Modelisation de L Ecoulement Des Depots A Vue Cas Des Banques Commerciales Camerounaises PDF

Communaut conomique et Montaire de lAfrique Centrale
(CEMAC)
Institut Sous-rgional de Statistique et dconomie Applique

(ISSEA)
Organisation Internationale
BP : 294 Yaound CAMEROUN Tel : 222 01 34
MODLISATION DE LCOULEMENT DES DPTS

VUE : CAS DES BANQUES COMMERCIALES
CAMEROUNAISES.
Mmoire rdig en vue de lobtention du diplme dIngnieur dApplication de la

Statistique.
Option Gestion
Prsent par :
LACGNI Carlos Dendi
(lve Ingnieur dApplication de la Statistique l ISSEA, 4me Anne)
Membres du Jury
Prsident du Jury : M. Patrick Serges KOUONTCHOU

Encadreur : Dr Dieudonn KINKIELELE
Assesseur : Dr Clestin NENTA NDJOUKOUE
Juin 2007
DDICACES
Je ddie ce travail
mes parents, monsieur et madame DATCHOUA

Comme des soldats pour leur patrie, vous vous tes sacrifis pour moi ;
Monsieur PETTANG Jules

Lternel est tmoin de tous les efforts que vous avez consenti et que vous
continuez de consentir pour ma russite. Quil vous en rende au centuple ;
mes oncles NGANFANG Andr, YOUMBI Honor et NJOMO Innocent

Que ce travail soit le couronnement de tous les efforts et sacrifices consentis
mon gard ;
Monsieur TEIFOUET Thomas Joseph

Pour tous les sacrifices et le soutien sans faille que vous avez consenti mon
gard, les mots me manquent pour exprimer ma reconnaissance. Que
lternel soit le seul tmoin de tous ces efforts ;
Monsieur Dnis NGANGOUM

Pour tout le soutien sans faille que vous mavez apport jusquici, pour tous
vos conseils, puissiez-vous trouver ici, un rel motif de satisfaction et de
reconnaissance.
Mmoire de fin de formation
LACGNI CARLOS DENDI
ii
REMERCIEMENTS
Ce travail est le fruit dune somme defforts qui, pris individuellement, ont concouru sa
ralisation. Le soin nous tant donn dadresser notre gratitude :
A mon Directeur de mmoire Dr Dieudonn KINKIELELE, Directeur des tudes des
premier et second cycle lISSEA : Vous avez t pour moi un bon encadreur et un bon
conseiller. Vos conseils, votre rigueur dans le travail et votre magnanimit ont t pour moi une
source dinspiration. Merci de mavoir initi la recherche et soyez assur de ma parfaite
reconnaissance et de mon profond respect.
A Monsieur le Directeur Gnral de lISSEA, M. Leoncio OYANA NZE, ainsi que tout le
personnel enseignant pour le srieux dont ils ont toujours fait preuve pour nous donner une
bonne et solide formation.
A M. Robert NGONTHE, Directeur des tudes du 3ime cycle qui a t dun soutien
particulier pour la IAS 4 travers ses conseils.
A Mme Suzanne BIWOLE, M. Georges DJIMEFO KAPEN, M. LOUDINE BESSONG,
M. Denis NGANGOUM, Mlle Mireille TADIE, Mlle Vicky DJEUKWI pour avoir lu et apprci
ce document.
A M. Marcel OPOUMBA, M. Clestin NENTA pour leurs remarques et leurs
enseignements qui ont t dune importance capitale pour la ralisation de ce document
A M. ONDO, M. Ignace KAMGA pour leurs remarques qui nous ont permis damliorer
laspect modlisation de ce document.
A tous ceux qui ont t dun soutien infaillible pour la ralisation 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, tous nos camarades de promotion et tous ceux qui de prs ou de loin ont uvr
dune faon ou dune autre pour la ralisation de ce travail.
LACGNI CARLOS DENDI
iii
TABLE DES MATI

MATIRES
DDICACES ................................................................
................................................................................................
................................................................................................
..........................................................................
.......................................... ii
REMERCIEMENTS ................................................................
................................................................................................
.............................................................................................
............................................................. iii
TABLE DES MATI
MATIRES ................................................................
................................................................................................
.....................................................................................
..................................................... iv
SIGLES ET ABRVIATIONS ................................................................
................................................................................................
.............................................................................
............................................. vii
LISTE DES TABLEAUX ET FIGURES ................................................................
............................................................................................
............................................................ viii
AVANT PROPOS ................................................................
................................................................................................
................................................................................................
.....................................................................
.....................................x
.....x
RSUM ................................................................
................................................................................................
................................................................................................
...............................................................................
............................................... xi
INTRODUCTION................................
INTRODUCTION ................................................................
................................................................................................
................................................................................................
..................................................................
..................................13
..13
PREMIRE PARTIE : REVUE DE LA LITTRATURE

CHAPITRE PREMIER : GESTION DES RISQUES BANCAIRES ET CONCEPT DCOULEMENT..17
SECTION I : La firme bancaire et ses principaux risques ................................................................. 17
I.1 LA FIRME BANCAIRE ..................................................................................................................................... 17
I.1.1 Lactivit de la banque .............................................................................................................. 17
I.1.2 Les diffrents types de banques ............................................................................................... 18
I.1.3 Les principaux postes du bilan et hors-bilan dune banque ................................................ 19
I.1.3.1 Les principaux postes du bilan ......................................................................................... 19
I.1.3.2 Le hors-bilan ........................................................................................................................ 20
I.1.4 Le compte de rsultats............................................................................................................... 20
I.1.4.1 Principaux postes du compte de rsultat......................................................................... 20
I.1.4.2 Les soldes intermdiaires de gestion................................................................................ 21
I.2 LES RISQUES BANCAIRES ............................................................................................................................... 22
I.2.1 Les principaux risques bancaires ............................................................................................. 22
I.2.2 La gestion des risques de taux et de liquidit ........................................................................ 23
I.2.2.1 Les Mthodes classiques de gestion des risques de taux et de liquidit ..................... 24
I.2.2.1.1 Mthode des gaps ........................................................................................................ 25
I.2.1.1.2 Mthode de la duration............................................................................................... 25
I.2.2.2 Les recommandations du Comit de Ble ....................................................................... 27
SECTION II : Le Concept dcoulement ............................................................................................... 28
II.1 LA NOTION DCOULEMENT EN LIQUIDIT ................................................................................................... 28
II.1.1 Lcoulement de production ................................................................................................... 29
II.1.2 La vitesse dcoulement........................................................................................................... 30
II.1.3 Lcoulement du stock ............................................................................................................. 31
II.1.4 Impasse en liquidit ................................................................................................................. 32
II.2 LA NOTION DCOULEMENT EN TAUX .......................................................................................................... 33
II.2.1 La marge dintrt .................................................................................................................... 33
II.2.2 Limpasse en taux ..................................................................................................................... 34
LACGNI CARLOS DENDI
iv
CHAPITRE DEUXIME : LES MODLES DE DPTS VUE .............................................................. 35

SECTION I : Gnralits sur la modlisation des coulements....................................................... 35
I.1 LES VARIABLES EXPLICATIVES DE LCOULEMENT SELON DEMEY, FRACHOT, RIBOULET ................... 35
I.2 LES PRODUITS CHANCS ET NON CHANCS ............................................................................................ 36
SECTION II : Lcoulement des dpts vue...................................................................................... 38
II.1 LES DISCUSSIONS AUTOUR DE LCOULEMENT DES DPTS VUE .............................................................. 38
II.2 MTHODOLOGIE POUR LA MODLISATION DES DPTS VUE SELON FRACHOT.......................................... 40
II.3 LES PREMIERS MODLES DE DPTS VUE ................................................................................................. 41
II.3.1 Le modle de Selvaggio [1996]............................................................................................ 41
II.3.2 Le modle de Dupr [1996] ................................................................................................. 42
II.3.3 Le modle de Jarrow et Van Deventer [1998] ................................................................... 42
II.4 LES MODLES RCENTS DE DPTS VUE ................................................................................................... 43
II.4.1 Le modle du premier rgulateur fdral aux Etats-Unis : LOffice of Thrift Supervision
[2000]..43
II.4.2 Le modle de Frachot [2001] ............................................................................................... 43
DEUXIME PARTIE : APPLICATION AUX BANQUES

COMMERCIALES CAMEROUNAISES
CHAPITRE TROISIME : LES BANQUES COMMERCIALES DU CAMEROUN ET LA LIQUIDIT..47
SECTION I : Typologie des institutions financires, cadre rglementaire et prudentiel de lactivit
du systme bancaire camerounais.......................................................................................................... 47
I.1 TYPOLOGIE DES INSTITUTIONS FINANCIRES ................................................................................................. 48
I.1.1 La Banque centrale..................................................................................................................... 48
I.1.2 Les Banques Cratrices de Monnaie (BCM) ........................................................................... 48
I.1.3 Les Autres Institutions Bancaires (AIB) .................................................................................. 48
I.1.4 Les Institutions Financires Non Bancaires (IFNB)............................................................... 49
I.2 LES BANQUES COMMERCIALES DU CAMEROUN ............................................................................................. 49
I.2.1 Banques en activit au Cameroun et rpartition du Capital Social..................................... 49
I.2.2 Fonctionnement des banques commerciales .......................................................................... 50
I.3 CADRE RGLEMENTAIRE ET PRUDENTIEL INSTITU PAR LA COBAC ............................................................ 51
I.3.1 Missions de la COBAC .............................................................................................................. 51
I.3.2 Les normes prudentielles adoptes par la COBAC en 1993................................................. 52
I.3.2.1 Normes de solvabilit......................................................................................................... 52
I.3.2.2 Les normes de liquidit ...................................................................................................... 53
SECTION II : La liquidit des banques au Cameroun....................................................................... 54
II.1 LA LIQUIDIT BANCAIRE .............................................................................................................................. 54
II.2 LES RESSOURCES DES BANQUES ................................................................................................................... 56
II.3 LES DPTS DE LA CLIENTLE...................................................................................................................... 57
II.3.1 La nature des comptes de dpts des clients ........................................................................ 57
II.3.2 Lvolution des dpts par nature ......................................................................................... 60
LACGNI CARLOS DENDI
CHAPITRE QUATRIME : MODLES DVOLUTION DES DPTS VUE DANS LES BANQUES
COMMERCIALES DU CAMEROUN ............................................................................................................. 63
SECTION I : Donnes et mthodologie................................................................................................ 63
I.1 LES DONNES ET LES SOURCES ...................................................................................................................... 63
I.2 LA MTHODOLOGIE DE TRAVAIL ................................................................................................................... 64
SECTION II : Applications ..................................................................................................................... 65
II.1 DESCRIPTION DE LVOLUTION DE LENCOURS DES DPTS VUE DE LENSEMBLE DES BANQUES
CAMEROUNAISES ................................................................................................................................................
65
II.2 ANALYSE DES CARACTRISTIQUES DE LA SRIE ........................................................................................... 66
II.2.1 Analyse prliminaire................................................................................................................ 67
II.2.2 Analyse de la saisonnalit : ..................................................................................................... 68
II.2.3 Analyse de la stationnarit de la srie transforme des encours des dpts
(Log(depots)).70
II.3 LE LIEN ENTRE LE TAUX DINTRET ET LE NIVEAU DE LENCOURS DES DPTS VUE ................................ 72
II.3.1 Le test de cointgration de Johansen et interprtation ........................................................ 73
II.3.2 Le test de causalit de Granger et interprtation ................................................................. 74
II.4 TUDE DE LA SRIE DES DPTS SELON LA MTHODOLOGIE DE BOX ET JENKINS ........................................ 75
II.4.1 Lidentification et lestimation des paramtres du modle dvolution de la srie dencours
des dpts vue ................................................................................................................................. 75
II.4.2 La vrification et ladquation des trois modles potentiels .............................................. 77
II.4.2.1 Le modle ARIMA(2,1,1) .................................................................................................. 77
II.4.2.2 Le modle ARIMA(0,1,1) .................................................................................................. 78
II.4.2.3 Le modle ARIMA(1,1,0) .................................................................................................. 79
II.4.3 Le choix du modle .................................................................................................................. 80
II.4.4 La prvision............................................................................................................................... 80
II.5 DTERMINATION DE LA FONCTION DCOULEMENT ..................................................................................... 82
II.6 VITESSE ET DURE MOYENNE DCOULEMENT DU STOCK DES DPTS VUE: ............................................ 84
II.7 PARTIE DE LENCOURS DES DPTS VUE STABLE EN FONCTION DU TEMPS ............................................... 84
II.8 LIMITE DU MODLE DCOULEMENT DES DPTS VUE ............................................................................. 87
CONCLUSION GNRALE ............................................................................................................................ 88

BIBLIOGRAPHIE................................................................................................................................................. i
ANNEXES ............................................................................................................................................................ iii
Annexe I : Mthodologie de Box et Jenkins ............................................................................................. iii
Annexe II : Le concept de cointgration................................................................................................... xi
Annexe III : Tableaux et figures ............................................................................................................... xii
LACGNI CARLOS DENDI
vi
SIGLES ET ABR
ABRVIATIONS
AIB
Autres Institutions Bancaires
AIBE
Autres Institutions Bancaires Eligibles au refinancement de la BEAC
AIBNE
Autres Institutions Bancaires Non Eligibles au refinancement de la

BEAC
ALM
Asset Liability Management (Gestion Actif/Passif)
BCM
Banques Cratrices de Monnaie
BEAC
Banque des Etats de lAfrique Centrale
BICEC
Banque Internationale du Cameroun pour lEpargne et le Crdit
CA
Crdit Agricole
CEMAC :
Communaut Economique et Montaire de lAfrique Centrale
CLC
Crdit Lyonnais Cameroun (actuellement Socit Camerounaise de
Banque, Crdit Agricole)

COBAC
Commission Bancaire de lAfrique Centrale
EBC
Ecobank Cameroun
FCFA
Franc de la Coopration Financire en Afrique
FMI
Fonds Montaire International
FRBG
Fonds propres pour Risques Bancaires Gnraux
IAS4
Ingnieur dApplication de la Statistique, 4ime anne
IF
Institutions Financires
IFNB
Institutions Financires Non Bancaires
Mds
Milliards
NFC
National Financial Credit Company
PIB
Produit Intrieur Brut
SCB
Socit Camerounaise de Banque
SCBC
Standard Chartered Bank Cameroon
SGBC
Socit Gnrale de Banques au Cameroun
SYSCO
Systme de Cotation
UBAC
Union Bancaire dAfrique Centrale
UBC
Union Bank of Cameroon
UMAC
Union Montaire des Etats de lAfrique Centrale
LACGNI CARLOS DENDI
vii
LISTE DES TABLEAUX ET FIGURES

TABLEAUX
Tableau 1 : Principaux postes du bilan dune banque ................................................................................ 19
Tableau 2 : Le compte de rsultat .............................................................................................................. 21
Tableau 3 : volution des ratios de liquidit des banques du Cameroun ................................................... 55
Tableau 4 : volution du plafond de refinancement et le taux dutilisation............................................... 55
Tableau 5 : Rsultat de lestimation de lquation (37).............................................................................. 67
Tableau 6 : Test de Dickey-Fuller Augment sur la srie des dpts transforms : modle avec constante
et trend................................................................................................................................................. 71
Tableau 7 : Test de dickey-fuller augment sur la srie D(Logdepots)...................................................... 72
Tableau 8 : Rsultat du test de causalit de Granger.................................................................................. 74
Tableau 9 : Rsultat de lestimation du modle ARIMA(2,1,1) ................................................................ 76
Tableau 10 : Rsultat de lestimation du modle ARIMA(0,1,1) .............................................................. 77
Tableau 11 : Rsultat de lestimation du modle ARIMA(1,1,0) .............................................................. 77
Tableau 12 : Dpts observs et dpts prvus par le modle ................................................................... 82
Tableau 13 : Pourcentage de lencours dune date t stable en fonction du temps ...................................... 85
Tableau 14 : Partie stable de lencours observ en dcembre 2005 en fonction du temps......................... 86
Tableau 15: Situation de la trsorerie des banques au 31 Mars 2005......................................................... xii
Tableau 16 : Rpartition des dpts vue selon la nature des comptes..................................................... xii
Tableau 17 : Rsultats du test de cointgration entre lencours des dpts et le taux dintrt ................ xiii
Tableau 18 : Test de Dickey-Fuller augment pour la variable taux......................................................... xiv
Tableau 19 : Test de dickey-fuller Augment sur les dpts transforms...................................................xv
Tableau 20 : Test de dickey fuller sur la srie en diffrence premire des dpts transforms)............. xvi
Tableau 21 : Test de dickey-fuller augment sur la srie des taux transforms ...................................... xviii
Tableau 22 : Test de dickey-fuller augment sur la srie en diffrence premire de la srie des taux
transforms......................................................................................................................................... xix
Tableau 23 : Test ARCH sur les rsidus du modle ARIMA(2,1,1)......................................................... xxi
Tableau 24 : Test ARCH sur les rsidus du modle ARIMA(0,1,1)........................................................ xxii
FIGURES
Figure 1 : Rpartition du capital social des banques commerciales en pourcentage au 31 Dcembre 2004
............................................................................................................................................................. 50
Figure 2 : volution de la structure des ressources des banques camerounaises de 2000 2004.............. 56
Figure 3 : Structure des Ressources des banques du Cameroun au 31 Dcembre 2004 ........................... 57
Figure 4 : volution de la structure des dpts (en millions de francs CFA)............................................. 60
Figure 5 : Structure des dpts au 31 Dcembre 2006............................................................................... 61
LACGNI CARLOS DENDI
viii
Figure 6 : volution de lencours des dpts vue des banques commerciales du 31/01/1997 au
31/12/2006 (en millions de F CFA) .................................................................................................... 66
Figure 7 : Corrlogrammes simple et partielle de la srie des dpts vue............................................... 68
Figure 8 : Encours des dpts vue transforms (transformation logarithmique)..................................... 69
Figure 9 : volution de dpts transforms et de ceux corrigs des variations.......................................... 69
Figure 10 : Corrlogrammes simple et partielle de la srie des dpts tranforms ................................... 70
Figure 11 : Corrlogramme des rsidus ..................................................................................................... 78
Figure 12 : Corrlogramme des rsidus du modle ARIMA(0,1,1)........................................................... 79
Figure 13 : Dpts estims par le modle et dpts rels observs........................................................... 81
Figure 14 : Rpartition des dpts par nature au 31 dcembre 2004 ......................................................... xii
Figure 15 : Variation de lencours des dpts vue en millions de F CFA.............................................. xiii
Figure 16 : volution de la srie des taux dintrt................................................................................. xviii
Figure 17 : Autocorrlogramme du carr des rsidus ............................................................................... xxi
LACGNI CARLOS DENDI
ix
AVANT PROPOS
Le prsent mmoire est laboutissement de quatre annes de formation lInstitut
Sous-rgional de Statistique et dconomie Applique. Il simpose comme un cadre
conceptuel de la gestion actif/passif pour les banques camerounaises, qui recherchent un
outil leur permettant de grer les risques de transformation et de liquidit.
Alors que les banques de la zone BEAC en gnral et celles du Cameroun en
particulier se reprennent dune crise qui a affect leur systme bancaire, on a constat
avec les nouvelles contraintes de gestion que les banques camerounaises sont passes
une situation de surliquidit ou lessentiel de leurs ressources est fait de dpts vue. Ces
ressources provenant de la clientle, sont par dfinition exigibles tout moment. Cette
tude, axe sur la modlisation de lcoulement des dpts vue se propose de
concevoir un modle qui permettra aux banques de ressortir la partie stable de leur
dpts vue en fonction du temps. Ainsi elles pourront davantage simpliquer dans le
financement de lconomie en minimisant le risque de transformation et de liquidit.
Lintrt principal de notre travail rside dans le fait que de nos jours, les banques
sont devenues frileuses, refusant de simpliquer dans le financement de lconomie
puisquelles ne possdent essentiellement que des ressources susceptibles dtre exigible
du jour au lendemain. Pour cela, elles cherchent un outil pouvant leur permettre dvaluer
les risques de transformation et de liquidit lis aux dpts vue. Le prsent document se
fixe pour objectif de leur fournir un outil permettant la valorisation de ces dpts vue.
En esprant que cette tude permettra aux banques damliorer leur systme de
gestion des risques, nous restons rceptifs aux critiques et suggestions pouvant contribuer
la perfection de ce travail.
LACGNI CARLOS DENDI
RSUM
SUM
La gestion des risques est une discipline aussi ancienne que les banques. Aprs la
grave crise des annes 1970 qui avait fragilis plusieurs systmes bancaires de part le
monde, la gestion des risques bancaires est devenue un enjeu de taille pour les banques
qui veulent assurer leur crdibilit, leur rentabilit et leur prennit.
A partir de ce moment, plusieurs auteurs ont uvr dans la conception des mthodes
en vue dune meilleure gestion actif/passif bancaire. Pour les problmatiques de risque de
liquidit et de risque de taux, le Comit de Ble, dans son document consultatif de
Janvier 2001 principles for the management and supervision of interest rate risk
recommande chaque banque de mettre en place des modles dcoulement en liquidit
pour chacun des produits de leur bilan. Ces modles devant leur permettre de grer
efficacement leur liquidit.
En 1995, aprs de nombreuses restructurations qui ont suivi la crise bancaire en
zone CEMAC, les banques de la zone en gnrale et celles du Cameroun en particulier
sont devenues saines et trs liquides. Cependant, lexamen de la structure des ressources
des banques camerounaises montre quelles sont constitues plus de 50% des dpts
vue dont le retrait peut tre effectu tout moment. Dans le portefeuille des banques au
Cameroun, ces ressources provenant de la clientle reprsentent plus de 70% des dpts.
Et la banque sexposerait un risque de liquidit grave si elle utilisait mal ces ressources.
Daprs les recommandations du Comit de Ble, la modlisation de lcoulement des
dpts vue serait dune importance capitale pour les banques camerounaises.
Le travail fait ici constituera un outil supplmentaire dans la gestion actif/ passif
bancaire au Cameroun. Puisque lobjectif que nous visons est la dtermination dun
modle dcoulement des dpts vue qui permettra de filtrer la partie stable de ces
dpts en fonction du temps.
Les donnes que nous avons utilises pour la modlisation sont constitues dune
srie mensuelle dencours des dpts vue de lensemble des banques commerciales
allant de janvier 1997 dcembre 2006 et dune srie mensuelle dobservation sur les
taux dintrt.
Pour atteindre nos objectifs, une analyse de la cointgration et un test de causalit de
Granger nous ont permis de voir quau Cameroun, le niveau de lencours des dpts
vue ne dpend pas de lvolution des taux dintrt. Autrement dit, le comportement des
LACGNI CARLOS DENDI
xi
clients en terme de dpts sur leur compte vue nest pas influenc par les mouvements
de taux dintrt. Ce qui voudrait dire que les niveaux atteints par les taux dintrt nont
jusque l pas t significatif pour captiver lensemble des titulaires de comptes vue.
Puis la mthodologie de Box et Jenkins nous a permis de trouver dans la classe des
modles ARIMA, le modle dcrivant lvolution des dpts vue. Il sagit, aprs avoir
transform notre srie par la fonction logarithme nprien, dun modle ARIMA(0,1,1)
(Moyenne Mobile dordre 1 et intgr dordre 1). Enfin la dtermination de la fonction
dcoulement nous a permis de voir quune fois tous les comptes des clients agrgs,
lencours ainsi obtenu est stable dans le temps. En effet daprs nos analyses, le stock des
dpts vue pris une date donne mettra en moyenne 8 ans et 4 mois pour disparatre
compltement du bilan. Il svapore un rythme de 11,96% par mois. Ainsi, pendant un
mois 88,04% de lencours des dpts vue seront stables dans le bilan, 46,58% y
resteront pendant 6 mois, 21,70% ne sortiront pas du bilan avant un an, les clients
laisseront 4,71% du stock des dpts vue dans les caisses de la banque pendant deux
ans.
Les rsultats issus de ce travail peuvent permettre aux banques camerounaises
damliorer la gestion de leur liquidit, de simpliquer davantage dans le financement de
lconomie, puisquelles disposent dsormais dun outil supplmentaire leur permettant
dvaluer le risque de transformation. La Banque Centrale pourrait utiliser la stabilit de
ces dpts vue pour ajuster le coefficient des rserves obligatoires relatif ce type de
dpts.
LACGNI CARLOS DENDI
xii
Modlisation de lcoulement des dpts vue : Cas des banques commerciales du Cameroun
INTRODUCTION
Une banque est dfinie comme un tablissement de crdit dont le rle est de
procurer des services financiers aux particuliers ainsi quaux entreprises (Encarta 2006).
Leur activit principale consiste collecter des fonds qui, mobiliss sous plusieurs
formes (octroi dun prt par exemple), permettent de financer lactivit conomique. Les
fonds collects peuvent dune part, provenir de la clientle qui effectue deux formes de
dpts : les dpts vue (cest dire avec possibilit de retrait tout moment) ou les
dpts terme (ce nest qu chance que le retrait est possible), dautre part, tre
emprunts sur le march montaire.
Au milieu des annes 80, les banques de la zone BEAC et particulirement celles du
Cameroun ont subi, une grave crise qui a entran dimportantes pnuries de liquidits,
une faible capitalisation et une mauvaise structure de leur portefeuille. Au niveau social,
cette crise bancaire a occasionn de nombreuses pertes demplois suite la fermeture
dentreprises qui navaient plus la capacit daccder leur trsorerie confie aux
banques. (cf. Marianne MBENA NGABA [2006], Gestion de la liquidit bancaire : une
application au Cameroun, thse professionnelle universit de Douala)
De nombreuses restructurations ont t engages au dbut des annes 1990 de sorte
qu partir de 1995, le secteur bancaire camerounais est assaini, liquide et stable grce au
dispositif rglementaire et prudentiel mis en place par la COBAC (Commission Bancaire
dAfrique Centrale, cre en janvier 1993). Les banques camerounaises, avec les
nouvelles contraintes de gestion sont devenues surliquides. Avec un ratio de liquidit de
70% en 1991, elles ont atteint au 31 juin 1997 un niveau de 110,5% pour dpasser 150%
en dcembre 2004. (cf. rapports annuels dactivit de la COBAC)
Un autre constat est imminent dans le secteur bancaire camerounais : on constate le
paradoxe dune forte liquidit bancaire dans une conomie o le volume des crdits
crot trs lentement (BEKOLO EBE [1998] cit par Marianne MBENA). La ralit est
que la majorit de ressources des banques est faite de dpts vue (en effet daprs les
donnes du Conseil National du Crdit, depuis la fin des oprations de restructuration,
plus de 50% des ressources des banques sont des dpts vue dont le retrait peut tre
effectu tout moment) et la banque sexposerait un risque de transformation et de
liquidit grave si elle utilisait mal ces ressources. On remarque ainsi la frilosit du
LACGNI CARLOS DENDI
13
banquier camerounais dans ses activits doffre de crdit cause des difficults valuer
le risque.
Face cette opportunit que constitue la surliquidit bancaire et la place importante
que les dpts vue occupent dans les ressources des banques, la proccupation
principale de ce travail est de savoir : comment on peut valoriser ces dpts vue.
Autrement dit, quel est le modle dcoulement des dpts vue pour les banques
camerounaises et quelle est la partie de ces dpts, stable en fonction du temps que les
banques pourraient utiliser pour octroyer des crdits en minimisant le risque de
transformation et de liquidit ? Proccupation pertinente surtout si on considre la
banque comme un agent conomique rationnel ayant pour objectif doptimiser sa
rentabilit. Le banquier camerounais devrait simpliquer davantage dans le financement
de lconomie puisque la banque est lun des moteurs essentiels de la croissance
(Valrie OHANNESSIAN [2007], la banque dcouvert). La modlisation de
lcoulement des dpts vue se rapporte un problme de gestion actif /passif bancaire
et fait partie des recommandations les plus rcentes du Comit de Ble en vue dune
meilleure gestion des risques.
Lcoulement en liquidit dun produit est gnralement dfini au moyen de sa
fonction dcoulement qui dcrit comment le stock samortit dans le temps. La loi
pouvant tre contractuelle ou conventionnelle. La fonction dcoulement de la production
donne la probabilit quun franc CFA de production nouvelle (nouveau dpt vue par
exemple) entrant la date t dans le bilan, demeure dans ce bilan jusqu une date T
ultrieure. Pour certains produits de type chanc (pour lequel il existe une date de fin
de contrat), la convention dcoulement thorique correspond lcoulement tel quil est
dfini dans le contrat. Par exemple, lorsquon considre un crdit la consommation de
dure 5 ans, on peut, au moment o ce montant entre dans le bilan, dfinir lcoulement
contractuel du produit comme celui correspondant lchancier de remboursement mis
en place. Nanmoins, lcoulement du produit quon choisira de retenir comme
conventionnel peut tre diffrent de cet coulement thorique puisque le client dispose de
diverses options (par exemple loption de remboursement anticip) qui viendront
modifier la convention dcoulement. Ainsi, on pourra choisir dintgrer ces facteurs non
contractuels, mais bien rels, dans lcoulement conventionnel du produit. (cf. Grgory
GHIEU [2003], Gestion Actif/Passif, Mthodologie et Application au Livret A).
LACGNI CARLOS DENDI
14
Par ailleurs les dpts vue font partie des produits pour lesquels aucune date de fin
contractuelle nest spcifie. En effet le contrat douverture dun compte de dpt vue
ne spcifie pas la dure de fin de contrat. Les montants prsents sur ces comptes peuvent
tre retirs a tout instant. Il nexiste pas dcoulement contractuel pour ces produits et la
dfinition dun coulement effectif est lessence de notre problmatique.
Ainsi, la prsente tude se propose:
de dterminer un modle dcoulement des dpts vue pour les banques
camerounaises
de ressortir la partie stable de ces dpts en fonction du temps.
Pour atteindre ces objectifs, la revue de la littrature nous a permis de mettre en
vidence les hypothses suivantes :
Hypothse 1 : Une fois tous les comptes vue individuels des clients agrgs, lencours
global ainsi obtenu est stable dans le temps.
Hypothse 2 : Lvolution des taux dintrt au Cameroun na pas un effet significatif sur
le niveau de lencours des dpts vue.
Lintrt de cette tude rside dans le fait quelle constituera un outil supplmentaire
dans la gestion actif/passif bancaire au Cameroun et permettra aux banques de
simpliquer davantage dans le financement de lconomie tout en minimisant le risque de
liquidit et de transformation.
Pour rsoudre notre problme, nous partirons dune analyse de la liquidit des
banques camerounaises et de la structure des ressources de ces banques pour montrer que
lessentiel de leurs ressources est fait de dpts vue. Puis nous utiliserons la
mthodologie de Box et Jenkins pour dterminer le modle dcoulement de ces dpts
ainsi que la fonction dcoulement qui nous permettra enfin de filtrer la partie stable de
ces dpts en fonction du temps.
Pour cela, nous avons structur ce mmoire en deux grandes parties :
La premire partie est consacre la dfinition des concepts et la revue de la
littrature sur les modles de dpts vue. Il sagira dans le premier chapitre de dfinir
les risques bancaires et le concept dcoulement, dans le second chapitre de prsenter la
revue des modles de dpts vue. La deuxime partie est celle de lapplication au cas
du Cameroun. Nous prsenterons les banques commerciales camerounaises et leur
liquidit (Chapitre III) et aprs nous construirons un modle dcoulement des dpts
vue pour ces banques (Chapitre IV).
LACGNI CARLOS DENDI
15
PREMIRE PARTIE :
REVUE DE LA LITTRATURE SUR LES MODLES DE
DPTS VUE
Cette premire partie est consacre la revue de la littrature. Elle

