- This topic has 45 réponses, 11 participants, and was last updated Il y a 8 years, 7 months by .
-
Articles
-
Des exemples récents sur la corrélation durée de la levée de fonds / taux d’intérêt :
Sur Finsquare, Nourisson et PTCM, 2 entreprises dans le bâtiments (même si Nourisson fait de la Géométrie…) : 3,01% pour le premier, le second est à 3,98% et il reste encore 8 jours d’enchères inversées ! Pour une boîte qui voit son chiffres d’affaires baisser alors qu’elle ne fait que 200K… c’est cadeau 🙂
Pour moi, ce sont aussi deux exemples de la décorrélation entre le taux et le risque…
@Wislvlerhill Tout à fait, et c’est assez inquiétant ce côté irrationnel de la foule. Peut-on parler d’effet mouton ?
Le taux de prêt sur le projet est bas ? donc, c’est que le projet doit être bon ? Donc j’enchéris à la baisse sur le taux, puisque je penses (et non pas je sais) que c’est une bonne affaire… Pourtant à 8% ou à 3% le projet est le même, et le risque également.
Mais les particuliers ne sont pas des professionnels…
Bravo pour les évolutions de l’agrégateur. Nous pouvons maintenant nous abonner aux différents projets, il y a des liens directs sur les sites de « scoring » et la notation est plus simple.
J’ai commencé à donner mon appréciation sur les projets en cours que je regarde. A terme, s’il y a de nombreuses appréciations, il pourrait être utile de faire apparaitre le nombre d’étoiles dans la page d’accueil.
Sur l’optimisation des taux, avec la baisse actuelle des taux sur les plateformes à enchères, je participe plus aux projets des plateformes à taux fixes.
Les projets qui me séduisent sur Unilend et Finsquare descendent maintenant trop bas pour moi.Bon continuation, bon weekend à tous.
Pour optimiser son taux de rendement il est nécessaire de prêter à un taux relativement élevé, 6% me paraissant un minimum pour gagner un peu d’argent après IRPP et CSG-CRDS. Par ailleurs, il faut s’atteler à limiter le taux de défaut. Facile à dire, s’exclameront certains ! Effectivement, les dossiers de crowdlending étant plutôt risqués et les plateformes assez jeunes, c’est une belle inconnue.
Issu du monde de l’assurance, je sais que pour se rapprocher le plus près possible de la réalité statistique (dans le cas qui nous intéresse : le taux de défaut) il faut observer un grand nombre d’évènements. A ce jour, aucune plate-forme ne permet, à elle seule, d’obtenir une masse suffisamment importante de projets pour correctement mutualiser le risque. La solution est donc d’intervenir sur plusieurs plate-formes.
Pour gérer cette petite affaire, j’ai construit une matrice sur excel qui fonctionne comme un outil d’aide à la décision. Sur la base d’un montant moyen que l’on accepte de prêter (mettons 100EUR) et un taux d’intérêt cible (disons 7.5%), la matrice va sous-pondérer ou sur-pondérer le montant à investir selon de multiples critères, tels que :
– secteur d’activité de l’entreprise
– montant et durée du prêt
– taux du prêt
– scoring (et par voie de conséquence publication des bilans)
– la plate-forme qui présente le projet
J’ajoute à cela une analyse des éléments financiers et une appréciation subjective selon : les observations des contributeurs de ce forum, l’intervention d’institutionnels (tels que Groupama) et mon intime conviction. Finalement, je peux décider de ne pas aller sur un projet que mon outil met au vert ou inversement. L’idée est d’aller sur beaucoup de projets, mais de moins s’exposer sur les plus risqués (sous-pondérer) et de plus s’exposer sur les meilleurs (sur-pondérer).
Résultat après 18 mois :
– Intervention sur 9 plate-formes
– 447 projets analysées
– 288 investissements
– 3 défauts et 10 dossiers qui ont eu au moins un retard
– Taux annuel avant défaut 7.65%, 7.07% après défauts.
