472-Article Text-1544-1-10-20220131 PDF

ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317

© Authors: CC BY-NC-ND
Le choix d’un modèle pour mesurer l’impact des pertes des

risques opérationnels bancaires sur la rentabilité
The choice of a model to measure the impact of losses from

operational banking risks on profitability
Btissam TAHRAOUI, (Doctorante)

Ecole Nationale de Commerce et de Gestion de Kénitra
Université Ibn Tofail Kénitra, Maroc
tahraoui.btissam@uit.ac.ma
Mustapha ACHIBANE, (Enseignant-Chercheur, PES)

Faculté d’Economie et de Gestion de Kénitra, Maroc
Université Ibn Tofail Kénitra, Maroc
ENCG KENITRA B.P. 142014000 ، Campus Universitaire

Maamora BP:2010 Kénitra, Av. de L'Université.
Adresse de correspondance :
Université Ibn Tofail, Morocco (Kenitra) Postal code.14020
tahraoui.btissam@uit.ac.ma
Les auteurs n'ont pas connaissance de quelconque financement

Déclaration de divulgation :
qui pourrait affecter l'objectivité de cette étude.
Conflit d’intérêts : Les auteurs ne signalent aucun conflit d'intérêts.
TAHRAOUI, B., & ACHIBANE, M. (2022). Le choix d’un
modèle pour mesurer l’impact des pertes des risques
Citer cet article opérationnels bancaires sur la rentabilité. International Journal of
Accounting, Finance, Auditing, Management and Economics,
3(1-2), 300-317. https://doi.org/10.5281/zenodo.5901583
Cet article est publié en open Access sous licence
Licence
CC BY-NC-ND
Received: December 16, 2021 Published online: January 31, 2022
International Journal of Accounting, Finance, Auditing, Management and Economics - IJAFAME

ISSN: 2658-8455
Volume 3, Issue 1-2 (2022)
300
www.ijafame.org
Btissam TAHRAOUI & Mustapha ACHIBANE. Le choix d’un modèle pour mesurer l’impact des pertes des
301
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
Le choix d’un modèle pour mesurer l’impact des pertes des risques
opérationnels bancaires sur la rentabilité
Résumé
Dans un environnement instable, la croissance de l’activité bancaire entraine l’émergence de plus en plus de
risques néfastes, allant du risque financier au risque opérationnel, ce dernier peut être subdivisé en deux catégories,
les risques maitrisables ainsi que les risques non maitrisables. La première catégorie comprend les pertes
provenant des défaillances des processus, des erreurs humaines, de défaillances informatiques.
Les pertes causées par celui-ci se mesurent en milliards de dirhams et ont été à l’origine de nombreuses faillites.
La prise de conscience des retombés de ce risque encourage les établissements à déployer les outils nécessaires
de gestion.
Plusieurs études ont été effectuées dans les années 1980 en vue d’étudier l’impact du risque sur la rentabilité ont
trouvé des relations négatives entre le risque en général et la rentabilité. Les résultats obtenus confirment
initialement ceux obtenus par les recherches antérieures sur le risque au Maroc, en concluant que les charges du
risque opérationnel impact négativement la rentabilité comme premier pas de recherche. Le présent travail se
propose d’enrichir la littérature actuelle qui s’intéresse au risque opérationnel dans les établissements bancaires
au Maroc. L’objectif est de choisir le modèle adéquat pour mesurer l’impact du risque opérationnel notamment
pour les banques marocaines, et de cibler les types des risques les plus dangereux selon leur gravité et leur
influence sur la rentabilité bancaire.
Les combinaisons de plusieurs observations comme la variable à expliquer c’est-à-dire le produit net bancaire est
stationnaire en première différence, l’ordre d’intégration des variables retenues varie entre 0 et 1 ainsi que
l’absence d’une relation de causalité entre les variables explicatives et la variable à expliquer nous a permis de
trouver le modèle pertinent c’est le modèle ARDL pour mesurer les charges du risque opérationnel sur la
rentabilité bancaire. Notre recherche présente néanmoins des limites, dont notamment la taille de l’échantillon,
étant donné l’application des méthodes de la gestion de risque opérationnel par les banques marocaines, ainsi que
la profondeur non encore grande en termes de temps depuis la transition de Bâle II au Maroc.
Mots clés : Risque opérationnel, Rentabilité bancaire, Choix d’un modèle, Modèle ARDL
Classification JEL : G20
Type de l’article : Recherche appliquée
Abstract
In an unstable environment, the growth of the banking activity leads to the emergence of more and more harmful
risks, ranging from financial risk to operational risk. The latter can be subdivided into two categories, controllable
risks and non-controllable risks. The first category includes losses resulting from process failures, human errors,
and IT failures.
The losses caused by these risks can be measured in billions of dirhams and have been the cause of many
bankruptcies. Awareness of the impact of this risk is encouraging institutions to deploy the necessary management
tools.
Several studies were carried out in the 1980s to examine the impact of risk on profitability and found negative
relationships between risk in general and profitability. The results obtained initially confirm those obtained by
previous research on risk in Morocco, concluding that operational risk charges negatively impact profitability as
a first step of research. The present work proposes to enrich the current literature that focuses on operational risk
in banking institutions in Morocco. The objective is to choose the appropriate model to measure the impact of
operational risk especially for Moroccan banks, and to target the most dangerous types of risks according to their
severity and their influence on bank profitability.
The combinations of several observations as the variable to be explained i.e. the net banking product is stationary
in first difference, the order of integration of the retained variables varies between 0 and 1 as well as the absence
of a causal relationship between the explanatory variables and the variable to be explained allowed us to find the
relevant model it is the ARDL model to measure the charges of the operational risk on the banking profitability.
Nevertheless, our research has some limitations, including the size of the sample, given the application of
operational risk management methods by Moroccan banks, as well as the lack of depth in terms of time since the
transition to Basel II in Morocco.
Keywords: Operational Risk, Bank Profitability, Model Selection, ARDL Model

