Contagion or Macroeconomic Fluctuations? Identifiability in Aggregated Default Data

Cette étude démontre que, dans les données agrégées, la contagion est généralement indistinguable des fluctuations macroéconomiques, sauf dans le modèle Lo-Davis où elle laisse une composante persistante détectable, contrairement aux modèles de type seuil ou à facteur commun.

L'essentiel

🕵️‍♂️ Le Grand Mystère : Contagion ou Tempête ?

Imaginez que vous êtes un détective financier. Votre mission ? Comprendre pourquoi des entreprises font faillite par groupes.

Parfois, une entreprise tombe, et aussitôt, ses voisines s'effondrent aussi. Est-ce parce qu'elles sont contagieuses (comme un rhume qui passe d'un employé à l'autre) ? Ou est-ce simplement qu'une tempête économique (une vague de froid) a frappé tout le monde en même temps ?

Le problème, c'est que nous n'avons pas de caméra microscopique pour voir les interactions entre les entreprises. Nous n'avons que des comptes annuels : "Cette année, 50 entreprises ont fait faillite." C'est comme essayer de deviner comment fonctionne un orchestre en écoutant seulement le volume global du son, sans voir les musiciens.

L'auteur, Shintaro Mori, pose la question : Peut-on vraiment distinguer la contagion de la tempête économique en regardant seulement ces chiffres globaux ?

---

🎲 Les Trois Théories en Jeu

Pour répondre, l'auteur compare trois façons de modéliser la faillite, comme trois scénarios de film différents :

1. Le Modèle Vasicek (La Tempête Douce) :
   Imaginez une pièce remplie de ballons. Si le vent (l'économie) change doucement, tous les ballons gonflent ou se dégonflent ensemble. C'est une dépendance lisse et continue. Si l'économie va mal, tout le monde a un peu plus de mal, mais personne ne "contamine" l'autre directement.

2. Le Modèle Lo–Davis (La Contagion Cumulative) :
   Imaginez une forêt. Un arbre tombe (faillite). S'il tombe sur un autre, celui-ci tombe aussi. Si deux tombent, ils en font tomber trois autres. Plus il y a de chutes, plus le risque de nouvelles chutes augmente progressivement. C'est une contagion qui s'accumule.

3. Le Modèle Torri (Le Bouton "Tout ou Rien") :
   Imaginez un interrupteur. Soit tout va bien, soit un seul "déclencheur" (une faillite majeure) active un bouton qui fait tomber tout le monde d'un coup, sauf ceux qui ont un bouclier (immunisation). C'est une contagion par seuil : soit ça ne se passe pas, soit ça explose.

---

🔍 L'Enquête : Ce que disent les chiffres

L'auteur a pris des données réelles de faillites sur plus de 100 ans (de 1920 à 2023) et a testé ces trois modèles.

1. L'expérience "Statique" (Sans changer d'année)

Si on suppose que l'économie est toujours la même année après année :

• Le modèle Vasicek (la tempête douce) gagne haut la main. Il colle le mieux aux données, surtout pour les gros événements rares.
• Leçon : À première vue, les faillites semblent mieux expliquées par une variation économique globale et lisse que par des mécanismes de contagion brutaux.

2. L'expérience "Réaliste" (Avec les années qui changent)

Mais l'économie ne reste jamais la même ! Il y a des récessions et des booms. L'auteur a donc ajouté cette variation dans ses modèles. C'est là que ça devient intéressant.

Il a décomposé la variation des faillites en deux parties :

• Partie A : Les changements d'année en année (la météo économique).
• Partie B : La contagion pure (les entreprises qui tombent à cause des autres dans la même année).

Les résultats sont surprenants :

• La majorité de la variation (80-90%) vient de la météo économique (Partie A). C'est la tempête qui explique presque tout.
• La contagion (Partie B) est très faible, mais elle existe différemment selon le modèle :
  • Dans le modèle Torri (Bouton Tout ou Rien) : La contagion disparaît complètement une fois qu'on a pris en compte la météo. C'est comme si le modèle disait : "Ah, ce n'était pas une contagion, c'était juste une très mauvaise année !" La contagion par seuil est indétectable dans les données globales.
  • Dans le modèle Lo–Davis (Contagion Cumulative) : Il reste une petite trace de contagion, même après avoir retiré l'effet de la météo. C'est une trace persistante, bien que petite.

---

💡 La Conclusion en Images

Imaginez que vous regardez une foule de gens qui tombent dans la neige.

