes conclusions. Ils apportent en outre un lment nouveau : si des diffrences de performance existent entre tel et tel pays sur telle priode, il ne faut pas pour autant en dduire que le choix dun pays apporte en soi un avantage en terme de performance sur ses concurrents.

h. Limpact de la crise financire actuelle

Les tudes sur limpact de la crise financire actuelle sur les performances des banques ne sont pas trs nombreuses, mais il convient de citer les principales. Xiao (2009) sintresse au cas de la France, mais non pas dans une optique microconomique, comme nous le faisons dans ce mmoire, mais de faon macroconomique : quelles ont t les performances des banques franaises, considres comme un tout homogne, comparativement aux performances des banques en Europe. Lauteur avance que si les banques franaises nont pas t pargnes par la crise, elles sont su bien rebondir, notamment grce la structure du systme de rgulation et lorganisation de leurs activits. Nous verrons dans ce mmoire en quoi ce bloc franais nest pas homogne et quil est possible de comprendre pourquoi certaines banques ont mieux rsist que dautres. Millon Cornett et al. (2010) tudient les performances et les structures de gouvernance des banques cotes amricaines avant et pendant la crise financire. Ils ont dcouvert que peu importe la taille, toutes les banques ont vu leurs performances dcrotre pendant la crise. Ils notent toutefois que les banques les plus grandes ont connu les plus grandes pertes. Beltratti et Stulz (2009) examinent les grandes banques, sans critre de localisation, et cherchent savoir si les performances des banques pendant la crise sont lies au systme de gouvernance, la rgulation du systme bancaire du pays, et aux performances et bilans des banques prvalant avant la crise financire. Ils dcouvrent que les banques dont le cours de bourse tait le plus soutenu en 2006 ont connu par la suite les pires rentabilits. Comme nous lavons dj mentionn, les banques dont le capital dadministration tait le plus proche des actionnaires ont aussi connu les plus grosses pertes. Concernant le choix du pays, les auteurs avancent que les banques localises dans des pays o les rglementations sur le capital minimum sont les plus strictes et o les organes de rgulation

16 / 49

du systme bancaire sont indpendants, ont mieux perform que les autres. Ainsi, les banques dont le ratio Tier 1 et le niveau des dpts taient le plus lev la fin de lanne 2006 ont russi dgager des rentabilits bien suprieures que les banques au bilan plus risqu. Enfin, une tude de Dietrich et Wanzenried (2011) analyse les performances de 372 banques suisses sur la priode 1999-2009. Les auteurs ont cherch isoler limpact de la crise financire sur les dterminants de la performance des banques, et ont pour cela tudi ces banques sur deux priodes distinctes : 1999-2006 et 2007-2009. Les principaux rsultats de cette tude ont dj t mentionns dans les paragraphes prcdents.

Ainsi, la littrature existante nous fournit un grand nombre dlments relatifs limpact des dterminants internes et externes sur la performance des banques. La crise financire a fait plonger les rsultats des banques et remis en cause nombre de pratiques tablies. Linfluence prcise de la crise financire sur les dterminants de la performance na pas encore t analyse sous toutes ses coutures. Cela est notamment le cas pour les banques de dtail franaises. Ce mmoire devrait donc permettre de contribuer la littrature sur le sujet et de mieux comprendre quelles sont les variables qui impactent le plus la performance des banques en priode de crise. A lheure des stress-tests exigs par la Commission europenne, cet apport nous semble intressant.

17 / 49

3) Variables dpendantes et indpendantes

Nous dtaillons ici les variables utilises dans nos analyses. Le tableau 1 ci-dessous prsente un rcapitulatif. Tableau 1
Variable Notation Dfinition Unit Source Hypothse de l'impact sur la performance n/a n/a n/a ngatif ngatif ngatif positif positif positif ngatif

ROAA ROAE NIM Taille (1) Taille (2) Taille (3)

ROAA ROAE NIM T1 T2 T3

Ratio du rsultat net sur le total des actifs Ratio du rsultat net sur le montant des capitaux propres comptables Total des actifs Logarithme du total des actifs

Ratio (%) Bankscope Ratio (%) Bankscope Ratio (%) milliers USD milliers USD Dummy Bankscope Bankscope Bankscope

Ratio de capitalisation RC Ratio de fonds Tier1 propres de base Tier 1 Ratio des fonds propres totaux Capitalisation boursire TierT K

3 si les actifs sont suprieurs 15 mds, 2 si les actifs sont Bankscope entre 3 et 15 Mds, 1 si les actifs sont infrieurs 3 Mds Ratio des capitaux propres comptables sur le total des actifs Ratio (%) Bankscope Ratio des capitaux propres "long-terme" sur les actifs ajusts du risque Ratio (%) Bankscope Bankscope

Ratio des fonds propres Tier 1 et Tier 2 sur les actifs ajusts Ratio (%) du risque Capitalisation boursire sur la base des actions, s'il y en a , EUR ou des Certificats d'investissement pour les caisses rgionales du Crdit Agricole

Cotation sur un march Liquidit (1) Liquidit (2) Qualit du crdit (1) Qualit du crdit (2) Efficacit oprationnelle Croissance annuelle des dpts Ratio des dpts sur les actifs Cots de financement Diversification Age des banques Nationalit Performance des banques en 2006 Part de march

Cote L1 L2 C1 C2 Eff Dpts D/A Fin Div Age Nat Perf06 MS

Sites des banques et www.dailybourse.fr 1 si la banque est cote, 0 sinon Dummy www.dailybourse.fr Ratio des prts sur le total des actifs Ratio (%) Bankscope Ratio des actifs liquides sur les dpts des clients et passifs Ratio (%) Bankscope court-terme. Ratio des prts non performants sur le total des crdits Ratio (%) Bankscope accords Ratio des provisions pour pertes de crances sur les prts Ratio (%) Bankscope non performants Ratio des cots oprationnels sur le revenu oprationnel de Ratio (%) Bankscope la banque Croissance annuelle des dpts effectus par les clients Ratio (%) Bankscope Ratio des dpts des clients sur le total des actifs Ratio des dpenses dintrts aux clients sur le montant total de leurs depts Ratio des revenus non lis aux intrts sur le revenu oprationnel total 4 si la banque est ne avant 1900, 3 entre 1900 et 1945, 2 entre 1945 et 1980 et 1 aprs 1980 1 si la banque est dtenue au moins 50% par des entits franaises, 0 sinon ROAA de la banque en 2006 Part des actifs de la banque dans le total des actifs des banques de l'chantillon Indicateur BvD Ratio (%) Bankscope Ratio (%) Bankscope Ratio (%) Bankscope Dummy Dummy Sites des banques Bankscope

ngatif ngatif positif ngatif positif positif positif positif ngatif ngatif positif positif ngatif ngatif positif

Ratio (%) Bankscope Ratio (%) Bankscope Dummy Bankscope

Degr d'indpendance Dp vis--vis des actionnaires Croissance du PIB PIB

Croissance annuelle du PIB

Ratio (%) Banque mondiale

positif

18 / 49

a. Variables dpendantes
Pour mesurer la performance des banques, trois indicateurs sont gnralement utiliss : le ROA ou ROAA (Return on assets; Return on average assets), le ROE ou ROAE (Return on equity; return on average equity) et le NIM (Net interest margin). Nous les utiliserons donc tous les trois dans nos analyses. Dtaillons ici ce que mesurent prcisment ces trois indicateurs : Le ROAA est le ratio du rsultat net sur le total des actifs figurant au bilan. Il reprsente donc la capacit de la banque crer du profit, partir de sa base dactifs. Etant donn que lon divise le rsultat par les actifs, nous obtenons donc, pour un euro dactif au bilan, le profit qui a t obtenu. Plus ce ratio est lev, plus la banque est performante, puisque cela signifie quavec le mme euro dactif, elle arrivera gnrer davantage de profits. Bien que ce ratio ne soit pas sans faiblesse, en ce quil ne prend pas en compte les actifs dits hors bilan, il est, comme le rappelle Golin (2001), lindicateur de la performance le plus utilis. Afin dattnuer les variations dactifs en cours danne, nous utiliserons le ROAA et non le simple ROA (qui ne reprsente que la situation la date de clture de lexercice). Le ROAE est le ratio du rsultat net sur le montant des capitaux propres inscrits au passif du bilan. Il reprsente donc la capacit de la banque crer du profit, partir des apports de ses actionnaires. Il peut paratre trs intressant davoir recours au ROE, en considrant que plus le ROE est lev, plus la banque arrive gnrer du profit avec un euro investi, et que cest donc un bon indicateur de performance. Sans penser que le ROE est un mauvais indicateur de la performance des banques, nous considrons avec Dietrich, A., Wanzenried, G. (2010) quil prsente des faiblesses qui le rendent moins attractif que le ROA. En effet, sil est possible dinterprter le ROE comme le simple ratio rsultat net sur capitaux propres, il est galement possible de le dcomposer en deux ratios : le ROA que multiplie le ratio actifs sur capitaux propres. Intressons-nous un instant ce dernier ratio. Il est communment nomm le multiple bancaire des capitaux propres et reflte le levier financier de la banque (i.e. dette sur capitaux propres) : plus le multiple des capitaux propres est lev, plus le levier financier est lev, et inversement. Il en rsulte que deux banques avec le mme ROA (et donc aussi performantes lune que lautre selon ce critre) peuvent avoir deux ROE diffrents : la banque avec le levier financier le plus important aura le ROE le plus lev. De mme, deux banques aux performances diffrentes (mesures par le ROA), peuvent pourtant avoir le mme ROE. Il suffit que leurs leviers financiers soient diffrents. Puisque dune part le ROE ne tient pas compte du risque quentraine un levier financier trop important et que dautre part ce levier financier est souvent fix par la rglementation (notamment Bles II puis bientt Bles III), nous attacherons davantage dimportance au ROA dans nos analyses venir. A nouveau, nous prfrerons utiliser le ROAE pour aplanir les variations des capitaux propres en cours danne. Le NIM est galement un ratio : au numrateur se trouve le profit sur les intrts et au dnominateur les actifs gnrant des intrts (crdits,) Le profit sur les intrts nest autre que la diffrence entre le revenu obtenu grce aux intrts (crdits aux clients, prts aux autres banques,) et les cots supports par le paiement dintrts (intrts sur les propres emprunts de la banque). Il en ressort qualors que le ROA mesure le profit gnr par un euro dactif, le NIM mesure le profit sur les intrts gnr par un euro dactif gnrant des intrts. Cet indicateur se focalise donc sur les intrts perus et pays par la banque. Notre mmoire sintressant aux banques commerciales

19 / 49

franaises, lactivit intrts y joue un rle central. Nous utiliserons donc galement cet indicateur dans nos analyses. Heffernan, S., Fu, X., (2010), dans leur tude sur la performance des banques chinoises de 1999 2006, suggrent que la valeur ajoute conomique (VAE) et le NIM sont de meilleurs indicateurs de performance que le ROA et le ROE. La VAE est extrmement complique calculer et fait intervenir de nombreux lments subjectifs, notamment la dtermination du taux dactualisation des profits futurs. Le NIM est en revanche une donne directement issue du compte de rsultat et il nous semble intressant de lutiliser.

