la revue gestion et organisation 10 (2018) 127–136

Disponible en ligne sur www.sciencedirect.com

ScienceDirect

journal homepage: www.elsevier.com/locate/rgo

Les déterminants du risque de liquidité dans les banques

islamiques : cas de la région MENA

Ameni Ghenimi a,*, Mohamed Ali Brahim Omri a,b

a
Université de Tunis El Manar–GEF2A Lab-Tunisie, El Manar BP 248, El Manar II, 2092 Tunis, Tunisie
b
Université Northern Border, Collège d'administration des affaires, Arabie saoudite

info article sume

re 

Historique de l’article : Cette recherche examine les facteurs qui pourraient expliquer le risque de liquidité dans les
Reçu le 13 avril 2018 banques islamiques et qui ont appliqué la même norme comptable internationale dans la
Reçu sous la forme révisée le région MENA. Nous avons étudié la relation entre le risque de liquidité et un ensemble de
27 mai 2018 variables bancaires et macroéconomiques en utilisant une Méthode des Moments Généra-
Accepté le 8 septembre 2018 lisées (GMM). Nous avons utilisé un échantillon de 25 banques islamiques de la zone du
Disponible sur Internet le 20 Moyen-Orient et d'Afrique du Nord (MENA) durant la période (2006 jusqu'à 2014) pour
septembre 2018 appliquer notre modèle. Nos résultats montrent que le risque de crédit, la taille, la marge
nette, les écarts de liquidité, le capital et la croissance économique sont les facteurs
Mots clés: déterminants du risque de liquidité.
Risque de liquidité © 2018 Holy Spirit University of Kaslik. Publishing services provided by Elsevier B.V. This
Risque de crédit is an open access article under the CC BY-NC-ND license (http://creativecommons.org/
Banque islamique licenses/by-nc-nd/4.0/).
Région MENA

1. Introduction

Depuis la crise financière, le risque de liquidité a reçu une grande attention et constitue la principale source de fragilité du
système bancaire mondial. Par la suite, ce risque a conduit à la contagion systémique et l'instabilité financière. Comme pour les
banques conventionnelles, le développement récent dans le secteur bancaire expose les banques islamiques à de nouveaux
risques tels que les risques de marché et les risques des produits de base sur l'actif (Ahmed & Khan, 2007).
Comme les banques conventionnelles, les banques islamiques sont exposées au risque de liquidité (Akkisidis & Khandelwal,
2008 ; Al-Muharrami & Hardy, 2013 ; Sundararajan & Errico, 2002). En fait, les banques islamiques peuvent avoir des problèmes avec
le risque de liquidité qui sont apparus en raison :

du risque de retrait massif de liquidité qui résulte de l'incapacité des banques à gérer la liquidité ;

du risque de crédit, qui résulte de problème des banques dans la gestion du financement ;

du risque de décalage actif-passif, les risques d'échéance et de la nature des contrats compatibles avec la Charia ;

de l'accessibilité limitée du marché de l'argent conforme aux principes de la Charia et le marché intrabanque (Hesse et al., 2008).

* Auteur correspondant.
Adresse e-mail : ameni.fsegs@gmail.com (A. Ghenimi).
https://doi.org/10.1016/j.rgo.2018.09.004
2214-4234/© 2018 Holy Spirit University of Kaslik. Publishing services provided by Elsevier B.V. This is an open access article under the CC
BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).
128 la revue gestion et organisation 10 (2018) 127–136

Par conséquent, ces raisons de l'apparition du risque de liquidité dans le système bancaire islamique ont mis en évidence la
nécessité des procédures de la gestion du risque de liquidité bancaire. Ces différents raisons justifient la mise en œuvre de cette
étude pour analyser les déterminants du risque de liquidité des banques islamiques.
Notre recherche tentera donc de répondre à la question suivante : quels sont les principaux déterminants du risque de liquidité
dans les banques islamiques ?
Depuis la crise financière la banque islamique attire l'attention de plusieurs chercheurs, managers, décideurs, etc., leur
concurrence avec leur homologue conventionnelle et la perturbation des marchés financiers, nous amène de saisir cette étude
pour mieux comprendre et connaître les déterminants du risque de liquidité. Nous nous sommes intéressées à la banque
islamique et non à la banque conventionnelle, bien que ce dernier est différent à leur homologue islamique ainsi que ce dernier
soit basé sur la Charia.
La recherche contribue à la littérature sur la liquidité bancaire qui pourrait assurer la stabilité bancaire en prenant en
considération les banques islamiques. De plus, elle a clairement mis en évidence un éclairage et une meilleure compréhension des
déterminants du risque de liquidité et sa pertinence à promouvoir les politiques de gestion de ce risque.
Notre papier sera organisé comme suit : Section 2 présente la revue de la littérature. Dans la Section 3, nous présenterons les
données et la méthodologie. La Section 4 rapporte et discute les résultats empiriques. La dernière section conclut cette étude et
propose quelques implications politiques.