JEL Classification: G20
Paper type: Empirical research
302
www.ijafame.org
1. Introduction :
L’expansion de l’activité des établissements de crédit associée à la diversité de leurs métiers
entraine l’émergence de plusieurs types de risque en général, et du risque opérationnel en
particulier.
Le risque opérationnel peut affecter négativement la performance bancaire dans la mesure
où il a été à l’origine de plusieurs dommages subis par le secteur financier notamment par la
Société Générale en France qui a essuyé des pertes colossales suite à des transactions effectuées
pour des montants dépassant les limites. Au Royaume-Uni, la Banque Barings a fait faillite en
1996 pour cause d’opérations non autorisées.
Afin de renforcer la solidité du système financier, un comité de régulation rassemblant
plusieurs pays a été mis en place, connu sous le nom de comité de Bâle. Ce comité a été à
l’origine de l’accord de Bâle I en 1988 qui a défini un ratio international de solvabilité appelé
Cooke. L’objectif initial était d’assurer une couverture minimale en fonds propres relative aux
risques pris, notamment le risque de crédit, et faire en sorte que les modalités de cette
couverture soient harmonisées entre les banques des différents pays.
Depuis, la réglementation prudentielle a considérablement évolué sous l’impulsion des
travaux du comité de Bâle pour préserver la stabilité du système bancaire international. Cet
accord a été engagé en 1999, et a abouti à l’accord de Bâle II. Désormais, le risque opérationnel
est introduit dans le calcul du nouveau ratio de solvabilité Mc Donough.
La prise de conscience du danger du risque opérationnel incite les établissements de crédit
à investir davantage dans la gestion dudit risque.
L'accord de Bâle II classe les risques opérationnels en sept catégories différentes. La mesure
des effets de ces sept types de risque sera très utilisée par les banques afin d’identifier et
d’évaluer les impacts de chaque type et ensuite d’anticiper les stratégies pertinentes.
Plusieurs études ont été effectuées en vue d’étudier la quantification du risque opérationnel
et de nombreuses recherches ont été menées afin d’étudier l'impact du risque sur la rentabilité.
Ces études ont confirmé une corrélation négative entre le risque et la rentabilité et rarement
des études portant sur le risque opérationnel.
Compte tenu des retombées néfastes des pertes du risque opérationnel sur la rentabilité de
l’activité bancaire, ce présent travail permettra d’estimer le modèle adéquat afin de mesurer les
effets des pertes dues au risque opérationnel sur la rentabilité de l’activité des principales
banques marocaines.
Il s’agira spécifiquement de dresser un modèle pertinent afin de mesurer les répercussions
des sept catégories de risques définies par le comité de Bâle sur la rentabilité des banques
marocaines notamment le produit net bancaire, en proposant comme principale question de
recherche :
Quel est le modèle adéquat pour mesurer l’impact des pertes des risques opérationnels sur
la rentabilité bancaire ?
Pour répondre à cette problématique, nous allons nous intéresser, dans un premier temps, à
présenter la revue de littérature qui a constitué notre soubassement théorique, en nous référant
à un ensemble d’études en la matière. Ensuite, nous allons présenter la méthodologie adoptée
dans cette recherche, et allons enfin consacrer la dernière partie à l’exposition des étapes
nécessaires afin de choisir le modèle pertinent avec des analyses de données et une présentation
des résultats de chaque partie.
303
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
2. Revue de littérature et développement des hypothèses :

Les autorités monétaires accordent une attention particulière à l'évaluation du lien entre les
pertes des risques opérationnels et la rentabilité des banques. Cependant avant d’expliquer cette
liaison il sera judicieux d’expliquer la notion du risque opérationnel et de la rentabilité.
En effet plusieurs définitions ont été proposées, le débat sur la notion a commencé avec le
comité de Bâle qui définit les risques opérationnels comme les pertes dues à une inadéquation
ou à une défaillance des procédures, des personnels, des systèmes internes ou à des événements
extérieurs. Cette explication inclut le risque juridique, mais ne prend pas en compte les risques
stratégiques et de réputation. C’est le résultat d’une étude de BBA, ISDA, RMA et PWC.
Dans le même contexte, King (2001) définit le risque opérationnel comme le risque qui ne
dépend pas de la façon de financer une entreprise, mais plutôt de la façon d'opérer son métier,
et aussi le risque opérationnel est le lien entre l'activité du travail d'une entreprise et la variation
de résultat du travail.
Aussi kuritzkes (2002) définit le risque opérationnel comme un risque non financier ayant
sources : le risque interne (ex : « rogue trader »), le risque externe c'est-à-dire tout événement
extérieur incontrôlable (ex : une attaque terroriste) et le risque stratégique (ex : un affrontement
dans une guerre de prix).
Vanini (2004) critique la définition de Bâle et de king (2001) Vanini (2002) et kuritzkers
définit le risque opérationnel comme le risque de déviation entre le profit associé à la
production d'un service et les attentes de la planification managériale. Le R.O. correspond à
l'écart enregistré, positif ou négatif, par rapport au profit attendu. La gestion du risque
opérationnel doit être basée sur trois facteurs : le gain, les coûts et le risque de production des
services.
Dans le secteur des assurances, le comité de Solvabilité selon la directive du parlement
européen et du conseil (2009) définit le risque opérationnel comme étant « le Risque de pertes
résultant de procédures internes inadaptées ou défaillantes, ou de membre du personnel et de
systèmes, ou d’événements extérieurs. »
Cette définition est identique pour les banques c’est la plus claire qu’on va la prendre en
considération dans la suite de notre travail.
Le comité de Bâle II adopte une classification assez précise des différents types de risque
opérationnel. Ces événements constituent la catégorisation centrale des causes de pertes
opérationnelles.
Ainsi que le terme « rentabilité » originaire du mot rente, participe passé du verbe rendre
selon Pinardon (1989), est lié à l’existence d’un capital capable de générer des revenus.
Dans la mesure où les banques doivent satisfaire divers partenaires (dirigeants, actionnaires,
employés et régulateurs) qui ont des points de vue différents sur leur performance, la rentabilité
prend plusieurs formes :
-la rentabilité économique : D’après Plimbon (2002) la rentabilité économique peut évaluer
si une opération entraînera des coûts, ou au contraire, s'il est possible de dégager un excédent.
La rentabilité économique est la rentabilité calculée avant de considérer le financement,
c'est-à-dire avant de considérer le coût de la dette financière. Comme résultat économique, nous
utilisons souvent l'excédent d'exploitation total (bénéfice économique brut) ou le bénéfice
d'exploitation (bénéfice économique net).
Une rentabilité économique est une rentabilité calculée sans prendre en compte le
financement, c'est-à-dire avant prise en compte du coût de l’endettement financier.
Comme résultat économique, on utilise généralement l’excédent brut d’exploitation
(rentabilité économique brute), ou le résultat d’exploitation (rentabilité économique nette).
Selon Burlaud , Eglem & Mykika (2004).
304
www.ijafame.org
-La rentabilité financière : La rentabilité financière est la capacité de l’entreprise à générer

