Académique Documents
Professionnel Documents
Culture Documents
(CEMAC)
Organisation Internationale
BP : 294 Yaoundé CAMEROUN Tel : 222 01 34
Présenté par :
Membres du Jury
Juin 2007
DÉDICACES
Je dédie ce travail à
Ce travail est le fruit d’une somme d’efforts qui, pris individuellement, ont concouru à sa
réalisation. Le soin nous étant donné d’adresser notre gratitude :
A Monsieur le Directeur Général de l’ISSEA, M. Leoncio OYANA NZE, ainsi que tout le
personnel enseignant pour le sérieux dont ils ont toujours fait preuve pour nous donner une
bonne et solide formation.
A M. Robert NGONTHE, Directeur des études du 3ième cycle qui a été d’un soutien
particulier pour la IAS 4 à travers ses conseils.
A M. ONDO, M. Ignace KAMGA pour leurs remarques qui nous ont permis d’améliorer
l’aspect modélisation de ce document.
A tous ceux qui ont été d’un soutien infaillible pour la réalisation de ce document. Nous
citerons : Justin BEM, , Hippolite TSADJIEU, Hardy BATOUMEN, Mireille TADIE, Olivier
PIEUME, Carine NZEUYANG, Eric NKAMGNIA, Doriane MATCHA, Merville KENFACK,
Guy Albert KENKOUO, Larissa GAJUI, Raoul TAFFO, Justin KAMENI, Sarah DJONOCK,
Dady Christiane DJONGOUE., Arnold FEUTI, Jurado MATAKIE, Simplice WANSI.
Enfin, à tous nos camarades de promotion et tous ceux qui de près ou de loin ont œuvré
d’une façon ou d’une autre pour la réalisation de ce travail.
DÉDICACES ................................................................
................................................................................................
................................................................................................
..........................................................................
.......................................... ii
REMERCIEMENTS ................................................................
................................................................................................
.............................................................................................
............................................................. iii
TABLE DES MATIÈ
MATIÈRES ................................................................
................................................................................................
.....................................................................................
..................................................... iv
SIGLES ET ABRÉVIATIONS ................................................................
................................................................................................
.............................................................................
............................................. vii
LISTE DES TABLEAUX ET FIGURES ................................................................
............................................................................................
............................................................ viii
AVANT PROPOS ................................................................
................................................................................................
................................................................................................
.....................................................................
.....................................x
.....x
RÉSUMÉ ................................................................
................................................................................................
................................................................................................
...............................................................................
............................................... xi
INTRODUCTION................................
INTRODUCTION ................................................................
................................................................................................
................................................................................................
..................................................................
..................................13
..13
CA : Crédit Agricole
CEMAC : Communauté Economique et Monétaire de l’Afrique Centrale
CLC : Crédit Lyonnais Cameroun (actuellement Société Camerounaise de
Banque, Crédit Agricole)
COBAC : Commission Bancaire de l’Afrique Centrale
EBC : Ecobank Cameroun
FCFA : Franc de la Coopération Financière en Afrique
FMI : Fonds Monétaire International
FRBG Fonds propres pour Risques Bancaires Généraux
IAS4 : Ingénieur d’Application de la Statistique, 4ième année
IF : Institutions Financières
IFNB : Institutions Financières Non Bancaires
Mds : Milliards
NFC : National Financial Credit Company
PIB : Produit Intérieur Brut
SCB : Société Camerounaise de Banque
SCBC : Standard Chartered Bank Cameroon
SGBC : Société Générale de Banques au Cameroun
SYSCO : Système de Cotation
UBAC : Union Bancaire d’Afrique Centrale
UBC : Union Bank of Cameroon
UMAC : Union Monétaire des Etats de l’Afrique Centrale
TABLEAUX
Tableau 1 : Principaux postes du bilan d’une banque ................................................................................ 19
Tableau 2 : Le compte de résultat .............................................................................................................. 21
Tableau 3 : Évolution des ratios de liquidité des banques du Cameroun ................................................... 55
Tableau 4 : Évolution du plafond de refinancement et le taux d’utilisation............................................... 55
Tableau 5 : Résultat de l’estimation de l’équation (37).............................................................................. 67
Tableau 6 : Test de Dickey-Fuller Augmenté sur la série des dépôts transformés : modèle avec constante
et trend................................................................................................................................................. 71
Tableau 7 : Test de dickey-fuller augmenté sur la série D(Logdepots)...................................................... 72
Tableau 8 : Résultat du test de causalité de Granger.................................................................................. 74
Tableau 9 : Résultat de l’estimation du modèle ARIMA(2,1,1) ................................................................ 76
Tableau 10 : Résultat de l’estimation du modèle ARIMA(0,1,1) .............................................................. 77
Tableau 11 : Résultat de l’estimation du modèle ARIMA(1,1,0) .............................................................. 77
Tableau 12 : Dépôts observés et dépôts prévus par le modèle ................................................................... 82
Tableau 13 : Pourcentage de l’encours d’une date t stable en fonction du temps ...................................... 85
Tableau 14 : Partie stable de l’encours observé en décembre 2005 en fonction du temps......................... 86
Tableau 15: Situation de la trésorerie des banques au 31 Mars 2005......................................................... xii
Tableau 16 : Répartition des dépôts à vue selon la nature des comptes..................................................... xii
Tableau 17 : Résultats du test de cointégration entre l’encours des dépôts et le taux d’intérêt ................ xiii
Tableau 18 : Test de Dickey-Fuller augmenté pour la variable taux......................................................... xiv
Tableau 19 : Test de dickey-fuller Augmenté sur les dépôts transformés...................................................xv
Tableau 20 : Test de dickey –fuller sur la série en différence première des dépôts transformés)............. xvi
Tableau 21 : Test de dickey-fuller augmenté sur la série des taux transformés ...................................... xviii
Tableau 22 : Test de dickey-fuller augmenté sur la série en différence première de la série des taux
transformés......................................................................................................................................... xix
Tableau 23 : Test ARCH sur les résidus du modèle ARIMA(2,1,1)......................................................... xxi
Tableau 24 : Test ARCH sur les résidus du modèle ARIMA(0,1,1)........................................................ xxii
FIGURES
Figure 1 : Répartition du capital social des banques commerciales en pourcentage au 31 Décembre 2004
............................................................................................................................................................. 50
Figure 2 : Évolution de la structure des ressources des banques camerounaises de 2000 à 2004.............. 56
Figure 3 : Structure des Ressources des banques du Cameroun au 31 Décembre 2004 ........................... 57
Figure 4 : Évolution de la structure des dépôts (en millions de francs CFA)............................................. 60
Figure 5 : Structure des dépôts au 31 Décembre 2006............................................................................... 61
L’intérêt principal de notre travail réside dans le fait que de nos jours, les banques
sont devenues frileuses, refusant de s’impliquer dans le financement de l’économie
puisqu’elles ne possèdent essentiellement que des ressources susceptibles d’être exigible
du jour au lendemain. Pour cela, elles cherchent un outil pouvant leur permettre d’évaluer
les risques de transformation et de liquidité liés aux dépôts à vue. Le présent document se
fixe pour objectif de leur fournir un outil permettant la valorisation de ces dépôts à vue.
En espérant que cette étude permettra aux banques d’améliorer leur système de
gestion des risques, nous restons réceptifs aux critiques et suggestions pouvant contribuer
à la perfection de ce travail.
La gestion des risques est une discipline aussi ancienne que les banques. Après la
grave crise des années 1970 qui avait fragilisé plusieurs systèmes bancaires de part le
monde, la gestion des risques bancaires est devenue un enjeu de taille pour les banques
qui veulent assurer leur crédibilité, leur rentabilité et leur pérennité.
A partir de ce moment, plusieurs auteurs ont œuvré dans la conception des méthodes
en vue d’une meilleure gestion actif/passif bancaire. Pour les problématiques de risque de
liquidité et de risque de taux, le Comité de Bâle, dans son document consultatif de
Janvier 2001 « principles for the management and supervision of interest rate risk »
recommande à chaque banque de mettre en place des modèles d’écoulement en liquidité
pour chacun des produits de leur bilan. Ces modèles devant leur permettre de gérer
efficacement leur liquidité.
En 1995, après de nombreuses restructurations qui ont suivi la crise bancaire en
zone CEMAC, les banques de la zone en générale et celles du Cameroun en particulier
sont devenues saines et très liquides. Cependant, l’examen de la structure des ressources
des banques camerounaises montre qu’elles sont constituées à plus de 50% des dépôts à
vue dont le retrait peut être effectué à tout moment. Dans le portefeuille des banques au
Cameroun, ces ressources provenant de la clientèle représentent plus de 70% des dépôts.
Et la banque s’exposerait à un risque de liquidité grave si elle utilisait mal ces ressources.
D’après les recommandations du Comité de Bâle, la modélisation de l’écoulement des
dépôts à vue serait d’une importance capitale pour les banques camerounaises.
Le travail fait ici constituera un outil supplémentaire dans la gestion actif/ passif
bancaire au Cameroun. Puisque l’objectif que nous visons est la détermination d’un
modèle d’écoulement des dépôts à vue qui permettra de filtrer la partie stable de ces
dépôts en fonction du temps.
Les données que nous avons utilisées pour la modélisation sont constituées d’une
série mensuelle d’encours des dépôts à vue de l’ensemble des banques commerciales
allant de janvier 1997 à décembre 2006 et d’une série mensuelle d’observation sur les
taux d’intérêt.
Pour atteindre nos objectifs, une analyse de la cointégration et un test de causalité de
Granger nous ont permis de voir qu’au Cameroun, le niveau de l’encours des dépôts à
vue ne dépend pas de l’évolution des taux d’intérêt. Autrement dit, le comportement des
INTRODUCTION
Une banque est définie comme un établissement de crédit dont le rôle est de
procurer des services financiers aux particuliers ainsi qu’aux entreprises (Encarta 2006).
Leur activité principale consiste à collecter des fonds qui, mobilisés sous plusieurs
formes (octroi d’un prêt par exemple), permettent de financer l’activité économique. Les
fonds collectés peuvent d’une part, provenir de la clientèle qui effectue deux formes de
dépôts : les dépôts à vue (c’est à dire avec possibilité de retrait à tout moment) ou les
dépôts à terme (ce n’est qu’à échéance que le retrait est possible), d’autre part, être
empruntés sur le marché monétaire.