b. Variables indpendantes
La taille : pour mesurer la taille, nous utiliserons trois indicateurs : le logarithme du total des actifs, le total des actifs et des dummy variables pouvant prendre trois valeurs : 1 (infrieurs 3 Mds $), 2 (entre 3 et 15 Mds $) et 3 (plus de 15 Mds $). Nous avons choisi dutiliser trois indicateurs aprs avoir constat deux points : (i) la littrature est trs partage sur limpact de la taille sur la performance des banques ; (ii) les auteurs semblent utiliser indiffremment lun de ces trois indicateurs. Il est possible quune explication de la varit des dcouvertes sur ce sujet provienne du choix de lindicateur. En ayant recours aux trois, nous esprons avoir des rsultats solides, et pourrons rpondre cette question : ces trois indicateurs apportent-ils la mme rponse la question de limpact de la taille sur la performance des banques ? Nous formulons lhypothse que la rponse est affirmative. Maintenant, quel sera, selon nous, cet impact de la taille ? Certains auteurs mettent en avant les conomies dchelle lies une taille importante tandis que les autres soulignent la difficult de grer une trop grosse banque, ce qui entrane des surcots. En outre, la crise financire, se caractrise notamment par une crise de confiance entre les banques, qui refusent de se prter court-terme (do lintervention des banques centrales pour injecter de la liquidit dans le systme financier). Il est donc possible que les banques de petite taille soient moins exposes aux pnuries de liquidit dans le systme financier et quelles aient donc su mieux rsister la crise que les grandes banques. Ceci nest bien sr quune hypothse et nous verrons si les analyses la confirment. Le ratio de capitalisation : pour le mesurer, nous utiliserons le ratio capitaux propres (comptables) sur total des actifs. Cest une mesure du risque de la banque, puisque plus ce ratio est faible, moins la banque dispose de ressources en cas de perte de valeur des actifs. Or, cest justement ce qui sest pass pendant la crise financire : en raison de la contagion des subprimes et autres actifs extrmement risqus dans le bilan de la plupart des banques, la valeur de leurs actifs a brutalement chut. Le coussin de scurit que reprsentent les capitaux propres a donc t de la plus haute importance et nous pensons donc que cela vaut aussi pour les banques commerciales franaises. En outre, un ratio de capitalisation lev, puisquil signifie un risque de faillite moindre, permet la banque de lever des fonds (capitaux propres ou dette) moindre cot, ce qui se traduit par des profits plus importants. Bien sr il ne faudrait pas que la banque se repose sur un niveau trop lev de capitalisation, car alors elle pourrait pcher par excs de prudence, ce qui se traduirait ngativement dans la performance. En effet, comme indiqu par la thorie classique du couple risque-rentabilit, une prise de risque importante est compense par une rentabilit suprieure. Nanmoins, ce dernier argument nous semble surtout prvaloir en priode dessor conomique. Puisque nous nous focalisons sur la priode de crise actuelle, nous pensons quun niveau de ratio de capitalisation lev est au contraire une scurit importante qui permet aux banques de maintenir des profits. Nous verrons si nos analyses confirment ce pressentiment.

20 / 49

Le ratio des fonds propres de base Tier 1 : le ratio de capitalisation, tel que dcrit prcdemment, est trs pratique, puisque nous disposons des donnes pour lensemble des banques du panel, mais il est un peu grossier : le numrateur est constitu de tous les capitaux propres enregistrs au bilan, et le dnominateur est form par le total des actifs. Pour obtenir une meilleure mesure de la scurit financire des tablissements bancaires, les rgulateurs, lors des accords de Ble I, ont cherch laffiner. Ils ont alors cr le ratio des fonds propres de base Tier I, qui se mesure en divisant les fonds propres de base Tier I par le total des actifs ajusts du risque. Le numrateur constitue en fait la partie des capitaux propres les moins risqus, ceux investis pour du long-terme et formant le vritable socle financier de la banque. Ils rassemblent principalement le capital social, les intrts minoritaires dans les filiales consolides et les rsultats mis en rserve. Pour le dnominateur, lajustement au risque seffectue en fonction de rgles tablies par le rgulateur. Ainsi, la trsorerie va tre affecte dune pondration de 0% mais les prts vont peser pour 50 100% des actifs. Une banque correctement capitalise dispose dun ratio suprieur 6%. Nous formulons lhypothse que pour le ratio de capitalisation, mais il nest pas garanti que nous puissions la vrifier. En effet, peu de banques communiquent sur ce ratio, et nos rsultats risquent dtre statistiquement non significatifs. Le ratio des fonds propres totaux : ce ratio, galement dfini par las accords de Ble I, se mesure en divisant les fonds propres Tier 1 et les fonds propres Tier 2 par le total des actifs ajusts du risque. Contrairement aux fonds propres Tier 1, les fonds propres Tier 2 sont plus temporaires et recouvrent notamment les instruments hybrides, comme les obligations subordonnes, la dette subordonne ou les actions de prfrence. Les banques correctement capitalise disposent dun ratio suprieur 10%. Nous formulons la mme hypothse que prcdemment. La capitalisation boursire : les variables prcdentes prennent en compte les capitaux propres comptables. Nous pensons quil peut tre intressant de regarder limpact de la capitalisation boursire sur les performances des banques. Cette variable ne concerne bien sr que les variables cotes en bourse et il est donc possible quelle soit statistiquement non significative. Nous avons obtenu cette capitalisation en multipliant le nombre dactions la fin de chaque anne par la valeur des actions ce moment. Il convient de noter que pour les caisses rgionales du Crdit Agricole, ce ne sont pas des actions mais des certificats dinvestissement qui sont cots et ouverts au public. Ce sont donc eux qui ont t pris en compte dans le calcul de la capitalisation boursire. Nous formulons lhypothse quune capitalisation boursire leve a impact ngativement les performances des banques, en considrant, en lien avec la littrature existante, que les banques qui taient les plus apprcies du march avant la crise (et ont donc potentiellement la capitalisation boursire la plus leve), sont celles qui ont le plus soufferts par la suite. La cotation sur un march : nous aurons recours des dummy variables en notant 0 si la banque nest pas cote, et 1 si elle lest. Contrairement la variable prcdente qui ne pourra tre analyse qu partir des seules banques cotes dans notre panel, la cotation concerne toutes les banques (ou elles sont cotes ou elles ne le sont pas). Il est difficile de prvoir limpact dune cotation sur la performance. En effet, deux forces opposes saffrontent : dun ct, les banques cotes sont exposes en permanence la pression de leurs actionnaires qui pnalisent immdiatement la banque si les profits ne sont pas au rendez-vous. Cela a pour effet (si la rmunration des dirigeants les incite soutenir le cours de bourse) de mettre la banque en branle pour dgager le maximum de profits. Dun autre ct, une banque cote en bourse connat des cots qui peuvent tre importants (reporting, communication,) et peut se retrouver en difficult financire simplement parce que les actionnaires lui ont retir leur confiance et vendent leurs actions. En cette priode de crise, nous formulons lhypothse selon laquelle les banques cotes ont t pnalises par la chute de leurs cours de bourse et que la cotation a donc eu un impact ngatif sur les performances. La liquidit : nous mesurons la liquidit comme la plupart des auteurs, en calculant le ratio des prts sur le total des actifs. Pour tre tout fait exact, rappelons que ce ratio est plutt une mesure de

21 / 49

lilliquidit, puisque plus il est lev, moins la banque dispose de liquidits. Comme nous lavions vu, la plupart des auteurs estiment que la liquidit a un impact ngatif sur les performances des banques. Ils avancent notamment largument selon lequel une faible liquidit, i.e. un risque dilliquidit important, signifie des marges plus importantes pour compenser ce risque. Nous ne savons pas encore ce que nous obtiendrons comme rsultat, mais lhypothse que nous formulons est celle dun impact positif de la liquidit sur la performance des banques. En effet, nous nous intressons la crise financire actuelle, crise de liquidit et de confiance entre les banques qui refusent de se prter entre elles. Dans ce contexte trs particulier et clairement diffrent de celui dans lequel les autres tudes ont pu tre menes, nous saisissons limportance pour une banque de disposer rapidement des liquidits ncessaires son fonctionnement. Or, un niveau de prts important bloque des fonds qui ne pourront tre rcuprs que lorsque lemprunteur aura rembours son prt. A cet gard, il est intressant de noter que pendant la crise actuelle, les prts aux particuliers et aux entreprises ont considrablement chut, entrainant par ce biais la transmission de la crise lconomie relle. Nous pensons que si ces prts ont quasiment cess, cest justement pour conserver de la liquidit dont les banques avaient un grand besoin. En consquence, nous nous attendons un impact positif de la liquidit sur la performance, et donc un impact ngatif de ce ration. Ajoutons pour conclure que la priode danalyse considre affectera probablement les rsultats. En effet, les mesures des banques centrales pour injecter de la liquidit, puis la reprise de la confiance entre les banques ont progressivement favoris la reprise des prts par les banques. Pour confirmer les rsultats que nous obtiendrons, nous tudierons limpact de la liquidit sur les performances des banques via une autre variable : le ratio des actifs liquides sur les dpts des clients et passifs court-terme. La qualit du crdit : nous mesurons la qualit du crdit par deux ratios : le ratio des prts non performants (Non-Performing loans) sur le total des crdits accords (plus ce ratio est lev, plus la qualit du crdit est faible) et le ratio des provisions pour pertes de crances sur les prts non performants (plus ce ratio est lev, plus la banque est prpare face des crdits dfaillants). Prcisons quun crdit est qualifi de non-performant lorsque les retards de paiement sur les intrts dpassent 90 jours ou que de srieux doutes existent quant la capacit de la banque recouvrer le capital, quand bien mme aucun dfaut nest avr sur le paiement des intrts. Nous pourrions concevoir quune banque, linstar dune compagnie dassurance, ajuste ses taux dintrts (les primes pour les compagnies dassurance) au regard du nombre de provisions pour pertes quelle doit enregistrer (le nombre de sinistres pour les compagnies dassurance). Si cela tait le cas, limpact de la qualit du crdit sur les performances serait nul. En effet, toute perte impute comme une charge au compte de rsultat, serait parfaitement compense par une hausse des taux dintrts, et donc un gain dans ce mme compte de rsultat. Limpact au bilan tant nul, le ROE ou ROA nen seraient pas affects. Le NIM augmenterait probablement car au numrateur, seul un gain li la hausse des taux dintrts serait enregistr (la perte lie la provision napparaissant pas dans le calcul du NIM). Une banque fonctionne-t-elle toutefois comme une compagnie dassurance ? A nen point douter, les taux dintrts sont fixs de faon gnrer un profit. Examinant les taux dintrt auxquels la banque emprunte (sur les marchs, auprs dautres banques), elle dtermine ensuite les taux auxquels elle prte pour que, compte tenu de la probabilit de non-remboursement, elle dgage un profit. Nous voyons donc quintervient dans ce raisonnement un paramtre qui est le taux auquel la banque se finance (qui dpend lui-mme dun grand nombre de paramtres, dont le risque de crdit). Or, contrairement lassurance, o les contrats ont gnralement une maturit dun an, reconductible, ce qui implique que le niveau des primes peut tre ajust anne aprs anne en

