Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Rapport 1

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 139

INSTITUT DE FINANCEMENT DU DÉVELOPPEMENT DU MAGHREB ARABE

Mémoire de fin d’Études

Thème

Déterminants et dynamique du risque


de liquidité des banques Tunisiennes

ARFAOUI Haythem Mme Dorra HMAIED

Banque Centrale de Tunisie


DEDICACES

À la mémoire de mon cher père FAWZI

À toi qui ne pourras jamais lire ce livre

Que le bon Dieu l'accueille dans ses paradis célestes

Je dédie ce modeste travail à mon père, décédé le 27 mai 2018, qui m’a toujours
poussé et motivé dans mes études, mais malheureusement, il n'a pas eu la
chance d'être présent pour me soutenir le jour dont il avait toujours attendu
avec impatience

J’espère que, du monde qui est sien maintenant, il apprécie cet humble geste
comme preuve de reconnaissance de la part d’un fils qui a toujours prié pour le
statut de son âme.

FAWZI, aujourd’hui encore tu es à mes côtés, tu es dans nos cœurs à jamais

Repose en paix mon très cher père.


DEDICACES

À ma chère mère, ma raison d'être, ma raison de vivre, la source de mes succès,


la lanterne qui éclaire mon chemin et m’illumine de douceur et d’amour.

À mon frère, en signe d’amour, de reconnaissance et de gratitude pour tous les


soutiens et les sacrifices dont il a fait preuve à mon égard.

À ma petite sœur, la lumière de mes jours, la flamme de mon cœur, ma vie et


mon bonheur

C’est à vous que je dois cette réussite et je suis fière de vous l’offrir

À tous les membres de ma famille, Qui ont cru en moi, et m'ont amoureusement
challengé dans des situations extrêmement contraignantes et répressives

À mes amis, en témoignage de l’amitié sincère qui nous a liées et des bons
moments passés ensemble, je vous souhaite un avenir radieux et plein de bonnes
promesses.
Remerciements

La réalisation de ce mémoire n’aurait pas été envisageable sans le recours de maintes personnes
à qui je voudrais certifier toute ma reconnaissance.

Je suis infiniment reconnaissant à Mme Dorra Hmaied qui m’a permis de bénéficier de son
encadrement. Ses conseils qu’elle m’a prodigués, sa patience, son assistance, sa confiance
qu’elle m’a témoignée ont été déterminants dans la réalisation de ce présent travail.

Mes vifs remerciements s’adressent à mon tuteur Mme Zeineb JEMAL, Sous-Directeur de la
Surveillance Permanente à la Direction Générale de la Supervision Bancaire, pour son
assistance permanente pendant le stage et la collecte des données dont j’avais besoin. Je la
remercie aussi pour m’avoir fourni les éclaircissements souhaités et ses réponses à toutes mes
questions avec toute gentillesse. De même, je tiens également à remercier Monsieur Mourad
KHAZRI, le Directeur Adjoint de la Surveillance Permanente, pour son accueil chaleureux
pendant le stage et ses conseils qui ont beaucoup guidé ma réflexion.

Je tiens aussi à remercier toute l’équipe de la Banque Centrale de Tunisie, le corps enseignant
de l’IFID pour les efforts qu’ils ont fourni depuis la création de cet institut, ainsi que les
honorables membres du jury, pour avoir accepté d’examiner mon travail et d’être présents dans
ma soutenance.

Tous ceux et celles qui ont contribué d’une quelconque manière à l’élaboration de ce travail
depuis la préparation jusqu’aux ultimes moments.
Résumé
Cette étude examine la présence des relations dynamiques de court et de long terme entre le
risque de liquidité, mesuré par le ratio de liquidité LCR et le ratio de transformation LTD, et
des variables spécifiques aux banques et macro-financières considérées comme des
déterminants du risque de liquidité, en utilisant un Panel de 10 banques Tunisiennes
représentatives du secteur bancaire tunisien. Les deux études s’étalent sur deux périodes
différentes selon l’entrée en vigueur de chaque ratio prudentiel : la première étude relative au
ratio LCR couvre la période allant de janvier 2015 jusqu’à juin 2020 et la deuxième relative au
ratio LTD couvre la période allant de juin 2018 jusqu’à juin 2020. Pour les deux études nous
avons utilisé le test cointégration pour les données de panel pour s’assurer de l’existence de
relation de long terme, puis nous avons estimé conjointement la dynamique de court et de long
terme via le Modèle Vectoriel à Correction d’Erreur en données de Panel. Pour les deux
modèles, nous avons trouvé un coefficient de correction d'erreur négatif et statistiquement
significatif. Ce résultat prouve qu'en cas de déviation de court terme, les deux ratios semblent
retrouver leur valeur d’équilibre de long terme. Finalement, nous procédons à un stress test pour
déceler l’impact de quelques mesures prises par la Banque Centrale de Tunisie pendant la
pandémie Covid-19 sur le risque de liquidité. Les résultats de cette étude ont des implications
pertinentes pour les banques tunisiennes et l’autorité de surveillance afin de préserver la
stabilité du système bancaire.

Mots-clés : Banques Tunisiennes, ratio de liquidité, ratio de transformation, déterminants du


risque de liquidité, Panel VECM, stress test.

Abstract
This study examines the presence of short- and long-run dynamics relationships between
liquidity risk, measured by the LCR liquidity ratio and the LTD transformation ratio, and
variables specific to banks and macroeconomic and financial variables accepted as determinants
of liquidity risk, using a Panel of 10 Tunisian banks representative of the Tunisian banking
sector. The two studies are spread over two different periods depending on the entry into force
of each prudential ratio: the first study relating to the LCR covers the period from January 2015
to June 2020 and the second relating to the LTD ratio covers the period from June 2018 to June
2020. For the two studies we used the panel cointegration test to ensure the existence of a long-
term relationship, then we jointly estimated the dynamics of short and long term via the Panel
Error Correction Vector Model. For both models, we found a negative and statistically
significant error correction coefficient. This result proves that in the case of short run deviation,
the two ratios seem to return to their equilibrium in the long run. Finally, we carry out a stress
test to detect the impact of some measures taken by the Central Bank of Tunisia during the
Covid-19 pandemic on the liquidity risk. The results of this study have relevant implications
for Tunisian banks and the supervisory authority in order to preserve the stability of the banking
system.

Key Words : Tunisian banks, liquidity ratio, transformation ratio, determinants of liquidity
risk, VECM panel, stress test.
Sommaire

INTRODUCTION GÉNÉRALE ............................................................................................ 1


CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ ............ 1
Section 1 : La liquidité bancaire et la politique monétaire .......................................................... 2
Section 2 : Le risque de liquidité : Déterminants et Revue de la littérature .......................... 12
CHAPITRE 2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE
LIQUIDITÉ ............................................................................................................................ 28
Section 1 : La Supervision Bancaire et la gestion du risque de liquidité ................................ 29
Section 2 : Le stress test comme dispositif de la supervision bancaire et de gestion des
risques............................................................................................................................................... 44
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES .......................................................................................... 57
Section 1 : Le secteur bancaire Tunisien : Panorama et conjoncture actuelle ........................ 58
Section 2 : Échantillon, Variables et Méthodologie de recherche ........................................... 63
Section 3 : Analyse descriptive et résultats empiriques............................................................. 73
Section 4 : Application du stress test ........................................................................................... 88
CONCLUSION GÉNÉRALE ............................................................................................... 94
RÉFÉRENCES BIBLIOGRAPHIQUES ............................................................................. 97
ANNEXES .............................................................................................................................. 103
Liste des Abréviations

ABE Autorité Bancaire Européenne


ALM Asset-Liability Management
AND Avoirs Nets en Devises
BCE Banque Centrale Européenne
BCT Banque Centrale de Tunisie
BEI Banque européenne d'investissement
BMC Billets et monnaie en circulation
BRI Banque des Règlements Internationaux
BT Bons de Trésor
BVMT Bourse des Valeurs Mobilières de Tunis
CAP Capital bancaire
DGSB Direction Générale de la Supervision Bancaire
FMI Fond Monétaire International
FPN Fonds Propres Nets
ILAAP Internal Liquidity Adequacy Assessment Process
LCR Liquidity Coverage Ratio
LTD Loan to Deposit
MDT Millions de Dinars
NPL Non-Performing Loans
NSFR Net Stable Funding Ratio
ONP Office National des Postes
PIB Produit Intérieur Brut
PME Petites et Moyennes Entreprises
PNB Produit Net Bancaire
ROA Rentabilité des actifs
ROE Rentabilité des Capitaux Propres
SREP Supervisory Review and Evaluation Process
TMM Taux du marché monétaire
Liste des Tableaux

Tableau 1 : Typologies des risques bancaires .......................................................................... 14


Tableau 2 : Les déterminants du risque de liquidité : Synthèse des principaux travaux
antérieurs .................................................................................................................................. 25
Tableau 3 : Les normes prudentielles en Tunisie ..................................................................... 32
Tableau 4 : Limites du ratio « Crédits/Dépôts » ...................................................................... 40
Tableau 5 : composantes du ratio « Crédits/Dépôts » .............................................................. 41
Tableau 6 : Évolution du dispositif du stress test ..................................................................... 45
Tableau 7 : Liste des banques constituant l’échantillon de l’étude .......................................... 63
Tableau 8 : Résumé des variables ............................................................................................ 69
Tableau 9 : Statistiques descriptives des variables spécifiques aux banques ........................... 75
Tableau 10 : Résultats des tests ADF, IPS et LLC en niveau et en différence première ...... 78
Tableau 11 : Résultats de l’estimation du Panel - VECM pour LCR et LTD .......................... 80
Tableau 12 : scénarios appliqués sur NPL ............................................................................... 88
Tableau 13 : Valeurs des LCR avant et après les tests appliqués sur NPL .............................. 89
Tableau 14 : Valeurs des LTD avant et après les tests appliqués sur NPL .............................. 89
Liste des Figures

Figure 1 : Résumé des Instruments de la politique monétaire ................................................. 11


Figure 2 : Schéma représentatif de l’excédent/déficit de liquidité d’une banque .................... 16
Figure 3 : Évolution du volume global du refinancement ........................................................ 60
Figure 4: Évolution TMM et Taux directeur (2015- Juin 2020) .............................................. 61
Figure 5 : Évolution du Gap entre crédits et dépôts ................................................................. 62
Figure 6 : LCR moyens (2015-2020)…………………………………………………………73
Figure 7 : LTD moyens (2018-2020) ....................................................................................... 73
Figure 8 : Classement des ratios LCR et LTD moyens par banque ......................................... 74
Figure 9 : Valeurs des LCR avant et après les tests appliqués sur NPL .................................. 89
Figure 10 : Valeurs des LTD avant et après les tests appliqués sur NPL ................................ 90
Liste des Annexes

Annexe A : Tests de la racine unitaire (stationnarité)

Annexe B : Détermination du nombre de retards optimal

Annexe C : Johansen Fisher Panel Cointegration Test

Annexe D : Tests de stationnarité des résidus de l’existence de relations de cointegration


Annexe E : Estimation du VECM

Annexe F : Tests de normalité des erreurs

Annexe G : Tests d’autocorrélation des résidus


INTRODUCTION GENERALE

INTRODUCTION GÉNÉRALE

Dans le monde évolutif d’aujourd’hui, les caractéristiques structurelles des marchés


financiers continuent de varier selon les fondamentaux et les objectifs de chaque pays,
particulièrement en ce qui concerne le développement des marchés des actifs financiers et le
rôle de l’intermédiation bancaire et des institutions financières en tant que sources de
financement. Fondamentalement, toute activité financière présente des risques, et l’activité
bancaire ne déroge pas à la règle. Suite à son rôle d'intermédiation financière et ses services
connexes, les banques se trouvent, en permanence, exposées à une panoplie de risques. En ce
sens, les régulateurs doivent déployer l’ensemble des moyens afin de répondre à des besoins
accrus en termes d’identification, de quantification et de maîtrise de leurs risques.

L’encadrement de la gestion des risques notamment dans les économies d’endettement, à


l’instar de la Tunisie, a pour but de réduire la vulnérabilité des banques aux crises systémiques.
Cependant, la réglementation bâloise était toujours focalisée sur le problème de solvabilité des
banques jusqu’à la crise des « Subprimes » en 2007. Après ce tournant, les régulateurs se sont
rendus compte de l’importance majeure du risque de liquidité et de la nécessité de la mise en
place des normes prudentielles pour assurer une gestion des risques plus rigoureuse.

Le Comité de Bâle sur le Contrôle Bancaire (2008) se propose de définir ce risque comme étant
« le risque lié à l’incapacité d’une banque à faire face à ses besoins en termes flux de trésorerie
et en termes sûretés, présents et futurs, attendus et inattendus à un moment donné faute de
disponibilités suffisantes. Il s’agit également d’un risque inhérent à l’activité d’intermédiation
traditionnelle lorsque le terme des emplois est plus long que celui des ressources »

Nonobstant, le risque de liquidité émane de la sagesse conventionnelle de l’activité


d’intermédiation bancaire : La mobilisation des dépôts des clients, exigibles à court terme, pour
l’octroi des crédits à long terme, qui sont par nature illiquides, et plutôt risqués (Hull, 2012), et
par conséquent, les banques s'engagent « volontairement » dans la transformation des
échéances. Dans cette veine, les banques se dirigent vers le marché monétaire dans l’intention
de lever d’autres sources de financement, même volatiles, pour faire face aux tensions de
liquidité de court terme et qui peuvent servir à l’octroi de crédits à long terme (Drehmann
Nikolaou (2013)). Ce cercle vicieux régissant le risque de liquidité est au cœur de la littérature
économique et financière moderne Wójcik-Mazur et Szajt (2015) ; De Haan et al. (2019).

1
INTRODUCTION GENERALE

En ce sens, le risque de liquidité des banques dépend de la combinaison des facteurs micro-
prudentiels ou spécifiques à la banque et des facteurs macroéconomiques qui révèlent de la
conjoncture économique et financière de chaque pays, d’où l'identification des déterminants du
risque de liquidité des banques fasse l’objet d plusieurs études antérieurs.

S’agissant du contexte national, les banques tunisiennes ne font pas l’exception. Les dernières
décennies, les chiffres enregistrés par le secteur bancaire tunisien renseignent sur un secteur
touché de plein fouet par l’effet conjugué de la crise mondiale 2007 et à un environnement post
révolutionnaire hostile qui pèsent sur le système financier global. En ce sens, le fléchissement
de l’investissement, le ralentissement économique, la dépréciation du dinar, l’augmentation du
taux d’inflation … exercent des effets révélateurs sur le resserrement de la liquidité.

Dans ce contexte morose de l’asséchement de la liquidité bancaire, les banques sollicitent en


permanence la Banque Centrale, pour couvrir les besoins en liquidité émanant aussi bien des
opérateurs économiques que du Trésor Public. Dans le même ordre d’idées, la BCT, à travers
les instruments de la politique monétaire assure l’injection et la régulation de la liquidité dans
l’économie dont l’objectif ultime de préserver la stabilité des prix et veille dans cette
conjoncture, à ancrer les anticipations inflationnistes chez les opérateurs économiques.
Conséquemment, les interventions massives de la BCT pour réguler la liquidité se sont, en fin
de compte, traduites par un accroissement du niveau des refinancements accordés au système
bancaire à un rythme accéléré, avec plus d’acuité en 2018, pour atteindre un niveau record
avoisinant 16 milliards de dinars à fin 2018.

En parallèle, la surveillance macro-prudentielle a révélé l’accentuation des vulnérabilités du


secteur en relation avec la faiblesse de l’épargne nationale, qui au vu des besoins accrus de
l’économie continue à altérer la liquidité du système financier, d’où un tissu bancaire aussi
fragmenté et dépassé par les exigences prudentielles internationales ne permet pas d’envisager
un positionnement de tel secteur hors du champ national.

À cet effet, la BCT intervient d’une manière proactive et procède à la surveillance d’une
manière rapprochée du risque de liquidité dont l’objectif étant d’éviter tout dérapage de la
liquidité bancaire et de préserver les équilibres financiers des banques. À cet égard, la
convergence du dispositif prudentiel tunisien avec les standards internationaux, notamment
Bâlois, a été l’une des préoccupations de la BCT, en se basant sur une approche de préparation
de l’introduction du ratio structurel de liquidité à long terme en complément du ratio de liquidité
de court terme LCR et ceci via l’instauration du ratio « Crédits/dépôts » en novembre 2018.

2
INTRODUCTION GENERALE

Veillant sur la stabilité financière, la Banque centrale, a institué un nouveau ratio de


transformation « crédits/dépôts » ou LTD, en vertu de la circulaire aux banques n°2018-10 du
1er novembre 2018 qui stipule qu’une banque ne peut pas garder ce ratio à un niveau supérieur
à 120%. Il s’agit d’une restriction de nature à rationaliser l’octroi de crédits par les banques qui
chercheront à améliorer les dépôts de la clientèle afin d’alléger le recours au refinancement de
la Banque centrale. Ce repli constitue un facteur dynamique de changement de l’activité
bancaire en Tunisie, dont les incidences sur le secteur ne sont pas encore révélées.

Pour l’année 2020, la propagation rapide de la pandémie de la Covid- 19 et les mesures


drastiques de confinement qui s’en ont suivies ont durement secoué les marchés et affecté les
comportements des agents économiques, annonçant l’entrée de plusieurs pays dans le monde,
à l’instar la Tunisie, dans une situation récession économique. En considérant les enjeux
qu’implique cette situation et ses retombées immédiates et futures, la BCT a décidé d’agir de
manière proactive dans le seul objectif de préserver la stabilité du système et d’endiguer les
menaces réelles entourant l’écosystème productif.
En ce sens, parmi les mesures prises par la BCT, la publication de la circulaire n°2020-06 du
19 mars 2020, permettant aux professionnels et particuliers le report, sous certaines conditions,
des échéances de crédits accordés allant de Mars 2020 jusqu’à la fin de septembre 2020. Cette
action a été accompagnée par d’autres visant à subvenir les tensions de liquidité pour parer aux
besoins de l’économie et soutenir le tissu productif et l’emploi de l’État tunisien tout en adaptant
son dispositif opérationnel de politique monétaire.

En revanche, l’absence totale de visibilité sur les retentissements économiques et financiers de


la crise COVID-19 ainsi que l’absence de clarté parfaite sur les situations financières actualisées
des débiteurs, rend l’exposition des banques et des établissements financiers aux risques dans
une position d’incertitude qui pourra s’aggraver davantage par un effet de contagion ravageur
dont les conséquences peuvent être néfastes sur l’ensemble du secteur. C’est pour cette raison,
il est primordial de connaitre la situation de liquidité des banques dans ce contexte morose, et
en cas de la dégradation de la qualité de ses actifs, pour qu’elles soient en mesure de prendre
les actions préventives nécessaires pour faire face à une éventuelle crise de liquidité.

Comme le préconisent les travaux du comité de Bâle et les autorités de surveillance bancaire
au niveau international, il est primordial d’effectuer régulièrement des simulations de crise de
liquidité pour les banques tunisiennes afin de connaitre les niveaux d’illiquidté potentielles en
cas de perturbations périlleuses de la qualité des actifs. À cet égard, les stress tests ont été

3
INTRODUCTION GENERALE

conçus comme des dispositifs crédibles de la supervision bancaire et la gestion des risques
bancaires. Il s’agit de simuler les changements substantiels des facteurs de risque, tel que la
qualité des actifs, afin de s’assurer de la résilience des banques et du système financier qu’ils
sont en mesure à honorer leur engagement de faire face à des tensions de liquidités imprévus
Acharya et Steffen (2020).

C’est dans ce cadre de ces réflexions, que s’inscrit le présent travail dont l’objectif est de
déterminer dans un premier lieu, les facteurs explicatifs de la dynamique du risque de liquidité
des banques tunisiennes en utilisant des variables spécifiques aux banques et macro-financières
comme déterminants théoriques du risque de liquidité et qui sont issues de la littérature. Ensuite,
nous procédons à des simulations de l’effet de la dégradation de la qualité des actifs des
banques, due à la pandémie Covid-19 sur le risque de liquidité des banques.

À cet égard, notre travail s’articule autour de la problématique suivante : Dans quelles mesures
les déterminants théoriquement identifiés contribuent- ils à l’explication de la dynamique du
risque de liquidité des banques tunisiennes sur le court et le long terme ?

Autour de cette problématique, nous posons les trois questions de recherche suivantes :

Question 1 : Quelles sont les déterminants majeurs du risque de liquidité des banques
tunisiennes ?

Question 2 : Comment se manifeste la dynamique de court et de long terme du risque de


liquidité des banques tunisiennes ?

Question 3 : Quelles seront les effets des nouvelles réformes prises par la BCT pendant la crise
sanitaire en 2020 sur le risque de liquidité des banques tunisiennes ?

Afin de répondre à ces questions, notre travail sera organisé comme suit :

Le premier chapitre est consacré à mettre l’accent sur les concepts de liquidité et ses interactions
avec la politique monétaire et à la présentation d’une revue de la littérature examinant les
différents déterminants du risque de liquidité des banques.

Le deuxième chapitre est dédié à la présentation du rôle de la supervision bancaire, les mesures
et la gestion du risque de liquidité ainsi que le dispositif de stress testing ;

Le troisième chapitre sera consacré à l’étude empirique. Il présente un aperçu sur la conjoncture
nationale, la méthodologie de recherche, les différents résultats des déterminants du risque de
liquidité qui en découlent ainsi que les résultats de stress testing .

4
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE


ET LE RISQUE DE LIQUIDITÉ

À l’époque actuelle, le risque de liquidité est omniprésent au sein de n’importe qu’elle


économie à l’échelle internationale. Il se manifeste dans la plupart des banques et des
institutions financières dans le cadre de leurs activités d’intermédiation : la mobilisation des
fonds collectés sous forme de dépôts et à les transformer en crédits.
Néanmoins, le risque de liquidité est étroitement lié au laxisme des relations régissant les
banques avec ses contreparties suite à une mauvaise gestion de portefeuilles de risques et au
manque d’attention aux changements économiques et financiers globaux, qui peuvent
déboucher à la détérioration de la solvabilité des banques.

À cet effet, parmi les solutions les plus pratiques, les banques et les institutions financières font
recours aux instituts d’émission monétaire dans le but de l’obtention de refinancements pour
surmonter les tensions de liquidité à court terme et dans l’intention d’acquérir une marge de
manœuvre en matière de mobilisation des ressources au lieu de procéder à la recherche des
autres sources de financement plus stables. Suite aux opérations de la politique monétaire, les
Banques Centrales assurent l’injection de la liquidité indispensable pour le fonctionnement de
l’économie. Dans le même ordre d’idée, suite au déploiement de ressources à court terme, les
banques se trouvent face à un risque de liquidité dû à la transformation des échéances dans le
cadre de leurs activités d’intermédiation.

Vu la récurrence de ce cercle vicieux régissant l’activité bancaire avec ses contreparties et


l’autorité monétaire compte tenu du risque de liquidité, le présent chapitre plante le décor, il est
consacré pour mettre en lumière :

- Dans une première section, les notions, les facteurs, et les sources de la liquidité
bancaire, ainsi que les opérations de refinancements assurées par l’autorité d’émission
monétaire ;

- Dans une deuxième section, le risque de liquidité auquel s’exposent les banques, ainsi
que l’ensemble des travaux antérieurs qui régissent les déterminants du risque de
liquidité.

