LE REGARD DU HEDGE ADVISOR
Thèmes : Financement de Projet / Risque de taux / Risque de change
Les modèles financiers constituent la colonne vertébrale des financements de projets. Ils permettent aux banques de vérifier la solidité de l’emprunteur et de surveiller le respect des différents covenants tout au long de la vie du financement.
Ils permettent également aux sponsors de mesurer et de stresser leur Taux de Rendement Interne et de valider l’investissement en fonds propres. Ils sont audités et doivent permettre aux parties de contractualiser avec un bon degré de confiance.
Puisque la décision d’investissement repose beaucoup sur le modèle financier, il est essentiel que le modèle permette d’identifier les hypothèses clé qui sous-tendent les résultats produits et permette aussi de mesurer la sensibilité de ces résultats à ces hypothèses et à leurs interactions.
Quels sont les risques de variations de TRI liés au taux de change, à l’inflation et aux taux d’intérêt une fois prises en compte les corrélations ?
Dès lors que certains paramètres de risque ne font pas l’objet d’une couverture, la justification des paramètres retenus pour le cas de base et la capacité du modèle à stresser ces hypothèses pour en mesurer la sensibilité est indispensable. Il n’est pourtant pas rare qu’un modèle, construit sur la base d’importantes hypothèses de marché (ex. taux d’intérêt, d’inflation, de change), ne donne pas une vision suffisamment claire du degré d’incertitude autour du cas de base si ces hypothèses s’avéraient non réalisées au cours de la vie du projet.
Quelles couvertures seraient optimales pour couvrir au mieux ces risques ? Quel est l’effet de ces couvertures sur le TRI moyen attendu et sur la réduction de l’incertitude du TRI de l’investissement ? Quels autres risques sont introduits en raison de la mise en place des couvertures ? Comment prendre en compte dans l’analyse de TRI la mise en place de couvertures optionnelles (ex. cap, swaption) ?
Identifier et réduire les risques financiers en amont
Non, il ne s’agit pas de l’épaisseur du trait mais bien d’aspects essentiels de l’analyse rendement vs risque et force est de constater que les modèles financiers traditionnels sont souvent insuffisamment développés quant à la mesure de ces risques et leurs sensibilités.
L’identification des risques de marché doit être faite en amont du projet au même titre que les risques industriels. Une identification trop tardive rendra la gestion de ces risques plus difficile ou plus coûteuse.
Pour réaliser cette analyse de risque, la première étape est bien sûr d’étudier les caractéristiques financières du projet: devises d’emprunt envisageables, devise(s) des capex, devise(s) des recettes futures, indexation (contractuelle ou économique) ou non des recettes ou des capex à l’inflation, mix taux fixe /variable, contraintes imposées par les prêteurs, risque de refinancement et de liquidité, capacité du projet à mettre en place des instruments de couverture, limitations sur les instruments de couverture etc.
Une fois cette analyse réalisée, l’étude de sensibilité du TRI du projet aux différents paramètres sous-jacents, éclaire sur les stratégies de gestion du risque qui peuvent être mises en place.
Prenons deux exemples pour illustrer ce propos :
Exemple 1 : Prenons un projet autoroutier dont l’évolution des péages sont économiquement indexées à l’inflation. Ce projet contracte 100% de sa dette à taux fixe, soit par choix, soit parce que les prêteurs l’ont exigé
Risque : L’inflation est plus basse que représenté dans le modèle. Les recettes du projet augmentent moins vite que modélisé mais le coût de la dette ne change pas
Réalisation du risque : Destruction de la valeur de l’Equity, restructuration du projet (Equity cure, cash sweep etc.)
Solutions possibles : Emprunter davantage à taux variable, couvrir le risque inflation à l’actif, ou encore un mix des deux
Attendus du modèle : Challenger les hypothèses de variables non couvertes, stress tester et guider la décision des sponsors.
Illustration : Optimisation du ratio de couverture de taux dans le cadre d'un projet avec des revenus indexés à l'inflation
Analyse : Du fait de la corrélation positive entre les taux d’intérêt et le taux d’inflation, et en l’absence de couverture inflation, la couverture à 100% du risque de taux n’est pas la solution qui réduit le plus l’incertitude sur le TRI.
Dans le cadre du projet étudié, le ratio de couverture de taux qui minimise l’incertitude sur le TRI si situe dans la fourchette [50%-70%]. Il est donc fortement conseillé de négocier avec les banques prêteuses pour obtenir un ratio de couverture minimal entre 50% et 70%.
Exemple 2 : Prenons un projet d’infrastructure dont les recettes sont libellées en Real brésilien mais dont la dette est en euros car les sponsors ont jugé qu’un emprunt en BRL était soit trop cher soit impossible à lever compte tenu de la maturité de l’emprunt.