2. Revue de la littérature

2.1. Risque de liquidité et risque de crédit

Un corps de la littérature qui se concentre sur la crise financière suggère également la relation positive entre le risque de
liquidité et le risque de crédit (Acharya & Viswanathan, 2011 ; Diamond & Rajan, 2005 ; Gorton & Metrick, 2011 ; He & Xiong, 2012).
Ces études montrent que si trop de projets économiques en difficultés sont financés avec des crédits, ils ne peuvent pas donc
satisfaire la demande des déposants. Si ces actifs se détériorent, de plus en plus, les déposants réclament leur argent. Ainsi, un
risque de crédit plus élevé conduira à un risque de liquidité plus élevé à travers le canal de la demande des déposants.
Dermine (1986) montre qu'un risque de crédit augmente le risque de liquidité car l'afflux de trésorerie diminue. Ainsi, le risque
de liquidité et celui de crédit devraient donc être associés positivement.
Diamond et Rajan (2005) expliquent que si les projets économiques en difficultés sont financés avec des prêts de la banque, ils
ne peuvent pas répondre à la demande des déposants. Si ces actifs se détériorent en valeur, les déposants réclament de plus en
plus leur argent. Le principal résultat est qu'une augmentation du risque de crédit accompagne une augmentation du risque de
liquidité.
Gorton et Metrick (2011) suggèrent comment le risque de crédit perçu pendant la crise financière peut conduire à un risque de
liquidité dans les banques.
En utilisant un échantillon des banques islamiques Iraniennes sur la période 2005–2012, Nikomaram et al. (2013) ont montré
une relation positive et significative entre le risque de crédit et celui de liquidité.
Ejoh et al. (2014) ont étudié l'effet du risque de crédit sur le risque de liquidité des banques Nigériennes. L'étude a adopté la
conception de la recherche expérimentale où des questionnaires ont été administrés à une taille de quatre-vingt répondants de
l'échantillon. Ils ont montré qu'il existe une relation positive entre le risque de liquidité et le risque de crédit.
Imbierowicz et Rauch (2014) ont étudié la relation entre le risque de liquidité et celui de crédit des banques commerciales des
États-Unis au cours de la période 1998–2010. Ces auteurs montrent qu'il s'agit d'une relation positive entre le risque de liquidité et
celui de crédit et non pas une relation réciproque entre les deux catégories de risques.
Ghosh (2014) montre qu'une part croissante des créances douteuses dans les portefeuilles de prêts bancaires conduit à des
risques affectant la liquidité et la rentabilité bancaire.
Acharya et Viswanathan (2011) montrent que la dette dans le système bancaire donne un risque élevé de « bank run ». En temps
de crise, lorsque les prix des actifs se détériorent, les banques se trouvent en difficulté, c'est-à-dire qu'elles ont un problème de
liquidité.
Roman et Sargu (2015) ont étudié la relation entre la qualité des actifs des banques et la liquidité des banques commerciales en
Europe centrale et orientale sur la période 2004–2011. Ces auteurs montrent que les prêts ont affecté négativement la liquidité
globale des banques.
En étudiant les déterminants du risque de liquidité des banques islamiques et conventionnelles malaisiennes sur la période
2007–2010, Iqbal (2012) a montré que le ratio du prêt non performant a un impact négatif sur le risque de liquidité.
Après une étude du risque de liquidité de 27 banques commerciales sur la période 2002–2010, Munteanu (2012) a montré que le
ratio du prêt non performant est négativement lié au risque de liquidité.
Sur la base des résultats des modèles microéconomiques, et les derniers documents évoqués ci-dessus, nous formulons
l'hypothèse suivante :

H1. Le risque de crédit a un impact négatif sur la liquidité bancaire.

 la revue gestion et organisation 10 (2018) 127–136 129

2.2. Risque de liquidité et capitalisation bancaire

Les recherches précédentes menées par Akhtar et al. (2011) et Iqbal (2012) montrent que le ratio de l'adéquation du capital a un
impact positif et significatif sur le risque de liquidité des banques islamiques et conventionnelles. En revanche, un grand capital
signifie que les banques ont un grand capital, ce qui signifie que le capital peut être utilisé pour couvrir leurs dates d'échéance et la
banque aura moins de difficultés ou dans une condition risquée.
Roman et Sargu (2015) suggèrent que la capitalisation de la banque et de liquidité sont corrélées négativement. La raison de
cette relation est que les actionnaires des banques qui emploient une grande quantité de capitaux propres seront mis une grande
pression sur la direction de la banque.
Petria et al. (2015) ont examiné la relation entre la capitalisation des banques et la liquidité des banques commerciales dans les
pays d'Europe centrale et orientale sur la période 2004–2011. Ces auteurs suggèrent que les actifs liquides apportent de faibles
rendements. Ils montrent que les mesures adoptées par les autorités de régulation et de supervision ont un impact négatif sur la
liquidité des banques.
Anam et al. (2012) et Munteanu (2012) montrent que le ratio d'adéquation du capital a un impact positif sur le risque de liquidité.
Cependant, Muharam et Kurnia (2012) montrent que la capitalisation bancaire a un impact négatif sur le risque de liquidité des
banques islamiques et conventionnelles.
Sur la base des revues théoriques et empiriques mentionnées ci-dessus, nous formulons l'hypothèse suivante :

H2. La capitalisation bancaire a un impact négatif sur la liquidité bancaire.

2.3. Risque de liquidité et taille de la banque

Ahmed et al. (2011) et Ramzan et Zafa (2014) ont montré que la taille des banques islamiques a une relation positive et
statistiquement significative avec le risque de liquidité.
En outre, dans une étude sur un panel de banques Pakistanaises, Akhtar et al. (2011) ont montré que la taille de la banque a une
relation positive avec le risque de liquidité dans les banques islamiques et conventionnelles.
Selon Anam et al. (2012) et Iqbal (2012), la taille a une influence positive et significative sur le risque de liquidité.
Abdullah et Khan (2012) ont montré que la taille de la banque a une relation négative avec le risque de liquidité dans les banques
nationales et étrangères.
Sulaiman et al. (2013) ont étudié le risque de liquidité dans les banques islamiques sur la période 1994–2009. Ces auteurs ont
montré que la taille est négativement liée au risque de liquidité.
De son côté, Vodova (2012) a montré que la taille de la banque est négativement corrélée avec la liquidité bancaire. Les petites
banques ont des ratios de liquidité plus élevés.
D'autre côté, Roman et Sargu (2015) ont suggéré que les grandes banques ont un impact positif sur la liquidité globale.
En outre, Dietrich et al. (2014) ont affirmé que la liquidité bancaire est négativement corrélée avec la taille de la banque. Les
auteurs soutiennent que les petites banques pourraient prendre moins d'avantage de la disponibilité du financement de gros ou de
financement de la banque centrale que les grandes banques.
Sur la base des développements théoriques et empiriques mentionnés ci-dessus, nous formulons l'hypothèse suivante :

H3. La taille de la banque a un impact négatif sur la liquidité bancaire.