1
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Section 1 : La liquidité bancaire et la politique monétaire

Le suivi et l’analyse de l'évolution de la liquidité bancaire est l'une des procédures de la


régulation monétaire effectuée par l’institut d’émission de chaque pays. Elle permet de
déterminer la quantité de liquidité à fournir au marché ou à en retirer. C’est à travers sa politique
monétaire que la Banque Centrale assure l’injection de la liquidité au système bancaire
indispensable pour son activité d’intermédiation. Dans cette section, nous allons présenter les
différentes notions de la liquidité, les sources, les facteurs autonomes de la liquidité bancaire
ainsi que son interaction avec la politique monétaire.

I. La liquidité bancaire

Les intermédiaires financiers ont apporté en permanence de la liquidité bancaire selon toutes
ses formes et via une multitude de sources. Dans ce qui suit, nous allons présenter la définition
des différents types de liquidité bancaire, leurs sources et leurs facteurs autonomes.

1. Notions de la liquidité
Selon Goodhart (BdF, 2008) « Le mot liquidité a tellement de facettes qu'il est souvent inutile
de l'utiliser sans une définition plus précise 1 »

La notion de « la liquidité » représente plusieurs significations qu’il faut les identifier, ce qui
rend sa définition assez complexe et difficile selon le contexte. Cependant, le comité de Bâle
III (2007) a précisé une définition plus large de la liquidité qui correspond à « à la capacité,
pour une banque, de financer des augmentations d’actifs et de faire face à ses engagements
lorsqu’ils arrivent à échéance, sans subir de pertes inacceptables. 2 ».

Nonobstant, la littérature a distingué trois types de liquidité : la liquidité de la Banque Centrale,


la liquidité de financement et la liquidité de marché.

1.1. Liquidité de la Banque Centrale « Central Bank Liquidity »

La liquidité de la banque centrale traduit la capacité de l’autorité monétaire à faire face aux
demandes de liquidité des banques et garantir l’offre nécessaire de liquidité pour le
fonctionnement du système bancaire. Plus techniquement, la liquidité centrale est synonyme
d'offre de monnaie de base M0 ou monnaie centrale, qui représente les pièces et billets en

1
Nikolaou, K (2009). « Liquidity (risk) concepts, definitions and interactions», European Central Bank Working
Paper Series, No 1008, page 7.
2
Comité de Bâle sur le Contrôle Bancaire, « Principes de saine gestion et de surveillance du risque de liquidité »
Banque De Règlements Internationaux, septembre 2008, page 1.

2
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

circulation ainsi que les avoirs en monnaie scripturale détenus par les banques auprès de la
banque centrale. Donc elle résulte de la gestion des actifs de la banque centrale dans son bilan,
conformément à l'orientation de la politique monétaire.

En Tunisie, c’est la BCT, à travers les opérations de la politique monétaire, qui assure l’injection
de la liquidité nécessaire pour le fonctionnement du système bancaire et le maintien de la
stabilité du niveau de la liquidité sur le marché interbancaire étant donnée l’autorité monétaire
du pays : c’est le prêteur en dernier ressort.

1.2. Liquidité de financement « Funding liquidity »

C’est le type de la liquidité le plus abordée par la littérature économique et financière.


Valla et al. (2006) ont définit la liquidité de financement comme étant : « La capacité d’une
banque à préserver une trésorerie suffisante permettant de couvrir l’ensemble de ses opérations
bancaires courantes et de répondre aux demandes de retrait de ses clients ; s’agissant de
retraits prévus ou imprévus, sans affecter le développement de son activité et la solidité de sa
situation financière.3»

Autrement la liquidité de financement consiste pour une institution financière à être, en


permanence, en mesure de faire face aux paiements convenus en temps opportun, à honorer
leurs engagements et à dénouer leurs positions à leur échéance.

1.3. Liquidité de marché « Market liquidity »

Une notion plus étroite de la liquidité réside dans la liquidité de marché. Il s’agit clairement
d’une conception keynésienne de la liquidité (Keynes, 1936) et qui est placée depuis la crise
mondiale au centre des préoccupations des régulateurs des marchés financiers.

Selon Crockett (2008) « la liquidité de marché reflète la capacité d’une banque à honorer ses
engagements immédiats d’une manière qui lui permette d’ajuster son portefeuille (vendre ou
acheter des actifs financiers) et ses risques sans qu’il y ait une incidence notable sur les prix4».
D’une autre façon, la liquidité de marché équivaut au temps requis et à la capacité des banques
à la liquidation de leurs actifs négociés sur le marché sans réaliser des pertes intolérables. La
liquidité du marché intègre quatre dimension clés : la profondeur, l’étroitesse, l’immédiateté et
la résilience.

3
Valla, N., Saes-Escorbiac, B et Tiest, M. (2006), « Bank liquidity and Financial Stability », Revue de la
stabilité financière, Banque de France, page 2.
4
Crockett, A. (2008), « Market liquidity and financial stability », Financial Stability Review, Banque de France,
No. 11, page 14.

3
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

NB : Nikolaou (2009) a vérifié qu’il existe, en permanence, une interaction entre les trois types
de liquidité sur la base de deux scénarios en période normale et en période turbulente. Au cours
des périodes normales, un cercle vertueux serait établi entre les trois types de liquidité,
favorisant la stabilité du système. En périodes de turbulence, les liens entre les trois types de
liquidité resteraient solides, mais ils provoqueraient un cercle, ce qui pourrait à terme
déstabiliser le système financier.

2. Les sources de la liquidité bancaire


Les banques et les établissements de crédit disposent d’une multitude de sources de liquidité
pour financer leur activité d’intermédiation. Les sources de la liquidité bancaire peuvent être
divisées en deux catégories : les actifs liquides ou quasi-liquides et la capacité de la banque à
drainer une nouvelle épargne.

2.1. Les actifs liquides ou quasi-liquides

Il s’agit de l’ensemble des actifs détenus par une banque dont le degré de liquidité diffère d’un
actif à un autre et qui peuvent prendre les formes suivantes :

 Les encaisses : Il s’agit des valeurs disponibles en caisse ou la monnaie détenue sous forme
d’espèce, qui servent aux opérations de retraits de la clientèle de la banque. Elles
représentent la première source de liquidité, ayant un caractère très liquide et immédiat.
NB : La quantité de métal précieux en lingots ou sous forme de monnaie conservé dans les
coffres d'une banque centrale est appelée encaisse métallique ou encaisse d'or, qui peuvent être
convertis en liquidité.

 Les actifs quasi-échus : Ils correspondent aux actifs de la banque qui arrivent à leurs
échéances, tels que le portefeuille de prêts, qui engendre de la liquidité par leur
recouvrement et les actifs retenus en tant que contreparties sur le marché monétaire (Bons
de Trésor, prêts interbancaires…).

 Les actifs facilement liquidables : Ce sont les actifs financiers détenus par la banque et
qui peuvent procurer de la liquidité immédiate par leur vente par un cash collatéral sans
constater une perte intolérable. Il s’agit principalement des :

 Titres pouvant être facilement vendus sur le marché financier sans une perte
significative en capital ;

4
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

 Les titres éligibles aux opérations de refinancement de la Banque Centrale (Injection


de liquidité dans le cadre des opérations de la politique monétaire, les opérations d’open
market, les opérations de Swap de change…), constitués généralement de titres publics
et créances privées, les conditions d’acceptation sont restreintes à ceux qui présentent
plus de garantie ;
 Les crédits à la clientèle qui, selon les pays et selon les types de crédits, peuvent être
plus ou moins facilement vendus soit directement sur un marché, soit par des opérations
structurées telles que la titrisation.

2.2.La capacité de la banque à drainer une nouvelle épargne

Autre les actifs liquides et quasi-liquides, les banques cherchent à avoir d’autres sources de
liquidité :
 La collecte des dépôts : Il s’agit parmi les activités principales d’intermédiation financière
d’une banque. L’effort consistant des unités commerciales des banques dans la mobilisation
des dépôts peut procurer un matelas de liquidité très important sous la forme de dépôts dans
toute ses formes. Il existe une variété de dépôts bancaires et des formules prévus à cet effet
(dépôts à vue, dépôts à terme, dépôts d’épargne…). Les dépôts sur compte courant ou sur
un compte d'épargne, obéissent à des règles spécifiques fixées par la loi du pays et l’autorité
de contrôle, et par des clauses d'un contrat entre la banque et ses clients (les Conditions
générales et particulières). Il s’agit de la ressource principale dont dispose une banque avec
un cout faible par rapport au taux de marché monétaire.

 Le recours aux marchés de capitaux : les banques peuvent avoir de la liquidité en


s’adressant aux marchés de capitaux (augmentation de capital, émission obligataire…).
Mais, elles doivent répondre à certaines exigences, pour combler leurs besoins à un coût
acceptable, tels que la taille de la banque, les conditions de marché (transparence)…

3. Les facteurs autonomes de la liquidité bancaire


La liquidité bancaire, qui est assimilé aux comptes courants ordinaires des banques à la Banque
Centrale, représente l'ensemble des avoirs en dinars détenus par les établissements bancaires
sur leurs comptes ouverts auprès de l’institut d’émission monétaire.

Les facteurs autonomes de la liquidité bancaire sont des éléments exogènes qui influent à la
hausse ou à la baisse sur le volume des liquidités détenues par les banques qui subissent des
fuites de liquidités ou des flux de paiement sortant de leurs circuits vers d’autres circuits.

5
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Ceci les amène à demander de la monnaie centrale auprès de la banque d’émission. Ces facteurs
peuvent affecter la liquidité de chaque banque en particulier ou du système bancaire en général.
Dans le même ordre d’idée, les prévisions hebdomadaires de la liquidité élaborée par la BCT,
se font sur la base de l'analyse des facteurs autonomes de liquidité qui représentent l'ensemble
des opérations qui ont des effets sur les principaux postes du bilan de la BCT, et qui s’échappent
à son contrôle 5. Les facteurs autonomes de liquidité sont au nombre de trois.

3.1. Les opérations en billets de banque

Il s’agit des billets et monnaie en circulation (BMC) ou la circulation fiduciaire. C’est la


liquidité détenue par les agents économiques (notamment les ménages) sous forme d'espèces
pour assurer leurs dépenses courantes mais aussi pour des motifs de précaution et qui est en
dehors du système bancaire (hors comptes bancaires). L’usage de billets constitue une
augmentation de la circulation fiduciaire et donc une première source de pression sur la liquidité
bancaire. À l’inverse, les versements constituent une ressource, par conséquent la circulation
fiduciaire et la liquidité bancaire varient en sens inverse. La liquidité des banques est affectée
de la différence entre retrait et versement

En Tunisie, l'évolution des BMC et son effet sur la liquidité bancaire, dépend essentiellement
des habitudes de consommation des ménages. Cette composante augmente chaque fin de la
semaine (Pour faire face aux dépenses du weekend), aux périodes de versement des salaires, au
mois de RAMADAN, aux fêtes religieuses et au cours de la saison estivale.

3.2. Les opérations nettes en devises

Ce sont les Avoirs nets en devises (AND) ou les réserves de change sous forme de monnaies
étrangères détenues par les agents économiques (gouvernement, entreprises, ménages). Les
AND n'ont un effet sur la liquidité bancaire que si les établissements de crédits effectuent une
opération de change avec la banque d’émission.
Il existe deux types d'opérations de change affectant la liquidité bancaire : Les excédents
(besoins) de devises cédés (achetés) à (de) la banque d’émission monétaire qui crédite (débite)
le compte de la banque de la contrepartie en dinars des montants cédés (achetés), ce qui
augmentera (baisse) le niveau de liquidité d’où un effet expansif (restrictif) sur la liquidité
bancaire.

5
Liés au comportement des agents non financiers et portent uniquement sur les opérations déclenchées par la
clientèle.

6
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

3.3. Les opérations de la clientèle avec le circuit du Trésor

Les opérations initiées par la clientèle de la banque avec le Trésor Public ou avec ses
correspondants (CCP et Fonds Particuliers) impacte la liquidité du système bancaires : ces
opérations se traduisent par des règlements entre le Trésor Public et les banques.

Étant le banquier de l'État tunisien, la Banque Centrale de Tunisie gère pour le compte du Trésor
un compte appelé "Compte Courant du Trésor". Ce compte est crédité par toutes les recettes
pour le compte de l'État et débité par toutes les dépenses effectuées par le Trésor. Toute
variation positive du SCCT entraine une restriction de la liquidité bancaire (recette fiscale) et
inversement (versement des salaires, remboursement des BTA, subventions).
Il reste à noter qu'il faut faire la distinction entre les opérations effectuées sur le compte courant
du Trésor public qui affectent la liquidité bancaire et d'autres qui ne l'affectent pas
(remboursement de la dette extérieure).

II. Interaction entre la liquidité bancaire et la Politique Monétaire

Le marché monétaire est le lieu d'intervention privilégié de l’autorité monétaire pour la


mobilisation des fonds qui circulent dans l’économie, et c'est par l'intermédiaire des banques et
des établissements de crédit qu’elle ajuste ses disponibilités monétaires.
À cet égard la Banque Centrale de Tunisie adapte le niveau de son taux directeur, qui influence
directement, par les mécanismes de transmission de la politique monétaire, les conditions de
refinancement de l’ensemble des acteurs économiques en Tunisie. Dans ce qui suit, nous allons
présenter le rôle de la politique monétaire et ses opérations dans le financement de l’économie.

1. Définition et objectifs de la Politique Monétaire


La politique monétaire est définie par Hicks (1967) comme étant « la politique qui utilise le
contrôle de l’offre de monnaie par la Banque Centrale comme instrument permettant de
réaliser les objectifs d’une politique économique générale 6 ».
À cet égard, la politique monétaire représente un outil de conduite de la politique économique
d’un pays et qui vise à atteindre des objectifs internes et externes à travers la mobilisation des
fonds et selon les instruments de la politique monétaire.

Les objectifs d’une politique monétaire représentent les variables cibles qu’une banque centrale
veuille atteindre, qui diffère d’un pays à un autre.

6
Hicks., J. (1967), « Critical essays in monetary theory », The Clarendon Press, page 6

7
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

En Tunisie, l’article 7 de la loi n° 2016-35 du 25 avril 2016 portant statut de la Banque Centrale
de Tunisie lui assigne pour objectif principal de préserver la stabilité des prix et de contribuer
à la stabilité financière de manière à soutenir la politique économique de l’État en termes de
croissance et d’emploi. En contribuant à la réalisation d’une croissance économique saine et
durable et non inflationniste, la politique monétaire favorise un niveau d’emploi élevé et
soutient la compétitivité de l’économie nationale.

La BCT, dont l’objectif ultime et final consiste à préserver la stabilité des prix, utilise le taux
d’intérêt en tant qu’instrument privilégié de conduite de la politique monétaire en Tunisie.
Ainsi, en fonction de ses anticipations sur l’inflation et la croissance économique, la BCT ajuste
le niveau de son taux directeur qui influence directement le taux interbancaire au jour le jour,
considéré comme cible opérationnelle de la politique monétaire. Celui-ci influence, à son tour,
la structure par terme des taux ce qui permet in fine d’agir sur les conditions de financement de
l’ensemble des acteurs économiques : Il s’agit des objectifs opérationnels de la politique
monétaire.
S’agissant des objectifs intermédiaires, se sont les canaux de transmission de la politique
monétaire, sur lesquels la banque centrale peut agir pour atteindre les objectifs finaux. Les
objectifs intermédiaires sont le taux d'intérêt, les agrégats monétaires et le taux de change.

2. Instruments de la Politique Monétaire en Tunisie


La Banque Centrale de Tunisie a poursuivi, depuis les années 90, une politique monétaire
discrétionnaire en ayant recours à de multiples instruments. Elle intervient de plus en plus sur
le marché monétaire tunisien à travers les opérations de refinancement appuyées
essentiellement par les opérations hebdomadaires et les facilités permanentes pour.
Disposant d’une panoplie d’instruments qui l’habilitent à mettre en œuvre sa politique dans un
contexte d’excédents ou de déficits de liquidité, la BCT est à même d’orienter le taux d'intérêt
interbancaire au jour le jour vers des niveaux proches du taux directeur. En effet, le taux au jour
le jour (TM) a une influence directe sur le taux moyen mensuel du marché monétaire (TMM),
qui est un taux de référence largement utilisé par le système bancaire tunisien.

Le cadre opérationnel de la mise en œuvre de la politique monétaire repose, par référence à la


circulaire 2017-02 du 10 Mars 2017 relative à la mise en œuvre de la politique monétaire, sur
une variété d’opérations à la discrétion de la banque centrale et sur deux facilités permanentes
disponibles à l'initiative des banques.

8
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

2.1. Opérations à l’initiative de la Banque Centrale de Tunisie


Par référence à circulaire 2017-02 du 10 Mars 2017 de la BCT, les opérations à l’initiative de
la Banque Centrale de Tunisie sont effectuées à des fins de gestion de la liquidité bancaire et
d’indication de l’orientation de la politique monétaire. La BCT décide des conditions de leur
exécution et des instruments à utiliser ainsi que l'analyse et la gestion des collatéraux remis par
les contreparties éligibles au refinancement. Les opérations à l’initiative de la BCT sont
constituées par quatre catégories d’opérations.

2.1.1. Opérations principales de refinancement

Ces opérations constituent l’outil principal d’apport de liquidité par la Banque Centrale de
Tunisie. Elles jouent un rôle clef dans le pilotage des taux d’intérêt et signalent l’orientation de
la politique monétaire. Elles sont exécutées au moyen de procédures d’appel d’offres selon une
fréquence hebdomadaire sous réserve d’une exception prévue par le paragraphe 3 de l’article 5
de la circulaire 2017-02. Le taux d’intérêt minimum appliqué aux opérations principales de
refinancement est le taux directeur de la BCT. Celui-ci est fixé par le Conseil d’Administration
de la BCT de façon cohérente avec l’objectif final de stabilité des prix. Cependant, les
opérations principales de refinancement réalisées au moyen d’opérations de cession temporaire
sous forme de prêts garantis ou de prises en pension.
 « Opération de cession temporaire » : un instrument destiné à la conduite d’opérations
de politique monétaire par lequel la Banque centrale prend en pension des actifs
éligibles en vertu d’un accord de pension ou sous forme de prêt garanti.

2.1.2. Opérations de refinancement à plus long terme

Quand le système bancaire a un besoin de refinancement significatif et récurrent, la Banque


Centrale effectue des opérations de refinancement à plus long terme, normalement sur une base
mensuelle, au moyen d’opérations de cession temporaire sous forme de prêts garantis ou de
prises en pension, afin de fournir aux contreparties des liquidités avec une échéance plus longue
que celle des opérations principales de refinancement (normalement une échéance de trois
mois). Ces opérations sont exécutées au moyen de procédures d’appels d’offres).

2.1.3. Opérations de réglage fin


Ces opérations sont effectuées de manière ponctuelle pour corriger l’effet des fluctuations
imprévues de la liquidité bancaire sur les taux d’intérêt. Elles ont une durée inférieure à celle
des opérations principales de refinancement. Les opérations de réglage fin peuvent être réalisées

9
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

au moyen d’opérations de cession temporaire, de swaps de change (un instrument par lequel la
Banque centrale achète ou vend le dinar au comptant contre une devise et, simultanément, le
revend ou le rachète à terme à une date prédéterminée) à des fins de politique monétaire ou de
reprises de liquidité en blanc (un instrument utilisé lors de la réalisation d’opérations à
l’initiative de la Banque centrale, par lequel la Banque centrale invite des contreparties à placer
des dépôts sur des comptes ouverts auprès d’elle afin de retirer des liquidités du marché).

2.1.4. Opérations structurelles

Il s’agit des opérations qui visent à allouer ou à absorber des liquidités à caractère durable. Elles
sont effectuées chaque fois qu’il convient d’ajuster la position structurelle de liquidité du
système bancaire vis-à-vis de la Banque centrale. Ces opérations peuvent être réalisées au
moyen d’opérations d’achats ou de ventes fermes d’actifs négociables publics ou privés y
compris les sukuk islamiques, de swaps de change à des fins de politique monétaire, de reprises
de liquidité en blanc ou d’émissions de certificats de dette de la BCT.

2.2. Opérations à l’initiative des banques

Selon la circulaire 2017-02 du 10 Mars 2017, les banques peuvent recourir à leur propre
initiative aux facilités permanentes de la BCT. Les facilités permanentes comprennent la facilité
de prêt marginal et la facilité de dépôt, destinées respectivement à fournir et à retirer des
liquidités au jour le jour. Les taux appliqués aux facilités permanentes forment un corridor à
l’intérieur duquel fluctuent les taux interbancaires au jour le jour, avec comme plafond le taux
sur la facilité de prêt marginal et comme plancher le taux sur la facilité de dépôt.

Les banques peuvent utiliser la facilité de prêt marginal pour obtenir de la Banque Centrale de
Tunisie, par le biais d’une opération de cession temporaire sous forme de prêt garanti ou de
prise en pension, des liquidités à vingt-quatre heures à un taux d’intérêt prédéterminé 7 en
utilisant des actifs éligibles en garantie.

Les banques peuvent utiliser la facilité de dépôt pour effectuer des dépôts à vingt-quatre heures
auprès de la Banque Centrale de Tunisie à un taux d’intérêt prédéterminé8. La Banque Centrale
de Tunisie ne fournit aucune garantie en échange des dépôts effectués auprès d’elle par les
contreparties éligibles.

7
Égal au taux directeur majoré d’une marge (de 100pb sur la période sous-revue)
8
Égal au taux directeur minoré d’une marge (de 100pb sur la période sous revue )

10
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

NB : Afin de protéger le bilan de la Banque Centrale de Tunisie contre le risque de crédit, les
opérations de refinancement sont réalisées sur la base d’une sûreté appropriée. À cet effet et
conformément à une liste de critères prédéfinis dans la circulaire n° 2017-02, la Banque
Centrale de Tunisie accepte comme garantie des opérations de refinancement les actifs
négociables incluant des titres de créances négociables publics (Les Bons de Trésor) et privés,
mobilisés à travers le dépositaire central Tunisie Clearing, et les actifs non négociables
matérialisant des créances bancaires sur les entreprises et les particuliers (créances saines
appartiennent à la classe 0) mobilisés directement auprès de la Banque Centrale. Une nouvelle
répartition des contreparties du refinancement exigeant un minimum de 40% sous forme de
titres publics négociables et 60 % de créances bancaires est entrée en vigueur le 5 septembre
2018. Ces collatéraux sont traités par la centrale des actifs éligibles qui se charge de filtrer et
d'apurer les actifs adossés par les banques comme garantie au refinancement de la BCT.