un résultat à ses actionnaires montrée par Musso & Giaco (1998).
Une rentabilité financière est une rentabilité évaluée après l’intégration du financement,
c'est-à-dire après prise en compte du coût de la dette, c’est le rapport entre le résultat net et les
capitaux propres mis en œuvre pour l’obtenir.
-La rentabilité commerciale : est un indicateur de gestion de mesure des variations liées
peut-être à des conditions d’approvisionnement, de politique de produit, et de prix.
Melyon (2007) définit la rentabilité d'une banque comme la capacité à générer des profits
ou des résultats.
D’après Ngono (2003), La rentabilité d'une banque peut être définie comme sa capacité à
produire des résultats d'exploitation suffisants après déduction des coûts directs pour exercer
ses activités de manière durable.
Généralement, le suivi de la rentabilité se fait par la Direction Générale de l’établissement,
ainsi, l'analyse de rentabilité est réalisée à travers différentes méthodes, ces méthodes sont : la
rentabilité par centre de profit, la rentabilité par produit, la rentabilité par client, par activité,
par segment de la clientèle, et par réseau de distribution.
La rentabilité par centre de profit permet de décomposer les résultats des banques par centre
de profit, évaluant ainsi la performance. Plusieurs indicateurs sont utilisés, parmi ces mesures,
les ratios comme le ROA et le ROE, les soldes intermédiaires de gestion: le Résultat Brut
d’Exploitation (RBE), Le résultat net (RN) et le PNB.
D’après Mercier, Claudel & Chambon Le Produit Net Bancaire est très important pour
mesurer la rentabilité bancaire, car il permet de connaitre la richesse de la banque grâce à sa
propre activité , et selon Mathieu (1995, P.66), est en quelque sorte la valeur ajoutée dégagée
par la banque, ainsi selon Coussergues, (2007, P.135) est le point de départ de tout diagnostic
de rentabilité puisqu’il indique la marge dégagée par la banque sur l’ensemble de ses activités
avec ses trois composantes : les intérêts, les commissions et les plus ou moins-values et son
principe de calcul consiste à soustraire du « chiffres d’affaires » composé principalement des
intérêts reçus des clients et des commissions perçues.
Plusieurs études ont été effectuées dans les années 80 en vue d’étudier l’impact du risque
sur la rentabilité. Ces études ont établi des relations négatives entre le risque en général et la
rentabilité.
Les études d’Armour & Teece (1978) sur 28 entreprises du secteur pétrolier en Amérique
montrent une relation négative entre le risque et la rentabilité.
Selon des recherches menées par Bowman (1980, 1982, 1984) sur 85 industries, chaque
industrie compte quatre variables. La première variable mesure la rentabilité et la seconde
mesure le risque. Il en résulte que dans la plupart des industries (56 des 85 industries étudiées),
les entités qui ont le niveau de profit le plus bas sont aussi celles qui ont le plus haut risque.
Après avoir regroupé toutes les entreprises, Bowman a découvert qu’il existe également une
corrélation négative, mais non significative entre le risque et le rendement.
Bowman (1982) a ajouté plusieurs explications pour comprendre ce qu’il a nommé
"Paradoxe risque-récompense". Il a supposé que les bons managers sont ceux qui mettent
l'entreprise dans une position de maximisation du profit et minimisation des risques.
Treacy (1980) a fait des recherches sur les 1458 entreprises dans 54 secteurs américains et
a trouvé une association significativement négative à l'intérieur des secteurs et entre les
secteurs.
Les analyses de Fiegenbaum & Thomas (1986) sur 2394 entreprises américaines ont déduit
qu’il y a une relation significativement négative dans les années 70.
En ce qui concerne le risque opérationnel, notre analyse portant sur les banques
internationales les plus reconnues qui ont accumulé de lourdes pertes à cause de ce risque ainsi
que le développement des techniques de quantification de la méthode la plus simple à la
305
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
méthode LDA et puis la méthode standard montre l’existence d’une relation négative entre le
risque et la rentabilité.
L’analyse théorique nous a conduits à conclure que les banques subiront des pertes
considérables à cause aux risques opérationnels. Ces pertes affecteront la rentabilité. À travers
une revue de la littérature, notre objectif est de démontrer l'impact des pertes du risque
opérationnel sur la rentabilité des principales banques en partant des hypothèses suivantes :
▪ H1 : Les charges du risque opérationnel ont un impact négatif sur la rentabilité bancaire.
▪ H2 : La « Fraude interne » influence significativement la rentabilité des banques.
▪ H3 : La « Fraude externe » influence significativement la rentabilité des banques.
▪ H4 : La « Pratique en matière d'emploi et sécurité sur le lieu de travail » influence
significativement la rentabilité des banques.
▪ H5 : Les « Clients produits et pratiques commerciales » influencent significativement
la rentabilité des banques.
▪ H6 : Les « Dommages aux actifs corporels » influencent significativement la rentabilité
des banques.
▪ H7 : Les « Dysfonctionnements de l'activité et des systèmes » influencent
▪ H8 : Les « Exécutions, livraisons et gestions des processus » influencent
3. Méthodologie de recherche
Ce travail contribue à enrichir la littérature. En effet les études qui se sont intéressées à
l’étude des problématiques liées au risque plus précisément l’impact des pertes du risque
opérationnel sur la rentabilité restent limitées en termes de nombres et de sujets cependant il
est très utile pour l’établissement de crédit d’évaluer les répercussions des sept types de ce
risque et de mettre les stratégies adéquates.
L’étude adopte une position épistémologique positiviste et suit un raisonnement
hypothético-déductif, ce qui signifie que le processus de recherche commence par les travaux
théoriques, et puis la génération des hypothèses de recherche. Les points de vue positivistes et
les raisonnements scientifiques déductifs conduisent généralement à des stratégies de recherche
quantitatives ; c'est le cas de cette recherche.
Cette approche positive permettra de trouver le modèle pertinent afin de mesurer l’impact
des pertes des risques opérationnels sur la rentabilité de l’activité des banques Marocaines
3.1. Echantillon
Notre échantillon se compose de 3 banques commerciales marocaines cotées en bourse. Les
données obtenues de plusieurs sources des états de synthèses publiées de 2006 à 2019 de
chaque banque sur le site de la bourse de Casablanca et aussi des informations obtenues de la
banque centrale du Maroc (Bank Al Maghrib) et certaines banques commerciales. Il s'agit des
3 banques les plus importantes et les plus connues selon leurs chiffres d’affaires. X Donc notre
étude sera basée sur 48 observations.
3.2. Définition des variables
X Nous nous intéressons, ici, à présenter les variables utilisées afin de tester les hypothèses
développées à la lumière de la revue de littérature.
▪ Variable à expliquer :
-PNB : le produit net bancaire mesure approximativement la valeur ajoutée créée par
l'activité de la banque. Il s’agit de la différence entre les produits issus de l'activité bancaire et
les charges engendrées par cette même activité. Son examen nous permet de vérifier à quel
306
www.ijafame.org
niveau les charges dues aux risques opérationnels impactent la richesse engendrée par l'activité
bancaire.
▪ Variables explicatives :
-Fraude interne : pertes dues à des actes visant à frauder, détourner des biens ou à tourner
des règlements, la législation ou la politique de l'entreprise impliquant au moins une partie
interne à l'entreprise.
-Fraude externe : pertes dues à des actes visant à frauder, détourner des biens ou à tourner
des règlements, la législation de la part d'un tiers.
-Pratique en matière d'emploi et sécurité sur le lieu de travail : pertes résultant d'actes non
conformes à la législation ou aux conventions relatives à l'emploi, la santé ou la sécurité, de
demandes d'indemnisation ou d'atteinte à l'égalité ou actes de discrimination.
-Clients produits et pratiques commerciales : pertes résultant d'un manquement non -
intentionnel ou dû à la négligence, à une obligation professionnelle envers des clients
spécifiques, ou de la nature ou conception d'un produit.
-Dommages aux actifs corporels : destruction ou dommages résultant d'une catastrophe
naturelle ou d'autre sinistre.
-Dysfonctionnements de l'activité et des systèmes : pertes résultant de dysfonctionnement
de l'activité ou des systèmes (informatique et télé- communication).
-Exécution, livraison et gestion des processus : pertes résultant d'un problème dans le
traitement d'une transaction ou dans la gestion des processus ou de relation avec les
contreparties commerciales et fournisseuses.
Considérons à présent une base de données de panel macro relatif au produit net bancaire
(PNBi,t) et les 7 types du risque opérationnel (ROi,t), de la banque i observée à la date t, les
données annuelles couvrent trois banques marocaines et sont disponibles de 2006 à 2019, Soit
PNBi,t est le produit net bancaire, nous cherchons à relier la rentabilité bancaire, telle que
mesurée par la variable proxy PNB, aux différents types du risque opérationnel, selon la
relation linéaire suivante :
𝟕
𝐏𝐍𝐁𝐢,𝐭 = 𝛂𝐢 + 𝛃𝐢 ∑ 𝐑𝐎𝐤,𝐢,𝐭 + 𝛆𝐢,𝐭 ∀𝐢 = 𝟏, … , 𝟑 𝐛 𝐞𝐭 𝐤 = 𝟏, 𝟐, … , 𝟕 𝐫𝐢𝐬𝐪𝐮𝐞