22 / 49

fonction de larrive dlments nouveaux, les crdits bancaires peuvent avoir une maturit de trente ans et tre taux fixes ! Il en ressort que la banque ne dispose pas des mmes marges de manuvres que les compagnies dassurance pour ajuster ses taux (et donc son profit), en fonction de la survenance de te ou tel lment nouveau. Il en ressort quil est plus crucial pour une banque de rduire au maximum le montant des crances douteuses et des pertes sur crance que pour une compagnie dassurance de rduire le nombre de sinistres de ses assurs (ce qui serait dailleurs assez difficile). En consquence, alors que dans un scnario o banques et compagnies dassurance fonctionnaient sur le mme modle, nous prvoyions un impact nul de la qualit du crdit sur les performances, dans ce scnario ajust que nous venons de dcrire, la qualit du crdit joue un rle trs important : un niveau lev de pertes sur crances affecterait ngativement les performances, car la banque ne pourrait pas ajuster immdiatement ses taux sur des crdits stendant sur des maturits parfois trs longues. Nous verrons si les rsultats concordent avec cette prvision. Lefficacit oprationnelle : nous mesurons lefficacit par le ratio des cots oprationnels (tels que les cots de main duvre, les cots informatique) sur le revenu oprationnel de la banque. Ce ratio est trs proche du taux de marge oprationnel. Un ratio faible signifie que pour gnrer un euro de chiffre daffaires, peu de cots oprationnels doivent tre supports par la banque. En revanche, un ratio lev tmoigne dun niveau de cots oprationnels levs, pour gnrer le mme euro de chiffre daffaires. En cela, linverse de ce ratio est une mesure de lefficacit oprationnelle. Quel est limpact de lefficacit oprationnelle sur la performance des banques ? La rponse nest pas si aise quelle peut sembler. En effet, si au premier abord une grande efficacit peut signifier une meilleure profitabilit, nous supposons ce faisant que la banque conserve la totalit du profit gnr par cette efficacit. Or, ceci nest pas ncessairement toujours vrifi : une banque peut ainsi souhaiter donner ce surprofit ses clients (par le biais de faibles taux dintrts sur les crdits et/ou dintrts levs sur les dpts), afin de gagner des parts de march ou du moins de conserver sa part de march dans un contexte trs concurrentiel. Nous pensons que concernant la situation des banques commerciales franaises pendant la crise, ce sur-profit na pas t donn aux clients : les banques taient dj dans une situation financire difficile, la recherche de liquidit, donc tout profit tait le bienvenue ! En outre, la crise affectant la totalit des banques, il est fort probable quelles aient toutes cherch garder ce sur-profit. Ainsi, bien que nous considrons comme possible que certaines banques oprationnellement efficaces aient cherch profiter de la crise pour gagner des parts de march, nous formulons lhypothse que de manire gnral sur lchantillon analyse, une forte efficacit oprationnelle entrane une meilleure performance, La croissance annuelle des dpts : Il est fort probable que la croissance des dpts ( vue) ait un impact sur la performance des banques. Dterminer avant toute analyse si cet impact sera positif est ngatif est toutefois assez difficile. En effet, dune part, nous pouvons imaginer quune forte croissance permet la banque de se dvelopper et dinvestir dans des activits do elle tirera des profits. Mais dun autre ct, nous pouvons aussi nous interroger sur lorigine de cette croissance : peut-tre est-elle le fruit de raisons macroconomiques (inflation, croissance du PIB,) mais peuttre rsulte-t-elle dune politique agressive de la banque offrant des taux dintrts levs. Si tel est le cas, alors limpact sur la performance serait ngatif, puisque cette politique agressive pserait sur le compte de rsultat de la banque. En outre, quand bien mme cette croissance provient de facteurs macroconomiques, elle attirera invitablement des concurrents vers cette activit, ce qui entranera une baisse de profit pour tous. Nous formulerons lhypothse que la croissance annuelle des dpts a un impact positif sur la performance des banques. Nous considrons ainsi quen ces temps de crise, toute hausse des dpts nest pas le fruit dune politique agressive des banques (elles pouvaient alors difficilement se le

23 / 49

permettre), mais plutt lie des facteurs macroconomiques et/ou psychologiques (baisse de la consommation, volont dpargner pour faire face des lendemains incertains). Or, nous ne pensons pas que largument dvelopp plus haut sur laugmentation de la concurrence tienne : dune part, la priode considre est trop courte pour voir arriver un grand nombre de nouveaux concurrents, et dautre part, il nest pas vident, malgr une hausse des dpts, de trouver le secteur bancaire attractif en cette priode 2007-2009. Le ratio des dpts sur les actifs : il peut tre intressant, dans la continuit de la variable prcdente, de connatre limpact du niveau des dpts sur la performance des banques. Nous formulons lhypothse quun ratio lev a un impact positif sur la performance des banques, en considrant que cela rduit le risque de liquidit et de faillite encourue par les banques. Les cots de financements : nous mesurons cette variable par le ratio des dpenses dintrts aux clients sur le montant total des dpts des clients. Nous formulons lhypothse que les cots de financement impactent ngativement la performance des banques, en ce quils psent sur leur profitabilit. La diversification : nous mesurons le degr de diversification par le ratio des revenus non lis aux intrts (i.e. les commissions, honoraires, pourcentages de transaction,) sur le revenu oprationnel total. Nous avons vu que les travaux sur le sujet aboutissaient des rsultats assez contrasts : dun ct les honoraires et frais de transaction sur des activits comme le M&A sont bien plus levs que les marges dgags par lactivit de crdit. Dans son livre The big short, Michael Lewis explique dailleurs trs bien quune des explications dun boom des activits de march sur les obligations et plus particulirement sur les subprimes est la profitabilit bien plus intressante que gnrent ces activits, compares lactivit classique de crdit. En ce sens, nous pourrions considrer que la diversification a un impact positif sur les profits et la performance. Nanmoins, nous formulerons lhypothse selon laquelle limpact fut ngatif. En effet, la crise financire a gel toutes les transactions en cours (M&A, IPO,), les marchs se sont brutalement clos, et ce pendant plusieurs mois. En consquence, nous croyons que les banques qui avaient fortement diversifi leurs activits ont vu brutalement leurs revenus se tarir en 2007 puis 2008. A linverse, nous croyons que le s banques qui sont restes proches de leurs activits traditionnelles, si elles ont bien videmment aussi souffert, ont peut-tre t les premires bnficier du retour de la confiance et de loctroi de crdits. Nous verrons si nos rsultats confirment cette hypothse. Lge des banques : nous intgrerons cette variable dans notre analyse en utilisant des dummy variables. Nous sparerons les banques en quatre groupes : celles cres avant 1900 (valeur : 4), celles cres entre 1900 et 1945 (valeur : 3), celles cres entre 1945 et 1980 (valeur : 2) et celles cres depuis 1980 (valeur : 1). Cette variable nayant que trs rarement t analyse dans la littrature, nous pensons quil peut tre intressant de lintgrer, afin de contribuer lavance de la rechercher sur ce sujet. Nous formulons lhypothse quune banque ancienne aura su mieux rsister la crise, notamment par lexprience quelle a pu tirer dautres crises par le pass. En outre, les banques les plus anciennes jouissent peut-tre dune rputation plus solide, ce qui fait quen priode de crise, elles ont pu tre moins touches par la dfiance gnralise (moins vis--vis des autres banques, puisquune ancienne banque comme Lehman Brothers a fait faillite, que vis--vis des dposants). La nationalit : nous utiliserons une variable indicatrice, qui prendra la valeur 0 si au moins 50% des actions de la banque sont dans des mains non-franaises, et 1 sinon. Il nest pas garanti que cette variable ait rellement un impact sur la performance des banques, mais nous pensons quil peut tre utile de le vrifier. Nous formulons lhypothse selon laquelle les banques majoritairement aux mains de personnes trangres sont moins profitables que les autres, en ce que ces actionnaires pourraient

24 / 49

tre moins familiers avec le systme conomique, culturel, lgal franais et donc arriver moins tirer partie de toutes ses potentialits. La performance de la banque en 2006 : Beltratti et Stulz (2009) ont montr que les banques dont le cours de bourse tait le plus soutenu en 2006 sont celles qui ont le plus soufferts de la crise par la suite. Nous souhaitons vrifier avec nos donnes cette information, mais en ne considrant pas le cours de bourse 2006 ou la croissance du cours de bourse sur lanne 2006, mais les performances de la banque en 2006, telles que mesures par le ROA. Se basant sur les travaux de ces chercheurs, nous formulons lhypothse que la performance des banques en 2006 impacte ngativement la performance sur les annes suivantes. La part de march : nous mesurons la part de march par la part des actifs de la banque sur le total des actifs du systme bancaire franais de dtail . Nous calculons ce total des actifs en sommant les actifs de toutes les banques retenues dans notre chantillon. En lien avec la littrature existante, nous formulons lhypothse selon laquelle la part de march impact ngativement la performance des banques. Ce faisant, nous considrons en fait que les petites banques pour grandir se doivent doctroyer des crdits des individus ou entreprises plus risques, mais que ce risque est compens par des taux dintrts suprieurs. Le degr dindpendance vis--vis des actionnaires : comme nous lavons vu prcdemment, des recherches ont montr que les banques dont la direction est le plus proche des actionnaires ont connu des performances pires que les autres pendant la crise. Nous souhaitons vrifier cette affirmation sur les banques franaises. Pour cela, nous aurons recours lindicateur BvD fourni par Bankscope. Il mesure le degr dindpendance de la banque envers ses actionnaires et peut prendre quatre valeurs : A, B, C ou D. 4 signifie quaucun actionnaire priv ne possde plus de 25% de la banque 3 signifie quil existe au moins un actionnaire priv possdant plus de 25% des actions de la banque, mais quaucun ne dpasse les 50%. 2 signifie quil existe un actionnaire priv possdant directement ou indirectement plus de 50% des actions de la banque. 1 signifie quil existe un actionnaire priv possdant directement plus de 50% des actions de la banque. Nous formulons lhypothse selon laquelle un degr dindpendance lev a eu un impact positif sur les performances des banques. La croissance du PIB : nous avons bien conscience que la croissance du PIB nest pas une variable inhrente aux banques, mais bien videmment une variable macroconomique. Nous souhaitons toutefois lintgrer notre analyse, car nous pensons quelle peut influer sensiblement sur la performance des banques. En effet, en priode de forte croissance, la consommation et les investissements reprennent, ainsi que les activits de M&A, IPO, missions dobligations Ce nest dailleurs pas un hasard si la trs grande majorit des tudes intgre la croissance du PIB comme variable indpendante. Nous formulons lhypothse selon laquelle une croissance leve du PIB impacte positivement la performance des banques.

25 / 49

4) Donnes et mthodologie
a. Donnes
Nous avons obtenu la grande majorit de nos donnes partir de la base de donnes Bankscope, conue et mise jour par Fitch, IBCA et Bureau Van Dijk. Toutes les donnes comptables proviennent de cette base de donnes. Cette base fournit galement quelques capitalisations boursires, mais les donnes sont en USD et non exhaustives. Nous avons donc regroup les informations du site www.daily-bourse.fr et les rapports annuels des banques cotes, pour connatre leur capitalisation la fin de chaque anne dtude. Cela explique pourquoi les chiffres sont partout en US dollars, sauf la capitalisation boursire qui est en euros. En outre, nous avons eu recours la Banque Mondiale pour connatre la croissance du PIB sur les diffrentes annes tudies. Rappelons que notre analyse porte sur 2007, 2008 et 2009 : - 2007, anne o la crise a dbut, avec des tensions sur la liquidit ds le mois daot. - 2008, anne de propagation de la crise de liquidit, purement financire vers une crise de confiance qui paralyse toutes les banques et vers une crise de lconomie relle. - 2009, anne de propagation de la crise dans lconomie relle ; premires mesures des pouvoirs publiques pour endiguer la crise. Nous ne prenons pas en compte lanne 2010 dans notre tude pour deux raisons principales : - A lheure de rdaction de ce mmoire, de nombreuses banques nont pas encore publi leurs rapports annuels et se focaliser uniquement sur les banques pour lesquelles nous disposons des donnes 2010 rduirait par trop notre chantillon. - Ds 2010, les rsultats de nombreuses banques sont retourns au vert, bnficiant notamment des effets des vigoureuses mesures de soutien du gouvernement. Nous souhaitons tudier la performance des banques pendant la crise, per se, sans tre contamin par des aides, inhabituelles, des pouvoirs publics. Dveloppons prsent les critres auxquels nous avons eu recours pour dterminer les banques devant figurer dans notre analyse. Tout dabord, nous avons rassembl lensemble des banques de dtail oprant en France figurant sur Bankscope. Pour ce faire, nous avons rcupr les banques ranges sous les catgories Commercial Banks et Savings Bank , mais avons galement parcouru lensemble des autres banques, pour rcuprer dautres banques de dtail, tel Boursorama, qui tait par erreur rang parmi les banques dinvestissement. Notons que nous incluons dans ce groupe les banques qui ont une activit de prts mais pas de dpts pour les clients, car elles se refinancent uniquement sur les marchs financiers. Nous avons ensuite rduit cet chantillon en y enlevant toutes les banques dont lactivit principale ntait pas celle dune banque de dtail (dpts et octroi de crdits), savoir : - les banques prives, telles Quivest (les seuls octrois de crdits sont pour le financement de yachts ou davions privs, et reprsentent une part marginale de leurs activits) - les banques de crdit-bail, tel Cofitem - les banques qui nont pas de relle activit de prts mais se contentent plutt doctroyer des garanties, telle IFCIC, linstitut pour le financement du cinma et des industries culturelles - les banques dinvestissement, ranges par erreur dans les banques de dtail, telle CIC Capital Finance

26 / 49

les banques qui ne publient pas leurs bilans, telle Bank of America National Association les courtiers, tel Newedge Group les dpositaires et gardiens, telle la banque CACEIS les socits daffacturage, tel GE FactoFrance les banques qui noprent que partiellement en France, et pour lesquelles nous ne disposons pas de donnes sur leurs activit France , tel Dexia

Nous avons ensuite retrait les banques, non pas en fonction de leurs activits, mais des donnes disponibles. Ainsi, nous avons notamment limin toutes les banques pour lesquelles nous navions pas le ROAE, le ROAA ou le NIM pour 2007, 2008 et 2009. Pour finir, nous avons choisi dliminer les comptes consolids, lorsque des comptes de banques filiales taient dans lchantillon. Cela prsente un double avantage : augmenter le nombre de banques dans notre chantillon et obtenir un chantillon de meilleure qualit (les comptes consolids de BNP Paribas ou de la Socit Gnrale, par exemple, incluent leurs activits de banque dinvestissement, qui ne nous intressent pas). En outre, cette mthode nous garantit que toutes les banques dans notre chantillon ne sont bien comptes quune seule fois. In fine, notre analyse porte sur 153 banques. Nous disposons donc pour la trs grande majorit de nos variables de 459 observations, hormis pour des variables telles Tier1, TierT ou Fin pour lesquelles pas autant dobservations ntaient disponibles. Nous avons bien russi cibler les banques de dtail, puisque la moyenne de la part de leurs revenus provenant des intrts slve 59,8%. Les tableaux 2 et 3 ci-aprs prsentent les principales donnes statistiques sur les variables tudies.