2.3. Les réserves obligatoires

Les banques sont assujetties à l’obligation de constitution de réserves obligatoires sous forme
de dépôts auprès de la Banque Centrale de Tunisie. Le système de réserves obligatoires vise
essentiellement à stabiliser les taux du marché monétaire grâce au mécanisme de constitution
en moyenne et à créer ou accentuer le besoin en monnaie centrale afin de permettre à la Banque
Centrale de Tunisie d’intervenir efficacement comme régulateur de liquidité. Le montant de la
réserve obligatoire est déterminé par l’application à l’assiette constituée par les dépôts en dinar
Tunisien d’une grille de taux déterminée. La période de constitution de la réserve obligatoire
pour un mois donné s’étend du premier au dernier jour du mois qui suit. Les éléments entrant
dans l’assiette de la réserve obligatoire sont extraits de la situation mensuelle comptable du
mois concerné

Figure 1 : Résumé des Instruments de la politique monétaire

Instruments de la politique monétaire

Opérations à l'initiative des Réserves obligatoires


Opérations à l'initiative de la BCT banques

- Appels d'offre et adjudications - Les facilités permanentes


- Les opérations d'open Market de prét et de dépot à 24
- Les Swap de Change heures
- Les opérations de pension -Les prises de pension de
livrée 1 à 7 jours
Source : Site Web de la BCT

11
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Section 2 : Le risque de liquidité : Déterminants et Revue de la littérature

Suite à son rôle d'intermédiation financière et ses services connexes, la banque se trouve
toujours exposée à une panoplie de risques. L’encadrement de la gestion des risques,
notamment dans les économies d’endettement, a pour but de réduire la vulnérabilité des
banques aux crises systémiques. Cependant, la réglementation bâloise était toujours focalisée
sur les problèmes de solvabilité des banques jusqu’à la survenance de la crise des « Subprimes »
en 2007. Après ce tournant, les régulateurs se sont rendus compte de l’importance majeure du
risque de liquidité et de la nécessité de la mise en place des normes prudentielles pour assurer
une gestion adéquate.

À cet effet, cette section se propose pour présenter les différents types de risques auxquels
s’expose une banque, différentes notions du risque de liquidité ainsi que l’ensemble des travaux
antérieurs des déterminants du risque de liquidité.

I. Notions et typologies des risques bancaires


Selon Jacob et Sardi (2001) « Le risque est une source de profit pour une banque et celle qui
n’en prendrait aucun prendrait le plus grand d’entre eux : faire la faillite 9»

Les banques ont, de tout temps, été confrontées à des risques inhérents à leurs activités
d’intermédiation. Ces risques, de caractère imprévisible et aléatoire et sont souvent corrélés. À
cet égard, il faut tout d’abord prédéfinir la notion de « risque », et faire ressortir l’ensemble des
risques bancaires régissant l’activité bancaire

1. Définition
Plusieurs terminologies de la notion du risque ont été abordées par la littérature.
Cohen (1997) a donné une définition assez large « Le risque correspond à l’occurrence d’un
fait imprévisible, ou à tout le moins certain, susceptible d’affecter les membres, le patrimoine,
l’activité de l’entreprise et de modifier son patrimoine et ses résultats 10».

Callon et al.(2001) ont défini le risque comme étant « un danger bien identifié et quantifié,
associé à l'occurrence d’un événement ou d’une série d'événements, parfaitement descriptibles
dont on ne sait pas s'ils se produiront mais dont on sait qu'ils sont susceptibles de se produire
dans une situation exposante11 ».

9
Jacob, H., Sardi, A. (2001), Management des risques bancaires, page 2.
10
Cohen, E. (1997), « Dictionnaire de gestion », Edition la découverte, Paris 1997, page. 308 ;
11
Callon, M., Lascoumes, P ., Barthe Y .(2001). « Agir dans un monde incertain : essai sur la démocratie
technique», page2

12
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Autrement dit, le risque bancaire peut être défini comme étant la contrepartie inévitable inhérent
à l’activité bancaire et qui se manifeste sous la forme d’un danger potentiel ou d’un péril
éventuel dans le présent comme dans le futur pour une banque ou pour tous le système bancaire
et à partir duquel des procédures sont établies pour le quantifier, le maitriser et y faire face
rationnellement.

Le risque apparaît donc comme l'un des défis actuels que les gestionnaires doivent relever pour
le définir, le mesurer et le gérer afin d'améliorer la performance de la banque. Le contrôle et la
gestion des différents risques sont soutenus par une assise réglementaire de plus en plus
dynamique.
Ce principe est un vecteur de normalisation des activités des institutions financières reposant
sur un repérage et un contrôle des flux, des produits et des pratiques.

2. Typologie des risques bancaires


Le risque et l’activité bancaire sont deux éléments inséparables. En revanche, une prise
excessive, mal contrôlée, de ces risques ou encore une mauvaise anticipation des changements
de la conjoncture économique et financière peut constituer une menace non seulement pour
l’équilibre financier des établissements de crédit, mais aussi pour la stabilité du système
financier dans son ensemble.
En ce sens, le risque de liquidité qui constitue le cœur de ce présent mémoire, est un risque
corrélatif avec les autres risques bancaires dans la mesure où sa présence est indissociable d’une
forte augmentation d’un ou plusieurs autres grands risques financiers Matz et Neu (2007).
Les problèmes de liquidité sont souvent symptomatiques d’autres problèmes plus
fondamentaux à une banque tels que le risque de crédit, le risque de taux d’intérêt, le capital
insuffisant, le risque opérationnel … etc.

Dans ce qui suit nous allons jeter un coup d’œil sur les types de risques auxquels s’expose une
banque.

13
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Tableau 1 : Typologies des risques bancaires

Risques Descriptions
Appelé également le risque de contrepartie, correspond à l’incertitude
inhérente à la capacité d’un débiteur d’honorer ses engagements contractuels
Risque de aux échéanciers convenus (en termes de remboursement du principal
crédit emprunté et les intérêts périodiques). Selon l’ISDA 12, 4 événements pouvant
constituer un aléa de crédit : Le défaut de paiement, la faillite du débiteur, la
dégradation de la qualité de l’émetteur et la restructuration de la dette.
Traduit l’éventualité des pertes potentielles dues à une évolution des prix de
Risque de marché des instruments financiers, en défaveur de la position prise par la
marché banque. Le risque de marché touche tous les instruments appartenant au
portefeuille de négociation d’une banque, et peut s’agir d’un risque de change,
d’un risque de prix ou d’un risque de taux d’intérêt.
Risque de L’éventualité pour un établissement de crédit de voir la valeur de ses
taux d’intérêt portefeuille ou sa rentabilité seront affectées par l’évolution défavorable des
taux d’intérêt.
Risque de Se traduit par une modification de la valeur d'un actif ou d'un flux monétaire
taux de suite à une variation défavorable du taux de change par rapport à la monnaie
change de référence dans laquelle la banque détient des créances et dettes.
Ce risque se traduit par une fluctuation défavorable des prix de certains actifs
Risque de financiers figurant dans le portefeuille-titres d’une banque tel que : les actions,
prix d’actifs les matières premières et certains titres de créances (obligations convertibles
en actions (OCA), obligations avec bons de souscription en actions (OBSA)…
C’est le risque lié à l’incapacité d’une banque à faire face à ses besoins en
Risque de termes flux de trésorerie et en termes sûretés, présents et futurs, attendus et
liquidité inattendus à un moment donné faute de disponibilités suffisantes. Il s’agit
également d’un risque inhérent à l’activité d’intermédiation traditionnelle
lorsque le terme des emplois est plus long que celui des ressources.
Risque C’est le risque de pertes directes ou indirectes résultant d’une inadéquation ou
opérationnel d’une défaillance attribuable aux procédures, au facteur humain et aux
systèmes internes ou à des événements externes
Ce risque est lié aux orientations stratégiques du gouvernement de la banque
Risque en matière de prise de décision relative au développement de l’activité
stratégique bancaire et de politiques commerciales tels que lancement d'un nouveau
produit, l’ajout d’une branche d’activité, une restructuration, une opération
fusion & acquisition... .
Risque de Correspond à l'impact que peut avoir une erreur de gestion sur
réputation l'image d'une organisation. Cette réputation fait désormais partie de l’actif
incorporel lié aux objectifs et aux valeurs de la banque.
Source : Auteur
12
« International Swaps and Derivatives Association »

14
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

3. Risque de liquidité
D’une manière générale, le risque de liquidité, ou plutôt d’illiquidité, représente pour une
banque, l’impossibilité de pouvoir faire face, à un instant donné, à ses engagements ou à ses
échéances, par la mobilisation de ses actifs.
En revanche, cette définition est assez large car elle ne prend pas en considération les trois
notions de liquidité.

3.1. Risque de liquidité de la Banque Centrale

Le risque de la liquidité centrale est le risque inhérent à la capacité de l’autorité monétaire d’un
pays à faire face aux demandes de liquidité d’un système bancaire via les opérations de
refinancement. Généralement, ce risque est presque inexistant puisque la Banque Centrale est
l’institut d’émission, ou le monopole d’émission, de la monnaie nationale de chaque pays et
elle détient le réservoir ultime de liquidité.

En Tunisie, la Banque Centrale de Tunisie détient l’exclusivité d’augmenter ou de diminuer le


volume global de la liquidité bancaire sur le marché en tant que l’autorité monétaire du pays et
le monopole d’émission monétaire de la Tunisie.

3.2. Risque de liquidité de financement

C’est le risque le plus abordé par la littérature et qui met en exergue l’activité principale des
banques.
Selon De Coussergues et Bourdeaux (2010) a stipulé que le risque de liquidité est « un risque
inhérent à l’activité d’intermédiation traditionnelle puisque le terme des emplois est toujours
plus long que celui des ressources et plus particulièrement les dépôts de la clientèle. À ce titre,
la banque se trouve dans l’incapacité de faire face à une demande massive et imprévue de
retraits de fonds13.».

Donc le risque de liquidité réside dans l’incapacité d’une institution financière à faire face à ses
engagements suites aux demandes inattendues de retrait de fonds en raison d’une trésorerie
insuffisante à un instant donné. Dans la plupart des cas, les banques construisent divers ratios
de liquidité de financement, qui révèlent différents aspects de la disponibilité des fonds dans un
certain horizon temporel et les utilisent comme indicateurs pour financer le risque de liquidité.

13
De Coussergués, S., & Bourdeaux, G. (2010). Gestion de la banque : du diagnostic à la stratégie (pp. 182-
183). Dunod. Page 12

15
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

3.3.Risque de liquidité de marché

D’après Benati (2014), le risque de liquidité de marché « désigne l’incapacité pour une banque,
de liquider facilement ses actifs à leur juste valeur 14».
Autrement dit, le risque de liquidité du marché est lié à l'incapacité de négocier à un prix
équitable avec immédiateté. C'est la composante systématique et non diversifiable du risque de
liquidité. Il suggère des facteurs communs dans le risque de liquidité sur les marchés des actions
et des obligations.

À cet égard, les banques détiennent un stock d’actifs financiers assez important, qui est
vulnérable au risque de marché. Dans le cas d’un marché illiquide, le portefeuille de la banque
sera plus volatil. Cette instabilité peut engendrer une perte pour la banque, suite à la vente de
ses titres à un prix inférieur à sa juste valeur. D’où, la survenue du risque de liquidité, qui est
ainsi la conséquence du risque de marché.

4. Risque de transformation des échéances


Les pressions de liquidité résultent d’un miss-matching des maturités des actifs et des passifs :
les flux entrants ne permettent pas de couvrir et les flux sortants et par conséquent un risque de
liquidité réside essentiellement de la fonction de transformation des échéances. Comme leur
nom l’indique, ce risque provient de la transformation des montants et des échéances, effectuée
par les banques, dans le cadre de leur activité d’intermédiation. Lorsqu’il existe un décalage
entre les actifs liquides et les ressources stables, un déficit de liquidité peut apparaitre et la
banque s’expose à un risque de transformation du fait de l’inadéquation entre les ressources et
les emplois.

Figure 2 : Schéma représentatif de l’excédent/déficit de liquidité d’une banque

Source : Auteur

14
Benati, A. (2014). La Gestion Actif-Passif (ALM) du risque de liquidité bancaire. Éditions universitaires
européennes. Page 5

16
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Généralement, les banques émettent des ressources (dépôts auprès de la clientèle et


refinancements auprès du marché monétaire) à court terme et accordent des prêts à long terme.
Cette double fonction est la base de la théorie d’intermédiation bancaire depuis toujours. Le
risque de transformation qui découle de l'émission de ressources à court terme est au cœur de
la littérature financière (Diamond et Rajan (2001) ; Deep et Schaefer (2004) Al Brunnermeier
et al.(2012) ;Al Khouri (2012) ; Drechsler et al. (2018)).

En revanche, selon Prasad et Supradha (2014), « La transformation des ressources (ayant


généralement une échéance de Court Terme en des emprunts de Long et Moyen Terme, aura
comme utilité ultime l’amélioration de la rentabilité15. ».

Cependant, la transformation des échéances a deux origines : Les préférences opposées de la


clientèle et a recherche d’une marge d’intérêt.

 Divergence des intérêts de la clientèle : Les emprunteurs veulent emprunter « long » afin
de consolider leurs financements tandis que les préteurs veulent prêter « court » et garder
une certaine disponibilité de leur épargne. L’activité d’intermédiation se traduit donc
nécessairement par une transformation d’échéances, et rend l’ajustement entre les actifs et
les passifs une tâche difficile.

 La recherche d’une marge d’intérêt : Selon la théorie financière, la courbe des taux
d’intérêt (normale) est concave et croissante. Les banques bénéficient de la pentification
de la structure par terme des taux d’intérêt parce qu'elles empruntent « court » et prêtent «
long» et donc, dans une logique de maximisation de la marge d’intérêt, la banque qui décide
d’allonger la maturité de ses emplois augmente son taux de transformation et donc son
risque de liquidité. Donc la transformation permet à la banque de gagner sur le différentiel
des taux, et de réaliser une marge d’intérêt.

L’exposition au risque de liquidité ayant comme origine l’inadéquation de la transformation


des échéances constitue une source de rentabilité pour les banques.

15
Prasad, K., & Suprabha, K. R. (2014). Anomalies in maturity GAP: evidence from scheduled commercial
banks in India. Procedia Economics and Finance, 11, 423-430.Page 2

17
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

II. Les déterminants du risque de liquidité : Revue de la littérature

Il existe une certaine ambigüité autour du manque de transparence du risque de liquidité liée à
l’activité des banques dans le monde. À cet effet, le nombre des études effectuées et les modèles
proposés concernant l’identification des déterminants du risque de liquidité continuent de
croitre quelles que soient la nature et la taille des banques.

Il existe une littérature abondante concernant les déterminants du risque de liquidité et qui sont
regroupés en deux grandes familles : les facteurs endogènes et les facteurs exogènes.

1. Facteurs endogènes
Les facteurs endogènes sont les facteurs spécifiques à la banque. Ils découlent de sa position
bilancielle, portefeuille de risques, marge d’intermédiation, engagements hors bilan…

1.1. La taille de la banque

La taille de la banque, mesurée généralement par le total des actifs dans l’ensemble des études
antérieures, est jugée comme un facteur déterminant du risque de liquidité pour les banques.
Toutefois, il existe une discordance entre les résultats antérieurs mettant en relation la taille de
la banque et le risque de liquidité.

Khan et al. (2017) ont examiné la relation entre la taille de la banque et la prise de risques
bancaires, à l’instar le risque de liquidité en utilisant les données de portefeuilles des banques
américaines de 1986 à 2014. Ils ont constaté que les grandes banques disposent en permanence
des ressources stables de long terme, principalement les dépôts, pour financer l’octroi des
crédits et un stock important d’actifs liquides et des trésoreries excédentaires pour faire face
aux chocs éventuels de liquidité. De même, parmi les constats suggérés par les auteurs, les
grandes banques prennent moins de risques de liquidité de financement en raison de leurs
modèles commerciaux plus complexes et plus diversifiés et qui sont moins axés sur les prêts
bancaires traditionnels non garantis et elles sont également confrontées à une surveillance
prudentielle très rapprochée et à des contraintes réglementaires plus strictes par les autorités de
supervisions compte tenu de leur importance systémique dans secteurs bancaires. Ces mêmes
constatations ont été corroborée par Giannotti et al. (2010) qui ont montré que le risque de
liquidité est négativement lié à la diversification résultant d’une taille importante, sur la base
d'un échantillon de 675 banques italiennes pour la période qui s’étale de 2000 à 2008. De même,
les grandes banques prennent moins de risques car la taille des banques augmente la stabilité
bancaire, comme en témoignent les Z scores les plus élevés.

18
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Zaghdoudi et Hakimi (2017) ont identifié les déterminants clés du risque de liquidité des
banques tunisiennes afin de gérer ce risque majeur pour éviter à la fois l'assèchement de leur
liquidité et leur faillite. Pour ce faire, ils ont utilisé des données couvrant dix banques
tunisiennes, qui représentent l'ensemble du secteur bancaire tunisien, observées sur la période
de 1980 à 2015. Ils ont constaté qu’en Tunisie, la petite taille des banques est un déterminant
générateur du risque de liquidité, car elles restent des banques spécialisées donnant de
l'importance à l'activité de crédit qui est à son tour plus concentrée, malgré les réformes et les
lois qui encouragent les banques à intervenir sur les différents marchés de capitaux d’où la
petite taille exposait les banques tunisiennes à un risque de liquidité élevé. Cela est dû au faible
taux de supervision, qui limite leur marge de négociation sur les différents marchés.

De plus, Wójcik-Mazur et Szajt (2015) ont constaté que la taille des banques est liée
négativement à la volatilité des rendements des actifs en utilisant un échantillon de banques de
l’Union Européenne pour la période qui s’étalent de 2000 jusqu’à 2014. Ainsi, les grandes
banques dont la volatilité des rendements des actifs est plus faible devraient présenter des profils
de risque plus faibles grâce à ses capacités commerciales puissantes traduisant ainsi une
volatilité faible de ses actifs et cette relation était plus forte pendant la crise financière
internationale. Cette même relation négative a été démontrée par Slovaquie et Vodovà (2011) ;
Muharam et Kurnia (2012) ; Ferrouhi et Lehadiri (2014).

En revanche, d’après l’étude d’El Khoury (2012), une relation positive entre la taille d’une
banque et le risque de liquidité sur la base d’un échantillon de 43 banques opérant dans 6 des
pays composant le marché du CCG « Conseil de coopération du Golfe » et ce pour la période
de 1998-2008. Ce lien a été expliqué par le fait que les banques disposant une taille importante,
ne seront pas motivées pour l’acquisition d’actifs liquides pour les présenter comme garanties
pour accéder au marchés financiers. Ces mêmes résultats ont été approuvée par Munteanu
(2012) et Stiroh et Rumble (2006) qui ont trouvé des effets négatifs de la taille. Plus la taille est
grande, plus la banque est difficile à gérer ses risques, y compris le risque de liquidité.

1.2. La valeur ou la capitalisation d’une banque

Vodovà (2011) a montré que les banques les plus capitalisées, avec des fonds propres élevés,
sont peu exposées au risque de liquidité. Il a mené une étude auprès des banques commerciales
polonaises au cours de la période 2001-2010 sur les déterminants du risque de liquidité. Les
résultats ont montré que les ratios de liquidité des banques sont plus prononcés en cas de
renforcement du capital.

19
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Bonfim et Kim (2011) ont également décelée que les banques européennes et américaines qui
ont réduit leurs ratios cibles de fonds propres réglementaire entre 2002 et 2009 et qui sont
devenues moins capitalisées avant le début de la crise financière de 2007, ont été victime de la
crise financière mondiale. Dans l'ensemble, la littérature indique que les banques dotées de
coussins de fonds propres plus importants sont moins disposées à prendre des risques que celles
qui ne sont pas bien capitalisées. De même Naceur et Goaied (2001), Naceur et al. (2010) ont
montré que les banques les plus liquides sont celles qui conservent un niveau élevé de capital
par rapport à leurs actifs.

Selon les études menées par Ben Moussa (2015) et Zaghdoudi et Hakimi (2017) sur les
déterminants du risque de liquidité dans les banques tunisiennes, une relation négative entre le
risque de liquidité et la capitalisation d’une banque. L’explication qui sous-tend de cette relation
est la suivante : Un niveau de capital élevé est un signal positif adressé au marché de la solidité
financière de la banque. Cependant, une banque fortement capitalisée par rapport à une banque
faiblement capitalisée n'a pas besoin d'emprunter pour financer gardant ainsi un niveau d'actifs
liquides donnés. L'utilisation de son capital propre pour financer un projet indique au marché
que la banque est très confiante dans ses projets.

1.3. La qualité des actifs

Généralement dans les études antérieures, la qualité des actifs est mesurée par les prêts non
performants. Une relation positive est vérifiée par Wójcik-Mazur et Szajt (2015) en utilisant
des données de 451 banques opérant dans tous les pays de Union Européenne et qui s’étalent
sur la période 2000-2014. La logique qui sous-tend de cette relation est simple. Les banques
accordent des crédits à leurs clients dans l’espoir d’être remboursées en totalité à échéance.
Mais, il s’agit d’un événement incertain et l’encaissement de ces flux futurs n’est pas garanti ;
Cependant, un taux élevé des prêts non performants traduisant des retards de paiements, des
impayés et la constatation des provisions, par conséquent l’insolvabilité d’un emprunteur
entraîne une perte totale ou partielle de la créance, ainsi que les revenus qui s’y attachent ; d’où
une absence de la liquidité initialement prévue. Quand les entrées de flux prévues ne se réalisent
pas aux délais convenus, la liquidité sera affectée négativement. Roman et Sargu (2015) ont
également démontrée l’association positive entre les prêts non performants et le risque de
liquidité sur la base d’une étude sur les banques commerciales en Europe centrale et orientale,
prises sur l’horizon 2004 – 2011. Ces mêmes constatations ont été corroborées par Arif et Anees
(2012) ; Hugonnier et Morellec (2017).

20
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Umar et Sun (2016) ont également vérifiée l’effet positif des prêts non performants sur le risque
de liquidité dans le marché chinois en utilisant des données de 197 banques chinoises cotées et
non cotées, couvrant la période 2005 à 2014. De même, Munteanu (2012) a examiné les
déterminants de la liquidité bancaire dans vingt-sept (27) banques en Roumanie sur la période
allant de 2002 à 2010, conclue que le risque de liquidité des banques commerciales est affecté
positivement par un taux d’impayé élevé sur les prêts à la clientèle : si la probabilité de défaut
des emprunteurs augmente, le risque de liquidité sera plus important.

1.4. La rentabilité des banques

La rentabilité des banques est généralement mesurée par les deux indicateurs ROA et ROE.
Plusieurs études se sont intéressées à étudier la nature de la relation entre la rentabilité bancaire
sur le risque de liquidité. Par ailleurs, il existe une certaine ambigüité et divergences entre les
résultats trouvés.

Des études élaborées les auteurs Muharam et Kurnia (2012) ont démontré l’impact positif du
ratio de la rentabilité bancaire ROA sur le risque de liquidité sur la base d’un échantillon de
banques indonésiennes entre 2007 et 2011. L’explication sous-jacente de cette relation réside
c’est de bénéficier d’une marge d’intérêt. En particulier, la sagesse conventionnelle veut que
les banques bénéficient de la pentification de la structure par terme des taux d’intérêt parce
qu'elles empruntent « court » et prêtent « long » et par conséquent, dans une logique de
maximisation de la marge, la banque qui décide d’allonger la maturité de ses emplois augmente
son taux de transformation et donc son risque de liquidité. De même, une étude élaborée par
Ferrouhi (2014) en utilisant plusieurs mesures de la rentabilité, entre autre le ROA et le ROE
des 8 banques commerciales marocaines sur la période 2001–2012, a montré la relation positive
entre le risque de liquidité et la performance bancaire.

1.5. Les engagements hors bilan

Les engagements hors bilan d’une banque représentent les engagements accordés par la banque
(lignes de crédits confirmés, les cautions bancaires accordés…) et des engagements reçus de la
part de ses clients (tels que les garanties, les cautionnements reçus…). Ces postes ne sont pas
matérialisées par une mobilisation de fonds immédiate. En d’autres termes, il s’agit d’une entrée
ou d’une sortie de trésorerie potentielle, qui génère énormément de commissions. Ces
mouvements ne sont pas certains, mais ils peuvent se réaliser dans les délais convenus. Donc,
les banques doivent planifier et prévoir ces engagements afin d’éviter l’exposition au risque de
liquidité en cas de leur transformation en des écritures bilancielles (Cornett et al.(2011)).