2.4. Risque de liquidité et rentabilité des banques

Shen et al. (2009) et Al-Khouri (2011) ont montré que la rentabilité des actifs a un impact négatif et significatif sur le risque de
liquidité.
Par ailleurs, Anam et al. (2012), Sulaiman et al. (2013), Muharam et Kurnia (2013) et Iqbal (2012) ont montré que les ratios de la
rentabilité bancaire (ROA, ROE, NIM) ont un impact positif sur le risque de liquidité.
De leur côté, Roman et Sargu (2015) ont montré que les banques avec une rentabilité élevée ont tendance à avoir plus de
liquidités. Cependant, une diminution de la rentabilité bancaire conduit à une diminution de la liquidité globale.
D'autre part, en étudiant le risque de liquidité des banques islamiques et conventionnelles sur la période 2006–2009, Akhtar
et al. (2011) ont montré que le rendement des actifs a une relation positive avec le risque de liquidité dans les deux types de
banques.
Quand à Sharma et Gounder (2011), ils ont constaté que le NIM a eu un impact négatif sur le risque de liquidité.
Sur la base des développements théoriques et empiriques mentionnés ci-dessus, nous formulons l'hypothèse suivante :

H6. Une augmentation de la rentabilité des banques a un impact positif sur la liquidité bancaire.
130 la revue gestion et organisation 10 (2018) 127–136

H6a. Une augmentation du ROA a un impact positif sur la liquidité bancaire.

H6b. Une augmentation du ROE a un impact positif sur la liquidité bancaire.

H6c. Une augmentation du NIM a un impact positif sur la liquidité bancaire.

2.5. Risque de liquidité et écart de liquidité

Les écarts de liquidité sont les disparités entre les actifs et les passifs qui provoquent le risque de liquidité. Un grand écart de
liquidité signifie que les banques ont plus de risques de liquidité et vice versa. En plus, ce rapport donne un signe aux banques
ayant une diminution des risques. Dans une recherche effectuée sur le risque de liquidité des banques islamiques et
conventionnelles sur la période 2007–2011, Muharram et Kurnia (2013) ont constaté que les écarts de liquidité ont un impact positif
sur le risque de liquidité.
Sur la base des développements théoriques et empiriques mentionnés ci-dessus, nous formulons l'hypothèse suivante :

H5. Les écarts de liquidité ont un impact positif sur la liquidité bancaire.

3. Méthodologie de la recherche et interprétation des résultats empiriques

3.1. La méthodologie de recherche

Sur le plan empirique, il y a une augmentation des travaux focalisés sur les banques islamiques. Notre objectif est d'analyser les
facteurs qui pourraient expliquer le risque de liquidité des banques islamiques dans 8 pays de la région Moyen Orient et Afrique du
Nord (MENA) ; à savoir le Bahreïn, le Qatar, l'Arabie Saoudite, la Turquie, l'Émirats Arabes Unis, la Jordanie, le Kuwait, et le Yémen
durant la période (2006 jusqu'à 2014). Nous utilisons un échantillon de 25 banques islamiques cotées en Bourse et qui ont appliqué
la même norme comptable internationale pour étudier les déterminants du risque de liquidité. Enfin, nous utilisons des variables
spécifiques à la banque et des variables macroéconomiques pour expliquer le risque de liquidité et qui ont présentés comme suit.

3.1.1. Variable à expliquer : risque de liquidité

Le risque de liquidité constitue la variable dépendante qui est mesurée par le ratio suivant : la liquidité bancaire (équivalent au
risque de liquidité) est mesurée en utilisant les actifs liquides au total d'actif. Bourkhis et Nabi (2013) ont utilisé cet indicateur le
plus populaire pour la liquidité bancaire.

3.1.2. Variables explicatives

Dans cette recherche, nous nous concentrons sur les déterminants du risque de liquidité des banques islamiques, en utilisant
un ensemble de facteurs spécifiques à la banque, à savoir, la capitalisation bancaire, la qualité des actifs, la rentabilité, et la taille de
la banque. Le choix de ces variables est motivé par le fait qu'elles sont sous le contrôle de la direction de la banque, donc on pourrait
analyser comment ces facteurs internes influencent la liquidité bancaire. Nous utilisons comme indicateur du risque de crédit (la
qualité des actifs), le ratio de prêts non performants (NPL).

3.1.3. Le risque de crédit

Le risque de crédit est mesuré en utilisant le ratio des prêts non performants au total des prêts bruts (risque de crédit). Sur la
base de la définition utilisée dans le premier chapitre, une baisse des créances douteuses suggère une amélioration de la qualité
des actifs bancaires. Les chercheurs (Ahmed et al., 2011 ; Iqbal, 2012 ; Munteanu, 2012) montrent que le ratio des prêts non
performants a une relation négative avec le risque de liquidité.

3.1.4. La capitalisation bancaire

La capitalisation bancaire est calculée comme le ratio des capitaux propres au total des actifs. Les recherches précédentes
menées par Akhtar et al. (2011) et Iqbal (2012) montrent que le ratio de l'adéquation des capitaux propres a un impact positif et
significatif sur le risque de liquidité, ce qui suggère un grand CAR signifie que les banques ont un grand capital, ce qui signifie que le
capital peut être utilisé pour couvrir leurs dates d'échéance et la banque aura moins de difficultés ou dans une condition risquée.

