Memoire Online - Risques de crédits et réalisation des objectifs stratégiques d'une banque. Cas de l'Afriland first bank CD.

Autraversce point nous voyons les différentes voies empruntées pour arriver à infirmer ou confirmer l'hypothèse de notre travail. C'est ainsi, nous avons fait à la méthode du moment généralisé.

A. Présentation des modèles dynamiques

Les méthodes des moments généralisés (GMM) gagnent en efficacité. Elles utilisent toutes les variables retardées des variables dépendantes et des variables explicatives exogènes comme instruments. C'est dans ce cadre que s'inscrit les travaux d'Arellano et bond (1991). Ces deux auteurs ont estimé les modèles dynamiques par la méthode du moment généralisé (GMM) pour contourner le problème de colinéarité multiple et d'endogéniété des régresseurs.

La Rentabilité : Goodhart (2010) et all soutiennent qu'une rentabilité élevée pousse les banques à une prise de risque excessive. Pour cela, nous proposons comme mesure de la rentabilité : ROA et ROE ;

Le Ratio du capital : C'est le rapport entre les fonds propres règlementaires et les exigences en fonds propres pondérées. Il mesure le degré de capitalisation de la banque. Ce ratio bancaire se fonde sur des données comptables pour fournir une information sur la solvabilité et le niveau de couverture des risques bancaires. Shrieves et Dahl (1992), Aggarwal et Jacques (2001) Koehn et Santomero (1980), Kim et Santomero (1988) Blum (1999), supposent que le capital comptable pourrait conduire à une prise de risque excessive.

le ratio de prêts non performants sur les prêts bruts est une mesure de la qualité des actifs utilisée par les institutions bancaires qui est associé à la présence de risque de faillite et constitue un indicateur avancé significativement de l'insolvabilité ;

Toutes ces proviennent des états financiers de la banque. Selon la théorie, la réalisation des objectifs stratégiques de la banque en terme de la rentabilité économique et financière face au risque de crédits peut avoir comme facteurs explicatifs : le degré du ratio de solvabilité, les provisions pour crédit par rapport au portefeuille crédit, le niveau de prêts non performants, le niveau du ratio de levier, le niveau d'inflation et le niveau de la production intérieure brute.

Les tests de racine unitaire permettent de s'assurer de l'existence de la stationnarité ou non dans les séries temporelles. « Si dans un modèle économétrique on utilise les séries non stationnaires, les résultats des tests statistiques sont faux, et on obtient ce qu'on appelle communément une spurious regression ». D'où la nécessité de s'assurer que les données des séries temporelles ne contiennent pas une saisonnalité (D. KASONGO, 2016).

Il existe plusieurs tests de racine unitaire : les tests de Dickey-Fuller (DF) simple et Dickey-Fuller Augmenté (ADF), le test de Phillips et Perron, le test de Kwiatkowski, Phillips, Schmidt et Shin (test de KPSS). Dans notre étude nous n'utiliserons que le test de Dickey-Fuller Augmenté (ADF), le test de Phillips-Perron. Nous avons choisi de faire le

test d'ADF au lieu de celui de DF, car le premier est venu palier aux insuffisances du second, par le fait que ce dernier considère le processus åt comme étant un bruit blanc. Or il n'y a aucune raison pour que, à priori, l'erreur soit non corrélée, hypothèse que lève le test d'ADF.

A l'aide des tests de Dickey-Fuller Augmenté (ADF), qui est « basé sur l'estimation par les moindres carrés » et Phillips et Perron (PP), nous chercherons à vérifier la présence d'une racine unitaire dans nos séries. Pour le test ADF, l'hypothèse nulle signifie l'existence d'une racine unitaire (la série temporelle n'est pas stationnaire). La valeur de p sera déterminée selon les critères d'AKAIKE, SCHWARZ et HANNAN-QUINN. Quant au test PP, qui prend en compte les erreurs hétéroscédastiques, nous calculons la statistique PP que nous comparons à la table de Mackinnon. Nous vérifierons l'hypothèse H0 qui correspond à une probabilité critique supérieure à á (D. KASONGO, 2016).

