Les vulnérabilités financières des ménages et les risques physiques des changements climatiques

Introduction

Parallèlement à la hausse des températures à l’échelle mondiale, les catastrophes naturelles sont plus fréquentes que par le passé1. Les ménages exposés aux phénomènes météorologiques violents se trouvent ainsi soumis à des risques financiers pour deux raisons potentielles :

• une dévalorisation de leurs actifs si leur logement est détruit et n’est pas entièrement assuré;
• une perte de revenu si les membres du ménage ne peuvent pas se rendre sur leur lieu de travail ou si les activités des entreprises sont perturbées.

En raison de ces risques, les catastrophes naturelles peuvent plonger les ménages les plus durement touchés en situation de détresse financière. C’est ce qui a été observé à Fort McMurray, en Alberta, où la proportion d’emprunteurs accusant du retard dans leurs paiements hypothécaires a fortement augmenté après les feux de forêt de 20162.

Nous étudions l’interrelation entre les phénomènes météorologiques violents et les vulnérabilités financières des ménages. Certaines régions du Canada ont toujours été plus touchées que d’autres par les catastrophes naturelles. Quelques-unes d’entre elles comptent aussi une plus grande proportion de ménages en situation de vulnérabilité financière, ce qui peut amplifier les pertes pour le système financier en général. Il importe de mieux comprendre l’interrelation entre ces deux concepts pour évaluer la résilience du système financier face aux risques physiques des changements climatiques.

Mesurer l’exposition aux catastrophes naturelles

Nous recourons aux données historiques de la Base de données canadienne sur les catastrophes de Sécurité publique Canada pour déterminer quelles sont les régions les plus exposées aux catastrophes naturelles (graphique 1). Ces données nous permettent de recenser les catastrophes qui répondent aux critères énoncés dans le document Un cadre de sécurité civile pour le Canada. Une catastrophe y est définie comme étant un aléa qui touche une collectivité vulnérable « d’une façon telle que ses capacités de faire face à la situation sont dépassées et la sécurité, la santé, le bien-être, les biens et l’environnement de la population peuvent être sérieusement altérés3 ». Pour figurer dans la base de données, une catastrophe doit satisfaire à l’un ou à plusieurs des critères suivants :

• dix personnes ou plus ont été tuées;
• cent personnes ou plus ont été blessées ou évacuées, ou se sont trouvées sans logement;
• une demande d’aide a été effectuée à l’échelle nationale ou internationale;
• la catastrophe revêt une importance historique;
• les dommages ou l’interruption de services étaient tels que la collectivité touchée n’a pu se rétablir seule.

Graphique 1 : La fréquence des catastrophes naturelles a augmenté au fil du temps

Nota : L’augmentation du nombre de catastrophes naturelles répertoriées au fil du temps tient probablement en partie à un signalement plus systématique des événements et à un meilleur dénombrement de la part des autorités.
Sources : Base de données canadienne sur les catastrophes et calculs de la Banque du CanadaDernière observation : 2016

Nous examinons 15 types de catastrophes naturelles que nous cartographions selon les régions de tri d’acheminement (RTA)4^, 5. En étudiant la fréquence des catastrophes naturelles tous types confondus, nous constatons que les Prairies sont la région la plus fréquemment touchée. Cependant, il pourrait être trompeur de trier les régions les plus exposées simplement selon la fréquence des catastrophes. Ainsi, une RTA fortement exposée aux feux de forêt ne serait pas considérée comme fortement exposée aux catastrophes comparativement à une RTA exposée aux inondations, car les feux de forêt sont moins fréquents que les inondations. De plus, les catastrophes naturelles ne sont pas toujours indépendantes. Par exemple, une sécheresse extrême – une catastrophe en soi – peut aussi augmenter les risques de feux de forêt.