3.1.5. La rentabilité des banques

La rentabilité des banques est mesurée en utilisant le rendement des actifs qui est défini comme le ratio du bénéfice net au total
des actifs (ROA). D'autres indicateurs fondés sur la comptabilité ont été utilisés dans la littérature comme proxy pour la rentabilité,
 la revue gestion et organisation 10 (2018) 127–136 131

y compris le rendement des capitaux propres qui est défini comme le ratio du bénéfice net au capital propre et la marge nette
définie comme le revenu d'intérêt net au total d'actif productif. Les banques ont plus de rentabilité, elles ont de gros gains à utiliser
pour couvrir leurs obligations. Cela signifie que les banques auront moins de difficultés ou des situations risquées. Shen et al. (2009)
et Sharma et Gounder (2011) constatent que la rentabilité a un impact positif sur le risque de liquidité.

3.1.6. La taille de la banque

La taille de la banque est définie en utilisant le logarithme des actifs totaux de la banque. Ahmed et al. (2011) ; Akhtar et al.
(2011) ; Anam et al. (2012) et Iqbal (2012) montrent que la taille de la banque a une relation positive avec le risque de liquidité.

3.1.7. Les écarts de liquidité

Les écarts de liquidité sont les disparités entre les actifs et les passifs qui provoquent le risque de liquidité. Un grand écart de
liquidité signifie que les banques ont plus de risques de liquidité et vice versa. En plus, ce rapport donne un signe aux banques
ayant une diminution des risques. La recherche précédente de Muharram et Kurnia (2013) constate que les écarts de liquidité ont
un impact positif sur le risque de liquidité.

3.1.8. Les variables macroéconomiques

Les variables macroéconomiques sont définies en utilisant les informations sur la croissance économique et l'inflation. La
croissance économique représentée par le logarithme naturel du taux réel de la croissance du PIB. L'inflation est mesurée en
utilisant la croissance de l'indice des prix à la consommation et devrait avoir un effet positif sur le risque de liquidité. Le Tableau 1
présente la définition des variables utilisées dans cette étude, ainsi que leur effet attendu sur le risque de liquidité.

3.2. Présentation du modèle retenu

3.2.1. Présentation de la méthode d'analyse

Pour identifier la relation entre le risque de liquidité et les facteurs internes, externes et spécifiques de la banque, nous
effectuons la méthode des moments généralisés. Par cette méthode, nous pouvons ainsi identifier les déterminants du risque de
liquidité.
Iqbal (2012) constate que le CAR, ROA, ROE et la taille ont un effet important sur la liquidité de la banque. Ainsi, notre modèle
proposé est cohérent avec la documentation générale sur les déterminants du risque de liquidité, prend la forme suivante :

Risque de liquidité ¼ f ðCAR; NPL; ROA; ROE; taille; NIM; les écarts de liquidité; taux d0 inflation; PIBÞ (1)

Cette étude stipule essentiellement que le risque de liquidité (l'inverse de la liquidité bancaire) est une fonction du ratio de
l'adéquation du capital (CAR), du ratio du prêt non performant (risque de crédit), du rendement des actifs (ROA), du rendement des
capitaux propres (ROE), de la taille de la banque, de la marge nette (NIM), des écarts de liquidité, du taux d'inflation, et du taux réel
de la croissance du PIB.
Nous écrivons l'équation (1) comme suit :

RLt ¼ b0 þ b1 taillet þ b2 ROAt þ b3 ROEt þ b4 NIMt þ b5 CARt þ b6 NPLt þ b7 écarts de liquiditét þ b8 inflationt þ b9 PIBt þ jit (2)

En fait, notre étude est une étude de données de panel, Eq. (2) peut s'écrire sous forme de données de panel comme suit :

RLit ¼ b0 þ b1 tailleit þ b2 ROAit þ b3 ROEit þ b4 NIMit þ b5 CARit þ b6 NPLit þ b7 écarts de liquiditéit þ b8 inflationt þ b9 PIBt þ jit (3)

Où i représente la banque (dans notre étude, nous avons 25 banques islamiques) ; t représente le temps (notre période est de
2006 à 2014) ; RL représente la liquidité bancaire (l'inverse du risque de liquidité), le ROA représente le rendement des actifs, le (ROE)
le rendement des capitaux propres, le (NIM) la marge nette, le (CAR) le ratio d'adéquation du capital, le (NPL) ratio du prêt non
performant, et le PIB représente le taux réel de la croissance du PIB.

3.2.2. Spécification du modèle de recherche

L'estimation par la méthode des moindres carrés ordinaires (MCO) ou même par des méthodes de régression des données de
panel traditionnelles plus sophistiquées (comme effets aléatoires ou effets fixes) est susceptible d'être inappropriée parce qu'elle
ne parvient pas à répondre à des sources très importantes d'endogénéité liées à ce type du modèle empirique. Quand une solution
directe à ces problèmes n'est pas possible, une nouvelle méthode est nécessaire pour résoudre ces problèmes : la méthode des
moments généralisés de panel dynamique (GMM).
Le GMM a d'abord été mis en place par Arellano et Bond (1991) et qui l'ont plus tard amélioré et développé dans une série de
documents, tels que ceux d'Arellano et Bover (1995) et Blundell et Bond (1998). Cet estimateur est l'une des procédures les plus
132 la revue gestion et organisation 10 (2018) 127–136

Tableau 1 – Définition des variables utilisées dans cette étude.