𝐤=𝟏
Il convient de noter tout d’abord que le panel en question est cylindré (équilibré), comportant
le même nombre de points dans la dimension temporelle pour toute la banque (T= 16 et N=3,
soit 48 observations), et que nous avons utilisé l'indice KMO afin d’évaluer la qualité de
représentation initiale de la méthode ACP à travers l'examen des valeurs propres et le
pourcentage de variance expliqué. Donc on a commencé par cet indice pour le but de vérifier
si les corrélations partielles entre les variables retenues dans l'étude sont faibles afin de montrer
que ladite méthode est relativement adéquate avec l'échantillon sélectionné. Donc l'indice de
KMO reste un critère utilisable pour mesurer la qualité d'ajustement de la méthode adoptée, et
ensuite nous avons fait une analyse multidimensionnelle à travers l’utilisation l’ACP, la
stationnarité ADF Augmented Dickey Fuller basée sur l’approche de Fisher, et finalement la
causalité HD Dumitrescu-Hurlin pour trouver le modèle pertinent.
4. Résultats et discussions
4.1. Statistiques descriptives
Avant de présenter les résultats du modèle estimé, nous revenons sur une rapide analyse
descriptive de nos données statistiques. Le tableau suivant présente les statistiques descriptives
relatives aux séries utilisées dans notre étude empirique.
Le tableau descriptif révèle que 5 630 571 KDH représentent la valeur moyenne associée au
PNB global, reflétant la performance moyenne des trois banques retenues dans l’étude
307
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
enregistrée au cours de la période 2004-2019. Leur écart-type, relativement élevé, permet de

remarquer que la performance globale des banques est plus volatile.
Cette analyse nous permet également d’avoir une vue d’ensemble sur la distribution des
différentes variables que nous mobilisons dans notre analyse à travers le test de Jarque-Bera. Il
s’agit d’un test statistique sur la forme de distribution de l’ensemble des observations. Quant à
la variable liée à la rentabilité qui nous informe de la performance bancaire (PNB), nous
pouvons conclure que cette variable a une distribution normale dans un niveau de 5%.
S’agissant des variables relatives au risque opérationnel, selon les résultats du test de Jarque-
Bera, on observe que toutes les variables, hormis la variable FI (fraude interne ont un processus
gaussien, suivant une distribution normale avec des écarts-types faibles dans un niveau de
confiance de 95%.
Tableau 1 : Statistiques descriptives des variables de relation bancaire continues
PNB PES_TR FI FE ELGP DAC DAS CP_PC

Mean 5630571. 1580271. 620385.0 1305251. 10029406 213145.6 318846.0 991212.5
Median 5249362. 1623217. 621753.0 1294604. 9000000. 212534.0 302268.0 942940.0
Maximum 14235602 2448200. 2010056. 2271269. 17000000 252857.0 695682.0 1554723.
Minimum 778481.0 742769.0 9776.000 554790.0 5600000. 190359.0 61106.00 280209.0
Std. Dev. 3328149. 481824.9 411552.0 507918.5 3234325. 16170.39 175301.8 341552.0
Skewness 0.763178 -0.117034 0.991328 0.179964 0.780804 0.779657 0.512818 -0.068138
Kurtosis 3.018127 1.914921 4.469837 1.727266 2.475377 2.900699 2.297830 2.289733
Test de normalité individuelle
Jarque-Bera 4.660182 2.464368 12.18269 3.498797 5.427693 4.882645 3.089941 1.046100
Probability 0.097287 0.291655 0.002262 0.173878 0.066281 0.087046 0.213318 0.592710
Source : Données issues du BAM, de la bourse de Casablanca, et autres banques calcul de l’auteur
4.2. Analyse des associations :
-Analyse des associations entre les variables d’intérêt du risque opérationnel et la variable
dépendante (PNB) :
Le but de cet axe est d’étudier la force du lien entre les variables indépendantes relatives au
risque opérationnel avec la variable dépendante liée à la performance bancaire. Il s’agit de
vérifier l'existence d'une corrélation significative entre les variables indépendantes et la
variable endogène et, si elle existe, d'en mesurer l'intensité. Mieux encore, on essaie de savoir
si l'un des variables influence significativement l'autre.
En effet, l’examen du degré de corrélation fait appel à une méthode souvent utilisée dans le
traitement de ces types de relations, appelée la méthode de l’ACP (Analyse en Composantes
Principales).
Le logiciel SPSS peut fournir une matrice de corrélation, afin d’étudier l’hypothèse nulle
d’absence de corrélation entre les deux variables les résultats se présentent comme suit dans le
tableau suivant.
Rappelons que l’examen multidimensionnel de la corrélation des variables explicatives avec
le produit net bancaire donne des résultats qui peuvent sembler comme une simple description
et une étape vers un approfondissement via l’utilisation des modèles économétriques.
Cependant, l'examen de la carte factorielle ci-devant de la répartition des variables peut
permettre d'identifier celles qui ont un rôle dominant dans la formation d'un axe factoriel. En
308
www.ijafame.org
effet, on voit que l’ensemble des variables retenues jouent un rôle prépondérant dans la
formation du premier axe.
On remarque également que la représentation des variables dans l'espace des 3 facteurs
permet de confirmer visuellement qu’il y a une corrélation significative entre le PNB avec les
variables indépendantes.
Compte tenu des outputs de la matrice de corrélation, ces résultats confirment
essentiellement l’existence d’un lien de corrélation entre le PNB et les variables indépendantes
sélectionnées, même si le degré de corrélation est différent d’une variable à l’autre.
Tableau 2 : Indice KMO et test de Bartlett
Indice KMO et test de Bartlett
Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,549
Test de sphéricité de Bartlett Khi-deux approximé 26,652
Ddl 28
Signification de Bartlett ,537
Source : SPSS, calcul de l’auteur
De la lecture du tableau précédant, nous observons que le test KMO montre que la méthode
de l’ACP est appropriée pour examiner les degrés de corrélation. Il est clair que sa valeur
statistique (0,549) est supérieure à 0,5 (valeur de comparaison). Ce constat est également
témoigné par le test de sphéricité de Bartlett (0.537) sur lequel on peut affirmer que la matrice
de corrélation possède les propriétés nécessaires pour effectuer l’ACP sur les données retenues.
Tableau 3 : Qualités de représentation
Qualité de représentation
Initial Extraction
FI 1,000 ,596
FE 1,000 ,301
PES_TR 1,000 ,412
CP_PC 1,000 ,719
DAC 1,000 ,561
DAS 1,000 ,386
ELGP 1,000 ,705
PNB 1,000 ,644
Méthode d'extraction : Analyse en composantes principales.
Il ressort nettement du tableau ci-dessus que les variables retenues sont parfaitement
projetées sur la carte factorielle, car elles sont caractérisées par une valeur d’extraction élevée
(supérieure à la valeur de référence qui est 0,3). Ce qui sous-entend d’un point de vue statistique
que la qualité de représentation des variables sur l’espace factoriel retenu est globalement
parfaite.
Tableau 4 : Variance totale expliquée
309
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
Variance totale expliquée