comprend deux chapitres. Dans le premier, nous prsenterons les
concepts et les dfinitions ncessaires pour apprhender la modlisation
des coulements. Dans le deuxime, nous passerons en revue les
gnralits sur la modlisation des coulements des postes du bilan dune
banque ainsi que les modles existants de dpts vue.
LACGNI CARLOS DENDI
16
CHAPITRE PREMIER
GESTION DES RISQUES BANCAIRES ET CONCEPT

DCOULEMENT
Dans ce chapitre, nous prsenterons les dfinitions et les concepts cls ncessaires
pour apprhender la modlisation des coulements. Le concept dcoulement comme
nous le verrons plus loin est essentiel lvaluation de certains risques bancaires. Cest
pour cela que nous avons jug important de passer en revue dabord les principaux
risques bancaires avant daborder la notion dcoulement.
SECTION I : La firme bancaire et ses principaux risques

I.1 La firme bancaire
La banque peut tre dfinie comme un tablissement de crdit ayant pour objet de
procurer des services financiers aux particuliers ainsi quaux entreprises, quelles soient
prives ou publiques (Encarta 2006). Dans cette partie, nous allons prsenter dabord les
activits de la banque, ensuite, selon lactivit principale exerce, les diffrents types de
banques, les principaux postes du bilan et hors bilan, enfin le compte de rsultat dune
banque.
I.1.1 Lactivit de la banque

De nos jours, la monnaie sert dintermdiaire dchanges. Elle permet de pouvoir
changer un bien ou un service contre un autre bien/service, facilitant ainsi la circulation
et lvaluation de ces biens et services. On distingue la monnaie fiduciaire (billets de
banque et pices) et la monnaie scripturale (oprations ayant pour support les dpts ou
les crdits bancaires) et la monnaie lectronique.
A certains moments, un agent conomique peut disposer dune quantit de
monnaie suprieure ses besoins. En revanche, il se peut qu dautres moments, il
vienne en manquer pour rpondre ses besoins de trsorerie ou dquipements. La
banque sert ainsi dintermdiaire entre des agents qui ont trop de disponibilits (les
dposants) et ceux qui nen ont pas assez (les emprunteurs).
LACGNI CARLOS DENDI
17
Les clients qui profitent les services de la banque sont : les particuliers (il sagit
de toute personne agissant en dehors de son activit professionnelle), les entreprises (il
sagit des individus ou groupes dindividus tudis sur le plan de leur activit
professionnelle), les collectivits (rgions, dpartements, communes) et lEtat.
Lactivit principale des banques consiste collecter des fonds qui, mobiliss sous
plusieurs formes (octroi dun prt par exemple), permettent de financer lactivit
conomique. Les fonds collects sont effectus sous deux formes :
La collecte des dpts : Il sagit de lensemble des disponibilits confies par les
clients aux banquiers. Ces dpts pouvant tre effectus vue (c'est--dire avec
possibilit de retrait tout moment) ou terme (ce nest qu chance que le
retrait est possible)
Lemprunt sur le march montaire : lorsque la collecte des dpts nest pas
suffisante pour rpondre ses exigences, la banque peut emprunter sur le march
montaire qui est considr comme le march des capitaux court terme.
Pour ce qui est du financement de lconomie, La banque lassume en accordant des
crdits soit par dcaissement ou par caution (il sagit dans ce cas de lengagement pris par
le banquier dhonorer la signature de son client en cas de dfaillance de ce dernier). Les
crdits accords peuvent tre court terme (dure infrieure ou gale 2 ans), moyen
terme (dure comprise entre 2 et 7 ans), long terme (dure suprieure 7 ans).
Les banques offrent aussi leurs clients un certain nombre de services ( savoir,
service de caisse, location de coffres, conseils, gestion de portefeuille, excution des
ordres de virement, gestion des rglements par carte bancaire, oprations de change avec
ltranger, placement des emprunts de lEtat etc.) moyennant des commissions.
I.1.2 Les diffrents types de banques

On distingue 4 catgories de banques selon leur activit principale1 :
Les banques de dtail ou traditionnelles : leurs activits sont principalement
orientes vers une clientle non financire (mnages, entreprises, collectivit) avec
comme activit prdominante la collecte de dpts et loctroi de crdits ;
Les banques de march : elles sont spcialises dans les oprations sur le march
des capitaux et pratiquent surtout les oprations sur titres, sur instruments
Cf. Pascal KUATE, Cours monnaie et crdits, page 21.

LACGNI CARLOS DENDI
18
financiers, interbancaires. Elles ne font pas doprations avec la clientle non

financire ;
Les banques daffaires : spcialises dans les prises de participation dans
lindustrie, elles se caractrisent par limportance de leur portefeuille titres
(actions, certificats dinvestissement) et le montant lev de leurs fonds propres ;
Les banques universelles : contrairement aux banques spcialises, elles exercent
toutes les activits bancaires possibles et largissent mme leur gamme dautres
activits non bancaires telles que lassurance.
La photographie de la situation dune banque un moment donn est prsente par

son bilan. Nous dcrirons dans la suite les diffrents lments qui constituent le bilan
simplifi dune banque.
I.1.3 Les principaux postes du bilan et hors-bilan dune banque

Pour donner une classification de lactif et du passif du bilan dune banque, le
premier critre utilis est le degr de liquidit. C'est--dire le degr de disponibilit pour
lactif et dexigibilit pour le passif. Cest cela qui distingue la prsentation du bilan
dune banque de celle adopte par la comptabilit traditionnelle (la prsentation du bilan
dune banque se faisant donc dans lordre inverse). Le second critre concerne le type
dopration : on distingue les oprations avec les agents non financiers et les oprations
avec les tablissements de crdit.
I.1.3.1 Les principaux postes du bilan

Le bilan simplifi dune banque regroupe les lments de lactif et du passif suivant :
Tableau 1 : Principaux postes du bilan dune banque
Actif
Les avoirs liquides (caisse, avoirs en compte
la banque centrale)
Les prts dautres institutions financires
(prts interbancaires)
Les crdits la clientle (agents non
financiers) ;
Passif
Emprunts auprs de la banque centrale
ou dautres institutions financires
Les dpts de la clientle (dpts vue,
comptes dpargne, comptes terme,) ;
Les oprations sur titres (pensions,
certificats de dpts et obligations
mises) ;
Les fonds propres et provisions.
Les portefeuilles-titres (fusions, placements,

participations) ;
Les valeurs immobilises (prts subordonns,
immobilisations, crdit-bail,)
Source : Pascal Kuat, cours monnaie et crdit, page 21 et22
LACGNI CARLOS DENDI
19
I.1.3.2 Le hors-bilan
Ce sont des engagements donns ou reus par la banque, mais qui ne donnent pas
directement lieu la mobilisation de fonds. Il sagit des :
Engagements de financement (par exemple, louverture dune ligne de crdit) ;
Engagements de garanties (cautions, avals) ;
Engagements sur titres et instruments financiers termes.
Il est noter que la taille du hors bilan de la plupart des banques reprsente en moyenne
plus de trois fois le montant de leur actif.
Aprs avoir prsent les lments constitutifs de la situation de la banque travers le

bilan et le hors bilan, nous allons explorer dans la suite son compte de rsultat.
I.1.4 Le compte de rsultats

Le compte de rsultats dune banque retrace de faon exhaustive ses produits et
ses charges sur une priode donne
I.1.4.1 Principaux postes du compte de rsultat2
On distingue trois catgories de produits et de charges :
Les produits et charges dexploitation bancaire :
Intrts (verss ou reus) ;
Commissions (verses ou perues) ;
Gains/pertes sur oprations financires (titres, change, instruments
financiers) ;
Les autres produits et charges ordinaires, qui sont principalement constitus de:
charges gnrales dexploitation (frais de personnel et autres frais
administratifs) ;
dotations aux amortissements ;
soldes en bnfices ou perte, correction de valeur de crances,
immobilisations, lments de hors-bilan.
Les produits et charges exceptionnels.
Cf. Pascal Kuat cit plus haut, page 22.

LACGNI CARLOS DENDI
20
Aux charges sajoute limpt sur les bnfices ou une perte de lexercice. De lensemble
du compte de rsultats se dgage un bnfice ou une perte de lexercice. Les frais de
structure (ou frais gnraux), se composent des charges gnrales dexploitation et des
dotations aux amortissements.
I.1.4.2 Les soldes intermdiaires de gestion

Ces grandeurs permettent de faire lanalyse des rsultats, en particulier le produit
net bancaire et le rsultat net. On distingue gnralement les soldes suivants, consigns
dans le compte de rsultat :
Tableau 2 : Le compte de rsultat
CHARGES
Intrts verss et Charges
assimiles
Pertes sur oprations des
portefeuilles de ngociation
Pertes sur oprations des
portefeuilles de placement et
assimils
Autres charges dexploitation
bancaire nettes

PRODUITS
Intrts reus et produits assimils
Revenus des titres revenu
variable
Commissions nettes
Gains sur oprations des

portefeuilles de ngociations
Gains sur oprations des
portefeuilles de placement et
assimils
Autres produits dexploitation
bancaire nets
Solde : PRODUIT NET BANCAIRE
Charges gnrales dexploitation
Dotations aux amortissements et
aux provisions sur immobilisations
incorporelles et corporelles
Solde : RESULTAT BRUT DEXPLOITATION
Cot du risque
Solde : RESULTAT DEXPLOITATION
Pertes sur actifs immobiliss
Gains sur actifs immobiliss
Solde : RESULTAT COURANT AVANT IMPOT
Rsultat exceptionnel
Rsultat exceptionnel
Impts sur les bnfices
Reprises de FRBG (Fonds propres
pour Risques Bancaires Gnraux)
et de provisions
Dotations de FRBG (Fonds propres
pour Risques Bancaires Gnraux)
et provisions rglementes
Solde : RESULTAT NET
Source : Paul Demey et al.[2003], Introduction la gestion Actif-Passif Bancaire, Page 43,44
LACGNI CARLOS DENDI
21
Dans la plupart des cas, la banque dans ses oprations, fait face des risques
quelle doit pouvoir grer afin dviter de tomber en faillite. Lobjet principal de notre
tude tant la modlisation de lcoulement, qui est un outil de mesure et de prvention
de risque, il nous parat important de passer en revue les principaux risques encourus par
les banques.
I.2 Les risques bancaires

Comme nous lavons mentionn plus haut, les banques assurent une fonction
dintermdiaire financier. Lorsquune banque combine des ressources dorigines diverses
pour financer plusieurs emplois distincts, cette fonction est qualifie dallocation. La
transformation, qui reprsente la deuxime fonction dintermdiation, consiste
emprunter une chance courte et placer les fonds ainsi obtenus dans des actifs de
plus longs termes, ou emprunter taux fixe pour prter taux variable. Cest cette
deuxime fonction qui est lorigine de la majeure partie des risques financiers.
Aprs avoir prsent la typologie des risques encourus par les banques, nous
examinerons ensuite les mthodes classiques mises en place pour grer ces risques et
enfin nous prsenterons les recommandations faites par le Comit de Ble pour une
gestion actif/passif plus efficace.
I.2.1 Les principaux risques bancaires

En 1995, Bessis distingue deux sortes de risques (Cf. Bessis J. [1995]): les risques
financiers et les risques oprationnels. Selon le comit de Ble, Operational risk is
defined as the risk of loss resulting from inadequat or failed internal process, people and
systems or from external events. This definition includes legal risk, but excludes strategic
and reputational risk . Ce risque, pouvant entraner des pertes importantes pour la
banque, doit tre pris en compte dans sa gestion interne. On distingue 6 types de risques
financiers3 :
Le risque de contrepartie : cest le risque pour un crancier de perdre
dfinitivement sa crance dans la mesure o le dbiteur ne peut pas, mme en
liquidant lensemble de ses avoirs, rembourser la totalit de ses engagements,
cf. Grgory GHIEU [2003] Cit plus haut, page 7.

LACGNI CARLOS DENDI
22
Le risque de liquidit pour une banque reprsente lventualit de ne pas pouvoir

faire face, un moment donn, ses engagements ou ses chances,
Le risque de taux dun tablissement financier est celui de voir sa rentabilit ou la
valeur de ses fonds propres affectes par lvolution des taux dintrt,
Le risque de march est le risque de pertes sur les positions du bilan et du hors
bilan la suite de variations des prix de march,
Le risque de change, traduit le fait quune baisse des cours de change peut
entraner une perte de valeur libelle en devises trangres.
Le risque de solvabilit, est lventualit de ne pas disposer de fonds propres
suffisants pour absorber les pertes ventuelles.
Certains de ces risques sont inhrents lactivit relative la banque commerciale

et dautres sont relatifs aux oprations de march. En gnral, les risques trouvent leur
origine soit dans les oprations de march (on peut citer le risque de crdit, le risque de
liquidit et le risque de march), soit dans les oprations de la banque commerciale (le
risque de crdit, le risque de taux dintrt, le risque de liquidit). (Grgory GHIEU
[2003]).
Pour faire face ces risques, la banque doit grer de faon dynamique tant lactif
et le passif de son bilan que sa situation hors bilan. La modlisation de lcoulement
tant une technique de matrise du risque de liquidit et de taux sur le primtre des
activits commerciales de la banque, nous insisterons dans la suite sur la gestion des
risques de taux et de liquidit. Rappelons que les analyses en liquidit et en taux sont
extrmement dpendantes. En effet, tout besoin en liquidit une date donne est financ
aux conditions de taux de la date courante. Ainsi, bien quil soit indispensable de faire
des prvisions de besoins de liquidit, cette prvision doit tre complte par une analyse
du risque de taux. Les besoins (respectivement excdents) de liquidits aux dates
futures seront refinancs (respectivement placs) selon diverses modalits qui ont toutes
pour particularit de porter une incertitude quant aux conditions de taux auxquelles elles
seront effectues. (Grgory GHIEU [2003]).
I.2.2 La gestion des risques de taux et de liquidit

Le risque de taux dintrt est le risque de voir ses rsultats affects
dfavorablement par les mouvements de taux dintrt. Pour ce qui est de la liquidit
LACGNI CARLOS DENDI
23
dune banque, nous pouvons conformment au document du comit de Ble, la dfinir

comme la capacit de financer ses actifs et de rembourser les engagements pris au
moment o ces financements ou remboursements surviennent. Le risque de liquidit se
traduit donc travers limpossibilit de satisfaire ses engagements. Il apparat lorsque des
besoins inattendus sont subis par la banque et quelle ne peut y faire face partir de ses
actifs liquides. Le risque de liquidit est fondamental pour une banque. Comme le
suggre la dfinition, une liquidit mal matrise peut :
provoquer la faillite dune banque : en cas dilliquidit extrme ;
engendrer une perte dopportunit par incapacit de financer le dveloppement de
lactivit ;
engendrer une crise de liquidit par incapacit honorer les engagements
contracts.
Nous nous attachons dans cette partie aux mthodes dapprhension et de
quantification du risque de liquidit et du risque de taux.
Certains facteurs sont lorigine du risque de liquidit et de taux dintrt. On
peut citer le mouvement des taux dintrt (qui est un facteur important dinstabilit des
rsultats dune banque) et le comportement de la clientle (loption de remboursement
anticip des crdits ou de retrait de tout ou dune partie des montants placs sur son
compte vue sont quelques unes des options implicites la porte du client de la
banque). Les mouvements des taux dintrt influencent trs fortement lexercice de ces
options par le client. Il nat alors un risque li aux clauses optionnelles. J. Bessis en 1995
considre ce risque comme un risque de taux indirect.
Dans la suite, aprs avoir prsent les mthodes (ainsi que leurs limites)
rencontres dans la littrature et couramment utilises dans les banques pour la gestion de
ces risques, nous proposerons les recommandations faites par le comit de Ble pour une
gestion plus efficiente du risque de taux et de liquidit.
I.2.2.1 Les Mthodes classiques de gestion des risques de taux et de liquidit
Plusieurs mthodes sont couramment utilises par les banques pour grer les
risques de taux et de liquidit. On peut citer la mthode des gaps, la mthode de la
duration4
4
Ces mthodes sont dtailles dans le document de Grgory GHIEU [2003] cit plus haut, Page 15-20.
LACGNI CARLOS DENDI
24
I.2.2.1.1 Mthode des gaps
Pour valuer limpact du risque de taux sur le rsultat global de la banque, c'est-dire sur la marge dintrt, Bessis et Darmon font rfrence la mthode des gaps. Cette
mthode dcompose un bilan bancaire en actif et en passif, contenant chacun des postes
dgageant des flux caractriss par un taux et un chancier. Il est possible de classer ces
postes par taux puis par chance et de scinder chacune de ces classes en deux parties.
Lune contenant les flux non affects par un mouvement de taux et lautre incluant les
flux affects par un mouvement de taux (ce sont ceux des postes taux variables et ceux
de la production nouvelle affecte par les nouveaux taux. On dfinit le gap (impasse)
comme lcart, une date t, entre lactif et le passif.
En particulier, on appelle gap taux fixe, la diffrence entre lactif et le passif non
affecte par un mouvement de taux. Seuls les actifs et les passifs taux variables sont
concerns par une variation de taux. La mthode des gaps tablit un chancier de
rmunrations payes ou reues sur chacun des actifs et passifs dpendant des
mouvements des taux dintrts en fonction de leur maturit ou de leur date de repricing5
lorsquils sont taux variable. Lamplitude du gap rsultant de lensemble du bilan
fournit alors le niveau dexposition de la banque au risque de translation de la courbe de
taux.
Relativement simple demploi, cette mthode est frquemment utilise et permet
de fournir des indications sur lapparition du rsultat dans le temps.
Elle a linconvnient :
de ne se limiter quaux produits chanciers bien dtermins ;
de mettre hors danalyse loptionalit : en effet, elle ne tient pas compte de
limpact de lvolution des taux dintrt sur lamortissement de lencours
(remboursement anticips..) ou sur les effets de substitution (par exemple des
dpts vue aux comptes termes) ;
elle nintgre pas la production nouvelle qui va pourtant modifier la structure du
bilan et par consquent les impasses aux diffrentes dates futures.
I.2.1.1.2 Mthode de la duration
Dans la littrature, une autre mthode est couramment rencontre (cf. Bitner,
Darmon). Il sagit de la mthode de la duration. Cette mthode sintresse la valeur
5
Il sagit de la date o le taux client est rvis (modifi).

