Comment les banques prêtent-elles dans des zones inondables inexactes du deuxième district de la Fed ?

Kristian S. Blickle, Katherine Engelman, Theo Linnemann et João AC Santos

Dans notre article précédent, nous avons identifié à quel point les cartes des inondations dans le deuxième district de la Réserve fédérale sont inexactes. Dans cet article, nous utilisons nos données sur l’exactitude des cartes d’inondation pour examiner la manière dont les banques prêtent dans des zones « mal cartographiées », en nous concentrant là encore sur le Deuxième District en particulier. Nous constatons que les banques semblent être conscientes des cartes d’inondation de mauvaise qualité et sont généralement moins susceptibles de prêter dans ces régions, démontrant ainsi un certain degré de gestion des risques d’inondation ou d’aversion au risque. Cette propension à éviter de prêter dans des zones mal cartographiées peut être observée aussi bien dans les prêts jumbo que dans les prêts non jumbo, une fois que l’on prend en compte une série d’effets de confusion. Les résultats pour le Deuxième District reflètent largement ceux du reste du pays, avec des inexactitudes conduisant à des réductions similaires des prêts, en particulier parmi les prêts non jumbo.

Cartes d’inondation inexactes

En tant que gestionnaire du Programme national d’assurance contre les inondations (NFIP), l’Agence fédérale de gestion des urgences (FEMA) travaille avec les communautés pour dessiner des cartes indiquant le risque d’inondation catastrophique se produisant au moins une fois tous les 100 ans. Les zones exposées à de telles inondations sont considérées comme présentant un risque d’inondation annuel de 1 pour cent (ou plus). Une implication importante de la présence dans une zone inondable est l’exigence d’assurance pour les emprunteurs hypothécaires. Plus précisément, tout demandeur de prêt hypothécaire dans une zone inondable dont l’hypothèque répond à certains critères, comme être éligible à la titrisation ou être émis par une institution financière, doit souscrire une assurance contre les inondations. Le programme, ainsi que ses implications pour le marché hypothécaire, sont discutés dans les précédents Économie de Liberty Street articles de cette série (voir ici ou ici).

Dans notre article précédent, nous avons évoqué le fait que certaines cartes d’inondations peuvent être inexactes. Ces inexactitudes sont dues en partie au fait qu’il faut du temps pour mettre à jour les cartes face au changement climatique, et en partie à cause des améliorations et autres changements apportés aux infrastructures locales et aux matériaux de construction qui mettent du temps à se refléter dans les cartes officielles des inondations. Nous utilisons les informations au niveau de la propriété sur l’exposition aux dommages causés par les inondations provenant de CoreLogic ainsi que les cartes d’inondation numérisées pour 2022 pour définir les inexactitudes (comme décrit dans notre article précédent).

Les cartes peuvent être inexactes de deux manières : soit elles désignent une zone trop étendue comme présentant un « risque d’inondation », soit elles en désignent trop peu. Pour les besoins de cet article, nous nous concentrons uniquement sur cette dernière question et définissons deux catégories d’inexactitude. Si une propriété est confrontée à des dégâts importants dus aux inondations (quartile de dégâts le plus élevé) mais n’est pas « cartographiée » dans une zone inondable, sa carte est « très inexacte ». Si une propriété subit des dommages modérés mais n’est pas couverte par une zone inondable, sa carte est tout simplement « inexacte ». Toutes les autres propriétés sont soit cartographiées avec précision, soit correctement exclues d’une carte d’inondation car elles ne sont confrontées à aucun risque d’inondation. Nous regroupons ces données au niveau des secteurs de recensement, puis calculons la part de chaque secteur de recensement qui est « très inexacte » et « inexacte » dans les analyses ci-dessous. Cette analyse quelque peu grossière est nécessaire car nous ne pouvons pas utiliser de données hypothécaires spécifiques à une adresse. Comme auparavant, nous nous concentrons sur les propriétés du Deuxième District ainsi que sur le pays dans son ensemble pour les demandes de prêt hypothécaire en 2019 et 2020.