Motifs pour les projets sur lesquels je ne suis pas allé :
– 89 pour lesquels j’étais négatif
– 38 pour lesquels les taux étaient trop bas pour payer mon risque
– 23 pour lesquels la levée de fond0s a été trop rapide. Je n’ai pas eu le temps d’analyser et de me positionner.
– le reste : des échecs de levée de fonds, des renonciations d’emprunteurs, etc…
Impressionnant
Si ce n’est pas trop indiscret j’ai quatre questions
Comment répartis-tu les secteurs ?
Idem pour les plateformes
Quels scores prends tu (score3, société.com ou ton propre scoring)
Tes taux de pondérations pour les 5 axes d’analyse que tu as mentionné
Je suis très intéressée par ta méthode car moi j’en suis à un stade empirique. Je fais une analyse sommaire
Fonds propres/total du bilan (>20 pour les entreprises commerciales, >35 pour les entreprises industriels et >25 pour les autres)Fonds propres/dettes financières (>1 sauf pour les entreprises de négoces >0.2)
Fonds propres-dettes à LT qui me donne une idée de sa marge théorique d’endettement
Calcul du DSO et DPO par rapport au CA (j’hésite au dessus de 100 jours)Frais fi/VA <50
Evolution de FR-BFR
Dettes/CAF
Evolution du CA et du résultat sur au moins 3 ans
Ensuite cela répond ou non et puis il y a les coups de cœur
Voici quelques infos sur les paramètres de ma matrice. Par exemple, les plateformes. Le coef de pondération de base (donc moyen) est 1.00. C’est à dire que sur une base de prêt de 100 euros, sur une plateforme «moyenne» (avec un coef.1.00, donc), je prêterai 100 x 1.00 = 100 euros sur leurs projets.
Sur une plateforme telle qu’Unilend, j’ai décidé d’appliquer un coef. de 0.80 en raison de ses résultats assez mitigés sur les taux de défaut et les retards, tandis qu’avec Prexem j’applique un coef. de 1.20 compte tenu de la protection financière qu’ils apportent sur les projets.
Ainsi, pour un projet qui aurait les mêmes caractéristiques sur les autres critères (secteur d’activité, montant du prêt), je prêterai 120 euros chez Prexem et seulement 80 chez Unilend, soit 33% de moins.
Prenons pour 2ème exemple, les secteurs d’activités :
Vous pouvez prendre comme base de données les informations contenus dans des rapports économiques, tels que celui d’Ellisphère, tapez « Observatoire Ellisphere risques de défaut par secteur d’activité» le premier lien devrait être le bon. Ce baromètre a analysé la répartition des entreprises par classe de risque : très faible, faible, moyen , élevé et très élevé.
Sur cette base, je somme les risques faibles et très faibles de chaque activité que je relativise à la moyenne des activités. Si le secteur présente des risques + faibles que la moyenne, je sur-pondère, et inversement.
Exemple :
La moyenne toutes activités confondues s’élève à 41.50% d’entreprises en risques faibles et 13,00% en risque très faibles, soit 54.50% d’entreprises en risque faibles et très faibles.
L’imprimerie, par exemple, est à 36.10% de risques faibles et 5.90% très faibles, soit 42% au total. Les risques faibles/très faibles sont donc moins nombreux (donc les risques forts plus nombreux, vous me suivez ? 😀
J’applique la formule :
1.00 (coef. de base) * 0.42/0.545 = 0.77
Ainsi pour un prêt de base de 100 EUR, je n’en prêterai que 77 eur si l’entreprise est dans le secteur de l’imprimerie (et dans l’hypothèse où tous les indicateurs sont au vert par ailleurs, évidement)
A l’inverse, la Santé :
Risques faibles et très faibles = 85.70%
Donc 1.00 * 0.857 / 0.545 = 1.57 . Je prêterai donc 157 EUR à une entreprise de la santé.