LACGNI CARLOS DENDI
25
actuelle nette de la banque et est utilise lorsque les dirigeants souhaitent porter leur
attention sur la valeur de march de la banque et non sur une approche relative son
rsultat court terme. Dans cette mthode, on exprime lexposition au risque de taux
relative chacun des actifs et passifs en termes de sensibilit de leur Valeur Actuelle
Nette.
Le concept de duration et de sensibilit est alors utile pour valuer lexposition au
risque de taux de la valeur de march de la banque. Si on note V la valeur de march dun
actif et r le taux dintrt, sa duration D vaut alors :
D=
(1)
(1 + r ) dv
,
v
dr
La sensibilit S de cet actif vaut quant elle :

S=
(2)
D
dv 1
= ,
(1 + r )
dr v
Ainsi, si les taux augmentent de 1%, un actif de sensibilit globale S verra sa valeur
augmenter de S%.
Cette mthode a lavantage dtre trs synthtique. En effet, lensemble des flux
futurs est rsum une seule valeur (la valeur Actuelle Nette) par le biais de
lactualisation. On peut ainsi dduire la sensibilit de cette valeur aux diffrents facteurs
qui linfluencent, par exemple les taux dintrt ou le comportement des clients.
Cette mthode possde un avantage extrmement important par rapport la mthode des
gaps. Elle permet dintgrer les oprations optionnelles telles que les options relatives
aux relations avec la clientle puisque celles-ci peuvent tre valorises et ajoutes la
valeur obtenue par actualisation des flux futurs.
Cette mthode est limite car elle est construite sous la seule hypothse de
translation des taux et telle quelle est dcrite, dans les ouvrages de gestions actif/passif
bancaire, elle ne permet pas dapprhender le risque de liquidit. Elle se doit donc dtre
complte par une mthode permettant de grer ce risque.
Les approches prcdentes sont des approches statiques qui consistent mesurer
limpact dune variation de taux une date donne sur les rsultats ou sur la valeur nette
de ltablissement. Lanalyse statique ne tient pas compte de lvolution future du bilan
(productions nouvelles), des risques de fluctuations ultrieures des taux, de leur volatilit.
LACGNI CARLOS DENDI
26
Dans la partie suivante nous prsenterons ce que recommande le comit de Ble en vue
dune gestion plus rationnelle et efficiente des risques de liquidit et de taux.
I.2.2.2 Les recommandations du comit de Ble6
Cr en 1974, le comit de Ble est un mouvement international dharmonisation

des rgles prudentielles. Il se runit quatre fois par an et fait un certain nombre de
recommandations relatives la gestion bancaire. Il regroupe aujourdhui la Belgique, le
Canada, la France, la Sude, la Suisse, le Royaume-Uni et les Etats-Unis. Chacun des
pays est reprsent par sa banque centrale. Grce la trentaine de groupes de travail qui
se runissent rgulirement, ce comit fait un certain nombre de recommandations
relatives la gestion bancaire. Chaque pays est ensuite libre de prendre les dcisions qui
conviennent le mieux son systme bancaire.
En ce qui concerne le risque de liquidit et le risque de taux, dans son document
consultatif, le Comit de Ble de Janvier 2001 consacre un chapitre aux Principles for
the Management and supervision of Interest Rate Risk ainsi quun chapitre aux
principles for the Assessment of Liquidity Management in banking Organisations .
Dans ces documents, le comit considre que le niveau fondamental de gestion de la
liquidit doit tre la mesure de tous les flux sortant et entrant afin didentifier o peuvent
se situer les insuffisances potentielles de liquidit dans le bilan. Par ailleurs, il y est
prcis quun aspect important de la liquidit rside dans les hypothses de besoins
futurs.
Le Comit de Ble recommande alors de mettre en place des coulements en
liquidit pour chacun des produits du bilan de la banque. Cette modlisation devra
permettre de calculer par la suite les impasses en liquidit, c'est--dire la diffrence entre
les actifs et les passifs du bilan aux dates futures et de grer de manire efficace certains
risques bancaires. Le comit recommande ainsi deffectuer la fois des valuations
dcoulement statique mais aussi dynamique .
Afin dvaluer le lien entre le taux des diffrents produits et les taux de march, le comit
recommande aussi dvaluer des coulements en taux.
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 franaise se trouvant sur le site de la Banque de France
LACGNI CARLOS DENDI
27
Le concept dcoulement prsent la section suivante constitue une rponse ces

souhaits.
SECTION II : Le Concept dcoulement

La mthode expose dans cette section correspond aux exigences du Comit de
Ble. Nous dfinirons la notion dcoulement en liquidit qui permet de calculer des
impasses en liquidit et la notion dcoulement en taux qui va permettre de traduire
lajustement des taux des divers produits sur les taux dintrt de march. Cette mthode
est voque dans le document de Grgory GHIEU [2003]. Elle a t formule du point de
vue mathmatique par P. Demey, A. Frachot et G. Riboulet (Groupe de Recherche
Oprationnelle, Direction des Risques du Groupe Crdit Agricole) en 2001.
II.1 La notion dcoulement en liquidit

Pour un produit bancaire donn, son coulement en liquidit montre comment le
stock disparat dans le temps. Elle peut tre contractuelle ou conventionnelle et intgre
les alas pouvant affecter la liquidit du produit. Modliser la liquidit dune banque
ncessite ltude de chaque poste du bilan afin de dterminer son degr de liquidit pour
les actifs et dexigibilit pour les passifs. Il importe dans lanalyse de prendre en compte
les paramtres tant internes quexternes qui peuvent agir sur la banque.
La diffrence entre le total de lactif et le total du passif est nulle pour la date
courante puisque le bilan de la banque est quilibr tout instant. Cependant, lorsquon
projette cette diffrence aux dates futures, elle na aucune raison dtre nulle. Ainsi,
lorsquon dtermine cet cart pour les dates futures, elle permet danticiper les montants
qui pourront tre emprunts ou placs aux dates futures et aussi dvaluer une partie du
risque de taux auquel sexpose la banque.
Il est donc ncessaire pour une banque dvaluer comment chacun de ses actifs et
passifs volue au cours du temps. Il faut ainsi dfinir pour chaque poste du bilan la
fonction dcoulement qui permet de quantifier la probabilit quun franc CFA prsent
dans le bilan la date daujourdhui soit encore prsent une date future. On devra pour
cela faire la diffrence entre les montants prsents dans le bilan la date t (le stock ou
LACGNI CARLOS DENDI
28
lencours) et la faon dont ils scoulent, et les montants entrant dans le bilan aux
diffrentes dates futures qui reprsentent la production nouvelle).
II.1.1 Lcoulement de production

La probabilit quun franc CFA, entr dans le bilan une date t, y soit encore
prsent une date T ultrieure est dfinie par une fonction appele fonction dcoulement
de la production. Il sagit bien dans cette dfinition dun franc entr la date t et non dun
franc CFA prsent dans le bilan en t, qui y est entr avant la date t. Ceci pour indiquer
quen gnral, on suppose quun franc CFA qui entre dans un bilan en t ne scoule pas
de la mme faon, quun autre franc CFA prsent en t qui se trouvait dans le stock avant
la date t.
De faon mathmatique telle que formule par G. Riboulet et al. [2003],
en dsignant par PN(t) la production nouvelle apparue la date t, PN(t,T) le montant de
cette production encore vivante la date T, la relation :
PN (t , T ) = PN (t ) S (t , T )
(3)
permet de dfinir la fonction dcoulement de la production nouvelle. Cette fonction

dcoulement a les proprits suivantes :
S (t , t ) = 1 qui signifie quun franc CFA entrant dans le bilan la date t se trouve
toujours dans le bilan la date t.
S ( t , + ) = 0 qui veut dire que la production disparat tt ou tard du bilan.
Cette fonction dcoulement dfinit la convention en liquidit du produit et

ncessite de dfinir une date arbitraire de sortie du bilan pour les produits tels que les
dpts vue.
La notion dcoulement contractuel concerne les produits pour lesquels il existe
une date de fin de contrat. Ici la convention dcoulement thorique correspond
lcoulement tel quil est dfini par les termes du Contrat. Pour illustrer nos propos,
prenons le cas dun crdit la consommation de dure 5 ans. Au moment o ce montant
entre dans le bilan, on peut dfinir lcoulement contractuel du crdit comme celui
correspondant lchancier de remboursement mis en place.
Cependant, lcoulement quon retiendra comme effectif peut tre diffrent de
lcoulement contractuel puisque le client dispose de plusieurs options (par exemple
loption de remboursement anticip) qui viendront modifier la convention dcoulement.
Ainsi, la fonction dcoulement de la production nouvelle dune banque doit la fois
LACGNI CARLOS DENDI
29
traduire lcoulement contractuel de cette production mais aussi loccurrence de tous les
vnements non contractuels.
Pour les produits non chancs, c'est--dire ceux pour lesquels il nexiste pas de
date de fin contractuelle (les dpts vue par exemple), les montants prsents dans les
comptes de ces produits peuvent tre retirs tout instant. Il nexiste donc pas
dcoulement contractuel pour ces produits et la dtermination dun coulement effectif
reste elle-mme assez problmatique (Cf. Grgory GUIEU [2003]).
Le fait que le client peut gagner ou perdre sur des produits financiers selon
lvolution des taux dintrt, nous amne parfois supposer que les fonctions
dcoulement de la production dpendent : de la date dentre dans le bilan de la
production t, du temps coul entre la date dentre dans le bilan t et la date considre T,
des taux dintrt de march entre ces deux dates.
II.1.2 La vitesse dcoulement

La fonction dcoulement peut tre dfinie au moyen de la vitesse ou taux
dcoulement. Cette notion ne contient ni plus ni moins dinformation que la fonction
dcoulement S(.,.), mais est plus intuitive. Elle reprsente le pourcentage de lencours en
vie qui scoule par unit de temps. On la formule par lexpression mathmatique :
(4)
(t , T ) =
S (t , T ) S (t , T + 1)
,
S (t , T )
Qui sinterprte comme suit :

en t, la production nouvelle PN(t) apparat dans le bilan ;
en T, il reste PN (t , T ) = PN (t ) S (t , T ) ;
en T+1, il reste PN (t , T + 1) = PN (t ) S (t , T + 1) .
La vitesse dcoulement correspond au rapport entre la part marginale qui
disparat du bilan entre T et T+1, soit PN (t , T ) PN (t , T + 1) , et lencours en vie en T,
PN(t,T). (Cf. Paul Demey et al. [2003], page 22).
Avec des donnes mensuelles, un taux dcoulement de 10% signifie que la production
svapore un rythme de 10% par mois.
Lexpression en temps continu est la suivante :
(5)
(t , T ) =
T
LnS (t , T )
S (t , T ) = exp( (t , s )ds ),
t
T
LACGNI CARLOS DENDI
30
II.1.3 Lcoulement du stock

Le stock dun poste du bilan peut tre considr comme laccumulation des
diffrentes strates de production nouvelle apparues dans le pass et non encore coules.
Par exemple, lencours de crdits encore prsents une date correspond bien tous les
crdits contracts une date antrieure pour lesquels les clients nont pas fini de
rembourser les montants emprunts. Si on note D(t) lencours de la date t, on a la
relation mathmatique :
t
D(t ) = PN ( s ) S ( s, t )ds,
(6)
O S est la fonction dcoulement de la production nouvelle qui reprsente le coefficient

damortissement. Et PN(s) la production nouvelle la date s.
La notion dcoulement du stock cherche traduire le phnomne de disparition
de lencours D(t) du bilan en supposant nulles les productions nouvelles futures. Ceci
permet de voir comment scouleraient les montants prsents dans le bilan de la banque
si elle arrtait lactivit leur ayant trait. Lencours dune date future peut scrire
T
D(T ) = D(t , T ) + PN ( s ) S ( s, T )ds
(7)
O D(t,T) reprsente la projection de lencours actuel sous lhypothse de production

nouvelle future nulle. Le second facteur reprsente laccumulation entre les dates t et T de
diffrentes strates de production nouvelle. On crit :
t
D(t , T ) = PN ( s ) S ( s, T )ds
(8)
La fonction dcoulement du stock est le pourcentage de lencours qui est encore prsent
dans le bilan aux dates futures. Elle est dfinie par la relation :
D (t , T ) = D (t ) S stock (t , T )
(9)
Do on en dduit
t
(10)
D(t , T )
S stock (t , T ) =
=
D(t )
PN ( s ) S ( s, T )ds
PN ( s ) S ( s, t )ds
En gnral, la fonction dcoulement du stock Sstock(.,.) nest pas la mme que la fonction
dcoulement S(.,.) des diffrentes productions nouvelles qui composent ce stock.
Sil est vrai que la connaissance de lcoulement futur des encours actuels sous
lhypothse des productions futures nulles, permet de dterminer les besoins futurs de
LACGNI CARLOS DENDI
31
liquidit ou les placements futurs de liquidit excdentaire, il faut galement valuer les
productions nouvelles futures, pour en dduire finalement ce que seront les encours
rellement inscrits au bilan aux dates futures. Cela revient dterminer comment les
encours futurs combinent coulement de lencours daujourdhui et productions nouvelles
futures. Lquation comptable ou de conservation de la matire :
Encours en t = Encours en t-1 + Production nouvelle Ecoulement de lencours entre t-1 et t
rpond au formalisme dintroduction des productions nouvelles futures. Mais il ne sagit

pas dune quation de modlisation. En partant de lexpression mathmatique (6),
On obtient par diffrentiation :
(11)
t
S ( s, t )
dD(t ) = PN (t ) + PN ( s )
ds dt ,
Ceci traduit exactement lexpression comptable prcdente. Lexpression suivante :

(12)
PN ( s )
S ( s, t )
ds (Qui est de signe ngatif)
t
reprsente le flux dcoulement de lencours entre t et t+dt. dD(t) est donc la variation de
lencours entre t et t+dt. (Cf Frachot et al. [2003].)
II.1.4 Impasse en liquidit

Le bilan devant tre quilibr tout instant, si on dsigne par Di(t) lencours dun
poste i du bilan, p indice pour le passif et a indice pour lactif, on a la relation
(13)
D
p
(t ) Da (t ) = 0
a
Cependant, si on veut projeter ce bilan une date future, il est ncessaire

dintroduire les notions de fonctions dcoulement et de productions nouvelles que nous
avons dfinies prcdemment. Limpasse en liquidit reprsente la diffrence entre les
encours dactifs et de passifs pour toutes les dates futures, telles quon peut les projeter
depuis la date daujourdhui :
(14)
Im p _ Liq (t , T ) = Dp (t , T ) Da (t , T )
p
Les sommes tant prises respectivement sur toutes les lignes de lactif (respectivement
passif). Cette dfinition ne prend pas en compte les productions nouvelles futures et donc
se place implicitement dans lhypothse o la banque arrte son activit. Il est important
de considrer les productions nouvelles futures car limpasse prcdente ne permet pas
LACGNI CARLOS DENDI
32
dapprhender correctement les besoins futurs en liquidit de la banque. Ceci nous

conduit la dfinition de limpasse dynamique7
(15)
T
T
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
a
O PN a* (resp. PN *p ) sont les lments de productions nouvelles anticipes dont on

souhaite tenir compte dans limpasse (productions nouvelles qui elles mmes
scouleront).
II.2 La notion dcoulement en taux
Le taux dintrt de march qui doit tre appliqu dans le futur constitue un ala
pour les besoins ou les excdents de liquidit. En effet, nous ne disposons pas des valeurs
des taux de march futurs. Pourtant il est important pour une banque davoir une vision
claire de ses rsultats futurs ainsi que les facteurs qui les influencent.
Dans la suite nous montrerons comment les taux dintrt interviennent travers la
rmunration reue ou verse par la banque ainsi que sur limpasse en liquidit. Mais
avant cela, dfinissons ce que nous entendons par marge dintrt de la banque.
II.2.1 La marge dintrt

La marge dintrt est dfinie par
a
p
M (t ) = Da (t ) Rstock
(t ) D p (t ) Rstock
(t )
(16)
i
o Rstock
(t ) dsigne le taux de rmunration (vers ou reu) du poste i du bilan la date t.
Avec une vision long terme, on peut se poser la question de savoir : Vue daujourdhui,
que vaudra la marge une date future T ? On obtient la formule suivante :
a
p
M (t , T ) = Da (t , T ) Rstock
(t , T ) D p (t , T ) Rstock
(t , T )
(17)
Mais la formule prcdente nest pas exacte car il faut prendre en compte dans la
projection, le fait que limpasse en liquidit pourra tre replace ou refinance (en
fonction de son signe).
Paul Demey et al. [2003] proposent la formule suivante :
Cf. Paul Demey et al. [2003], Introduction la gestion actif-passif bancaire, page 33
LACGNI CARLOS DENDI
33
a
p
(t , T ) D p (t , T ) Rstock
(t , T ) Da (t , T ) Dp (t , T ) rT
(18) M (t , T ) = Da (t , T ) Rstrock
a
O rT dsigne le taux de replacement ou de refinancement instantan.

De cette formule, on remarque que lencours de chacun des postes ainsi que les taux
client doivent tre projets dans le futur.
II.2.2 Limpasse en taux
Limpasse de taux mesure limpact dune variation de taux dintrt sur la marge
dintrt. (Grgory GHIEU [2003]). Pour lvaluer, il suffit donc de driver partiellement
la marge dintrt par rapport au taux choisi. On a la formule suivante :
(19)
Im p _ taux (t ) =
M (t )
rt
(pour un impasse en taux court)
Limpasse en taux reprsente en fait la variable quon cherche annuler lorsquon parle
de couverture de la marge dintrt contre le risque de taux. (Grgory GHIEU [2003]).
Dans ce chapitre nous avons dabord dfini lactivit de la banque travers son
bilan simplifi et son compte de rsultat, ensuite la prsentation des risques bancaires
nous a permis de voir que dans ses multiples activits, la banque fait face des risques
quelle doit pouvoir grer afin dassurer sa prennit. Les risques les plus rencontrs sont
les risques de liquidit et de taux dintrt. Enfin, le concept dcoulement est apparu
ncessaire pour une gestion plus efficace de ces risques.
Dans la suite nous ferons une revue de la littrature sur les modles de dpts
vue.
LACGNI CARLOS DENDI
34
CHAPITRE DEUXIME
LES MODLES DE DPTS A VUE

Nous avons dcrit dans le chapitre prcdent les concepts de base ncessaires
pour apprhender la modlisation. Par exemple nous avons constat que le concept
dcoulement est ncessaire la construction des impasses en liquidit et en taux, de
mme qu la gestion de certains risques du point de vue du comit de Ble. Lhypothse
simplificatrice dcoulement dterministe, c'est--dire indpendant des taux dintrt,
permet de considrer les impasses comme des indicateurs de risque. Cette hypothse est
la rgle dans la pratique courante de la gestion actif/passif. Mais parfois, dans de
nombreux cas il est difficile de considrer que les coulements sont indpendants des
taux.
Avant de procder la prsentation des modles de dpts vue, il est essentiel
de passer en revue les gnralits concernant la modlisation des coulements, qui nous
permettront de prsenter les contraintes que doivent satisfaire les modles dcoulement.
SECTION I : Gnralits sur la modlisation des coulements

Certaines contraintes doivent tre satisfaites lors de la modlisation des
coulements. Mais, il arrive parfois que certaines de ces contraintes soient trs fortes et
amnent se limiter des modles trs simples.
I.1 Les variables explicatives de lcoulement selon DEMEY, FRACHOT,

RIBOULET
DEMEY, FRACHOT et RIBOULET en 2003, dans leur livre introduction la
gestion actif/passif, voquent des variables pouvant agir sur lcoulement dun produit. Il
sagit des variables de niveau client, des variables de niveau produit et des variables
macroconomiques.
Pour les variables de niveau client telles lge, la catgorie socioprofessionnelle, et
la situation familiale dun individu, on ne les retrouve pas souvent dans le systme
dinformation de la gestion Actif/passif. Mme si ces variables peuvent avoir de
LACGNI CARLOS DENDI
35
linfluence par exemple sur le comportement de remboursement anticip dun prt

immobilier, ou sur le comportement dpargne du client, il nest pas ais de les utiliser
dans la pratique.
Pour les variables de niveau produit, elles sont souvent utilises dans les systmes
dinformation ALM. Elles regroupent les taux de rmunration des comptes, la date de
gnration du produit, le mode damortissement (prt la clientle), le positionnement du
produit dans loffre commerciale de la banque, le mode dutilisation du produit par le
client (facilit de caisse, dcouvert, crdit de trsorerie pour la clientle entreprise), etc.
Les variables Macroconomiques concernent les variables telle la conjoncture
conomique (en particulier les taux dintrt mais aussi linflation, le taux de croissance
du PIB), le march immobilier, les marchs des actions, etc. Toutes ces variables ont
vocation influencer directement ou indirectement les coulements. Toutefois, seuls les
taux dintrt sont gnralement retenus, puisquils captent une part importante des
fluctuations macroconomiques. On considre que les fluctuations de la croissance
conomique, de linflation (etc.) sont relies significativement aux mouvements des taux
dintrt.
Dans le bilan dune banque, on distingue gnralement deux types de produits :

ceux pour lesquels une date de fin contractuelle est spcifie et ceux pour lesquels aucune
date de fin nest spcifie. Dans la modlisation des coulements il est crucial de faire la
distinction entre ces deux types de produits. Lcoulement des produits chancs
pouvant tre identifi dans certains cas lcoulement contractuel (tel que dfini par les
termes du contrat). Dans la suite, nous nous proposons de prciser les approches
ncessaires pour traiter les produits non chancs.
I.2 Les produits chancs et non chancs

Pour modliser les coulements de produits, Demey, Riboulet et Fracht du groupe
de recherche oprationnelle du Crdit Lyonnais proposent en 2003 de faire la distinction
entre produits non chancs et produits chancs. Les produits non chancs tant
ceux qui nont pas de maturit contractuelle et dont les encours peuvent rester longtemps
dans le bilan ou disparatre du jour au lendemain. Cest le cas typique des dpts vue.
Pour eux, ce qui caractrise les produits non chancs, cest le caractre fongible des
encours : cest--dire un franc CFA entr sur un compte de dpts (via un flux crditeur)
LACGNI CARLOS DENDI
36
une date passe t et un franc CFA entr une date t ( t t ' ) sont indistinguables et ont
la mme probabilit de sortie aujourdhui (date prsente). Autrement dit, cela signifie que
la date dentre dans le bilan ninfluence pas le taux de sortie. Ceci signifie avec les
notations du Chapitre prcdent : que
( t , T ) (T )
(20)
En dautres termes, la date dentre des francs CFA dans les encours des produits non
chancs na pas dimportance, seule compte la date courante. Ainsi, Demey, Frachot et
Riboulet qualifie lcoulement des produits non chanchs dcoulement exponentiel et
tablissent la formule :
T
S (t , T ) = exp( ( s )ds ).
(21)
La consquence immdiate de cette proprit pour les produits non chancs est la
suivante : lcoulement du stock est identique lcoulement de la production.
En effet, comme nous avons vu au chapitre prcdent, lencours de la date courante est la
rsultante des strates passes de production nouvelle (voir quation (6)).
Lencours restant en T (hors production nouvelle entre t et T) tait donn par la formule
(8). Avec la dfinition de la fonction dcoulement du stock (formule (10)), l'on voit
immdiatement,
compte
tenu
de
la
proprit
de
fongibilit
des
encours
( ( t , T ) ( T ) ) que les produits non chancs sont tels que :

T
S stock (t , T ) = S (t , T ) = exp( ( s ) ds ).
(22)
Cela signifie que lcoulement du stock est identique lcoulement de la

production.
On peut ainsi affirmer que la notion de production nouvelle et la distinction

production nouvelle/coulement nont plus dimportance puisque la proprit de
fongibilit des encours nous assure que, seul compte lencours prsent, c'est--dire
lensemble des francs CFA prsent aujourdhui, quelle que soit leur date dentre. Cest
pourquoi, les modles dcoulement sur les produits non chancs sont des modles
dvolution des encours (Riboulet et al. [2003]).
Puisque notre travail consiste modliser lcoulement des dpts vue qui sont
lexemple typique des produits non chancs, il nous semble intressant de prsenter les
discussions qui ont trait lcoulement de ce type de dpts et de passer en revue certains
LACGNI CARLOS DENDI
37
auteurs qui ont abord la modlisation des dpts vue. Ce sera lobjet de la section
suivante.
SECTION II : Lcoulement des dpts vue

Dans cette section, aprs avoir prsent les dbats autour des dpts vue, nous
indiquerons la mthodologie propose par certains auteurs pour modliser son
coulement et enfin nous passerons en revue les premiers modles ainsi que les modles
rcents de dpts vue.
II.1 Les discussions autour de lcoulement des dpts vue

Il existe deux visions par rapport au traitement des dpts vue cause dun
manque de consensus sur ce sujet8.
Une vision prudente qui sappuie sur labsence de maturit contractuelle des
dpts vue et qui les rend intrinsquement volatiles. Daprs cette vision, ces
dpts peuvent disparatre du jour au lendemain et il serait trs imprudent de les
considrer comme des ressources longues, c'est--dire avec une convention
dcoulement en liquidit de maturit longue ;
Une vision raliste qui sappuie sur la loi des grands nombres pour affirmer
quune fois tous les comptes individuels agrgs, lencours global des dpts vue
est trs stable, ce qui implique que ces ressources sont longues.
Ces deux conceptions ont du sens si on prcise de quel risque on parle. Ainsi, les
comptables choisiront la vision prudente, puisque la comptabilit cherche donner une
image fidle de lexistant. Elle ne connat que les actifs et passifs existants aujourdhui.
Ainsi, les comptables seront sensibles au risque de faire des hypothses sur les actifs et
passifs futurs qui pourront donner une vision exagrment optimiste de la situation
financire de la banque.
Le trsorier de la banque choisira aussi un coulement en liquidit prudent. Pour
lui, les dpts vue sont des ressources, c'est--dire les moyens permettant la banque de
financer lactivit sans recourir aux marchs financiers. Ainsi selon lui, sur-estimer les
encours de ces dpts un horizon futur, cest prendre le risque de sous-estimer
loccurrence dune crise de liquidit de la banque. Ici cette vision selon laquelle les
dpts vue peuvent disparatre rapidement est souhaitable.
8
Cf. Riboulet et al. [2003], page 85.