21
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Karim el al.(2013) ont mis l’accent sur la notion du risque de liquidité hors bilan qui s'est
matérialisé au bilan sur la base d’un échantillon de 59 banques de 14 pays de l’OCDE et ceci
pendant la période de 1980 –2007 et a limité la création de nouveaux crédits, car l'augmentation
de la demande de fonds a freiné la capacité d’octroi de prêt et de faire face aux demandes
massives de retrait.

1.6. La concentration des dépôts

La relation banque client est basée sur la notion de confiance, la moindre rumeur sur une
éventuelle dégradation de la situation financière de la banque, conduit nécessairement les
grands déposants, par phénomène de contagion, à des retraits massifs mettant ainsi la liquidité
en péril. La concentration des dépôts est la dépendance vis-à-vis d’une seule ou un nombre
limité de sources de financement est un élément générateur du risque de liquidité.

Les travaux de Bonner et al. (2013) ont montré que l’augmentation des dépôts à vue implique
l’augmentation des avoirs en actifs liquides, à condition que ces dépôts soient collectés auprès
de plusieurs sources mettant l’accent sur la diversification du portefeuille de financement.
Delgado et al. (2007) dans son étude sur des Banques espagnoles pour l’horizon allant de 1996
à 2003 constate que la hausse du taux de concentration des dépôts diminue la liquidité bancaire.

Lorsque la partie majeure des ressources bancaires sont obtenues auprès d’un nombre limité de
sources de financement, la liquidité d’une banque peut être mise en alerte en fonction de toute
vague de retrait massive de fonds considérée comme une principale source de financement

1.7.Le refinancement auprès du marché monétaire

Selon la théorie de la liquidité des Banques Centrales, les autorités de régulation monétaire
interviennent sur le marché monétaire pour réguler le niveau de la liquidité bancaire et agir sur
le coût de financement de l’activité économique. En cas d’un resserrement affermi de la
liquidité bancaire. Les banques Centrales ont accentué ses concours aux banques,
essentiellement par voie des opérations de refinancement de court terme.

Une étude récente effectuée par De Haan et al.(2019) au sein de la BCE mettant en relation le
ratio de transformation d’échéances comme des mesures du risque de liquidité, le niveau de
refinancement auprès du marché monétaire, des variables spécifiques aux banques et des
indicateurs macroéconomiques. L’étude porte sur un échantillon de 172 banques dans 14 pays
de la zone euro et couvre la période allant d'août 2007 à octobre 2017.

22
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Selon De Haan et al. (2019), en temps normal, les Banques Centrales utilisent les opérations de
refinancement de court terme comme outil de politique monétaire pour piloter les taux d'intérêt
et gérer la liquidité interbancaire. Les opérations de refinancement à court terme constituent
une source de l’exposition des banques au risque de transformation des échéances lorsqu’ils
constituent des ressources destinées à l’octroi de crédits à long terme. Tandis que pendant une
période de crise, la BCE a introduit les opérations de refinancement de Long Terme pour
soutenir le fonctionnement du marché interbancaire et à empêcher un désendettement
désordonné, l'évolution du crédit et un taux de croissance faible. Il s’agit d’un soutien en
liquidité pour renforcer la position bilancielle des banques à court terme, évitant ainsi
l’exposition au risque

2. Les facteurs macroéconomiques


Plusieurs déterminants du risque de liquidité se trouvent être des indicateurs macroéconomiques
initiés par les autorités monétaires ou par la conjoncture économique et financière globale.

2.1.Le taux d’intérêt

Selon la théorie financière, les fluctuations des taux d’intérêt, selon l’orientation de la politique
monétaire du pays, orientent les préférences des agents économiques. En présence de taux
d’intérêt bas, les déposants auront une préférence à placer leurs dépôts à des conditions plus
favorables. Donc, ces sources de financement peuvent être retirées à tout moment ce qui
affectera négativement la liquidité et vice versa Agénor et El Aynaoui (2010). Ceci est approuvé
par Wójcik-Mazur et Szajt (2015) en utilisant un Panel de 451 banques opérant dans tous les
pays de Union Européenne et qui s’étalent sur la période 2000-2014.

2.2.Le taux de croissance du PIB

L’augmentation du taux de croissance du PIB conjugué à l’expansion des investissements, la


création d’emploi et l’accélération de la valeur ajoutée des activités économique. Ceci se traduit
par l’octroi massif des crédits bancaire pour financer l’économie qui se manifestent par des
retraits massifs de fonds traduisant ainsi un éventuel risque de liquidité. En période de récession
économique, l’arrêt brutal de l’activité productive et la rupture des chaînes
d’approvisionnement, sont d’ores et perceptibles sur de nombreux indicateurs économiques et
monétaires. En ce sens, les banques accumulent plus de liquidités en raison du manque d’accès
aux crédits traduisant un risque de liquidité faible (Wójcik-Mazur et Szajt (2015)).

23
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Ces mêmes constatations ont été approuvée par l’étude de Ben Moussa (2015) effectuée
pendant la période 2000-2010 et sur la base d’un échantillon de 18 banques Tunisiennes et
Zaghdoudi et Hakimi (2017)

2.3. Masse Monétaire

La masse monétaire représente la quantité de monnaie qui circule dans l'économie à un moment
donné. L’évolution de la masse monétaire, est concordante avec l’évolution de l’activité
économique. Le taux d’accroissement de l’agrégat de la masse monétaire reflète l’évolution des
billets et monnaies en circulation traduisant des flux de sortie de fonds en dehors du secteur
bancaire induit un élargissement du gap de liquidité. Une relation positive a été démontrée par
Wójcik-Mazur et Szajt (2015) entre la masse monétaire et le risque de liquidité.

2.4.Taux d’inflation

Selon Trenca et al. (2015), le taux d’inflation a un impact négatif et très significatif sur la
liquidité bancaire. Leur étude a été menée sur des données de 46 banques européennes et
s’étalent sur la période de 2005-2011. En effet, une hausse du taux d’inflation provoquera une
diminution du pouvoir d’achat des ménages. De ce fait, les demandes de crédits seront
multipliées et par la suite la liquidité bancaire sera réduite traduisant en ce sens un risque de
liquidité. Cette même relation a été souscrite par Wójcik-Mazur et Szajt (2015), Ben Moussa
(2015) ; Zaghdoudi et Hakimi (2017).

2.5.La crise systémique (phénomènes de contagion)

Une crise de liquidité systémique est vécue lorsqu’il y’à une contraction de la liquidité sur le
marché suite à des troubles affectant gravement le système financier et monétaire : chute des
prix des actifs financiers ; faillite d’institutions financières ; défaut de paiement d'États
surendettés (dettes souveraines) ; graves régressions de l'activité économique …. Exemple la
faillite de la banque américaine Lehman Brothers en 2008 était un risque systémique car elle a
entrainé une grave crise de liquidité. D’après Wójcik-Mazur et Szajt (2015), Trenca et al.
(2015), la présence d’une crise rend les banques plus exposées au risque de liquidité. En effet,
dans une situation pareille, les emprunteurs sont incapables d’honorer leurs engagements envers
les banques, ce qui augmente les taux d’impayés. Dans ce contexte accru, l’incertitude et la
crise de confiance accentue l’assèchement de la liquidité sur le marché interbancaire.

24
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Tableau 2 : Les déterminants du risque de liquidité : Synthèse des principaux travaux antérieurs
Déterminants Auteurs Échantillons Période d’étude Modèles Signes des
Relations
Facteurs endogènes ou spécifiques à la banque
Giannoti et al. (2010) Banques Italiennes 2000 - 2008 Approche ALM

Wójcik-Mazur et Szajt Banques Européennes 2000 - 2014. Panel VECM


(2015) Relation négative
Taille de la banque Zaghdoudi et Hakimi Banques Tunisiennes 1980 - 2015 Panel (GMM)
(2017)
Khan et al. (2017) Banques Américaines 1986 - 2014 Panel - Scoring
El Khoury (2015) Banques de CCG 1998 - 2008 Panel OLS Relation positive
Vodovà (2011) Banques Polonaises 2001 - 2010 Panel statique (OLS)
Capitalisation ou
valeur de la banque Bonfim et Kim (2011) Banques américaines et 2002 - 2009 Régression Panel Relation négative
européennes (OLS)
Zaghdoudi et Hakimi Banques Tunisiennes 1980 - 2015 Panel (GMM)
(2017)
Muharam et Kurnia Banques Indonésiennes 2007 - 2011 Panel (GLS)
Rentabilité de la (2012) Relation positive
banque Ferrouhi (2014) Banques Marocaines 2001 - 2012 Panel (Modèle non
linéaire)
Munteanu (2012) Banques en Roumaine 2002 - 2010 Régression linéaire
Qualité des actifs de la Multiple
banque Wójcik-Mazur et Szajt Banques Européennes 2000 - 2014 Panel VECM Relation positive
(2015)
Umar and Sun (2016) Banques Chinoises 2005 - 2014 Panel Dynamique
(GMM)

25
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Concentration des Delgado et al. (2007) Banques espagnoles 1996 - 2003 Logit Relation positive
dépôts de la banque

Engagements hors Karim el al. (2013) Banques de l’OCDE 1980 - 2007 Logit Relation positive
bilan de la banque

Refinancement de la De Hann (2019) Banque européennes 2007 - 2017 Panel dynamique Relation positive
banque (DID)
Facteurs endogènes ou spécifiques à la banque
Le taux d’intérêt Wójcik-Mazur et Szajt Banques Européennes 2000 - 2014 Panel VECM Relation négative
(2015)
Le taux de croissance Wójcik-Mazur et Szajt Banques Européennes 2000 - 2014 Panel VECM
du PIB (2015)
Zaghdoudi et Hakimi Banques Tunisiennes 1980 - 2015 Panel (GMM) Relation positive
(2017)
Masse Monétaire Wójcik-Mazur et Szajt Banques Européennes 2000 - 2014 Panel VECM Relation positive
(2015)
Taux d’inflation Trenca et al. (2015) Banques Européennes 2005-2011 Panel (GMM) Relation positive
Ben Moussa (2015) Banques Tunisiennes 2000-2010 Panel Statique et
dynamique (OLS)
Crise financière Trenca et al. (2015) Banques Européennes 2005-2011 Panel (GMM) Relation positive
Source : Auteur fondé sur la littérature

26
CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ

Conclusion

Après la crise de 2007, il s’est avéré que l’ignorance des facteurs majeurs dans l’identification,
la mesure et la gestion du risque de liquidité a conduit à l’aliénation des agrégats
macroéconomiques et des indicateurs financiers, la faillite de plusieurs banques, ainsi que la
fragilité du système financier dans son ensemble. À cet égard, les régulateurs se sont rendus
compte de l’importance de la gestion du risque de liquidité, qui demeure un souci majeur des
autorités monétaires.

Également, la réglementation Tunisienne, la résultante des travaux de la Banque Centrale de


Tunisie, a connu une grande mutation suite aux impulsions des différents chocs qui ont perturbé
le système financier Tunisien, et visant à limiter l’assèchement de la liquidité et le renforcement
de la pérennité du système financier.

À cet égard, il s’agit d’étudier la nécessité de l’instauration d’une supervision différenciée en


matière de gestion du risque de liquidité et de tester la résistance du secteur bancaire en cas de
changement de la conjoncture économique et financière qui sera l’objet du deuxième chapitre.

27
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

CHAPITRE 2 : LA SUPERVISION BANCAIRE ET LA GESTION


DU RISQUE DE LIQUIDITÉ

Depuis toujours, la gestion des risques bancaires a constitué un défi majeur pour les
autorités monétaires soucieuses de renforcer la solidité financière des banques, de préserver la
stabilité du système financier et de garantir son efficacité. L’encadrement de la gestion des
risques, notamment dans les économies d’endettement, à l’instar de la Tunisie, a pour but de
réduire la vulnérabilité des banques aux crises systémiques.

Par rapport à cet objet, pour que les forces du marché puissent se comporter d’une manière
appropriée, il faut d'une part que les autorités bancaires procèdent au renforcement de leur
dispositif de supervision bancaire et de gestion des risques, et d'autre part, il est absolument
indispensable de s’avérer d’une infrastructure macro-financière robuste face aux risques qui en
découlent. Ceci a poussé les autorités bancaires à travers le monde à émettre des
recommandations en matière de stress testing comme un outil précieux en matière de gestion
des risques bancaires, à l’instar du risque de liquidité.

Dans le cadre du renforcement du cadre opérationnel de la supervision bancaire, la BCT a


élaboré un plan d’actions quinquennal, avec une assistance de la part du FMI et de la Banque
mondiale, qui comporte plusieurs projets structurants visant le développement du cadre
opérationnel de la supervision bancaire pour assurer le passage d’une supervision de conformité
vers une supervision basée sur les risques.

Dans le même ordre d’idée de la gestion des risques et veillant sur la stabilité financière, la
BCT, afin de limiter le risque de transformation et prémunir les banques contre une prise
excessive de risques, a institué en 2018 un nouveau ratio prudentiel « crédit/dépôt ». Il s’agit
d’une restriction de nature à rationaliser l’octroi de crédits par les banques et à améliorer les
dépôts de la clientèle afin d’alléger le recours au refinancement de la Banque centrale.

Ce chapitre est consacré pour mettre en valeur :

- Dans une première section, la supervision bancaire en matière de gestion du


risque de liquidité ;
- Dans une deuxième section, le dispositif du stress test comme un outil de gestion
des risques.

28
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Section 1 : La Supervision Bancaire et la gestion du risque de liquidité

Les faillites systématiques des banques observées pendant les crises financières dans
plusieurs pays ont démontré l’importance de l’implantation d’une supervision bancaire efficace
et efficiente dont le coût de la mise en place s’avère dérisoire par rapport à ceux engendrés par
ces crises et faillites.
À cet effet, cette section est consacrée pour mettre en exergue le rôle de la surveillance
permanente dans le cadre de la Supervision Bancaire ainsi que son rôle dans la gestion du risque
de liquidité.

I. La Supervision Bancaire et la gestion des risques

Le processus de renforcement du dispositif de la supervision bancaire s’est poursuivi par les


autorités monétaires soucieuses se conformer progressivement aux principes de la
réglementation Bâloise et assurer les fondements d’une supervision basée sur les risques. Ceci
permet une identification précoce des problèmes et des fragilités du système bancaire et une
intervention préventive et rapide par la prise de mesures correctives ou disciplinaires.

1. Définition et objectifs de la supervision bancaire


Récemment, Masciandaro et al. (2020) définissent la supervision bancaire comme étant
« L’ensemble des procédures et des techniques mises en place par les autorités monétaires,
généralement les Banques Centrales, visant à surveiller et maintenir en l’état le système
bancaire du pays. L’objectif principal est d’éviter d’éventuelles dérives d’un ou de plusieurs
acteurs qui pourraient déstabiliser l’ensemble du marché étant donné que les banques du
secteur sont interdépendantes16 ».

Autrement dit, la mission de la supervision bancaire est assurée généralement par les autorités
monétaires de chaque pays. Il s’agit d’un dispositif indispensable pour s’assurer que les banques
et les établissements financiers mènent leurs activités de manière appropriée, correcte et
conforme à la réglementation en vigueur, et que leurs fonds propres sont suffisants pour couvrir
les risques qu’ils encourent. Le dispositif conduit son action sur la base des textes et lois
régissant l’activité des banques et établissements financiers et dispose le droit de recueillir des
établissements assujettis toutes les informations utiles.

16
Masciandaro, D., Peia, O., & Romelli, D. (2020). « Banking supervision and external auditors: Theory and
empirics». Journal of Financial Stability,,page 1

29
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Le champ de compétence de la supervision bancaire s'étend de la surveillance des


établissements de crédit à la prise de mesures administratives disciplinaires en cas d'infraction
à la réglementation bancaire.

Néanmoins, les dispositifs actuels de régulation et de surveillance prudentielles doivent avoir


nécessairement la coexistence des perspectives macro-prudentielle et micro-prudentielle qui
sont interdépendants17. En effet, limiter la concentration des risques bancaires et l’exposition
du système financier global à un risque systémique font partie de la perspective macro-
prudentielle. Il s’agit de maintenir la stabilité du système financier général et de renforcer sa
résistance face aux chocs financiers c’est-à-dire « sa capacité à absorber les chocs
économiques et financiers tout en évitant des répercussions majeures sur l'économie réelle 18»
Cependant, l’analyse par rapport à un groupe de référence « peer group » et l’identification des
fragilités, des aspects aberrants et s’interroger sur la performance bancaire individuelle
correspondent à une perspective micro-prudentielle.

2. La supervision bancaire en Tunisie


L’article 33 de la loi n° 58-90 portant création et organisation de la Banque Centrale de Tunisie
a confié à la charge de cette autorité de superviser les établissements de crédit. À cet égard, la
BCT a défini un cadre standard, cohérant et structuré qui couvre tout le processus de suivi,
d'évaluation et de surveillance des banques et des établissements financiers ainsi que le degré
de leur conformité avec les lois et la réglementation en vigueur notamment en matière
comptable et prudentielle et ceci dans l'objectif d'assurer de manière objective, harmonieuse et
efficace la mission de la BCT en matière de protection des déposants et de préservation de la
stabilité des BEF.

2.1. Le rôle de la surveillance permanente

En Tunisie, la BCT assure une surveillance permanente micro-prudentielle des BEF basée sur
une analyse et une évaluation continue des profils des risques desdits établissements sur une
base individuelle et ce, par référence au cadre légal et prudentiel régissant l'activité bancaire.
Elle est assurée par des équipes de supervision où chacune est chargée d’un portefeuille de
Banques et Établissements de Financiers. Chaque portefeuille est équilibré en termes de valeur
comprenant des grandes banques avec des petites banques et des sociétés de leasing.

17
Noyer, C (2009). « Quelle régulation fi financière pour l’après-crise ? », Banque de France. Revue de la stabilité
financière, No 13, page 3
18
Bennani, H., Fanta, N., Gertler, P., Horvath, R. (2014). « Does central bank communication signal future
monetary policy in a (post)-crisis era? The case of the ECB. Journal of International Money and Finance», page1

30
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Le processus de surveillance prudentielle est soumis au principe de proportionnalité et ce, pour


une meilleure optimisation des ressources de la surveillance permanente et orientation de
l'effort et des ressources de la supervision vers les BEF à profils de risque élevé.

Pour accomplir au mieux ses missions, la BCT demande aux établissements de crédit des
informations périodiques détaillés sur l'ensemble des états financiers ainsi que les informations
concernant l’activité et la gouvernance bancaire. Les établissements de crédit sont également
tenus de fournir à la BCT tous documents, renseignements et justifications nécessaires
permettant de s'assurer que ces établissements exercent leurs métiers conformément à la
réglementation en vigueur.

La BCT procède à la catégorisation des BEF en fonction de leur profil de risque en s’appuyant
sur des critères d’analyse quantitatifs et qualitatifs : le risque de crédit à travers la qualité du
portefeuille de crédit ; risque de liquidité19 ; la solvabilité et le niveau des fonds propres (Le
ratio de solvabilité et le ratio Tier1) ; La performance bancaire (ROA, ROE, marge
d’intérêts…) ; Le dispositif de gouvernance et de contrôle interne (l'indépendance des membres
du Conseil d'Administration (CA) ainsi que la fréquence de ses réunions) ; Le dispositif de lutte
contre le blanchiment d’argent et le financement du terrorisme)

Un mode de surveillance est défini en fonction de la catégorie de la Banque (Systémique ou


taille moyenne) et de son profil de risque. Trois modes de surveillance prudentielle peuvent être
adoptés pour les banques et établissements financiers : Surveillance rapprochée pour les
banques systémiques et les banques en difficultés ou en restructuration, une surveillance
normale pour les banques de taille moyenne et surveillance allégée pour les petites banques

2.2. Réglementation bancaire nationale

La BCT assure en permanence la supervision des banques et des établissements financiers


agrées en vertu de la nouvelle loi bancaire n° 2016-48 du 11 juillet 2016 qui vise à renforcer le
dispositif de la supervision des BEF et œuvre à ce qu’ils exercent leurs activités conformément
à ses dispositions et réglementations en vigueur contenus dans les lois et les circulaires régissant
l’activité bancaire en Tunisie.
En septembre 2018, la BCT a instauré un nouveau ratio prudentiel, appelé « Crédits/dépôts »,
qui sert à préparer les banques à l'application du ratio de liquidité à long terme (NFSR) édicté
dans le cadre de Bâle III, qui est encore en phase d'étude.

19
À détailler dans la deuxième partie de cette section

31
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Nous présentons dans le tableau n°3 suivant les différentes normes prudentielles exigées en
2020 dans le contexte tunisien ainsi que les limites requises.

Tableau 3 : Les normes prudentielles en Tunisie

Ratio Méthode de calcul Limite Source


Ratio de Fonds Propres N(FPN)20 / Actifs
solvabilité Pondérés par les Risques (APR)21 ≥ 10 % Circulaire aux BEF
N°2018-06 du 05
Fonds Propres Nets de Base
≥ 7% juin 2018
Ratio TIER 1 (FPNB)/ actifs pondérés par les
risques (APR)
Le montant total des risques ≤ 3 fois des FPN
encourus pour les bénéficiaires l’établissement de
dont des risques encourus ≥ 5 % crédit

Le montant total des risques ≤ 1,5 fois des Articles 1 & 2 et 3


Ratios de encourus pour les bénéficiaires FPN Circulaire aux
division des dont des risques encourus ≥ 15 % l’établissement de établissements de
risques des fonds propres nets crédit crédit n°91-24 du
17 décembre 1991
≤ 25% FPN
Le montant total des risques relative à la
l’établissement de
encourus sur les personnes ayant division,
crédit
des liens avec l'établissement de (à partir de 2018) couverture des
crédit, risques et suivi des
engagements
Ratio de ≤ 25% FPN
concentration Les risques encourus sur un même l’établissement de
des risques bénéficiaire crédit

LCR L'encours d'actifs liquides de Circulaire aux


« Liquidity haute qualité / Total des sorties ≥ 100% banques n°2014-14
(à partir de 2019)
Coverage nettes de trésorerie durant les 30 relative au ratio de
Ratio » jours calendaires suivants liquidité du 10
novembre 2014
LTD L'encours brut des créances sur Circulaire aux
« Loan To client en dinars / (l'encours des ≤ 120% banques N°2018-
Deposits » dépôts et des avoirs de la clientèle 10 du 01 novembre
+ Certificats de Dépôts) 2018
Source : Auteur

20
Les FPN sont constitués des fonds propres nets de base et des fonds propres complémentaires.
21
Le montant des risques pondérés (crédits, marché et opérationnel) est calculé en multipliant les éléments
d’actif et du hors bilan nets par les quotités des risques prévues par la circulaire N°91-24.

32
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

II. La gestion du risque de liquidité

Au niveau international, le risque de liquidité a fait l’objet d’une première consultation après la
crise mondiale, où le comité de Bâle a retenu l’approche fondée sur les ratios de liquidité de
court et de long terme au niveau de son traitement règlementaire.
Au niveau national, la BCT veille au respect des normes prudentielles en matière de gestion du
risque de liquidité et ceci dans l'objectif de s'adapter aux normes internationales sur le plan
prudentiel. Cependant, les travaux de la supervision bancaire de la BCT assurent la surveillance
mensuelle des ratios de gestion du risque de liquidité en fixant des quotités et des conditions
relatives aux composantes de chaque ratio.
Toutefois, il existe autres indicateurs de quantification et de gestion du risque de liquidité que
les banques doivent déployer pour assurer une gestion Actifs-Passifs plus rigoureuse.