Une question clé est de savoir si les prêteurs sont conscients de ces inexactitudes et y réagissent. À cette fin, nous utilisons les données hypothécaires du Home Mortgage Disclosure Act (HMDA) au niveau des secteurs de recensement. Nous examinons d’abord des corrélations simples entre la part d’un secteur de recensement qui est « très inexacte » et le taux d’acceptation des demandes de prêt. Dans le panneau de gauche du graphique ci-dessous, nous constatons que pour les prêts non jumbo (« conformes »), il existe très peu de relation entre les deux variables. C’est peut-être une conséquence du fait qu’un grand nombre de ces prêts seront retirés du bilan des banques à court terme. Toutefois, les prêts géants, qui sont plus susceptibles d’être conservés par les banques, présentent une corrélation beaucoup plus négative, comme le montre le panneau de droite. En d’autres termes, les secteurs de recensement dans lesquels une plus grande proportion de logements sont cartographiés de manière inexacte connaissent en moyenne un taux d’acceptation plus faible pour les demandes géantes.

Prêter dans des zones où les cartes des inondations sont inexactes

Sources : Calculs des auteurs ; Agence fédérale de gestion des urgences (FEMA) ; Données de la loi HMDA (Home Mortgage Disclosure Act) ; CoreLogic.
Remarques : Ce graphique montre des diagrammes à dispersion qui relient la part d’un secteur de recensement cartographié de manière « très inexacte » au taux d’acceptation de prêt. Il inclut des contrôles de temps mais aucun autre ajustement. Les données couvrent le deuxième district, à l’exclusion de Porto Rico et des îles Vierges américaines, et sont divisées en prêts conformes (non jumbo) et non conformes (jumbo).

Ce résultat reflète peut-être la gestion des risques bancaires. Conserver un prêt soumis au risque d’inondation mais qui peut ne pas être couvert par une assurance contre les inondations (ou même ne pas être éligible à l’assurance du NFIP si la communauté n’y participe pas) peut représenter une proposition trop risquée. Cependant, étant donné qu’une multitude d’autres facteurs entrent en ligne de compte dans la décision relative à une demande de prêt hypothécaire, nous utilisons une analyse de régression pour contrôler ces autres facteurs.

L’effet de la précision des cartes d’inondation sur les prêts

Notre variable de résultat est la probabilité d’acceptation du prêt, mesurée par une variable qui prend la valeur « 1 » si une demande est acceptée. Nous régressons la probabilité d’acceptation du prêt sur les montants des demandes en dollars, les caractéristiques de l’emprunteur (revenu, sexe, race et ratio prêt/revenu), le comté où se trouve la propriété en interaction avec le temps, le revenu moyen du secteur de recensement, les dommages causés par les inondations passées. , et une foule d’autres caractéristiques. Nous incluons également une variable qui indique la part des propriétés dans un secteur de recensement qui sont (1) « mal cartographiées » ou (2) « très mal cartographiées ». Les résultats sont présentés dans le tableau ci-dessous.

Effet des cartes inexactes, après prise en compte des caractéristiques de l’emprunteur et de la région

Sources : Calculs des auteurs ; Agence fédérale de gestion des urgences (FEMA) ; Données de la loi HMDA (Home Mortgage Disclosure Act) ; CoreLogic.
Notes : Ce graphique montre les coefficients clés d’une régression de probabilité linéaire qui relie les taux d’acceptation de prêt (1 = acceptés par l’emprunteur et la banque) à une multitude de caractéristiques du prêt, de la région et de l’emprunteur, ainsi que des variables clés qui dénotent la part des propriétés. dans un secteur de recensement qui sont « mal cartographiés » ou « très mal cartographiés ». Il montre séparément le deuxième district (à l’exclusion de Porto Rico et des îles Vierges américaines) et le reste du pays et se concentre uniquement sur les coefficients d’intérêt pour les prêts non jumbo.