LACGNI CARLOS DENDI
38
La conception du gestionnaire actif/passif bancaire est diffrente de celle du

trsorier et du comptable, et plus proche de la vision raliste . En effet, pour le
gestionnaire actif/passif, la banque peut tre expose soit une hausse des taux dintrt,
soit une baisse. Et deux cas particuliers de figures sont envisageables : Dune part, la
banque est structurellement excdentaire en ressources. Elle ne craint pas le risque de
liquidit mais est en revanche expose au risque de taux. Par exemple, la banque peut
dans ce cas craindre une baisse de taux qui lobligerait replacer ses excdents de
ressources des taux plus faibles. Dans ce cas, la banque ne doit pas adopter une vision
prudente de lcoulement en liquidit des dpts vue. Elle prendrait le risque de sousestimer son risque de taux. Dautre part, la banque est une banque dactif, c'est--dire
structurellement dficitaire en ressources. A linverse du cas prcdent, le risque de
liquidit est un enjeu fort de mme que le risque de taux. La banque doit dans ce cas
adopter une vision prudente sur lcoulement de ses dpts si elle veut matriser son
risque de liquidit. Il apparat donc vident que la vision avoir sur lcoulement des
dpts vue est fonction du contexte dactivit de la banque.
Selon Paul Demey et al. [2003]: Le risque de taux est fonction de la valeur
absolue de limpasse de taux, alors que le risque de liquidit est reli directement
limpasse en liquidit (sans valeur absolue). Or, une valeur absolue est non monotone en
son argument : on ne peut donc pas dire quune vision prudente (en risque de taux)
consiste majorer ou minorer lencours futur estim des dpts vue. Il est donc
logique, priori, dadopter une vision raliste en ne cherchant pas sous-estimer ou
surestimer les encours futurs, et seulement si le risque de taux est le seul risque
envisag .
Ainsi, pour le banquier, il serait plutt juste de dterminer un coulement en
liquidit le plus raliste possible (c'est--dire le plus proche des coulements futurs qui
seront rellement observs).
Dans le cadre de ce travail, nous avons choisi la vision raliste qui va nous
amener dterminer un modle dcoulement des dpts vue pour les banques
commerciales du Cameroun.
LACGNI CARLOS DENDI
39
II.2 Mthodologie pour la modlisation des dpts vue selon Frachot

Spcifier un modle de dpts vue consiste dfinir une forme fonctionnelle qui
dcrit lvolution de ces dpts. Dans la littrature on distingue deux types de
modles pour la modlisation des dpts vue (cf. Frachot et al. [2003]):
Les modles structurels qui dsignent les modles dont la fonction dcoulement
rsulte dun raisonnement microconomique selon lequel le client a un comportement
rationnel visant maximiser son intrt. Ces modles, partant dune fonction dutilit du
client, supposent que celui-ci la maximise, puis en dduisent le taux dcoulement
optimal pour le client. Ces modles reposent sur des mcanismes conomiques et donc
faciles interprter. Cependant, ils impliquent souvent des fonctions dcoulement trs
complexes estimer du fait quils reposent sur les hypothses assez fortes de rationalit
du client et des contraintes trs fortes.
En revanche, les modles forme rduite ont pour objectif, non pas de dcrire
avec prcision le mcanisme conomique sous-jacent la fonction dcoulement, mais de
se limiter des fonctions dcoulement certes arbitraires, mais simples manipuler. Ce
type de modle sapplique des clients rationnels ou non rationnels. Selon Frachot et al.
[2003], la plupart des modles forme rduite partent de lquation
dD ( t ) = [ PN (t ) (t ) D ( t ) ] dt
(23)
Dans laquelle on pose
(24)
PN (t ) = h(t , rt ) D (t ) .
D(t) dsignant lencours des dpts vue, (t) le taux dcoulement, PN(t) le flux
crditeur linstant t, rt le taux dintrt de march.
Dans lquation prcdente, on suppose ainsi que les flux crditeurs sont proportionnels
lencours avec un coefficient de proportionnalit dpendant des taux de march. Selon
Frachot, le mcanisme sous-jacent est le suivant : quand les taux dintrt sont bas, les
liquidits excdentaires des clients de la banque saccumulent sur le compte de dpts
vue. Quand les taux dintrt augmentent trs au-del du taux de rmunration des dpts
vue, les clients font des arbitrages et les dpts reviennent leur niveau structurel.
Il existe une autre classe de modle hybride : les modles semi-structurels. Ces
modles donnent lieu la fois une interprtation conomique simple et une simplicit
des calculs et de lutilisation. Lide des modles semi-structurels sera de dire que la
LACGNI CARLOS DENDI
40
dure dcoulement des dpts vue est fonction du franchissement dun seuil par le taux
dintrt.
Dans le contexte Camerounais, les systmes dinformation ALM ntant pas

encore bien dvelopps, et le march financier ntant pas actif, nous dfinirons une
fonctionnelle dcoulement (du type modle forme rduite) qui rsultera de ltude des
proprits stochastiques de la srie de lencours des dpts vue. Mais avant, prsentons
les premiers travaux relatifs la modlisation des dpts vue.
II.3 Les premiers modles de dpts vue

Cest au milieu des annes 90 que les premiers modles de dpts vue sont
apparus, sinscrivant ainsi dans lobjectif dune meilleure gestion actif/passif bancaire.
Dans cette partie nous prsenterons par ordre chronologique les modles de dpts vue
tablis par certains auteurs. Tous ces modles ainsi que les quations sy rapportant sont
prsents dans les ouvrages de Demey, Frachot et Riboulet (cf. Demey et al. [2003], Page
92) et de Cyrille Martin (Cf. Cyrille Martin [2005], Comparaison des modles de
dpts vue , page 3-5). Rappelons que ces modles sont du type modle forme
rduite lexception du modle propos par Frachot en 2001qui est un modle du type
semi structurel.
Encadr 1 : Les modles de Selvaggio, Dupr, Jarrow et Van Deventer
II.3.1 Le modle de Selvaggio [1996]

Selvaggio (cf. Selvaggio [1996]) est lun des premiers proposer un modle dvolution des
encours des dpts vue. il spcifie, tout dabord, lexpression de lencours cible, D*, des dpts.
(25)
logDk* = + 1logRk + 2logYk ,
O Yk reprsente des variables macroconomiques autres que les taux (dont les salaires), puis
(26)
logDk = logDk 1 + (logDk * logDk 1 ),
Cette dernire quation traduit le fait que les encours des dpts ont tendance sajuster autour de
lencours cible une vitesse . Et finalement on a
(27)
logDk = (1 )logDk 1 + 1logRk + 2logYk + ,
Ltude de Selvaggio a port sur des donnes mensuelles et lquation estime est :
LACGNI CARLOS DENDI
41
14
logDk = 0logDk 1 + 1logRk + 2 tk + i monthi 2 ,
(28)
i =3
Rk est le taux dintrt moyen sur la priode [tk, tk+1]

Monthi-2 est une variable test permettant de prendre en compte la saisonnalit des dpts vue.
Selvaggio estime son modle sur des donnes mensuelles des dpts vue entre Fvrier 1991 et
Fvrier 1995. Les coefficients sont tous significatifs. Et le R2 est de lordre de 98%.
II.3.2 Le modle de Dupr [1996]

La mme anne que Selvaggio, un autre auteur, Dupr (cf. Dupr [1996]) propose un modle en
temps continu de lvolution de lencours des dpts vue. La spcification de son modle est la
suivante :
dD k
= ( rk ) dt ,
Dk
(29)
O correspond une tendance moyenne du comportement non financier des dposants et

correspond au taux de collecte supplmentaire pour un point de diminution des taux, rt est le taux
dintrt en t.
Lavantage de ce modle est davoir des coefficients interprtables financirement. Dans ce
modle, lorsque les taux augmentent, il est plus intressant pour linvestisseur, de placer son argent sur un
produit financier qui reflte ce taux de march que de laisser cet argent dans un compte non (ou
faiblement) rmunr.
II.3.3 Le modle de Jarrow et Van Deventer [1998]

La modlisation dveloppe par Jarrow et Van Deventer (cf. Jarrow et Van Deventer [1998]) est
base sur une hypothse de segmentation du march dans lequel il nexiste que deux types
dintervenants : les institutions financires et les pargnants. Ils proposent une formulation discrte de
leur modle. Dans le cadre des dpts vue non rmunrs, ce modle se prsente comme suit :
(30)
logDk = logDk 1 + 1 + 2tk + 3 Rk + 4 ( Rk Rk 1 ),
Il a lavantage de lier la variation logarithmique des encours des dpts une tendance linaire du temps,
lvolution des taux mais aussi la variation de ces taux.
Source : Cyrille Martin, Comparaison des modles de dpts vue, 2005
Ces modles sont estims en utilisant des rgressions linaires classiques (mthode des
moindres carrs ordinaires) et en choisissant judicieusement la variable explique et les
variables explicatives.
LACGNI CARLOS DENDI
42
II.4 Les modles rcents de dpts vue

A partir de lan 2000, de nouveaux modles sont dvelopps et donnent lieu des
interprtations beaucoup plus simples du comportement de la clientle travers les
variations de taux dintrt.
Encadr 2 : Modles de Frachot et de lOffice of Thrift supervision
II.4.1 Le modle du premier rgulateur fdral aux Etats-Unis : LOffice of Thrift Supervision
[2000]
En 2000, un modle discret dvolution des encours des dpts vue a t propos par lOffice of
Thrift Supervision. Le modle scrit pour les dpts vue rmunrs :
i
Dk = Dk 1 a + b arctan(d + c k ) + e ik
rk
(31)
1/12
O arctan(.) reprsente la fonction rciproque de la fonction tangente et ik est le taux de rmunration des
dpts en date tk. Ce modle lavantage de prendre en compte lajustement non symtrique des taux de
rmunration des dpts par rapport aux taux de march. Cette asymtrie montre que lorsque les taux de
march baissent, les taux de rmunration des dpts ont tendance baisser relativement vite alors que
lorsque les taux de march augmentent, les taux de rmunration des dpts ont tendance augmenter
plus lentement.
En considrant les dpts vue non rmunrs, on doit poser ik=0. Le modle devient
(32)
Dk = Dk 1
O est une constante.

II.4.2 Le modle de Frachot (cf. Frachot[2001])
En 2001, Frachot sintresse une modlisation comportementale de lvolution des encours des
dpts vue. Aussi suppose-t-il que chaque encours des clients de la banque, dk, suit lquation suivante :
(33)
d k d k 1 = ( D* d k 1 ) + 1{Rk s} ,
O D* est la valeur cible des dpts (c'est--dire un niveau dencaisse normal vis par les clients),
la vitesse dajustement des dpts vers cette valeur cible et le montant supplmentaire des dpts
lorsque les taux de march sont trop bas par rapport un seuil s. En agrgeant ce modle sur lensemble
des comptes de la banque il obtient :
(34)
Dk Dk 1 = ( D* D k 1 ) + 1
{Rk s}
f ( s)ds,
O Dk est lencours global de la banque et f(.) est la densit de la distribution de la valeur cible s parmi les
clients de la banque. Ce modle peut se rcrire
(35)
Dk Dk 1 = ( D* D k 1 ) + (1 F ( Rk ))
LACGNI CARLOS DENDI
43
O F est la fonction de rpartition de la distribution de la valeur cible s. Lorsque la distribution de cette

valeur cible est gaussienne. Le modle peut scrire :
R R*
D k D k 1 = ( D * D k 1 ) + 1 F ( k
)
(36)
Frachot estime ce modle sur une srie mensuelle de dpts vue. Les coefficients lors de lestimation
sont significatifs. F (.) est la fonction de rpartition de la loi normale centre rduite. R* tant le taux
seuil. Il sagit ici dune modlisation de type semi-structurel selon laquelle les clients accumulent leur
liquidit sur leurs comptes de dpts vue tant que le taux de march est infrieur un seuil, suppos
suivre une loi normale.
Source : Cyrille Martin, comparaison des modles de dpts vue
Le point commun de tous ces modles est quils sont estims sur les dpts vue
Amricains ou Europens. En 2005, Cyrille Martin (cf. Cyrille Martin [2005]),
transforme ces modles de manire avoir une quation o la variable explique est la
variation des encours des dpts. Puis, il estime ces modles sur les donnes du Board of
Governors of the Federal Reserve system. Tous les coefficients lors de son estimation
sont significatifs. Le R2 observ est de lordre de 20% pour ces modles transforms.
Ces tudes mettent en vidence le fait que lencours global des dpts vue peut
dpendre du temps, du taux dintrt crditeur appliqu ces dpts, du taux dintrt de
march et de la variation de ces taux. Elles mettent en vidence le fait que les donnes sur
les encours des dpts sont fortement intgres (c'est--dire quil y a une forte corrlation
entre Dk et Dk-1).
Cependant labsence dun march financier actif au Cameroun fait que la plupart
de ces modles ne peuvent sappliquer au contexte camerounais. En Europe par exemple,
les taux de rmunration de la plupart des dpts et produits financiers sont indexs un
taux de rfrence (taux de la BCE, EURIBOR etc.). Et lon assiste parfois des priodes
o le niveau atteint par les taux de rmunration est suffisant pour inciter les clients
faire de la spculation.
Dans le contexte camerounais, les clients des banques (les gros tant des
entreprises prives) ont toujours cette phobie des crises passes et accumulent leurs
liquidits dans des comptes non rmunrs pour des motifs de transaction, de prcaution
et surtout parce que la phobie engendre par les crises passes les a amens placer leur
argent dans des comptes vue o le retrait en cas de trouble est plus ais. Nous
supposerons dans ce travail que le comportement de la clientle en terme de dpts sur
leurs comptes vue est insensible aux variations des taux dintrt de march (nous
LACGNI CARLOS DENDI
44
allons le tester au chapitre 4). Il faudra concevoir pour le cas du Cameroun, un modle
dvolution des dpts vue qui rsultera de ltude des proprits stochastiques de la
srie dencours.
Mais avant cela, dans ce chapitre, nous avons vu que lide avoir sur
lcoulement des dpts vue dpend du contexte dactivit des banques (la banque
pouvant tre structurellement excdentaire ou bien dficitaire en ressources).
Cest pour cela que dans le chapitre suivant, nous allons dans un premier temps
prsenter le systme bancaire camerounais, puis, en partant dune analyse descriptive de
la liquidit des banques commerciales, nous dterminerons llment qui constitue
lessentiel des ressources des banques et la nature de la position de liquidit de ces
banques.
LACGNI CARLOS DENDI
45
DEUXIME PARTIE :
APPLICATION AUX BANQUES COMMERCIALES DU
CAMEROUN
Cette partie est une application des concepts prcdents aux

banques commerciales du Cameroun. Elle est subdivise en deux
chapitres.
Le
troisime
chapitre
prsente
le
systme
bancaire
camerounais ainsi que la nature et la position de la liquidit des banques

commerciales. Dans le chapitre quatre, nous allons modliser les dpts
vue de ces banques et nous ressortirons la partie stable en fonction du
temps.
LACGNI CARLOS DENDI
46
CHAPITRE TROISIME
LES BANQUES COMMERCIALES DU CAMEROUN ET LA

LIQUIDIT
Au Cameroun, ce sont les banques commerciales qui reprsentent la majorit du
dispositif de financement (Marianne MBENA [2006]). Leur activit traditionnelle
consiste collecter les dpts vue pour accorder des crdits court terme et mettre des
instruments de paiement la disposition de la clientle.
Dans ce chapitre, nous allons dans la premire section prsenter la typologie des
institutions financires camerounaises ainsi que le cadre rglementaire et prudentiel dans
lequel volue lactivit bancaire, ensuite, dans une deuxime section nous partirons de la
prsentation de la situation de la liquidit des banques commerciales camerounaises et de
lanalyse de la structure de ses ressources pour ressortir llment qui constitue lessentiel
du passif de ces banques.
SECTION I : Typologie des institutions financires, cadre rglementaire et

prudentiel de lactivit du systme bancaire camerounais9
L Encyclopdie Encarta 2006 dfinit un systme bancaire comme un groupe
organis selon un systme pyramidal, comprenant un institut dmission, une banque
centrale qui fait figure dautorit de tutelle du systme, et un ensemble dtablissements
qui constituent les banques dites de second rang. J. Mathis [1992], quant lui, affirme
quun systme bancaire reprsente un groupe form par une banque centrale et des
banques et tablissements financiers, qui entretiennent des relations financires de
crances et dengagements les uns vis--vis des autres ; ainsi que vis--vis des agents non
financiers.
Dans cette premire section, aprs avoir prsent la typologie des institutions
financires, nous dcrirons le cadre rglementaire dans lequel voluent les activits des
banques.
Cf mmoire de Pandong Armand [2005], pour plus de dtails sur la typologie des institutions financires
LACGNI CARLOS DENDI
47
I.1 Typologie des institutions financires

En se rfrant la typologie de la Banque des Etats de lAfrique Centrale (BEAC),
le secteur financier des pays membres de lUnion Montaire de lAfrique Centrale
(UMAC) dont le Cameroun comprend quatre types dinstitutions financires qui sont : la
Banque Centrale, les Banques Cratrices de monnaie, les autres institutions Bancaires, et
les Institutions Financires Non Bancaires.
I.1.1 La Banque centrale

Dans les six Etats membre de la CEMAC, cest la Banque des Etats de lAfrique
Centrale (BEAC) qui assume la fonction dmission de la monnaie centrale, agit sur le
crdit, gre les rserves internationales, effectue les transactions avec le Fonds Montaire
International. Elle a t cre le 22 novembre 1972.
I.1.2 Les Banques Cratrices de Monnaie (BCM)

Dans cette catgorie, on retrouve les socits de dpts montaires qui acceptent
les dpts vue transfrables par chques ou susceptibles dtre utiliss des fins de
paiement. En plus des banques commerciales, on prend en compte dans ce sous secteur
tous les engagements contracts du fait de dpts vue par le trsor ou dautres
organismes publics, y compris le systme des chques postaux.
I.1.3 Les Autres Institutions Bancaires (AIB)

Dans ce groupe, on classe les banques qui nacceptent pas de dpts vue
transfrables par chques, mais reoivent les dpts dpargne qui permettent dalimenter
les fonds de crdit. On distingue deux catgories :
Les Autres Institutions Bancaires Eligibles au refinancement de la BEAC (AIBE) :
Dans cette catgorie, on retrouve tous les autres tablissements caractre
bancaire qui sont admis au refinancement de la Banque Centrale et qui reoivent
des dpts dpargne et terme sans toutefois contracter des engagements sous
forme de dpts vue transfrables par chques. Cest le cas de certaines banques
de dveloppement, des institutions bancaires de financement de lhabitat social
(Crdit Foncier, etc.)
Les Autres Institutions Bancaires Non Eligibles au refinancement de la BEAC
(AIBNE) : Il sagit ici des tablissements bancaires ayant les mmes
LACGNI CARLOS DENDI
48
caractristiques que ceux dfinis prcdemment, la seule diffrence quils ne

recourent pas aux refinancements de linstitut dEmission. On compte dans ce
groupe les Caisses dpargne Postales et certaines banques spcialises.
I.1.4 Les Institutions Financires Non Bancaires (IFNB)

Ces institutions participent au financement de lconomie en octroyant des crdits
(sur leurs fonds propres ou sous forme demprunts) ou en effectuant des oprations
financires ayant des incidences sur le secteur montaire (mission des obligations). Ces
Institutions Financires Non Bancaires qui ne reoivent pas de dpts du public
regroupent essentiellement les compagnies dassurances et de rassurances, les
tablissements de crdit-bail et de leasing, les socits financires et de participations,
etc. Toutes ces organisations constituent les institutions financires du Cameroun dans
lesquelles la BEAC joue un rle de coordination, de dfinition et de suivi de la politique
montaire
Le but de notre tude tant de dterminer un modle dcoulement des dpts vue
applicable aux banques commerciales du Cameroun, seront explores en priorit les
banques commerciales camerounaises.
I.2 Les banques commerciales du Cameroun
Les banques commerciales reprsentent la catgorie la plus importante des

tablissements de crdits au Cameroun.
I.2.1 Banques en activit au Cameroun et rpartition du Capital Social

On compte 11 banques en activit au 31 Dcembre 200610 au Cameroun. Il sagit de :
Afriland First Bank (First Bank) ( Autrefois CCEI)
Amity Bank Cameroon PLC (Amity)
Banque Internationale du Cameroun pour lpargne et le Crdit (BICEC)
Citibank N.A. Cameroon (Citibank)
Commercial Bank of Cameroon (CBC)
Socit Camerounaise de Banque (SCB) - Crdit Agricole (Ex Crdit Lyonnais
Cameroun CLC).
Ecobank Cameroun (EBC)
10
Cf. Rapport du Conseil National du Crdit : Dcembre 2006