Variables Définition Signe attendu
Variable dépendante
Actifs liquidesit
Liquidité bancaire (risque de liquidité) LQ it ¼ Total d0 actif it
Variables indépendantes
prêts non performantsit
Qualité des actifs (risque de crédit) NPLit ¼ prêts brutsit
()

Taille de la banque Tailleit = Logarithme de l'actif totalit ()

capitalit
Capitalisation bancaire CARit ¼ total d0 actifsit ()

Ecarts de liquiditéit ¼ln
Écarts de liquidité   (+)
½Actif total # it ½Passif total # it
Bénéfice net
Rentabilité bancaire ROAit ¼ Total de l0 actifit (+)
it
Bénéfice net
ROEit ¼ Capitaux propres
it
(+)
it
Ã
revenu d0 interet netit
NIMit ¼ Actif productif it (+)

appropriées dans notre modèle. Cette dernière régression utilise des instruments pour isoler les variations des régresseurs
endogènes qui sont corrélés avec le terme d'erreur. Cette stratégie fonctionnera selon le degré d'erreur autocorrélation.
Heureusement, nous pouvons formellement tester la plausibilité statistique des hypothèses que nous faisons dans l'utilisation du
GMM Système en exécutant des tests d'autocorrélation d'erreur et le test Hansen de suridentification les bien connu.
L'utilisation des données de panel dans le cadre de l'analyse des déterminants du risque de liquidité dans les pays de la région
MENA offre l'avantage de prendre en considération les variabilités temporelles et individuelles. Ce qui conduit un problème
d'endogénéité que nous essaierons de résoudre avec la méthode des moments généralisés de panel dynamique. Dans ce cadre,
nous appliquons la Méthode des Moments Généralisée (GMM) qui a d'abord été mise en place par Arellano et Bond (1991) qui l'ont
plus tard améliorée et développée dans une série de documents, tels que ceux d'Arellano et Bover (1995) et Blundell et Bond (1998).
Les analyses économétriques standards sont impertinentes dans notre modèle, ce qui rend l'estimation avec la « Méthode des
Moments Généralisés » de panel dynamique plus appropriée dans notre étude, vu qu'elle permet ainsi de contrôler les effets
spécifiques individuels et temporels sans omettre la prise en compte de l'endogénéité des variables. Les panels dynamiques se
caractérisent par la présence d'une ou de plusieurs variables endogènes retardées parmi les variables explicatives. Dans notre
étude, il existe une seule variable endogène retardée rp (1). L'objectif est de minimiser le biais de simultanéité. Le modèle
économétrique adopté a pour objet de mettre en perspective les déterminants du risque de liquidité. Notre modèle proposé est le
suivant :

RLit ¼ b0 þ b1 RLit1 þ b2 tailleit þ b3 ROAit þ b4 ROEit þ b5 NIMit þ b6 CARit þ b7 NPLit þ b8 écarts de liquiditéit þ b9 inflationt þ b10 PIBt
þ jit (4)

Où RLit représente la liquidité de la banque au moment t (l'inverse du risque de liquidité) ; b0 est le paramètre à estimer ; le ROA
représente le rendement des actifs ; le ROE, le rendement des capitaux propres ; la NIM, la marge nette ; le CAR, le ratio
d'adéquation du capital ; le NPL, le ratio du prêt non performant (le risque de crédit) ; le PIB, le taux réel de la croissance du PIB ; et j
est le terme d'erreur.
Par conséquent, la variable retardée (RLit) est corrélée avec le terme d'erreur. En outre, l'utilisation du panneau de l'estimateur
des moindres carrés ordinaires (MCO) avec (des effets fixes et aléatoires) cause une problématique. L'approche d'Arellano et Bond
(1991) résoudre ce problème en première différence l'équation ci-dessus.

4. Analyse et interprétation des résultats empiriques

Dans cette section, nous proposons d'analyser les déterminants du risque de liquidité des banques islamiques. Premièrement,
nous essaierons de présenter une analyse descriptive. Deuxièmement, nous estimerons notre régression des données de panel
dynamique (GMM) pour l'analyse des déterminants du risque de liquidité dans les banques islamiques.

4.1. Analyse descriptive

Tout d'abord, nous avons appliqué les statistiques descriptives du risque de liquidité et de chaque facteur, y compris la taille de
la banque, les prêts non performants (risque de crédit), ROA, ROE, CAR, NIM, et les écarts de liquidité pour les banques islamiques
des pays de la région MENA. Les statistiques descriptives de la valeur moyenne, l'écart-type (Std. Dev), le maximum et le minimum
de ces différentes variables sont enregistrées dans le Tableau 2.
Les banques islamiques ont la volatilité est la plus élevée (définie par l'écart-type) dans CAR (95.33413), suivie par NPL
(18.63106), ROE (18.10376), ROA (2.941548), taille (0.9985842), écart de liquidité (0.973664), NIM (0.0790565) et la liquidité (0.0680644).
 la revue gestion et organisation 10 (2018) 127–136 133

Tableau 2 – Statistiques descriptives des déterminants du risque de liquidité.

Variables Moyenne Écart-type Maximum Minimum
NPL 11,80647 18,63106 96,91476 0,0054459
Taille 4,028294 0,9985842 7,21365 2,165087
ROA 1,042171 2,941548 14,71051 11,56915
ROE 5,502431 18,10376 90,90251 109,6542
CAR 43,3166 95,33413 61,78 0,0360635
NIM 0,0444168 0,0790565 0,7495922 0,0264973
Écart de liquidité 3,232616 0,973664 6,154642 1,412276
Liquidité 0,0680939 0,0680644 8,42e-06 0,3701299

Dans les banques islamiques, il est également noté que la moyenne de CAR (43.3166), NPL (11.80647), ROE (5.502431), et taille
(4.028294), est la plus élevée par rapport à la moyenne des autres variables.