Au milieu des années 80, les banques de la zone BEAC et particulièrement celles du
Cameroun ont subi, une grave crise qui a entraîné d’importantes pénuries de liquidités,
une faible capitalisation et une mauvaise structure de leur portefeuille. Au niveau social,
cette crise bancaire a occasionné de nombreuses pertes d’emplois suite à la fermeture
d’entreprises qui n’avaient plus la capacité d’accéder à leur trésorerie confiée aux
banques. (cf. Marianne MBENA NGABA [2006], Gestion de la liquidité bancaire : une
application au Cameroun, thèse professionnelle université de Douala)
De nombreuses restructurations ont été engagées au début des années 1990 de sorte
qu’à partir de 1995, le secteur bancaire camerounais est assaini, liquide et stable grâce au
dispositif réglementaire et prudentiel mis en place par la COBAC (Commission Bancaire
d’Afrique Centrale, créée en janvier 1993). Les banques camerounaises, avec les
nouvelles contraintes de gestion sont devenues surliquides. Avec un ratio de liquidité de
70% en 1991, elles ont atteint au 31 juin 1997 un niveau de 110,5% pour dépasser 150%
en décembre 2004. (cf. rapports annuels d’activité de la COBAC)
Un autre constat est imminent dans le secteur bancaire camerounais : on constate le
« paradoxe d’une forte liquidité bancaire dans une économie où le volume des crédits
croît très lentement » (BEKOLO EBE [1998] cité par Marianne MBENA). La réalité est
que la majorité de ressources des banques est faite de dépôts à vue (en effet d’après les
données du Conseil National du Crédit, depuis la fin des opérations de restructuration,
plus de 50% des ressources des banques sont des dépôts à vue dont le retrait peut être
effectué à tout moment) et la banque s’exposerait à un risque de transformation et de
liquidité grave si elle utilisait mal ces ressources. On remarque ainsi la «frilosité» du
PREMIÈRE PARTIE :
CHAPITRE PREMIER
Dans ce chapitre, nous présenterons les définitions et les concepts clés nécessaires
pour appréhender la modélisation des écoulements. Le concept d’écoulement comme
nous le verrons plus loin est essentiel à l’évaluation de certains risques bancaires. C’est
pour cela que nous avons jugé important de passer en revue d’abord les principaux
risques bancaires avant d’aborder la notion d’écoulement.
1
Cf. Pascal KUATE, Cours monnaie et crédits, page 21.
Mémoire de fin de formation LACGNI CARLOS DENDI 18
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
financiers, interbancaires. Elles ne font pas d’opérations avec la clientèle non
financière ;
Les banques d’affaires : spécialisées dans les prises de participation dans
l’industrie, elles se caractérisent par l’importance de leur portefeuille titres
(actions, certificats d’investissement) et le montant élevé de leurs fonds propres ;
Les banques universelles : contrairement aux banques spécialisées, elles exercent
toutes les activités bancaires possibles et élargissent même leur gamme à d’autres
activités non bancaires telles que l’assurance.
Actif Passif
Les avoirs liquides (caisse, avoirs en compte à Emprunts auprès de la banque centrale
la banque centrale) ou d’autres institutions financières
Les prêts à d’autres institutions financières Les dépôts de la clientèle (dépôts à vue,
(prêts interbancaires) comptes d’épargne, comptes à terme,…) ;
Les crédits à la clientèle (agents non Les opérations sur titres (pensions,
financiers) ; certificats de dépôts et obligations
émises) ;
Les portefeuilles-titres (fusions, placements, Les fonds propres et provisions.
participations) ;
Les valeurs immobilisées (prêts subordonnés,
immobilisations, crédit-bail,…)
Source : Pascal Kuaté, cours monnaie et crédit, page 21 et22
Mémoire de fin de formation LACGNI CARLOS DENDI 19
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
I.1.3.2 Le hors-bilan
Ce sont des engagements donnés ou reçus par la banque, mais qui ne donnent pas
directement lieu à la mobilisation de fonds. Il s’agit des :
Engagements de financement (par exemple, l’ouverture d’une ligne de crédit) ;
Engagements de garanties (cautions, avals) ;
Engagements sur titres et instruments financiers à termes.
Il est à noter que la taille du hors bilan de la plupart des banques représente en moyenne
plus de trois fois le montant de leur actif.
2
Cf. Pascal Kuaté cité plus haut, page 22.
Mémoire de fin de formation LACGNI CARLOS DENDI 20
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
Aux charges s’ajoute l’impôt sur les bénéfices ou une perte de l’exercice. De l’ensemble
du compte de résultats se dégage un bénéfice ou une perte de l’exercice. Les frais de
structure (ou frais généraux), se composent des charges générales d’exploitation et des
dotations aux amortissements.
CHARGES PRODUITS
Intérêts versés et Charges Intérêts reçus et produits assimilés
assimilées
Pertes sur opérations des Revenus des titres à revenu
portefeuilles de négociation variable
Pertes sur opérations des Commissions nettes
portefeuilles de placement et
assimilés
Autres charges d’exploitation Gains sur opérations des
bancaire nettes portefeuilles de négociations
Gains sur opérations des
portefeuilles de placement et
assimilés
Autres produits d’exploitation
bancaire nets
Solde : PRODUIT NET BANCAIRE
Charges générales d’exploitation
Dotations aux amortissements et
aux provisions sur immobilisations
incorporelles et corporelles
Solde : RESULTAT BRUT D’EXPLOITATION
Coût du risque
Solde : RESULTAT D’EXPLOITATION
Pertes sur actifs immobilisés Gains sur actifs immobilisés
Solde : RESULTAT COURANT AVANT IMPOT
Résultat exceptionnel Résultat exceptionnel
Impôts sur les bénéfices Reprises de FRBG (Fonds propres
pour Risques Bancaires Généraux)
et de provisions
Dotations de FRBG (Fonds propres
pour Risques Bancaires Généraux)
et provisions réglementées
Solde : RESULTAT NET
Source : Paul Demey et al.[2003], Introduction à la gestion Actif-Passif Bancaire, Page 43,44
Après avoir présenté la typologie des risques encourus par les banques, nous
examinerons ensuite les méthodes classiques mises en place pour gérer ces risques et
enfin nous présenterons les recommandations faites par le Comité de Bâle pour une
gestion actif/passif plus efficace.
3
cf. Grégory GHIEU [2003] Cité plus haut, page 7.
Mémoire de fin de formation LACGNI CARLOS DENDI 22
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
Le risque de liquidité pour une banque représente l’éventualité de ne pas pouvoir
faire face, à un moment donné, à ses engagements ou à ses échéances,
Le risque de taux d’un établissement financier est celui de voir sa rentabilité ou la
valeur de ses fonds propres affectées par l’évolution des taux d’intérêt,
Le risque de marché est le risque de pertes sur les positions du bilan et du hors
bilan à la suite de variations des prix de marché,
Le risque de change, traduit le fait qu’une baisse des cours de change peut
entraîner une perte de valeur libellée en devises étrangères.
Le risque de solvabilité, est l’éventualité de ne pas disposer de fonds propres
suffisants pour absorber les pertes éventuelles.
Dans la suite, après avoir présenté les méthodes (ainsi que leurs limites)
rencontrées dans la littérature et couramment utilisées dans les banques pour la gestion de
ces risques, nous proposerons les recommandations faites par le comité de Bâle pour une
gestion plus efficiente du risque de taux et de liquidité.
4
Ces méthodes sont détaillées dans le document de Grégory GHIEU [2003] cité plus haut, Page 15-20.
Mémoire de fin de formation LACGNI CARLOS DENDI 24
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
I.2.2.1.1 Méthode des gaps
Pour évaluer l’impact du risque de taux sur le résultat global de la banque, c'est-à-
dire sur la marge d’intérêt, Bessis et Darmon font référence à la méthode des gaps. Cette
méthode décompose un bilan bancaire en actif et en passif, contenant chacun des postes
dégageant des flux caractérisés par un taux et un échéancier. Il est possible de classer ces
postes par taux puis par échéance et de scinder chacune de ces classes en deux parties.
L’une contenant les flux non affectés par un mouvement de taux et l’autre incluant les
flux affectés par un mouvement de taux (ce sont ceux des postes à taux variables et ceux
de la production nouvelle affectée par les nouveaux taux. On définit le gap (impasse)
comme l’écart, à une date t, entre l’actif et le passif.
En particulier, on appelle gap à taux fixe, la différence entre l’actif et le passif non
affectée par un mouvement de taux. Seuls les actifs et les passifs à taux variables sont
concernés par une variation de taux. La méthode des gaps établit un échéancier de
rémunérations payées ou reçues sur chacun des actifs et passifs dépendant des
mouvements des taux d’intérêts en fonction de leur maturité ou de leur date de repricing5
lorsqu’ils sont à taux variable. L’amplitude du gap résultant de l’ensemble du bilan
fournit alors le niveau d’exposition de la banque au risque de translation de la courbe de
taux.
Relativement simple d’emploi, cette méthode est fréquemment utilisée et permet
de fournir des indications sur l’apparition du résultat dans le temps.
Elle a l’inconvénient :
de ne se limiter qu’aux produits à échéanciers bien déterminés ;
de mettre hors d’analyse l’optionalité : en effet, elle ne tient pas compte de
l’impact de l’évolution des taux d’intérêt sur l’amortissement de l’encours
(remboursement anticipés..) ou sur les effets de substitution (par exemple des
dépôts à vue aux comptes à termes) ;
elle n’intègre pas la production nouvelle qui va pourtant modifier la structure du
bilan et par conséquent les impasses aux différentes dates futures.
5
Il s’agit de la date où le taux client est révisé (modifié).
Mémoire de fin de formation LACGNI CARLOS DENDI 25
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
actuelle nette de la banque et est utilisée lorsque les dirigeants souhaitent porter leur
attention sur la valeur de marché de la banque et non sur une approche relative à son
résultat à court terme. Dans cette méthode, on exprime l’exposition au risque de taux
relative à chacun des actifs et passifs en termes de sensibilité de leur Valeur Actuelle
Nette.
Le concept de duration et de sensibilité est alors utile pour évaluer l’exposition au
risque de taux de la valeur de marché de la banque. Si on note V la valeur de marché d’un
actif et r le taux d’intérêt, sa duration D vaut alors :
(1 + r ) dv
(1) D=− • ,
v dr
La sensibilité S de cet actif vaut quant à elle :
D dv 1
(2) S= =− • ,
(1 + r ) dr v
Ainsi, si les taux augmentent de 1%, un actif de sensibilité globale S verra sa valeur
augmenter de S%.
Cette méthode a l’avantage d’être très synthétique. En effet, l’ensemble des flux
futurs est résumé à une seule valeur (la valeur Actuelle Nette) par le biais de
l’actualisation. On peut ainsi déduire la sensibilité de cette valeur aux différents facteurs
qui l’influencent, par exemple les taux d’intérêt ou le comportement des clients.
Cette méthode possède un avantage extrêmement important par rapport à la méthode des
gaps. Elle permet d’intégrer les opérations optionnelles telles que les options relatives
aux relations avec la clientèle puisque celles-ci peuvent être valorisées et ajoutées à la
valeur obtenue par actualisation des flux futurs.
Cette méthode est limitée car elle est construite sous la seule hypothèse de
translation des taux et telle qu’elle est décrite, dans les ouvrages de gestions actif/passif
bancaire, elle ne permet pas d’appréhender le risque de liquidité. Elle se doit donc d’être
complétée par une méthode permettant de gérer ce risque.
Les approches précédentes sont des approches statiques qui consistent à mesurer
l’impact d’une variation de taux à une date donnée sur les résultats ou sur la valeur nette
de l’établissement. L’analyse statique ne tient pas compte de l’évolution future du bilan
(productions nouvelles), des risques de fluctuations ultérieures des taux, de leur volatilité.
