Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

REMFO N°7 Juillet 2018 ISSN 2489-205X REMFO http://revues.imist.ma/?journal=REM

REMFO N°7 Juillet 2018 ISSN 2489-205X REMFO http://revues.imist.ma/?journal=REMFO&page=about 1 Revue D’Etudes en Management et Finance D’Organisation N°7 Juillet 2018 APPROCHES D'ÉVALUATION DU RISQUE DE CRÉDIT BANCAIRE ESSAI D'ORGANISATION DE LA LITTÉRATURE THE BANKING CREDIT RISK ASSESSMENT APPROACHES: LITERATURE ORGANIZATION TEST MEBSOUT Yassine Doctorant chercheur Laboratoire de Modélisation Appliquée à l'Économie et à la Gestion FSJES Ain Sebaâ - Université Hassan II Casablanca Email : mebsout.yassine@gmail.com LAIACHI Mohamed Enseignant chercheur FSJES Ain Sebaâ - Université Hassan II Casablanca Email; mohamed.laiachi@gmail.com Résumé La gestion du risque de crédit bancaire se fait depuis plusieurs décennies. Elle se base sur l'analyse statistique, économique et financière afin de prévoir les entreprises financièrement saines des entreprises défaillantes. Les anciens modèles de gestion du risque de crédit se distinguent par leur caractère statique, ils se basent sur une analyse purement financière. Les approches structurelles et réduites viennent compléter ces modèles à travers l'intégration de nouveaux facteurs probabilistes et stochastiques qui servent à quantifier ce type de risques. La réglementation prudentielle représentée par la BRI vient par la suite pour défendre le même but qui est celui de protéger les institutions financières contre les différents risques à travers de nouveaux accords et recommandations. Mots clés : crédit- risque - banque - stochastique - notation interne Abstract The banking credit risk management exists for several decades. It is based on statistical, economic and financial analysis in order to forecast the solvability of companies. The old models of credit risk management are characterized by their static nature. They are based on a purely financial analysis. Structural and reduced approaches complete these models. They include new probabilistic and stochastic factors which are important to quantify credit risk. The prudential regulation represented by the BIS comes later to defend the same goal of protecting financial institutions against the different risks through new agreements and recommendations. Key words: credit - risk - bank - stochastic - scoring- internal ratings based (IRB) approach. REMFO N°7 Juillet 2018 ISSN 2489-205X REMFO http://revues.imist.ma/?journal=REMFO&page=about 2 Introduction Le métier de la banque est fortement lié aux risques. Toute transaction bancaire comporte un risque de crédit, de marché de liquidité, opérationnel, etc. Au Maroc, le système bancaire est en plein essor grâce aux groupes bancaires qui adoptent une stratégie agressive du marché. Le taux de bancarisation1 avoisinant 62% présage des perspectives de croissance du secteur. Toutefois, cette mutation doit s’accompagner d’outils de gestion des risques efficaces en adéquation avec la stratégie de la banque, de la réglementation bancaire locale, notamment Bank Al-Maghrib et de la réglementation Bâloise. La gestion des risques revêt une importance particulière dans le dispositif de contrôle interne de la banque. C’est un processus transverse et intégré qui a pour objectif : l’identification, l’évaluation, le contrôle et la maîtrise des risques. S’agissant du domaine des crédits, l’augmentation exponentielle et la diversité des engagements ont amené les autorités prudentielles à mettre en place de nombreux outils de mesure et de surveillance des risques afin de protéger les établissements de crédit contre les différents risques qui proviennent de la mauvaise moralité ou solvabilité des emprunteurs. L'objectif de ce travail est de mettre le point sur l'ensemble des théories qui ont été mobilisées afin de bien gérer le risque de crédit. 1. L'ANALYSE STATISTIQUE ET SON RÔLE DANS LA GESTION DU RISQUE DE CRÉDIT BANCAIRE Les travaux de Beaver (1966) ont donné naissance à une nouvelle discipline qui combine entre l'analyse financière et la notation des crédits bancaires à travers le crédit-scoring. Beaver (1966) était le pionnier de la technique du crédit-scoring. Il s'agit d'une analyse dichotomique fondée sur un ratio unique. La théorie sur laquelle se base ce modèle s'explique dans le cadre d'un flux de liquidité (Cash-Flow), Beaver (1966) considère l'entreprise comme un réservoir d'actifs liquides, alimenté par des flux entrants et drainé par des flux sortants, ce réservoir doit protéger ces entreprises contre les variations défavorables des flux. Dans ce cas, la solvabilité de l'entreprise est définie en fonction de la probabilité que le réservoir sera épuisé. C'est à dire le point mort au-dessous duquel l'entreprise sera incapable de faire face à ces obligations à l'échéance. En utilisant l'analyse discriminante univariée, Beaver (1966) montre que les ratios 1 Le taux de bancarisation est un indicateur qui permet de mesurer le niveau de pénétration des services bancaires dans la population d'un pays ou d'une région. REMFO N°7 Juillet 2018 ISSN 2489-205X REMFO http://revues.imist.ma/?journal=REMFO&page=about 3 financiers peuvent