27 / 49

Tableau 2
Variable Moyenne Ecart-type Premier quartile (25%) Mdiane Troisime quartile (75%) ROAA 0,56 0,70 0,34 0,61 0,91 ROAE 9,01 25,52 4,38 6,38 9,39 NIM 2,24 1,71 1,55 1,98 2,69 Taille (1) 15 142 357 25 006 680 1 728 564 9 025 298 17 252 942 Taille (2) 6,77 0,66 6,24 6,96 7,24 Taille (3) 1,97 1,00 2,00 3,00 Ratio de capitalisation 9,79 6,15 6,53 9,27 11,52 Ratio de fonds propres de base Tier 1 14,68 11,47 9,58 11,80 14,90 Ratio des fonds propres totaux 18,06 15,60 11,11 14,38 15,90 Capitalisation boursire 188 712 115 173 085 928 81 237 371 108 169 043 254 372 763 Cotation sur un march 0,12 0,00 0,00 0,00 Liquidit (1) 68,25 17,70 59,30 74,68 81,17 Liquidit (2) 24,67 21,28 9,09 17,53 33,04 Qualit du crdit (1) 4,47 4,13 1,77 3,23 5,80 Qualit du crdit (2) 82,85 82,33 53,80 63,26 72,64 Efficacit oprationnelle 64,06 12,98 55,28 64,24 71,81 Croissance annuelle des dpts 16,87 28,82 6,57 10,09 15,43 Ratio des dpts sur les actifs 45,28 23,61 24,39 51,00 62,63 Cots de financement 5,48 33,86 1,40 2,08 2,89 Diversification 40,21 13,12 35,00 41,83 46,57 Age des banques 3,00 2,00 3,00 4,00 Nationalit 0,92 1,00 1,00 1,00 Performance des banques en 2006 0,80 0,54 0,52 0,79 1,10 Degr d'indpendance vis-vis des actionnaires 2,42 1,00 2,00 4,00 Note : ce tableau a t obtenu partir des donnes de l'chantillon tudi. Pour chaque variable et chaque banque, la moyenne a t calcule pour la priode 2007-2009. Ces moyennes ont servi au calcul des informations statistiques cidessus.

28 / 49

Tableau 3
Variable Moyenne 2007 Moyenne 2008 Moyenne 2009 ROAA 0,76 0,56 0,36 ROAE 8,97 7,43 10,71 NIM 2,39 2,21 2,09 Taille (1) 14 203 276 14 875 324 16 348 472 Taille (2) 6,75 6,77 6,79 Taille (3) 1,94 1,98 1,98 Ratio de capitalisation 10,36 9,07 9,93 Ratio de fonds propres 16,43 12,36 11,83 de base Tier 1 Ratio des fonds propres 20,27 16,52 15,73 totaux Capitalisation boursire 236 447 523 128 153 991 201 534 831 Cotation sur un march Liquidit (1) Liquidit (2) Qualit du crdit (1) Qualit du crdit (2) Efficacit oprationnelle Croissance annuelle des dpts Ratio des dpts sur les actifs Cots de financement Diversification Age des banques Nationalit 0,12 67,83 24,66 3,56 93,93 62,76 33,40 45,84 5,53 41,62 3,00 0,92 0,12 68,26 25,08 4,46 83,14 66,57 9,26 44,65 7,45 39,49 3,00 0,92 0,12 68,65 24,26 4,89 72,95 63,08 9,25 45,35 1,88 39,54 3,00 0,92

Arrtons-nous un instant sur ces deux tableaux. Tout dabord, nous pouvons remarquer la trs grande htrognit des banques dans notre chantillon. En effet, les cart-types sont assez levs, et les donnes des quartiles nous indiquent que la dispersion est importante. Par exemple, le ratio de capitalisation prsente une moyenne de 9,79 % mais nous voyons dans le mme temps que pour un quart des banques, ce ratio est infrieur 6,53 %, et pour un autre quart, il est suprieur 11,52 %. Il en va de mme pour le ROAA, dont la moyenne sur les trois annes slve 0,56 %, mais avec un quart des banques en dessous de 0,34 % et un quart au-dessus de 0,91 %. Les donnes brutes sont encore plus loquentes, puisque les ROAA schelonnent en fait entre -5,14 % et 2,13 %. Deuximement, nous pouvons vrifier la qualit de notre chantillon, dont le processus de slection vient dtre dcrit. Le degr de diversification, mesur par la part du revenu des banques qui ne provient pas des intrts, slve en moyenne, sur les trois annes dtude, 40,21 %. La dispersion autour de cette moyenne est relativement faible, puisque dune part, lcart-type est faible (13,12 %) et que dautre part, les premiers et troisimes quartiles que la mdiane se situent autour de la moyenne. Ensuite, le tableau 3 qui restitue les moyennes des banques annes aprs anne pour chacune des variables, nous permet de saisir pleinement limpact de la crise sur les comptes de rsultat et les bilans des banques. Ainsi, le ROAA, en moyenne 0,76 % en 2007, ne cesse de dcrotre, passant

29 / 49

0,56 % en 2008 et 0,36 % en 2009. Le NIM connat le mme sort, slevant 2,39 % en 2007 contre 2,09 % en 2009. Il est intressant de relever que lvolution du ROAE est sensiblement diffrente : aprs avoir chut en 2008, passant de 8,97 % 7,43 %, le ROAE sest redress en 2009 pour atteindre 10,71 %. Comme nous lavions expliqu, le ROAE peut tre dcompos en ROAA et en multiple bancaire des capitaux propres, qui reflte le levier financier de la banque. Ainsi, la forte croissance du ROAE en 2009 ne signifie pas ncessairement une amlioration soudaine de la performance, mais peut dcouler dune augmentation du levier financier cette anne-l. Terminons par une dernire remarque sur le tableau 3. Nous observons une nette dgradation des variables en 2008 : le ratio de capitalisation, le ratio des prts non-performants sur les prts totaux, la croissance annuelle des dpts, la capitalisation boursire tous ces indicateurs tmoignent de la survenance de la crise, qui frappe alors de plein fouet le secteur financier. Sur lanne 2009, si certaines variables continuent de ce dgrader, linstar du ratio de crdit, nous pouvons constater une certaine stabilisation dun grand nombre dindicateurs. Par exemple, alors que la croissance annuelle des dpts tait passe de 33,40 % 9,26 % en 2008, elle se stabilise 9,25 % en 2009. Le ratio de capitalisation samliore mme, atteignant 9,93 % en 2009 alors quil slevait 9,07 % en 2008.

Pour finir cette sous-partie consacre aux donnes que nous avons utilises, quelques commentaires sur la matrice de corrlation (Tableau 4) prsente ci-aprs : Pour certains paramtres (taille, liquidit ou qualit du crdit), nous avons eu recours plusieurs variables, ne sachant laquelle tait la plus pertinente dans lanalyse du paramtre concern. A cet gard, il est intressant de relever les corrlations entre ces variables. Si elles taient interchangeables, sans que lune ne soit plus utile quune autre pour analyser limpact du paramtre, nous aurions une corrlation de 1. A linverse, une faible corrlation (proche de 0), voire une corrlation ngative, signifierait que ces variables traduisent en ralit des paramtres diffrents et ne sont pas interchangeables. Pour la taille, la corrlation entre T1 et T2 est de 0,68, celle entre T1 et T3 est de 0,57, et celle entre T2 et T3 de 0,90, tous trois statistiquement significatifs au niveau de confiance 95%. Il semblerait donc que T2 et T3 soient assez proches, mais quelles sloignent lgrement de T1. Cela explique srement pourquoi de nombreuses tudes prfrent avoir recours des dummy variables ou au logarithme du total des actifs plutt quau total des actifs directement. Ce dernier souffre peut-tre dune trop grande dispersion, qui altre la qualit de lanalyse. La corrlation entre L1 et L2 est de -0,77, statistiquement significatif au niveau de confiance 95%. Ce chiffre ne nous surprend nullement. En effet, L1, qui reprsente le ratio des prts sur le total des actifs, est une mesure de lilliquidit de la banque, tandis que L2, ratio des actifs liquides sur les dpts des clients et passifs court-terme, mesure de faon positive la liquidit de la banque. Le chiffre lev de la corrlation, en valeur absolue, nous indique que ces deux variables sont proches. Nous nous attendons donc ce que limpact de ces deux variables sur la performance des banques soit galement proche. Enfin, la corrlation entre C1 et C2 est de -0,20, statistiquement significatif au niveau de confiance 90%. Cette corrlation est trs faible, signe que ces variables sont presque indpendantes. Ces deux variables mesurent donc deux choses diffrentes. A y regarder de plus prs, C1, ratio des prts non performants sur le total des crdits accords, mesure la qualit du crdit, mais de faon ngative. Nous pourrions dire que cest une mesure de la non-qualit du crdit. En revanche, C2, ratio des provisions pour pertes de crances sur les prts non performants, mesure davantage le degr de prparation de la banque, en cas dematrialisation dun dfaut sur des crdits : plus ce ratio est