6
La version originale de ce document est disponible sur le site de la BIS (Bank for International Settlements) :
http://www.bis.org/publ/bcbs29a.pdf, la version française se trouvant sur le site de la Banque de France
Le fait que le client peut gagner ou perdre sur des produits financiers selon
l’évolution des taux d’intérêt, nous amène parfois à supposer que les fonctions
d’écoulement de la production dépendent : de la date d’entrée dans le bilan de la
production t, du temps écoulé entre la date d’entrée dans le bilan t et la date considérée T,
des taux d’intérêt de marché entre ces deux dates.
La fonction d’écoulement du stock est le pourcentage de l’encours qui est encore présent
dans le bilan aux dates futures. Elle est définie par la relation :
(9) D (t , T ) = D (t ) × S stock (t , T )
D’où on en déduit
t
(10) S stock (t , T ) =
D(t , T )
=
∫−∞
PN ( s ) × S ( s, T )ds
t
D(t )
∫ −∞
PN ( s ) × S ( s, t )ds
En général, la fonction d’écoulement du stock Sstock(.,.) n’est pas la même que la fonction
d’écoulement S(.,.) des différentes productions nouvelles qui composent ce stock.
S’il est vrai que la connaissance de l’écoulement futur des encours actuels sous
l’hypothèse des productions futures nulles, permet de déterminer les besoins futurs de
représente le flux d’écoulement de l’encours entre t et t+dt. dD(t) est donc la variation de
l’encours entre t et t+dt. (Cf Frachot et al. [2003].)
Les sommes étant prises respectivement sur toutes les lignes de l’actif (respectivement
passif). Cette définition ne prend pas en compte les productions nouvelles futures et donc
se place implicitement dans l’hypothèse où la banque arrête son activité. Il est important
de considérer les productions nouvelles futures car l’impasse précédente ne permet pas
Im p _ Liq _ dyn(t, T ) = ∑ Dp (t, T ) + ∫ PN *p (s) × S (s, T )ds − ∑ Da (t, T ) + ∫ PNa* (s) × S (s, T )ds ,
T T
(15)
p
t a t
Où PN a* (resp. PN *p ) sont les éléments de productions nouvelles anticipées dont on
souhaite tenir compte dans l’impasse (productions nouvelles qui elles mêmes
s’écouleront).
Dans la suite nous montrerons comment les taux d’intérêt interviennent à travers la
rémunération reçue ou versée par la banque ainsi que sur l’impasse en liquidité. Mais
avant cela, définissons ce que nous entendons par marge d’intérêt de la banque.
i
où Rstock (t ) désigne le taux de rémunération (versé ou reçu) du poste i du bilan à la date t.
Avec une vision à long terme, on peut se poser la question de savoir : Vue d’aujourd’hui,
que vaudra la marge à une date future T ? On obtient la formule suivante :
(17) M (t , T ) = ∑ Da (t , T ) × Rstock
a
(t , T ) − ∑ D p (t , T ) × Rstock
p
(t , T )
a p
Mais la formule précédente n’est pas exacte car il faut prendre en compte dans la
projection, le fait que l’impasse en liquidité pourra être replacée ou refinancée (en
fonction de son signe).
Paul Demey et al. [2003] proposent la formule suivante :
7
Cf. Paul Demey et al. [2003], Introduction à la gestion actif-passif bancaire, page 33
Dans ce chapitre nous avons d’abord défini l’activité de la banque à travers son
bilan simplifié et son compte de résultat, ensuite la présentation des risques bancaires
nous a permis de voir que dans ses multiples activités, la banque fait face à des risques
qu’elle doit pouvoir gérer afin d’assurer sa pérennité. Les risques les plus rencontrés sont
les risques de liquidité et de taux d’intérêt. Enfin, le concept d’écoulement est apparu
nécessaire pour une gestion plus efficace de ces risques.
Dans la suite nous ferons une revue de la littérature sur les modèles de dépôts à
vue.
CHAPITRE DEUXIÈME
Nous avons décrit dans le chapitre précédent les concepts de base nécessaires
pour appréhender la modélisation. Par exemple nous avons constaté que le concept
d’écoulement est nécessaire à la construction des impasses en liquidité et en taux, de
même qu’à la gestion de certains risques du point de vue du comité de Bâle. L’hypothèse
simplificatrice d’écoulement déterministe, c'est-à-dire indépendant des taux d’intérêt,
permet de considérer les impasses comme des indicateurs de risque. Cette hypothèse est
la règle dans la pratique courante de la gestion actif/passif. Mais parfois, dans de
nombreux cas il est difficile de considérer que les écoulements sont indépendants des
taux.
Avant de procéder à la présentation des modèles de dépôts à vue, il est essentiel
de passer en revue les généralités concernant la modélisation des écoulements, qui nous
permettront de présenter les contraintes que doivent satisfaire les modèles d’écoulement.
à une date passée t et un franc CFA entré à une date t’ ( t ≠ t ' ) sont indistinguables et ont
la même probabilité de sortie aujourd’hui (date présente). Autrement dit, cela signifie que
la date d’entrée dans le bilan n’influence pas le taux de sortie. Ceci signifie avec les
notations du Chapitre précédent : que
(20) λ ( t , T ) ⇔ λ (T )
En d’autres termes, la date d’entrée des francs CFA dans les encours des produits non
échéancés n’a pas d’importance, seule compte la date courante. Ainsi, Demey, Frachot et
Riboulet qualifie l’écoulement des produits non échéanchés d’écoulement exponentiel et
établissent la formule :
T
(21) S (t , T ) = exp(− ∫ λ ( s )ds ).
t
La conséquence immédiate de cette propriété pour les produits non échéancés est la
suivante : l’écoulement du stock est identique à l’écoulement de la production.
En effet, comme nous avons vu au chapitre précédent, l’encours de la date courante est la
résultante des strates passées de production nouvelle (voir équation (6)).
L’encours restant en T (hors production nouvelle entre t et T) était donné par la formule
(8). Avec la définition de la fonction d’écoulement du stock (formule (10)), l'on voit
immédiatement, compte tenu de la propriété de fongibilité des encours
( λ ( t , T ) ⇔ λ ( T ) ) que les produits non échéancés sont tels que :
T
(22) S stock (t , T ) = S (t , T ) = exp( − ∫ λ ( s ) ds ).
t
Puisque notre travail consiste à modéliser l’écoulement des dépôts à vue qui sont
l’exemple typique des produits non échéancés, il nous semble intéressant de présenter les
discussions qui ont trait à l’écoulement de ce type de dépôts et de passer en revue certains
Mémoire de fin de formation LACGNI CARLOS DENDI 37
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
auteurs qui ont abordé la modélisation des dépôts à vue. Ce sera l’objet de la section
suivante.
8
Cf. Riboulet et al. [2003], page 85.
Mémoire de fin de formation LACGNI CARLOS DENDI 38
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
La conception du gestionnaire actif/passif bancaire est différente de celle du
trésorier et du comptable, et plus proche de la vision « réaliste ». En effet, pour le
gestionnaire actif/passif, la banque peut être exposée soit à une hausse des taux d’intérêt,
soit à une baisse. Et deux cas particuliers de figures sont envisageables : D’une part, la
banque est structurellement excédentaire en ressources. Elle ne craint pas le risque de
liquidité mais est en revanche exposée au risque de taux. Par exemple, la banque peut
dans ce cas craindre une baisse de taux qui l’obligerait à replacer ses excédents de
ressources à des taux plus faibles. Dans ce cas, la banque ne doit pas adopter une vision
prudente de l’écoulement en liquidité des dépôts à vue. Elle prendrait le risque de sous-
estimer son risque de taux. D’autre part, la banque est une banque d’actif, c'est-à-dire
structurellement déficitaire en ressources. A l’inverse du cas précédent, le risque de
liquidité est un enjeu fort de même que le risque de taux. La banque doit dans ce cas
adopter une vision prudente sur l’écoulement de ses dépôts si elle veut maîtriser son
risque de liquidité. Il apparaît donc évident que la vision à avoir sur l’écoulement des
dépôts à vue est fonction du contexte d’activité de la banque.
Selon Paul Demey et al. [2003]: « Le risque de taux est fonction de la valeur
absolue de l’impasse de taux, alors que le risque de liquidité est relié directement à
l’impasse en liquidité (sans valeur absolue). Or, une valeur absolue est non monotone en
son argument : on ne peut donc pas dire qu’une vision prudente (en risque de taux)
consiste à majorer ou à minorer l’encours futur estimé des dépôts à vue. Il est donc
logique, à priori, d’adopter une vision réaliste en ne cherchant pas à sous-estimer ou à
surestimer les encours futurs, et seulement si le risque de taux est le seul risque
envisagé ».
Ainsi, pour le banquier, il serait plutôt juste de déterminer un écoulement en
liquidité le plus réaliste possible (c'est-à-dire le plus proche des écoulements futurs qui
seront réellement observés).
Dans le cadre de ce travail, nous avons choisi la vision « réaliste » qui va nous
amener à déterminer un modèle d’écoulement des dépôts à vue pour les banques
commerciales du Cameroun.
D(t) désignant l’encours des dépôts à vue, λ (t) le taux d’écoulement, PN(t) le flux
créditeur à l’instant t, rt le taux d’intérêt de marché.
Dans l’équation précédente, on suppose ainsi que les flux créditeurs sont proportionnels à
l’encours avec un coefficient de proportionnalité dépendant des taux de marché. Selon
Frachot, le mécanisme sous-jacent est le suivant : quand les taux d’intérêt sont bas, les
liquidités excédentaires des clients de la banque s’accumulent sur le compte de dépôts à
vue. Quand les taux d’intérêt augmentent très au-delà du taux de rémunération des dépôts
à vue, les clients font des arbitrages et les dépôts reviennent à leur niveau structurel.
Il existe une autre classe de modèle hybride : les modèles semi-structurels. Ces
modèles donnent lieu à la fois à une interprétation économique simple et à une simplicité
des calculs et de l’utilisation. L’idée des modèles semi-structurels sera de dire que la
Ces modèles sont estimés en utilisant des régressions linéaires classiques (méthode des
moindres carrés ordinaires) et en choisissant judicieusement la variable expliquée et les
variables explicatives.
II.4.1 Le modèle du premier régulateur fédéral aux Etats-Unis : L’Office of Thrift Supervision
[2000]
En 2000, un modèle discret d’évolution des encours des dépôts à vue a été proposé par l’Office of
Thrift Supervision. Le modèle s’écrit pour les dépôts à vue rémunérés :
1/12
i
(31) Dk = Dk −1 a + b × arctan(d + c k ) + e × ik ,
rk
Où arctan(.) représente la fonction réciproque de la fonction tangente et ik est le taux de rémunération des
dépôts en date tk. Ce modèle à l’avantage de prendre en compte l’ajustement non symétrique des taux de
rémunération des dépôts par rapport aux taux de marché. Cette asymétrie montre que lorsque les taux de
marché baissent, les taux de rémunération des dépôts ont tendance à baisser relativement vite alors que
lorsque les taux de marché augmentent, les taux de rémunération des dépôts ont tendance à augmenter
plus lentement.
En considérant les dépôts à vue non rémunérés, on doit poser ik=0. Le modèle devient
(32) Dk = α Dk −1
Où α est une constante.