4.2. Résultats et discussion

Les résultats présentés et discutés dans cette étude découlent de la mise en œuvre des choix théoriques faits tout au long du
processus de notre recherche. Ainsi, leur validité procède de la cohérence du concept général de la recherche défini pour répondre
à la problématique des déterminants du risque de liquidité dans les banques islamiques. L'obtention de ces résultats a nécessité le
recours à des outils de traitement de données.
En fait, nous nous intéressons à utiliser l'estimateur GMM d'Arellano et Bond (1991) pour vérifier l'existence de l'effet des
variables explicatives sur la liquidité bancaire dans les banques islamiques. Tableau 3 présente les résultats du test de Hansen
pour les plus d'identification des restrictions et le test de d'AR (1) et l'AR (2) de la série de corrélation de premier et de second ordre.
La régression qui a été effectuée de cette manière a été mentionnée ci-dessus avec le GMM, plus précisément avec l'utilisation
de l'estimateur GMM-Système d'Arellano et Bond (1991), d'Arellano et Bover (1995), Blundell et Bond (1998). Le test de
suridentification de Hansen, les tests d'autocorrélation de premier et de second ordre d'Arellano et Bond sont mis en évidence
dans le Tableau 3.
En effet, le test de suridentification de Hansen pour les banques islamiques affiche une valeur de (9,27) avec une p-value de
(0,980) largement supérieure à 0,1, ce qui signifie que l'hypothèse nulle H0 de la validité des restrictions de suridentification
(validité des instruments) ne peut pas être rejetée. On peut donc conclure que les instruments utilisés pour cette régression sont
valides induisant ainsi la validité des résultats.
Les tests d'absence d'autocorrélation de premier et de second ordre des perturbations pour les banques islamiques, affichent
respectivement les valeurs (1,60, 0,57) avec des p-values respectives de (0,110, 0,570). Ceci signifie qu'on rejette l'hypothèse
d'absence d'autocorrélation de premier ordre des erreurs, mais qu'on ne peut pas rejeter l'hypothèse d'absence de celle de second
ordre. Cela implique que le modèle empirique a été correctement spécifié car il n'y a pas de corrélation sérielle (d'autocorrélation)
dans les résidus transformés, par conséquent, les instruments utilisés dans les modèles sont valables. En commençant par le
Tableau 3, on remarque ce modèle tient compte les déterminants du risque de liquidité des banques islamiques.
Le coefficient du ratio du prêt non performant (risque de crédit) a un impact négatif et significatif sur la liquidité des banques
islamiques. Ce résultat implique qu'une augmentation de la qualité des actifs, signifie une augmentation du risque de crédit,

Tableau 3 – Les déterminants du risque de liquidité.

Variables indépendantes Coefficient p-value
Constante ,1603024 0,223
Taille ,0045984 0,0807*
ROE ,00031 0,403
ROA ,0038538 0,104
NIM ,2016583 0,001***
Écarts de liquidité ,009205 0,067*
NPL ,0006735 0,068*
CAR ,0000106 0,0830*
Taux d'inflation ,0894473 0,164
PIB ,0009939 0,093*
AR (1) 1,60 0,110
AR (2) 0,57 0,570
Hansen test 9,27 0,980
Remarques : selon le test Hansen, si les plus-identifications des restrictions sont valables, l'hypothèse nulle que la plus-identification des
restrictions est valide. Selon le test AR (2), si la corrélation de série de second ordre est l'hypothèse nulle, il n'y a pas de corrélation. *, **, ***
indiquent la signification aux niveaux de 10 %, 5 %, et 1 %, respectivement.
134 la revue gestion et organisation 10 (2018) 127–136