C’est pourquoi nous répertorions plutôt les régions les plus exposées aux catastrophes naturelles en créant un indice d’exposition multirisques comme Dilley et autres (2005). Nous procédons en deux étapes. Tout d’abord, nous classons les RTA par degré d’exposition (faible, moyenne ou élevée) pour chaque type de catastrophe naturelle en fonction de la distribution de fréquences des événements :

• Faible exposition – égale ou inférieure au 40^e centile
• Exposition moyenne – comprise entre les 40^e et 80^e centiles
• Exposition élevée – égale ou supérieure au 80^e centile

Ensuite, nous combinons ce classement pour tous les types de catastrophes en un indice d’exposition multirisques. Plus précisément, les RTA sont classées selon leur exposition la plus élevée aux 15 types de catastrophes pour former les catégories suivantes :

• Faible exposition à toutes les catastrophes
• Exposition moyenne à au moins un type de catastrophe
• Exposition élevée à au moins un type de catastrophe (cette catégorie est subdivisée en trois selon que la RTA est exposée à une, deux ou plus de deux catastrophes naturelles)

La plupart des régions ont une exposition élevée à au moins un type de catastrophe naturelle (graphique 2). Les RTA fortement exposées à plusieurs types de catastrophes sont concentrées en Colombie-Britannique ainsi que dans les Prairies, les provinces de l’Atlantique, le Nord-du-Québec, les Territoires du Nord-Ouest et certaines parties du sud de l’Ontario, dont la ville de Toronto. En général, les petites RTA sont des régions plus densément peuplées affichant une concentration accrue d’actifs physiques.

Graphique 2 : L’exposition à différents types de catastrophes naturelles varie d’une région à l’autre du pays

Graphique 2 : L’exposition à différents types de catastrophes naturelles varie d’une région à l’autre du pays

Indice d’exposition multirisques, par région de tri d’acheminement

Formats de données offerts : CSV, JSON et XML
Sources : Base de données canadienne sur les catastrophes et calculs de la Banque du Canada

Mesurer les vulnérabilités financières des ménages

Nous compilons deux ensembles d’indicateurs de la vulnérabilité financière des ménages par RTA. Pour chacune, nous regroupons des données anonymisées sur les prêts individuels de TransUnion et des données sur l’émission de prêts hypothécaires tirées des relevés réglementaires soumis par les banques canadiennes6.

Nous examinons les indicateurs du niveau d’endettement en nous concentrant sur la dette hypothécaire, car le logement est généralement l’actif le plus important au bilan d’un ménage et s’accompagne souvent d’un prêt hypothécaire. La destruction de logements peut donc causer de lourdes pertes dans le système financier. Ces indicateurs sont :

• la proportion de prêts hypothécaires dont le montant est au moins égal à 4,5 fois le revenu du ménage (ratio de prêt au revenu supérieur à 450 %);
• le ratio moyen de prêt au revenu des prêts hypothécaires;
• la proportion d’emprunteurs ayant un prêt hypothécaire.

Nous tenons aussi compte d’indicateurs mesurant à quel point l’accès au crédit des ménages est limité. En effet, les ménages dont l’accès au crédit est restreint pourraient avoir plus de difficulté à faire face à des perturbations soudaines de leur revenu lors d’une catastrophe. Ces indicateurs sont :

• la proportion de prêts hypothécaires assortis d’une assurance prêt hypothécaire7;
• la proportion d’emprunteurs qui utilisent plus de 90 % du crédit disponible sur des cartes ou marges de crédit;
• la proportion d’emprunteurs dont la cote de crédit indique un risque d’insolvabilité.

Utiliser l’apprentissage automatique pour trouver les combinaisons courantes de vulnérabilités financières et d’expositions multirisques

Nous utilisons l’apprentissage automatique non supervisé pour faire l’inventaire des RTA vulnérables sur le plan financier et exposées à des risques physiques. Au lieu d’utiliser des seuils arbitraires, nous employons un algorithme d’apprentissage automatique qui trouve les combinaisons les plus courantes de vulnérabilités financières et d’expositions multirisques dans ces régions. Nous procédons en deux étapes.

Tout d’abord, nous réduisons la dimensionnalité des données en recourant à l’analyse en composantes principales8. Cela nous permet de simplifier notre classification en réduisant les sept indicateurs à trois dimensions, améliorant ainsi la capacité de l’algorithme de partitionnement à répertorier des groupes distincts, ou grappes, dans les données.