Nous allons faire un test individuel pour chacune de nos variables, respectivement le test d'ADF et le test PP. Le tableau ci-dessous présente la synthèse des résultats des tests de Dickey-Fuller Augmenté de chaque variable retenue.

N°	VARIABLES	t-stat	Probabilité critique	Conclusion
1	ROAt	-1,69	0,49	Présence d'une racine unitaire
2	ROEt	-1,85	0,34	Présence d'une racine unitaire
3	EMt	-1,61	0,45	Présence d'une racine unitaire
4	IC/PCt	-1,05	0,72	Présence d'une racine unitaire
5	PRC/PCNt	-1,78	0,38	Présence d'une racine unitaire
6	RPNP/PBt	-0,72	0,83	Présence d'une racine unitaire
7	RSt	-2,49	0,12	Présence d'une racine unitaire

Toutes les variables ont une probabilité critique supérieure à 5 %, qui signifie qu'elles ont une racine unitaire. Le modèle économétrique spécifié est composé des variables non stationnaires.

Ainsi, les rentabilités économique et financière de la banque sont influencées par plusieurs variables, à savoir :

TABLEAU N°3 : LES RÉSULTATS DE TEST DE PHILLIPS- PERRON (Probabilité critique supérieure à 5 % = hypothèse H0)

N°	VARIABLES	t-stat	Probabilité critique	Conclusion
1	ROAt	-1,70	0,42	Présence d'une racine unitaire
2	ROEt	-1,85	0,34	Présence d'une racine unitaire
3	EMt	-1,61	0,45	Présence d'une racine unitaire
4	IC/PCt	-1,06	0,72	Présence d'une racine unitaire
5	PRC/PCNt	-1,79	0,38	Présence d'une racine unitaire
6	RPNP/PBt	-0,74	0,83	Présence d'une racine unitaire
7	RSt	-2,49	0,12	Présence d'une racine unitaire

Toutes les probabilités critiques sont supérieures à 5 %. Nous retenons l'hypothèse H0. Il y a la présence d'une racine unitaire.

Les résultats de ces deux tests convergent. Nous pouvons affirmer que les séries de notre modèle sont non-stationnaires à niveau. Aux seuils de 1%, 5% et 10 %, toutes les probabilités critiques sont supérieures à 0,05. Nous devrons procéder à une différenciation des séries afin de les stationnariser.

Quant au test de stationnarité du modèle, nous avons d'abord calculé l'ordre de p suivant les critères d'AKAIKE, SCHWARZ et HANNAN-QUINN. Ces critères disposent l'ordre qui peut aller de 0 à h (h étant le retard maximum admissible par la théorie économique).

Selon la théorie statistique, l'ordre de p correspond à celui qui minimise les critères d'AKAIKE, SCHWARZ et HANNAN-QUINN. Au travers ces critères, nous avons constaté que c'est au premier degré que notre modèle est minimisé.

Notre modèle comporte plusieurs variables endogènes dont nous cherchons à mettre en évidence la simultanéité. Le recours aux équations simultanées nous paraît un choix pertinent pour le tester. De plus, nous étudions l'évolution de ces variables au cours du temps. Ainsi, les variations du risque et de rentabilité a l'instant t sont fonctions des valeurs objectifs du risque et la rentabilité, de leurs valeurs a l'instant t-1 et de facteurs exogènes. Les valeurs objectifs ou encore les niveaux retardés de la rentabilité et du risque ne sont pas observables mais sont supposés dépendre de certaines variables observables.

y' Le niveau de provision pour crédit à l'instant t et t-1 (PRC-PCNt et PRC-PCNt-1) ;

y' Le ratio de prêts non performants à l'instant t et t-1 (RPNP-PCt et RPNP-PCt-1).

Les variables endogènes (ROA et ROE) sont incluses dans la partie droite des équations afin d'étudier les relations entre les changements de performance et les changements du niveau du risque et de montrer leurs interdépendances.