implique une diminution de la liquidité bancaire, ce qui entraîne une augmentation du risque de liquidité. La relation positive
entre le risque de crédit et celui de liquidité est due au fait que l'augmentation du risque de crédit (mauvais prêts), de portefeuille
de prêt (actifs) d'une telle banque est affectée négativement provoquant une augmentation de l'illiquidité bancaire. Ceci signifie
que l'augmentation du risque de crédit apporte une augmentation correspondante du risque de liquidité et vice versa. Cette
constatation est conforme aux conclusions de Diamond et Rajan (2005) qui affirment qu'il existe une relation positive entre le
risque de crédit et celui de liquidité.
En outre, l'une des principales clés de la banque islamique est son utilisation du principe PLS et les modes de financement
islamique particulièrement Mudharaba et Musharaka. Dans le cas de l'utilisation de ces modes, il y a des problèmes de l'asymétrie
d'information et que les banques comptent relativement plus sur leurs partenaires (emprunteurs), ceci suggère que les banques
ont peu d'influence sur la prise de décision de l'entreprise financée. En outre, comme les banques sont tenues d'absorber toute
perte en totalité (Mudharaba) ou en partie (Musharaka), un emprunteur risqué peut avoir tendance à faire défaut. Cela augmente le
risque de crédit pour les banques islamiques, où ces banques ne partagent pas des pertes d'exploitations de l'emprunteur
(Sundararajan & Errico, 2002). En effet, en Islam, les banques islamiques ne sont autorisées à utiliser ni un instrument basé sur la
dette afin d'atténuer le risque de crédit, ni les méthodes spéculatives, y compris des swaps, des contrats à terme et des options. Vu
qu'il y a une absence des marchés monétaires et interbancaires islamiques, le risque de crédit devient lié négativement avec la
liquidité des banques islamiques (Sundararajan & Errico, 2002 ; Iqbal & Llewellyn, 2002).
Cependant, le risque de crédit est plus défavorable de la position de la liquidité de la banque, ce qui indique que le risque de
liquidité et le risque de crédit (NPL) sont étroitement liés. Ainsi, notre première hypothèse qui prédit une influence négative de
cette variable sur la liquidité bancaire est confirmée. Ce résultat semble conforme aux conclusions d'Iqbal (2012).
L'adéquation du capital a une relation négative et significative avec la liquidité des banques islamiques. Ceci implique qu'un
grand capital signifie que les banques ont un grand capital qu'elles peuvent utiliser pour couvrir leurs dates d'échéance et, donc
auront moins de difficultés. Toutefois, le coefficient du ratio d'adéquation du capital est statistiquement significatif, ce qui
confirme notre deuxième hypothèse indiquant une relation négative entre la liquidité bancaire et la capitalisation de la banque.
D'autre part, la taille a un impact négatif et significatif sur la liquidité des banques islamiques. La relation positive entre la taille
et le risque de liquidité suggère que la taille est un facteur qui joue un rôle important pour maintenir la stabilité. Ceci indique que
les banques ont la meilleure capacité d'établir une grande part de marché et générer des profits plus élevés. Ceci confirme notre
troisième hypothèse qui prédit une influence négative significative de cette variable sur la liquidité bancaire. Ce résultat est
compatible avec les constatations de l'Anam et al. (2012) ; Iqbal (2012).
Cependant, la rentabilité bancaire mesurée par les proxys (ROA, ROE, NIM), ne semble pas avoir une explication importante de
l'évolution de la liquidité bancaire alors que le ratio de la rentabilité mesuré par la marge nette (NIM) signifie que les banques ont
un revenu net d'intérêt plus élevé qu'elles peuvent utiliser pour répondre à leurs dates d'échéance. Ce ratio rend les banques
moins exposées aux difficultés. Ainsi, le coefficient de la marge nette mesuré par le ratio revenu d'intérêt net au total d'actif
productif est significatif, ce qui confirme notre hypothèse VI. C. indiquant qu'une augmentation de la marge nette a un impact
positif sur la liquidité bancaire. Ainsi, notre quatrième hypothèse est neutre.
Quant au coefficient des écarts de liquidité, il est jugé significatif et positivement lié à la liquidité des banques islamiques. Ce
résultat montre que les écarts de liquidité jouent un rôle important dans la fourniture de liquidités pour les banques. Les écarts de
liquidité plus importants signifient que les banques ont plus de risque de liquidité et vice versa. Un coefficient positif indique que
les banques pourraient réduire leur risque de liquidité. La relation positive et statistiquement significative confirme notre
cinquième hypothèse qui prédit une influence positive de cette variable sur la liquidité bancaire. Ce résultat est compatible avec la
constatation de Muharram et Kurnia (2013).
D'autre côté, le coefficient du taux d'inflation a un impact positif et non significatif sur la liquidité bancaire. Toutefois, le taux
d'inflation ne semble pas avoir un pouvoir d'explication important de l'évolution de l'indicateur de la liquidité des banques
islamiques. Ceci semble cohérent avec les conclusions selon lesquelles l'inflation est positivement corrélée avec la liquidité
(Sulaiman et al., 2013).
Enfin, la croissance économique a un impact positif et significatif sur la liquidité bancaire, ce qui signifie que la croissance
économique offre de bonnes opportunités d'affaires pour les banques de générer des revenus plus élevés. En outre, si la croissance
économique peut générer des profits pour les banques, celles-ci peuvent fournir une meilleure liquidité lorsque l'économie est en
croissance. Ce coefficient semble avoir un pouvoir d'explication important de l'évolution de la liquidité bancaire. Ce résultat
semble conforme avec les conclusions de (Sulaiman et al., 2013).

5. Conclusion

Cette étude vise à éclairer et à comprendre les facteurs qui pourraient expliquer les déterminants du risque de liquidité dans les
banques islamiques. Elle vient d'attirer l'attention des managers dans les banques islamiques sur l'intérêt de la compréhension de
ces déterminants et qui pourraient maintenir la stabilité et l'efficience des banques. Le but principal de ce papier est d'analyser les
déterminants du risque de liquidité des 25 banques islamiques de la région MENA. Les résultats de cette étude ont montré que le
risque de crédit (NPL), la taille de la banque, la marge nette, les écarts de liquidité, l'adéquation du capital, la croissance
économique (PIB) des banques islamiques sont des déterminants significatifs de leur risque de liquidité. Par conséquent, les
banques islamiques sont plus sensibles aux facteurs spécifiques à la banque, ceci se justifie par l'interdiction du paiement ou de la
 la revue gestion et organisation 10 (2018) 127–136 135

réception de l'intérêt (riba). Ainsi, nos résultats suggèrent qu'il n'existe pas une différence majeure entre les banques islamiques et
les banques conventionnelles en termes des déterminants du risque de liquidité. Par conséquent, elles ont tendance à gérer ce
risque de la même manière que les banques conventionnelles tout en gardant le respect de la Charia.

5.1. Implications de recherche

Nos résultats ont quelques implications politiques intéressantes. Tout d'abord, ces résultats consisteraient à fixer un niveau de
liquidité réglementaire plus élevé pour les banques peu qualifiées en termes d'efficacité de la gestion. Ensuite, les résultats de
notre étude peuvent aider les managers à mieux comprendre les déterminants du risque de liquidité. Enfin, les résultats peuvent
aider aussi les managers dans la préparation de la politique de la gestion du risque de liquidité.

5.2. Limites et voies de recherche

Comme toute étude, il y a quelques limites apparaissent dans cette recherche. Tout d'abords, le nombre de banques est limité,
ce qui consiste une limite méthodologique. Pour la dépasser, nous recommandons à élargir l'échantillon dans de futures
recherches, et de vérifier nos hypothèses à travers une étude comparative des banques islamiques et conventionnelles.