• Le modèle Torri vous dit : "Ils sont tous tombés parce qu'un seul a trébuché et a fait tomber les autres."

  • Réalité : Non. En regardant de plus près, vous voyez que c'était surtout une tempête de neige violente (l'économie) qui les a tous fait tomber. La "trébuchette" initiale est invisible dans le chaos de la tempête.

• Le modèle Vasicek vous dit : "La tempête les a tous fait tomber doucement."

  • Réalité : C'est une bonne description, mais elle surestime un peu la force de la tempête si on ne regarde pas les détails.

• Le modèle Lo–Davis vous dit : "La tempête les a fait tomber, mais il y a eu quelques chutes en chaîne supplémentaires."

  • Réalité : C'est le modèle le plus précis. Il reconnaît que la tempête est le moteur principal, mais il détecte aussi une petite "réaction en chaîne" résiduelle qui ne peut pas être expliquée par la météo seule.

🏁 Le Message Final

Dans les données agrégées (les grands chiffres annuels), il est très difficile de prouver la contagion. La plupart du temps, ce que nous prenons pour une contagion n'est en fait que des cycles économiques (des années de vaches maigres).

Cependant, si la contagion existe vraiment, elle ressemble plus à une réaction en chaîne progressive (Lo–Davis) qu'à un bouton "tout ou rien" (Torri). Et même dans ce cas, elle est si petite comparée aux mouvements de l'économie qu'elle est presque invisible sans des données très précises.

En résumé : Ne cherchez pas toujours des virus financiers. Souvent, c'est juste le climat économique qui change, et tout le monde tombe ensemble. Mais si vous cherchez très fort, vous trouverez peut-être une petite trace de contagion qui persiste.

Résumé technique

1. Problématique et Contexte

L'article aborde un défi central en économétrie financière et en physique des systèmes complexes : l'identifiabilité des mécanismes microscopiques à partir de données agrégées.
Dans le domaine du risque de crédit, on observe fréquemment des grappes de défauts (clustering). Deux mécanismes macroscopiques distincts peuvent expliquer ce phénomène :

1. La contagion : Le défaut d'une entreprise affecte directement la probabilité de défaut des autres (interactions locales).
2. Les fluctuations macroéconomiques : Des chocs communs augmentent simultanément les probabilités de défaut de toutes les entreprises (facteur commun).

Le problème majeur est que les données empiriques disponibles sont souvent limitées à des comptes annuels de défauts agrégés (sans information sur les liens inter-entreprises ni le timing précis des événements). L'auteur se demande si la contagion laisse une signature identifiable distincte de celle des fluctuations macroéconomiques une fois les données agrégées, ou si les deux effets sont indissociables (absorbés l'un par l'autre).

2. Méthodologie

L'étude compare trois structures de dépendance représentatives modélisant la distribution du nombre de défauts ($L_n$) dans un portefeuille de $n$ obligés :

1. Modèle de Lo–Davis (Contagion Cumulative) :

   • La probabilité de défaut d'un obligé augmente de manière continue et cumulative avec le nombre de défauts précédents.
   • Mécanisme : Chaque défaut initial (graine) déclenche une chaîne de contagion où la probabilité de propagation dépend du nombre de défauts existants.
   • Structure : Mélange binomial où le paramètre de mélange dépend du nombre de défauts idiosyncrasiques.

2. Modèle de Torri (Contagion de Type Seuil / Immunisation) :

   • La contagion est activée par l'existence d'au moins un défaut infectieux (mécanisme de type "OU" global).
   • Une fois le seuil franchi, tous les obligés non immunisés sont exposés simultanément.
   • Structure : Mélange binomial à deux régimes (état non contagieux vs état contagieux global).

3. Modèle de Vasicek (Facteur Commun) :

   • La dépendance est induite par un facteur latent continu (choc macroéconomique).
   • Conditionnellement au facteur, les défauts sont indépendants.
   • Structure : Mélange binomial continu induit par une variable latente normale.

Approche Empirique :

• Données : Comptes annuels de défauts (1920–2023) pour trois classes de crédit : Global (ALL), Spéculatif (SG) et Investissement (IG).
• Étape 1 : Spécification i.i.d. (Indépendance et Identique Distribution dans le temps). Estimation par maximum de vraisemblance pour comparer la capacité des modèles à reproduire la distribution statique des défauts.
• Décomposition de la Variance : Analyse de la variance des comptes de défauts pour quantifier la part de la variance due à la dépendance intra-année (contagion) vs la part due à la variation inter-année des conditions de crédit.
• Étape 2 : Extension Hiérarchique. Introduction d'une probabilité de défaut variable dans le temps ($p_t$) via un facteur latent pour séparer l'hétérogénéité inter-année de la contagion intra-année.

