Conclusion
Ce chapitre se concentre sur une étude empirique du
stress test inversé lié au risque de crédit au sein de la
BFPME. Dans un premier temps, nous avons tenté d'expliquer le risque de
crédit en utilisant à la fois des variables
macroéconomiques et des variables spécifiques à la banque.
Nous avons employé un modèle vectoriel à correction
d'erreur pour cette modélisation. Cette approche nous a permis de
comprendre la dynamique des variables économiques et de prévoir
comment elles réagiraient face à divers chocs potentiels dans
l'économie tunisienne.
Cependant, la littérature théorique et empirique
met en évidence les limites de l'approche économétrique
fréquentiste, qui repose entièrement sur les données
historiques. Pour surmonter ces limites, des études récentes
suggèrent l'intégration d'informations supplémentaires
dans la modélisation, notamment à partir d'une matrice de
restrictions et d'informations à priori. C'est dans ce contexte que nous
avons cherché à améliorer notre étude en
introduisant une distribution à priori pour la matrice des effets
instantanés avant de procéder à l'estimation du
modèle en question.
Dans ce cadre, pour procéder à une comparaison
des performances entre le modèle VECM et le modèle BSVAR, nous
avons appliqué différents tests basés sur la comparaison
des prévisions. Cependant, d'après les tests nous pouvons
conclure que les prévisions fournies par le modèle BSVAR sont
meilleures que celles fournies par le modèle VECM.
Dans un deuxième lieu, nous avons choisi les
hyperparamètres qui nous ont conduits à des réflexions
problématiques de la part des décideurs lors de l'application des
scénarios de stress test, afin de prévoir le niveau des
prêts non performants après chaque scénario proposé.
Les résultats indiquent que le niveau des prêts non performants
augmente rapidement sous le scénario de stress, ce qui conduit à
un taux de NPL qui atteint 100% vers la fin de l'année 2025. Cela
démontre l'importance d'appliquer régulièrement des stress
tests pour calibrer la réflexion des responsables et prendre des
décisions en temps opportun, ce qui permet de maintenir la
continuité de la banque.
76
CONCLUSION GENERALE
Le stress test de risque de crédit constitue un
complément important aux approches quantitatives de la gestion du risque
de crédit. Il permet à la fois de comprendre les modèles
de risque de crédit et l'analyse des portefeuilles des banques. Le
stress test fournira toujours une mesure de l'intuition qui n'est
généralement pas réalisable. L'exercice de
sélection des facteurs, de création de scénarios et
d'évaluation de l'impact de ces scénarios induit une connexion
à la fois aux modèles et aux risques du portefeuille qui est
généralement beaucoup plus riche qu'avec l'analyse quantitative
de portefeuille seule. Les scénarios fournissent des descriptions
intuitives de certaines situations qui pourraient se produire mais qui ne se
sont jamais produites auparavant, ainsi que les pertes associées
à ces situations. Cela donne un aperçu à la fois du
comportement du portefeuille et des facteurs du risque de crédit.
L'objectif de notre étude est, d'une part,
d'intégrer l'approche structurelle et bayésienne pour
modéliser le risque de crédit de la BFPME, et, d'autre part,
d'utiliser les hyperparamètres de la distribution à priori dans
la construction des scénarios de stress test inversé
appliqués au risque de crédit. Cette étude s'articule
autour de trois chapitres : le premier chapitre présente une
généralité sur les risques, en mettant
particulièrement l'accent sur le risque de crédit ; le
deuxième chapitre traite de l'aspect théorique du stress test du
risque de crédit, et le dernier chapitre a mené à la
réalisation de notre étude empirique afin de montrer l'importance
de l'inférence bayésienne dans l'élaboration d'un
modèle du risque de crédit à travers le modèle
BSVAR. Cette démarche vise à comprendre la nature de la relation
entre les variables explicatives et le ratio des prêts non performants,
tout en enrichissant le modèle grâce à l'aspect intuitif
des décideurs.
L'étude empirique met en lumière les faiblesses
de l'approche VECM, qui ne tient pas compte de l'aspect théorique des
interactions entre les variables, du caractère subjectif du principe de
parcimonie, et de l'acceptation des hypothèses à un intervalle de
confiance de 5%, ce qui va à l'encontre de l'objectif du stress test.
Pour corriger ces lacunes, nous avons tout d'abord recouru à
l'intégration de la matrice des restrictions entre les variables afin de
donner un sens économique à notre estimation, tout en
préservant la dynamique entre les variables. De plus, nous avons
également intégré l'approche bayésienne, qui permet
de résoudre plusieurs problèmes, tels que la stationnarité
des séries, le raisonnement en termes de plausibilité des
hypothèses, ce qui nous permet de prendre en compte toutes les
hypothèses sans les rejeter,
77
nous rapprochant ainsi au plus près de la
réalité. Cela a conduit à une amélioration
significative de la précision des prévisions par rapport au
modèle VECM, notamment en ce qui concerne la variable NPL sur 20
périodes, passant de 14,2% à 2,3% pour l'erreur des
prévisions.
Les back testing sont plus approfondis et portent sur toutes
les variables sur des périodes de 10, 15 et 20 périodes pour
démontrer la robustesse et la stabilité dans le temps du
modèle BSVAR. Nous avons également prouvé que les
différences des erreurs sont statistiquement significatives, montrant
que le modèle VECM ne surpasse pas celui de BSVAR. Une idée
novatrice a été d'analyser l'impact des chocs sur la
réaction des décideurs face à l'entrée de nouvelles
informations. En cherchant le niveau des hyperparamètres susceptibles de
conduire les responsables à prendre de mauvaises décisions, nous
considérons cette démarche de réflexion comme un choc
extrême, et nous évaluons ses répercussions sur les NPL.
L'avantage ici est de ne pas rechercher un nombre arbitraire
d'écart-types.
Les résultats obtenus nous conduisent à la
conclusion qu'à la fin de l'année 2025, tous les prêts de
la BFPME seront qualifiés de non performants, ce qui
accélérera la faillite de la banque. Pour faire face à ce
problème, des recommandations ont été
élaborées pour orienter les décideurs vers la prise de
décisions judicieuses.
En conclusion, l'application du stress test sur le
portefeuille de crédit de la banque se révèle très
utile, car elle peut compléter les autres méthodes de gestion.
Elle améliore la qualité des informations disponibles et
éclaire les décideurs dans l'élaboration de leur
stratégie, ou les aide à ajuster leurs plans d'action afin
d'éviter que la banque ne subisse d'importantes pertes en cas de
problèmes de gouvernance et de décisions malheureuses prises par
les responsables.
Les limites de recherche :
L'une des limites de ce travail réside dans le nombre
limité de variables choisi dans notre modèle, ce qui ne nous
permet pas d'étudier et d'expliquer la totalité du risque de
crédit. Une autre difficulté réside dans
l'interprétation des hyperparamètres pour bien comprendre
l'orientation de l'intuition des décideurs. De plus, nous n'avons pas
calculé l'impact des NPL sur le coefficient de solvabilité de la
BFPME vue l'existence d'un coefficient négatif, ainsi qu'un retard dans
la clôture des années comptable. Pour mieux évaluer le choc
sur le risque de crédit de la banque, il serait préférable
de prendre en considération une combinaison de chocs, à la fois
en termes d'écart-type et d'intuition. Il est recommandé
d'intégrer d'autres risques pour généraliser le choc, tels
que le risque de liquidité supporté par la banque.
78
| 
