WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Intuition des décideurs : stress test inversé sur le risque du crédit de la bfpme


par Ghadhab Wassim
Institut de financement du développement du Maghreb arabe -  2023
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.3. Présentation des données

Dans le cadre de notre étude visant à estimer le modèle de risque de crédit, nous avons utilisé des données spécifiques à la BFPME obtenues à partir des états financiers publiés sur le site de la CMF, ainsi que des données macroéconomiques provenant des sites de l'INS et de la BCT. Nous avons veillé à rassembler un volume maximal d'observations pour assurer la robustesse de nos modèles. En conséquence, nous avons constitué une base de données trimestrielle couvrant la période allant de T1 2006 à T4 2021, ce qui nous a donné 64 observations. (Annexe1)

- La variable à expliquer :

La variable que nous utilisons pour mesurer le risque de crédit est le ratio des prêts non performants. Cette variable est couramment utilisée dans la littérature comme un indicateur de mesure du risque de crédit. (Annexe2)

Figure 2 : L'évolution des prêts non performants

100.00

80.00 60.00 40.00 20.00

0.00

 

Mar-06 Dec-06 Sep-07 Jun-08 Mar-09 Dec-09 Sep-10 Jun-11 Mar-12 Dec-12 Sep-13 Jun-14 Mar-15 Dec-15 Sep-16 Jun-17 Mar-18 Dec-18 Sep-19 Jun-20 Mar-21 Dec-21

NPL

Source : élaborer par l'auteur à l'aide de Excel

50

D'après le graphique ci-dessus, nous constatons une tendance à la hausse des NPL depuis la création de la banque jusqu'à aujourd'hui. Le niveau des prêts non performants de la BFPME a atteint un niveau élevé de 83,52 % en 2021 en raison de la nature de son activité et de la faiblesse de son modèle économique en tant que banque d'investissement.

- Les variables explicatives :

Pour identifier les variables explicatives du risque de crédit, nous nous sommes inspirés des recherches précédentes menées par (Dimitrios, Angelos, & Vouldis, 2012), (Alexandri & Santoso, 2015), ainsi que (Messai & Jouini, 2013). Le tableau ci-dessous présente les variables explicatives que nous avons incluses dans notre modèle.

Tableau 3 : Les variables micros et macros économiques

 

Variables

Mesure

Description

Variables Spécifique

ROA

Rentabilité des actifs

résultat net

Les banques non rentables sont davantage incitées à

sélectionner soigneusement leurs clients afin
d'améliorer la qualité de leur portefeuille.

total actifs

PCC

Provisions sur

créances classés

Les banques ont tendance à constituer des provisions lorsqu'elles anticipent des niveaux élevés de pertes.

Variables Macroéconomique

IPC

Indice des Prix à la Consommation

Permet de mesurer l'évolution du niveau moyen des prix des biens et services consommés par les ménages et permet d'analyser l'impact inflationniste.

IPI

Indice de Production Industrielle

C'est un instrument statistique qui mesure les

variations des quantités produites dans l'industrie.

TMM

Taux de Marché

Monétaire

C'est le taux d'intérêt sur le marché monétaire qui présente un instrument d'indexation pour les banques, en termes de crédit, de dépôt à terme et d'épargne.

USD

Taux de Change

USD/TND

La dépréciation de la monnaie locale entraîne une détérioration du portefeuille de clients libellé en devise étrangère.

Source : préparer par l'auteur

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"L'imagination est plus importante que le savoir"   Albert Einstein