Composante Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
Total % de la variance % cumulés Total % de la variance % cumulés
1 1,777 22,207 22,207 1,777 22,207 22,207
2 1,402 17,521 39,728 1,402 17,521 39,728
3 1,146 14,325 54,053 1,146 14,325 54,053
4 ,992 12,395 66,447
5 ,814 10,171 76,619
6 ,731 9,132 85,751
7 ,622 7,777 93,527
8 ,518 6,473 100,000
Méthode d'extraction : Analyse en composantes principales.
Statistiquement parlant, les trois premiers axes, correspondant aux trois premières valeurs
propres, conservent à eux seuls une part importante de l’inertie totale à peu près de 54%,
montrant qu’il existe un arrangement important des données qui vont se manifester sur ces trois
premiers axes. En effet, ces axes présentent un éventuel intérêt dont à peu près de 22% de
l’information totale représenté par la première composante, 18% de l’inertie totale capturée par
la deuxième composante et 14% de l’information saisie par le troisième axe. A priori, on peut
donc choisir de retenir 3 composantes principales.
S’agissant du degré de corrélation entre la variable dépendante « PNB » et les variables
indépendantes, les résultats de l’utilisation du coefficient de Pearson suite à l’application de la
méthode de l’ACP montrent que le PNB a une corrélation positive et moyenne avec la variable
des Dommages aux actifs corporels DAC, s’établissant 31%. Par contre, il existe un lien
négatif relativement moyen entre le PNB avec la variable des clients produits et pratiques
commerciales (CP_PC) (-27%). En outre, la variable PNB a des corrélations très faibles avec
les autres variables indépendantes relatives au risque opérationnel.
Par conséquent, il est clair que cet examen quantitatif montre que le PNB affiche une faible
force de corrélation avec les sept types de variables mesurant le risque opérationnel, confirmant
l’absence de problème de multi-colinéarité entre les variables retenues.
Tableau 5 : Matrice de corrélation
Test d’ADF basé sur l’approche de Fisher : l’hypothèse nulle révèle l’existence d’une racine
unitaire
Première différence
Au niveau (modèle avec trend et avec cons)
Method Statistic Prob. Method Statistic Prob.
ADF - Fisher Chi-square 3.67068 0.7211 ADF - Fisher Chi-square 16.6250 0.0108
ADF - Choi Z-stat 0.40545 0.6574 ADF - Choi Z-stat -2.40098 0.0082
-Analyse des associations entre les sections transversales (entre les trois banques retenues) :
L'analyse des relations contemporaines permet de vérifier s'il existe une relation significative
entre les banques incluses dans l'étude.
En fait, les résultats présentés dans le tableau ci-dessous confirment qu'il existe une
corrélation positive et négative entre les valeurs de PNB des coups transversales. Cependant,
l'évolution du PNB d'AW Bank a une relation de régression positive et négative avec le PNB
310
www.ijafame.org
de POP et de BM Bank respectivement. Pour BM Bank, l'évolution de son PNB a une faible
corrélation avec le PNB de la banque POP.
Tableau 6 : Analyse des corrélations entre les banques
Panel Covariance Analysis: Ordinary
Sample: 2004 2019
Included observations: 48
Analysis of contemporaneous (between cross-sections) relationships
Number of cross-sections employed: 3
Balanced sample (listwise missing value deletion)
BANQUE A BANQUE P BANQUE B
BANQUE A 1.000000
BANQUE P -0.569520 1.000000
BANQUE B 0.546645 -0.065626 1.000000
Source : sortie Eviews 12, calcul de l’auteur
4.2 Analyse des caractéristiques stochastiques des variables : Stationnarité des

variables
L'une des principales hypothèses à vérifier avant de recourir à l'utilisation de modèles
dynamiques faisant partie de l'approche du vecteur autorégressif (VAR) est celle relative à la
stationnarité des caractéristiques stochastiques des données sélectionnées. Dans ce contexte,
nous appliquerons un test de stationnarité standard sur les séries sélectionnées sur la période
1980-2019 (c'est-à-dire sur un échantillon de plus de 40 observations). En effet, la procédure
ainsi retenue sera le test classique de Dickey et Fuller dans sa version augmentée (1979) [ADF].
Nous précisons simplement que cette spécification est basée sur trois modèles, à savoir: i) un
modèle à tendance déterministe et constante [modèle 1], un modèle à une seule constante
[modèle 2], et un modèle sans constante et sans tendance [modèle 3].
Il s’agit de tester si les séries, prises individuellement, présentent au moins une racine
unitaire. Autrement dit, si elles ne sont pas stationnaires lorsqu’elles sont considérées en
niveau.
En effet, l'application du test de stationnarité ADF sur toutes les séries considérées conduit
aux résultats regroupés dans les tableaux suivants.
• Pour PNB
Tableau 6 : PNB
PNB Conclusion
FI -4% Corrélation négative et très faible
FE 8% Corrélation positive et très faible
PES_TR 13% Corrélation positive et faible
CP_PC -27% Corrélation négative et relativement moyenne
DAC 31% Corrélation positive et relativement moyenne
DAS 10% Corrélation positive et faible
ELGP -7% Corrélation négative et très faible
Source : Sortie Eviews 9, calcul de l’auteur
D’après ce tableau, on constate que les résultats obtenus confirment que l’hypothèse de non-
stationnarité ne peut être rejetée au seuil de 5% pour la variable PNB testée en niveau. Et
comme il apparaît d’après ce tableau, le PNB contient une racine unitaire, donc cette situation
nous pousse à continuer l’analyse et tester l’existence de deux racines unitaires. Pour cela, on
a utilisé la technique d’opérateur de retard afin de ramener ladite variable en état stable. Les
résultats du test montrent que la variable PNB est stationnaire en première différence dans un
niveau de confiance de 95%.
• Pour la fraude interne FI :
311
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
Les résultats obtenus de l’examen de l’existence d’une racine unitaire dans la variable de la
fraude interne(FI) sont reportés dans le tableau ci-dessous.
Tableau 7 : la fraude interne FI
Test d’ADF basé sur l’approche de Fisher : l’hypothèse nulle révèle l’existence d’une racine unitaire
Au niveau (modèle avec trend et avec cons) Conclusion
L’hypothèse de l’existence d’une racine unitaire
est rejetée dans un niveau de confiance de 95%
Method Statistic Prob.**
ADF - Fisher Chi-square 13.4502 0.0364
ADF - Choi Z-stat -2.05274 0.0200