Dans ce qui suit, nous allons détailler une panoplie des mesures et des ratios de gestion du
risque de liquidité dus à la transformation des échéances.

1. Réglementation prudentielle lié au risque de liquidité

La réglementation prudentielle internationale, résultat des travaux du comité de Bâle crée par
les gouverneurs des banques centrales du G 10 22 , a connu une grande mutation suite aux
impulsions des différents chocs qui ont perturbé le système financier mondial. Jusqu’avant
2007, la réglementation bâloise était toujours focalisée sur le problème de solvabilité des
banques.

L’accord de Bâle I de 1988 étaient la première tentative de la mise en place de normes


prudentielles qui placé au cœur de son dispositif le ratio Cooke23, imposant que le ratio des
fonds propres réglementaires d'un établissement de crédit par rapport à l'ensemble des
engagements de crédit pondérés de cet établissement ne puisse pas être inférieur à 8%. En
janvier 1996, un amendement a été voté par le comité de Bâle dans la perspective d'incorporer
aux accords de Bâle I, le risque de marché.

Dans le monde financier évolutif, il est rapidement apparu que Bâle I n'était qu'une simple étape
sur le chemin de la régulation bancaire. Les normes de Bâle I ont affiché plusieurs
limites (inadaptation des pondérations, champ d’application limité, négligence du risque

22
Allemagne, Belgique, Canada, Etats-Unis, France, Italie, Japon, Pays-Bas, Royaume-Uni, Suède et Suisse
23
Du nom de Peter Cooke : directeur de la Banque d'Angleterre et président du comité lors de la mise en place
du ratio.

33
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

opérationnel). Mais bien qu’aménagé, il devint rapidement évident qu'une refonte de l'Accord
était nécessaire, ce que le Comité a réalisé à partir de 1999, débouchant sur un deuxième accord
en 2004 : Bâle II.
L’accord de Bâle II mis en place en 2004, repose sur trois piliers complémentaires. Il a exigé
que les banques doivent détenir un niveau minimal de Fonds propres en introduisant le nouveau
ratio McDonough24 visant la prise en compte des risques opérationnels (fraudes et erreurs) en
complément du risque de crédit ou de contrepartie et des risques de marché, et à imposer un
dispositif de surveillance prudentielle, via le stress testing et le back testing, et de transparence
(la discipline de marché).

Avant 2007, la liquidité qui a été un facteur décisif dans la crise mondiale, ne faisait l’objet
d’aucune réglementation harmonisée au niveau international. À cet effet, le comité de Bâle III
a proposé, parmi d’autres piliers, la mise en place de deux ratios de liquidité.

1.1. Le ratio de liquidité à court terme LCR

Le ratio de liquidité de court terme ou « Liquidity Coverage Ratio_ LCR » a été la solution
proposée par le comité dans le cadre de la gestion du risque de liquidité afin de soutenir le profil
de liquidité des banques en présence de tensions financières.
Le LCR vise à imposer les banques de détenir suffisamment d’actifs liquides de haute qualité
ou « High Quality Liquid Assets – HQLA » pour résister à une sortie de trésorerie ou « Net
Cash Outflows » pour une période de 30 jours, sur la base d’un scénario défini par les
responsables prudentiels. Donc le ratio LCR est calculé comme suit :

𝑨𝒄𝒕𝒊𝒇𝒔 𝒍𝒊𝒒𝒖𝒊𝒅𝒆𝒔 𝒅𝒆 𝒉𝒂𝒖𝒕𝒆 𝒒𝒖𝒂𝒍𝒊𝒕é


𝑳𝑪𝑹 = ≥ 𝟏𝟎𝟎%
𝑺𝒐𝒓𝒕𝒊𝒆𝒔 𝒏𝒆𝒕𝒕𝒆𝒔 𝒅𝒆 𝒕𝒓é𝒔𝒐𝒓𝒆𝒓𝒊𝒆 𝒔𝒖𝒓 𝟑𝟎 𝒋𝒐𝒖𝒓𝒔

D’après la définition des autorités de la supervision bancaire, le LCR est assimilé au ratio de
couverture du risque de liquidité. Donc, c’est un ratio qui présume une situation de crise, soit
propre à la banque (idiosyncrasique).
En général, ce ratio doit être toujours supérieur ou égal à 100 % en périodes normales, c'est-à-
dire que le stock des HQLA doit être toujours supérieur ou égal à la somme des sorties nettes
de trésorerie durant les 30 jours calendaires suivants.
En revanche l’application immédiate du LCR peut provoquer des aliénations sur l’adéquation
entre les ressources et les emplois la liquidité du système bancaire global.

24
Du nom de William J. McDonough président de la Fed de NewYork et président du Comité de Bâle au
moment de la mise en place du ratio.

34
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

C’est pour cette raison, les régulateurs ont adopté une approche graduelle « smoothly » de la
mise en place du LCR pour éviter d’altérer la capacité des banques à financer l’économie. Il
s’agit d’une période transitoire au cours de laquelle les banques doivent déployer l’ensemble
des moyens pour faire face à cette exigence réglementaire, en préservant l’octroi de crédit.
Donc, le LCR minimal de démarrage était fixé à 60 % à partir du 1er janvier 2015 puis une
évolution progressive annuelle de 10 % jusqu’ à atteindre 100% le 1er janvier 2019.

Au contexte national, conformément à la circulaire aux banques n°2014-14 relative au ratio de


liquidité du 10 novembre 2014, la Banque Centrale de Tunisie exige que les banques
Tunisiennes résidentes doivent respecter en permanence un ratio de liquidité de court terme,
qui ne peut être inférieur à : 60% à compter du 1er janvier 2015 ; 70% à compter du 1er janvier
2016 ; 80% à compter du 1er janvier 2017 ; 90% à compter du 1er janvier 2018 ; et 100% à
compter du 1er janvier 2019.

Le suivi permanent des composantes clés du ratio LCR est assuré par les superviseurs portant
notamment sur l’activité des banques, la liquidité bancaire, et les normes quantitatives exigés.

1.1.1. Les Actifs Liquides de Haute Qualité (ALHQ ou HQLA)

La liquidité varie d’un actif à un autre selon le scénario de tension défini, l’échéance fixée et le
volume à mobiliser. À cet effet, la BRI a donné une définition plus large des Actifs Liquides
de Haute Qualité figurant au numérateur du ratio LCR : « Les ALHQ sont des actifs qui restent
liquides sur les marchés en période de crise et remplissent, dans l’idéal, les critères
d’acceptation par la banque centrale. 25»

Selon la BRI, le choix des ALHQ retenus dans le calcul du ratio LCR est confié à la BCT qui
assure, en permanence, le suivi de la qualité des actifs figurés dans le calcul du dit ratio.
Les actifs liquides ainsi que les différentes pondérations sont fixées par la BCT au sens de la
circulaire aux banques n°2014-14 relative au ratio de liquidité sont composés des actifs de
niveau 1 dont leur pondération est fixée à 100% du total des actifs liquides et des actifs de
niveau 2 dont la limite de pondération est fixé à 40% du total des actifs liquides, et qui sont
détenus par la banque et non grevés26 à la date de calcul du ratio de liquidité.

25
«Ratio de liquidité à CT et outils de suivi du risque de liquidité, Banque de Réglementent Internationaux, 2009
26
« Actifs non grevés » les actifs dépourvus de toutes restrictions juridiques, contractuelles, judiciaires,
réglementaires ou autres, limitant l’aptitude de la banque à liquider, vendre, transférer ou affecter les actifs.

35
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Il reste à préciser que, les titres pris en compte au niveau des actifs liquides doivent être évalués
à leur valeur de marché à la date de calcul du ratio de liquidité ou le cas échéant à leur valeur
probable de négociation.

1.1.2. Sorties nettes de trésorerie « net cash outflows »

Le total des sorties nettes de trésorerie se calcule entre le total des sorties de trésorerie attendues
déduction faite du total des entrées de trésorerie attendues durant les 30 jours calendaires.
Le montant global des entrées de trésorerie attendues est pris en compte dans la limite de 75%
du total des sorties de trésorerie attendue tout en respectant la méthode de calcul et les quotités
de pondération fixées par les régulateurs en vertu de la circulaire n°2014-14 de la BCT. Le
calcul des sorties nettes de trésorerie se présente comme suit :

Total des sorties nettes de trésorerie sur les 30 jours calendaires suivants = total des sorties
attendues – minimum {total des entrées de trésorerie attendues ; 75 % du total des sorties de
trésorerie attendues}.

1.2. Le ratio de liquidité à long terme « Net Stable Funding Ratio – NSFR »

Pour compléter la norme prudentielle de court terme, le comité de Bâle définit un ratio de
liquidité de long terme (NSFR) qui met en relation le financement stable disponible et le besoin
de financement stable exigé sur 1 an.

𝑴𝒐𝒏𝒕𝒂𝒏𝒕 𝒅𝒖 𝒇𝒊𝒏𝒂𝒏𝒄𝒆𝒎𝒆𝒏𝒕 𝒔𝒕𝒂𝒃𝒍𝒆 𝒅𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒍𝒆


𝑵𝑺𝑭𝑹 = ≥ 𝟏𝟎𝟎%
𝑴𝒐𝒏𝒕𝒂𝒏𝒕 𝒅𝒖 𝒇𝒊𝒏𝒂𝒏𝒄𝒆𝒎𝒆𝒏𝒕 𝒔𝒕𝒂𝒃𝒍𝒆 𝒆𝒙𝒊𝒈é

Le NSFR vise à imposer les banques de détenir en permanence des ressources de financement
stables excédant les financements exigés. Notons ainsi, que le financement stable disponible
désigne la totalité des fonds propres et des passifs de la banque dont la maturité est supérieure
à une année, tandis que le financement stable exigé désigne la somme des actifs détenus et
financé par la banque additionnée par le montant des actifs hors bilan.

Le NSFR se fonde essentiellement sur des définitions et des calibrages convenus au plan
international. Certains éléments, cependant, sont laissés à la discrétion de l’autorité de contrôle
nationale afin de refléter les conditions spécifiques de la juridiction. Le recours à des
dispositions discrétionnaires devrait être explicite et clairement indiqué dans la réglementation
de chaque juridiction.
En revanche, ce ratio réglementaire n’est pas encore appliqué en Tunisie.

36
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

2. La gestion du risque de liquidité par l’approche ALM


Étant donné qu’il s’agit d’un risque de transformation, émanant des positions bilancielles, le
risque de liquidité serait au mieux mesuré et suivi de façon permanente par une structure qui
opère dans le cadre de la gestion actif-passif. Cette dernière, plus connue sous la dénomination
ALM « Asset-Liability Management » est un mode de gestion des risques de transformation
(risque de taux d’intérêt, risque de liquidité et risque de change) apparu vers les années 1970 et
qui s’intéresse à l’équilibre prévisionnel des actifs et passifs du bilan comptable. Elle assigne à
l'ensemble des opérations contractuelles (cas d'un prêt) ou (cas des dépôts à vue), un cycle de
vie, et définit la vitesse de sortie (profil d’écoulement) des différents postes du bilan pour
mesurer par la suite les décalages prévisionnels de liquidité provenant de discordance des
échéances entre emplois et ressources.

2.1. Impasses (Gap) de liquidité

La méthode des impasses de liquidité, « Liquidity Gap », est considérée comme l’outil de base
de l’approche ALM au sein des banques permettant d’évaluer leur niveau de liquidité et de
fournir des indicateurs efficaces sur les positions futures en termes de liquidité.

Pour ce faire, il faut tout d’abord suivre de nombreux indicateurs concernant l’évolution de la
liquidité de la banque : Notation de l’établissement ; les besoins de refinancement historiques
et prévus ; Panorama de toutes les ressources de financement possibles avec leurs coûts ; la
qualité des actifs …

Après une étude globale sur les caractéristiques de la banque, il faut, par la suite, penser à
l’écoulement des postes du bilan et du hors bilan et l’établissement du profil d’échéances qui
consiste à analyser la consolidation du bilan : comparer, dans le temps, les décalages entre
l’actif et le passif. Le profil d’échéances est un tableau qui classe les actifs et les passifs selon
leur durée restante à courir en se projetant sur des dates futures.

Les impasses ou gap de liquidité désigne l’écart, à une date donnée, entre les ressources et les
emplois, qui déterminent le montant à placer en cas d’excédent de liquidité ou à emprunter en
cas de besoin. Ces impasses sont calculées sur des horizons futurs étant donné que le bilan
bancaire est équilibré à la date courante (impasses nulles). Il existe deux approches adoptées
pour le calcul du gap de liquidité à savoir : l’approche statique et l’approche dynamique.

37
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

 L’approche statique : Cette approche repose sur une hypothèse de cessation d’activité et
consiste à calculer les impasses en projetant des cash-flows à partir des stocks d’actifs et de
passifs arrêtés à une certaine date, sans inclure les productions nouvelles.
 L’approche dynamique : Elle consiste à projeter la totalité des cash-flows, que ce soit des
encours existants ou des productions nouvelles, en fonction des hypothèses de l’activité
future de la banque.

Les impasses (Gap) en liquidité peuvent être calculées en stock ou en flux :

𝑰𝒎𝒑𝒂𝒔𝒔𝒆 𝒆𝒏 𝒔𝒕𝒐𝒄𝒌(𝒕) = Σ 𝑒𝑛𝑐𝑜𝑢𝑟𝑠 𝑝𝑎𝑠𝑠𝑖𝑓(𝑡) − Σ𝑒𝑛𝑐𝑜𝑢𝑟𝑠 𝑎𝑐𝑡𝑖𝑓(𝑡)

𝑰𝒎𝒑𝒂𝒔𝒔𝒆𝒔 𝒆𝒏 𝒇𝒍𝒖𝒙 (𝒕, 𝒕 + 1) = Σ 𝑇𝑜𝑚𝑏é𝑒𝑠 𝑎𝑐𝑡𝑖𝑓𝑠(𝑡, 𝑡 + 1) − Σ𝑇𝑜𝑚𝑏é𝑒𝑠 𝑝𝑎𝑠𝑠𝑖𝑓𝑠(𝑡, 𝑡 + 1)

Une impasse positive représente un excédent de ressources ou des entrées de fonds, tandis
qu’une impasse négative signifie un besoin de ressources ou des sorties de fonds.

Après avoir calculé les impasses, des stratégies de couverture contre le risque de liquidité
doivent être mises en place par les banques qui consistent à le réduire et à le minimiser. Elle
peut se réaliser à travers différents outils tel que la recomposition du bilan et agir sur les postes
générateurs du risque de transformation.

Un ratio du gap de liquidité relatif à chaque échéancier est calculé comme suit :

𝐺𝑎𝑝 𝑑𝑒 𝑙𝑖𝑞𝑢𝑖𝑑𝑖𝑡é 𝑖
𝑅𝑎𝑡𝑖𝑜 𝑑𝑢 𝐺𝑎𝑝𝑖 =
𝑇𝑜𝑡𝑎𝑙 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠𝑖

Il fait l’objet d’une étude comparative dans le temps (d’une période à une autre) ou dans
l’espace (entre les banques).

2.2. Ratios de transformation des échéances

Deep et Schaefer (2004) ont défini un ratio de transformation à court terme : « Liquidity
Transformation Gap - LTG » comme suit :

𝑆ℎ𝑜𝑟𝑡 𝑇𝑒𝑟𝑚 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠 − 𝐿𝑖𝑞𝑢𝑖𝑑 𝐴𝑠𝑠𝑒𝑡𝑠


𝐿𝑇𝐺 =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠

Ce ratio est une mesure simple et économiquement significative de la transformation de la


liquidité à court terme par la différence entre les passifs liquides (les ressources à court terme)
et les actifs liquides d’une banque en pourcentage du total des actifs qu’elle détient.

38
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

De Haan et al. (2019) ont proposé le ratio de transformation à Long Terme : « Mismatch Ratio
– MM » comme suit :

𝐿𝑜𝑛𝑔 𝑇𝑒𝑟𝑚 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠 − 𝐿𝑜𝑛𝑔 𝑇𝑒𝑟𝑚 𝐴𝑠𝑠𝑒𝑡𝑠


𝑀𝑀 =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠

Le ratio MM mesure la dépendance de la banque au financement auprès du marché monétaire.


La BCE indique que plus ce ratio est élevé plus la banque détient une marge de manœuvre plus
importante en matière de mobilisation des ressources extérieures plus stables.

2.3. Indice de transformation

L’indice de transformation représente le rapport entre les actifs pondérés par la durée moyenne
de chaque classe d’échéance et les passifs pondérés par la durée moyenne de chaque classe.

∑(𝐴𝑐𝑡𝑖𝑓𝑠 𝑖 ∗ 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑗𝑜𝑢𝑟𝑠 𝑑𝑒 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒𝑖 )/30


𝐼𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑡𝑖𝑜𝑛 =
∑(𝑃𝑎𝑠𝑠𝑖𝑓𝑠 𝑖 ∗ 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑗𝑜𝑢𝑟𝑠 𝑑𝑒 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒𝑖 )/30

 Si ce ratio < 1, cela signifie que la banque ne transforme pas ses ressources puisqu’elle
dispose davantage de ressources pondérées que d’emplois pondérés ;
 Un indice de liquidité égal à 1 indique que les actifs et les passifs concordent ;
 Plus le ratio est élevé, plus la banque transforme des ressources à court terme en emplois
à long terme.

La construction d’un indice de transformation à des intervalles de temps courts permet à la


banque de mesurer la discordance entre ses actifs et ses passifs et d’avoir une idée sur
l’évolution de cette discordance et donc sur l’évolution de liquidité dans le temps.

3. Ratio Crédits/Dépôts « Loan-To-Deposit Ratio »

Selon Kashyap et al. (2002) « Les prêts et les dépôts bancaires sont étroitement liés. Les deux
activités reflètent la fonction de transformation de la liquidité des banques et partagent des flux
généraux similaires27 »

A l’instar de la Banque Centrale de Tunisie, les autorités monétaires mettent en relations les
crédits et les dépôts dans un même ratio afin de maitriser le risque de liquidité lié la
transformation d’échéances.

27
Kashyap, A. K., Rajan, R., & Stein, J. C. (2002). «Banks as Liquidity Providers: An Explanation for the
Coexistence of Lending and Deposit-taking ». The Journal of Finance, 57(1), 33–73. Page 1

39
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

3.1. Instauration du ratio LTD par la BCT

Veillant sur la stabilité financière, la Banque centrale, afin de limiter le risque de transformation
et prémunir les banques contre une prise excessive de risques, a institué un ratio de
transformation « crédit/dépôt ». Cette décision a été prise en vertu de la circulaire aux banques
n°2018-10 du 1er novembre 2018 qui stipule qu’une banque ne peut pas garder ce ratio à un
niveau supérieur à 120%. Il s’agit d’une restriction de nature à rationaliser l’octroi de crédits
par les banques qui chercheront à améliorer les dépôts de la clientèle afin d’alléger le recours
au refinancement de la Banque centrale.28

Cet instrument s’inspire des pratiques adoptées par certains pays29 du monde entier dans le but
de maîtriser le risque de transformation et d’amener les banques à asseoir une gestion ALM
dynamique. La démarche adoptée pour l’introduction de ce nouveau ratio se base sur une
approche progressive et sans heurt « smoothly » pour éviter d’altérer la capacité des banques à
financer l’économie et atténuer l’impact sur la stabilité du secteur bancaire30.

Les banques dont le ratio « Crédits/Dépôts » se situe à un niveau supérieur à 120% à la fin d’un
trimestre donné doivent prendre les mesures nécessaires pour réduire leur ratio arrêté à la fin
du trimestre suivant et ce, dans les conditions suivantes du tableau n°4.

Tableau 4 : Limites du ratio « Crédits/Dépôts »


Ratio du trimestre Réduction à appliquer
« Crédits/Dépôts » ≥122% Réduction progressive du ratio de 2% par
trimestre
120% < « Crédits/Dépôts » < 122% Pourcentage nécessaire pour ramener le ratio
du trimestre suivant à 120%

Un niveau du ratio «Crédits/Dépôts» de


120% à partir duquel les banques ne sont plus
tenues de réduire leur ratio de 2%.
Source : circulaire n°2018-10 de la BCT

En cas de non-respect de la baisse trimestrielle du ratio « Crédits/Dépôts » de 2%, un plan


d’action doit être présenté à la BCT en vue de redresser la situation de la banque vis à vis du
dit ratio. À défaut, une sanction sera infligée une amende à payer par la banque en dépassement
calculée suivant la formule ci-après :

28
Rapport Annuel de la Banque Centrale de Tunisie 2018, page 4
29
Nouvelle Zélande (133%) ; Irlande (122,5%) ; Indonésie (min 78% et max92%) ; e Portugal (120%) ;
l’Australie (110%) ; la Corée du Sud (100%) et l’Arabie Saoudite (85%).
30
Rapport Annuel de la Supervision Bancaire, Banque Centrale de Tunisie, 2018, page 12.

40
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

𝑬𝑻 ∗ 𝟏% ∗ 𝒏𝑻
𝑨𝑻 =
𝟑𝟔𝟎
 AT : Montant de l’amende.
 ET : Montant des créances en dépassement par rapport au ratio cible du trimestre.
 n T : nombre de jours du trimestre considéré.

Parallèlement, les mesures de soutien des banques suite à la pandémie de covid-19 menée par
la BCT, ont été accompagnées par des assouplissements des normes prudentielles, notamment
du ratio « crédits/dépôts » pour permettre au secteur bancaire de mieux soutenir les entreprises
en allégeant la réduction trimestrielle du ratio de 1% au lieu de 2% et ceci pendant les trois
premiers trimestres de 202031.

3.2. Les composantes du ratio LTD

Le ratio LTD est défini par le rapport entre Crédits et Dépôts initiés par circulaire n°2018-10
de la BCT :
Tableau 5 : composantes du ratio « Crédits/Dépôts »

Numérateur « Crédits » Dénominateur « Dépôts »


Encours brut des créances sur la clientèle en Somme des éléments suivants :
dinars - Encours des dépôts et avoirs de la clientèle
en dinars après déduction des autres sommes
dues à la clientèle,
- Encours des certificats de dépôts,
- Toute autre forme d’emprunts en dinars et
en devises, à l’exception des emprunts
obligataires et des emprunts sur le marché
monétaire.
Source : circulaire n°2018-10 de la BCT

3.3. Revue de la littérature

Le ratio LTD est un indicateur clé de mesure de la couverture des prêts avec un financement
stable, généralement des dépôts des ménages et des sociétés non financières. Lorsque les prêts
dépassent la base des dépôts, les banques sont confrontées à un déficit de financement pour
lequel elles doivent accéder aux marchés monétaires. Un déficit de financement élevé implique
donc une forte dépendance à l'égard du financement de marché monétaire, qui peut être plus
volatil et / ou plus cher que le financement au auprès de la clientèle.
Les deux ratios de liquidité, LCR et NSFR tiennent compte des valeurs stressées des actifs et
passifs, tandis que le ratio LTD est un rapport entre les valeurs non pondérées des prêts et des

31
A partir du 4ème trimestre, la rédudution trimestrielle de 2% sera réactivée

41
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

dépôts. Cela rend le ratio LTD moins sujet à interprétation et plus simple à comprendre. Cela
est particulièrement utile en période de tension, lorsque les acteurs du marché font plus
probablement confiance à des indicateurs simples. Contrairement aux ratios LCR et NSFR, il
n'y a pas de réglementation internationale sur le ratio LTD. Les autorités monétaires de chaque
pays peuvent juger des limites adéquates appliquées au ratio selon la conjoncture
macroéconomique.