Où D* est la valeur cible des dépôts (c'est-à-dire un niveau d’encaisse « normal » visé par les clients), λ
la vitesse d’ajustement des dépôts vers cette valeur cible et β le montant supplémentaire des dépôts
lorsque les taux de marché sont trop bas par rapport à un seuil s. En agrégeant ce modèle sur l’ensemble
des comptes de la banque il obtient :
(34) Dk − Dk −1 = λ ( D* − D k −1 ) + β ∫ 1 f ( s)ds,
{Rk ≤ s}
Où Dk est l’encours global de la banque et f(.) est la densité de la distribution de la valeur cible s parmi les
clients de la banque. Ce modèle peut se réécrire
(35) Dk − Dk −1 = λ ( D* − D k −1 ) + β (1 − F ( Rk ))
Le point commun de tous ces modèles est qu’ils sont estimés sur les dépôts à vue
Américains ou Européens. En 2005, Cyrille Martin (cf. Cyrille Martin [2005]),
transforme ces modèles de manière à avoir une équation où la variable expliquée est la
variation des encours des dépôts. Puis, il estime ces modèles sur les données du Board of
Governors of the Federal Reserve system. Tous les coefficients lors de son estimation
sont significatifs. Le R2 observé est de l’ordre de 20% pour ces modèles transformés.
Ces études mettent en évidence le fait que l’encours global des dépôts à vue peut
dépendre du temps, du taux d’intérêt créditeur appliqué à ces dépôts, du taux d’intérêt de
marché et de la variation de ces taux. Elles mettent en évidence le fait que les données sur
les encours des dépôts sont fortement intégrées (c'est-à-dire qu’il y a une forte corrélation
entre Dk et Dk-1).
Cependant l’absence d’un marché financier actif au Cameroun fait que la plupart
de ces modèles ne peuvent s’appliquer au contexte camerounais. En Europe par exemple,
les taux de rémunération de la plupart des dépôts et produits financiers sont indexés à un
taux de référence (taux de la BCE, EURIBOR etc.). Et l’on assiste parfois à des périodes
où le niveau atteint par les taux de rémunération est suffisant pour inciter les clients à
faire de la spéculation.
Dans le contexte camerounais, les clients des banques (les gros étant des
entreprises privées) ont toujours cette phobie des crises passées et accumulent leurs
liquidités dans des comptes non rémunérés pour des motifs de transaction, de précaution
et surtout parce que la phobie engendrée par les crises passées les a amenés à placer leur
argent dans des comptes à vue où le retrait en cas de trouble est plus aisé. Nous
supposerons dans ce travail que le comportement de la clientèle en terme de dépôts sur
leurs comptes à vue est insensible aux variations des taux d’intérêt de marché (nous
DEUXIÈME PARTIE :
CHAPITRE TROISIÈME
9
Cf mémoire de Pandong Armand [2005], pour plus de détails sur la typologie des institutions financières
Mémoire de fin de formation LACGNI CARLOS DENDI 47
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
I.1 Typologie des institutions financières
En se référant à la typologie de la Banque des Etats de l’Afrique Centrale (BEAC),
le secteur financier des pays membres de l’Union Monétaire de l’Afrique Centrale
(UMAC) dont le Cameroun comprend quatre types d’institutions financières qui sont : la
Banque Centrale, les Banques Créatrices de monnaie, les autres institutions Bancaires, et
les Institutions Financières Non Bancaires.
10
Cf. Rapport du Conseil National du Crédit : Décembre 2006
Mémoire de fin de formation LACGNI CARLOS DENDI 49
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
Société Générale de Banques au Cameroun (SGBC)
Standard Chartered Bank Cameroon (SCBC)
Union Bank of Cameroon PLC (UBC PLC)
National Financial Credit Company (NFC-Bank)11
Au 31 décembre 2004, la répartition du capital social des banques commerciales
du Cameroun montre que CBC Bank et Standard Chartered Bank Cameroon détiennent le
plus grand capital social. Ils représentent chacun 15% du total du capital social des
banques commerciales du Cameroun. Ils sont suivis de la Société Générale de Banques
au Cameroun et du Crédit Lyonnais avec respectivement 13 % et 12% du total du capital
social des banques commerciales du Cameroun.
Figure 1 : Répartition du capital social des banques commerciales en pourcentage au 31 Décembre 2004
10% 8%
6%
15% 9%
13% 15%
12% 5% 7%
Source : élaboré par l’auteur d’après les données des rapports d’activité de la COBAC
11
NFC-Bank a vu le jour en 2006 et ne sera pas pris en compte dans la répartition du Capital social.
Mémoire de fin de formation LACGNI CARLOS DENDI 50
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
de trésorerie représente l’ensemble des liquidités dont la banque dispose à un
moment donné. La situation de trésorerie des banques commerciales du Cameroun
au 31 Mars 2005 figure en annexe. On y remarque que le Cameroun à un excédent
de trésorerie de 387,528 Milliards de FCFA.
Au terme de cette section, nous pouvons retenir que les banques commerciales du
Cameroun exercent leur activité de collecte de dépôts et d’octroi de crédits dans un
environnement où elles sont tenues d’observer les normes prudentielles.
Dans cet environnement, quelle est la situation de liquidité des banques
commerciales camerounaises ? Quel est au vue de la structure de ses ressources ce qui
constitue l’essentiel du passif de ces banques ?
La liquidité d’une banque est considérée comme la capacité à financer les actifs de
la banque et à rembourser les engagements pris au moment où ces financements et ces
remboursements apparaissent. Dans cette section, nous présenterons la situation de la
liquidité des banques Camerounaises, puis nous analyserons la structure des ressources
des banques pour enfin ressortir l’élément qui constitue l’essentiel de ces ressources.
mars-00 juil-00 août-00 sept-00 août-02 sept-02 août-04 sept-04 oct-04 nov-04 dec 04
BICEC 135,2 136,2 121,3 107,17 238,73 239,53 239 236 260 236 203
CLC 112,38 122 138,54 210,97 189,22 197,08 221 210 222 165 191
SGBC 152,64 132,3 132,02 90,36 214,4 223,88 223 220 242 209 210
Std Chr B. 164,94 152,8 155,7 196,82 205,07 164,61 192 186 171 237 207
AFRILAND 207,72 310 283,71 320,15 295,53 304,18 342 279 237 311 319
AMITY 96,8 106,8 97,8 98,01 111,29 111,29 102 127 129 103 138
CBC 171,46 153,8 130,72 189,48 260,19 266,45 125 138 122 123 134
CITIBANK 128,49 226,7 206,83 177,87 183,21 221,57 55 190 98 112 100
1800000
Montant en (millions de
1600000 1548205
1426885 1460639
1400000 1238201
1200984 1143691 1158944
1200000 1096049
FCFA)
950974
1000000 840518
800000
600000
400000
200000
0
2000 2001 2002 2003 2004
Année
Source : élaboré par l’auteur d’après les données des Rapports d’activité de la C.O.B.A.C
6% 5% 9%
Capitaux permanents
Dépôts de la clientèle
Opérations diverses
Source : élaboré par l’auteur d’après les données des rapports d’activité de la COBAC 2004
Nous venons de montrer avec l’examen de l’évolution des ressources des banques
Camerounaises que l’essentiel de ses ressources sont les dépôts des clients. Ces dépôts
peuvent être placés à vue ou à terme. La question que nous pouvons nous poser à ce
niveau est celle de savoir : Qu’est ce qui constitue l’essentiel de ces dépôts ? L’examen
des dépôts selon leur nature apportera des éléments de réponse à cette question.
Ainsi selon la nature des comptes, on distingue pour les dépôts à vue :
1. les comptes sur livret : Ces comptes ne donnent pas droit au chéquier. Il sont
rémunérés au taux de 5% l’an. C’est le taux de rémunération minimum au
Cameroun. Ils sont réservés aux personnes physiques et à certaines personnes
morales (Associations). Le taux de rémunération peut être négocié compte tenu
des fonds déposés.
2. les comptes d’épargne logement : il s’agit des comptes d’épargne à vue. Ils sont
rémunérés et réservés aux personnes physiques. Ils donnent droit aux prêts sous
certaines conditions (investissements, immobiliers).
3. les comptes courants des entreprises : ces comptes ne sont pas rémunérés et sont
destinés aux entreprises pour leur assurer un service de caisse, c'est-à-dire un
certain nombre de facilités pour la manipulation de leurs fonds.
4. les comptes chèques : comme pour les comptes courants, ils ne sont pas
rémunérés. Ils sont ouverts aux particuliers.
12
Cf. Encarta 2006
Mémoire de fin de formation LACGNI CARLOS DENDI 58
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
5% avec possibilité de négocier compte tenu de l’importance du dépôt. On
distingue 2 types de bons de caisse : Le bon de caisse nominatif c'est-à-dire qui
porte un nom et le bon de caisse anonyme c'est-à-dire au porteur. Les bons de
caisse contrairement au compte à terme sont destinés aux personnes physiques.
Les intérêts sont généralement payés d’avance au client lors de la souscription. Ils
sont précomptés. Les intérêts sur bon de caisse ne sont pas assujettis à la TPRCM
(Taxe Proportionnelle sur les Revenus des Capitaux Mobiliers).
4. Les autres comptes de dépôts : lors de la réalisation de certaines opérations
présentant des particularités, le client doit effectuer les dépôts de durée plus ou
moins longue selon les cas. Ces provisions ainsi constituées ne sont pas
rémunérées et sont enregistrées dans le compte dispositions à payer. On peut
citer :
• Les provisions pour chèque à payer : ce sont les provisions
garanties pour des paiements par émission des chèques appelés
chèque à payer ou chèque banque dont la demande émane de son
client garantissant ainsi le maximum d’assurance aux bénéficiaires.
• Provisions pour chèque certifié : certifier un chèque c’est apposer
une mention qui assure la disponibilité de la provision et la
garantie du paiement pour certaines opérations (paiement et
cotisation sociale de la CNPS, des achats divers sur d’autres tiers).
Cette provision est bloquée au profit du bénéficiaire.
• Les déposits : ce sont des fonds qui garantissent la réalisation de
certaines opérations (achat de titres, locations de coffre fort)
exigées par la banque aux clients ne disposant pas de provisions au
compte.
• Les sommes mises à dispositions : ce sont des sommes payées à
des personnes non clientes à la banque sur ordre des clients.
Nous pouvons retenir de cette section que les clients peuvent effectuer les dépôts soit à
vue ou à terme. Comment ont évolué ces dépôts par nature pour les banques
commerciales du Cameroun ? Quel est l’élément prépondérant de ces ressources
clientèles ?
600000
500000
400000
300000
200000
100000
0
janv-97
juin-95
juin-96
juin-98
déc-00
déc-01
déc-02
déc-03
Source : élaboré par l’auteur d’après les données des rapports d’activité de la COBAC
La structure des dépôts au 31 décembre 2006, laisse entrevoir qu’à cette date, les
déposants se sont reportés davantage sur les comptes à vue14 qui occupent toujours une
place prépondérante dans les ressources clientèles. Sur l’ensemble des dépôts collectés
par les banques, 72,1% sont des ressources à vue (près de 1112,481 milliards de FCFA
13
Voir Annexe III, figure 14 : Structure des dépôts au 31 décembre 2004.