30 / 49

Tableau 4

Nat Perf06 MS Dp Age Div Fin Eff Dpts D/A C2 C1 L2 L1 Cote Tier1 TierT K RC T3 T2 T1 Variables NIM ROAA ROAE 1 NIM 1 0,08* ROAA 1 0,01 -0,64** ROAE 1 -0,11** -0,03 -0,03 T1 1 0,00 -0,09* 0,68** -0,24** T2 1 -0,27** -0,03 -0,07 0,57** 0,90** T3 1 -0,03 0,22** -0,18** -0,17** -0,19** -0,10** RC 1 0,21 -0,25 -0,20 -0,48** -0,34** 0,80** -0,28* Tier1 1 0,06 -0,33** -0,23 -0,53** -0,40** 0,77** 0,99** -0,10 TierT 1 0,03 0,02 0,19 -0,09 0,20 0,37** 0,28** K 1 0,08 0,03 -0,02 -0,04 0,10** -0,01 -0,01 0,15** 0,16** Cote 1 0,01 -0,28 -0,25 -0,21 0,19** 0,00 0,02 0,06 -0,04 -0,17** 0,27** L1 1 0,04 -0,14** -0,14** 0,10** -0,32 0,12 0,20 -0,22** -0,77** 0,01 -0,03 -0,02 L2 1 0,01 0,08 0,15** 0,05 -0,23 -0,26 -0,51 0,48** -0,23** 0,21** -0,25** -0,52** -0,49** C1 1 0,09 -0,09 -0,20** -0,06 -0,02 -0,22 0,15 -0,77 -0,08 0,07 -0,07 -0,10 0,08 0,03 C2 1 0,05 -0,05 -0,04 -0,30** -0,36 -0,10 -0,09 -0,17** -0,23** 0,12** 0,02 0,09** -0,07 0,02 -0,31** Eff 1 0,01 -0,06 -0,06 -0,05 0,00 0,08* 0,10** 0,09* 0,08* -0,50 -0,47 0,20 -0,04 -0,02 0,14** -0,05 Dpts 1 0,00 0,04 -0,08 0,34** 0,02 -0,06 0,13** -0,07 -0,19** -0,22** -0,23** -0,18 -0,19 0,45 -0,18** -0,36** 0,27** D/A 1 -0,08 0,20** 0,46 0,41 0,09 -0,02 -0,12** -0,09 -0,19** -0,04 -0,18** -0,03 -0,14** 0,04 -0,01 -0,04 -0,13** -0,05 Fin 1 -0,04 0,10* 0,01 -0,25** -0,12* 0,07 0,15** -0,07 0,01 0,08* 0,16** 0,15** -0,09* 0,54 0,27 0,37 0,16** -0,25** 0,13** Div 1 -0,03 -0,13** 0,33** 0,00 -0,07 0,05 -0,11** -0,12* 0,00 0,05 0,37** 0,38** -0,12** -0,20 -0,23 -0,34 0,19** 0,00 0,06 -0,22** Age 1 0,01 0,31** 0,26** -0,04 0,04 0,15** -0,26** -0,13** 0,03 0,09** -0,05 0,02 0,14** 0,24** 0,25** -0,14** 0,12 0,10 0,24 -0,06 -0,01 Nat 1 0,06 0,29** 0,06 0,12** -0,05 0,07 0,05 0,11 -0,40** 0,06 -0,05 -0,07 -0,10** 0,27** 0,23 0,05 -0,01 0,13** 0,09* -0,15** 0,15** 0,37** Perf06 1 -0,07 -0,03 0,09* 0,05 0,14** -0,05 0,04 -0,25** -0,07 0,10** 0,09* -0,11** -0,03 -0,03 1,00** 0,68** 0,57** -0,18** -0,20 -0,23 0,19 -0,01 -0,17** MS 0,04 0,38** 0,42** 0,11** -0,02 0,10 -0,23 0,14** 0,10** -0,18** -0,34** -0,04 -0,05 -0,03 -0,19** -0,06 0,12** 0,50** 0,28** 0,06 0,05 1 0,00 0,02 -0,13** Dp Note : ce tableau a t obtenu partir des donnes des trois annes d'tude. Les valeurs en gras sont statistiquement significatives, au niveau de confiance de 90% (suivies par *) ou de 95% (suivies par **).

31 / 49

lev, plus la banque a mis de ct pour faire face dventuelles pertes. La matrice de corrlation nous permet donc daffiner notre comprhension des variables, avant de commencer lanalyse de leur impact sur la performance des banques. Nous remarquons que pour les variables Tier1, TierT et K, aucune corrlation (hormis celle entre Tier 1 et TierT), nest statistiquement significative. Nous disposons en effet de peu dobservations sur ces variables, ce qui rend lexploitation des rsultats incertains. Il en est de mme pour la variable C2 (hormis la corrlation avec C1). Il est trs probable que ces variables se rvlent galement non statistiquement significatives lors de lanalyse de la rgression, et que nous ne puissions donc nous prononcer quant leur impact sur la performance des banques.

b. Mthodologie
Dans la ligne de la littrature existante, nous procderons une rgression linaire. Le choix dun type de fonction a fait lobjet dtudes, notamment de la part de Short (1979), et les rsultats montrent quune analyse linaire produisait des rsultats aussi bons qu partir de nimporte quelle autre type de fonctions . Ce modle fonctionne ainsi :

, = +
=1

, + ,

, reprsente la performance de la banque i pour lanne t (mesure par le ROAA, le ROAE et le NIM), c est une constante, , sont les variables indpendantes dcrites prcdemment, et , reprsente lerreur. Une simple rgression linaire prsente toutefois un inconvnient. Elle ne prend pas en compte le problme de la persistance, tel que dcrit par Berger et al. (2000). Comme lexpliquent les auteurs, les performances des banques ont tendance persister dune anne sur lautre, par la conjonction de trois facteurs : la sensibilit de la banque des chocs rgionaux et/ou macroconomiques ; le manque de transparence dans lconomie ; une concurrence encore trop faible entre les banques. Afin de contrecarrer ce phnomne de persistance, les auteurs ayant tudi limpact de paramtres sur les performances des banques ont rajout au modle linaire une composante : la performance de lanne prcdente. Ainsi, linstar de Athanasoglou et al. (2008), notre modle devient :

, = + ,1 +
=1

, + ,

Lorsque , en valeur absolue, est lev (autour ou suprieur 1), cela signifie que la persistance des profits est trs forte et que les facteurs que nous avons mentionn (et en particulier le manque de concurrence) sont trs importants. A linverse, un proche de 0 est le signe dune absence de persistance de la performance. En introduisant ce paramtre, nous amliorons la qualit des rsultats quant limpact des diffrents paramtres sur la performance, puisque ces rsultats ne seront pas pollus par ce phnomne de persistance.

32 / 49

Pour finir cette prsentation de la mthodologie que nous avons utilise, prcisons que pour chacune des mesures de la performance (ROAA, ROAE et NIM), nous avons effectu trois rgressions linaires multiples. En effet, nous appuyant sur les travaux de recherche dj publis, tel Naceur et al. (2010), nous prfrons faire varier le nombre de variables dans ces rgressions, afin dobtenir des rsultats plus concluants. Nous avons opt pour trois types de rgression : (1), (2), et (3). (1) prend en compte uniquement les variables sur lesquelles les banques peuvent agir (telles la taille, le ratio de capitalisation ou le fait dtre ct ou non), sans y inclure de variables redondantes (nous avons ainsi choisi L1 et C1 mais exclu L2 et C2), et pour lesquelles nous disposions de la totalit des 459 observations. (2) prend en compte uniquement les variables sur lesquelles les banques peuvent agir. Nous supprimons alors les deux contraintes supplmentaires prcdentes. (3) prend en compte lensemble de nos variables.

33 / 49

5) Rsultats
a. Caractristiques des banques les plus profitables et les moins profitables
Avant de procder la rgression proprement dite, nous avons trouv opportun, nous inspirant des travaux de Beltratti et Stulz (2009), dexaminer les diffrences notoires entre les banques les plus profitables (mesur par le ROAA) et celles qui le sont le moins. Les rsultats figurent en page suivante dans le tableau 5. Il est important de souligner que seules les diffrences notoires, cest--dire statistiquement significatives, peuvent tre exploites. Pour les autres, mme si les moyennes peuvent sembler assez diffrentes, linstar de celles de la variable C2 (114,382 vs. 67,811), la dispersion importante des valeurs, que prend en compte la valeur t, nous permet daffirmer quil nest pas possible de rejeter lhypothse selon laquelle les deux moyennes sont gales. Rappelons quil nest jamais possible en statistique daccepter une hypothse, on la rejette ou on ne la rejette pas. Par consquent, ne pas rejeter nentrane pas que nous devions considrer ces deux moyennes comme gales. Nous nous bornerons affirmer que nous ne pouvons pas affirmer quelles soient diffrentes. La probabilit critique, trs leve (0,978), nous informe que si lon tirait alatoirement, 100 fois, des chantillons des deux quartiles, nous pourrions observer 97,8 cas o les diffrences de moyennes seraient simplement dues au hasard. Toutefois, lorsque les probabilits critiques sont aussi leves, force est de reconnatre quil est trs probable que ces deux moyennes soient peu prs similaires. Quelles leons pouvons-nous donc tirer de ce premier tableau ? En premier lieu, nous pouvons noter que le ratio de capitalisation, le risque de crdit, les cots de financement, le degr de diversification, lge, la nationalit ou le degr dindpendance des dirigeants ne semblent pas tre sensiblement diffrents entre les deux groupes tudis. Ne pouvant nous prononcer avec trop de certitudes sur ces donnes non statistiquement signicatives, examinons plus en avant les autres variables. Nous remarquons demble que les trois variables de la taille nous indiquent les mmes rsultats. Nous nous y attendions certes, mais il nest pas inutile de le souligner, car ce nest pas ncessairement, du moins sur la seule base de ce premier tableau, le cas pour dautres variables, telle la liquidit. Ce qui est trs surprenant est lampleur de la diffrence entre le groupe le plus performant et celui le moins performant. Alors que dans le premier, la taille moyenne se situe autour de 7,5 Mds USD, elle approche les 18 Mds USD dans le groupe le moins performant ! Ce premier tableau ne montre certes aucune relation formelle de

34 / 49

Tableau 5
Variables ROAA ROAA t-1 T1 T2 T3 RC Tier1 TierT K Cote L1 L2 C1 C2 Eff Dpts D/A Fin Div Age Nat Perf06 MS Dp PIB Moyennes des banques dans le meilleur quartile (75 - 100%) 1,222 1,163 7 449 147 6,475 1,565 11,569 24,733 26,500 250 886 442 0,174 69,396 23,372 5,182 114,382 56,938 16,656 47,852 14,157 43,463 2,991 0,913 1,185 0,334 2,130 0,576 Moyennes des banques dans le plus mauvais quartile (0 - 25%) -0,224 0,269 17 772 925 6,801 2,026 8,763 11,790 17,985 235 621 217 0,035 65,517 28,545 5,084 67,811 74,407 23,238 46,660 2,709 37,311 2,704 0,896 0,418 0,756 2,139 -0,697 Test d'galit des moyennes : valeurs t et probabilits critiques -0,001 (0,999) 0,003 (0,998) -7,313*** (0,000) -7,233*** (0,000) -9,533*** (0,000) 0,006 (0,995) -0,005 (0,996) -0,040 (0,969) 0,002 (0,998) 0,992 (0,322) -0,051 (0,960) -3,108*** (0,002) -0,002 (0,998) 0,027 (0,978) -19,996*** (0,000) -1,507 (0,133) -0,244 (0,808) 0,047 (0,963) 0,076 (0,939) -0,094 (0,926) 0,010 (0,992) 0,884 (0,378) -6,741*** (0,000) -0,098 (0,922) -0,106 (0,916)

Note : nous avons procd au test t de Student afin de dterminer si les moyennes observes taient statistiquement significativement diffrentes entre le premier et le dernier quartile. Les moyennes statistiquement significativement diffrentes figurent en gras ; en dernire colonne figurent les valeurs de t et, entre parenthses, les probabilits critiques (pvalues) associes ; *** indique un niveau de confiance de 99%.