LACGNI CARLOS DENDI
49
Socit Gnrale 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 dcembre 2004, la rpartition du capital social des banques commerciales
du Cameroun montre que CBC Bank et Standard Chartered Bank Cameroon dtiennent le
plus grand capital social. Ils reprsentent chacun 15% du total du capital social des
banques commerciales du Cameroun. Ils sont suivis de la Socit Gnrale de Banques
au Cameroun et du Crdit Lyonnais avec respectivement 13 % et 12% du total du capital
social des banques commerciales du Cameroun.
Figure 1 : Rpartition du capital social des banques commerciales en pourcentage au 31 Dcembre 2004
10%
8%
6%
15%
9%
15%
13%
12%
7%
5%
Amity
BICEC
First Bank
CBC Bank
Citibank
EBC
CLC
SGBC
SCBC
UBC PLC
Source : labor par lauteur daprs les donnes des rapports dactivit de la COBAC
I.2.2 Fonctionnement des banques commerciales

En gnral, lactivit des banques commerciales consiste collecter des fonds qui,
mobiliss sous formes variables (par loctroi dun prt par exemple), permettent le
financement de lactivit conomique. Ces banques effectuent deux principales
oprations :
Les oprations avec la clientle : qui consistent en la collecte des ressources
(dpts) et la distribution des crdits.
Les oprations de trsorerie : Elles reprsentent lensemble des oprations
permettant une entreprise de se procurer des disponibilits montaires
ncessaires pour rgler ses dettes au fur et mesure de leur exigibilit. La situation
11
NFC-Bank a vu le jour en 2006 et ne sera pas pris en compte dans la rpartition du Capital social.
LACGNI CARLOS DENDI
50
de trsorerie reprsente lensemble des liquidits dont la banque dispose un

moment donn. La situation de trsorerie des banques commerciales du Cameroun
au 31 Mars 2005 figure en annexe. On y remarque que le Cameroun un excdent
de trsorerie de 387,528 Milliards de FCFA.
I.3 Cadre rglementaire et prudentiel institu par la COBAC
La crise bancaire des annes 1980 a entran la modification du cadre

rglementaire et prudentiel. Do le cadre rglementaire rgional mis en place en 1992
par les conventions portant cration de la Commission bancaire de lAfrique Centrale
(COBAC) et harmonisation de la rglementation bancaire dans les Etats de lAfrique
Centrale. Ces conventions confrent la COBAC des comptences et des pouvoirs divers
en matire de rglementation.
I.3.1 Missions de la COBAC

La COBAC est un organe supranational ayant pour mission de veiller au respect
par les tablissements de crdit des dispositions lgislatives et rglementaires dictes par
les autorits, par la banque Centrale ou par elle-mme, et qui leur sont applicables, et de
sanctionner les manquements constats. Elle a t mise en place en janvier 1993 par les
Etats membres de lUMAC.
Le pouvoir administratif : Il confre la COBAC le pouvoir de donner lavis

conforme pour la dlivrance des agrments aux tablissements, aux dirigeants et
commissaires aux comptes. Lorsquune banque est en situation de difficult grave,
la COBAC a le pouvoir de la mettre en administration provisoire et de nommer un
liquidateur pour cette banque qui cesse dtre agre.
Le pouvoir rglementaire : Il revient la COBAC ddicter les prescriptions
dordre gnral destines assurer et contrler la liquidit et la solvabilit des
tablissements de crdit lgard des tiers, et plus gnralement lquilibre de leur
structure financire.
Le pouvoir de surveillance et de contrle : confre la commission le pouvoir
de veiller au respect de la rglementation par les tablissements de crdit. La
commission exerce cette tche par le biais de son Secrtaire Gnral qui organise
les contrles sur pices et sur place.
LACGNI CARLOS DENDI
51
Le pouvoir de sanction : en plus de ses comptences administratives,

rglementaires et de surveillance ci-dessus numres, la COBAC peut prononcer
des sanctions disciplinaires allant de lavertissement au retrait de lagrment. Les
sanctions prvues peuvent donc tre : lavertissement, linterdiction deffectuer
certaines oprations, la suspension et la rvocation des commissaires aux comptes,
le retrait dagrment.
I.3.2 Les normes prudentielles adoptes par la COBAC en 1993

Les instruments dont la COBAC sest dote le 29 Mars 1993 pour mieux
apprcier la conduite des tablissements de crdits ont trait leur solvabilit et leur
liquidit. Certaines de ces normes ont t rvises en 2001.
I.3.2.1 Normes de solvabilit

Une banque est solvable si la vente de ses actifs peut permettre de rgler ses
dettes. Cinq ratios ont t construits pour viter aux banques la prise excessive de risques.
Le ratio de couverture des risques : les tablissements assujettis doivent justifier
en permanence que leurs fonds propres nets couvrent au moins 8% de lensemble
de leurs concours y compris ceux bnficiant lEtat.
Le ratio de division des risques : sa mise en place conduit les tablissements de
crdit viter de trop concentrer leurs risques sur un petit nombre de signatures
dont linsolvabilit dfinitive ou partielle pourra leur porter prjudice. Pour cela le
montant total des concours en faveur dun mme bnficiaire ne doit pas excder
45% de leurs fonds propres nets et ceux en faveur de leur gros clients ne doit pas
excder huit fois ses fonds propres nets.
Le ratio de couverture des immobilisations : contraint les tablissements de
crdit a financer leurs immobilisations 100% par leurs ressources permanentes.
Ce qui empche ainsi ces tablissements daffecter les ressources provenant des
dpts au financement de la construction de leurs siges et/ou agences.
Limitation des prises de participation au capital dentreprise par les
tablissements de crdit : les tablissements de crdit peuvent dtenir des
participations dans des entreprises ou dautres tablissements de crdit condition
de respecter tout moment : un rapport maximum de 15 % entre le montant de
chacune des participations et le montant de leurs fonds propres nets ; Un rapport
LACGNI CARLOS DENDI
52
maximum de 45% entre le montant total de leur participations et le montant de

leur fonds propres nets.
Limitation des concours accords aux actionnaires, associs, dirigeants,
administrateurs et personnel : ceux-ci sont limits 15% des fonds propres nets.
I.3.2.2 Les normes de liquidit

Daprs le comit de Ble, la liquidit dune banque sera considre comme la
capacit financer les actifs de la banque et rembourser les engagements pris au
moment o ces financements et ces remboursements apparaissent. Liquidity is the
ability to fund increases in assets and meet obligations as they come due . Pour cela, une
banque doit pouvoir restituer la premire demande les dpts de ses clients. Deux ratios
ont t construits pour cela :
Le ratio de liquidit : les tablissements de crdits sont tenus de respecter un ratio
de liquidit de 100% au moins entre, dune part, le montant total de leurs
disponibilits vue ou un mois au plus et, dautre part, le montant de leurs
exigibilits remboursables vue ou dans un dlai dun mois.
Le ratio de transformation long terme : ce ratio a pour but dempcher les
tablissements assujettis dutiliser leurs ressources courtes pour des emplois longs.
Il sagit du rapport entre les emplois et engagements plus de cinq ans dchance
dune banque et ses ressources de mme terme, retenues au numrateur.
Outre ces normes prudentielles, la Commission Bancaire dispose dune
rglementation anti-blanchiment et financement du terrorisme. Dans son systme de
contrle interne, la Commission prend des dispositions en vue de sassurer que les
activits dun tablissement de crdits sont matrises tous les niveaux.
Au terme de cette section, nous pouvons retenir que les banques commerciales du
Cameroun exercent leur activit de collecte de dpts et doctroi de crdits dans un
environnement o elles sont tenues dobserver les normes prudentielles.
Dans cet environnement, quelle est la situation de liquidit des banques
commerciales camerounaises ? Quel est au vue de la structure de ses ressources ce qui
constitue lessentiel du passif de ces banques ?
LACGNI CARLOS DENDI
53
SECTION II : La liquidit des banques au Cameroun

La liquidit dune banque est considre comme la capacit financer les actifs de
la banque et rembourser les engagements pris au moment o ces financements et ces
remboursements apparaissent. Dans cette section, nous prsenterons la situation de la
liquidit des banques Camerounaises, puis nous analyserons la structure des ressources
des banques pour enfin ressortir llment qui constitue lessentiel de ces ressources.
II.1 La liquidit bancaire

Une banque est qualifie de liquide si elle est en mesure dhonorer ses
engagements vue ou trs court terme. Cette liquidit dpend de la capacit de la
banque recueillir suffisamment de dpts et sa capacit sendetter auprs des autres
banques.
Vers la fin des annes 80, les banques camerounaises taient dans une situation de
faillite suite la crise qui sest traduite par un manque excessif de liquidit et une
mauvaise structure de leur portefeuille (une proportion trs grande de crances douteuses,
sans garantie et sans provisionnement). Depuis le dbut des annes 1990, on a assist de
nombreuses restructurations de sorte que, partir de 1995, le secteur bancaire
camerounais est redevenu sain, liquide
et stable grce au dispositif prudentiel et
rglementaire mis en place par la COBAC. Avec ces nouvelles contraintes de gestion, les
banques Camerounaises sont devenues surliquides : en 1990 le ratio de liquidit au
Cameroun tait infrieur 80%. Daprs les rapports de la COBAC les banques du
Cameroun ont atteint au 30 juin 1997 un niveau de 110,5% pour arriver 113,4% en
Dcembre 2000, et dpasser 150% en 2004. Le tableau suivant donne lvolution des
ratios de liquidit des banques camerounaises.
LACGNI CARLOS DENDI
54
Tableau 3 : Evolution des ratios de liquidit des banques du Cameroun

mars-00
juil-00
aot-00
sept-00
aot-02
sept-02
aot-04
sept-04
oct-04
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
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
119,95
119,95
123
146
165
99
58
127,76
83,03
183
81
152
139
168
BICEC
AMITY
UBC
ECOBANK
nov-04 dec 04
Source : Rapports C.O.B.A.C
Lorsquon observe ce tableau, on constate que la quasi-totalit des banques

commerciales au Cameroun sont trs liquides. Afriland First Bank se situe au sommet
avec un ratio de liquidit suprieur 200% depuis mars 2000. Au 31 dcembre 2004,
lexception de Union Bank of Cameroon, qui prsente un ratio de liquidit de 58%, toutes
les autres banques Camerounaises ont un ratio de liquidit suprieure 100%. Pour
quatre dentre elles (la BICEC, la SGBC, Standard Chartered Bank Cameroon et Afriland
First Bank), ce ratio est suprieur 200% en Dcembre 2004. Ces banques sont donc les
plus liquides. Ainsi, plusieurs banques au Cameroun prsentent en permanence des
disponibilits moins dun mois dpassant de deux fois leurs exigibilits de mme
terme.
Cette forte liquidit des banques camerounaises contribue la rduction du
recours au refinancement de la Banque Centrale. Lorsquon observe le tableau suivant,
les banques camerounaises nont presque pas eu recours au refinancement de la BEAC
entre 2001 et 2003.
Tableau 4 : volution du plafond de refinancement et le taux dutilisation
2001
2002
2003
Plafonds
15000
15000
6000
Taux dutilisation (%)
1,4
Source : Rapport annuel BEAC

LACGNI CARLOS DENDI
55
Face ce fort potentiel de financement des banques camerounaises, on peut

chercher connatre de quoi sont constitues les ressources de ces banques
commerciales. Quest ce qui constitue lessentiel de ces ressources ? La partie suivante
essayera de rpondre cette proccupation.
II.2 Les ressources des banques
Les ressources des banques sont constitues des capitaux permanents, des dpts
de la clientle, de la trsorerie et des divers (qui enregistrent les comptes de liaisons
crditeurs des succursales et des agences, les comptes crditeurs divers y compris ceux
des actionnaires, les comptes de rgulations crditeurs, le bnfice net en attente
daffectation et les comptes dexcdent des produits sur les charges). Lvolution de la
structure des ressources laisse entrevoir quau Cameroun, entre 2000 et 2002, le total
cumul des bilans de toutes les banques camerounaises a augment de 30,18%, passant
de 1096,049 milliards de Francs CFA fin dcembre 2000 1426,885 milliards au 31
dcembre 2002. Entre 2002 et 2003, on assiste une priode de lgre stagnation. En
2004, la croissance a repris et le total des ressources a augment de 6% par rapport
2003, passant ainsi de 1460,639 milliards de F CFA fin dcembre 2003 1548,205 au
31 dcembre 2004.
Lexamen du graphique de lvolution de la structure des ressources nous montre que
lessentiel des ressources des banques sont les dpts de la clientle. De 2000 2004, les
dpts de la clientle reprsentent chaque anne plus de 75% de lensemble des
ressources des banques.
FCFA)
Montant en (millions de
Figure 2 : volution de la structure des ressources des banques camerounaises de 2000 2004
1800000
1600000
1400000
1200000
1000000
800000
600000
400000
200000
0
1460639
1426885
1096049
1200984
1158944
1143691
1548205
1238201
950974
840518
2000
2001
2002
2003
2004
Anne
Capitaux permanents
Dpotsde la clientle
Oprations de trsorerie
Total passif
Oprations diverses
Source : labor par lauteur daprs les donnes des Rapports dactivit de la C.O.B.A.C
LACGNI CARLOS DENDI
56
La structure des ressources au 31 dcembre 2004 montre que celles-ci sont

constitues 80% de dpts de la clientle, 9% des capitaux permanents, 5% des
oprations de trsorerie et 6% des oprations diverses. Cette structure nous indique donc
que lessentiel des ressources des banques Camerounaises est fait de dpts des clients.
Figure 3 : Structure des Ressources des banques du Cameroun au 31 Dcembre 2004
6%
5%
9%
Capitaux permanents
Dpts de la clientle
Oprations diverses
Oprations de trsorerie
80%
Source : labor par lauteur daprs les donnes des rapports dactivit de la COBAC 2004
Nous venons de montrer avec lexamen de lvolution des ressources des banques
Camerounaises que lessentiel de ses ressources sont les dpts des clients. Ces dpts
peuvent tre placs vue ou terme. La question que nous pouvons nous poser ce
niveau est celle de savoir : Quest ce qui constitue lessentiel de ces dpts ? Lexamen
des dpts selon leur nature apportera des lments de rponse cette question.
II.3 Les dpts de la clientle

partir des dpts de la clientle, la banque dispose de fonds, quelle peut utiliser
librement, condition dtre toujours en mesure de les restituer si le dposant le
demande. Lactivit des banques consiste, en fait, transformer des dpts en crdits, ce
qui explique leur rle dterminant dans le processus de la cration montaire. Nous allons
dans la suite dfinir les dpts des clients selon leur nature, puis nous examinerons
lvolution de la structure de ces dpts depuis 1995.
II.3.1 La nature des comptes de dpts des clients

Un client effectue en gnral deux types de dpts auprs des banques :
LACGNI CARLOS DENDI
57
les dpts vue12 : o le retrait ne ncessite pas de pravis (cest le cas des
comptes chques, des comptes sur livret, les comptes courants des entreprises et
certains comptes de dpts spciaux).
Les dpts termes : qui ne font lobjet dun retrait qu chance fix, avec
options de retrait anticip (avec perte de certains avantages telle une rduction du
taux dintrt).
Ainsi selon la nature des comptes, on distingue pour les dpts vue :
1. les comptes sur livret : Ces comptes ne donnent pas droit au chquier. Il sont
rmunrs au taux de 5% lan. Cest le taux de rmunration minimum au
Cameroun. Ils sont rservs aux personnes physiques et certaines personnes
morales (Associations). Le taux de rmunration peut tre ngoci compte tenu
des fonds dposs.
2. les comptes dpargne logement : il sagit des comptes dpargne vue. Ils sont
rmunrs et rservs aux personnes physiques. Ils donnent droit aux prts sous
certaines conditions (investissements, immobiliers).
3. les comptes courants des entreprises : ces comptes ne sont pas rmunrs et sont
destins aux entreprises pour leur assurer un service de caisse, c'est--dire un
certain nombre de facilits pour la manipulation de leurs fonds.
4. les comptes chques : comme pour les comptes courants, ils ne sont pas
rmunrs. Ils sont ouverts aux particuliers.
Pour les dpts terme, on distingue selon la nature des comptes :

1. Les comptes terme : le banquier reoit les fonds du client et les immobilise,
moyennant un taux de rmunration minimum de 5%. Ces fonds demeurent
bloqus jusqu lexpiration du dlai fix louverture du CAT. Le compte
terme concerne essentiellement les personnes morales.
2. Les certificats de dpts : ils reprsentent les placements qui prennent la forme
dun titre de crances ngociables. Le taux de rmunration est voisin de celui du
march montaire.
3. Les bons de caisse : ils matrialisent
les titres de placement. La dure du
placement varie entre 1 mois et 2 ans. Le taux minimum de rmunration est de

12
Cf. Encarta 2006

LACGNI CARLOS DENDI
58
5% avec possibilit de ngocier compte tenu de limportance du dpt. On

distingue 2 types de bons de caisse : Le bon de caisse nominatif c'est--dire qui
porte un nom et le bon de caisse anonyme c'est--dire au porteur. Les bons de
caisse contrairement au compte terme sont destins aux personnes physiques.
Les intrts sont gnralement pays davance au client lors de la souscription. Ils
sont prcompts. Les intrts sur bon de caisse ne sont pas assujettis la TPRCM
(Taxe Proportionnelle sur les Revenus des Capitaux Mobiliers).
4. Les autres comptes de dpts : lors de la ralisation de certaines oprations
prsentant des particularits, le client doit effectuer les dpts de dure plus ou
moins longue selon les cas. Ces provisions ainsi constitues ne sont pas
rmunres et sont enregistres dans le compte dispositions payer. On peut
citer :
Les provisions pour chque payer : ce sont les provisions
garanties pour des paiements par mission des chques appels
chque payer ou chque banque dont la demande mane de son
client garantissant ainsi le maximum dassurance aux bnficiaires.
Provisions pour chque certifi : certifier un chque cest apposer
une mention qui assure la disponibilit de la provision et la
garantie du paiement pour certaines oprations (paiement et
cotisation sociale de la CNPS, des achats divers sur dautres tiers).
Cette provision est bloque au profit du bnficiaire.
Les dposits : ce sont des fonds qui garantissent la ralisation de
certaines oprations (achat de titres, locations de coffre fort)
exiges par la banque aux clients ne disposant pas de provisions au
compte.
Les sommes mises dispositions : ce sont des sommes payes
des personnes non clientes la banque sur ordre des clients.
Nous pouvons retenir de cette section que les clients peuvent effectuer les dpts soit
vue ou terme. Comment ont volu ces dpts par nature pour les banques
commerciales du Cameroun ? Quel est llment prpondrant de ces ressources
clientles ?
LACGNI CARLOS DENDI
59
II.3.2 Lvolution des dpts par nature

Lorsque nous analysons la structure des dpts, nous constatons que les comptes
vue restent prpondrants depuis lan 2000. En effet, depuis cette anne, plus de 40% des
ressources collectes sont loges dans les comptes vue (Comptes chques crditeurs et
comptes courants des entreprises, qui sont non rmunrs au Cameroun). Ces comptes
vue augmentent, et sont passs de 270,094 Milliards de FCFA au 31 juin 1998 538,513
milliards de FCFA en Dcembre 2002. Soit une augmentation de plus de 90% en 4 ans.
Puis, Ils baissent 483,033 milliards de FCFA en 2003. Les autres comptes dpargne
(comptes sur livret, comptes dpargne logement) qui se trouvent au deuxime rang aprs
les comptes vue, sont en nette croissance depuis 2000. Ils passent de 194,722 milliards
de FCFA au 31 dcembre 2000 306,196 milliards au 31 dcembre 2003. Les
placements terme reprsentent un peu plus de 23% des dpts collects depuis lan
2000, soit environ 13 % pour les bons de caisse, et un peu plus de 10% pour les comptes
terme. Au 31 Dcembre 2004, les comptes vue reprsentent 71,2%13 du total des
dpts de la clientle.
Figure 4 : Evolution de la structure des dpts (en millions de francs CFA)
600000
500000
400000
300000
200000
100000
Bon de Caisse
Compte terme
Autre compte d'pargne
Compte vue
dc-03
dc-02
dc-01
dc-00
juin-98
janv-97
juin-96
juin-95
Autres sommes dues la clientle
Source : labor par lauteur daprs les donnes des rapports dactivit de la COBAC
La structure des dpts au 31 dcembre 2006, laisse entrevoir qu cette date, les
dposants se sont reports davantage sur les comptes vue14 qui occupent toujours une
place prpondrante dans les ressources clientles. Sur lensemble des dpts collects
par les banques, 72,1% sont des ressources vue (prs de 1112,481 milliards de FCFA
13
Voir Annexe III, figure 14 : Structure des dpts au 31 dcembre 2004.
14
Les comptes vue comprennent au 31 Dcembre 2006 : les comptes courants crditeurs, les comptes chques crditeurs, les
comptes sur livret, les dpts de garanties.
LACGNI CARLOS DENDI
60
sur les 1524,944 milliards des dpts de la clientle). Lexamen de ces ressources vue
nous indique quelles sont constitues 50%15 de dpts vue non rmunrs (comptes
courants crditeurs et comptes chques crditeurs). Les comptes terme reprsentent
seulement 8,8% des dpts collects. Les comptes de dpts rgime spcial, au 31
dcembre 2006, comprennent les bons de caisse, les certificats de dpts, les comptes et
plans pargne-logement et les plans dpargne-retraite. Leur poids dans le total des
dpts se situe 13,5%.
Figure 5 : Structure des dpts au 31 Dcembre 2006
5,6%
13,5%
8,8%
72,1%
Comptes dpts regime spciale
comptes terme
compte vue
Autres comptes
Source : labor par lauteur daprs les donnes du rapport du conseil national du crdit, dcembre 2006
Lanalyse de la liquidit des banques camerounaises nous indique quelles sont

surliquides et prsentent donc un excdent de ressources. A partir de lexamen de la
structure des ressources, nous avons pu constater que lessentiel des ressources des
banques au Cameroun est fait des dpts de la clientle. Puis, avec lanalyse de
lvolution de ces dpts selon leur nature, nous avons remarqu avec la srie de donnes
notre disposition que lessentiel des dpts sont des ressources vue.
Ainsi, on assiste parfois la frilosit du banquier, refusant de simpliquer dans le
financement de lconomie, puisquil ne dispose que des ressources pouvant disparatre
du jour au lendemain (la plupart des dpts tant essentiellement vue; mme lorsquils
sont terme, le client peut moyennant une pnalit dun point, rentrer en possession de
son argent avant le terme convenu). Il craint ainsi de sexposer un risque de
transformation grave, sil manipulait mal ces ressources. Les banquiers camerounais ne
15
Voir Annexe III, Tableau 16 : Structure des dpts au 31 dcembre 2006.