Il est clair que le tableau ci-après révèle que la variable fraude interne FI ne contient pas une
racine unitaire et, donc elle est stationnaire en niveau. Par conséquent, on dit que la FI est
intégrée avec un ordre d’intégration 0, c’est-à-dire FI suit I(0).
• Pour la fraude externe FE :
Les résultats du test ADF sont donnés dans le tableau ci-dessus. Tous les résultats finaux
convergent vers la même conclusion et démontrent que la variable fraude externe FE est
stationnaire en première différence dans niveau de confiance de 95%.
Tableau 8 : la fraude externe FE
Test d’ADF basé sur l’approche de Fisher : l’hypothèse nulle révèle l’existence d’une
racine unitaire
Au niveau (modèle avec trend et avec cons) Première différence
ADF - Choi Z-stat 0.66025 0.7455 ADF - Choi Z-stat -1.98939 0.0233
Source : sortie Eviews 9, calcul de l’auteur

• Pour la variable pratique en matière d'emploi et sécurité sur le lieu de travail
(PES_TR)
En effet, l'application du test de stationnarité ADF sur la variable PES_TR conduit aux
résultats regroupés dans le tableau suivant.
Tableau 9 : Pratique en matière d'emploi et sécurité sur le lieu de travail (PES_TR)
Conclusion
Method Statistic Prob.
ADF - Choi Z-stat -3.07852 0.0010
312
www.ijafame.org
Le tableau révèle que l’hypothèse nulle relative à l’existence d’une racine unitaire est rejette
du fait que la p-value du test ADF est inférieure strictement au risque de confiance de 1%. Par
conséquent, on constate que la variable PES-TR est stationnaire au niveau I(0).
• Pour la variable « Clients produits et pratiques commerciales » (CP_PC)
À partir du tableau ci-après, on voit que les résultats obtenus confirment que l'hypothèse de
non-stationnarité ne peut être rejetée sous le seuil de 5%, et donc la variable CP_PC a une
racine unitaire. Par conséquent, cet état nous ose à continuer l’analyser. À cette fin, nous
utilisons la technique de l'opérateur de retard pour restaurer ladite variable à un état stable. Les
résultats du test montrent que la variable CP_PC est stationnaire en différence première au
niveau de confiance de 99 %.
Tableau 10 : « Clients produits et pratiques commerciales » (CP_PC)

ADF - Choi Z-stat -1.41392 0.0787 ADF - Choi Z-stat -3.6565 0.0001

• Pour la variable « Dommages aux actifs corporels » (DAC)
Le tableau suivant rapporte les résultats obtenus en vérifiant s'il existe une racine unitaire
dans la variable relative aux Dommages aux actifs corporels » (DAC).
L’examen des résultats ci-dessous prouvent que la variable DAC est stationnaire en
première différence au niveau de confiance est de 95 %
Tableau 11 : « Dommages aux actifs corporels » (DAC)
Test d’ADF basé sur l’approche de Fisher : l’hypothèse nulle révèle l’existence d’une
racine unitaire
Method Statistic Prob. Method Statistic Prob.**
Source : Sortie Eviews 9, calcul de l’auteu
• Pour la variable « Dysfonctionnements de l'activité et des systèmes » (DAS) :
313
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
Tableau 12 : « Dysfonctionnements de l'activité et des systèmes » (DAS)

Method Statistic Prob. Method Statistic Prob.**


Les résultats du test ADF sont donnés dans le tableau ci-dessus. Tous les résultats finaux
tendent à confirmer l'existence d’une racine unitaire, la variable DAS est donc non-stationnaire
au niveau. En effet, la transformation de ladite variable par la technique de différenciation la
rend en régime stationnaire avec un niveau de confiance de 99%.
• Pour la variable « Exécution, livraison et gestion des processus » (ELGP) :
D’un point de vue statistique, l’application du test ADF sur la dernière variable ELGP
montre certainement l’absence d’une racine unitaire et donc, l’hypothèse de la stationnarité de
ladite variable est adoptée.
Tableau 13 : « Exécution, livraison et gestion des processus » (ELGP)
Conclusion
Method Statistic Prob.
ADF - Choi Z-stat -2.69803 0.0035

En guis conclusion, les résultats du test ADF présentés ci-dessus sont mitigés. En effet, tous
les résultats finaux convergent vers la même conclusion et démontrent que toutes les variables
retenues sont stationnaires avec un ordre d’intégration différent. Plus précisément, il ressort
des résultats obtenus du test de stationnarité des différentes séries du panel, que ces dernières
ont un ordre d’intégration différent, variant entre I(0) et I(1).
Tableau 14 : les ordres d’intégration selon les résultats du test ADF
Variables Stat. ƞµ Conclusion
PNB I(1) Stationnaire
FI I(0) Stationnaire
FE I(1) Stationnaire
PES_TR I(0) Stationnaire
CP_PC I(1) Stationnaire
DAC I(1) Stationnaire
DAS I(1) Stationnaire
ELGP I(0) Stationnaire
Source : auteur
314
www.ijafame.org
étant donné que notre variable endogène, PNB, soit stationnaire en première différence I(1),
étant donné que les ordres d’intégration sont mitigés variant entre 0 et 1, le modèle approprié
pour modéliser le comportement du produit net bancaire est ARDL (Autorégressif à retard
échelonné ; Pesaran 2001) qui fait partie de la famille des modèles VAR standard
(Autorégressif standard).
4.3 L’analyse de causalité entre la performance bancaire et le risque opérationnel :