35 / 49

causalit entre des variables indpendantes (telle la taille) et la variable dpendante (la performance, ici mesure par le ROAA). Nous navons l quun constat : les banques les plus performantes sont en moyennes moins grosses que les banques les moins performantes. Pouvons-nous aller demble plus loin et affirmer que la taille impacte ngativement les performances des banques ? Il nous semble que cela serait aller trop vite, et que les rgressions prsentes plus loin dans les tableaux 6, 7 et 8 seront mieux mme de rpondre cette question. Il nen demeure pas moins que cet cart de taille est assez troublant. La deuxime variable pour laquelle nous disposons de moyennes significativement diffrentes est la liquidit, mesure par le ratio des actifs liquides sur les dpts des clients et passifs court-terme. Nous pouvons constater que ce ratio est lgrement plus faible dans le groupe des meilleures banques. Nous verrons par les rgressions monteront au contraire un effet positif de la liquidit sur les performances des banques, ce qui renforce notre prudence dveloppe au paragraphe prcdent. Nous pouvons toutefois tre surpris par les diffrences de moyennes concernant lefficacit oprationnelle, cest--dire le ratio des cots oprationnels sur le revenu oprationnel de la banque. Il slve 57% pour le groupe le plus performant, contre 74% pour le moins performant. Ces rsultats fort tonnants premire vue, doivent nous rappeler que les leviers de la performance des banques sont multiples, et quune banque peut trs bien tre performante, quand bien mme son efficacit oprationnelle est faible. Dautres leviers doivent alors tre exercs pour compenser cette moindre efficacit, et il semblerait que ce soit l le chemin suivi par les meilleures banques. Enfin, nous pouvons voir que la part de march des meilleures banques est lgrement moindre (0,334%) que celles des plus mauvaises (0,756%). Cette premire sous-partie reposait sur une description trs statique des donnes : voil les caractristiques principales des banques les plus et les moins performantes. Nous ne pouvons toutefois affirmer laune de cette seule prsentation, que telle ou telle variable impacte positivement ou ngativement les banques. Pour ce faire, seules des rgressions portant sur lensemble des donnes notre disposition nous permettront de laffirmer.

b. Rgressions multiples
Les principaux rsultats de nos analyses figurent dans les tableaux 6, 7, 8 des pages suivantes. Il ne va pas sagir dans cette partie de reprendre ligne par ligne lensemble de ces tableaux afin de les commenter. Nous allons plutt mettre en avant des rsultats qui nous semblent significatifs, et qui nous permettront de rpondre aux hypothses formules en partie 3. En outre, nous renvoyons le lecteur aux parties 2 et 3 pour obtenir des explications sur les causes conomiques/ business des signes des coefficients. La premire remarque quil nous semble opportune de formuler est la suivante : les coefficients affects chacune des variables sont de mme signe pour chacun des trois types de rgressions, mais peuvent tre trs diffrent selon que la mesure de la performance soit le ROAA, le ROAE ou le NIM. La prsence de coefficients similaires dans les rgressions (1), (2) et (3) est rassurante, en ce quelle correspond nos attentes, et tmoigne, dune certaine faon, de la solidit des rsultats. En revanche, les rsultats trs disparates dans les tableaux 6, 7, 8 surprend. Comment expliquer ces diffrences ? Lexplication rationnelle qui nous vient lesprit rside dans les diffrences inhrentes ces trois indicateurs de la performance. Sous un mot commun, performance , et en sinspirant en

36 / 49

Tableau 6
Rgression sur le ROAA
Variables ROAA t-1 T1 T2 T3 RC Tier1 TierT K Cote L1 L2 C1 C2 Eff Dpts D/A Fin Div Age Nat Perf06 MS Dp PIB Constante R ajust F DW p-value -0,201 (0,881) 0,289 9,855 1,978 < 0,0001 -0,850 (0,442) 0,333 13,014 1,944 < 0,0001 -0,141** (0,014) -0,039 (0,220) 0,006 (0,304) -0,014** (0,042) -0,004*** (0,001) -0,003 (0,478) -0,074*** (0,000) -0,027 (0,930) -0,005 (0,268) 0,059*** (0,000) 0,199 (0,184) (1) 1,042*** (0,000) Type de rgression (2) 0,815*** (0,000) 0,000 (0,889) 0,073 (0,655) -0,075 (0,504) 0,015** (0,038) 0,005 (0,835) -0,012 (0,474) 0,000 (0,228) 0,046 (0,711) 0,013*** (0,001) 0,012*** (0,000) -0,088*** (0,000) -0,001 (0,223) -0,009*** (0,007) -0,002*** (0,009) 0,000 (0,832) 0,001 (0,495) 0,007** (0,023) (3) 0,896*** (0,000) 0,000 (0,308) 0,053 (0,746) -0,083 (0,456) 0,018** (0,016) 0,004 (0,890) -0,012 (0,484) 0,000 (0,167) 0,008 (0,951) 0,012*** (0,002) 0,010*** (0,001) -0,087*** (0,000) -0,001 (0,197) -0,010*** (0,005) -0,002*** (0,005) 0,000 (0,939) 0,001 (0,519) 0,008** (0,031) 0,071 (0,133) -0,136 (0,379) -0,142 (0,278) -0,562 (0,333) -0,056 (0,114) 0,042* (0,061) -0,576 (0,603) 0,339 10,781 1,954 < 0,0001

Note : entre parenthses figurent les probabilits critiques (p-values) associes chacune des variables ; les coefficients statistiquement significatifs l'intervalle de confiance 90%, 95% et 99% sont en gras et suivis respectivement de *, ** et *** ; F est le test de Fisher et reprsente le rapport entre la variance de la variable dpendante explique et nonexplique par le modle de rgression; DW est le coefficient de Durbin-Watson, il correspond au coefficient d'autocorrlation d'ordre 1 et permet de vrifier que les rsidus du modle ne sont pas autocorrls, sachant que l'indpendance des rsidus est l'une des hypothses de base de la rgression linaire; p-value est la probabilit critique pour l'ensemble de la rgression.

37 / 49

Tableau 7
Rgression sur le ROAE
Variables ROAE t-1 T1 T2 T3 RC Tier1 TierT K Cote L1 L2 C1 C2 Eff Dpts D/A Fin Div Age Nat Perf06 MS Dp PIB Constante R ajust F DW p-value 168,039** (0,017) 0,150 4,849 1,996 < 0,0001 149,571*** (0,009) 0,091 3,418 2,105 < 0,0001 6,140** (0,043) 3,722** (0,026) 0,319 (0,286) -0,883** (0,014) 0,107* (0,073) 0,484** (0,016) 3,241*** (0,002) -1,812 (0,912) -0,171 (0,471) -4,649*** (0,000) -15,153* (0,051) (1) -1,356*** (0,010) Type de rgression (2) -0,184 (0,474) 0,000 (0,206) -15,635* (0,067) 5,048 (0,385) -1,593*** (0,000) -1,766 (0,198) 1,273 (0,160) 0,000 (0,720) -0,806 (0,900) -0,476** (0,021) -0,355** (0,030) 3,623*** (0,000) 0,043 (0,204) -0,448** (0,012) 0,026 (0,480) 0,207** (0,043) -0,025 (0,747) 0,034 (0,838) (3) -0,688** (0,035) 0,000 (0,662) -14,357* (0,095) 6,198 (0,287) -2,135*** (0,000) -2,043 (0,138) 1,604* (0,079) 0,000 (0,680) -0,660 (0,918) -0,402* (0,054) -0,276* (0,098) 3,522*** (0,000) 0,037 (0,277) -0,354* (0,053) 0,014 (0,715) 0,220** (0,032) -0,018 (0,812) -0,073 (0,688) -1,756 (0,475) -2,403 (0,766) 14,267*** (0,009) 15,889 (0,600) 3,678** (0,048) 0,001 (0,999) 133,957** (0,021) 0,096 3,034 2,098 < 0,0001

Note : entre parenthses figurent les probabilits critiques (p-values) associes chacune des variables ; les coefficients statistiquement significatifs l'intervalle de confiance 90%, 95% et 99% sont en gras et suivis respectivement de *, ** et *** ; F est le test de Fisher et reprsente le rapport entre la variance de la variable dpendante explique et nonexplique par le modle de rgression; DW est le coefficient de Durbin-Watson, il correspond au coefficient d'autocorrlation d'ordre 1 et permet de vrifier que les rsidus du modle ne sont pas autocorrls, sachant que l'indpendance des rsidus est l'une des hypothses de base de la rgression linaire; p-value est la probabilit critique pour l'ensemble de la rgression.

38 / 49

Tableau 8
Rgression sur le NIM
Variables NIM t-1 T1 T2 T3 RC Tier1 TierT K Cote L1 L2 C1 C2 Eff Dpts D/A Fin Div Age Nat Perf06 MS Dp PIB Constante R ajust F DW p-value 0,239 (0,572) 0,937 327,445 1,722 < 0,0001 -7,526*** (0,000) 0,645 44,722 2,007 < 0,0001 -0,022 (0,228) 0,097** (0,039) -0,007*** (0,000) 0,000 (0,909) 0,001** (0,012) 0,001 (0,534) 0,006 (0,331) 0,067 (0,501) 0,001 (0,646) -0,001 (0,866) -0,004 (0,938) (1) 0,934*** (0,000) Type de rgression (2) 1,028*** (0,000) 0,000 (0,846) 0,259 (0,287) -0,012 (0,943) -0,051*** (0,000) 0,048 (0,218) 0,001 (0,973) 0,000 (0,840) 0,260 (0,151) 0,047*** (0,000) 0,035*** (0,000) -0,003 (0,896) 0,001 (0,540) 0,006 (0,188) 0,003*** (0,002) 0,007*** (0,010) 0,007*** (0,001) -0,001 (0,847) (3) 1,020*** (0,000) 0,000 (0,329) 0,274 (0,261) 0,025 (0,880) -0,057*** (0,000) 0,042 (0,274) 0,007 (0,771) 0,000 (0,932) 0,226 (0,213) 0,048*** (0,000) 0,035*** (0,000) -0,003 (0,902) 0,001 (0,542) 0,010* (0,066) 0,003*** (0,002) 0,007** (0,016) 0,008*** (0,001) -0,001 (0,784) 0,006 (0,929) -0,475** (0,038) 0,189** (0,163) -0,855 (0,317) 0,109** (0,037) -0,007 (0,829) -7,440*** (0,000) 0,647 35,940 2,037 < 0,0001

Note : entre parenthses figurent les probabilits critiques (p-values) associes chacune des variables ; les coefficients statistiquement significatifs l'intervalle de confiance 90%, 95% et 99% sont en gras et suivis respectivement de *, ** et *** ; F est le test de Fisher et reprsente le rapport entre la variance de la variable dpendante explique et nonexplique par le modle de rgression; DW est le coefficient de Durbin-Watson, il correspond au coefficient d'autocorrlation d'ordre 1 et permet de vrifier que les rsidus du modle ne sont pas autocorrls, sachant que l'indpendance des rsidus est l'une des hypothses de base de la rgression linaire; p-value est la probabilit critique pour l'ensemble de la rgression.

39 / 49

cela de nombreuses tudes, nous avons appliqu trois indicateurs. Or, raisonner ainsi occulte les diffrences quil peut exister entre eux : ces indicateurs sont des ratios qui ne refltent pas exactement la mme chose, mme si tous peuvent se prvaloir dtre des indicateurs de la performance. Une bonne faon de sen convaincre consiste regarder lvolution de ces indicateurs au cours des trois annes dtude, tel que se le proposait le tableau 3. Nous voyons bien que le ROAA et le NIM ne cessaient de dcrotre, le ROAE se redressait ds lanne 2009. Ces parcours divergents, en soi, ne veulent bien sr pas dire que le ROAE serait per se un plus mauvais indicateur que les autres, cela signifie simplement que la performance peut se mesurer de diffrente manire, et que selon la manire avec on la mesure, les rsultats peuvent tre diffrents. Au vu de ces divergences, comment interprter les diffrents coefficients des tableaux ? Nous nous proposons de raisonner de la faon suivante : sappuyant sur les nombreuses tudes sur ce sujet, nous considrons le ROAA comme lindicateur le plus fidle de la performance des banques. Nous privilgierons donc le ROAA pour tous les coefficients statistiquement significatifs. Lorsque les coefficients ne le seront pas, nous le mentionnerons et reporterons alors notre attention sur les deux autres tableaux. Entre le NIM et le ROAE, nous privilgierons le NIM, en raison des inconvnients du ROAE, prsents en partie 3.