14
Les comptes à vue comprennent au 31 Décembre 2006 : les comptes courants créditeurs, les comptes chèques créditeurs, les
comptes sur livret, les dépôts de garanties.
Mémoire de fin de formation LACGNI CARLOS DENDI 60
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
sur les 1524,944 milliards des dépôts de la clientèle). L’examen de ces ressources à vue
nous indique qu’elles sont constituées à 50%15 de dépôts à vue non rémunérés (comptes
courants créditeurs et comptes chèques créditeurs). Les comptes à terme représentent
seulement 8,8% des dépôts collectés. Les comptes de dépôts à régime spécial, au 31
décembre 2006, comprennent les bons de caisse, les certificats de dépôts, les comptes et
plans épargne-logement et les plans d’épargne-retraite. Leur poids dans le total des
dépôts se situe à 13,5%.
Figure 5 : Structure des dépôts au 31 Décembre 2006
5,6% 13,5%
8,8%
72,1%
Source : élaboré par l’auteur d’après les données du rapport du conseil national du crédit, décembre 2006
15
Voir Annexe III, Tableau 16 : Structure des dépôts au 31 décembre 2006.
Mémoire de fin de formation LACGNI CARLOS DENDI 61
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
disposent pas de méthodes appropriées pour évaluer les risques de transformation et de
liquidité liés aux dépôts à vue.
CHAPITRE QUATRIÈME
Les dépôts à vue comme nous l’avons souligné plus haut représentent une part
importante des ressources pour les banques camerounaises (plus de 70% en décembre
2006). Leur modélisation sera donc d’une importance capitale pour ces banques.
Pour mieux appréhender la modélisation des encours des dépôts, nous avons
décidé de nous restreindre aux dépôts à vue non rémunérés. Ceci nous permettra de
laisser de côté la modélisation de certains types de dépôts dont le taux de rémunération
est négociable entre le banquier et son client. La plupart des études se sont attachées à
estimer leur modèle de dépôts à vue sur les données du passé. Il nous a semblé
fondamental de construire un modèle prédictif et de ressortir la partie stable des dépôts à
vue en fonction du temps.
Dans la suite nous allons présenter dans la première section les données et les
techniques économétriques qui nous permettront de modéliser l’évolution des dépôts,
puis la seconde section sera consacrée à la présentation des résultats.
16
Voir annexe I pour la présentation détaillée de la méthodologie
17
Voir annexe II pour la présentation de ce concept.
18
Il s’agira aussi de l’analyse en terme de stationnarité et de saisonnalité.
Mémoire de fin de formation LACGNI CARLOS DENDI 64
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
cointégration de Johansen et du test de causalité de Granger), enfin deux cas seront
possibles :
si les deux séries sont cointégrées, nous procèderons à l’estimation d’un modèle à
correction d’erreurs qui permettra de trouver la relation réelle entre les deux
variables ;
si les deux séries ne sont pas cointégrées, nous poursuivrons l’étude de notre série
d’encours des dépôts à vue selon la méthodologie de Box et Jenkins.
SECTION II : Applications
Entre janvier 1997 et décembre 1999, l’encours de ces dépôts varie de façon lente
dans l’intervalle de 200 milliards et 300 milliards de francs CFA avec un encours moyen
de 257,246 milliards de F CFA. Ceci signifierait que les dépôts mensuels sur les comptes
de dépôts à vue sont presque identiques aux retraits effectués sur ces comptes. La
variation mensuelle maximale du stock est de l’ordre de 18 milliards de Francs CFA,
observé en décembre 1999. Aussi, cette situation de variation lente du stock des dépôts
rejoint le ralentissement de la croissance économique observé au cours de cette période
(en effet, la croissance est passée de 5% en 1997 à 4,2% en fin 199919). La vitesse de
transaction des opérations sur les comptes courants n’a pas considérablement varié
puisque l’activité des entreprises était ralentie. Les agents préférant conserver leurs
liquidités sous forme d’encaisses de précaution.
Entre janvier 2000 et décembre 2001, l’encours de ces dépôts connaît des périodes
de variations très fortes. Pendant cette période, on observe des variations mensuelles
positives de plus de 50 milliards de Francs CFA et des variations négatives de plus de 45
milliards de francs CFA. Cela témoigne d’une forte mobilisation des comptes à vue par
les clients pour répondre aux exigences de l’économie. Cela peut être le reflet du
19
Cf. rapport du conseil national du crédit exercice 1997/1998 – 1998/1999 et 1999/2000, Page3.
Mémoire de fin de formation LACGNI CARLOS DENDI 65
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
dynamisme retrouvé de l’économie camerounaise après le ralentissement de l’activité des
grandes entreprises et de l’activité économique en général (observé à la fin des années
90). Le taux de croissance économique en terme réel s’est élevé à 5,5% en 2001 contre
4,2% en fin 1999.20 La vitesse des transactions ayant augmenté, les encaisses destinées
aux transactions ont été importantes. On observe alors un stock qui fluctue beaucoup du
fait des entrées et des sorties de fonds. Durant l’année 2002, on a noté une stabilité de
l’encours entre Avril et Mai. De juin à décembre 2002, le stock a augmenté de 22 %
(augmentation de 83,937 Milliards de FCFA.) passant de 389,411 à 473,348 milliards de
francs CFA. Ceci signifie que les dépôts effectués sur les comptes de dépôts à vue durant
ces mois sont nettement supérieurs aux retraits. Du 31 avril au 31 Juillet 2003, les retraits
de fonds par les clients des banques sont supérieurs aux dépôts effectués. On observe cela
par des variations mensuelles négatives du stock qui se sont situées en moyenne autour
de 11 milliards de F CFA. Pendant l’année 2004 on assiste à nouveau à une variation
alternativement positive et négative du stock des dépôts. De janvier 2005 à décembre
2006 l’encours des dépôts à vue passe de 498,031 à 632,347 milliards de F CFA avec
des périodes mensuelles de faible fluctuation.
Figure 6 : Evolution de l’encours des dépôts à vue des banques commerciales du 31/01/1997 au
31/12/2006 (en millions de F CFA)
700000
Encours des dépôts à vue
600000
500000
400000
300000
200000
97 98 99 00 01 02 03 04 05 06
Année
20
Cf. vingt septième rapport d’activité du Conseil National de Crédit, Exercice 1999/2000, 2000/2001 Page 8.
Mémoire de fin de formation LACGNI CARLOS DENDI 66
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
Où les ε t sont supposés suivre une loi normale centrée. On obtient les résultats
suivants :
PARAMETRES ESTIMATION
(ECART TYPE)
α 1,008
(0,004)
R2 AJUSTE 99,8%
depot
1,0 Coefficient
Limites de
confiance
Limite de
0,5 confiance
inférieure
ACF partiel
0,0
-0,5
-1,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Numéro de décalage
depot
1,0 Coefficient
Limites de
0,5 confiance
Limite de
confiance
ACF
0,0 inférieure
-0,5
-1,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Numéro de décalage
Source : élaboré par l’auteur
Cette représentation graphique nous suggère l’idée d’un schéma additif. En effet,
l’utilisation de la méthode de la bande nous montre que les deux droites passant par les
minima et les maxima sont parallèles.
Comme nos séries sont mensuelles, alors la moyenne mobile centrée utilisée pour les
désaisonnaliser est la moyenne mobile d’ordre 12.
13.4
13.2
edesdépots
13.0
12.8
Logarithm
12.6
12.4
12.2
97 98 99 00 01 02 03 04 05 06
LOGdepots_à_vue
Série corrigée des variations saisonières
Nous allons procéder à l’estimation des trois modèles de Dickey-fuller (nous ferons le
test de Dickey-fuller augmenté avec le nombre de décalages déterminés par le critère de
Akaike. (Voir annexe III pour les deux autres modèles)
Tableau 6 : Test de Dickey-Fuller Augmenté sur la série des dépôts transformés : modèle avec
constante et trend
A l’issue du test, toutes les statistiques (les t-statisques empiriques) des trois
modèles sont toutes supérieures aux valeurs critiques tabulées aux seuils 1%, 5% et 10%.
Nous acceptons l’hypothèse nulle, la série des dépôts transformés (Log(depots)) possède
donc une racine unitaire. Elle n’est donc pas stationnaire en niveau. Notre série est
représentée par un processus Differency Stationnary (DS), la meilleure façon de
stationnariser est celle des différences premières.
Nous avons calculé la série D(Logdepots) qui représente la série obtenue après
application d’un filtre aux différences premières à la série Logdepots. Nous allons
également estimer les trois modèles de Dickey-Fuller sur cette série. (Voir annexe III
pour les deux autres modèles)
II.3 Le lien entre le taux d’intérêt et le niveau de l’encours des dépôts à vue
Ici nous nous proposons de tester une éventuelle relation entre le taux d’intérêt et
le niveau de l’encours des dépôts à vue. Pour cela, nous disposons d’une série mensuelle
de 24 observations concernant la série des taux d’intérêt du marché interbancaire (période
allant de janvier 2002 à décembre 2003). Ce taux reflète le taux d’intérêt de marché et a
un impact sur le niveau des taux créditeurs et débiteurs appliqué par les banques aux
clients. En effet avec le développement du marché entre banques, la grande partie des
21
Le terme intégré d’ordre p (p ε N), signifie qu’il faut différencier la série p fois pour la rendre stationnaire.
Mémoire de fin de formation LACGNI CARLOS DENDI 72
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
transactions du marché monétaire a lieu sur le compartiment interbancaire. Le taux
d’intérêt qui y est pratiqué conditionne les taux de rémunération des dépôts et des crédits
pratiqués par les banques. Nous supposons en fait que lorsque le taux du marché
interbancaire est très supérieur à un seuil (le taux créditeur minimum par exemple, qui est
resté stable à 5% durant notre période d’étude), la banque propose des taux de
rémunération plus attrayant au client pour les dépôts à terme et certains produits
financiers et il s’ensuit une diminution du stock des dépôts à vue au profit de ces dépôts à
termes et produits financiers. Et lorsque ce taux est inférieur au même seuil, les banques
préfèrent recourir au marché interbancaire pour emprunter de l’argent et rémunèrent
faiblement les dépôts à terme. Ce qui fait que le client va préférer garder l’essentiel de ses
dépôts dans son compte à vue.
Nous allons tester cette relation avec la série des dépôts à vue correspondant à la
même période.
22
cf. Régis Bourbonnais, économétrie, Dunod, 2003, page 279.
Mémoire de fin de formation LACGNI CARLOS DENDI 73
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
filtre aux différences. Sur la série D(Logtaux) obtenue en appliquant à la série Logtaux
un filtre aux différences premières, nous avons également appliqué le test de Dickey-
Fuller augmenté. Il ressort de ce test que pour les trois modèles, les statistiques
empiriques sont toutes inférieures aux valeurs critiques au seuil 5%. La différence
première de la série Logtaux est stationnaire. On peut conclure que cette série est intégrée
d’ordre un. Ainsi, les deux séries Logdepots et Logtaux sont intégrées du même ordre 1.
Nous pouvons envisager l’étude de la cointégration.