Risque : le BRL se déprécie plus vite contre euro que représenté dans le modèl
Réalisation du risque : Destruction de la valeur de l’Equity, restructuration du projet (Equity cure, cash sweep etc)
Solutions possibles : emprunter partiellement ou totalement en BRL, utilisation de cross currency swaps, couvrir tout ou partie des recettes attendues par des instruments de change à terme fermes ou optionnelles sur une durée partielle ou totale du projet
Attendus du modèle : Challenger les hypothèses de variables non couvertes, stress tester et guider la décision des sponsors.
Illustration : Impact du risque de change sur le TRI d'un projet en devise étrangère
Analyse : Sans mise en place de couverture, le risque de change sur le TRI est supérieur au risque « projet » (business plan défavorable par rapport au cas de base). Avec la mise en place d’une couverture de change, le risque sur le TRI est essentiellement lié au risque « projet ». Il est donc recommandé de mettre en place la couverture de change envisagé
Les limites d’une modélisation déterministe
Sans tomber dans une sophistication extrême et inutile, il est important que le modèle prenne bien en compte les asymétries et convexités intrinsèques à la structure du projet.
Prenons un exemple simple où un projet décide de couvrir son risque de taux d’intérêt avec un cap plutôt qu’avec un swap. Si le modèle traduit que le projet va à la fois payer une prime de cap et payer le taux plafond du cap sans modéliser la possibilité que le projet puisse bénéficier pleinement de la baisse des taux, la solution de couverture par caps sera toujours jugée « trop chère » et moins performante qu’une couverture par swaps.
Pourtant, ex post, compte tenu de la baisse quasi continue des taux depuis plus de 10 ans, les couvertures par caps auraient été beaucoup plus avantageuses pour les projets que la couverture par swaps qui ne permettaient pas de bénéficier de la baisse des taux.
Pour refuser de payer 0.6% par an de prime de cap, combien de projets se sont privés d’une baisse des taux de 3% ou davantage encore ?
Lors de la prise de décision, le modèle représentait il bien les scénarios de baisse des taux ou juste le « coût» du cap en plus du taux de swap ?
Un module de valorisation stochastique simple (tirages Monte-Carlo) peut permettre de représenter ces valorisations et les risques financiers de manière suffisamment fine et robuste pour accompagner la prise de décision sur la structuration du financement et sur l’intérêt de la couverture des risques de marché par des instruments de couverture.
Le modèle permettra aussi de comprendre si la réduction de l’aléa autour du scénario central s’accompagne ou non d’une diminution du TRI dans le scénario central et dans quelles proportions.
Force est de constater que les modèles financiers sont rarement conçus pour réaliser ces analyses de manière pertinente et exhaustive et que certains projets sont particulièrement exposés aux hypothèses qui sont faites de manière statique dans le modèle financier, sans qu’il soit facile de comprendre l’importance des hypothèses, la rationalité des hypothèses retenues dans le scénario central ni la magnitude du risque lié à ces hypothèses.
Plus cet exercice de modélisation est réalisé tôt, plus il permet de poser les bonnes questions et de structurer le projet de manière à minimiser les coûts et les risques. Même sur les projets simples, le modèle financier déterministe consistant à ne considérer que les scénarios forwards sans pouvoir représenter correctement les flux des asymétries, options et scénarios ne donne qu’une image partielle et parfois tronquée de la rentabilité attendue de l’Equity. Le coût marginal d’amélioration des modèles est raisonnable et le gain de visibilité est parfois considérable.
Conclusion
Dans le modèle financier ou en dehors, il est possible de mieux rendre compte des différents scénarios concernant l’évolution des variables non couvertes et d’étayer l’intérêt des solutions de structuration et de couverture au bénéfice des sponsors.
Au-delà même des variables non couvertes, les choix d’indexation et de modélisation de différentes variables peuvent avoir une importance insoupçonnée. Par exemple, un indice d’indexation dans un PPA, une référence externe de fixing pour un taux de change, un indice d’inflation donné, une méthode d’extrapolation d’une donnée de marché si celle-ci n’est pas directement cotée sont autant de facteurs pouvant influencer de manière déterminante la rentabilité du projet. Le modèle doit permettre de comprendre l’importance de ces variables et l’ampleur du risque qu’elles évoluent en amont du closing ou lors de la vie du projet.
ESTER peut apporter cette expertise dans ces analyses complémentaires des modèles financiers, au bénéfice des sponsors qui pourront prendre leurs décisions avec d’autant plus de confort.
ESTER peut apporter cette expertise dans ces analyses complémentaires des modèles financiers, au bénéfice des sponsors qui pourrons prendre leurs décisions avec d'autant plus de confort.