Tests de causalité du panel Granger de Dumitrescu-Hurlin
Dans cette partie, un test de causalité de Granger ; plutôt, sur une version de panel populaire
du test proposé dans Dumitrescu et Hurlin (2012) a été appliquée. D’un point de vue
méthodique, on présente l’utilité de l’application de ce test, suivons la discussion sur la version
panel du test, et terminons avec nos résultats d'une grande simulation de Monte Carlo. En
particulier, notre objectif est d'étudier l'impact sur la performance bancaire lorsque l'ordre de
décalage de régression est mal spécifié par rapport à l'ordre de décalage caractérisant le
véritable processus de génération de données (DGP).
En effet, notre but est d’analyser les relations entre la performance bancaire et les risques
opérationnels, afin de tirer des enseignements et déduire des implications sur les liens de
causalité entre ces variables. En conséquence, afin de tirer les enseignements qui s’imposent
dans les banques marocaines, l’analyse du test de causalité de Granger par une estimation
économétrique dont les résultats figurent dans le tableau ci-dessous.
Pour rappeler, l'idée derrière l’analyse de la causalité de Granger est de vérifier
empiriquement si des informations antérieures dans la variable Xt contribuent de manière
unique à l'information future dans la variable yt. En d'autres termes, la causalité permet de
mesurer si les informations de la variable Xt a un pouvoir prédictif significatif dans
l’explication de la variable Yt .
D’après ce tableau, plusieurs hypothèses ont été testées simultanément, à savoir la causalité
entre les variables relatives aux risques opérationnels et la variable liée à la performance
bancaire prise deux à deux. On a ainsi testé l’hypothèse de connaître si le risque opérationnel
ne cause pas la performance bancaire.
Dans le contexte de notre cas, l’application du test de Granger est pour vérifier si les
montants des risques opérationnels décaissés dans le présent ont un effet significatif sur la
performance bancaire à long terme, ou si son impact reste immédiat ?
Compte tenu la diversité de l’ordre d’intégration entre les variables retenues, il est
recommandé d’utilisé un test qui répond à cette particularité. À cet égard, un test de causalité
Panel Granger appelant Dumitrescu-Hurlin DH qui est considéré comme une extension
naturelle de la régression de causalité de Granger.
À ce stade, l’hypothèse de base de test DH est formulée comme suit :
H0 : RO ne cause pas PNB contre H1 (hypothèse alternative) : RO cause PNB
Nous constatons qu’au seuil de 5 %, le test de Granger laisse présager l’absence d’un lien
de causalité à long terme entre le risque opérationnel et la performance du système bancaire,
soutenant la thèse qui voudrait que les montants engagés par les banques pour faire contre les
effets du risque opérationnel ne déterminent pas la performance bancaire à long terme. Par
ailleurs, toujours au seuil de 5 %, les risques opérationnels ont une influence sur la rentabilité
des banques marocaines à court terme. Ce constat découle du précédent, à savoir que la
réduction de la pauvreté qui dépend ici de la croissance économique engendrerait par la même
occasion du développement touristique.
Autrement dit, ils révèlent que les risques opérationnels ne causent pas la performance
bancaire à long terme ni dans un sens unidirectionnel ou directionnel. Nous pouvons dire que
315
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
les montants de pertes causées par les risques opérationnels à court terme ne pourraient pas
affecter négativement la performance du secteur bancaire à long terme.
Le résultat du test de causalité, qui montre l’absence d’effet à long terme, nous fait oser
limiter l'analyse de la relation entre performance bancaire et risque opérationnel sur l’horizon
à court terme.
Tableau 15 : Résultats du test de causalité au sens de Granger
Pairwise Dumitrescu Hurlin Panel Causality Tests
Lags: 2
NullHypothesis: W-Stat. Zbar-Stat. Prob.
PES_TR does not homogeneously cause PNB 2.52688 -0.02236 0.9822
PNB does not homogeneously cause PES_TR 3.47236 0.45232 0.6510
FI does not homogeneously cause PNB 3.43168 0.43189 0.6658
PNB does not homogeneously cause FI 3.62396 0.52843 0.5972
FE does not homogeneously cause PNB 1.43547 -0.57031 0.5685
PNB does not homogeneously cause FE 1.71620 -0.42937 0.6677
ELGP does not homogeneously cause PNB 1.96618 -0.30387 0.7612
PNB does not homogeneously cause ELGP 3.17150 0.30127 0.7632
DAS does not homogeneously cause PNB 0.86225 -0.85810 0.3908
PNB does not homogeneously cause DAS 2.65182 0.04036 0.9678
DAC does not homogeneously cause PNB 0.90906 -0.83460 0.4039
PNB does not homogeneously cause DAC 4.34309 0.88947 0.3738
CP_PC does not homogeneously cause PNB 1.84892 -0.36274 0.7168
PNB does not homogeneously cause CP_PC 2.47373 -0.04905 0.9609
Source ; Eviews, calcul de l’auteur
Nous avons utilisé des données de panel, les résultats obtenus montrent initialement qu’il y
a une relation à court terme. Djekna,V. Timba Gaelle, T. & Nzihi Nziki, Z.(2018) dans leur
article intitulé « L’influence Du Risque Opérationnel Sur Le Rendement Des Actifs Financiers
Des Banques Au Cameroun : Analyse Des Crédits Improductifs Et Frais De Gestion » confirme
l’existence d’une relation négative entre le risque opérationnel et le rendement. Ainsi que les
auteurs cités dans la revue de littérature ont prouvé l’impact négatif du risque en général sur la
rentabilité.
À titre de synthèse, selon la nature des données et les résultats obtenus comme la variable à
expliquer est une variable stationnaire en première différence, plus que le panier des variables
retenues dans l’étude ont un ordre d’intégration diffèrent entre 0 et 1 donc la meilleure approche
purement économétrique adéquate avec cet échantillon c’est le modèle autorégressif à retards
échelonnés ou distribués (ARDL) Pesaran (2001).
5. Conclusion :
Il est clair que suite à plusieurs faillites dans le secteur financier la bonne gestion du risque
opérationnel est primordiale pour les banques.
Au Maroc, le risque opérationnel est entré en vigueur en 2006 par une circulaire publiée par
BAM relative aux exigences en fonds propres portant sur les risques de crédit, marché et
opérationnel. Au titre des risques opérationnels, cette circulaire trace les modalités de calcul
des exigences en fonds propres conformément aux deux approches suivantes : Approche
indicatrice de base et Approche standard (standard et standard alternatif) dont l’application est
conditionnée à l’autorisation préalable de BAM. Cependant, on dénote un certain retard en
termes de quantification et de mesure des effets des pertes engendrées par ce risque néfaste.
Plusieurs études ont évoqué l’impact du risque en général sur la rentabilité, mais rares sont
celles qui se sont intéressées aux retombées du risque opérationnel en particulier.
Pour répondre à la problématique de la recherche, d’abord nous avons fait une présentation
de l’échantillon et des variables et les hypothèses, nous avons analysé les paramètres
316
www.ijafame.org
descriptifs et les paramètres de dispersion pour avoir une vision globale sur les caractéristiques
principales ou bien les caractéristiques stochastiques, et puis une analyse multidimensionnel à
travers l’utilisation de l’ACP, on a fait un traitement préalable est l’examen de la stationnarité
on a vérifié la stationnarité à travers l’utilisation du test ADF Augmented Dickey Fuller basé
sur l’approche de Fisher, et l’examen de la causalité à travers le test HD Dumitrescu-Hurlin.
Les résultats ainsi obtenus nous a permis de constater que la variable à expliquer PNB est
stationnaire en première différence, de plus, l’ordre d’intégration des variables retenues varie
entre 0 et 1. Aussi, l’absence d’une relation de causalité entre les variables explicatives et la
variable à expliquer. À travers la combinaison de ces trois observations, nous avons trouvé le
modèle adéquat pour mesurer les effets des charges des sept types du risque opérationnel des
principales banques marocaines cotées en bourse sur la rentabilité. Ce modèle sera très utile
pour les établissements de crédit au Maroc. Les cas que nous avons traités sont limités à cause
de la sensibilité et la diversité des données. Enfin, nous avons conclu que le modèle pertinent
pour évaluer l’impact des pertes du risque opérationnel sur la rentabilité c’est l’ARDL. Donc,
la question qui se pose concerne les étapes à suivre afin de mesurer l’impact du PNB sur les
charges des sept types du risque opérationnel.
Références :
(1) Bowman, E. (1980). A risk/return paradox for strategic management. Sloan
Management Review, Spring, 17-31.
(2) Bowman, E. (1982). Risk seeking by troubled firms. Sloan Management Review,
Summer, 33-42.
(3) Bowman, E. (1984). A response from Edward H. Bowman. Sloan Management
Review, Spring, 50-51.
(4) Bowman, E. (1984). Content analysis of annual reports for corporate strategy and risk,
Interfaces, 14(1), 61-72.
(5) Burlaud, A. Eglem, J-Y. & Mykika, P. (2004). Dictionnaire de gestion : comptabilité,
finance, contrôle.Edition Foucher, Vanves, P.282.
(6) Chemlal, M. Benazzou, L. Mrabet, A & Gharib, B. (2020). L’impact de la gestion des
risques opérationnels sur la performance financière des banques marocaines cotées en
bourse Revue Internationale du Marketing et Management Stratégique, Volume 2,
N°2.
(7) Djekna,V. Timba Gaelle, T. & Nzihi Nziki, Z.(2018). L’influence Du Risque
Opérationnel Sur Le Rendement Des Actifs Financiers Des Banques Au Cameroun :
Analyse Des Crédits Improductifs Et Frais De Gestion. Global Journal of Management
and Business Research, Volume 18.
(8) Fiegenbaum, A. & Thomas, H. (1986). Dynamic and risk measurement perspectives
on Bowman's paradox for strategic management, Strategic Management Journal, 7,
395-407.
(9) Loukou Raïssa Princia K (2012). Analyse du système de mesure de rentabilité des
agences bancaires : cas de ECOBANK – BENIN, Mémoire de Master professionnel
en Audit et contrôle de Gestion, Institut Supérieur de Comptabilité, de Banque et de
Finance au Centre Africaine d’Etudes Supérieures en Gestion.
(10) Mercier, A., Claudel, T., & Chambon, F., Les leviers pour améliorer le produit net
bancaire. Projet groupe CFPB
(11) Musso, P. & Giaco, L. (1998). Réglementation des fonds propres et dynamique de la
firme bancaire revue française d’économie, volume 13, numéro 13-2, P.291.
317
www.ijafame.org
ISSN: 2658-8455
Volume 3, Issue 1-2 (2022), pp.300-317
(12) Pinardon, F. (1989). La rentabilité : une affaire de points de vue. Edition L’Harmattan,
Paris, P. 10.
(13) Plimbon, D. (2002). Rentabilité et risque dans le nouveau régime de la croissance.
Documentation française, Paris, P.83.
(14) Treacy, M. (1980). Profitability patterns and firm size, Working Paper, Sloan School
of Management, MIT.
318
www.ijafame.org