3.3.1. Ratio LTD et refinancements auprès du marché monétaire

Une étude récente effectuée par De Haan et al.(2019) au sein de la BCE mettant en relation les
deux ratios de transformation « Loan To Deposit Ratio » et « Mismatch Ratio » comme des
mesures du risque de liquidité avec le niveau de refinancement auprès du marché monétaire,
des variables spécifiques aux banques et des indicateurs macroéconomiques. L’étude porte sur
un échantillon de 172 banques dans 14 pays de la zone euro et couvre la période allant d'août
2007 à octobre 2017. Les résultats ont montré que certaines banques européennes sont en
mesure de se refinancer auprès de la Banque Centrale ayant des ratios de transformation LTD
et MM assez élevés par rapport aux autres banques jugées solides et liquides par la BCE. Cette
augmentation des ratios est due à l’augmentation des crédits LT accordés et financés par des
ressources de CT auprès du marché monétaire. La liquidité de ces banques est remise en
question par la BCE et elles peuvent s’exposer à un éventuel risque de liquidité. Par ailleurs,
lorsque le dispositif de supervision de la BCE fixe une limite du ratio LTD dans quelques pays
de la zone Euro, cela permet de freiner le recours des banques au marché monétaire en cherchant
davantage d’autres ressources de financement plus stables (collecte des dépôts). Les même
constations ont été dégagées par des études antérieures élaborées par Hanson et al.(2011), Bai
et al.(2017) ainsi que Carpinelli et Crosignani (2017).

3.3.2. Ratio LTD et croissance économique

Des études antérieures ont été effectuées à propos du lien entre les ratios de liquidité en utilisant
le ratio LTD comme indicateur de signalisation des problèmes de liquidité dans les banques et
la croissance économique, pour quelques économies émergentes (Van den End (2016)). Les
résultats empiriques ont montré que des chocs défavorables sur les conditions de financement
du marché peuvent peser sur le secteur bancaire dans son ensemble pour les banques ayant un
ratio LTD élevé traduisant une dépendance vis-à-vis du marché monétaire en affectant
négativement la croissance économique.

42
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

3.3.3. Ratio LTD et crise financière

Saeed (2014) a essayé dans son étude à contribuer à la discussion sur la façon dont le ratio
« Crédits/dépôts » (LTD) peut être utilisé pour éviter les problèmes de liquidité pendant une
crise financière pour les groupes bancaires britanniques 32 sur dix ans de 2003 à 2012. Il
démontré que les banques qui disposent davantage de ressources stables, essentiellement les
dépôts, ont bien surmonté la crise de 2007 et ont retrouvé leurs positions. En revanche, il est
perçu que la liquidité instable des banques peut nuire à la fiabilité et à la durabilité des
opérations bancaires. Les résultats de cette étude ont montré clairement que les banques qui
contrôlent peu les dépôts et les prêts des clients ont déjà été nationalisées, reprises ou fusionnées
avec d'autres institutions financières. Ces banques sont devenues victimes de la crise de
liquidité en raison de leurs faibles mesures opérationnelles pour contrôler le ratio
« crédits/dépôts ».

3.3.4. Ratio LTD et rentabilité bancaire

Selon Christaria et Kurnia (2016), plus le ratio de LTD est élevé, plus les fonds donnés à des
tiers sont élevés, plus les niveaux de bénéfices des banques sont élevés en raison du placement
de fonds sous forme de crédits accordés, ainsi les revenus d'intérêts seront augmentés. Cela peut
augmenter la capacité de la banque à générer des bénéfices en utilisant ses actifs, de sorte que
la rentabilité (ROA) augmentera. En revanche, la fixation de limites du ratio LTD freine la
rentabilité des banques en limitant les crédits accordés en faveur des dépôts limitant ainsi la
marge d’intermédiation et par conséquent la rentabilité d’une banque.

32
Major British Banking Groups

43
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Section 2 : Le stress test comme dispositif de la supervision bancaire et de


gestion des risques

La réglementation prudentielle internationale, la résultante des travaux du comité de Bâle,


a connu de grandes mutations suite aux impulsions des différents chocs qui ont perturbé la
robustesse du système financier mondial. À cet effet, les autorités de régulation prudentielle
doivent développer davantage des techniques de gestion de risques permettant de majorer les
exigences de capital réglementaire et de ressources plus sûres en cas de nécessité pour envisager
les situations contraignantes. Cette nécessité peut s’appliquer par le biais de stress testing : La
banque doit prouver, lors de simulations de situations extrêmes, sa résilience en cas de crise
économique.
Dans cette section, nous allons présenter le stress test comme un dispositif de gestion des risques
ainsi que la démarche adoptée pour sa mise en place.

I. Le dispositif du Stress Test : Définitions, évolutions et méthodes

1. Définition et utilité du stress test


La littérature économique et financière présente une panoplie de définitions du stress tests
connus également sous la dénomination des tests de résistances.
Cihak (FMI, 2005) a proposé une définition large « Le stress test est un moyen de gestion des
risques bancaires permettant de prendre en compte des événements extrêmes selon des
distributions de probabilités retenues, mais pouvant toutefois se réaliser. 33 »

Anand et al. (2014) a considéré les stress tests dans le système bancaire comme étant « les tests
visant à simuler des conditions financières inhabituelles auprès des banques afin de suivre leurs
réactions et leur comportement. L'objectif est de démontrer la solidité du système bancaire et
ses éventuelles carences. Ce type de test a été mis en place par les banques centrales. Les
scénarios proposés aux banques peuvent aller du probable à l'exceptionnel.34 »

Autrement dit, les stress tests résident dans des simulations des scénarios économiques et
financiers extrêmes mais plausibles, menés par les banques Centrales, sur des indicateurs de
gestion, des éléments des états financiers des banques ou encore sur des ratios réglementaires,
afin de s’assurer la résilience des banques et du système financier en périodes de turbulences.

33
Cihak, M. (2005). «Stress Testing of Banking Systems (in English) », Czech Journal of Economics and
Finance, vol. 55(9-10), pages 418-440, page1.
34
Anand. K, Bédard-Pagé. G , Traclet.V, (2014) « Stress Testing the Canadian Banking System: A System-Wide
Approach” Financial System Review , Bank of Canada , page 61.

44
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

L'utilité des stress tests découle du fait qu'ils fournissent une mesure quantitative de la
vulnérabilité du système financier à des changements substantiels des facteurs de risque. Cela
peut être utilisé en combinaison avec d'autres outils analytiques pour tirer des conclusions plus
fiables sur la stabilité globale d'un système financier.

La méthodologie des stress tests est loin d'être normalisée. Ce manque de standardisation
fournit une flexibilité de la conduite des stress tests qui sera adapté aux circonstances
individuelles, en fonction des risques macroéconomiques qui prévalent dans un pays, de la
structure de son système financier et de la disponibilité des données.

2. Émergence et évolution du dispositif du stress test

Les tests de résistance se sont initiés pendant les années 90, puis ils ont connu une évolution
notamment au début des années 2000 et essentiellement après les années de la crise de 2007
traduisant des multiples avantages en matière de prévention des risques. Le tableau suivant
présente un récapitulatif des principaux évènements qui ont marqué le développement des stress
tests systèmes bancaires.

Tableau 6 : Évolution du dispositif du stress test


Année Stress tests
35
1996 Amendement en 1996 des accords de Bâle I, des mesures sont apportées par les
superviseurs pour obliger les banques et les entreprises d'investissement à effectuer
des simulations afin d’évaluer leur portefeuille et pour déterminer leur capacité à
réagir aux événements du marché.
1997 La création effective des stress tests remonte à la crise asiatique36. Les répercussions
néfastes des facteurs macroéconomiques sur le système bancaire ont stimulé les
Banques Centrales et les autorités de la supervision à développer certains dispositifs
de mesure et de gestion des risques. Parmi les outils mis en place étaient les stress
tests.
2004 Le comité du Système Financier Mondial « The Committee on the Global Financial
System - CGFS »37 a lancé un exercice sur les tests de résistance entrepris par les
banques et les sociétés de bourse portant identification des banques à risque
systémique.

35
En janvier 1996, un amendement a été voté par le comité de Bâle dans la perspective d'incorporer aux accords
de Bâle I, le risque de marché avec le risque de crédit dans le ratio Cooke.
36
Une crise économique qui a débuté en Thaïlande et qui a touché les pays de l’Asie du Sud-Est à partir
de juillet 1997 sous la forme d’une crise monétaire (déficit de la balance financière, niveaux de dette extérieure
élevé, libéralisation des mouvements de capitaux, forte dépréciation des monnaies asiatiques).
37
CGFS présidé par William C Dudley, président et chef de la direction de la Federal Reserve de New York.

45
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

2006 L’instauration du deuxième pilier de l’accord de Bâle II ayant comme objectif


d’inciter les banques à développer des techniques de gestion de leurs risques et de
leur niveau de fonds propres et de permettre aux autorités de régulation de majorer
les exigences de capital réglementaire en cas de nécessité par le biais du back testing
et stress testing.
Le Comité Européen des Superviseurs Bancaires « Committee of European Banking
Supervisors - CEBS» a publié des règles directives relatives aux aspects techniques
du stress testing en tant qu’outil de supervision.
2007 Les stress tests menés avant 2007, n’ont pas permis de prévoir la crise financière
mondiale et les pertes excessives qu’elle a engendré. Dans cette intention, il est
apparu que les normes prudentielles exigées précédemment n’étaient qu'une simple
étape sur le chemin de la régulation bancaire et pour cela de nouvelles procédures
stress test ont été introduites et exigées par les autorités de supervision bancaire.
2008 Faillite de la banque américaine « Lehman Brothers38 » a obligé de la conduite d’un
stress test à grande échelle par la Réserve Fédérale et le gouvernement des États-
Unis, revu en 2009, afin d’absorber les effets funestes d’une crise systémique.
2009 Publication par le comité de Bâle d’un ensemble de recommandations 39 pour les
banques et les institutions financières en matière de stress tests.
Adoption de programmes post-crise de stress testing aux Etats-Unis à savoir :
« Supervisory Capital Assessment Program _SCAP » en 2009 ;
2013 La Banque du Canada a mis au point un modèle novateur de simulation de crise, le
Cadre d'évaluation des risques macro-financiers « MacroFinancial Risk
Assessment Framework – MFRAF », qui saisit les diverses sources de risque
(solvabilité, liquidité et effets de contagion) auxquelles les banques sont confrontées
en se référant aux techniques de stress testing.
2014 La BCE a procédé à un stress test sur les 128 grandes banques européennes dans le
cadre de la préparation à la mise en place de l’Union bancaire européenne.
2016 L'Autorité bancaire Européenne (ABE) a effectué un stress test sur 51 banques
européennes dans le but d’évaluer la résilience des banques de l'UE face à des
évolutions économiques défavorables.
2017 La FED a conduit un stress test sur les 34 plus grandes banques américaines qui ont
réussi sans exception la première phase de l’exercice dénotant par ceci leur solidité
et leurs capacités de résister aux situations de récessions les plus extrêmes.

2018 La BCE a effectué des stress tests sur 48 banques européennes de l'UE qui
représentent 70% des actifs bancaires de la zone Euro. Le résultat du test montre
que les banques sont plus résistantes aux chocs financiers. Les efforts déployés par
les banques pour solidifier leur base capitalistique les dernières années ont renforcé
leur capacité à résister à des chocs importants.
Source : Auteur

38
« Lehman Brothers » une banque d'investissement multinationale créée en 1850, proposant des services
financiers diversifiés et ayant spectaculairement fait faillite le 15 septembre 2008 suite à la crise des
« Subprimes ».
39
« Principales for sound stress tesing», Comité de Bâle sur le Contrôle Bancaire, , Mai 2009, pages 8-19.

46
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

3. Approches, typologies et méthodes de stress tests

3.1. Les approches de stress test

Il existe deux approches principales pour mener des tests de résistance : stress tests bottom-up
ou ascendants et stress tests top- down ou descendants.

3.1.1. L’approche Bottom-Up

Cette approche « de bas vers le haut » consiste à la conduite des tests de résistance par les
banques et les institutions financières pour leur propre compte en utilisant ses modèles internes
et des scénarios en fonction de leur situation financière afin de mesurer l’impact des chocs
appliqués sur leurs variables d’intérêts (indicateurs de gestion, ratios…) tout en s’alignant aux
conditions fixées par l’autorité de contrôle. Les résultats obtenus, en considérant
individuellement l’impact des chocs sur les banques, sont agrégés par l’autorité de contrôle.
Cependant, les modèles bancaires individuels capturent une quantité de données plus détaillées
sur leurs portefeuilles et leurs expositions aux risques et fournissent des informations sur les
facteurs spécifiques de leurs résultats de stress tests. De plus, les banques ont des modèles
commerciaux hétérogènes selon leurs activités de spécialisation et des expositions différentes
aux risques : leurs modèles de simulation de crise capturent ces particularités.

En revanche, cette approche ne prend pas en considération les interactions avec d'autres
banques pendant les périodes de stress et les effets de réseau associés. En outre, le risque de
liquidité n'est pas explicitement pris en compte par les banque dans ses propres tests et qui
généralement abordé par l’autorité de contrôle.

3.1.2. L’approche Top-Down

Cette approche consiste en l’application d’un stress test « de haut en bas » mené par les
superviseurs des autorités monétaires sur les banques et les institutions financières afin
d’évaluer les répercussions de chocs globaux sur l’intégralité du système financier. Il s’agit des
tests macro-prudentiels mis en œuvre par les superviseurs afin d’évaluer la robustesse du
système bancaire dans sa globalité. L'autorité de contrôle conçoit une simulation ou un scénario
commun de stress tests qui sont appliqués banque par banque ou sur l’ensemble du secteur, et
ceci sur la base d’hypothèses et de modèle identiques. Les tests peuvent concerner des variables
macroéconomiques, des indicateurs de gestion ou des ratios réglementaires.
À cet égard, le cadre peut être utilisé comme un modèle descendant pur ou comme un modèle
« hybride », avec des données provenant d'un test de résistance ascendant.

47
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Le principal avantage d'un test de résistance descendant est que, en utilisant un modèle commun
pour différentes banques, les autorités peuvent comparer les résultats entre les banques pour
obtenir des informations sur leurs vulnérabilités respectives aux mêmes chocs. De plus, cette
approche aide à mieux capturer les effets de contagion et permet d’éviter une hétérogénéité en
appliquant le même modèle.

En revanche, l’approche Top-Down tend à négliger les caractéristiques intrinsèques à chaque


établissement et ne fournit pas suffisamment de détails sur les facteurs explicatifs des résultats
des tests. De plus, elle nécessite de grandes quantités de données de bilan détaillées pour cerner
l’incidence des chocs sur l’ensemble des institutions financières.

3.2. Les typologies des stress tests

Les types de stress tests varient selon leur degré de complexité. Nous distinguons
principalement deux types d’analyse de tests : Analyse de sensibilité et analyse de scénarios.

3.2.1. Analyse de sensibilité

L’analyse de sensibilité représente le niveau basic du stress testing. La réalisation de ces tests
consiste en la variation exogène d’un seul facteur ou un déterminant de risque jugé « sensible »
et la conservation des autres facteurs inchangés. Cependant, ces analyses visent à tester la
sensibilité des portefeuilles des banques pris individuellement ou de l’ensemble du secteur face
à la variation d’un seul facteur de risque afin de déceler son incidence sur la valeur d’un
portefeuille bancaire ou un indicateur de gestion initialement définis et d’identifier, par la suite,
les aspects à renforcer dans l’analyse.

Ces tests se caractérisent par leur simplicité et leur rapidité d’application de fournir des résultats
facilement communiqués et interprétés par l’ensemble des parties prenantes. En ce sens, ces
caractéristiques montrent l’utilité l’analyse de sensibilité en période de turbulence économiques
ou de crise.

Il est possible d’exercer des tests de sensibilité à divers seuils de sévérité, ces tests permettent
de mesurer l’exposition générée par chaque type de risques et de catégoriser ces derniers selon
l’ampleur de l’exposition qu’ils impliquent afin de dresser une cartographie des risques.

48
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

3.2.2. Analyse de scénarios

La méthode de scénarii consiste à développer des scénarios qui servent pour la conduite des
stress tests et s’appliquent sur plusieurs facteurs de risque en tenant compte des interactions
possibles entre ces différents facteurs, et de déceler les incidences possibles sur les valeurs des
portefeuilles ou de ratios réglementaires. La définition des scénarios est établie selon des
hypothèses prenant en considération des contraintes économiques et financières selon la
conjoncture. Cette méthode d’analyse de stress testing suppose généralement trois scénarios :

 Un scénario réaliste : consiste en la variation des facteurs de risque selon des proportions
attendus en gardant la situation de la banque et celle de la conjoncture économique et
financière stable dans le temps.
 Un scénario pessimiste : Il s’agit d’un scénario catastrophique pour la banque qui
suppose la dégradation excessive de la situation de la situation économique et financière
faisant ainsi des chocs extrêmes des facteurs de risque.
 Un scénario optimiste : caractérisé par une perception positive de la situation financière
de l’établissement et de la conjoncture économique dans sa globalité. Ce scénario est
rarement utilisé par les praticiens.
Comparée aux tests de sensibilité, l’analyse de scénarios fournit une image plus fiables et plus
réaliste de la situation de la banque et de la structure du système financier, et permet d’examiner
des combinaisons différentes et surtout cohérentes, mais elle reste plus complexe dans son
implémentation et requière plus de temps et d’outils pour sa mise en place.

3.3. Les méthodes du stress testing

La définition des tests de sensibilité et de scénarios se fait selon trois méthodes : méthode
historique, hypothétique et stress test inversé.

3.3.1. La méthode historique

Cette méthode de définition des scénarios est également appelée la méthode objective. Les tests
conçus sont réalisés à partir des hypothèses inspirées des données et des situations passées et
connues par des établissements bancaires. Autrement dit, l’analyse consiste à reproduire les
paramètres des crises ou de défaillances passées dans les scénarios pour définir les facteurs de
risques et d’en déduire ses incidences sur la situation financière d’un établissement bancaire ou
de tous le secteur.

49
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Bien que les scénarios définis soient faciles à mettre en place, les chocs déjà survenus peuvent
ne pas se reproduire de manière semblable. En effet, la crédibilité des résultats selon cette
approche dépend fortement du choix des périodes de chocs les plus plausibles, de son adaptation
aux conjonctures économiques et financière actuelles, mais aussi de l’évolution de la situation
financières des établissements bancaires et du cadre règlementaire mis en place. Par ailleurs, il
est difficile de localiser avec précision les zones à risque du portefeuille actuel, car la perte est
déterminée sur la base d’un événement du passé d’où la méthode historique ne permet pas
d’anticiper des chocs jamais survenus.

3.3.2. La méthode hypothétique

Cette méthode de définition des scénarios est également appelée la méthode subjective. Elle se
base sur la constitution de scénarios sur la base des hypothèses de stress tests qui vise le
développement des chocs plausibles et dépendent d'un ensemble d'évènements qui sont encours
de production ou qui peuvent souvenir dans l’avenir (changements éventuels des facteurs
macroéconomiques, sociologiques, politique, sanitaire).

Cette approche se caractérise par sa flexibilité et dynamisme vu que les scénarios prennent en
considération la variation simultanée de plusieurs facteurs de risques et les interactions qui
existent entre ces derniers, ce point rend sa mise en place beaucoup plus difficile comparé à
l’approche historique. Toutefois, ces éléments font que la création des scénarios est basée sur
l’avis d’experts et leurs jugements quantitatifs et qualitatifs sur les différents paramètres : les
hypothèses à incorporer, le degré de gravité, et l’adaptation aux conjonctures actuelles, des
facteurs considérés comme déterminants pour assurer l’efficacité des tests instaurés.

3.3.3. Les stress tests inversés

Dans les approches traditionnelles du stress testing, il s’agit de catégoriser l’effet d’évènements
adverses en fonction de variations de facteurs de risque sur la valeur du portefeuille de la
banque. Cependant, dans le cas des stress tests inversés, comme son nom l’indique, il s’agit
d’un raisonnement par l’absurde qui se démarre par la supposition des résultats péjoratifs
réalisés par l’établissement, puis la formalisation des hypothèses sur les variations des facteurs
de risque susceptibles de conduire à de tels résultats ainsi que les plans préventifs et de
contingences afin d’éviter la survenance d’une situation critique que la banque craint son
apparition : il s’agit d’un stress test préventif largement menée par les cabinets d’expertise
comptable au profit des banques et institutions financières pour se prémunir contre l’éventualité
d’une situation indésirable.

50
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

4. Les stress tests et le processus d’évaluation de l’adéquation du niveau de liquidité


Les orientations de l’Autorité Bancaire Européenne (ABE) sur le « Supervisory Review and
Evaluation Process _SREP » définissent le processus d’évaluation de l’adéquation de la
liquidité interne « Internal Liquidity Adequacy Assessment Process – ILAAP » comme étant le
processus qui permet de détecter, de mesurer, de gérer et de suivre le risque de liquidité, mis en
œuvre par les établissements bancaires.
De même, le comité de Bâle dans le cadre de l’ILAAP, affirme que les banques doivent en
permanence évaluent leur profil de liquidité et préservent des actifs liquides de haute qualité
pour étre en mesure de couvrir les sorties nettes afin d’assurer une certaine résilience face aux
différents événements de stress qui peuvent mettre en péril la liquidité des banques. C'est pour
cette raison qu'une simulation des crises de liquidité se révèle incontournable pour mieux définir
les niveaux de liquidité à maintenir. Dans la même intention, les établissements devraient, tout
au moins, utiliser une période de suivi d'un mois dans les conditions de stress.

5. Le stress testing dans le cadre de la supervision bancaire de la BCT


La méthodologie d’évaluation dans le cadre de la supervision au sein de la BCT désigne la
consécration formalisée de toutes les actions engagées depuis 2012 pour assurer la transition
d'une supervision de conformité vers une supervision basée sur les risques et ce, en application
des principes fondamentaux pour une supervision efficace du comité de bale. Il s'agit d'une note
de méthode qui a été inspiré du guide méthodologique conçu à l'échelle européenne SREP "
Supervisory Review and Evaluation Process" élaboré par European Banking Autority, consacre
les principes directeurs en matière de supervision efficace surtout les principes
d'interdépendance, de responsabilité, de transparence, de neutralité, de cohérence, de
permanence, de proportionnalité et d'intervention précoce.

En s’alignant aux nouvelles réformes de gestion des risques, la BCT s’engage dans des
procédures de stress testing comme un dispositif de la supervision bancaire qui sert à procéder
des simulations des facteurs de risques et de dégager les incidences qui en découlent sur la
situation financière des banques prise individuellement et sur le secteur bancaire global.

L’orientation vers de nouvelles techniques de la supervision basées sur le « risk model »


comportant la mise en place d’un système de veille prudentielle et réglementaire permettant
l’adoption des meilleurs standards internationaux basé sur la notation et le stress testing qui
permettent d’anticiper les difficultés bancaires et les réponses des banque tunisiennes face à
choc selon la conjoncture économique et financière.

51
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

II. La démarche de conduite d’un stress test

L’implémentation d’un stress test est un cheminement de plusieurs étapes successives, ces
étapes diffèrent qu’il s’agisse d’un test de sensibilité ou bien d’une analyse de scénarios, selon
le degré de complexité. La présente section récapitule l’ensemble des étapes.