Puis, nous dégageons trois grappes de RTA similaires à l’aide d’un algorithme de partitionnement de type k‑moyennes9, une démarche statistique qui consiste à trouver des groupes dans un ensemble de données en réduisant la distance entre les points de données. Dans notre cas, nous arrivons à trois grappes de RTA ayant des caractéristiques similaires sur le plan de l’exposition multirisques et des vulnérabilités financières. Nous confirmons l’existence de ces trois grappes à l’aide de diagrammes des valeurs propres et du coefficient de silhouette (graphique 3)10.

Graphique 3 : L’algorithme d’apprentissage automatique non supervisé fait ressortir trois grappes de données

Graphique 3 : L’algorithme d’apprentissage automatique non supervisé fait ressortir trois grappes de données

Sources : Base de données canadienne sur les catastrophes, TransUnion, relevés réglementaires soumis par les banques canadiennes et calculs de la Banque du Canada

Nous analysons les trois grappes pour donner une interprétation économique (tableau 1). L’algorithme d’apprentissage automatique peut classer les points de données en grappes selon plusieurs mesures de similarité, mais ne peut pas les interpréter. Par conséquent, nous étudions les statistiques sommaires de chacune des grappes, auxquelles nous attribuons une lettre comme suit :

• Grappe A : Exposition élevée aux catastrophes et niveau élevé d’endettement
• Grappe B : Exposition moyenne aux catastrophes et accès restreint au crédit
• Grappe C : Faible exposition aux catastrophes et faible niveau de vulnérabilités financières

Tableau 1 : Caractéristiques des régions de tri d’acheminement dans chacune des trois grappes dégagées au moyen de l’apprentissage automatique

Nota : RTA signifie « régions de tri d’acheminement ». Les valeurs dans ce tableau représentent les proportions ou les moyennes observées dans l’ensemble des RTA au troisième trimestre de 2020. Les grappes présentant la plus grande vulnérabilité au regard de chaque indicateur sont en rouge. Celles qui se classent au deuxième rang sur le plan de la vulnérabilité sont en jaune. Enfin, celles dont la vulnérabilité est la plus faible sont en vert.

Évaluer l’interrelation entre l’exposition aux catastrophes naturelles et les vulnérabilités financières

Les ménages établis dans les RTA présentant un niveau élevé d’endettement et une exposition élevée aux catastrophes naturelles détiennent 39 % de la dette des ménages au Canada et sont surtout situés en Colombie-Britannique et en Ontario (graphique 4, bande rouge correspondant à la grappe A). Ce fort endettement est principalement lié aux prix élevés des logements. Dans ce cas, la destruction d’actifs physiques financés par levier d’endettement, comme les logements, pourrait amplifier les pertes au sein du système financier.

Graphique 4 : Les ménages financièrement vulnérables et exposés aux catastrophes naturelles détiennent une grande part de la dette des ménages

Sources : Base de données canadienne sur les catastrophes, TransUnion et calculs de la Banque du CanadaDernière observation : 2020T3

Les ménages établis dans les RTA caractérisées par une exposition moyenne aux catastrophes naturelles et un accès restreint au crédit détiennent 17 % de la dette des ménages au Canada et sont surtout situés dans les Prairies et les provinces de l’Atlantique (graphique 4, bande jaune correspondant à la grappe B). Ces ménages pourraient être moins à même de résister aux chocs en recourant à leurs marges de crédit, car les catastrophes naturelles peuvent entraîner des perturbations soudaines de leurs revenus en raison, par exemple, du déplacement ou de la destruction de moyens de production.

Enfin, les ménages qui détiennent les 44 % restants de la dette des ménages au Canada sont établis dans les RTA principalement situées au Québec et, dans une moindre mesure, en Ontario et dans les Prairies (graphique 4, bande verte correspondant à la grappe C). En moyenne, les ménages dans ces RTA sont relativement peu exposés aux catastrophes naturelles, et leurs vulnérabilités financières sont peut-être moins susceptibles d’amplifier les conséquences des catastrophes naturelles.