472-Article Text-1544-1-10-20220131 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

472-Article Text-1544-1-10-20220131 PDF

Transféré par

Droits d'auteur :

Formats disponibles

ISSN: 2658-8455

Volume 3, Issue 1-2 (2022), pp.300-317

Le choix d’un modèle pour mesurer l’impact des pertes des

The choice of a model to measure the impact of losses from

Btissam TAHRAOUI, (Doctorante)

Mustapha ACHIBANE, (Enseignant-Chercheur, PES)

ENCG KENITRA B.P. 142014000 ، Campus Universitaire

Les auteurs n'ont pas connaissance de quelconque financement

Received: December 16, 2021 Published online: January 31, 2022

International Journal of Accounting, Finance, Auditing, Management and Economics - IJAFAME

Keywords: Operational Risk, Bank Profitability, Model Selection, ARDL Model

2. Revue de littérature et développement des hypothèses :

-La rentabilité financière : La rentabilité financière est la capacité de l’entreprise à générer

𝐏𝐍𝐁𝐢,𝐭 = 𝛂𝐢 + 𝛃𝐢 ∑ 𝐑𝐎𝐤,𝐢,𝐭 + 𝛆𝐢,𝐭 ∀𝐢 = 𝟏, … , 𝟑 𝐛 𝐞𝐭 𝐤 = 𝟏, 𝟐, … , 𝟕 𝐫𝐢𝐬𝐪𝐮𝐞

enregistrée au cours de la période 2004-2019. Leur écart-type, relativement élevé, permet de

PNB PES_TR FI FE ELGP DAC DAS CP_PC

Tableau 4 : Variance totale expliquée

Variance totale expliquée

4.2 Analyse des caractéristiques stochastiques des variables : Stationnarité des

Source : Sortie Eviews 9, calcul de l’auteur

Method Statistic Prob. Method Statistic Prob.

Source : sortie Eviews 9, calcul de l’auteur

ADF - Fisher Chi-square 23.7493 0.0006

ADF - Choi Z-stat -3.07852 0.0010

Source : Sortie Eviews 9, calcul de l’auteur

Method Statistic Prob. Method Statistic Prob.

Source : Sortie Eviews 9, calcul de l’auteur

Method Statistic Prob. Method Statistic Prob.**

Source : Sortie Eviews 9, calcul de l’auteu

• Pour la variable « Dysfonctionnements de l'activité et des systèmes » (DAS) :

Tableau 12 : « Dysfonctionnements de l'activité et des systèmes » (DAS)

Method Statistic Prob. Method Statistic Prob.**

Source : Sortie Eviews 9, calcul de l’auteur

Source : Sortie Eviews 9, calcul de l’auteur

4.3 L’analyse de causalité entre la performance bancaire et le risque opérationnel :

Vous aimerez peut-être aussi