être utilisés pour distinguer les entreprises défaillantes el les entreprises non-défaillantes. Malgré la performance des résultats fournis par cette analyse, l'approche de Beaver (1966) a souffert de plusieurs limites, à savoir le caractère univarié de cette approche. Le traitement des ratios d'une manière indépendante ne permet pas juger d'une manière globale la performance d'une entreprise, chose qui néglige l'interdépendance qui existe entre les différents ratios financiers. Le caractère univarié de l'analyse de Beaver (1966) représentait le point de départ des études effectuées par Altman (1968), Edmister (1972), Altman, Haldeman et Narayanan (1977), Altman et Lavallee (1980). Ce caractère univarié lui ont permis de développer une analyse discriminante multivariée. Cette analyse aboutit à la construction d'une fonction appelée score qui représente une combinaison linéaire de plusieurs variables explicatives (exprimées par des ratios financiers). À titre d'exemple, Altman (1968) a utilisé cinq ratios financiers dans son analyse des entreprises pour construire leur score, alors que Altman, Haldeman et Narayanan (1977) ont construit leur fonction score à travers la combinaison linéaire de sept ratios afin de prévoir la défaillance financière. Les scores (résultat) obtenus par les différents modèles cités ci-dessus doivent faire l'objet d'une comparaison avec un seuil de référence. Ce seuil va permettre par la suite de faire une distinction entre les entreprises saines et les entreprises en défaut. Bien que l'analyse discrimante multivariée a montré son efficacité durant la période (1968- 1977), Eisenbeis (1977) l'a toujours critiquée car son application est fondée sur des hypothèses statistiques strictes à savoir la normalité des variables explicatives d'une part, et la non homogénéité de la matrice de variance-covariance entre le groupe des entreprises financièrement saines et le groupe des entreprises défaillantes d'autres parts. Eisenbeis (1977) montre qu'il existe des variables explicatives qui ne peuvent pas vérifier l'hypothèse de normalité. Afin d'éviter ce problème, Ohlson (1980) a recommandé l'application de la régression logistique dans la prévision de la défaillance des entreprises. Dans cette méthode la variable endogène (la variable à expliquer) prend la forme binaire, elle prend la valeur 0 lorsque l'entreprise est défaillante, sinon la valeur 1 dans le cas contraire. L'avantage de cette technique comme nous l'avons susmentionné réside dans sa capacité de combiner plusieurs variables indépendantes sans que l'hypothèse de normalité soit une condition nécessaire dans la prédiction des défaillances des entreprises. REMFO N°7 Juillet 2018 ISSN 2489-205X REMFO http://revues.imist.ma/?journal=REMFO&page=about 4 Le début des années 90 a donné naissance à d'autres techniques statistiques non paramétriques comme les réseaux de neurones artificiels et les algorithmiques génétiques. Bell, Ribar et Verchio (1990) étaient les premiers à appliquer les réseaux de neurones dans l'estimation du risque de défaut. L'utilisation de cette technique s'est poursuit par les travaux de Tam (1991), Tam et Kiang (1992) et Altman, Marco et Varetto (1994). 2. LA GESTION DU RISQUE DE CRÉDIT SELON LES APPROCHES STRUCTURELLES ET LES APPROCHES RÉDUITES Il existe deux grandes catégories d'approches qui servent à quantifier le risque de crédit. La première catégorie concerne les approches structurelles et la deuxième concerne les approches réduites. Depuis les années 70, les approches structurelles ont été connues par leur robustesse et leur efficacité. Merton (1974) fut le premier à développer ces modèles. Il se basait sur la valeur au marché des actifs d'une firme pour déterminer la probabilité de défaut de cette firme. Dans son article Merton (1974) utilise les travaux précédents de Black & Scholes d'évaluation des options européennes. Il considère l'action et la dette d'une entreprise comme des produits dérivés. L'hypothèse qui sous-tend le modèle de Merton (1974) est que la faillite survient lorsque la valeur au marché des actifs de l'entreprise devient inférieure à la valeur de ses engagements financiers. La distance de l'entreprise par rapport au défaut dépend de l'écart entre ces deux valeurs. Dans ce cas, c'est la valeur des actifs de l'entreprise qui limite son accès à l'endettement. Black et Cox (1976) ont étendu le modèle de Merton (1974) en introduisant des conditions qui peuvent détecter les défauts qui peuvent survenir avant la date d'échéance de la dette de la firme. Black et Cox (1976) supposent que le défaut survient pour la première fois lorsque la valeur de l'actif baisse et dépasse une certaine barrière temporelle. Zhou (1997) propose un modèle différent en remplaçant le processus de diffusion des modèles précédents par un processus de diffusion avec sauts. Une firme peut alors connaitre un défaut suite à une baisse soudaine de sa valeur, ce qui n'est pas possible avec le modèle de Merton. De leur côté, Longstaff et Schwartz (1995) ont développé un modèle à deux facteurs en incluant le risque de taux d'intérêt en plus du risque de défaut. Ils ont dérivé une uploads/Finance/ 1-pb 14 .pdf