Conclusion et limites

Notre analyse met en lumière les régions où les combinaisons de vulnérabilités financières et d’exposition aux catastrophes des ménages pourraient amplifier les pertes financières. Elle laisse supposer que les caractéristiques individuelles des ménages sont des facteurs importants pour les tests de résistance aux changements climatiques servant à évaluer si une exposition aux risques physiques des changements climatiques représente aussi une vulnérabilité pour le système financier. Cela dit, il convient de rappeler les trois grandes limites applicables à nos travaux :

• Notre analyse repose sur des données historiques qui ne fournissent pas d’information sur la manière dont les risques physiques vont évoluer. Il se pourrait que la fréquence, la gravité et la distribution régionale des catastrophes changent avec le temps pour diverses raisons qui vont des changements climatiques à la croissance démographique11.
• Nous ne disposons pas de données complètes sur les bilans des ménages. Pour les ménages qui ont beaucoup d’avoirs liquides, l’exposition aux catastrophes naturelles pourrait s’accompagner d’un risque financier moindre que celui indiqué dans notre analyse.
• Nous manquons d’information sur la protection d’assurance des ménages. Toutefois, même si les ménages sont assurés, certains types de catastrophes peuvent ne pas être couverts par l’assurance habitation standard.

Notes

Bibliographie

1. Amano, R., M.-A. Gosselin et J. Mc Donald-Guimond (2021). Evolving Temperature Dynamics in Canada: Preliminary Evidence Based on 60 Years of Data, document de travail du personnel n^o 2021-22, Banque du Canada.
2. Bilyk, O., A. T. Y. Ho, M. Khan et G. Vallée (2020), Les risques de l’endettement des ménages dans la foulée de la COVID‑19, note analytique du personnel n^o 2020-8, Banque du Canada.
3. Dilley, M., R. S. Chen, U. Deichmann, A. Lerner-Lam, M. Arnold, J. Agwe, P. Buys, O. Kjevstad, B. Lyon et G. Yetman (2005). Natural Disaster Hotspots: A Global Risk Analysis, Washington, Groupe de la Banque mondiale.
4. Ding C., et X. He (2004). « Cluster Structure of K-means Clustering via Principal Component Analysis », Advances in Knowledge Discovery and Data Mining, vol. 3056 de la série Lecture Notes in Computer Science, p. 414-418.
5. Ens, E., et C. Johnston (2020). Analyse de scénarios et risques économiques et financiers associés aux changements climatiques, document d’analyse du personnel n^o 2020-3, Banque du Canada
6. Groupe d’experts intergouvernemental sur l’évolution du climat (2007). « Résumé à l’intention des décideurs », Changements climatiques 2007 : Les éléments scientifiques. Contribution du Groupe de travail au quatrième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat, sous la direction de S. Solomon, D. Qin, M. Manning, M. Marquis, K. Averyt, M. B. Tignor, H. L. Miller et Z. Chen. Cambridge University Press, Cambridge, Royaume-Uni et New York (État de New York), p. 1-18.
7. Groupe d’experts intergouvernemental sur l’évolution du climat (2013). « Résumé à l’intention des décideurs », Changements climatiques 2013 : Les éléments scientifiques. Contribution du Groupe de travail au cinquième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat, sous la direction de T. F. Stocker, D. Qin, G.-K. Plattner, M. Tignor, S. K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex et P. M. Midgley. Cambridge University Press, Cambridge, Royaume-Uni et New York (État de New York).
8. Ho, A. T. Y., K. P. Huynh, D. Jacho-Chavez et G. Vallée (à paraître). We Didn’t Start the Fire! The Effects of a Natural Disaster on Consumer Financial Distress, document d’analyse du personnel, Banque du Canada.
9. Kaufmann, L., et P. J. Rousseeuw (1990). Finding Groups in Data: An Introduction to Cluster Analysis, New York, John Wiley & Sons.
10. Rousseeuw, P. J. (1987). « Silhouettes: A Graphical Aid to the Interpretation and Validation of Cluster Analysis », Journal of Computational and Applied Mathematics, vol. 20 (novembre), p. 53-65.