Les résultats du test de cointégration de Johansen (voir annexe II) permettent de
rejeter l’hypothèse de la cointégration entre la variable taux d’intérêt et le niveau
d’encours des dépôts à vue pour les seuils 1% et 5%. Il n’est donc pas possible de
spécifier une relation stable à long terme entre la série des encours des dépôts à vue et
celle des taux d’intérêts. (En effet le loglikelihood ratio est inférieur à la valeur critique).
D’après le tableau précédent, on accepte l’hypothèse nulle dans les deux cas (les
deux probabilités sont supérieure à 5%.).
Ce résultat nous permet de conclure au seuil de 5 % qu’il n’y a aucun sens de causalité
entre les deux variables d’après Granger. Le taux d’intérêt ne cause pas les dépôts. Les
dépôts ne causent pas le taux d’intérêt. Autrement dit, au sens de Granger, on peut
Mémoire de fin de formation LACGNI CARLOS DENDI 74
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
prédire le niveau de l’encours des dépôts à vue sans connaître le mouvement des taux
d’intérêt. Car son influence n’est pas significative sur le niveau du stock des dépôts à vue.
Ces deux résultats (test de cointégration de Johansen et test de causalité de
Granger) permettent de valider notre hypothèse selon laquelle au Cameroun, le
comportement des clients en terme de dépôts sur leurs comptes à vue (non rémunéré) est
indépendant de la variation des taux d’intérêt. Cela serait dû au fait que les taux d’intérêt
n’augmentent pas considérablement de façon à intéresser les titulaires des comptes de
dépôts à vue. Nous pouvons aussi justifier cela par le fait que, l’essentiel des dépôts à vue
est constitué des dépôts sur comptes courants des entreprises qui sont destinés pour la
plupart à financer leurs activités quotidiennes et à constituer des encaisses de précaution.
C’est aussi la preuve qu’au Cameroun, l’absence d’un marché financier actif n’a pas
permis une diversification des produits financiers attrayant à même de collecter l’épargne
des particuliers et les excédents de trésorerie des entreprises.
Nous avons montré dans cette partie qu’au Cameroun, le niveau de l’encours des
dépôts à vue ne dépend pas des taux d’intérêt bancaire. Il est donc important pour la
détermination de la fonctionnelle d’écoulement des dépôts d’approfondir l’étude des
propriétés stochastiques de l’encours des dépôts à vue, et en ne tenant pas compte des
taux d’intérêt.
Nous allons dans la suite, étudier l’adéquation de ces trois modèles avant de faire un
choix judicieux et optimal.
Ou encore
(39) (1 − D ) Logdepott = 0, 008592 + (1 − 0, 493349 D )ε t
Où D représente l’opérateur décalage d’ordre 1. (DYt = Yt-1.)
Nous pouvons dire que la série des variations de logdepot (Dlogdepot) est générée
par une moyenne pondérée des aléas jusqu’au premier retard. Elle est alors représentative
d’une série chronologique qui fluctue autour de sa moyenne de manière aléatoire.
Les prévisions peuvent être faites. Elles permettront de connaître l’état du stock
des dépôts aux dates futures.
II.4.4 La prévision
Nous allons faire la prévision pour la série d’encours des dépôts à vue à un
horizon d’un an. Pour cela, nous allons d’abord prévoir les séries Logdepots. Les courbes
correspondantes aux données estimées et aux données réelles sont représentées dans le
graphique suivant :
La comparaison des dépôts réels (en rouge) et les dépôts estimés (en bleu) ne
laisse aucun doute sur la qualité du modèle à expliquer correctement le passé. Il apparaît
donc que les estimations sont satisfaisantes. Les valeurs estimées ne sont pas très
éloignées des valeurs réellement observées. Ce qui traduit le fait que le modèle s’ajuste
bien à la réalité.
Nous allons maintenant établir le tableau des prévisions des dépôts à vue à partir
du tableau des prévisions de Logdepot avant de quantifier les erreurs de prévisions.
Dépots
dépots Prévus
observés (en Logdépot Erreurs de
Période (en millions de % erreur
millions de F prévu prévision
F CFA)
CFA)
janv-06 549587 13,2153091 548701,0848 885,9152449 0,2%
févr-06 569589 13,2342224 559177,5934 10411,40664 1,8%
mars-06 561839 13,2428143 564002,6900 -2163,690016 0,4%
avr-06 578970 13,2514062 568869,4220 10100,57797 1,7%
Lorsque nous évaluons les erreurs de prévisions, ils sont inférieurs à 3% pour une
prévision sur 6 mois.
Dans la suite il sera question de filtrer la partie mobile de notre modèle (confère
équation du modèle) pour déterminer la partie stable. En fonction du temps.
Dans la suite, pour simplifier les formules, nous désignerons par Dt l’encours des
dépôts à vue à la date t. On a l’équation simplifiée :
(41) LogDt = LogDt −1 + 0, 008592 + ε t − 0, 493349ε t −1
T
(43) D (T ) = Dt exp 0.00859 × (T − t ) + ∑ (ε i − 0, 49334 × ε i −1 ) ,
i = t +1
Ainsi, la fonction décrivant l’évolution du stock des dépôts entre l’instant t et T est
donnée par la fonction:
T
(44) f (t , T ) = exp 0.00859 × (T − t ) + ∑ (ε i − 0, 49334 × ε i −1 ) ,
i = t +1
Nous désignerons par β (t ) = ε t − 0, 49334ε t −1 la combinaison linéaire d’événements
aléatoires ou perturbations affectant notre série de dépôts transformés à la date t.
Pour se prémunir du risque de liquidité, nous avons calculé la série des résidus sur
notre période d’étude et nous avons défini la fonction d’écoulement du stock comme
T
(45) S (t , T ) = exp 0, 00859 × (T − t ) + ∑ β ,
i = t +1
Où
(46) β = Mint =1...108 (ε t − 0, 49334ε t −1 ) = Mint =1...108 ( β (t ))
β représente la valeur de β (t ) ayant entraîné la diminution mensuelle la plus
importante de la série d’encours des dépôts à vue durant notre période d’étude.
Cette fonction d’écoulement est considérée comme le pourcentage de l’encours des
dépôts à vue présents dans le bilan à la date t, et qui y restera jusqu’à la date T
(ultérieure).
La résolution de l’équation Mint =1...108 ( β ( t )) nous a permis de trouver β = − 0,13592
obtenu en t = 40 qui correspond au mois d’Avril 2000, période au cours de laquelle on a
observé la plus grande diminution du stock des dépôts à vue.
Mémoire de fin de formation LACGNI CARLOS DENDI 83
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
Remarquons d’après cette formule que le stock présent à une date t disparaîtra tôt
ou tard du bilan (En effet, lorsque T est très grand, S(t,T) tend vers 0). Cette fonction
traduira l’amortissement du stock dans le temps et nous permettra de trouver la vitesse
ainsi que la durée moyenne d’écoulement du stock.
Pourcentage de l'encours de
Durée en Échéance à partir de la Partie
la date t (Dt ) stable en
mois date t (quelconque) Stable
fonction du temps
0 t 100,00% Dt
1 t+1 88,04% 88,04%Dt
2 t+2 77,52% 77,52%Dt
3 t+3 68,25% 68,25%Dt
4 t+4 60,09% 60,09%Dt
5 t+5 52,91% 52,91%Dt
6 t+6 46,58% 46,58%Dt
7 t+7 41,01% 41,01%Dt
8 t+8 36,11% 36,11%Dt
9 t+9 31,79% 31,79%Dt
10 t+10 27,99% 27,99%Dt
11 t+11 24,64% 24,64%Dt
12 t+12 21,70% 21,70%Dt
13 t+13 19,10% 19,10%Dt
14 t+14 16,82% 16,82%Dt
15 t+15 14,81% 14,81%Dt
16 t+16 13,04% 13,04%Dt
17 t+17 11,48% 11,48%Dt
18 t+18 10,11% 10,11%Dt
19 t+19 8,90% 8,90%Dt
20 t+20 7,83% 7,83%Dt
21 t+21 6,90% 6,90%Dt
22 t+22 6,07% 8,90%Dt
23 t+23 5,35% 5,35%Dt
24 t+24 4,71% 4,71%Dt
Source : élaboré par l’auteur
L’examen du tableau précédent nous permet de dire qu’une banque peu prêter
88,04% de son stock de dépôts à vue à ses meilleurs clients pour une durée d’un mois.
Elle ne peut utiliser que 46,58% de ces dépôts pour octroyer un crédit sur 6 mois. Pour
une échéance d’un an elle peut prêter 21,70% de ces dépôts à vue. 4,71% de ces dépôts
peuvent être transformés en crédits sur une durée de 2 ans.
Partie
Pourcentage de l'encours
Nombre de stable en
Date observé en décembre 2005,
mois millions de
stable en fonction du temps
FCFA
0 déc-05 100,00% 550026
1 janv-06 88,04% 484267
2 févr-06 77,52% 426369
3 mars-06 68,25% 375394
4 avr-06 60,09% 330513
5 mai-06 52,91% 290998
6 juin-06 46,58% 256207
7 juil-06 41,01% 225576
8 août-06 36,11% 198607
9 sept-06 31,79% 174862
10 oct-06 27,99% 153956
11 nov-06 24,64% 135549
12 déc-06 21,70% 119343
13 janv-07 19,10% 105075
14 févr-07 16,82% 92513
15 mars-07 14,81% 81452
16 avr-07 13,04% 71714
17 mai-07 11,48% 63140
18 juin-07 10,11% 55591
19 juil-07 8,90% 48945
20 août-07 7,83% 43093
21 sept-07 6,90% 37941
22 oct-07 6,07% 33405
23 nov-07 5,35% 29411
24 déc-07 4,71% 25895
Source : élaboré par l’auteur
Ce tableau permet ainsi à la banque de savoir la somme qu’elle peut prêter sans
risque de transformation. Par exemple, au 31 décembre 2005, elle peut accorder un crédit
de 25,895 milliards de F CFA pour une durée de 2 ans à ses meilleurs clients non
financiers ou bien placer cette somme d’argent sur le marché monétaire.
CONCLUSION GÉ
GÉNÉRALE
Après la grave crise de la fin des années 1980 qui a affecté le système bancaire de la
CEMAC en général et celui du Cameroun en particulier, de nombreuses restructurations
ont été faites de sorte qu’à partir de 1995, les banques camerounaises ont été assainies et
sont redevenues liquides. Cependant, tant pour le banquier que pour ses clients, les effets
néfastes qu’avaient entraîné ces crises sont restés presque indélébiles dans la conscience.
Le banquier pour sa part, ne voulait plus prendre de risque qu’il ne peut évaluer. Des nos
jours, les agents non financiers se reportent davantage sur les dépôts et placements à vue
où le retrait peut être effectué à tout moment sans pénalité de remboursement et sans frais
d’aucune sorte. Pour les banques camerounaises, ces dépôts à vue représentent plus de
50% de l’ensemble des ressources des banques et plus de 70% des dépôts provenant de la
clientèle.
Afin de permettre aux banques de s’impliquer davantage dans le financement de
l’économie tout en maîtrisant le risque de transformation et de liquidité lié aux dépôts, la
modélisation de l’écoulement des dépôts à vue s’est avérée importante.