1. Définition des événements et la conception des scénarios


L’identification et l’anticipation des différents facteurs de risques bancaires permettent de
définir les actions à prendre pour faire face à l’exposition qu’ils impliquent. Cette pratique
pourrait mettre en lumière les fragilités du portefeuille d’une banque ou du système bancaire
global face à certains facteurs de risque et également déceler un risque de concentration
potentiel.

Pour ce faire, il s’agit de démarrer par l’identification des événement de risques. En ce sens,
l’analyse de sensibilité et les scénarios sont le plus souvent élaborés sur la base d’un évènement
majeur donnant naissance à une suite de retombées immédiates et à une succession d’effets
secondaires. Comme il existe une infinité d’évènements qui peuvent être pris en considération,
il est rare que l'on ait tendance à les catégoriser. Néanmoins, il peut être utile de les ventiler
selon l’ampleur de leurs impacts40 :

 Les évènements globaux : susceptibles d’affecter l’économie dans son ensemble ou un


réseau d’institutions financières. Ces évènements peuvent être d’origine économique et
financière (la grande dépression de 1929, la crise financière de 2007, la crise de la dette
souveraine en 2010…), comme ils peuvent être d’origine sanitaire (la pandémie de la Covid-
19 en 2020).
 Les évènements propres à l’institution financière : susceptibles d’affecter la valeur ou
la situation financière d’une banque particulière (stratégie, gamme de produits, secteur
d’activité…).
Lors de la conception d'un scénario, il faut tenir compte des ressources et du temps engagés
pour l’implémentation du stress test. Quel que soit le degré de complexité de l’évènement
choisi, il faut d’abord veiller à la faisabilité d’une quantification cohérente de l’évènement et la
maniabilité du nombre de facteurs influencés.

Il est aussi important de considérer les évolutions potentielles du marché ayant un impact
économique significatif.

40
Inspiré de: Association Actuarielle Internationale, « Stress Testing and Scenario Analysis », juillet 2013, p21.

52
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

La description qualitative doit tenir compte non seulement des répercussions de l'événement,
mais aussi de l’horizon temporel de ce dernier, en particulier quand le scénario s’étale sur une
longue période où il est tout aussi important de prendre en compte les actions de contingence.

2. Définition des variables d’intérêt et les périmètres des tests


Les banques doivent déterminer l’origine des chocs à appliquer et dégager par la suite les
facteurs de risque majeurs à stresser. Il s’agit de déterminer les variables d’intérêt du stress test
qui sont susceptibles d’avoir un impact d’une grande ampleur non seulement sur la valeur des
portefeuilles et la situation financière d’une banque mais pour tout le secteur. La sélection de
ces variables dépend en premier lieu de l’objectif d’implémentation des tests, la situation initiale
et le profil de risque des banques, également de la conjoncture macroéconomique et financière
et ses mutations. Les facteurs de risques sont généralement ventilés par catégorie de risques
(Risque de crédit, risque de liquidité, risque de marché, risque de taux…)

Par exemple, pour le risque de liquidité, les variables d’intérêt peuvent être des mesures du
risque de liquidité tels que : ratio de liquidité (actifs liquides /Total actifs) ; ratio de liquidité de
court terme LCR, Ratio de transformation … ou des variables spécifiques aux banques (Ratio
des prêts non performants, ratio de concentration, ratio de rentabilité, taux d’impayés, allocation
des crédits…) ou macroéconomiques (politiques de la banque centrale, taux d’intérêt
Interbancaire, taux de croissance, taux d’inflation, Masse Monétaire, taux de change…). Et ce
pour déceler les incidences qui en découlent sur le risque de liquidité auquel s’expose la banque
ou tous le secteur bancaire.

Cependant, il faut faire attention aux dépendances potentielles ou corrélations qui existent entre
les différentes variables d’intérêts. Parmi les démarches qui peuvent être employées afin de
quantifier et gérer les corrélations entre les facteurs de risque : Une approche basée sur les
jugements qualitatifs et l’avis d’experts afin de cerner les interactions entre les facteurs de
risques, ou l’approche innovante c’est de recourir à des modélisation économétrique pour
remedier une telle situation tels que : Les modèles d'équilibre général dynamique stochastique
(Dynamic Stochastic General Equilibrium - DSGE), Les modèles Vecteurs Autorégressifs
Structurels (Structural Vector AutoRegressive models - SVARs)

Le plus judicieux serait d’appliquer des tests de sensibilité sur les facteurs de risque durant les
différents stades de l’évolution du scénario afin de cerner les changements potentiels que
pourraient subir ces facteurs.

53
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Une fois l’analyse narrative des scénarios est élaborée et la trajectoire des simulations des
facteurs de risques à stresser sont identifiés, des chocs seront appliqués selon le degré de
sévérité souhaité et selon les modèles à la disposition de la banque.

3. Analyse des résultats et implémentation des plans d’action

Lors de la réalisation des tests de résistance, il y a conception de deux scénarios ou plus, qui
représentent le scénario de base qui reprend les principales prévisions existantes calculées à
partir d’un modèle, et les scénarios adverses qui sont des simulations des situations de crise.
Les résultats des scénarios défavorables, seront comparés au scénarios de base, et de prendre
les mesures préventives et établir les plans d’action admissibles, pour assurer une gestion
adéquate des risques qui en découlent, redresser l’activité de la banque et améliorer la stratégie.
Deux types de plans d’action sont généralement mis en place :

Les plans d’action préventifs : sont établis afin d’assurer une gestion immédiate des
risques.
Les plans d’action de contingence : constituent les mesures projetées sur les différents
stades du scénario.
Les plans établis devraient être flexibles afin d’y incorporer toute autre mesure tenant compte
des évolutions imprévues de la conjoncture ou du scénario. Des analyses de sensibilité peuvent
être utilisées pour fournir plus de visibilité des estimations et sur les effets des actions
envisagées.
Il est à noter que l’efficacité de toute mesure prise ainsi que les coûts qu’elle engendre devraient
être conjointement pris en considération.

De même, les actions des métiers du « Risk-management » peuvent être projetées en utilisant
une approche ‘stochastique’ 41 des scénarios. Cette approche consiste non seulement en une
estimation unique des conséquences initiales et des effets secondaires, mais tient compte de
plusieurs possibilités à chaque stade de l’évolution du scénario et donc l’élaboration de
plusieurs scénarios émanant d’un seul évènement initial. Néanmoins, cette approche est très
compliquée, nécessite beaucoup de temps et devrait être appliquée seulement aux scénarios
bien étudiés et dont la survenance est très probable.

41
Approche recommandée par : Association Actuarielle Internationale, « Stress Testing and Scenario Analysis
»,juillet 2013, page 30.

54
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

4. Évaluation de l’analyse et recommandations


L'analyse des résultats obtenus via le stress test impose de prendre les mesures et les
recommandations nécessaire en cas de survenance d’un risque auquel s’expose un
établissement soumis au test ou à l’ensemble des banques du secteur. En effet parmi les
principales mesures que l'autorité de contrôle recommande aux institutions financières est de
présenter périodiquement un Business Plan prévisionnel qui tracent l’évolution de la nature de
l’activité qui retrace l’ensemble des ratios réglementaires, l’exposition de la banque au risques.
Après l’étude de l’ensemble des indicateurs, l’autorité de contrôle propose aux banques les
mesures correctives et de prévention nécessaire à mettre en œuvre dans le plus près délais tels
que la recomposition des bilan, restructuration des Banques… afin d'éviter une éventuelle crise
systémique.

55
CHAPITRE2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE LIQUIDITE

Conclusion

Comme les autorités monétaire à l’échelle international, la BCT a poursuivi ses efforts en
matière de modernisation des méthodes de la supervision bancaire comme prérequis pour
assurer une gestion adéquate des risques bancaires, à travers le développement d’un système
structuré et intégré d’informations prudentielles qui vise la prédiction et la détection précoce
des risques, le développement d’un dispositif de mesures correctrices rapides et proactives, la
formalisation des procédures et le renforcement des capacités de la supervision bancaire .

En plus de ce dispositif de surveillance plus strict, la BCT a l’intention de resserrer les normes
prudentielles des banques visant à les amener à asseoir une gestion efficace du risque de
transformation et une meilleure adéquation entre les ressources et les emplois par le biais de
l’instauration du ratio « crédits/dépôts ». Ce repli constitue un facteur de changement de
l’activité bancaire. Néanmoins, dans le but de la maximisation de la marge d’intermédiation,
les banques dévoilent une résilience saluée dans un contexte assez difficile caractérisé par
l’atonie des investissements dus à l’onérosité des crédits accordés, la poursuite des mesures
restrictives de refinancement et une liquidité toujours sous pression.

Il s’agit de déterminer quelles sont les déterminants majeurs du risque de liquidité dus à la
transformation des échéances et dans quelle mesure la liquidité bancaire sera affectée suite à un
changement d’un facteur de risque. La réponse sera l’objectif de la partie empirique traitée au
niveau du troisième chapitre.

56
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE


DE LIQUIDITÉ DES BANQUES TUNISIENNES

Le besoin des banques tunisiennes en liquidité ne cesse de croitre d’une année à l’autre, ce qui
amène la Banque Centrale de Tunisie d’intervenir d’une manière cyclique pour subvenir aux
besoins de liquidité, et dans le seul objectif d’endiguer les menaces réelles entourant
l’écosystème productif et la stabilité financière. De même, sur le plan prudentiel, la BCT
poursuivra, la surveillance d’une manière rapprochée du risque de liquidité. L’objectif étant
d’éviter tout dérapage et de préserver les équilibres financiers des banques. À cet effet il est
primordial d’identifier les facteurs déterminants du risque de liquidité auquel s’exposent les
banques tunisiennes.

Cependant, les banques peuvent se comporter de manière hétérogène en fonction de portefeuille


de risques, de la structure des bilans et la position dans le secteur. En effet, une analyse micro
est indispensable par le fait que la prise en compte du secteur bancaire global peut induire des
biais et masquer des informations utiles concernant le comportement des banques individuelles.

De même, la propagation de la pandémie Covid-19 en 2020 a annoncé l’entrée de la Tunisie


dans une phase de récession économique, ce qui a poussé BCT de prendre des mesures de
soutien dans le but d’alléger les tensions en liquidité. Ces mesures ont été corroborées par la
décision prise par la BCT en mars 2020 de suspendre tout paiement des échéances jusqu'à la
fin de septembre 2020. En revanche, le manque de visibilité et de transparence concernant la
qualité des débiteurs peut engendrer des pressions futures sur la liquidité des banques. À cet
égard, il est indispensable de simuler le risque de liquidité en cas de dégradation de la qualité
des actifs de la banque. Ceci peut se faire via les stress testing.

C’est ce cadre de ces réflexions que s’inscrit la présente étude qui examine la relation entre le
risque de liquidité et des variables spécifiques aux banques et macro-financières, en prenant en
compte un échantillon de banques représentatives de l’économie tunisienne.

Pour ce faire, nous organisons notre chapitre comme suit :

D’abord, une première section présente un aperçu sur le secteur bancaire tunisien. Ensuite, la
seconde section définit les différentes variables d’intérêts de notre étude. La troisième sera
consacrée pour la méthodologie l’analyse des résultats. Finalement, une quatrième section sera
dédiée pour la conduite d’un stress test sur le risque de liquidité.

57
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Section 1 : Le secteur bancaire Tunisien : Panorama et conjoncture actuelle

Depuis l’indépendance, le secteur bancaire tunisien a subi des diverses mutations en passant
d’un secteur fermé à un secteur plus ouvert et dynamique caractérisé par son intervention
permanente dans le financement de l’économie tunisienne. Dans ce qui suit, nous allons
présenter la structure actuelle du secteur, puis nous allons traiter la conjoncture nationale.

I. Structure et physionomie du secteur bancaire tunisien

Après l’indépendance, la préoccupation majeure de l’État tunisien était focalisée sur


l’instauration d’un système financier national capable de financer le développement de
l’économie tout en se décoloniser du contrôle français .C’est ainsi que la banque Centrale de
Tunisie a vu le jour du 3 Novembre 1958 à travers la promulgation de la loi n°58-90 portant sur
la création et l’organisation de la Banque Centrale de Tunisie et depuis cette date le
gouvernement a pris en main la direction et la supervision du secteur bancaire.

Les années 60 et 70 ont connu une activité bancaire excessivement réglementée par la Banque
Centrale et un secteur bancaire soumis à un contrôle strict marqué par une division en trois
grands compartiments : les banques de dépôts, les banques d’investissement et les banques off-
shore.
À partir des années 80, le secteur bancaire passe par une période de réformes progressives mais
qui n’a pas encore permis l’essor du secteur étant donné que les banques de l’État sont encore
dominantes et elles assument la gestion de la moitié du marché. Ce n’est que vers la fin des
années 80 que des mesures de libéralisation et de dérèglementation ont été entreprises dans le
cadre d’un plan d’ajustement conçu par le FMI.

Ainsi, les années 90 ont vu un désengagement partiel des autorités monétaires au profits des
capitaux étrangers dans le but de promouvoir l’ouverture du système bancaire tunisien à
l’échelle internationale. Pour soutenir cette obsession, l’État s’est engagée dans l’actualisation
des réformes qui régissent le secteur bancaire tunisien notamment à travers la promulgation de
la loi bancaire n°2001-65 du 10 juillet 2001 relatives aux établissement bancaires. Dans un
contexte de généralisation, cette loi était une action proactive d’envergure dans le système
bancaire tunisien pour abolir le cloisonnement juridique entre les métiers des banques
susmentionnés en faveur de la nouvelle : la banque universelle qui est habilitée à « tout faire »
et dont les 3 missions principales sont la collecte des dépôts, l’octroi des crédits et la mise à la
disposition de la clientèle des systèmes et moyens de paiement.

58
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Le secteur bancaire tunisien a continué à vivre au rythme de mutations continus qui l’on affecté
sur le plan organisationnel. Parmi les mutations récentes :
- 2015 : La transformation d’El Wifak Leasing en une banque universelle dénommée
« Wifak International Bank » spécialisées dans les opérations bancaires islamiques ;
- 2018 : Cession de la part de l’État dans la banque Zitouna.
- 2019 : Création de la « Banque des Régions » en vertu de l’article 27 de la loi de
finances. Cette banque procèdera à l’absorption d’une banque résidente « la Banque de
financement des petites et moyennes entreprises » (BFPME) et de la « Société
tunisienne de garantie » (SOTUGAR)42.

En 2020, la physionomie du secteur bancaire, ainsi que le nombre des BEF, se sont maintenus
inchangés par rapport à l’année 2019, soit 42 établissements répartis entre 23 banques
résidentes, 7 banques non-résidentes, 8 établissements de leasing, 2 sociétés de factoring et 2
banques d’affaires. Selon leur business model, les 23 banques résidentes sont réparties entre 18
banques universelles, 2 banques spécialisées dans le financement des microprojets et des PME
(BFPME et BTS) et 3 banques spécialisées dans l’activité bancaire islamique (Al Baraka, BZ
et WIB). Il est à noter que, l’activité du secteur bancaire tunisien demeure, au même titre que
les années antérieures, concentrée sur les banques résidentes qui accaparent 92% du total des
actifs, 93% des crédits octroyés et 97% des dépôts collectés 43.

Une autre approche pour appréhender le secteur bancaire selon le statut des actionnaires de
référence ou la structure de l’actionnariat. La répartition de la structure de propriété des 23
banques résidentes se présente ainsi :
 L’État Tunisien dans 6 banques : STB, BNA, BH, BTS, BFPME et BFT ;
 Les établissements bancaires étrangers dans 11 banques : ATB, ATTIJARI, UBCI,
UIB, Citibank, Bank ABC, BTK, QNB, Al Baraka, BT et WIB,
 Les groupes d’affaires industriels et commerciaux dans 3 banques : Amen Bank,
BIAT et BZ ;
 L’actionnariat de référence est mixte (réparti à parts égales entre l’État Tunisien et un
pays arabe) dans les 3 autres banques : TSB ex-STUSID, BTE et BTL.
En 2019, la structure de l’actionnariat des banques résidentes se répartit entre l’État tunisien
(33,8%), les actionnaires étrangers (36,5%) et les actionnaires privés tunisiens (29,7%).

42
Le projet de création juridique et d’implémentation de la banque est en cours. Cette banque sera soumise au
contrôle de la BCT selon des normes prudentielles adaptées à la spécificité de son activité.
43
« Rapport Annuel de la Supervision Bancaire », Banque Centrale de Tunisie, 2018

59
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Certes, le secteur bancaire tunisien a subi de changements profonds, mais il demeure fortement
atomisé dont les 4 premières banques accaparent 48.8% du total actif, 49% du total des crédits
et 47.5% des dépôts à la clientèle en 2018.

II. La liquidité du secteur bancaire tunisien : états des lieux

Depuis la révolution de 2011, l’économie tunisienne s’est fragilisée d’une année à l’autre
marquée ainsi par une dégradation des agrégats macroéconomiques qui pèsent lourdement sur
le système bancaire. En effet, l’activité du secteur bancaire a connu un fort ralentissement dans
les dernières décennies en lien avec le fléchissement de l’investissement et le resserrement de
la liquidité bancaire qui a connu des fluctuations considérables en fonction du contexte
économique, social et politique du pays. Face à chaque situation, la BCT à travers sa politique
monétaire restrictive, agit sur le marché monétaire pour juguler la liquidité du secteur bancaire.
Plusieurs facteurs macroéconomiques tel que le ralentissement économique, le déficit courant,
le renchérissement de la dette publique, la variabilité des réserves de change, la dépréciation du
dinar… exercent des pressions indirectes sur la liquidité bancaire, incitant ainsi la Banque
Centrale à injecter davantage de liquidité dans le système bancaire pour le financement de
l’économie. À cet égard, le volume global de refinancement des banques auprès de la BCT a
connu au cours de ces dernières années une envolée, culminant au début du mois de mars 2019,
à un niveau record avoisinant 17 Milliards de dinars. La figure n°1 traduit l’évolution du
refinancement des banques auprès de la BCT à partir de 2011 jusqu’à décembre 2019.

Figure 3 : Évolution du volume global du refinancement


18 000
16 000
14 000
12 000
10 000
8 000
6 000
4 000
2 000
0
juil-15

avr-16
juil-16

juil-17

juil-18

juil-19
avr-15

avr-17

avr-18

avr-19

avr-20
janv-15

oct-15
janv-16

oct-16
janv-17

oct-17
janv-18

oct-18
janv-19

oct-19
janv-20

Source : Auteur (Données BCT)


Après le pic de refinancement connu en mars 2019, une accalmie a été amorcée jusqu’au mois
de Mai pour suivre après un trend baissier (11.462 MDT fin 2019 contre 15.805 MDT à fin
2018, soit une baisse de 38%).

60
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

L’orientation de plus en plus restrictive de la politique monétaire conjuguée à l’assèchement de


la liquidité, a commencé à générer ses fruits. À cet égard, La Banque centrale, dont le mandat
consiste à préserver la stabilité des prix, a été amenée à resserrer sa politique monétaire. Pour
ce faire, le taux directeur a été relevé à deux reprises, respectivement en mars et juin 2018, de
75 et 100 points de base, pour être porté à 6,75% au terme du premier semestre de 2018.
Considérant le caractère persistant de l’inflation, tel que reflété par les mesures de l’inflation
sous-jacente, la Banque centrale a décidé un nouveau relèvement, courant février 2019, portant
le taux directeur à 7,75%. De plus, la BCT a plafonné le montant des Appel d’offre à 7 jours à
7 000 MDT pour l’ensemble des banques. La succession de mesures restrictives ont réduit
l’inflation d’origine monétaire et ont contribué à la diminution du recours au refinancement.

L’apaisement des tensions sur la liquidité en dinar a été perceptible au niveau des taux du
marché monétaire, et plus particulièrement le TMM et le taux moyen pondéré (TMP) de l’appel
d’offre qui ont été très proches et même identiques, par moments, au taux directeur. (Figure 4).
Ainsi, ce dernier a joué pleinement son rôle de taux de référence pour les intervenants sur le
marché.
Figure 4: Évolution TMM et Taux directeur (2015- Juin 2020)
10%
9%
8%
7%
6%
5%
4%
3%
2%
1%
0%
juil-15

juil-16

juil-17

juil-18

juil-19
avr-15

avr-16

avr-17

avr-18

avr-19

janv-20
avr-20
janv-15

oct-15
janv-16

oct-16
janv-17

oct-17
janv-18

oct-18
janv-19

oct-19

TMM Taux directeur corridor


Source : Auteur (Données BCT)

L’analyse de la situation de la liquidité bancaire est largement tributaire à l’évolution de la


structure bilancielle consolidée des banques résidentes, en termes de ressources et d’emplois.
Par ailleurs, la poursuite de la consolidation de la part du refinancement auprès de la BCT dans
les passifs des banques est toujours prononcée pour atteindre 10% contre 8,4% à fin 2017 et
3,5% en 2014. De plus, une tendance baissière de la part des dépôts en dinars est affichée au
cours de 2014-2018 revenant de 60,9% en 2014 à 52,4% en 2018.

61
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

L’analyse de la situation de la liquidité des banques, laisse entrevoir des banques qui ne cessent
d’accorder des prêts d’une année à l’autre au détriment de ressources stables marquées par une
décélération du rythme de progression des dépôts bancaires.

Figure 5 : Évolution du Gap entre crédits et dépôts


100 000

80 000

60 000

40 000

20 000

0
juin-15
sept-15

juin-16
sept-16

mars-17
juin-17
sept-17

juin-18
sept-18

juin-19
sept-19
déc-14
mars-15

déc-15
mars-16

déc-16

déc-17
mars-18

déc-18
mars-19

déc-19
Dépôts Crédits

Source : Auteur (Données BCT)

Le niveau d’accroissement des dépôts était de 6.2% en 2018 contre 8.3% en 2017, tandis que
le taux de variation des crédits bancaires était de 9.6% en 2018 contre 12.6% en 2017 44.
Ce gap entre les crédits et les dépôts traduit, encore une fois, l’accentuation du resserrement de
la liquidité bancaire en dinars, observée depuis 2011.
En revanche, à partir de l’année 2019, le rythme d’évolution des crédits bancaires affiche une
décélération de sa progression, soit de 3,6% contre 8,9% en 2018.Tandisque les encours de
dépôts bancaires en dinars ont enregistré une augmentation considérable de 11,7% contre 6,2%
en 2018.
L’accélération du rythme de progression des dépôts au détriment des crédits et la baisse relative
du niveau de refinancement affichée en 2019, ont été particulièrement marquée par une nette
amélioration de la situation portant la marque de l’effet conjugué du resserrement monétaire et
l’introduction d’un seuil pour le ratio de transformation « Crédits/Dépôts ». Ce dernier est
utilisé comme instrument macro-prudentiel pour maitriser l’évolution des crédits à l’économie.

Pour l’année 2020, la propagation rapide de la pandémie de la Covid-19 et les mesures


drastiques de confinement qui s’en ont suivies ont durement secoué les marchés et affecté les
comportements des agents économiques, annonçant l’entrée de plusieurs pays dans le monde,
y compris la Tunisie, dans une forte récession45.