LACGNI CARLOS DENDI
61
disposent pas de mthodes appropries pour valuer les risques de transformation et de

liquidit lis aux dpts vue.
La modlisation de lcoulement des dpts vue reprsente alors un enjeu de

taille pour ces banques camerounaises. Dans la suite, nous proposons aux banquiers une
mthode qui permettrait de manipuler les dpts vue tout en rduisant le risque de
transformation. Dans le chapitre suivant, aprs avoir modlis lcoulement des dpts
vue, nous ressortirons la partie stable de ces dpts en fonction du temps.
LACGNI CARLOS DENDI
62
CHAPITRE QUATRIME
MODLE DVOLUTION DES ENCOURS DE DPTS A VUE

DANS LES BANQUES CAMEROUNAISES
Les dpts vue comme nous lavons soulign plus haut reprsentent une part
importante des ressources pour les banques camerounaises (plus de 70% en dcembre
2006). Leur modlisation sera donc dune importance capitale pour ces banques.
Pour mieux apprhender la modlisation des encours des dpts, nous avons
dcid de nous restreindre aux dpts vue non rmunrs. Ceci nous permettra de
laisser de ct la modlisation de certains types de dpts dont le taux de rmunration
est ngociable entre le banquier et son client. La plupart des tudes se sont attaches
estimer leur modle de dpts vue sur les donnes du pass. Il nous a sembl
fondamental de construire un modle prdictif et de ressortir la partie stable des dpts
vue en fonction du temps.
Dans la suite nous allons prsenter dans la premire section les donnes et les
techniques conomtriques qui nous permettront de modliser lvolution des dpts,
puis la seconde section sera consacre la prsentation des rsultats.
SECTION I : Donnes et mthodologie

I.1 Les donnes et les sources
Les donnes que nous utilisons sont les encours des dpts vue non rmunrs
dans lensemble des banques commerciales camerounaises. Ces donnes sont tires des
tableaux de la situation des banques commerciales par secteur labor par la BEAC. En
effet, la convention qui rgit lunion Montaire de lAfrique Centrale (UMAC) lui
confre la mission dlaborer les statistiques montaires pour le compte des Etats
membres (cf. Article 29). La BEAC tablit ces statistiques de faon mensuelle partir
des donnes comptables des banques commerciales. Ces dernires tant tenues de lui
transmettre leur situation comptable tablie selon les rgles du nouveau plan comptable
des banques mis en place par la COBAC en juillet 1998. Les dpts vue non rmunrs
sont la somme des comptes courants crditeurs et des comptes chques crditeurs. Toutes
ces donnes vont du 1er Janvier 1997 au 31 dcembre 2006.
LACGNI CARLOS DENDI
63
Pour une date t donne, nous dsignerons par Dt lencours des dpts vue de
lensemble des banques commerciales du Cameroun, Rt le taux dintrt du march
interbancaire qui est reprsentatif du taux dintrt de march.
Ltude des premiers modles de dpts vue (cf. Selvaggio [1996], LOffice of
Thrift Supervision [2000]) nous a permis de mettre en vidence certaines proprits des
dpts vue linstar de la forte intgration des donnes dencours. Elle nous a aussi
permis de voir que les donnes dencours des dpts vue peuvent dpendre des taux
dintrt de march. Cependant, labsence dun march financier actif au Cameroun et le
fait que nous travaillons sur les dpts non rmunrs nous a conduit faire lhypothse
que le comportement du client en terme de dpts sur leur compte vue na pas de
relation avec lvolution des taux dintrt de march (nous testerons cette hypothse
dans la suite).
I.2 La mthodologie de travail
Nous allons modliser lvolution de notre srie des dpts vue en utilisant la
mthodologie de Box et Jenkins (1976)16. Lapproche de Box et Jenkins consiste en une
mthodologie dtude systmatique des sries temporelles partir de leurs
caractristiques afin de dterminer dans la famille des modles ARIMA (voir annexe I
pour plus de dtails sur cette notion), le plus adapt reprsenter le phnomne tudi.
Cette mthode svertue dterminer une fonction qui dcrit lvolution de la srie dans
le temps. Elle nenvisage pas de mise en relation de la variable endogne avec une autre
variable qui pourra tre importante son explication. Ainsi lanalyse de la cointgration17
nous permettra de tester lventualit dune relation entre le niveau de lencours des
dpts vue et le taux dintrt au Cameroun, afin de procder un modle correction
derreur en cas dexistence ventuelle dune relation. Il est noter que les deux mthodes
(Mthodologie de Box et Jenkins et Analyse de la Cointgration) exigent des tapes
prliminaires communes pour ltude des sries (il sagit de lanalyse de la saisonnalit et
de la stationnarit). Cest pour cela que dans la suite, nous procderons dabord ltude
de la srie des dpts vue en terme de saisonnalit et de stationnarit, ensuite nous
allons aprs une analyse de la srie des taux dintrt18 tester lventualit dune relation
entre ce taux et le niveau de lencours des dpts vue (cela sera fait partir du test de
16
Voir annexe I pour la prsentation dtaille de la mthodologie

Voir annexe II pour la prsentation de ce concept.
18
Il sagira aussi de lanalyse en terme de stationnarit et de saisonnalit.
LACGNI CARLOS DENDI
17
64
cointgration de Johansen et du test de causalit de Granger), enfin deux cas seront

possibles :
si les deux sries sont cointgres, nous procderons lestimation dun modle
correction derreurs qui permettra de trouver la relation relle entre les deux
variables ;
si les deux sries ne sont pas cointgres, nous poursuivrons ltude de notre srie
dencours des dpts vue selon la mthodologie de Box et Jenkins.
SECTION II : Applications
II.1 Description de lvolution de lencours des dpts vue de lensemble des
banques camerounaises
Cette analyse permet dapprhender les caractristiques de la srie durant la
priode dobservation. Notre srie dencours va du 31 Janvier 1997 au 31 dcembre
2006. Dans la construction du modle, nous avons choisi de nous limiter au 31 Dcembre
2005. La srie restante nous permettra de tester les qualits prdictives du modle.
Entre janvier 1997 et dcembre 1999, lencours de ces dpts varie de faon lente
dans lintervalle de 200 milliards et 300 milliards de francs CFA avec un encours moyen
de 257,246 milliards de F CFA. Ceci signifierait que les dpts mensuels sur les comptes
de dpts vue sont presque identiques aux retraits effectus sur ces comptes. La
variation mensuelle maximale du stock est de lordre de 18 milliards de Francs CFA,
observ en dcembre 1999. Aussi, cette situation de variation lente du stock des dpts
rejoint le ralentissement de la croissance conomique observ au cours de cette priode
(en effet, la croissance est passe de 5% en 1997 4,2% en fin 199919). La vitesse de
transaction des oprations sur les comptes courants na pas considrablement vari
puisque lactivit des entreprises tait ralentie. Les agents prfrant conserver leurs
liquidits sous forme dencaisses de prcaution.
Entre janvier 2000 et dcembre 2001, lencours de ces dpts connat des priodes
de variations trs fortes. Pendant cette priode, on observe des variations mensuelles
positives de plus de 50 milliards de Francs CFA et des variations ngatives de plus de 45
milliards de francs CFA. Cela tmoigne dune forte mobilisation des comptes vue par
les clients pour rpondre aux exigences de lconomie. Cela peut tre le reflet du
19
Cf. rapport du conseil national du crdit exercice 1997/1998 1998/1999 et 1999/2000, Page3.
LACGNI CARLOS DENDI
65
dynamisme retrouv de lconomie camerounaise aprs le ralentissement de lactivit des

grandes entreprises et de lactivit conomique en gnral (observ la fin des annes
90). Le taux de croissance conomique en terme rel sest lev 5,5% en 2001 contre
4,2% en fin 1999.20 La vitesse des transactions ayant augment, les encaisses destines
aux transactions ont t importantes. On observe alors un stock qui fluctue beaucoup du
fait des entres et des sorties de fonds. Durant lanne 2002, on a not une stabilit de
lencours entre Avril et Mai. De juin dcembre 2002, le stock a augment de 22 %
(augmentation de 83,937 Milliards de FCFA.) passant de 389,411 473,348 milliards de
francs CFA. Ceci signifie que les dpts effectus sur les comptes de dpts vue durant
ces mois sont nettement suprieurs aux retraits. Du 31 avril au 31 Juillet 2003, les retraits
de fonds par les clients des banques sont suprieurs aux dpts effectus. On observe cela
par des variations mensuelles ngatives du stock qui se sont situes en moyenne autour
de 11 milliards de F CFA. Pendant lanne 2004 on assiste nouveau une variation
alternativement positive et ngative du stock des dpts. De janvier 2005 dcembre
2006 lencours des dpts vue passe de 498,031 632,347 milliards de F CFA avec
des priodes mensuelles de faible fluctuation.
Figure 6 : Evolution de lencours des dpts vue des banques commerciales du 31/01/1997 au
31/12/2006 (en millions de F CFA)
Encours des dpts vue
700000
600000
500000
400000
300000
200000
97
98
99
00
01
02
03
04
05
06
Anne
Source : labor par lauteur daprs les donnes de la BEAC
II.2 Analyse des caractristiques de la srie

Elle permet de connatre certaines proprits caractristiques de la srie tudier
20
Cf. vingt septime rapport dactivit du Conseil National de Crdit, Exercice 1999/2000, 2000/2001 Page 8.
LACGNI CARLOS DENDI
66
II.2.1 Analyse prliminaire

Avant de procder la construction du modle, nous nous proposons ici de mettre
en vidence le fait que nos donnes dencours des dpts vue sont fortement intgres
(c'est--dire quil ya une forte corrlation entre Dt et Dt-1). Lorsque nous testons sur notre
chantillon lquation
Dt = Dt 1 + + t ,
(37)
O les t sont supposs suivre une loi normale centre. On obtient les rsultats
suivants :
Tableau 5 : Rsultat de lestimation de lquation (37)
PARAMETRES
ESTIMATION
(ECART TYPE)
1,008
(0,004)
R2 AJUSTE
99,8%
Source : labor par lauteur
La valeur du paramtre est proche de 1. Lautocorrlogramme partielle suivant

permet aussi de confirmer la forte intgration entre les donnes dencours. Le
corrlogramme simple de la srie des dpts est typique dune srie affecte dune
tendance (tous les termes sont levs mme pour les dcalages importants). Ces rsultats
prliminaires nous permettent dopter pour un modle qui ne tente pas dexpliquer
directement lvolution des encours mais plutt la variation de ces encours du fait de leur
forte intgration. Mais avant, il est important pour ne pas se tromper dtudier la srie en
termes de stationnarit.
LACGNI CARLOS DENDI
67
Figure 7 : Corrlogrammes simple et partielle de la srie des dpts vue

depot
1,0
Coefficient
Limites de
confiance
Limite de
confiance
infrieure
ACF partiel
0,5
0,0
-0,5
-1,0
1
10 11 12 13 14 15 16
Numro de dcalage
ACF
depot
1,0
Coefficient
0,5
Limites de
confiance
0,0
Limite de
confiance
infrieure
-0,5
-1,0
1
10 11 12 13 14 15 16
Numro de dcalage
II.2.2 Analyse de la saisonnalit :

Une tape importante avant ltude de la stationnarit dune srie est lanalyse de
la saisonnalit qui permet de dceler des variations priodiques qui peuvent affecter la
srie.
Dans la suite, nous travaillons avec les donnes transformes (transforme Log). Cette
transformation nous permet davoir des donnes dencours plus rduites, de se rapprocher
de la normalit et de stabiliser la variance de la srie lorsque celle de la srie originale
crot avec le temps.
LACGNI CARLOS DENDI
68
Figure 8 : Encours des dpts vue transforms (transformation logarithmique)
Cette reprsentation graphique nous suggre lide dun schma additif. En effet,
lutilisation de la mthode de la bande nous montre que les deux droites passant par les
minima et les maxima sont parallles.
Comme nos sries sont mensuelles, alors la moyenne mobile centre utilise pour les
dsaisonnaliser est la moyenne mobile dordre 12.
Figure 9 : Evolution de dpts transforms et de ceux corrigs des variations
13.4
Logarithm
edesdpots
13.2
13.0
12.8
12.6
12.4
12.2
97
98
99
00
01
02
03
04
05
06
LOGdepots__vue
Srie corrige des variations saisonires
LACGNI CARLOS DENDI
69
Pour la srie des dpts vue, nous avons procd une dsaisonnalisation par
moyenne mobile centre. Le graphique de la srie brute et de la srie corrige des
variations saisonnires ne montre pas de diffrence significative entre les deux sries.
Nous pouvons conclure que la srie nest pas saisonnire.
II.2.3 Analyse de la stationnarit de la srie transforme des encours des

dpots (Log(depots)).
De mme que pour la srie brute des dpts, le corrlogramme de la srie
transforme (Log(depots)) est typique dune srie affecte dune tendance.
Figure 10 : Corrlogrammes simple et partielle de la srie des dpts tranforms .
Nous allons procder lestimation des trois modles de Dickey-fuller (nous ferons le
test de Dickey-fuller augment avec le nombre de dcalages dtermins par le critre de
Akaike. (Voir annexe III pour les deux autres modles)
LACGNI CARLOS DENDI
70
Tableau 6 : Test de Dickey-Fuller Augment sur la srie des dpts transforms : modle avec
constante et trend
A lissue du test, toutes les statistiques (les t-statisques empiriques) des trois
modles sont toutes suprieures aux valeurs critiques tabules aux seuils 1%, 5% et 10%.
Nous acceptons lhypothse nulle, la srie des dpts transforms (Log(depots)) possde
donc une racine unitaire. Elle nest donc pas stationnaire en niveau. Notre srie est
reprsente par un processus Differency Stationnary (DS), la meilleure faon de
stationnariser est celle des diffrences premires.
Nous avons calcul la srie D(Logdepots) qui reprsente la srie obtenue aprs
application dun filtre aux diffrences premires la srie Logdepots. Nous allons
galement estimer les trois modles de Dickey-Fuller sur cette srie. (Voir annexe III
pour les deux autres modles)
LACGNI CARLOS DENDI
71
Tableau 7 : Test de dickey-fuller augment sur la srie D(Logdepots)
A lissue de ce test, toutes les statistiques (t-statistique de Dickey-fuller augment)

sont infrieures la valeur critique aux seuils 1%, 5% et 10%. Nous pouvons conclure
que la diffrence premire de Logdepots (cest--dire D(Logdepots) est stationnaire.
Nous disons aussi que la srie Logdepots est intgre dordre (1) un21.
II.3 Le lien entre le taux dintrt et le niveau de lencours des dpts vue
Ici nous nous proposons de tester une ventuelle relation entre le taux dintrt et
le niveau de lencours des dpts vue. Pour cela, nous disposons dune srie mensuelle
de 24 observations concernant la srie des taux dintrt du march interbancaire (priode
allant de janvier 2002 dcembre 2003). Ce taux reflte le taux dintrt de march et a
un impact sur le niveau des taux crditeurs et dbiteurs appliqu par les banques aux
clients. En effet avec le dveloppement du march entre banques, la grande partie des
21
Le terme intgr dordre p (p N), signifie quil faut diffrencier la srie p fois pour la rendre stationnaire.
LACGNI CARLOS DENDI
72
transactions du march montaire a lieu sur le compartiment interbancaire. Le taux

dintrt qui y est pratiqu conditionne les taux de rmunration des dpts et des crdits
pratiqus par les banques. Nous supposons en fait que lorsque le taux du march
interbancaire est trs suprieur un seuil (le taux crditeur minimum par exemple, qui est
rest stable 5% durant notre priode dtude), la banque propose des taux de
rmunration plus attrayant au client pour les dpts terme et certains produits
financiers et il sensuit une diminution du stock des dpts vue au profit de ces dpts
termes et produits financiers. Et lorsque ce taux est infrieur au mme seuil, les banques
prfrent recourir au march interbancaire pour emprunter de largent et rmunrent
faiblement les dpts terme. Ce qui fait que le client va prfrer garder lessentiel de ses
dpts dans son compte vue.
Nous allons tester cette relation avec la srie des dpts vue correspondant la
mme priode.
II.3.1 Le test de cointgration de Johansen et interprtation
Lanalyse de la cointgration permet didentifier clairement sil existe une relation
vritable entre deux variables en recherchant lexistence dun vecteur de cointgration.22
Cette thorie permet de spcifier des relations ventuellement stables long terme entre
deux sries temporelles tout en analysant conjointement la dynamique de court terme.
Johansen (1988) a propos des estimateurs pour tester cette caractristique entre deux
sries. Cependant, pour tre cointgres, les deux sries doivent tre affectes dune
tendance stochastique de mme ordre dintgration (cf. rgis Bourbonnais, conomtrie,
Dunod, 2003, page 281). Nous avons dj montr que la srie Logdpots est intgre
dordre 1. Nous allons alors procder la dtermination de lordre dintgration de la
srie Log(taux) qui reprsente la transforme logarithmique de la srie taux dintrt. Un
examen graphique de la srie Log(taux) nous indique quelle nest pas saisonnire. Pour
cela nous avons estim les trois modles du test de dickey-fuller augment sur la srie
Log(taux) (voir Annexe III pour le rsultat de ces trois modles).
Les rsultats du test nous suggrent que la srie Log(taux) nest pas stationnaire en
niveau. En effet, Les statistiques obtenues sur les modles sans trend sont suprieures aux
valeurs critiques au seuil de 5%. La srie est donc reprsente par un processus DS et
admet ainsi une tendance stochastique. La meilleure faon de stationnariser est celle du
22
cf. Rgis Bourbonnais, conomtrie, Dunod, 2003, page 279.

LACGNI CARLOS DENDI
73
filtre aux diffrences. Sur la srie D(Logtaux) obtenue en appliquant la srie Logtaux
un filtre aux diffrences premires, nous avons galement appliqu le test de DickeyFuller augment. Il ressort de ce test que pour les trois modles, les statistiques
empiriques sont toutes infrieures aux valeurs critiques au seuil 5%. La diffrence
premire de la srie Logtaux est stationnaire. On peut conclure que cette srie est intgre
dordre un. Ainsi, les deux sries Logdepots et Logtaux sont intgres du mme ordre 1.
Nous pouvons envisager ltude de la cointgration.
Les rsultats du test de cointgration de Johansen (voir annexe II) permettent de
rejeter lhypothse de la cointgration entre la variable taux dintrt et le niveau
dencours des dpts vue pour les seuils 1% et 5%. Il nest donc pas possible de
spcifier une relation stable long terme entre la srie des encours des dpts vue et
celle des taux dintrts. (En effet le loglikelihood ratio est infrieur la valeur critique).
II.3.2 Le test de causalit de Granger et interprtation

Granger (1969) a dvelopp le concept de causalit qui permet de mettre en
vidence le sens de causalit entre deux variables conomiques. En effet pour Granger,
dire que la variable Rt est la cause de Dt, signifie que la prdictibilit de Dt est amliore
lorsque linformation relative Rt est incorpore lanalyse.
Nous avons effectu avec le logiciel EVIEWS, ce test sur les variables Logdepots et
logtaux. Les rsultats sont les suivants :
Tableau 8 : Rsultat du test de causalit de Granger
Source : labor par lauteur avec Eviews
Daprs le tableau prcdent, on accepte lhypothse nulle dans les deux cas (les
deux probabilits sont suprieure 5%.).
Ce rsultat nous permet de conclure au seuil de 5 % quil ny a aucun sens de causalit
entre les deux variables daprs Granger. Le taux dintrt ne cause pas les dpts. Les
dpts ne causent pas le taux dintrt. Autrement dit, au sens de Granger, on peut
LACGNI CARLOS DENDI
74
prdire le niveau de lencours des dpts vue sans connatre le mouvement des taux
dintrt. Car son influence nest pas significative sur le niveau du stock des dpts vue.
Ces deux rsultats (test de cointgration de Johansen et test de causalit de
Granger) permettent de valider notre hypothse selon laquelle au Cameroun, le
comportement des clients en terme de dpts sur leurs comptes vue (non rmunr) est
indpendant de la variation des taux dintrt. Cela serait d au fait que les taux dintrt
naugmentent pas considrablement de faon intresser les titulaires des comptes de
dpts vue. Nous pouvons aussi justifier cela par le fait que, lessentiel des dpts vue
est constitu des dpts sur comptes courants des entreprises qui sont destins pour la
plupart financer leurs activits quotidiennes et constituer des encaisses de prcaution.
Cest aussi la preuve quau Cameroun, labsence dun march financier actif na pas
permis une diversification des produits financiers attrayant mme de collecter lpargne
des particuliers et les excdents de trsorerie des entreprises.
Nous avons montr dans cette partie quau Cameroun, le niveau de lencours des
dpts vue ne dpend pas des taux dintrt bancaire. Il est donc important pour la
dtermination de la fonctionnelle dcoulement des dpts dapprofondir ltude des
proprits stochastiques de lencours des dpts vue, et en ne tenant pas compte des
taux dintrt.
II.4 Etude de la srie des dpts selon la mthodologie de Box et Jenkins

Ltape prliminaire de la mthodologie de Box et Jenkins a t faite. Nous allons
poursuivre avec les autres tapes.
II.4.1 Lidentification et lestimation des paramtres du modle dvolution

de la srie dencours des dpts vue
Nous avons montr (cf. paragraphe II.2.3) que la srie Log(depots) nest pas
stationnaire et quelle est reprsente par un processus DS. Nous lavons stationnarise
en lui appliquant un filtre aux diffrences premires. Nous avons dsign par Dlogdepots
la diffrence premire de la srie Logdepots.
LACGNI CARLOS DENDI
75
Figure 11 : Corrlogramme simple et partielle de la srie Dlogdepots
Aprs lecture du corrlogramme de la srie Dlogdepot reprsent ci-dessus, les

modles potentiels pour la srie Logdepots sont ARIMA(2,1,1). ARIMA(1,1,1),
ARIMA(1,1,0) ARIMA(0,1,1).
Lorsque nous estimons les paramtres de tous ces modles, il apparat que seuls
les coefficients des modles ARIMA(2,1,1) et ARIMA(0,1,1) et ARIMA(1,1,0) sont
toutes significatives au seuil 5%.
Tableau 9 : Rsultat de lestimation du modle ARIMA(2,1,1)
LACGNI CARLOS DENDI
76
Nous allons dans la suite, tudier ladquation de ces trois modles avant de faire un
choix judicieux et optimal.
II.4.2 La vrification et ladquation des trois modles potentiels

II.4.2.1 Le modle ARIMA(2,1,1)
Les coefficients de AR(1), AR(2), MA(1) et la constante du modle
ARIMA(2,1,1) sont tous significativement diffrents de 0 pour un seuil de 5%. Les autres
LACGNI CARLOS DENDI
77
statistiques : Durbin Waston (DW), F empirique laissent prsager dun bon ajustement.
Nous allons maintenant analyser le rsidu partir de sa fonction dautocorrlation.
Figure 11 : Corrlogramme des rsidus
Aucun terme de ce corrlogramme nest extrieur aux deux intervalles de

confiance et la statistique Q a une probabilit critique trs proche de suprieure 5%
quelle que soit la valeur de k. Le rsidu peut tre assimil un processus de bruit blanc.
Nous procdons un test ARCH sur ces rsidus (test ARCH un retard) : La Fstatistique = 1,07 et la probabilit critique = 0,30 est nettement suprieure 5%. Donc les
rsidus sont un processus de bruit blanc, non autocorrels et homoscdastiques.
Lestimation du modle ARIMA (2,1,1) est donc valide. La srie Logdepots peut tre
reprsente par un processus du type ARIMA (2,1,1) avec constante.

Le coefficient de MA(1) et la constante sont significativement diffrent de 0. Les
autres statistiques DW et F empirique laisse penser que lajustement est meilleur. Mais
avant de conclure, analysons le rsidu partir de sa fonction dautocorrlation.
LACGNI CARLOS DENDI
78
Figure 12 : Corrlogramme des rsidus du modle ARIMA(0,1,1)
La statistique de Q Ljung-Box indique un corrlogramme dont les termes sont

significativement nuls. En effet, toutes les Q-stat sont suprieures 5%. Les rsidus issus
de ce modle sont effectivement des bruits blancs. Un test ARCH (avec un retard)
appliqu ces rsidus montre que les rsidus sont homoscdastiques. (En effet, la Fstatistique est gale 1,23 avec une probabilit de 0,26. suprieur 5% : voir annexe III).
Donc les rsidus sont des bruits blancs, non autocorrels et homoscdastiques.
Lestimation du modle ARIMA(0,1,1) est valide.
Le coefficient de AR(1) et la constante sont significativement diffrents de 0 au
seuil de 5%. Lanalyse des rsidus de ce modle (cf. annexe) montre que les rsidus sont
des bruits blancs non autocorrels et homoscdastiques. Donc le modle ARIMA(1,1,0)
avec constante est valid.
Nous constatons alors que les trois modles peuvent tre retenus comme processus
gnrateur de la srie Logdepot. Dans la suite, il sera question de dterminer le meilleur
modle.
LACGNI CARLOS DENDI
79
II.4.3 Le choix du modle

Nous avons constat que trois modles franchissent la phase de vrification et
quil convient de choisir dans cet ensemble. Le choix du modle optimal reposera sur le
critre dinformation de Akaike ou celui de Schawrz, qui consiste supposer que ces
trois modles fournissent des approximations de la ralit et que la vraie loi inconnue des
observations ne satisfait pas forcment un tel modle. On fonde le choix du modle sur
une mesure de lcart entre la vraie loi inconnue et le modle propos. Lobjectif tant
alors de trouver le modle qui minimise les estimateurs des quantits dinformation de
de Akaike et de Schawrz.
Ainsi, aprs comparaison des trois modles selon les critres de Akaike et de
Schwarz, nous retenons un processus ARIMA(0,1,1) avec constante comme gnrateur
de la srie Logdepot.
Finalement notre srie Logdepot peut tre reprsente valablement par le modle
Logdepott Logdepott 1 = 0, 008592 + t 0, 493349 t 1
(38)
Ou encore
(1 D ) Logdepott = 0, 008592 + (1 0, 493349 D ) t
(39)
O D reprsente loprateur dcalage dordre 1. (DYt = Yt-1.)