Commenons par un mot sur la persistance de la performance. Les coefficients, significatifs 99%, tournent autour de 1, tant pour le ROAA que pour le NIM. Rappelons que la persistance reflte la sensibilit de la banque des chocs rgionaux et/ou macroconomiques, le manque de transparence dans lconomie et/ou une concurrence encore trop faible entre les banques. Ce ratio de 1, trs lev, est tout fait cohrent avec les rsultats dautres tudes, telles Goddard (2004). Nous reprendrons lexplication de cette tude qui nous semble tout fait pertinente : le secteur bancaire franais a toujours t trs rgul, ce qui constitue une barrire lentre importante, et empche la concurrence de se dployer pleinement. Nous nous rappelons les fortes diffrences de moyennes entre les banques les plus performantes et celles les moins performantes. Lorsque lon examine la rgression, nous nous apercevons que tant pour le ROAA que pour le NIM, les coefficients sont non significatifs. Cela signifie que les coefficients relevs auraient trs bien pu, par le biais du hasard, tre autres. Cette information nest pas totalement inutile, puisque que nous pouvons affirmer que sur la base des donnes notre disposition, il nexiste pas dlments de preuve pour dtecter un impact positif ou ngatif de la taille sur la performance des banques. Nous retrouvons en fait limpact ngatif pressenti avec le tableau 5, sur la rgression du ROAE. Nous voyons alors des coefficients trs ngatifs, proches de -15. Notre hypothse initiale est donc en partie confirme. Comme nous lavions dj peru lors de lanalyse des corrlations, nous ne disposons pas de suffisamment de donnes sur les ratios Tier1 et TierT pour valuer leur impact : les coefficients sont non significatifs pour cette raison. En revanche, le ratio de capitalisation a clairement un impact positif sur le ROAA. Notre hypothse initiale est donc confirme. Le ratio de liquidit L2, qui reprsente les actifs liquides sur les dpts des clients et passifs courtterme, a un impact conforme celui que nous avions suppos : positif. Il est trs intressant de noter que le ratio L1, que nous avions dfini comme un ratio dilliquidit, en ce que les prts taient des ressources non mobilisables rapidement par la banque, a galement un impact positif sur la performance. La liquidit, mesure par L2, a donc un impact positif sur la performance, mais cela nempche pas le ratio L1, qui ne mesure pas purement lilliquidit (il nest pas linverse exact du ratio L2), davoir aussi un impact positif.

40 / 49

Comme convenu, la performance des banques dpend de la qualit des prts quelle met. Nous vrifions cette relation, qui avait dj t note par de nombreux chercheurs : une augmentation du ratio des prts non performants sur le total des crdits accords impact ngativement la performance des banques. Nous avions t surpris lors de la prsentation du tableau 5, par les chiffres relatifs lefficacit oprationnelle. Il faut reconnatre que les tableaux de rgression sont galement tout aussi difiants : contre toute attente, un accroissement de lefficacit oprationnelle semble diminuer la performance des banques ! Il convient de prciser que les coefficients sont certes ngatifs, mais extrmement faibles (infrieurs 1%). Nanmoins, ces chiffres sont troublants, puisque la majorit des auteurs obtiennent des rsultats inverses. Peut-on en ce cas affirmer que ce serait une spcificit franaise ? Nous pensons plutt que lorigine de ce signe ngatif rside dans la priode dtude. Nous nous sommes en effet intresss aux annes 2007-2008, priode de profonde crise financire et conomique. Il se peut que, dans ce contexte, encore trs peu tudi par les chercheurs, une recherche de lamlioration de lefficacit oprationnelle, cest--dire du ratio des cots oprationnels sur le revenu oprationnel de la banque, nest pas produit les effets escompts. Les cots oprationnels ne sont pas les seuls cots que doivent supporter les banques, et il nest pas impossible quen priode de crise, la rduction des cots oprationnels se soit faite au dtriment dautres cots. La croissance annuelle des dpts effectus par les clients, sur laquelle nous avions formul une hypothse positive, se rvle en fait dun impact ngatif sur la performance. A nouveau, le choix de la priode de crise peut contenir des lments dexplication. Toujours sur le niveau des dpts bancaires, le ratio des dpts des clients sur le total des actifs, non significatif dans la rgression sur le ROAA, impacte bien positivement les performances des banques, comme nous lavions pressenti. Le ratio des dpenses dintrts aux clients sur le montant total de leurs dpts est non significatif dans deux des trois tableaux. Limpact est positif sur le NIM, ce qui peut surprendre. Nous devons toutefois prendre avec parcimonie ce coefficient faible et non significatif sur le ROAA et le ROAE. Limpact de la diversification sur les performances bancaires ntait pas un sujet portant trop controverse. Seule ltude de Dietrich et Wanzenried (2011) concluait un impact positif. Nos rsultats nous amnent la mme conclusion. Il nous semble particulirement intressant de souligner quil nest pas anodin que ce soient prcisment les deux tudes consacres la crise actuelle qui dbouchent sur de tels rsultats. En effet, en priode de croissance lactivit de dtail traditionnel, loctroi de crdit, apporte des revenus confortables aux banques. Ces dernires nont donc pas ncessairement intrt se diversifier. La situation est tout autre en temps de crise, puisque loctroi de crdit, trs corrl lactivit conomique, sest alors compltement tari. En consquence, ce sont les banques qui ont su se diversifier dans les bons secteurs, sans tre prisonnier de leur mtier de base, qui ont su mieux sen sortir. Les performances de lanne 2006, si elles se rvlent non significatives lors de la rgression sur le ROAA, ont un impact positif sur la performance des annes suivantes, lorsquon examine les rgressions sur le ROAE et le NIM. Nous ne retrouvons donc pas les rsultats de Beltratti et Stulz (2009). Le fait que ces derniers ont procd une analyse sur la base de banques de trs grandes tailles, et avec des donnes mondiales, tandis que nous nous sommes focaliss sur la France, sans intgrer la taille comme critre de slection, peut contribuer expliquer cette diffrence de rsultats. Le degr de dpendance fait partie des variables quil est difficile danalyser sur la base des tableaux de rgression. En effet, lors de la rgression sur le ROAA, le coefficient est non significatif dans les types (2) et (3), et significativement ngatif dans le type (1). En revanche, dans les autres tableaux,

41 / 49

hormis le type (1) de la rgression sur le NIM, le coefficient est toujours significativement positif. Le lecteur pourra interprter ces divergences comme bon lui semblera. Nous considrerons, pour notre part, que limpact est non significatif lorsque lon prend en compte le ROAA, mais quil est autrement positif. La proximit des dirigeants avec les actionnaires ne semble donc pas avoir ngativement impact les performances des banques pendant la crise, contrairement ce que Beltratti et Stulz (2009) avaient pu relever. De faon trs logique, le PIB impacte positivement les performances des banques. Enfin, notons que lge, la nationalit, la part de march, le fait pour une banque dtre cote et davoir une capitalisation boursire leve ne sont pas des variables significatives qui impactent la performance des banques.

42 / 49

6) Conclusion
Nous avons souhait, au cours de ce mmoire, combler un manque dans la littrature existante sur les performances des banques : comprendre les diffrences de performance entre les banques de dtail franaises, pendant la crise, de 2007 2009. Pour cela, nous avons slectionn 153 banques, pour lesquelles nous avons runi des donnes sur toutes les variables qui, au regard de la recherche, pouvaient avoir un impact sur les performances. A partir de ces donnes, nous avons t capable de dresser un portrait de la banque de dtail qui russit malgr la crise, et comprendre comment les variables inhrentes aux banque, telle leur liquidit ou leur ratio de capitalisation, impactaient leurs performances. Nous avons trouv que la banque de dtail affichant les meilleures performances pendant la crise est de petite taille, a un ratio de liquidit plutt faible, ne recherche pas lefficacit oprationnelle, et a une part de march plutt petite. Concernant les impacts des variables, nos rsultats dmontrent que la liquidit et la qualit du crdit sont deux variables importantes qui contribuent positivement aux performances. Il en va de mme pour les performances pr-crise, le niveau des dpts bancaires ou le PIB. La taille produit des effets assez mitigs, ngatifs sur le ROAE mais sans effet sur les autres indicateurs de performance. Plus tonnamment, lefficacit oprationnelle ne semble pas ncessairement conduire la performance. Sur la diversification, notre analyse et la lecture de la littrature existante nous permet de conclure un impact positif, du moins en tant de crise. Dautres variables telles lge, la nationalit, la cotation ou la capitalisation ne prsentent pas dimpact significatif. Nous avons bien conscience des limites de notre tude : nous avons travaill sur un chantillon de 153 banques, en nous intressant uniquement la France. Pour certaines des variables, telles les ratios de capitalisation Tier 1, nous ne disposions pas de donnes pour lensemble de lchantillon. Il pourrait tre intressant de travailler avec davantage de donnes, afin de confirmer ou rectifier les rsultats obtenus. En outre, nous nous sommes focaliss sur la priode de crise 2007-2009. En raisonnant ainsi, nous navons pas pu saisir les spcificits du systme bancaire franais, en temps de croissance conomique, ce qui nous aurait permis de mieux apprhender les changements au moment de la crise. Une tude portant sur la priode pr-crise 2002-2006 pourrait ainsi complter ce mmoire.

43 / 49

Bibliographie
Abreu, M., Mendes, V., 2002. Commercial Bank Interest Margins and Profitability: Evidence from E.U. Countries. Working Paper Series, Porto. Abreu, M., Mendes, V., 2003. Do macro-nancial variables matter for european bank interest margins and protability? Financial Management Association International. Afanasieff, T., Lhacer, P., Nakane, M., 2002. The determinants of bank interest spreads in Brazil. Working Paper. Banco Central di Brazil. Albertazzi, U., Gambacorta, L., 2009. Bank Profitability and the Business Cycle. Journal of Financial Stability 5 (4), 393409. Altunbas, Y., Gardener, E.P.M., Molyneux, P., Moore, B., 2001. Eciency in European banking. European Economic Review 45, 19311955. Arellano, M., Bond, S.R., 1991. Some tests of specication for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies 58, 277297. Arpa, M., Giulini, I., Ittner, A., Pauer, F., 2001. The inuence of macroeoconomic developments on Austrian banks: Implications for banking supervision. BIS Papers 1, 91116. Athanasoglou, P., Delis, M., Staikouras, C., 2006. Determinants of Bank Profitability in the Southern Eastern European Region. Bank of Greece Working Paper No. 47. Athanasoglou, P., Brissimis, S., Delis, M., 2008. Bank-specific, industry-specific and macroeconomic determinants of bank profitability. Journal of International Financial Markets, Institutions and Money 18 (2), 121136. Bair, S., 2009. Grer la transition vers un systme nancier plus sr. Banque de France, Revue de la stabilit nancire N 13 : Quel avenir pour la rgulation nancire ? Septembre 2009. Baltagi, B.H., 2001. Econometric Analysis of Panel Data, 2nd ed. John Wiley & Sons, Chichester. Banker, R., Cummins, J., Klumpes, P., 2010. Performance measurement in the nancial services sector: Frontier efciency methodologies and other innovative techniques. Editoria, Journal of Banking & Finance 34, 14131416. Banque de France, 2010. De la crise financire la crise conomique. Dbats et documents, N 2 et 3 Barajas, A., Steiner, R., Salazar, N., 1999. Interest spreads in banking in Colombia 19741996. IMF Staff Papers 46, 196224. Barros, C., Ferreira, C., Williams, J., 2007. Analysing the determinants of performance of best and worst European banks: A mixed logit approach. Journal of Banking & Finance 31, 21892203. Barth, J., Caprio, G., Levine, R., 2004. Bank regulation and supervision: what works best? J. Finan. Intermed. 13, 205248.