Nous constatons que les prêts bancaires dans les zones dont les cartes sont inexactes ont un taux d’acceptation légèrement inférieur, toutes choses égales par ailleurs. Les zones dont les cartes sont très imprécises connaissent une réduction plus prononcée des acceptations. Si l’on inclut les caractéristiques des emprunteurs – en particulier leurs revenus et les ratios prêt/valeur – la relation entre la part des propriétés mal cartographiées et les taux d’acceptation des prêts devient moins négative parmi les prêts géants que dans la corrélation brute. Cela peut refléter la capacité de ces emprunteurs à verser une mise de fonds plus importante pour aider à compenser le risque perçu par la banque.

Il convient de mentionner que même si ces réductions des taux d’acceptation sont statistiquement significatives, elles sont faibles par rapport aux effets du revenu ou de la richesse des candidats. Une communauté du Deuxième District dans laquelle 10 pour cent de toutes les propriétés sont cartographiées de manière inexacte peut voir une réduction de 3 pour cent des taux d’acceptation. Une baisse de 10 pour cent des revenus entraînerait une réponse de rejet quatre fois plus importante. Nos résultats reflètent probablement une certaine aversion résiduelle au risque bancaire : après tout, tous les prêts conformes ne sont pas titrisés. De plus, les banques conscientes de l’inexactitude des cartes s’attendent probablement à ce que les cartes changent suite aux futures mises à jour. Étant donné que les prêteurs/services doivent s’assurer que les emprunteurs préexistants qui sont nouvellement cartographiés dans des zones inondables souscrivent une assurance après l’expiration d’un délai de grâce, ils peuvent être réticents ex ante à prêter à ces ménages mal cartographiés. Alternativement, les banques peuvent s’inquiéter de la capacité de l’emprunteur marginal à effectuer les paiements d’assurance requis.

La réaction des prêteurs face à des cartes inexactes dans le Deuxième District est comparable à celle du pays dans son ensemble, en particulier parmi les emprunteurs non importants. La réponse aux cartes très imprécises est un peu plus forte dans les États du sud, ce qui peut refléter un risque accru d’inondations catastrophiques. Même si nous ne tenons pas pleinement compte d’un large éventail de facteurs spécifiques à une région qui peuvent différer entre le Deuxième District et le reste du pays, nous constatons néanmoins que les réponses des banques aux inexactitudes sont globalement comparables, c’est-à-dire qu’elles réduisent les prêts. Cela suggère que les réactions des banques face à des cartes inexactes ne sont pas spécifiques à un État mais sont plutôt le reflet d’une aversion générale pour le risque.

Remarques finales

Nous constatons que les banques sont quelque peu sensibles aux zones mal cartographiées. Ils sont moins disposés à prêter dans les régions où les cartes des inondations sont médiocres, même si ces prêts peuvent être titrisés. À cet égard, le Deuxième District n’est pas différent du reste du pays. Même si les banques réagissent peu aux cartes inexactes, la présence de différences statistiquement significatives en matière de prêts implique que les banques gèrent et sont conscientes du risque d’inondation, au moins dans une certaine mesure. Le prochain article de cette série exploite les cartes récemment mises à jour pour examiner si les entreprises prennent en compte le risque d’inondation lors du choix de leurs emplacements commerciaux.

Kristian Blickle est économiste de recherche financière dans le domaine des études sur les risques climatiques au sein du groupe de recherche et de statistiques de la Banque fédérale de réserve de New York.

Katherine Engelman est une ancienne data scientist au sein du bureau des données et analyses du groupe technologique de la Banque.

Theo Linnemann est data scientist au sein du bureau Data and Analytics du groupe technologique de la banque.

João AC Santos est directeur de la recherche sur les politiques d’intermédiation financière au sein du groupe de recherche et de statistiques de la Banque fédérale de réserve de New York.

Comment citer cet article :
Kristian S. Blickle, Katherine Engelman, Theo Linnemann et João AC Santos, « Comment les banques prêtent-elles dans des zones inondables inexactes du deuxième district de la Fed ? », Banque de réserve fédérale de New York Économie de Liberty Street13 novembre 2023, https://libertystreetnomics.newyorkfed.org/2023/11/how-do-banks-lend-in-inaccurate-flood-zones-in-the-feds-second-district/.