Nous pouvons dire que la srie des variations de logdepot (Dlogdepot) est gnre
par une moyenne pondre des alas jusquau premier retard. Elle est alors reprsentative
dune srie chronologique qui fluctue autour de sa moyenne de manire alatoire.
Les prvisions peuvent tre faites. Elles permettront de connatre ltat du stock
des dpts aux dates futures.
II.4.4 La prvision
Nous allons faire la prvision pour la srie dencours des dpts vue un
horizon dun an. Pour cela, nous allons dabord prvoir les sries Logdepots. Les courbes
correspondantes aux donnes estimes et aux donnes relles sont reprsentes dans le
graphique suivant :
LACGNI CARLOS DENDI
80
Figure 13 : Dpts estims par le modle et dpts rels observs
La comparaison des dpts rels (en rouge) et les dpts estims (en bleu) ne
laisse aucun doute sur la qualit du modle expliquer correctement le pass. Il apparat
donc que les estimations sont satisfaisantes. Les valeurs estimes ne sont pas trs
loignes des valeurs rellement observes. Ce qui traduit le fait que le modle sajuste
bien la ralit.
Nous allons maintenant tablir le tableau des prvisions des dpts vue partir
du tableau des prvisions de Logdepot avant de quantifier les erreurs de prvisions.
LACGNI CARLOS DENDI
81
Tableau 12 : Dpts observs et dpts prvus par le modle
Priode
Dpots
observs (en
millions de F
CFA)
Logdpot
prvu
dpots Prvus
(en millions de
F CFA)
Erreurs de
prvision
% erreur
janv-06
549587
13,2153091
548701,0848
885,9152449
0,2%
fvr-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%
mai-06
587116
13,2599982
573778,2060
13337,79396
2,3%
juin-06
584398
13,2685901
578729,2902
5668,709841
1,0%
juil-06
564388
13,2771821
583723,1551
-19335,15514
3,4%
aot-06
599298
13,2857739
588759,9945
10538,00548
1,8%
sept-06
593620
13,2943658
593840,3552
-220,3552403
0,0%
oct-06
602380
13,3029578
598964,6139
3415,386136
0,6%
nov-06
640181
13,3115497
604133,0294
36047,97061
5,6%
dc-06
632347
13,3201416
609346,0427
23000,95726
3,6%
Lorsque nous valuons les erreurs de prvisions, ils sont infrieurs 3% pour une
prvision sur 6 mois.
Dans la suite il sera question de filtrer la partie mobile de notre modle (confre
quation du modle) pour dterminer la partie stable. En fonction du temps.
II.5 Dtermination de la fonction dcoulement

Le modle dvolution des dpts vue que nous avons retenu est donn par la
formule (38)
Logdepott Logdepott 1 = 0, 008592 + t 0, 493349 t 1
Ou encore
(40)
Logdepott = Logdepott 1 + 0, 008592 + t 0, 493349 t 1

Mise sous cette forme, nous pouvons dire quentre deux observations successives
de notre srie de mesures rsultant de lactivit du processus gnrateur de la srie

dencours des dpts vue, une combinaison dvnements alatoires ou perturbations
vient affecter le comportement de la srie et ainsi modifier ses valeurs.
LACGNI CARLOS DENDI
82
Dans la suite, pour simplifier les formules, nous dsignerons par Dt lencours des
dpts vue la date t. On a lquation simplifie :
LogDt = LogDt 1 + 0, 008592 + t 0, 493349 t 1
(41)
Le modle peut encore scrire :
Dt = Dt 1 exp(0, 008592 + t 0, 493349 t 1 )
(42)
Le stock des dpts la date t (date courant) devient une date T ultrieure (T suprieur
t)
T
D (T ) = Dt exp 0.00859 (T t ) + ( i 0, 49334 i 1 ) ,

i = t +1
(43)
Ainsi, la fonction dcrivant lvolution du stock des dpts entre linstant t et T est
donne par la fonction:
T
f (t , T ) = exp 0.00859 (T t ) + ( i 0, 49334 i 1 ) ,

i = t +1
(44)
Nous dsignerons par (t ) = t 0, 49334 t 1 la combinaison linaire dvnements

alatoires ou perturbations affectant notre srie de dpts transforms la date t.
Pour se prmunir du risque de liquidit, nous avons calcul la srie des rsidus sur
notre priode dtude et nous avons dfini la fonction dcoulement du stock comme
T
S (t , T ) = exp 0, 00859 (T t ) + ,
i = t +1
(45)
O
= Mint =1...108 ( t 0, 49334 t 1 ) = Mint =1...108 ( (t ))
(46)
reprsente la valeur de (t ) ayant entran la diminution mensuelle la plus

importante de la srie dencours des dpts vue durant notre priode dtude.
Cette fonction dcoulement est considre comme le pourcentage de lencours des
dpts vue prsents dans le bilan la date t, et qui y restera jusqu la date T
(ultrieure).
La rsolution de lquation Mint =1...108 ( ( t )) nous a permis de trouver = 0,13592
obtenu en t = 40 qui correspond au mois dAvril 2000, priode au cours de laquelle on a
observ la plus grande diminution du stock des dpts vue.
LACGNI CARLOS DENDI
83
Pour cette valeur de , la fonction dcoulement scrit:
S (t , T ) = exp [ 0,12733 (T t ) ] ,
(47)
Remarquons daprs cette formule que le stock prsent une date t disparatra tt
ou tard du bilan (En effet, lorsque T est trs grand, S(t,T) tend vers 0). Cette fonction
traduira lamortissement du stock dans le temps et nous permettra de trouver la vitesse
ainsi que la dure moyenne dcoulement du stock.
II.6 Vitesse et dure moyenne dcoulement du stock des dpts vue:

Nous avons dfini au premier chapitre la vitesse ou taux dcoulement par la
formule (4).
Un calcul rapide nous permet de trouver = 11, 96%
Ainsi, lencours des dpts vue pris une date quelconque t disparatra un
rythme de 11,96% par mois. La dure moyenne dcoulement du stock est donc de 8 ans
et 4 mois. Il sagit du temps moyen que mettra un stock de dpts vue pour disparatre
compltement du bilan de la banque si cette dernire ne reoit plus de dpts.
II.7 Partie de lencours des dpts vue stable en fonction du temps

a) Pourcentage des dpts stables en fonction du temps
Dans cette partie, en considrant lencours Dt pris la date t, nous allons
dterminer la partie (en pourcentage) de ces dpts qui sera stable en fonction du temps
La partie de lencours des dpts vue de la date t qui restera stable dans le bilan jusqu
la date T (ultrieure) est donne par la relation :
(48)
D (t , T ) = D (t ) exp [ 0,12733 (T t ) ] ,
Pour T = t+1, on trouve que 88,04% des dpts sont stables pendant un mois.
Pour T = t+6, on trouve que 46,58% des dpts sont stables pendant 6 mois.
Pour T= t+12, on trouve que 21,70% des dpts sont stables pendant un an,
Pour T= t+24, on trouve que 4% des dpts sont stables pendant deux ans.
LACGNI CARLOS DENDI
84
En nous limitant deux ans, nous pouvons dtailler les rsultats en construisant le tableau
des chances suivant :
Tableau 13 : Pourcentage de lencours dune date t stable en fonction du temps
Dure en
mois
chance partir de la
date t (quelconque)
Pourcentage de l'encours de
la date t (Dt ) stable en
fonction du temps
Partie
Stable
100,00%
Dt
t+1
88,04%
88,04%Dt
t+2
77,52%
77,52%Dt
t+3
68,25%
68,25%Dt
t+4
60,09%
60,09%Dt
t+5
52,91%
52,91%Dt
t+6
46,58%
46,58%Dt
t+7
41,01%
41,01%Dt
t+8
36,11%
36,11%Dt
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
Lexamen du tableau prcdent nous permet de dire quune banque peu prter
88,04% de son stock de dpts vue ses meilleurs clients pour une dure dun mois.
Elle ne peut utiliser que 46,58% de ces dpts pour octroyer un crdit sur 6 mois. Pour
une chance dun an elle peut prter 21,70% de ces dpts vue. 4,71% de ces dpts
peuvent tre transforms en crdits sur une dure de 2 ans.
LACGNI CARLOS DENDI
85
b) Application lencours des dpts observs en dcembre 2005

Lencours des dpts vue observ en dcembre 2005 est 550,026 milliards de
FCFA.
Ou encore 550026 millions de FCFA. Il est question de voir comment ce stock samortira
dans le temps. Autrement dit, quelle est la partie de cet encours qui sera stable en
fonction du temps. Le tableau suivant permet de suivre son volution sur 2 ans.
Tableau 14 : Partie stable de lencours observ en dcembre 2005 en fonction du temps
Nombre de
mois
Date
0
dc-05
1
janv-06
2
fvr-06
3
mars-06
4
avr-06
5
mai-06
6
juin-06
7
juil-06
8
aot-06
9
sept-06
10
oct-06
11
nov-06
12
dc-06
13
janv-07
14
fvr-07
15
mars-07
16
avr-07
17
mai-07
18
juin-07
19
juil-07
20
aot-07
21
sept-07
22
oct-07
23
nov-07
24
dc-07
Pourcentage de l'encours
observ en dcembre 2005,
stable en fonction du temps
100,00%
88,04%
77,52%
68,25%
60,09%
52,91%
46,58%
41,01%
36,11%
31,79%
27,99%
24,64%
21,70%
19,10%
16,82%
14,81%
13,04%
11,48%
10,11%
8,90%
7,83%
6,90%
6,07%
5,35%
4,71%
Partie
stable en
millions de
FCFA
550026
484267
426369
375394
330513
290998
256207
225576
198607
174862
153956
135549
119343
105075
92513
81452
71714
63140
55591
48945
43093
37941
33405
29411
25895
Ce tableau permet ainsi la banque de savoir la somme quelle peut prter sans
risque de transformation. Par exemple, au 31 dcembre 2005, elle peut accorder un crdit
de 25,895 milliards de F CFA pour une dure de 2 ans ses meilleurs clients non
financiers ou bien placer cette somme dargent sur le march montaire.
LACGNI CARLOS DENDI
86
II.8 Limite du modle dcoulement des dpts vue

Il est intressant de voir que le modle ne prend pas directement en compte
certains paramtres relatifs aux comportements des clients tels que leur revenu moyen.
Cette variable pouvant avoir un impact sur le mouvement de retrait et de dpt. En outre,
le modle ne prend pas en compte les variables qui caractrisent la rputation des
banques, leurs efforts commerciaux, leur programme de fidlisation, les efforts de
conqute de leur rseau commercial (taux de conqute, taux dattrition). Ces variables
ntaient pas disponibles dans notre systme dinformation.
Bien que pouvant tre significatives, ces limites naltrent pas la pertinence de
notre modle puisque le terme derreur contient les informations non explicites dans la
construction du modle. Leur modlisation nous a permis datteindre nos objectifs en
nous prmunissant du risque de liquidit. Toutefois, la prise en compte de ces variables
nous aurait permis de parfaire notre travail.
LACGNI CARLOS DENDI
87
CONCLUSION G
GNRALE
Aprs la grave crise de la fin des annes 1980 qui a affect le systme bancaire de la
CEMAC en gnral et celui du Cameroun en particulier, de nombreuses restructurations
ont t faites de sorte qu partir de 1995, les banques camerounaises ont t assainies et
sont redevenues liquides. Cependant, tant pour le banquier que pour ses clients, les effets
nfastes quavaient entran ces crises sont rests presque indlbiles dans la conscience.
Le banquier pour sa part, ne voulait plus prendre de risque quil ne peut valuer. Des nos
jours, les agents non financiers se reportent davantage sur les dpts et placements vue
o le retrait peut tre effectu tout moment sans pnalit de remboursement et sans frais
daucune sorte. Pour les banques camerounaises, ces dpts vue reprsentent plus de
50% de lensemble des ressources des banques et plus de 70% des dpts provenant de la
clientle.
Afin de permettre aux banques de simpliquer davantage dans le financement de
lconomie tout en matrisant le risque de transformation et de liquidit li aux dpts, la
modlisation de lcoulement des dpts vue sest avre importante.
Dans un premier temps, les concepts de cointgration et de causalit nous ont
permis de voir quau Cameroun, le comportement des clients en terme de dpts sur leur
compte vue nest pas significativement influenc par le mouvement des taux dintrt.
Ensuite, sur notre srie mensuelle dencours des dpts vue allant de janvier 1997
dcembre 2006, lapplication de la mthodologie de Box et Jenkins nous a permis de
dterminer le modle dvolution des encours de ces dpts. Il sagit, aprs avoir
transform notre srie dencours des dpts vue en lui appliquant la fonction logarithme
nprien, dun modle ARIMA (0,1,1) (Moyenne Mobile dordre 1 et intgr dordre 1).
Enfin, la dtermination de la fonction dcoulement a permis de dcrire comment le stock
svapore (ou samortit) dans le temps.
Nos analyses nous ont permis de montrer que, lorsquon agrge lensemble des
dpts vue des clients de la banque; cet ensemble est relativement stable et nest pas
susceptible de disparatre du jour au lendemain. En effet il faut environ 8 ans et 4 mois
pour quun stock de dpts vue pris une date donne disparaisse totalement du bilan
de la banque. Ce stock scoulera ainsi un rythme de 11,96% par mois. Ainsi, pendant
un mois 88,04% de lencours des dpts vue seront stables dans le bilan, 46,58% y
LACGNI CARLOS DENDI
88
resteront pendant 6 mois, 21,70% ne sortiront pas du bilan avant un an, les clients
laisseront 4,71% du stock des dpts vue dans les caisses de la banque pendant deux
ans.
La banque pourra donc utiliser la partie stable de ces dpts pour financer
lconomie en minimisant le risque de transformation.
Plusieurs recommandations importantes peuvent tre faites. Dune part, les banques
commerciales devront amliorer leurs systmes dinformations ALM, afin de prendre en
compte les variables spcifiques aux clients qui sont utiles pour faire intervenir la
rationalit de la clientle dans les analyses. Elles devront simpliquer davantage dans le
financement de lconomie en valorisant la partie stable (oisive) des dpts vue. Elles
devraient tenir compte de la partie stable de ces dpts dans la construction des impasses
en liquidit afin de dterminer leurs besoins ou leurs excdents rels de liquidit aux
dates futures. Dautre part La dynamisation du secteur financier devient un enjeu de
taille, car un secteur financier actif permettrait aux titulaires des comptes de dpts vue
dacheter des actifs financiers plus attrayants et cela en mobilisant leurs dpts qui restent
oisifs dans les banques. Cela permettra dviter cette forme de thsaurisation. Enfin, si
ces dpts ne peuvent tre valoriss par les banques commerciales, la Banque Centrale
pourrait utiliser la stabilit de ces dpts vue pour ajuster le coefficient des rserves
obligatoires relatifs ce type de dpts.
Un secteur financier dynamique avec des taux dintrt incitateurs permettrait
dtudier limpact de ces taux sur la stabilit des dpts vue. Enfin, une autre
perspective de continuation de ce travail de recherche serait dintgrer ce modle des
variables spcifiques la politique commerciale de la banque et des variables relatives
aux comportements de la clientle telles que les taux dattrition (nombre de comptes
ferms par mois) et le taux de conqute (nombre de comptes ouverts par mois). Ce qui
contribuerait sa robustesse.
LACGNI CARLOS DENDI
89
BIBLIOGRAPHIE
Banque des Etats de lAfrique Centrale [2004], tudes et statistiques, N285.
Banque des Etats de lAfrique Centrale [2004], tudes et statistiques, N286.
Bessis J.[1995], gestion des risques et gestion actif/passif des banques, Dalloz.
Bitner John W., Robert A. Goddard, Successful Bank Asset/Liability Management, a
guide to the future beyong gap, Economica
Bourbonnais R. [2003], Economtrie, 5e dition, DUNOD, Paris.
Comit de Ble[2001], principles for the management and supervision of interest rate
risk , Janvier 2001.
Commission Bancaire dAfrique Centrale, rapport dactivit, de 1996 2004.
Conseil National du Crdit, rapport dactivit, Exercice 1997/1998 1998/1999 et
1999/2000.
Conseil National du Crdit, rapport dactivit, Exercice 1999/2000 2001/2002.
Darmon J., [1998], Stratgies bancaires et gestion de bilan, Economica.
Demey P., Frachot A., Riboulet G. [2003], Introduction la gestion Actif/Passif
bancaire, Economica.
Dupr Denis [1996]. La modlisation des dpts vue, Banque et March, pp 24 :2934.
Frachot Antoine [2001], A note on behavioural models for managing optionality in
banking books, Groupe de recherche Oprationnelle, Crdit Lyonnais, France.
Mamalepot J. F. [2004], Communication du gouverneur de la Banque des Etats de
lAfrique Centrale, BEAC.
Martin Cyrille [2005], Comparaison des modles de dpts vue, Centre dEtude et
Recherche Appliques la Gestion des risques bancaires. Universit Pierre MendsFrance, Grenoble.
Mathis J.[1992], Monnaie et banques en Afrique francophone, Edicef, Paris.
Ohannessian Valrie [2007], La banque dcouvert, Revue Banque Edition.
OTS [2000], Net porfolio value model, March 2000.
LACGNI CARLOS DENDI
Rolland L. B. [2002], Principes de techniques bancaires, Dunod, Paris.

Scialom L. [1999], Economie Bancaire, la dcouverte, Paris.
Scialom L. [1999], Economie Bancaire, la dcouverte, Paris.
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
Arthur Charpentier, Cours de sries temporelles, DESS Mathmatique de la dcision et DESS
Actuariat.
KUATE Pascal, Cours de Monnaie et Crdit, polycopi de cours, Universit Catholique
dAfrique Centrale.
Mmoires et Thses
Djimefo Kapen [2006], Initiation de modles mathmatiques dans la prvision des produits et
charges dune banque, Mmoire prsent en vue de lobtention du Master de Statistique
Applique, Universit de Yaound I.
GHIEU Grgory [2003], Gestion Actif/Passif, Mthodologie et Application au Livret A, Thse
professionnelle, Master Spcialis Finance, European School of Management.
Matcha Doriane [2006], Modlisation de la dfaillance du systme bancaire de la CEMAC,
mmoire de fin de formation en vue du diplme dIngnieur dApplication de la
Statistique, ISSEA.
MBENA Marianne [2006], Gestion de la liquidit bancaire : Une application au Cameroun,
thse professionnelle, Universit de Douala.
Pandong Armand [2004], le systme bancaire de la CEMAC, mmoire de fin de formation en
vue du diplme dIngnieur dApplication de la Statistique, ISSEA.
Sites Web
http://www.univ-rouen.fr/droit-sceco-gestion/Recherche/CARE/Documents/papiermbena.pdf.
http://www.bis.org/publ/bcbs29a.
LACGNI CARLOS DENDI
ii
ANNEXES
Annexe I : Mthodologie de Box et Jenkins23
Nous prsentons ici son algorithme.
Figure : Etape de la mthodologie de Box et Jenkins

Analyse du graphique et du
corrlogramme
Analyse de la saisonnalit
Test de Dickey Fuller
Rgression sur le temps si

TS (trend stationary)
Passage aux diffrences si DS

(difference stationary)
Sries stationnaires yt
Analyse des corrlogrammes
simple et partiel
Dtermination des ordres p et q

du processus ARMA
Estimation des paramtres.
Test de Student. Les coefficients

non significatifs sont supprims.
Tests sur les rsidus:
sont ils des bruits blancs?
Oui
Non
Ajout d'un ordre p ou q.
Prvision par ARMA

Recoloration de la srie
(exponentiel, saisonnalit )
Source : Rgis Bourbonnais, Economtrie, page 250
23
Pour plus de dtails, cf. Rgis Bourbonnais, Economtrie, 5ime dition et cf. M. Djimefo Kapen [2006], Initiation
de modle mathmatiques dans la prvision des produits et charge dune banque, mmoire prsent en vue de
lobtenion du Master de Statistique Applique, universit de Yaound I.
iii
LACGNI CARLOS DENDI
I.1 Analyse de la saisonnalit ou dsaisonnalisation
Les mthodes de dsaisonnalisation peuvent tre classes en deux grandes catgories: Les mthodes non
paramtriques et les mthodes paramtriques.
Mthodes non paramtriques, dites empiriques , permettent de dcomposer la srie en composantes
inobservables par une procdure, souvent itrative, base sur des lissages successifs. On peut rsumer l'ensemble des
lisseurs utiliss dans ces mthodes sous le nom de rgressions locales . Les rgressions locales consistent
ajuster des polynmes, en gnral par les moindres carrs, pondrs ou non, sur des intervalles glissants (se dcalant
d'un point chaque fois). Au centre de l'intervalle, la donne lisse est la valeur, cette date, du polynme ajust (la
donne lisse la date suivante est obtenue par ajustement d'un polynme sur l'intervalle suivant). On peut montrer
que les rgressions locales reviennent appliquer des moyennes mobiles particulires lorsque les observations sont
rgulirement espaces. Ces mthodes se distinguent par leur degr de robustesse: dans un premier groupe, on
trouve STL (Cleveland et al. 1990), mthode fonde sur le lowess , une technique de lissage robuste par
rgressions locales (Cleveland, 1979); dans un second groupe, figure la clbre mthode de dsaisonnalisation Xl1.
Mthodes paramtriques : elles peuvent aussi se diviser en deux grands ensembles: les mthodes par rgression
(inspires de Buys-Ballot) qui posent, pour chaque composante, except lirrgulire, une fonction dterministe du
temps; les mthodes fondes sur des modles stochastiques (non dterministe): il s'agit principalement de modles
ARIMA utiliss pour modliser les composantes inobservables. Parmi celles-ci, on distingue encore deux groupes:
celles qui estiment les modles des composantes partir du modle ARIMA de la srie initiale (Burman 1980,
Hillmer et Tiao 1982), SEATS (Gomez, MaravalI1997), et celles qui les modlisent et les estiment directement (
Kitagawa et Gersch 1984) comme par exemple la mthode STAMP (Harvey et al. 1995).
Les ouvrages des diffrents auteurs mentionns dans ces mthodes, sont cits dans
COMPRENDRE LA METHODE XII de Dominique LADIRAY et Benot QUENNEVILLE.
Nous allons schmatiser ces mthodes de dsaisonnalisation
Figure : Mthodes de dsaisonnalisation
METHODES NON PARAMETRIQUES
(mthodes de rgression locale)
METHODES PARAMETRIQUES
MOYENNES MOBILES
Slutsky (1927) - Macauley (1930)
REGRESSIONS GLOBALES
Buys-Ballot (1847)
MEDIANES MOBILES
MODELE XII-CENSUS
Bureau du Census (1965)
S.A.B.L (1982)
LOWESS (1979)
S.T.L (1990)
MODELE ARIMA Box et Jenkins (1970)
MODELE Xll-ARIMA
(1994)
S.E.A.T.S. (1980)
S.T.A.M.P. (1987)
MODELES XI2-ARIMA
(1994)
Source : Cours de sries temporelles , DESS Mathmatique de la Dcision & DESS Actuariat d' Arthur
CHARPENTIER
LACGNI CARLOS DENDI
iv
Parmi donc les mthodes non paramtriques, nous nous sommes intresss la dsaisonnalisation par moyenne
mobile centre. Si on s'intresse la moyenne mobile centre d'ordre m, elle est dfinie 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 procdure de dsaisonnalisation d'une srie est fonction du type de schma.
Schma additive
Soit X, notre srie. Comme il s'agit d'une srie mensuelle, dont la priode est 12, nous allons considrer la moyenne
mobile centre d'ordre 12. Soit MM(12), la srie obtenue aprs avoir appliqu X cette moyenne mobile. Les
diffrences saisonnires sont obtenues en retirant de la srie initiale la moyenne mobile i.e. X - MM (12). Comme X
et MM(12) n'ont pas la mme longueur, alors la soustraction se fait comme suit: pour une anne donne, nous
faisons la diffrence aux mois identiques. Cette diffrence ne se fait qu'entre les priodes o nous observons les
ralisations simultanes de X et de MM (12). Les coefficients saisonniers ne sont autres que les moyennes des
diffrences saisonnires pour chacun des mois. Comme la somme des coefficients saisonniers doit tre nulle, alors
les coefficients saisonniers corrigs sont obtenus en retirant des coefficients corrigs leur moyenne arithmtique.
Nous pouvons donc dsaisonnaliser la srie en retranchant de chacune des valeurs initiales le coefficient saisonnier
correspondant.
Schma Multiplicatif
On calcule d'abord les rapports saisonniers qui sont le rapport de la srie initiale par la moyenne mobile
correspondante. Les 2 sries n'tant pas de mme longueur, le rapport s'effectue comme suit: Pour une anne
donne, nous faisons le rapport aux mois identiques. Ce rapport ne se fait qu'entre les priodes o nous observons
les ralisations simultanes 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 tre gale 1, les coefficients saisonniers corrigs s'obtiennent en
procdant la division de chacun de ces coefficients par leur moyenne arithmtique. On peut donc dsaisonnaliser la
srie en divisant chacune des valeurs initiales par le coefficient saisonnier correspondant. Une fois la srie
dsaisonnalise, on peut passer au test de stationnarit.
I-2. Stationnarisation.
1-2-1. Objectif et dfinition de la stationnarit.
Nous ne pouvons identifier les caractristiques stochastiques d'une srie chronologique que si elle est stationnaire.
La stationnarit est la clef de l'analyse des sries temporelles. Une srie chronologique est dite stationnaire si elle ne
comporte ni tendance ni saisonnalit. On dira aussi qu'une srie { yt } est strictement stationnaire si la distribution
conjointe de
(Y ,..., Y ) est identique celle de (Y

t1
t1 + t
tk
,..., Ytk + t , quelque soit
t1
,...,tk ,t , ,o k est un entier
positif arbitraire et (t1, t2,,, tk, t) une liste de k + l entiers positifs arbitraires.
Autrement dit, la stationnarit stricte dit que la distribution conjointe de
(Y ,..., Y ) est invariante quand on fait

t1
tk
glisser dans le temps. Cette condition est difficile vrifier et on utilise, en gnral, une version plus faible de la
stationnarit. On dit qu'une srie temporelle {Yt} est faiblement stationnaire si la moyenne de Yt et la covariance
entre Yt et Yt-l sont invariantes par translation du temps. Prcisment, {Yt} est faiblement stationnaire si :
(a). E (Yt ) =
est une constante indpendante de t,
LACGNI CARLOS DENDI
(Yt , Yt l ) ne dpend que de l, entier.
(b). cov
La stationnarit faible (ou de second ordre) implique que le graphe de la srie en fonction du temps montre des
fluctuations autour d'un niveau moyen, fluctuations qui se ressemblent, quel que soit la date autour de laquelle on
examine la srie.
I-2-2.Test de DICKEY -FULLER.
Les tests de Dickey-Fuller (DF) permettent de mettre en vidence le caractre stationnaire ou non d'une chronique
par la dtermination d'une tendance dterministe ou stochastique. Avant d'y arriver, nous allons dfinir des notions
qui nous serviront par la suite.
I-2-2-1.Processus TS (Trend Stationary).