Déclaration de liens d'intérêts

Les auteurs déclarent ne pas avoir de liens d'intérêts.

 fe
re  rences

Abdullah, A., & Khan, A. Q. (2012). Liquidity risk management: A comparative study between domestic and foreign banks in Pakistan.
Journal of Management Sciences, 7(1).
Acharya, V. V., & Viswanathan, S. (2011). Leverage, moral hazard, and liquidity. The Journal of Finance, 66(1), 99–138.
Ahmed, H., & Khan, T. (2007). Risk management in Islamic banking (chapter 10). In M. K. Hassan & K. L. Lewis (Eds.), Handbook of Islamic
Banking. United Kingdom: Edward Elgar Publishing Inc.
Ahmed, N., Akhtar, M. F., & Usman, M. (2011). Risk Management Practices and Islamic Banks: An Empirical Investigation from Pakistan.
Interdisciplinary Journal of Research in Business, 1(6), 50–57.
Akhtar, M. F., Ali, K., & Sadaqat, S. (2011). Liquidity risk management: A comparative study between conventional and Islamic banks of
Pakistan. Journal of Research in Business, 1, 35–44.
Akkisidis, I., & Khandelwal, S. (2008). Financial risk management for Islamic banking and finance. Edition Palgrave Macmillan.
Al-Khouri, R. (2011). Assessing the Risk and Performance of the GCC Banking Sector. International Research Journal of Finance and
Economics, 65(3), 72–80.
Al-Muharrami, S., & Hardy, D. C. (2013). Cooperative and Islamic banks: What cant they learn from each other? International Monetary Fund, WP/
13/184.
Anam, S., Bin Hasan, S., Huda, H. A. E., Uddin, A., & Hossain, M. M. (2012). Liquidity Risk Management: A comparative study between
Conventional and Islamic banks of Bangladesh. Research Journal of Economics, Business and ICT, 5.
Arellano, M., & Bond, S. (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment
Equations. The Review of Economic Studies, 58(2), 277–297.
Arellano, M., & Bover, O. (1995). Another look at the instrumental variable estimation of error-components models. Journal of
Econometrics, 68, 29–51.
Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87(1),
115–143.
Bourkhis, K., & Nabi, M. S. (2013). Islamic and conventional banks' soundness during the 2007-2008 financial crisis. Review of Financial
Economics, 22(2), 68–77.
Dermine, J. (1986). Deposit rates, credit rates and bank capital: the Klein-Monti model revisited. J. Bank. Finance, 10(1), 99–114.
Diamond, D. W., & Rajan, R. G. (2005). Liquidity shortages and banking crises. Journal of finance, 60(2), 615–647.
Dietrich, A., Hess, K., & Wanzenried, G. (2014). The good and bad news about the new liquidity rules of Basel III in Western European
countries. Journal of Banking and Finance, 44, 13–25.
Ejoh, N., Okpa, I., & Inyang, E. (2014). The Relationship and effect of Credit and Liquidity Risk on Bank Default Risk among Deposit
Money Banks in Nigeria. Research Journal of Finance and Accounting, 5(16.).
Ghosh, S. (2014). Macroprudential regulation and bank behavior: Theory and evidence from a quasi-natural experiment. Reserve Bank of India
Online at http://mpra.ub.uni-muenchen.de/65214/MPRA Paper n865214, posted 23. June 2015.
Gorton, G., & Metrick, A. (2011). Securitized banking and the run on repo. Journal of Financial Economics, 104, 425–451.
He, Z., & Xiong, W. (2012). Rollover risk and credit risk. Journal of Finance, 67(2), 391–430.
Hesse, H., Andreas, J., & Solé, J. (2008). Trends and Challenges in Islamic finance. World Economics, 9(2), 175–193.
Imbierowicz, B., & Rauch, C. (2014). The relationship between liquidity risk and credit risk in banks. Journal of Banking and Finance, 40,
242–256.
Iqbal, A. (2012). Liquidity risk management: A Comparative Study between Conventional and Islamic Banks of Pakistan. Global Journal of
Management and Business Research, 12(5).
136 la revue gestion et organisation 10 (2018) 127–136

Iqbal, M., & Llewellyn, D. T. (2002). Introduction. In M. Iqbal & D. T. Llewellyn (Eds.), Islamic Banking and Finance: New Perspectives on Profit
Sharing and Risk (pp. 1–14). Cheltenham: Edward Elgar.
Muharam, H., & Kurnia, H. P. (2012). The influence of fundamental factors to liquidity risk on banking industry: comparative study
between Islamic and conventional banks in Indonesia. Conference in Business. Accounting And Management (Cbam), 1(2), 359–368.
(Unissula, Semarang Indonesia).
Munteanu, I. (2012). Bank liquidity and its determinants in Romania. Journal of Economics and Finance, 3, 993–998.
Nikomaram, H., Taghavi, M., & Diman, S. K. (2013). The relationship between liquidity risk and credit risk in Islamic banking industry of
Iran. Management Science Letters, 3, 1223–1232.
Petria, N., Capraru, B., & Ihnatov, I. (2015). Determinants of banks' profitability: evidence from EU 27 banking systems. Procedia Economics
and Finance, 20, 518–524.
Ramzan, M., & Zafa, M. I. (2014). Liquidity risk management in Islamic banks: A study of Islamic banks of Pakistan. Interdisciplinary
journal of contemporary research in business, 5(12.).
Roman, A., & Sargu, A. C. (2015). The impact of bank-specific factors on the commercial banks liquidity: Empirical evidence from CEE
countries. Procedia Economics and Finance, 20, 571–579.
Sharma, P., & Gounder, N. (2011). Supply side obstacles to financing the private sector: Empirical evidence from a small island developing state.
Discussion Paper Finance, no 2011-01. Brisbane, Australia: Grifth University.
Shen, C. H., Chen, Y. K., Kao, L. F., & Yeh, C. Y. (2009). Bank liquidity risk and performance. Taiwan: Kaohsiung.
Sulaiman, A. A., Mohammad, T. M., & Samsudin, M. L. (2013). How Islamic banks of Malaysia managing liquidity? An emphasis on
confronting economic cycles. International Journal of Business and Social Science, 4(7.).
Sundararajan, V., & Errico, L. (2002). Islamic Financial Institutions and Products in the Global Financial System: Key Issues in Risk Management
and Challenges Ahead. IMF Working Paper WP 02/192.
Vodova, P. (2012). Determinants of commercial banks' liquidity in Poland (pp. 962–967).