ROE= a0 + a1EMt + a2IC-PCt-1 + a3PRC-PCNt-1 + a4RSt-1 + a5RPNP-PCt-1 (2) ii. Résultats de l'estimation du modèle dynamique GMM de ROA et ROE

Après avoir spécifié le modèle pouvant nous permettre de bien trouver les vrais coefficients qui donnent une explication de manière claire du degré d'influence par lequel chaque variable peut avoir sur les rentabilités économique et financière voici les résultats des estimation dans les points qui suivent.

X3	-3.198643	1.518356 -2.106649	0.0384
X4	0.249023	0.122034 2.040593	0.0447
X5	0.063865	0.020855 3.062322	0.0030
X6	-4.44E+11	3.50E+10 -12.68302	0.0000
X7	-0.225203	0.056537 -3.983292	0.0002
R-squared	0.714753	Mean dependent var	-0.011065
Adjusted R-squared	0.696231	S.D. dependent var	0.241892
S.E. of regression	0.133319	Sum squared resid	1.368604
Durbin-Watson stat	2.070541	J-statistic	0.000000
Instrument rank	6

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	-0.101683	0.070151 -1.449488	0.1513
X3	-11.84588	6.402007 -1.850339	0.0681
X4	1.246352	0.514546 2.422234	0.0178
X5	0.236175	0.087934 2.685824	0.0089
X6	-1.78E+12	1.48E+11 -12.05984	0.0000
X7	-1.044383	0.238383 -4.381114	0.0000
R-squared	0.735729	Mean dependent var	-0.093444
Adjusted R-squared	0.718568	S.D. dependent var	1.059618
S.E. of regression	0.562129	Sum squared resid	24.33115
Durbin-Watson stat	2.070541	J-statistic	0.000000
Instrument rank	6

3. PRESENTATION DES RÉSULTATS EMPIRIQUES ET INTERPRÉTATION DU MODÈLE DYNAMIQUE GMM

Dans un premier temps, nous avons estimé chacune des équations individuellement afin de mettre en lumière les différentes liaisons statistiques pouvant exister entre la variable dépendante et les variables explicatives pour chaque équation.

L'estimation des équations selon la méthode GMM d'Arellano et Bond nous donne les résultats suivants :

? En ce qui concerne le ratio de levier par rapport à la rentabilité économique (ROA), certes la théorie stipule que les exigences des fonds propres réduisent les risques bancaires et contribuent à la stabilité du système bancaire. Mais les résultats obtenus montrent que la maîtrise des risques se fait au détriment de la rentabilité c'est-à-dire il y a un lien négatif et significatif entre ROA et le ratio de levier qui, toute augmentation de 1% de ce ratio entraine la diminution de 3.20% de la rentabilité économique de la banque. Cela peut s'explique par le fait que l'augmentation de fonds propres dans le souci de protection des épargnants va entrainer un niveau faible d'octroi du crédit source dans le long terme de l'accroissement du produit net bancaire grâce aux intérêts perçus sur ce dernier;

? En rapport avec l'intérêt sur crédit sur le portefeuille crédit, son augmentation de 1% entraine une variation à la hausse de 0.25% de la rentabilité économique. Ceci s'explique dans le sens que, en accordant un prêt aux emprunteurs, la banque fixe un taux d'intérêt réel qui doit rémunérer son prêt à une échéance fixée en avance. Lors du remboursement du prêt et des intérêts, ceci va booster le niveau de fonds propres de la banque et affecte de manière positive sa rentabilité ;

? Concernant la relation entre la variable provisions pour pertes sur prêts et la rentabilité économique, elle est positive à un niveau de 0.06% à chaque augmentation de 1% ces dernières. Ce résultat s'explique par le fait que les banques qui anticipent des niveaux élevés de pertes en capital pourraient créer des provisions plus élevées pour diminuer la volatilité des résultats et renforcer leur solvabilité à moyen terme. Ce résultat est similaire à celui de Fisher, Gueyie et Ortiz (2001) ;