Dans un premier temps, les concepts de cointégration et de causalité nous ont
permis de voir qu’au Cameroun, le comportement des clients en terme de dépôts sur leur
compte à vue n’est pas significativement influencé par le mouvement des taux d’intérêt.
Ensuite, sur notre série mensuelle d’encours des dépôts à vue allant de janvier 1997 à
décembre 2006, l’application de la méthodologie de Box et Jenkins nous a permis de
déterminer le modèle d’évolution des encours de ces dépôts. Il s’agit, après avoir
transformé notre série d’encours des dépôts à vue en lui appliquant la fonction logarithme
népérien, d’un modèle ARIMA (0,1,1) (Moyenne Mobile d’ordre 1 et intégré d’ordre 1).
Enfin, la détermination de la fonction d’écoulement a permis de décrire comment le stock
s’évapore (ou s’amortit) dans le temps.
Nos analyses nous ont permis de montrer que, lorsqu’on agrège l’ensemble des
dépôts à vue des clients de la banque; cet ensemble est relativement stable et n’est pas
susceptible de disparaître du jour au lendemain. En effet il faut environ 8 ans et 4 mois
pour qu’un stock de dépôts à vue pris à une date donnée disparaisse totalement du bilan
de la banque. Ce stock s’écoulera ainsi à un rythme de 11,96% par mois. Ainsi, pendant
un mois 88,04% de l’encours des dépôts à vue seront stables dans le bilan, 46,58% y
Mémoire de fin de formation LACGNI CARLOS DENDI 88
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
resteront pendant 6 mois, 21,70% ne sortiront pas du bilan avant un an, les clients
laisseront 4,71% du stock des dépôts à vue dans les caisses de la banque pendant deux
ans.
La banque pourra donc utiliser la partie stable de ces dépôts pour financer
l’économie en minimisant le risque de transformation.
Plusieurs recommandations importantes peuvent être faites. D’une part, les banques
commerciales devront améliorer leurs systèmes d’informations ALM, afin de prendre en
compte les variables spécifiques aux clients qui sont utiles pour faire intervenir la
rationalité de la clientèle dans les analyses. Elles devront s’impliquer davantage dans le
financement de l’économie en valorisant la partie stable (oisive) des dépôts à vue. Elles
devraient tenir compte de la partie stable de ces dépôts dans la construction des impasses
en liquidité afin de déterminer leurs besoins ou leurs excédents réels de liquidité aux
dates futures. D’autre part La dynamisation du secteur financier devient un enjeu de
taille, car un secteur financier actif permettrait aux titulaires des comptes de dépôts à vue
d’acheter des actifs financiers plus attrayants et cela en mobilisant leurs dépôts qui restent
oisifs dans les banques. Cela permettra d’éviter cette forme de thésaurisation. Enfin, si
ces dépôts ne peuvent être valorisés par les banques commerciales, la Banque Centrale
pourrait utiliser la stabilité de ces dépôts à vue pour ajuster le coefficient des réserves
obligatoires relatifs à ce type de dépôts.
Un secteur financier dynamique avec des taux d’intérêt incitateurs permettrait
d’étudier l’impact de ces taux sur la stabilité des dépôts à vue. Enfin, une autre
perspective de continuation de ce travail de recherche serait d’intégrer à ce modèle des
variables spécifiques à la politique commerciale de la banque et des variables relatives
aux comportements de la clientèle telles que les taux d’attrition (nombre de comptes
fermés par mois) et le taux de conquête (nombre de comptes ouverts par mois). Ce qui
contribuerait à sa robustesse.
BIBLIOGRAPHIE
Banque des Etats de l’Afrique Centrale [2004], études et statistiques, N°285.
Bessis J.[1995], gestion des risques et gestion actif/passif des banques, Dalloz.
Comité de Bâle[2001], principles for the management and supervision of interest rate
risk , Janvier 2001.
Dupré Denis [1996]. La modélisation des dépôts à vue, Banque et Marché, pp 24 :29-
34.
Martin Cyrille [2005], Comparaison des modèles de dépôts à vue, Centre d’Etude et
Recherche Appliquées à la Gestion des risques bancaires. Université Pierre Mendès-
France, Grenoble.
Selvaggio Robert D. [1996], Using the OAS Methodology to value and Hedge
commercial Bank retail Demand Deposit Premiums, In the Handbook of Asset/Liability
Management, Chapter 12, page 363-373. Fabozzi and Konishi.
Supports de cours
Mémoires et Thèses
Djimefo Kapen [2006], Initiation de modèles mathématiques dans la prévision des produits et
charges d’une banque, Mémoire présenté en vue de l’obtention du Master de Statistique
Appliquée, Université de Yaoundé I.
Sites Web
http://www.univ-rouen.fr/droit-sceco-gestion/Recherche/CARE/Documents/papiermbena.pdf.
http://www.bis.org/publ/bcbs29a.
Mémoire de fin de formation LACGNI CARLOS DENDI ii
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
ANNEXES
Analyse de la saisonnalité
Séries stationnaires yt
Oui Non
Ajout d'un ordre p ou q.
Recoloration de la série
(exponentiel, saisonnalité )
Source : Régis Bourbonnais, Econométrie, page 250
23
Pour plus de détails, cf. Régis Bourbonnais, Econométrie, 5ième édition et cf. M. Djimefo Kapen [2006], Initiation
de modèle mathématiques dans la prévision des produits et charge d’une banque, mémoire présenté en vue de
l’obtenion du Master de Statistique Appliquée, université de Yaoundé I.
Mémoire de fin de formation LACGNI CARLOS DENDI iii
Modélisation de l’écoulement des dépôts à vue : Cas des banques commerciales du Cameroun
Les méthodes de désaisonnalisation peuvent être classées en deux grandes catégories: Les méthodes non
paramétriques et les méthodes paramétriques.
Méthodes paramétriques : elles peuvent aussi se diviser en deux grands ensembles: les méthodes par régression
(inspirées de Buys-Ballot) qui posent, pour chaque composante, excepté l’irrégulière, une fonction déterministe du
temps; les méthodes fondées sur des modèles stochastiques (non déterministe): il s'agit principalement de modèles
ARIMA utilisés pour modéliser les composantes inobservables. Parmi celles-ci, on distingue encore deux groupes:
celles qui estiment les modèles des composantes à partir du modèle ARIMA de la série initiale (Burman 1980,
Hillmer et Tiao 1982), SEATS (Gomez, MaravalI1997), et celles qui les modélisent et les estiment directement (
Kitagawa et Gersch 1984) comme par exemple la méthode STAMP (Harvey et al. 1995).
Les ouvrages des différents auteurs mentionnés dans ces méthodes, sont cités dans
« COMPRENDRE LA METHODE XII » de Dominique LADIRAY et Benoît QUENNEVILLE.
MEDIANES MOBILES
MODELE Xll-ARIMA
S.A.B.L (1982) (1994)
LOWESS (1979)
S.T.L (1990) S.E.A.T.S. (1980)
S.T.A.M.P. (1987)
MODELES XI2-ARIMA
(1994)
Source : « Cours de séries temporelles », DESS Mathématique de la Décision & DESS Actuariat d' Arthur
CHARPENTIER
Parmi donc les méthodes non paramétriques, nous nous sommes intéressés à la désaisonnalisation par moyenne
mobile centrée. Si on s'intéresse à la moyenne mobile centrée d'ordre m, elle est définie comme suit:
m impair (m =2p + 1) :
Mm (Xt ) =
(X t− p + X t − p +1 + ... + X t + ... + X t + p −1 + X t + p )
,
2 p +1
t= p + 1, …, n – p ;
m pair (m = 2 p) :
Mm (Xt ) =
( 0.5 X t− p + X t − p +1 + ... + X t −1 + X t + X t +1 + ... + X t + p −1 + 0.5 X t + p )
,
2p
t = p+1,..., n- p ;
La procédure de désaisonnalisation d'une série est fonction du type de schéma.
• Schéma additive
Soit X, notre série. Comme il s'agit d'une série mensuelle, dont la période est 12, nous allons considérer la moyenne
mobile centrée d'ordre 12. Soit MM(12), la série obtenue après avoir appliqué à X cette moyenne mobile. Les
différences saisonnières sont obtenues en retirant de la série initiale la moyenne mobile i.e. X - MM (12). Comme X
et MM(12) n'ont pas la même longueur, alors la soustraction se fait comme suit: pour une année donnée, nous
faisons la différence aux mois identiques. Cette différence ne se fait qu'entre les périodes où nous observons les
réalisations simultanées de X et de MM (12). Les coefficients saisonniers ne sont autres que les moyennes des
différences saisonnières pour chacun des mois. Comme la somme des coefficients saisonniers doit être nulle, alors
les coefficients saisonniers corrigés sont obtenus en retirant des coefficients corrigés leur moyenne arithmétique.
Nous pouvons donc désaisonnaliser la série en retranchant de chacune des valeurs initiales le coefficient saisonnier
correspondant.
• Schéma Multiplicatif
On calcule d'abord les rapports saisonniers qui sont le rapport de la série initiale par la moyenne mobile
correspondante. Les 2 séries n'étant pas de même longueur, le rapport s'effectue comme suit: Pour une année
donnée, nous faisons le rapport aux mois identiques. Ce rapport ne se fait qu'entre les périodes où nous observons
les réalisations simultanées de X et de MM(12).
Les coefficients saisonniers s'obtiennent en faisant la moyenne des rapports saisonniers pour chacun des mois. La
moyenne de tous ces coefficients devant être égale à 1, les coefficients saisonniers corrigés s'obtiennent en
procédant à la division de chacun de ces coefficients par leur moyenne arithmétique. On peut donc désaisonnaliser la
série en divisant chacune des valeurs initiales par le coefficient saisonnier correspondant. Une fois la série
désaisonnalisée, on peut passer au test de stationnarité.
I-2. Stationnarisation.
Nous ne pouvons identifier les caractéristiques stochastiques d'une série chronologique que si elle est stationnaire.
La stationnarité est la clef de l'analyse des séries temporelles. Une série chronologique est dite stationnaire si elle ne
comporte ni tendance ni saisonnalité. On dira aussi qu'une série { yt } est strictement stationnaire si la distribution
conjointe de (Y ,..., Y ) est identique à celle de (Y
t1 tk t1 + t )
,..., Ytk + t , quelque soit ( t1 )
,...,tk ,t , ,où k est un entier
positif arbitraire et (t1, t2,,…, tk, t) une liste de k + l entiers positifs arbitraires.
Autrement dit, la stationnarité stricte dit que la distribution conjointe de (Y ,..., Y ) est invariante quand on fait
t1 tk
glisser dans le temps. Cette condition est difficile à vérifier et on utilise, en général, une version plus faible de la
stationnarité. On dit qu'une série temporelle {Yt} est faiblement stationnaire si la moyenne de Yt et la covariance
entre Yt et Yt-l sont invariantes par translation du temps. Précisément, {Yt} est faiblement stationnaire si :
Les tests de Dickey-Fuller (DF) permettent de mettre en évidence le caractère stationnaire ou non d'une chronique
par la détermination d'une tendance déterministe ou stochastique. Avant d'y arriver, nous allons définir des notions
qui nous serviront par la suite.
