Nonlinear effects of lending rates on credit risk in microfinance institutions: evidence from Peruvian municipal savings and credit banks

Résumé Technique : Effets non linéaires des taux d'intérêt sur le risque de crédit dans les institutions de microfinance péruviennes

Énoncé du Problème
Les institutions de microfinance (IMF) dans les économies émergentes opèrent dans des conditions d'asymétrie d'information, où les emprunteurs possèdent souvent une transparence financière limitée et des capacités de remboursement instables. Bien que les institutions doivent fixer des taux d'intérêt pour couvrir les coûts opérationnels et le risque attendu, des taux excessivement élevés peuvent déclencher une sélection adverse et un aléa moral. Selon les théories de Stiglitz et Weiss (1981), des taux d'intérêt plus élevés peuvent modifier la composition du bassin d'emprunteurs, attirant des individus plus risqués ou encourageant des comportements plus risqués après le décaissement, dégradant ainsi la qualité du portefeuille. Malgré une littérature abondante liant le risque de crédit à des facteurs macroéconomiques et bancaires spécifiques, il subsiste une lacune dans la compréhension de l'existence d'un seuil de taux d'intérêt « optimal » dans la microfinance, au-delà duquel des taux plus élevés cessent de compenser le risque et augmentent plutôt le risque de crédit. Cette étude aborde cette lacune en examinant la relation non linéaire entre les taux d'intérêt et le risque de crédit au sein des Caisses d'Épargne et de Crédit Municipales péruviennes durant la période 2021–2025.

Méthodologie
L'étude emploie un plan de recherche quantitatif et explicatif utilisant un ensemble de données de panel équilibré comprenant dix Caisses d'Épargne et de Crédit Municipales péruviennes sur cinq ans (2021–2025), ce qui donne 50 observations annuelles. Les données proviennent de la Superintendencia de Banca, Seguros y Administradoras Privadas de Fondos de Pension (SBS) pour les indicateurs financiers et de la Banque Centrale de Réserve du Pérou (BCRP) pour les données macroéconomiques.

La spécification économétrique centrale est un modèle de panel à effets fixes conçu pour contrôler l'hétérogénéité institutionnelle inobservée (ex. : politiques de filtrage interne, couverture régionale). La variable dépendante, le Risque de Crédit ($RC_{it}$), est mesurée comme le ratio des prêts impayés sur les prêts directs. La principale variable explicative est le Taux d'Intérêt ($r_{it}$), défini comme le taux d'intérêt nominal effectif annuel appliqué au microcrédit. Pour tester la non-linéarité, le modèle inclut un terme quadratique ($r_{it}^2$).

L'équation estimée est :
$$RC_{it} = \beta_0 + \beta_1 r_{it} + \beta_2 r_{it}^2 + \beta_3 gmf_{it} + \beta_4 csa_{it} + \beta_5 y_t + \beta_6 Dm_{it} + \mu_i + u_{it}$$

Où :

• $gmf_{it}$ : Efficacité opérationnelle (Dépenses d'exploitation / Marge financière).
• $csa_{it}$ : Intensité du crédit (Prêts directs / Total des actifs).
• $y_t$ : Croissance du PIB (contrôle macroéconomique).
• $Dm_{it}$ : Variables muettes pour les observations aberrantes.
• $\mu_i$ : Effets fixes spécifiques à l'institution.

L'étude utilise des tests de diagnostic incluant le test de Jarque–Bera pour la normalité des résidus, le test CD de Pesaran pour la dépendance transversale, et la statistique de Durbin–Watson pour l'autocorrélation. Le taux d'intérêt optimal ($r^*$) est dérivé en fixant l'effet marginal du taux d'intérêt sur le risque de crédit à zéro ($\partial RC / \partial r = 0$). Pour évaluer l'incertitude statistique de ce seuil, une procédure de bootstrap par grappes (10 000 réplications) a été réalisée au niveau de l'institution.

Résultats Clés

1. Relation Non Linéaire : L'estimation confirme une relation en forme de U statistiquement significative entre les taux d'intérêt et le risque de crédit. Le coefficient linéaire pour le taux d'intérêt est négatif ($\beta_1 = -0,4497$), tandis que le coefficient quadratique est positif et significatif ($\beta_2 = 0,0077$, $p=0,024$). Cela indique que le risque de crédit diminue initialement à mesure que les taux augmentent (compensant potentiellement le risque), mais finit par augmenter une fois qu'un seuil spécifique est dépassé.
2. Taux d'Intérêt Optimal : Le taux d'intérêt annuel effectif optimal calculé est de 29,21 %. L'intervalle de confiance bootstrap à 95 % pour ce seuil se situe entre 24,51 % et 36,53 %.
3. Variables de Contrôle :
   • Efficacité Opérationnelle ($gmf_{it}$) : Associée positivement au risque de crédit ($\beta = 0,0581$), suggérant que des coûts opérationnels plus élevés par rapport aux marges sont corrélés à une détérioration du portefeuille.
   • Intensité du Crédit ($csa_{it}$) : Associée négativement au risque de crédit ($\beta = -0,0900$).
   • Croissance Économique ($y_t$) : Associée négativement au risque de crédit ($\beta = -0,0798$), confirmant que des conditions macroéconomiques favorables améliorent la capacité de remboursement.
4. Simulation Économique : Une analyse de scénario démontre l'ampleur économique du dépassement du seuil optimal. Augmenter le taux d'intérêt de l'optimal de 29,21 % à 45,00 % (toutes choses égales par ailleurs) fait passer le risque de crédit estimé de 4,98 % à 6,90 %, soit une augmentation de 1,92 point de pourcentage.

Contributions Principales et Signification
La principale contribution de cette étude est l'identification empirique d'une relation non linéaire, en forme de U, entre les taux d'intérêt et le risque de crédit dans le secteur de la microfinance péruvienne. En intégrant le cadre de l'asymétrie d'information de Stiglitz et Weiss (1981) aux preuves de données de panel, l'article démontre que les taux d'intérêt ne sont pas seulement un mécanisme de prix, mais un déterminant de la qualité du portefeuille.

L'étude affirme qu'il existe une limite prudentielle à la tarification du crédit. Si les taux inférieurs au seuil optimal peuvent aider les institutions à couvrir leurs coûts et risques, les taux nettement supérieurs à ce niveau (par exemple, 45 %) ne parviennent pas à compenser le risque et dégradent au contraire activement la qualité du portefeuille en augmentant la probabilité de défaut. Ce résultat fournit des preuves pour la tarification du crédit, la gestion des risques et la supervision prudentielle, suggérant que les IMF devraient éviter les politiques de tarification agressives qui dépassent le seuil estimé, particulièrement lorsqu'elles servent des emprunteurs ayant une information financière limitée et une grande vulnérabilité.

Limites
Les auteurs reconnaissent que l'analyse est basée sur des données annuelles pour un ensemble spécifique de dix institutions sur une période de cinq ans. Ils suggèrent que les recherches futures pourraient bénéficier de données à plus haute fréquence (mensuelles ou trimestrielles), d'approches d'estimation dynamiques (telles que le GMM) pour traiter l'endogénéité potentielle, et d'études comparatives à travers d'autres systèmes de microfinance latino-américains pour déterminer si les seuils estimés sont spécifiques au marché péruvien ou applicables plus largement.