? Par rapport au ratio des prêts non performants et la rentabilité économique, la relation montre que l'augmentation de 1% impacte négativement et de manière significative représentée par la diminution de 4.44% de la rentabilité économique. Ce résultat est similaire à celui des auteurs, tels Miller (1997), Abreu et Mendes (2002) (précités), ou Naceur et al (2010), interprètent en fait le ratio prêts sur actifs comme une mesure du risque de crédit : plus ce ratio est élevé, plus le nombre de crédits accordé par la banque est élevé, et donc plus le risque de défaut (i.e. le risque de crédit) augmente. Pour rémunérer ce risque de crédit supérieur, les banques vont augmenter leurs marges sur les intérêts de prêts, ce qui augmente le NIM et la performance ;

? En ce qui concerne la relation entre le ratio de solvabilité et la ROA, le résultat renseigne une relation négative estimée à 0.23% à une variation vers la hausse de 1% de ce ratio.

En ce qui concerne l'impact qu'a ces différentes variables sur le niveau du capital investi par les actionnaires ou propriétaires de la banque après l'estimation de notre modèle dynamique par la méthode du moment généralisé, voici les résultats qui en découlent :

? En rapport avec le lien entre le ratio de levier et la ROE, le résultat montre un lien négatif et très significatif entre ce ratio et la ROE estimé à 11.83% à chaque variation vers la hausse de 1%. Ce résultat s'explique par le fait que la rentabilité financière est indicateur qui donne le reflet du rendement du capital investi par les actionnaires et lorsque le degré de capitalisation est très élevé, celui-ci est profitable uniquement à ces qui ont épargné dans la banque et non aux propriétaires car l'octroi de crédit sera faible à cause de ce degré de capitalisation ;

? En ce qui concerne la relation entre les intérêts sur crédit et la ROE, les résultats obtenus montrent que cette dernière est positive et tellement significative estimée à 1.25% à chaque augmentation de ces derniers ;

. En faisant référence aux résultats obtenus en rapport avec l'influence qu'a les provisions pour pertes sur crédits sur la ROE, ces derniers témoignent que les provisions influencent de manière positive la rentabilité financière de la banque allant à 0.24% lorsqu'il y a une variation vers la hausse de 1%.

? Les résultats en rapport avec ratio des prêts non performants et de leur influence sur la ROE, ces derniers montrent que les prêts non performants influencent

négativement et de manière significative cette dernière estimée à 1.78% à en cas de la variation vers la hausse de 1% ;

? Le ratio de solvabilité quant à lui par rapport à la rentabilité financière, l'influence négativement la ROE à 1.04% à chaque variation de 1% de ce dernier.

Au travers de ces résultats ci-dessus et notre investigation au sein de la banque, nousconstatons que :

+ Cette dernière est exposée au risque de crédit qui est saisi par le niveau de prêts non performants et niveau de provisions pour pertes sur les crédits ;

+ Le ratio de levier affecte négativement la rentabilité des fonds qui sont investis par les actionnaires de la banque ;

+ L'analyse du dossier et de la fonction distribution crédit n'est pas bien assurée ;

+ Il y a une asymétrie d'information entre la banque et les emprunteurs tant de particuliers que des entreprises ;

+ Le ratio de solvabilité à partir de son volume en fonds propres par rapport au total actif ne permet pas à la banque de faire face aux différentes demandes de déposants de fonds.

De ce qui précède, nous suggérons à l'Afriland First Bank CD de veiller sur :

+ D'avoir les analystes crédit qui ont une connaissance sur les différents éléments qui constituent le dossier crédit ;

+ De faire le suivi de dossier crédit jusqu'au remboursement final du montant total de l'emprunt ainsi que des intérêts ;

+ De fournir au public les informations nécessaires sur les différentes modalités à suivre pour accéder au crédit ;

+ De respecter les normes fixées par les accords de Bâle dans le cadre de constitution de ses fonds propres.

Risques de crédits et réalisation des objectifs stratégiques d'une banque. Cas de l'Afriland first bank CD.

2. LA PRESENTATION DE LA METHOLOGIE DE TRAVAIL

A. Présentation des modèles dynamiques