(1) Xt = Xt -1 + εt ;
(2) Xt = Xt -1 + β + ε t avec β ≠ 0;
(3) Xt = Xt -1 + β + γ t + ε t avec γ ≠ 0.
Avec εt un processus stationnaire,
Alors il est dit Processus DS.
On peut les rendre stationnaires par l’utilisation d’un filtre aux différences :
(1 − B ) X t = β + ε t où d est l’ordre du filtre aux différences.
d
Le test de Dickey Fuller consiste donc à tester (1)’, (2)’, (3)’ contre (1), (2), (3) ce qui est équivalent à tester α = 1.
On estime par les moindres carrés ordinaires le modèle (3) et on calcule la statistique de Student pour les valeurs
estimées de γ , β , φ (φ = α − 1) .
Le test pour les coefficients γ , β est bilatéral. En ce qui concerne φ, les choses diffèrent du test de Student
traditionnel: ayant exclu le cas explosif ( α > 1 ou φ > 0) on procède au test unilatéral ( α =1 ou φ =0 contre
φ < 0), ce qui donne une zone de rejet située du côté négatif, et les hypothèses des MCO n'étant pas satisfaites,
notamment du fait que la variable considérée est endogène, on utilise une table particulière calculée par Dickey et
Fuller. En cas de rejet total ou partiel du test du modèle (3) avec φ = 0, opéré comme indiqué, on teste de même le
modèle (2) et φ =0 avec la table voulue, puis encore si nécessaire le modèle (1) avec φ = 0.
Conclusion: A l'issue du test, si on a affaire à un processus TS, alors la série stationnarisée s'obtient en retirant de la
série corrigée des variations saisonnières l'estimation polynomiale de la tendance. Sinon (cas d'un processus DS), la
série stationnarisée s'obtient en différenciant la série corrigée des variations saisonnières autant de fois jusqu'à
l'obtention de la série stationnaire.
I-2-3.Test de DICKEY –FULLER AUGMENTE
Dans les modèles utilisés dans les tests de Dickey et Fuller simples, le processus ε t est, par hypothèse, un bruit
blanc. Or il n’y a aucune raison pour que à priori, l’erreur soit non corrélée : on appelle tests de Dickey Fuller
Augmentés (ADF, 1981) la prise en compte de cette hypothèse. Les test ADF sont fondé sous l’hypothèse
alternative φ ≺ 1 sur l’estimateur des MCO des trois modèles :
p
∆ X t = φ X t −1 − ∑φ
j=2
j ∆ X t − j +1 + ε t
p
∆ X t = φ X t −1 − ∑φ
j=2
j ∆ X t − j +1 + β + ε t
p
∆ X t = φ X t −1 − ∑φ
j=2
j ∆ X t − j +1 + β + γ t + ε t
εt est un bruit blanc. Le test se déroule de manière similaire aux tests de Dickey Fuller simple. Seul les tables
diffèrent. La valeur de P est déterminée selon le critère de AKAIKE.
N.B. D'autres tests sont souvent utilisés notamment celui de Phillips-Perron, Schmidts-Phillips, Eliott-
Rothenberg-Stock (ERS), KPSS.
I-3.Identification
La série ainsi stationnarisée, on procède à une étude des corrélogrammes simple et partiel, ce qui conduit à
déterminer les ordres possibles de p et q des parties auto-régressive (AR(P) et moyenne mobile (MA(q)) du modèle
et les ordres d de différenciations éventuelles (cas modèle ARIMA (p, d, q). Nous avons évoqué certains types de
modèles et il y a donc lieu de les définir plus explicitement.
I-3-1.Processus ARMA
Où les θi sont des réels et ε t est un bruit blanc de variance σ . Cette relation peut encore s'écrire:
2
θ ( B)εt = Xt ,
avec
θ ( B ) = 1 − θ1 B − ... − θ q B q .
Un tel processus est désigné dans la littérature anglo-saxonne par MA(q).
On appelle «processus autorégressif moyenne mobile d'ordre (p, q ) » un processus Stationnaire Xt satisfaisant
φ ( B ) X t = θ ( B ) εt .
Un tel processus est désigné dans la littérature anglo-saxonne par ARMA(p,q) (Autoregressive moving average).
I-4. Estimation
Considérons un processus centré ARMA (p, q), solution stationnaire et inversible de l'équation
p q
X t − ∑ ϕ i X t − i = ε t − ∑ θ i ε t −i ,
i =1 i =1
Notons X , la moyenne arithmétique des données. On peut estimer γ (h) =Cov( Xt,,Xt-h)
Par
∑ ( X i − X )( X i−h − X ) , h ≥ 0,
1 T
γ (h) =
T i = h +1
Et
γ ( h)
ρ (h) = ,
γ ( 0)
Par
γˆ ( h )
ρˆ ( h ) = .
γˆ ( 0 )
On pose γˆ ( −h ) = γˆ ( h ) .
Les estimations ϕˆ1 ,..., ϕˆ p de ϕ1 ,..., ϕ p peuvent être obtenues en résolvant le système de p équations linéaires :
p
ρˆ ( q + j ) − ∑ ϕˆ ρˆ ( q + j + i ) = 0, j = 1,..., p.
i =1 i
Pour ce qui est de l'estimation des θi , on emploiera les autocorrélations inverses ρi (h) qui sont, par définition, les
autocorrélations du processus dual ARMA (q, p) défini par l'équation
θ ( B ) X t = φ ( B) εt . Les θi sont donc solutions des équations
q
ρˆi ( p + j ) − ∑ θˆi ρˆ i ( p + j + i ) = 0 pour tout j ≥ 1.
i =1
I-5. Vérification.
Les tests que l'on fait subir au modèle sont de deux types: les tests concernant les paramètres ϕi et θi du modèle
et ceux concernant les hypothèses faites sur ε
• Tests concernant les paramètres
Pour comparer une formulation ARMA (p, q) avec une formulation ARMA (p1, q1), il est commode de se
placer dans le cas où l'un des modèles est un cas particulier de l'autre. On suppose dans la suite que l'on part d'un
modèle ARMA (p, q) et que l'on examine les tests correspondant à diverses valeurs de p1, q1 .
° pl = p-1, ql =q.
Il s'agit ici de voir s'il est possible de diminuer d'une unité le nombre de retards intervenant dans la
partie autorégressive. Ceci revient à tester la significativité du coefficient ϕ p ce qui peut être fait
au moyen' d'un test de type Student.
° pl = p+1, ql =q.
Il s'agit de voir s'il est nécessaire d'introduire un retard supplémentaire dans la partie autorégressive. Il faut alors
estimer un modèle ARMA (p1, q1)=ARMA (p+1, q) et tester dans ce second modèle la nullité de ϕ p +1 . Ceci nous
ramène évidemment au cas précédent.
Il est question ici de savoir si les hypothèses de normalité et de bruit blanc sont satisfaites.
° Test « portmanteau »
C'est un test concernant le bruit blanc.
Ce test est fondé sur la statistique:
k
Q = N ∑ ρˆ h2 [εɶ ] ,
h =1
ρˆ h [εɶ ] étant la corrélation empirique entre les résidus (distants de h).
1 T
ρˆh [εɶ] = γˆh [εɶ] / γˆ0 [εɶ] avec γˆh [εɶ] = ∑ (εt − ε )(εt −h − ε ) .
T t =h+1
On montre que, sous l'hypothèse d'indépendance des ε t , Q suit asymptotiquement (quand N → ∞ ) une loi du χ2 à
K - p - q degrés de liberté; on refuse donc l'hypothèse d'indépendance, au niveau α .
Q> χ12−α [k - p- q] .
° Test de Jarque et Bera
Il s'agit là d'un test de normalité.
∑ (X ) ( β ) est égal
n
Soit µk = i − X le moment centré empirique d'ordre k, le coefficient de Skewness
1/ 2
1
i =1
µ3
à: (β ) = µ
1/ 2
1 3/ 2
et le coefficient de Kurtosis
2
µ
β = 4
.
µ
2 2
2
n n
β1 + ( β 2 − 3) suit un x2 à deux degrés de liberté.
2
s=
6 24
Donc si s > x1−α (2), on rejette l'hypothèse H0 de normalité des résidus au seuil α .
2
° Critère d'information
Une autre approche, introduite par Akaïke (1969), consiste à supposer que les modèles ARMA (p,q) fournissent des
approximations de la réalité et que la vraie loi inconnue des observations X, ne satisfait pas forcément un tel modèle.
On peut alors fonder le choix du modèle sur une mesure de l'écart entre la vraie loi inconnue et le modèle proposé.
La mesure habituellement retenue est la quantité d'information de Kullback. Soit f0(x) la densité inconnue des
observations, {f(x), f ∈ F p,q} la famille de densités correspondant au modèle ARMA (p,q) , l'écart entre la vraie loi
et le modèle est mesuré par :
f0 ( x )
I ( f 0 , Fp ,q ) = min ∫ Log ( ) f 0 ( x ) dx
f ∈F f ( x)
L'objectif est donc de trouver les q et p qui minimisent les estimateurs de cette quantité d'information. Ceux qui ont
été proposés sont les suivantes:
2( p + q)
AIC ( p, q ) = Logσˆ 2 + ,
N
LogN
BIC ( p, q ) = Logσˆ 2 + ( p + q ) ,
N
LogLogN
ϕ ( p, q ) = Logσˆ + ( p + q ) c avec c > 2.
2
N
I-7. Prévision
Le modèle validé, le calcul des prévisions et celui des intervalles de confiance sont réalisés pour un horizon
choisi. Nous avons choisi de faire des prévisions sur une échéance d'un an.
Etape 2 : estimation par les MCO de la relation du modèle dynamique (court terme) :
∆Yt = α1∆X t + α 2 et −1 + ut α2 ≺ 0
Le coefficient α 2 ( force de rappel à l’équilibre ) doit être significativement négatif : dans le cas contraire, on doit
rejeter une spécification de type Modèle à correction d’erreur.
Caisse 46,835
Opérations à vue 271,472
Opérations au jour le jour et à terme 145,929
Titres de placement et de transaction 9,572
Créances en souffrances nettes 8,824
Créances rattachées 2,108
Emploi de trésorerie 484,740
Opérations à vue 37,261
Opérations au jour le jour et à terme 59,616
Dettes rattachées 335
Ressources de trésorerie 97,212
EXCEDENT DE TRESORERIE 387,528
Source : BEAC
71,2%
60000
Variation de l'encours des dépôts à vue
40000
20000
-20000
-40000
-60000
2000 2001 2002 2003 2004 2005 2006
Tableau 17 : Résultats du test de cointégration entre l’encours des dépôts et le taux d’intérêt
2)
-7.120245 11.38650 0.152656
15.39809 -0.715038 -0.022757
Tableau 20 : Test de dickey –fuller sur la série en différence première des dépôts transformés)
1.9
1.8
Logtaux
1.7
1.6
1.5
2002:01 2002:07 2003:01 2003:07
Année
Tableau 22 : Test de dickey-fuller augmenté sur la série en différence première de la série des taux
transformés
Modèle avec trend et constante