3. Résultats Clés

A. Performance sous Spécification i.i.d.

• Le modèle de Vasicek offre le meilleur ajustement global (vraisemblance négative la plus faible) et reproduit le mieux le comportement de la queue de distribution (tail behavior).
• Le modèle de Lo–Davis offre un ajustement intermédiaire, tandis que le modèle de Torri sous-estime fortement la probabilité des événements extrêmes (queues trop fines).
• Interprétation : Sous une hypothèse stationnaire, un mélange continu (Vasicek) capture mieux le regroupement des défauts qu'une contagion discrète. Cependant, cela soulève la question de savoir si le modèle de Vasicek absorbe simplement l'hétérogénéité non observée.

B. Décomposition de la Variance (Modèle Hiérarchique)

L'introduction de la variation temporelle de la probabilité de défaut ($p_t$) change radicalement l'analyse :

• Source Dominante : La majeure partie de la variation des comptes annuels de défauts s'explique par les fluctuations inter-années des conditions de crédit (variation de $p_t$), et non par la contagion intra-année.
• Identifiabilité de la Contagion :
  • Modèle de Torri (Seuil) : La composante de contagion devient nulle ou négligeable après l'introduction de l'hétérogénéité inter-année. Le modèle de Torri s'effondre vers un modèle purement hétérogène ; la contagion de type seuil ne laisse pas de composante stable identifiable dans les données agrégées.
  • Modèle de Lo–Davis (Cumulatif) : Une petite mais persistante composante de contagion reste visible dans la décomposition de la variance et dans le comportement de la queue. Contrairement au modèle de Torri, la contagion cumulative laisse une signature détectable même après agrégation.

C. Comportement des Queues (Tail Behavior)

• Sous le modèle hiérarchique, le modèle de Vasicek a tendance à surestimer le risque de queue (queues trop lourdes) par rapport aux données.
• Le modèle hiérarchique de Lo–Davis offre l'ajustement le plus équilibré, en particulier pour les classes Global (ALL) et Spéculatif (SG).
• Le modèle de Torri hiérarchique produit des queues excessivement lourdes, indiquant une mauvaise calibration une fois la variation temporelle prise en compte.

4. Contributions et Signification

1. Résolution du problème d'identifiabilité : L'article démontre que la capacité à distinguer la contagion des chocs macroéconomiques dépend crucialement du mécanisme d'interaction.

   • La contagion de type seuil (Torri) est non identifiable à partir de données agrégées grossières car son effet est absorbé par l'hétérogénéité macroéconomique.
   • La contagion cumulative (Lo–Davis) laisse une signature structurelle résiduelle identifiable.

2. Primauté des conditions macroéconomiques : L'étude confirme que le regroupement des défauts (clustering) dans les données annuelles est principalement piloté par la variation temporelle des conditions de crédit, la contagion jouant un rôle secondaire mais potentiellement identifiable selon sa nature.

3. Implications pour la modélisation du risque :

   • L'utilisation de modèles de type Vasicek (facteur commun) peut être justifiée non pas parce que la contagion n'existe pas, mais parce qu'elle est difficilement séparable des chocs communs dans les données agrégées.
   • Pour détecter la contagion, il faut soit des données désagrégées (niveau entreprise), soit des modèles capables de capturer des mécanismes cumulatifs spécifiques (comme Lo–Davis) plutôt que des mécanismes de seuil simples.

4. Perspective Théorique : L'auteur relie ces résultats au théorème de de Finetti, suggérant que les systèmes de Bernoulli échangeables génèrent des mélanges binomiaux au niveau agrégé. L'identifiabilité dépend de la capacité de la structure de mélange à laisser une empreinte détectable après agrégation.

Conclusion

En résumé, l'article conclut que dans les données agrégées de défauts annuels, la contagion n'est pas systématiquement identifiable. Elle est souvent "noyée" dans la variation macroéconomique, sauf si le mécanisme de contagion est de nature cumulative (Lo–Davis), auquel cas une petite composante persistante demeure détectable. Les modèles basés sur des seuils (Torri) ou des facteurs communs forts (Vasicek) tendent à confondre ces effets, rendant difficile la distinction entre contagion pure et fluctuations économiques sans données de plus haute fréquence ou de plus haute granularité.