Ou plus exactement en cumulant avec le coef. la pondération lié à la plateforme :
100 * 0.80 * 1.57 = 125.60 euros pour une entreprise de santé présentée par Unilend
100 * 1.20 * 1.57 = 188.40 euros pour une entreprise de santé présentée par Prexem
Ajoutez autant de coef. de pondération qu’il y a de critères pour lesquels vous pouvez obtenir des stats de risques (durée du prêt, prime de risque sur le taux…) et vous arriverez à composer une matrice décisionnelle assez objective.
Cette méthode ne permet pas en soi de dire oui ou non à un projet (quoique si comme sur certains projets on obtient 20 eur d’investissement pour une base 100, c’est un bon indicateur pour ne pas y aller !), mais cela permet d’optimiser ses chances de rendement.
Ce qui répond à la question «Quelles sont vos techniques d’optimisation du taux ?»
P.-S : les données sont vivantes. Aussi je les mets périodiquement à jour. Ainsi, ais-je remonté le coef. Finsquare le 26/08/2015 suite à la mise en place de l’assurance, abaissé celui de Lendosphère le 03/10/2015 en raison du fait que les projets sont concentrés sur les mêmes entreprises, etc…
Franchement, ça fait très pro comme approche ! Outre le nombre impressionnant de projet suivi, c’est très cartésien, j’aime beaucoup. Vu d’ici, ça semble prendre pas mal de temps, mais c’est sûrement plus rentable que de surveiller les flux financiers des remboursements… :p
Ou alors, l’extraction des données des plateformes permettrait de déterminer un certain nombre de pondération automatiquement et en ferait une synthèse dans l’agrégateur ??? (mais c’est peut-être ambitieux…)
Ce serait le coef de pondération de la communauté Crowdlending.fr (avec un copyright pour mricnet ;o)Du genre : les ratios les plus importants, le secteur d’activité, la plateforme, etc.
Oui, sûrement, mais comme aucun des autres scoring n’est parfait, ce serait un score ‘maison’ ! ;o)
Je plussoie @Wislvlerhill : aucun scoring n’est parfait 😉 …
n’oublions pas qu’un scoring n’est qu’un outil mathématique comme un autre, parfait ou non il n’est là que pour remplir le rôle qui lui a été fixé.
Vu sous cette perspective, je trouve l’approche de @mricnet admirable et d’une efficacité redoutable : c’est un outil de pointe, souple, qui répond à une attente très précise et s’applique sur un périmètre très large (les chiffres qu’il donne le prouvent), et bien que cet outil ne soit pas parfait, il constitue une très bonne base de réflexion.
En quelque sorte, il automatise à 100% la part objective d’analyse et de risque, le reste du travail est accompli par l’analyse subjective de l’opérateur … 🙂
Suivi de mon post du 20/03/2016, 1 mois plus tard.
Un de mes projets en retard est tombé en défaut (recouvrement) : CGMOD. Et dessus j’ai fais une belle erreur (presque de débutant d’ailleurs), j’ai cumulé le risque en prêtant aux 2 projets, confiant sur le modèle de récurrence de ce type d’activité.
Et là je me prends une belle claque, mon taux de rendement, net de défaut, chute de 0.95 pts à 6.12%… A cette époque je n’avais pas encore minoré mon coef. d’investissement sur la plate-forme Unilend, alors j’ai pris plein phare !
Preuve que, même rationnel, nul outil n’est parfait. En effet, si nous considérons qu’un système de sélection de dossier, comme celui Unilend, comporte un biais et attire tous les loustics de la terre, le taux de défaut réel sera probablement très éloigné du théorique. Bref, ce n’est pas le sujet de ce Post, un autre fil est dédié aux performances d’Unilend 😀
@maricnet
Oui, mais tu ne pouvais pas prévoir qu’il y aurait une 3ème demande qui viendrait fiche en l’air le système économique de la boîte …
- Vous devez être connecté pour répondre à ce sujet.