44 / 49

Beck, T., Demirg-Kunt, A., Levine, R., 2003. Law and nance. Why does legal origin matter? Journal of Comparative Economics 31, 653675. Beck, T., Demirg-Kunt, A., Levine, R., 2006. Bank concentration, competition, and crises: first results. J. Banking Finance 30, 15811603. Beltratti, A., Stulz, R., 2009. Why Did Some Banks Perform Better During the Credit Crisis? A CrossCountry Study of the Impact of Governance and Regulation. ECGIs Finance Working Paper No. 254/2009. Berger, A., Hanweck, D., Humphrey, D., 1987. Competitive viability in banking: scale, scope, and product mix economies. Journal of Monetary Economics 20 (3), 501520. Berger, A., 1995. The profitstructure relationship in banking: tests of market-power and efficientstructure hypotheses. Journal of Money, Credit and Banking 27 (2), 404431. Berger, A., Humphrey, D., 1997. Efficiency of financial institutions: international survey and directions for future research. Board of Governors of the Federal Reserve System (U.S.), Finance and Economics Discussion Series, 11. Berger, A., Bonime, S.D., Covitz, D.M., Hancock, D., 2000. Why are bank prots so persistent? The roles of product market competition, informational opacity, and regional/macroeconomic shocks. Journal of Banking and Finance 24 (7), 12031235. Berger, A., Bouwman, C., 2009. Bank Capital, Survival, and Performance around Financial Crises. Working PapersFinancial Institutions Center at The Wharton School, 142. Bernanke, B.S., Gertler, M., 1989. Agency costs, net worth, and business uctuations. The American Economic Review 79, 1431. Bikker, J.A., Hu, H., 2002. Cyclical patterns in profits, provisioning and lending of banks and procyclicality of the new Basel capital requirements. BNL Quarterly Review 221, 143175. Bourke, P., 1989. Concentration and other determinants of bank profitability in Europe, North America and Australia. Journal of Banking and Finance 13 (1), 6579. Brissimis, S.N., Delis, M.D., Papanikolaou, N.I., 2008. Exploring the nexus between banking sector reform and performance: evidence from newly acceded EU countries. Journal of Banking and Finance 32 (12), 26742683. Caruana, J., 2009. Minimiser limpact des crises nancires venir : six points incontournables pour rformer la rgulation. Banque de France, Revue de la stabilit nancire N 13 : Quel avenir pour la rgulation nancire ? Septembre 2009. Charlty, P., 2010. Eviter les dfaillances bancaires en temps de crise : consequences long-terme des restructurations du capital des entreprises financires. Revue dconomie financire, N 97, mars 2010, pp. 143-154. Claeys, S., Vander Vennet, R., 2008. Determinants of bank interestmargins in Central and Eastern Europe: a comparison with the west. Economic Systems 32 (N 2).

45 / 49

De Jonghe, O., 2010. Back to the basics in banking? A micro-analysis of banking system stability. J. Finan. Intermediation 19, 387417. Demirg-Kunt, A., Detragiache, E., 1998. The determinants of banking crises in developing and developed countries. Int. Monet. Fund Staff Papers 45, 81109. Demirg-Kunt, A., Huizinga, H., 1999. Determinants of commercial bank Interest margins and profitability: some international evidence. World Bank Economic Review 13 (2), 379408. Demirg-Kunt, A., Huizinga, H., 2000. Financial structure and bank profitability. Policy Research Working Paper Series 2430. The World Bank. Demirg-Kunt, A., Laeven, L., Levine, R., 2004. Regulations, market structure, institutions, and the cost of nancial intermediation. Journal of Money, Credit, and Banking 36, 593622. Demyanyk, Y., Hasan, I., 2010. Financial crises and bank failures: A review of prediction methods. Omega 38, 315324. Dewatripont, M., Ricjet, J.C., 2009. Le traitement des banques en difcult. Banque de France, Revue de la stabilit nancire N 13 : Quel avenir pour la rgulation nancire ? Septembre 2009. Dietrich, A., Wanzenried, G., 2011. Determinants of bank profitability before and during the crisis: Evidence from Switzerland. J. Int. Financ. Markets Inst. Money, doi:10.1016. Eichengreen, B., Rose, A., 1998. Staying afloat when the wind shifts: external factors and emergingmarket banking crises. National Bureau of Economic Research Working Paper 6370. Foo, C.T., 2008. Conceptual Lessons on Financial Strategy Following the US Sub-Prime Crisis. Journal of Risk Finance, Vol. 9, No. 3, pp. 292-302. Garca-Herrero, A., Gavil, S., Santabrbara, D., 2009. What explains the low profitability of Chinese banks? Journal of Banking and Finance 33 (11), 20802092. Goddard, J., Molyneux, P. and Wilson, J.O.S., 2004. The profitability of European banks: a crosssectional and dynamic panel analysis. The Manchester School, 72, 36381. Golin, J., 2001. The Bank Credit Analysis Handbook: A Guide for Analysts, Bankers and Investors. John Wiley & Sons, Asia. Gonzlez-Hermosillo, B., 1999. Determinants of ex-ante banking system distress: a macro-micro empirical exploration of some recent episodes. IMF Working Paper No. 33. Appendix 1. Gropp, R., Vesala, J., Vulpes, G., 2006. Equity and bond market signals as leading indicators of bank fragility. J. Money Credit Bank. 38, 399428. Hawa, I., et al., 2010. Concentrated control, institutions, and banking sector: An international study. Journal of Banking and Finance, Vol 34 Issue 3. Heffernan, S., Fu, X., 2010. Determinants of financial performance in Chinese banking. Applied Financial Economics, 20: 20, 15851600.

46 / 49

Himmelberg, C., Hubbard, R., Palia, D., 1999. Understanding the determinants of managerial ownership and performance. Journal of Financial Economics 53, 333384. Hoshi, T., Kashyap, A., 2010. Will the U.S. bank recapitalization succeed? Eight lessons from Japan. Journal of Financial Economics 97, 398417. Houston, J., Lin, C., Lin, P., Ma, Y., 2008. Creditor rights, information sharing, and bank risk taking. Unpublished manuscript. Available from: <http://ssrn.com/abstract=1318458>. Iannota, G., Nocera, G., Sironi A., 2007. Ownership Structure, Risk and Performance in the European Banking Industry. Journal of Banking and Finance, vol. 31, n7, juillet, pp. 2127-2149. Judson, R.A., Owen, A.L., 1999. Estimating dynamic panel data models: a guide for macroeconomics. Economics Letters 65, 915. Kasman, A., 2010. Consolidation and Commercial bank net interest margins: evidence from the old and new European union members and candidate countries. Economic Modeling 27, 648655. Kothari, R., Sharma, N., 2009. Banks Stock Performance During 2007-2008: Some Evidences. The IUP Journal of Bank Management, Vol. VIII, N 3 & 4. Laeven, L. and Levine, R., 2007. Is there a diversification discount in financial conglomerates? Journal of Financial Economics, 85, 33167. La Porta, R., Lpez-de-Silanes, F., Shleifer, A., Vishny, R., 1997. Legal determinants of external nance. Journal of Finance 52, 11311150. La Porta, R., Lpez-de-Silanes, F., Shleifer, A., 2002. Government ownership of banks. Journal of Finance 57, 265301. Lepetit, L., Nys, E., Rous, P., Tarazi, A., 2008. Bank income structure and risk: an empirical analysis of European banks. Journal of Banking and Finance, 32, 145267. Levin, R., Rubin, D., 1997. Testing Hypothesis: One Sample Tests. Statistics for Management, 7th Edition, Pearson Education. Levine, R., 2003. Bank-based or market-based nancial systems: Which is better? Journal of Financial Intermediation 11, 398428. Lewis, M., 2010. The Big Short : Inside the Doomsday Machine. W. W. Norton & Company, 266 p. Liadaki, A., Gaganis, C., 2010. Efciency and stock performance of EU banks: Is there a relationship? Omega 38, 254259. Liu, H. Wilson, J.O.S., 2010. The profitability of banks in Japan. Applied Financial Economics, 20: 24, 18511866. Mamatzakis, E., Remoundos, P., 2003. Determinants of Greek Commercial Banks Profitability, 1989 2000. Spoudai 53 (1), 8494. Martinez-Peria, M.S., Mody, A., 2004. How foreign participation and market concentration impact bank spreads: evidence from Latin America. Journal of Money, Credit, and Banking, 36, 53942.

47 / 49

Mercieca, S., Schaeck, K., Wolfe, S., 2007. Small European banks: benefits from diversification and the regulatory environment. Journal of Banking and Finance, 31, 197598. Maximilian, H., 2008. The Sub-Prime Crisis, the Credit Squeeze and Northern Rock: The Lessons to be Learned. Journal of Financial Regulation and Compliance, Vol. 16, No. 1, pp. 19-34. Maudos, J., Pastor, J.M., Prez, F., Quesada, J., 2002. Cost and prot eciency in European banks. Journal of International Financial Markets, Institutions and Money 12, 3358. Mercieca, S., Schaeck, K., Wolfe, S., 2007. Small European banks: benefits from diversification? J. Banking Finance 31, 19751998. Meric I., Goldberg I., Sprotzer I., Meric G., 2010. Performance of U.S. Financial Sector and Bank Stocks: October 2002-August 2009. International Research Journal of Finance and Economics, Issue 39, pp. 64-71. Micco, A., Panizza, U., Yanez, M., 2007. Bank ownership and performance. Does politics matter? Journal of Banking and Finance 31 (1), 219241. Miller, S.M., Noulas, A.G., 1997. Portfolio mix and large-bank profitability in the USA. Applied Economics 29, 505512. Millon Cornett M., Guo L., Khaksari S., Tehranian H., 2010. The impact of state ownership on performance differences in privately-owned versus state-owned banks: An international comparison. J. Finan. Intermediation 19, 7494. Millon Cornett, M., McNutt, J.J., Tehranian, H., 2010. The financial crisis, internal corporate governance, and the performance of publicly-traded U.S. bank holding companies. Working Paper. Molyneux, P., Thornton, J., 1992. Determinants of European Bank Profitability: A Note. Journal of Banking and Finance 16 (6), 11731178. Neely, M., Wheelock, D., 1997. Why does bank performance vary across states? Federal Reserve Bank of St Louis Reviews, 2738. Naceur, S., Goaied, M., 2001. The Determinants of the Tunisian Deposit Banks Performance. Applied Financial Economics 11 (3), 317319. Naceur, S., Kandil, M., 2009. The impact of capital requirements on banks' cost of intermediation and performance: the case of Egypt. Journal of Economics and Business 61, 7089. Naceur, S., Omran, M., 2010. The effects of bank regulations, competition, and nancial reforms on banks' performance. Emerging Markets Review, doi:10.1016/j.ememar.2010.08.002. Pasiouras, F., Kosmidou, K., 2007. Factors influencing the profitability of domestic and foreign commercial banks in the European Union. Research in International Business and Finance 21 (2), 222237. Pauget, G., Sadane, D., 2010. Firme bancaire : quel nouveau paradigme aprs la crise ? Revue dconomie financire, N100, dcembre 2010, p. 223- 250. Perry, P., 1992. Do banks gain or lose from ination? Journal of Retail Banking 14, 2540.

48 / 49

Queensly Jeyanthi B.J. et William A., 2009. Bank Stock Performance since the 2000s. CURIE Journal, Vol 3 N1. Rakesh, M., 2009. mergence dune bauche de rgulation nancire : ds et dynamique. Banque de France, Revue de la stabilit nancire N 13 : Quel avenir pour la rgulation nancire ? Septembre 2009. Revell, J., 1979. Ination and nancial institutions. Financial Times, London. Roodman, D., 2006. How to do xtabond2: an introduction to difference and system GMM. Stata, Working Paper No. 103, Center for Global Development. Short, B.K., 1979. The relation between commercial bank profit rates and banking concentration in Canada, Western Europe and Japan. Journal of Banking and Finance 3, 209219. Schwaiger, M.S., Liebig, D., 2008. Determinants of bank interest margins in Central and Eastern Europe. Financial Stability Report 14, 6887 (sterreichische Nationalbank). Simpson, J., 2010. Were there warning signals from banking sectors for the 2008/2009 global financial crisis?. Applied Financial Economics, 20: 1, 4561. Smirlock, M., 1985. Evidence on the (non) relationship between concentration and profitability in banking. Journal of Money, Credit, and Banking 17, 6983. Staikouras, C., Wood, G., 2004. The determinants of European bank profitability. International Business and Economics Research Journal 3 (6), 5768. Stiroh, K.J., Rumble, A., 2006. The dark side of diversication: The case of US nancial holding companies. Journal of Banking and Finance 30, 21312161. Stulz, R., Williamson, R., 2003. Culture, openness, and nance. Journal of Financial Economics 70, 313349. Stulz R., Fahlenbrach R., 2011. Bank CEO incentives and the credit crisis. Journal of Financial Economics 99 (1), 1126. Xiao, Y., 2009. French Banks Amid the Global Financial Crisis. IMF Working Paper.

49 / 49