Si un processus Xt peut s'crire sous l'une des formes suivantes:
(1)'
(2)'
X t = X t 1 + t ( < 1 ) .
X t = X t 1 + + t ( < 1 ) .
(3)' X t
avec
= X t 1 + + t + t ( < 1 et 0 ) .
un processus stationnaire, alors il est dit processus TS.
Un processus TS s'crit aussi: Xt = ft + t o ft et
reprsentent respectivement une fonction polynomiale du
temps, linaire ou non et un processus stationnaire.
I-2-2-2.Processus DS (difference stationary)

Si un processus Xt peut se mettre sur l'une des formes suivantes:
t ;
Xt = Xt -1 + + t avec 0;
Xt = Xt -1 + + t + t avec 0.
(1) Xt = Xt -1 +
(2)
(3)
Avec
un processus stationnaire,
Alors il est dit Processus DS.

On peut les rendre stationnaires par lutilisation dun filtre aux diffrences :
(1 B )
X t = + t o d est lordre du filtre aux diffrences.
I-2-2-3. Test de DICKEY FULLER.

Le test de Dickey Fuller consiste donc tester (1), (2), (3) contre (1), (2), (3) ce qui est quivalent tester = 1.
On estime par les moindres carrs ordinaires le modle (3) et on calcule la statistique de Student pour les valeurs
, , ( = 1) .
pour les coefficients , est
estimes de
Le test
bilatral. En ce qui concerne
traditionnel: ayant exclu le cas explosif ( > 1 ou
les choses diffrent du test de Student
> 0) on procde au test
unilatral ( =1 ou
=0 contre
< 0), ce qui donne une zone de rejet situe du ct ngatif, et les hypothses des MCO n'tant pas satisfaites,
notamment du fait que la variable considre est endogne, on utilise une table particulire calcule par Dickey et
Fuller. En cas de rejet total ou partiel du test du modle (3) avec = 0, opr comme indiqu, on teste de mme le
modle (2) et =0 avec la table voulue, puis encore si ncessaire le modle (1) avec = 0.
Conclusion: A l'issue du test, si on a affaire un processus TS, alors la srie stationnarise s'obtient en retirant de la
srie corrige des variations saisonnires l'estimation polynomiale de la tendance. Sinon (cas d'un processus DS), la
srie stationnarise s'obtient en diffrenciant la srie corrige des variations saisonnires autant de fois jusqu'
l'obtention de la srie stationnaire.
I-2-3.Test de DICKEY FULLER AUGMENTE
LACGNI CARLOS DENDI
vi
Dans les modles utiliss dans les tests de Dickey et Fuller simples, le processus
t est,
par hypothse, un bruit
blanc. Or il ny a aucune raison pour que priori, lerreur soit non corrle : on appelle tests de Dickey Fuller
Augments (ADF, 1981) la prise en compte de cette hypothse. Les test ADF sont fond sous lhypothse
alternative
1 sur lestimateur des MCO des trois modles :

p
X t = X t 1
X t = X t 1
X t = X t 1
j=2
X t j +1 + t
X t j +1 + + t
X t j +1 + + t + t
j=2
p
j=2
est un bruit blanc. Le test se droule de manire similaire aux tests de Dickey Fuller simple. Seul les tables
diffrent. La valeur de P est dtermine selon le critre de AKAIKE.

N.B. D'autres tests sont souvent utiliss notamment celui de
Rothenberg-Stock (ERS), KPSS.
Phillips-Perron, Schmidts-Phillips, Eliott-
I-3.Identification
La srie ainsi stationnarise, on procde une tude des corrlogrammes simple et partiel, ce qui conduit
dterminer les ordres possibles de p et q des parties auto-rgressive (AR(P) et moyenne mobile (MA(q)) du modle
et les ordres d de diffrenciations ventuelles (cas modle ARIMA (p, d, q). Nous avons voqu certains types de
modles et il y a donc lieu de les dfinir plus explicitement.
I-3-1.Processus ARMA
I -3-1-a. Processus autorgressifs
On appelle processus autorgressif d'ordre p un processus stationnaire Xt vrifiant une relation du type :
p
X t = i X t i + t ,
i =1
o les
sont des rels et
t est un bruit blanc de variance 2 .
Un bruit blanc est une suite de variables alatoires d'esprances mathmatiques nulles, non corrles et de
mme variance.
La relation prcdente peut aussi s'crire :
(1
B ... p B
)X
= t,
ou
(B ) X t = t , B i ( X t ) = X ti ,
en posant
( B ) = 1 1 B ... P B P .
Il sera not AR(p).

I-3-1-b. Processus moyennes mobiles.
On appelle processus moyenne mobile d'ordre q un processus Xt dfini par :
Xt =
O les
i sont des rels et t
(1 B ... B ) ,
q
est un bruit blanc de variance . Cette relation peut encore s'crire:
avec
( B)t = Xt ,
( B ) = 1 1 B ... q B q .
Un tel processus est dsign dans la littrature anglo-saxonne par MA(q).

I-3-1-c. Processus auto rgressifs moyennes mobiles (ARMA)
LACGNI CARLOS DENDI
vii
On appelle processus autorgressif moyenne mobile d'ordre (p, q ) un processus Stationnaire Xt satisfaisant
( B ) X t = ( B ) t .
Un tel processus est dsign dans la littrature anglo-saxonne par ARMA(p,q) (Autoregressive moving average).
1-3-2. Processus ARIMA
Si on note
d Xt la diffrence d'ordre d de Xt, i.e. (1- B)d Xl on va donc s'intresser aux processus Xt tels que
( B ) d X t = ( B ) t .
Un tel processus est appel ARIMA(p, d, q) ou ARMA intgr.

Cette relation peut encore s'crire:
( B) Xt = ( B)t ,
avec
( B ) = ( B )(1 B ) .
d
I-4. Estimation
Considrons un processus centr ARMA (p, q), solution stationnaire et inversible de l'quation
p
i =1
i =1
X t i X t i = t i t i ,
o
est un bruit blanc de variance
Un processus Xt est dit inversible s'il existe un autre processus Yt tel qu'on ait XtYt = 1.
On dispose de donnes X = (Xl , ,XT).
Dans ce paragraphe, nous considrons lestimation des paramtres
Notons
Par
2 , 1 ,..., p , 1 ,..., q .
X , la moyenne arithmtique des donnes. On peut estimer (h) =Cov( Xt,,Xt-h)
(h) =
1 T
( X i X )( X ih X ) , h 0,
T i = h +1
Et
(h) =
( h)
,
( 0)
( h ) =
( h )
.
( 0 )
Par
( h ) = ( h ) .
Les estimations 1 ,..., p de 1 ,..., p
On pose
peuvent tre obtenues en rsolvant le systme de p quations linaires :

p
( q + j ) ( q + j + i ) = 0, j = 1,..., p.
i =1
Pour ce qui est de l'estimation des
, on emploiera les autocorrlations inverses
i (h) qui sont, par dfinition, les
autocorrlations du processus dual ARMA (q, p) dfini par l'quation
( B ) X t = ( B) t .
Les i sont donc solutions des quations

q
i ( p + j ) i i ( p + j + i ) = 0
pour tout
j 1.
i =1
LACGNI CARLOS DENDI
viii
I-5. Vrification.
Les tests que l'on fait subir au modle sont de deux types: les tests concernant les paramtres
i et i du modle
et ceux concernant les hypothses faites sur

Tests concernant les paramtres
Pour comparer une formulation ARMA (p, q) avec une formulation ARMA (p1, q1), il est commode de se
placer dans le cas o l'un des modles est un cas particulier de l'autre. On suppose dans la suite que l'on part d'un
modle ARMA (p, q) et que l'on examine les tests correspondant diverses valeurs de p1, q1 .
pl = p-1, ql =q.
Il s'agit ici de voir s'il est possible de diminuer d'une unit le nombre de retards intervenant dans la
partie autorgressive. Ceci revient tester la significativit du coefficient p ce qui peut tre fait
au moyen' d'un test de type Student.
pl = p+1, ql =q.
Il s'agit de voir s'il est ncessaire d'introduire un retard supplmentaire dans la partie autorgressive. Il faut alors
estimer un modle ARMA (p1, q1)=ARMA (p+1, q) et tester dans ce second modle la nullit de p +1 . Ceci nous
ramne videmment au cas prcdent.
Test concernant les rsidus
Il est question ici de savoir si les hypothses de normalit et de bruit blanc sont satisfaites.
Test portmanteau
C'est un test concernant le bruit blanc.
Ce test est fond sur la statistique:
k
Q = N h2 [ ] ,
h =1
h [ ] tant la corrlation empirique entre les rsidus (distants de h).
1 T
h [] = h [] / 0 [] avec h [] = (t )(t h ) .
T t =h+1
On montre que, sous l'hypothse d'indpendance des t , Q suit asymptotiquement (quand N ) une loi du
K - p - q degrs de libert; on refuse donc l'hypothse d'indpendance, au niveau .
Q>
12
[k - p- q] .
Test de Jarque et Bera

Il s'agit l d'un test de normalit.
k =
Soit
(X
n
i =1
( ) =
1/ 2
1
3/ 2
2
le moment centr empirique d'ordre k, le coefficient de Skewness
( ) est gal
1/ 2
1
et le coefficient de Kurtosis
4
2
2
Si la distribution est normale et le nombre d'observations grand (n>30) :
( )
1/ 2
1
6
24
N 0;
et 2 N 3;
cf. Rgis BOURBONNAIS dans Manuel et exercices corrigs,
n
n
Economtrie .
Si
( ) et
1/ 2
1
obissent des lois normales alors la quantit
LACGNI CARLOS DENDI
ix
n
n
2
1 + ( 2 3) suit un x2 deux degrs de libert.
6
24
2
Donc si s > x1 (2), on rejette l'hypothse H0 de normalit des rsidus au seuil .
s=
I-6 Choix d'un modle.

Il se peut que plusieurs modles franchissent la phase de vrification et qu'il convient de choisir dans cet ensemble.
La premire chose faire est sans doute de reprer les modles jumeaux , c'est--dire ceux qui correspondent en
fait des reprsentations diffrentes d'un mme modle (ou de modles proches) et qui sont donc quivalents pour
la prvision. Ayant choisi un reprsentant dans chaque classe de jumeaux, on peut se trouver la tte de plusieurs
modles rellement diffrents. Le choix d'un modle reposera donc sur certains critres.
Critre de pouvoir prdictif
L'objectif est de minimiser l'estimation de la variance rsiduelle, de maximiser les coefficients de dtermination
simple et modifi. Le coefficient de dtermination tant dfini comme suit:
R2 = 1
2
V
V tant la variance empirique de la srie diffrencie d fois.
Celui modifi comme suit:
R2 = 1
/ ( N p q )
V / ( N 1)
Critre d'information
Une autre approche, introduite par Akake (1969), consiste supposer que les modles ARMA (p,q) fournissent des
approximations de la ralit et que la vraie loi inconnue des observations X, ne satisfait pas forcment un tel modle.
On peut alors fonder le choix du modle sur une mesure de l'cart entre la vraie loi inconnue et le modle propos.
La mesure habituellement retenue est la quantit d'information de Kullback. Soit f0(x) la densit inconnue des
observations, {f(x), f F p,q} la famille de densits correspondant au modle ARMA (p,q) , l'cart entre la vraie loi
et le modle est mesur par :
I ( f 0 , Fp ,q ) = min Log (
f F
f0 ( x )
f ( x)
) f 0 ( x ) dx
L'objectif est donc de trouver les q et p qui minimisent les estimateurs de cette quantit d'information. Ceux qui ont
t proposs sont les suivantes:
AIC ( p, q ) = Log 2 +
2( p + q)
N
LogN
,
N
LogLogN
2
( p, q ) = Log + ( p + q ) c
N
BIC ( p, q ) = Log 2 + ( p + q )
avec c > 2.
I-7. Prvision
Le modle valid, le calcul des prvisions et celui des intervalles de confiance sont raliss pour un horizon
choisi. Nous avons choisi de faire des prvisions sur une chance d'un an.
LACGNI CARLOS DENDI
Annexe II : Le concept de cointgration

II.1 Dfinition
Lanalyse de la cointgration permet didentifier clairement la relation vritable entre deux variables en recherchant
lexistence dun vecteur de cointgration et en liminant son effet, le cas chant. Une srie est intgre dordre d,
sil convient de la diffrentier d fois afin de la stationnariser.
II.2 Condition de cointgration
Deux sries sont dites cointgres si les deux conditions suivantes sont vrifes :
Elles sont affectes dune tendance stochastique de mme ordre dintgration d.
Une combinaison linaire de ces sries permet de se ramener une srie dordre dintgration infrieur.
II.3 Estimation du modle correction derreur en deux tapes
Lorsque deux sries Xt et Yt sont cointgres, il convient destimer leurs relations au travers dun modle
correction drreur. Engle et Granger ont dmontr que toutes les sries cointgres peuvent tre reprsentes par un
modle correction drreur.
Etape 1 estimation par les MCO de la relation de long terme :
Yt = + X t + et
Etape 2 : estimation par les MCO de la relation du modle dynamique (court terme) :
Yt = 1X t + 2 et 1 + ut
Le coefficient
2 0
2 ( force de rappel lquilibre ) doit tre significativement ngatif : dans le cas contraire, on doit
rejeter une spcification de type Modle correction derreur.
LACGNI CARLOS DENDI
xi
Annexe III : Tableaux et figures

Tableau 15 : Situation de la trsorerie des banques au 31 Mars 2005
Caisse
Oprations vue
Oprations au jour le jour et terme
Titres de placement et de transaction
Crances en souffrances nettes
Crances rattaches
Emploi de trsorerie
Oprations vue
Oprations au jour le jour et terme
Dettes rattaches
Ressources de trsorerie
EXCEDENT DE TRESORERIE
Source : BEAC
46,835
271,472
145,929
9,572
8,824
2,108
484,740
37,261
59,616
335
97,212
387,528
Figure 14 : Rpartition des dpts par nature au 31 dcembre 2004
4,5%
0,5%
13,1%
10,7%
71,2%
Comptes dpts regime spciale
comptes terme
compte vue
Autres comptes
Dettes rattaches
Tableau 16 : Rpartition des dpts vue selon la nature des comptes

Comptes courants crditeurs
537265
44,8%
comptes chques crditeurs
113805
9,5%
compte sur livret
429450
35,8%
Dpts de garanties
31961
2,7%
autres comptes crditeurs vue
86067
7,2%
1198548
100,0%
Total comptes crditeurs vue

LACGNI CARLOS DENDI
xii
Variation de l'encours des dpts vue
Figure 15 : Variation de lencours des dpts vue en millions de F CFA
60000
40000
20000
0
-20000
-40000
-60000
2000
2001
2002
2003
2004
2005
2006
Tableau 17 : Rsultats du test de cointgration entre lencours des dpts et le taux dintrt
Date: 04/24/07 Time: 05:32
Sample(adjusted): 2002:03 2003:12
Included observations: 22 after adjusting endpoints
Trend assumption: Linear deterministic trend (restricted)
Series: LOGDEPOT LOGTAUX
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
5 Percent
Critical Value
1 Percent
Critical Value
None
At most 1
0.435426
0.111981
15.18981
2.612777
25.32
12.25
30.45
16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level

Trace test indicates no cointegration at both 5% and 1% levels
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
5 Percent
Critical Value
1 Percent
Critical Value
None
At most 1
0.435426
0.111981
12.57704
2.612777
18.96
12.25
23.65
16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level

Max-eigenvalue test indicates no cointegration at both 5% and 1% levels
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
LOGDEPOT
LOGTAUX
@TREND(02:0
LACGNI CARLOS DENDI
xiii
-7.120245
15.39809
11.38650
-0.715038
2)
0.152656
-0.022757
Unrestricted Adjustment Coefficients (alpha):

D(LOGDEPO
T)
D(LOGTAUX)
-0.004370
-0.009426
-0.103347
0.011384
1 Cointegrating Equation(s):
Log likelihood
62.07655
Normalized cointegrating coefficients (std.err. in parentheses)

LOGDEPOT
LOGTAUX @TREND(02:0
2)
1.000000
-1.599173
-0.021440
(0.41206)
(0.00656)
Adjustment coefficients (std.err. in parentheses)
D(LOGDEPO
0.031114
T)
(0.04801)
D(LOGTAUX)
0.735856
(0.20558)
Tableau 18 : Test de Dickey-Fuller augment pour la variable taux
Null Hypothesis: TAUX has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic based on Modified AIC, MAXLAG=8)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-3.015316
-4.440739
-3.632896
-3.254671
0.1504
*MacKinnon (1996) one-sided p-values.

Source: labor par lauteur
LACGNI CARLOS DENDI
xiv
Tableau 19 : Test de dickey-fuller Augment sur les dpts transforms
Modle avec terme constant sans tendance
Modle sans tendance, ni constance
LACGNI CARLOS DENDI
xv
Tableau 20 : Test de dickey fuller sur la srie en diffrence premire des dpts transforms)
Modle avec constante et trend
Modle avec constante sans trend
LACGNI CARLOS DENDI
xvi
Modle sans constante et sans trend
LACGNI CARLOS DENDI
xvii
Figure 16 : Evolution de la srie des taux dintrt
1.9
Logtaux
1.8
1.7
1.6
1.5
2002:01
2002:07
2003:01
2003:07
Anne
Tableau 21 : Test de dickey-fuller augment sur la srie des taux transforms
Modle avec constante et trend
LACGNI CARLOS DENDI
xviii
Modle avec constante et sans trend
Modle sans trend ni terme constant
Tableau 22 : Test de dickey-fuller augment sur la srie en diffrence premire de la srie des taux
transforms
Modle avec trend et constante
.
LACGNI CARLOS DENDI
xix
Modle avec constance sans trend
Modle sans constante ni trend
LACGNI CARLOS DENDI
xx
Tableau 23 : Test ARCH sur les rsidus du modle ARIMA(2,1,1)
Figure 17 : Autocorrlogramme du carr des rsidus
LACGNI CARLOS DENDI
xxi
Tableau 24 : Test ARCH sur les rsidus du modle ARIMA(0,1,1)
LACGNI CARLOS DENDI
xxii

Modelisation de L Ecoulement Des Depots A Vue Cas Des Banques Commerciales Camerounaises PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelisation de L Ecoulement Des Depots A Vue Cas Des Banques Commerciales Camerounaises PDF

Transféré par

Droits d'auteur :

Formats disponibles

Communaut conomique et Montaire de lAfrique Centrale

Institut Sous-rgional de Statistique et dconomie Applique

MODLISATION DE LCOULEMENT DES DPTS

Mmoire rdig en vue de lobtention du diplme dIngnieur dApplication de la

Prsident du Jury : M. Patrick Serges KOUONTCHOU

mes parents, monsieur et madame DATCHOUA

Monsieur PETTANG Jules

mes oncles NGANFANG Andr, YOUMBI Honor et NJOMO Innocent

Monsieur TEIFOUET Thomas Joseph

Monsieur Dnis NGANGOUM

Mmoire de fin de formation

LACGNI CARLOS DENDI

Mmoire de fin de formation

LACGNI CARLOS DENDI

TABLE DES MATI

PREMIRE PARTIE : REVUE DE LA LITTRATURE

LACGNI CARLOS DENDI

CHAPITRE DEUXIME : LES MODLES DE DPTS VUE .............................................................. 35

DEUXIME PARTIE : APPLICATION AUX BANQUES

Mmoire de fin de formation

LACGNI CARLOS DENDI

CONCLUSION GNRALE ............................................................................................................................ 88

Mmoire de fin de formation

LACGNI CARLOS DENDI

Autres Institutions Bancaires

Autres Institutions Bancaires Eligibles au refinancement de la BEAC

Autres Institutions Bancaires Non Eligibles au refinancement de la

Asset Liability Management (Gestion Actif/Passif)

Banques Cratrices de Monnaie

Banque des Etats de lAfrique Centrale

Banque Internationale du Cameroun pour lEpargne et le Crdit

Communaut Economique et Montaire de lAfrique Centrale

Crdit Lyonnais Cameroun (actuellement Socit Camerounaise de

Banque, Crdit Agricole)

Commission Bancaire de lAfrique Centrale

Franc de la Coopration Financire en Afrique

Fonds Montaire International

Fonds propres pour Risques Bancaires Gnraux

Ingnieur dApplication de la Statistique, 4ime anne

Institutions Financires Non Bancaires

National Financial Credit Company

Produit Intrieur Brut

Socit Camerounaise de Banque

Standard Chartered Bank Cameroon

Socit Gnrale de Banques au Cameroun

Union Bancaire dAfrique Centrale

Union Bank of Cameroon

Union Montaire des Etats de lAfrique Centrale

Mmoire de fin de formation

LACGNI CARLOS DENDI

LISTE DES TABLEAUX ET FIGURES

LACGNI CARLOS DENDI

Mmoire de fin de formation

LACGNI CARLOS DENDI

Mmoire de fin de formation

LACGNI CARLOS DENDI

LACGNI CARLOS DENDI

Mmoire de fin de formation

LACGNI CARLOS DENDI

Mmoire de fin de formation

LACGNI CARLOS DENDI

Mmoire de fin de formation

LACGNI CARLOS DENDI