44
« Rapport sur la Supervision Bancaire », Banque Centrale de Tunisie, 2018.
45
À détailler dans la dernière section de ce chapitre

62
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Section 2 : Échantillon, Variables et Méthodologie de recherche

Notre étude empirique s’intéressera à l’identification des facteurs déterminants du risque de


liquidité auquel s’exposent les banques tunisiennes. Le cadre théorique retenu est issu de la
littérature économique et financière des modèles présentés récemment par des études qui se
sont intéressées au risque de liquidité des banques dans le contexte européen dont nous citons
les travaux de Wójcik-Mazur (2015) ; De Haan et al. (2019).

Pour ce faire, nous allons présenter dans cette section, l’échantillon d’étude, les variables
d’intérêt issus des déterminants théoriques du risque de liquidité, ainsi que la méthodologie de
travail.

I. Présentation de l’échantillon et des données

Il est à rappeler que notre travail s’appuie sur des données micro-prudentielles spécifiques aux
banques de l’échantillon et macroéconomiques et financières du marché tunisien.
Notre échantillon est composé de 10 banques tunisiennes cotées à la Bourse des Valeurs
Mobilières de Tunis (BVMT). Ces banques sont présentées dans le tableaux suivant :

Tableau 7 : Liste des banques constituant l’échantillon de l’étude


Banque Acronyme
Amen Bank AB
Arab Tunisian Bank ATB
Attijari Bank ATTIJARI
BH Bank BH
Banque Internationale Arabe de Tunisie BIAT
Banque Nationale Agricole BNA
Banque de Tunisie BT
Société Tunisienne de Banque STB
Union Bancaire pour le Commerce et l’Industrie UBCI
Union Internationale de Banques UIB
Source : Auteur

Il est à rappeler que les banques choisies sont les plus représentatives du secteur bancaire
tunisien qui accaparent en décembre 2019 plus que 85% du total actifs, 88 % des crédits
octroyés et 86% des dépôts collectés par rapport au total secteur.

L’analyse du risque de liquidité des banques sera divisée sur deux périodes d’étude distincte.
Une première étude concerne le ratio de liquidité de court terme LCR, porte sur des données
mensuelles qui s’étendent sur la période allant de Janvier 2015 jusqu’au juin 2020, soient 66
observations pour chaque banque, d’où un Panel de 660 observations pour toutes les banques.

63
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Le choix de cette période est justifié par l’introduction du ratio de gestion du risque de liquidité
de court terme LCR de Bâle III par la BCT, auquel les banques sont tenues de respecter selon
les normes exigées conformément à la circulaire aux banques n°2014-14 relative au ratio de
liquidité du 10 novembre 2014, donc à compter de janvier 2015.

La fréquence mensuelle des données utilisées, dans le premier modèle, est la plus représentative
du ratio de liquidité de court terme selon la formule de calcul et de déclaration du ratio LCR à
la Banque Centrale et aussi pour saisir le risque de liquidité auxquels s’exposent les banques
tunisiennes à court terme et le recours au refinancement auprès de la BCT ainsi que les actions
et les positions de liquidité prises par las banques à court terme.

Une deuxième étude relative au ratio de transformation « Crédits/dépôts » LTD, porte sur des
données mensuelles et s’étalent de second trimestre de 2018 jusqu’au juin 2020, soient 24
observations pour chaque banque, d’où un Panel de 240 observations.
Le choix de cette période est justifié par l’institution du ratio LTD par la BCT pour la gestion
du risque de transformation à partir du dernier trimestre de 2018, auquel les banques sont tenues
de respecter selon les normes exigées conformément à la circulaire 2018-10 du 1er novembre
2018 relative au ratio « Crédits/Dépôts », donc à compter à partir du trimestre de référence de
calcul du ratio : soit le troisième trimestre de l’année 2018 (à partir de mois de juillet 2018).

Les données sont extraites auprès de plusieurs sources tel que : les Situations Mensuelles
Comptables des banques (SMC) communiquées chaque mois à la Direction Générale de la
Supervision Bancaire de la BCT pour extraire les données spécifiques à chaque banque ainsi
que le site de la BCT et de la BVMT pour les données macroéconomiques et financières.

Il reste à noter que la déclaration des ratios LCR des banques à la banque Centrale se fait
mensuellement, tandis que la déclaration du ratio LTD des banques se fait trimestriellement.
Les données mensuelles du ratio LTD utilisées dans la deuxième étude, sont calculées à partir
des SMC des banques et conformément à la formule de calcul de circulaire 2018-10 du 1er
novembre 2018 relative au ratio « Crédits/Dépôts ».

II. Présentation des variables

Dans le cadre de la détermination du risque de liquidité régissant l’activité bancaire, nous allons
présenter nos variables acceptées comme des déterminants théoriques du risque de la liquidité
et qui sont issues de la littérature économique et financière

64
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

1. Variables à expliquer (variables dépendantes)


Les deux variables à expliquer sont les deux ratios prudentiels de mesures et de gestion du
risque de liquidité bancaire instaurés par la BCT à savoir : Le ratio de liquidité de court terme
ou LCR et le ratio du risque de transformation « crédits/dépôts » ou LTD.

1.1. Le ratio de liquidité de court terme

Le ratio de liquidité de court terme ou « Liquidity Coverage Ratio - LCR » vise à imposer aux
banques de détenir suffisamment d’actifs liquides pour résister à une sortie nette de trésorerie
ou « net cash outflows » pour une période de 30 jours, sur la base d’un scénario défini par les
responsables prudentiels. D’après la définition des autorités de la supervision bancaire de
comité de Bale III, le LCR est assimilé au ratio de couverture du risque de liquidité pour les
banques depuis la crise mondiale.
Ce ratio sera calculé conformément à la circulaire aux banques n°2014-14 relative au ratio de
liquidité du 10 novembre 2014 de la Banque Centrale de Tunisie.

1.2.Ratio de risque de liquidité (Ratio de transformation)

Le ratio « crédits/Dépôts » ou « Loan To Deposit_LTD » est un indicateur clé de mesure de la


dimension structurelle du risque de liquidité des banques lié à la transformation des échéance
et l’inadéquation entre ressources et emplois et qui largement utilisé dans la littérature
économique et financière. Le ratio LTD mesure la couverture des prêts avec un financement
stable, généralement des dépôts des ménages et des sociétés non financières. Lorsque les prêts
dépassent la base des dépôts, les banques sont confrontées à un déficit de financement pour
lequel elles doivent accéder au marché monétaire. Un déficit de financement élevé implique
une forte dépendance à l'égard du financement de marché, plus cher que le financement auprès
de ressources stables (les dépôts) traduisant ainsi une exposition accrue au risque de liquidité.
À cet effet, la BCT a institué le ratio « crédits/dépôts », afin de limiter le risque de
transformation. Cette décision a été prise en vertu de la circulaire aux banques n°2018-10 du
1er novembre 2018.
Donc, le ratio de transformation LTD complète le ratio de liquidité de cout terme LCR.

2. Variables explicatives
Pour déterminer la dynamique du risque de liquidité des banques tunisiennes, nous allons
utiliser une panoplie de variables spécifiques et macroéconomiques acceptées comme des
déterminants théoriques du risque de liquidité bancaire et qui sont issues de la littérature.

65
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

2.1.Variables spécifiques aux banques

2.1.1. Taille de la banque

La taille de la banque, mesurée par le total des actifs « Total Assets » dans l’ensemble des études
antérieures, est jugée comme un facteur déterminant du risque de liquidité pour les banques.
Généralement, les grandes banques disposent un stock important d’actifs liquides et des
trésoreries excédentaires pour faire face aux aléas de liquidité (Khan et al. (2017)). De plus,
Zaghdoudi et Hakimi (2017) ont constaté qu’en Tunisie, la petite taille des banques est un
déterminant générateur du risque de liquidité, car elles restent des banques spécialisées donnant
de l'importance à l'activité de crédit qui est à son tour plus concentrée. Selon ces constatations,
nous attendons alors à une relation négative entre la taille de la banque et le risque de liquidité.

2.1.2. La qualité des actifs

Dans les études antérieures, la qualité des actifs est mesurée par les prêts non performants ou
« Non Performing Loans » qui représentent la part des créances classées par rapport au total
des engagements de la banque. Selon König et Berlin (2015), quand les entrées de flux prévues
ne se réalisent pas aux délais convenus, la liquidité sera affectée négativement. Donc, si la
probabilité de défaut des emprunteurs augmente, le risque de liquidité sera plus important. Ces
mêmes constatations a été prédites par Kashyap et al. (2002) ; Akhtar, (2007) ; Arif et Anees
(2012). Nous attendons alors à une relation positive entre la qualité des actifs et le risque de
liquidité.
2.1.3. La concentration des dépôts

La concentration des dépôts traduit la dépendance des dépôts bancaire vis-à-vis d’un nombre
limité de déposants. Selon, Kimball, R. C. (1997), la plupart des banques spécialisées dont les
ressources dépendent d’un nombre limité de déposants sont les plus exposées au risque de
liquidité lors d’un retrait massif de l’un des grands déposants de ses fonds traduisant une
détresse de la liquidité de la banque. Nous attendons alors à une relation positive entre la
concentration des dépôts de la banque et le risque de liquidité.

2.1.4. Le refinancement auprès du marché monétaire

Selon De Haan et al. (2019), les opérations de refinancement à court terme constituent une
source de l’exposition des banques au risque de transformation des échéances lorsqu’ils
constituent des ressources destinées à l’octroi de crédits à long terme. Nous attendons alors à
une relation positive entre refinancement et le risque de liquidité.

66
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

2.1.5. Les engagements hors bilan

Les engagements hors bilan de la banque représentent le total des engagements accordés par la
banque (tels que les lignes de crédits confirmés, les lignes de crédits documentaires, les cautions
bancaires accordés…). Ces postes ne sont pas matérialisées par une sortie de fonds immédiate,
mais ils peuvent être à l’origine du risque de liquidité pour les banques lorsqu’il se transforment
en écritures bilancielles imprévus (Cornett et al.(2011) et Karim el al.(2013)) exposant la
banque à des impasses de liquidité. Nous attendons alors à une relation positive entre les
engagements hors bilan de la banque et le risque de liquidité.

2.1.6. La rentabilité des banques

La rentabilité des banques est généralement mesurée par les deux indicateurs ROA et ROE.
Anam et al. (2012) ; Muharam et Kurnia (2013) ont décelé le lien positif régissant la rentabilité
bancaire et le risque de liquidité : Les banques qui veulent maximiser leur marges d’intérêt,
empruntent à court terme et prêtent à long terme dans le but de bénéficier de spread de taux et
par conséquent, la banque qui décide d’allonger la maturité de ses emplois augmente son taux
de transformation et donc son risque de liquidité, ce qui est le cas du contexte tunisien pendant
les dernières décennies. Donc, nous allons prendre comme mesure de la rentabilité le ROA,
pour mieux déceler l’impact de cette marge d’intermédiation sur le risque de liquidité. Nous
attendons alors à une relation positive entre la rentabilité de la banque et le risque de liquidité.

2.2.Variables macroéconomiques et financières

2.2.1. Taux d’intérêt

Les fluctuations des taux d’intérêt orientent les préférences des agents économiques. En
présence de taux d’intérêt bas, les déposants auront une préférence à placer leurs dépôts à des
conditions plus favorables. Donc, ces sources de financement peuvent être retirées à tout
moment ce qui affectera négativement la liquidité. Nous allons déceler cette relation pour le
contexte tunisienne en utilisant le Taux de Marché Monétaire Mensuel Moyen comme une
référence de taux d’intérêt du marché. Nous attendons alors à une relation négative entre le taux
d’intérêt et le risque de liquidité.

2.2.2. Le Taux de Rendement du Marché Financier

Une augmentation du taux de rendement des actifs financiers, implique une fuite des capitaux
des agents économiques du secteur bancaire vers les places boursières pour en profiter des

67
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

opportunités offertes traduisant un risque de liquidité pour les banques. Dans le même ordre
d’idée, pour révéler la relation entre le marché financier et la liquidité de 10 grandes banques
cotées à la BVMT, nous allons employer le taux de rendement de l’indice boursier du marché
financier tunisien « Tunindex ». Par conséquent, une association positive est prévue entre le
taux de rendement de l’indice et le risque de liquidité.

2.2.3. La Masse Monétaire

La masse monétaire représente la quantité de monnaie qui circule dans l'économie à un moment
donné. L’évolution de la masse monétaire, est concordante avec l’évolution de l’activité
économique. Le taux d’accroissement de l’agrégat de la masse monétaire reflète l’évolution des
billets et monnaies en circulation traduisant des flux de sortie de fonds en dehors du secteur
bancaire induit un élargissement du gap de liquidité. Une relation positive est prédite entre la
masse monétaire et le risque de liquidité.

2.2.4. Les réserves de change

Un renchérissement des réserves de changes, un signal de l’accroissement des engagements au


titre des investissements directs étrangers, traduisant ainsi l’accélération des dépôts bancaires
ainsi que les produits qui s’y rattachent gardant ainsi un matelas de liquidité important pour les
banques pour faire face à un éventuel choc de liquidité, et vice versa. À cet égard, une
association négative entre les réserves de change et le risque de liquidité est attendue.

68
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Tableau 8 : Résumé des variables


Variables Déterminants Descriptions et Mesures Signe
théoriques attendu/RL
Variables à expliquer
Ratio de Liquidité de CT, calculé mensuellement
LCR conformément aux conditions et pondérations fixées
par la circulaire 2014-14 de la BCT
𝐴𝑐𝑡𝑖𝑓𝑠 𝑙𝑖𝑞𝑢𝑖𝑑𝑒𝑠 𝑑𝑒 ℎ𝑎𝑢𝑡𝑒 𝑞𝑢𝑎𝑙𝑖𝑡é
𝐿𝐶𝑅 =
𝑆𝑜𝑟𝑡𝑖𝑒𝑠 𝑛𝑒𝑡𝑡𝑒𝑠 𝑑𝑒 𝑡𝑟é𝑠𝑜𝑟𝑒𝑟𝑖𝑒 𝑠𝑢𝑟 30 𝑗𝑜𝑢𝑟𝑠
Ratio de risque de liquidité (Risque de transformation)
LTD calculé mensuellement conformément aux conditions
fixées par la circulaire 2018-10 de la BCT.
𝐶𝑟é𝑑𝑖𝑡𝑠
𝐿𝑇𝐷 =
𝐷é𝑝ô𝑡𝑠
Variables explicatives
Taille de la -
SIZE banque SIZE = Ln (Total Actifs)
Ratio des prêts non performants +
NPL Qualité des « Non Performing Loans – NPL »
actifs 𝐶𝑟é𝑎𝑛𝑐𝑒𝑠 𝑐𝑙𝑎𝑠𝑠é𝑒𝑠 (𝐶𝑙𝑎𝑠𝑠𝑒 2, 3 𝑒𝑡 4)
𝑁𝑃𝐿 =
𝑇𝑜𝑡𝑎𝑙 𝐸𝑛𝑔𝑎𝑔𝑒𝑚𝑒𝑛𝑡𝑠
Ratio de concentration « Deposits Concentration » +
DEPC Concentration 𝑇𝑜𝑡𝑎𝑙 𝐷é𝑝ô𝑡𝑠 𝑑𝑒 50 𝑝𝑟𝑒𝑚𝑖𝑒𝑟𝑠 𝑑é𝑝𝑜𝑠𝑎𝑛𝑡𝑠
des dépôts 𝐷𝐸𝑃𝐶 =
𝑇𝑜𝑡𝑎𝑙 𝐷é𝑝ô𝑡𝑠 + 𝐶𝑒𝑟𝑡𝑖𝑓𝑖𝑐𝑎𝑡𝑠 𝑑𝑒 𝐷é𝑝ô𝑡𝑠

Rentabilité des actifs « Return On Assets _ROA » +


ROA Rentabilité 𝑃𝑟𝑜𝑑𝑢𝑖𝑡 𝑁𝑒𝑡 𝐵𝑎𝑛𝑐𝑎𝑖𝑟𝑒
𝑅𝑂𝐴 =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑐𝑡𝑖𝑓𝑠
Refinancement +
REF du marché 𝑅𝐸𝐹 = 𝐿𝑛 (𝐸𝑚𝑝𝑟𝑢𝑛𝑡𝑠 𝑠𝑢𝑟 𝑙𝑒 𝑚𝑎𝑟𝑐ℎé 𝑚𝑜𝑛é𝑡𝑎𝑖𝑟𝑒)
monétaire
Engagements « Off-Sheet Balance » mesurés par : +
OSB Hors Bilan 𝑂𝑆𝐵 = 𝐿𝑛(𝐸𝑛𝑔𝑎𝑔𝑒𝑚𝑒𝑛𝑡 𝐻𝐵)
Le Taux d’intérêt du Marché Monétaire (TMM) utilisé -
IR Taux d’intérêt comme un proxy du taux d’intérêt et qui est un taux de
référence largement utilisé par le système bancaire
tunisien.
Le taux de rendement de l’indice boursier du marché +
TUNX Marché financier Tunisien calculé comme suit :
financier 𝑇𝑢𝑛𝑖𝑛𝑑𝑒𝑥𝑡 − 𝑇𝑢𝑛𝑖𝑛𝑑𝑒𝑥𝑡−1
𝑇𝑈𝑁𝑋 =
𝑇𝑢𝑛𝑖𝑛𝑑𝑒𝑥𝑡−1
M2 Masse 𝑀2 = 𝐿𝑛 (𝑀𝑎𝑠𝑠𝑒 𝑀𝑜𝑛é𝑡𝑎𝑖𝑟𝑒 𝑎𝑢 𝑠𝑒𝑛𝑠 𝑑𝑒 𝑀2) +
Monétaire
FOREXR Réserves de 𝐹𝑂𝑅𝐸𝑋𝑅 = 𝐿𝑛(𝑅é𝑠𝑒𝑟𝑣𝑒𝑠 𝑑𝑒 𝑐ℎ𝑎𝑛𝑔𝑒) -
change
Source : Auteur (fondé sur la littérature)

69
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

III. Méthodologie

Le cadre antérieur de modélisation économétrique du risque de liquidité des banques, a eu


recours à la méthode de régression des données de panel par la méthode de Moindres Carrées
Ordinaires (OLS), la méthode de Moindre Carrées Généralisées (GLS), la Méthode des
Moments Généralisées (GMM)… pour l’identification des déterminants régissant le risque de
liquidité. La pratique étant de régresser des variables explicatives hétérogènes entre les
différentes unités du panel sans tenir compte des valeurs retardées des variables. Ceci conduit
à une perte potentielle d’informations contenues dans la relation de long terme entre les
chroniques étudiées, et qui est de nature à biaiser les régressions. Ces courants ont été adopté
par plusieurs auteurs dont nous citons Khouri (2015) et Khemais et Zaghdoudi (2017).

De plus, le caractère non stationnaire des variables du panel étudié, peut être à l'origine des
résultats factices fournis par la régression entre les variables. C’est pour cette raison, il convient
dans la pratique de s'assurer de la nature des grandeurs figurant dans une régression, faute de
quoi, les conclusions tirées qu'elles soient économétriques ou économiques risquent d'être
totalement erronées.
À cet égard, les travaux d’Engel et Granger (1987), Johansen (1988) et Johansen et Juselius
(1990) ont été considérés par beaucoup d'économistes comme une innovation dans le domaine
de l'économétrie.
Ces travaux portant sur l’analyse de la cointégration permettent d'étudier des séries non
stationnaires qui peuvent aboutir, sous certaines conditions, à une combinaison linéaire
stationnaire qui permet de spécifier des relations stables à long terme.
Après avoir déterminé la dynamique de long terme, il est indispensable d’estimer un modèle
qui sert à capter conjointement la dynamique de court terme et les effets à long terme d’une ou
plusieurs variables explicatives sur une variable à expliquer. Cela ne sera possible que si les
séries chronologiques sous études sont cointégrées, permettant ainsi l’estimation d’un Modèle
Vectoriel à Correction d’Erreur « Vector Error Correction Model ».

Cependant, les modèles Panel VECM permettent de faire des modélisations conjointes de
dynamiques de long et de court terme (avec des variables en différenciation) dans le temps avec
une coupe transversale. Ils peuvent être interprétés comme des modèles d'ajustement, vers le
retour à l’équilibre, qui permettent l'intervention des variables explicatives avec un décalage
temporel pour pouvoir déterminer le temps nécessaire de l'impact d'un choc ou de la variation
d'une innovation.

70
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

D’une manière générale le modèle Panel VECM se présente comme suit :


𝒑 𝒑

∆ 𝒀𝒊 ,𝒕 = 𝜷𝟎 + ∑ 𝜷 𝟏 ,𝒋 ∆𝒀𝒊, 𝒕−𝒋 + ∑ 𝜷 𝟐,𝒋 ∆𝑿 𝒊, 𝒕−𝒋 + 𝝋 𝝁𝒊, 𝒕−𝟏 + 𝜺𝒕


𝒋 =𝟏 𝒋 =𝟏

- i: dimension spatiale et t: dimension temporelle


- P : le retard optimal ;
- Y : le vecteur des variables à expliquer
- X : le vecteur des variables explicatives
- 𝜺 𝒕 = le vecteur des résidus.
- 𝝁𝒕−𝟏 = 𝑬𝑪𝑻𝒕−𝟏 « Error Correction Term » ou le terme de correction d’erreur : C’est la
relation linéaire entre la variable dépendante et les variables indépendantes qui correspond à la
relation de cointégration de long terme.
𝑬𝑪𝑻𝒊,𝒕−𝟏 = 𝒀𝒊,𝒕−𝟏 − 𝜶𝟎 − 𝜶𝟏 𝑿𝒊,𝒕−𝟏
ECT se rapporte au fait que l’écart à l’équilibre de long terme décalé d’une période influence
la dynamique à court terme de la variable dépendante.

− 𝛗 : C’est le coefficient de 𝜇𝑡−1 : appelé « La force de rappel » ou « Speed of adjustment »,


ou coefficient d’ajustement, elle mesure la vitesse avec laquelle la valeur de Yt revient à sa
valeur d’équilibre après un changement de Xt. Elle représente un mécanisme de correction. La
force de rappel doit être négative et significative, à défaut il convient de rejeter une spécification
de type ECM. En effet le mécanisme de correction d’erreur (rattrapage qui permet de tendre
vers une relation de long terme) irait au sens contraire et s’élongerait de la cible de long terme.

Dans notre étude, pour chaque banque i et compte tenu de nos variables explicatives, les deux
modèles Panel VECM pour le ratio de liquidité de CT et le ratio du risque de liquidité
correspondant à la banque i est représenté comme suit :
𝒑 𝒑 𝒑

∆ 𝑳𝑰𝑸𝑹𝒊 ,𝒕 = 𝜷𝟎 + ∑ 𝜷𝟏 𝒋 ∆ 𝑳𝑰𝑸𝑹𝒊 ,𝒕−𝒋 + ∑ 𝜷𝟐 𝒋 ∆ 𝑺𝑰𝒁𝑬𝒊 ,𝒕−𝒋 + ∑ 𝜷𝟑 𝒋 ∆ 𝑵𝑷𝑳𝒊 ,𝒕−𝒋


𝒋=𝟏 𝒋=𝟏 𝒋=𝟏
𝒑 𝒑 𝒑

+ ∑ 𝜷 𝟒 𝒋 ∆𝑫𝑬𝑷𝑪𝒊 ,𝒕−𝒋 + ∑ 𝜷𝟓 𝒋 ∆𝑹𝑬𝑭𝒊 ,𝒕−𝒋 + ∑ 𝜷𝟔 𝒋 ∆𝑶𝑺𝑩𝒊,𝒕−𝒋


𝒋=𝟏 𝒋=𝟏 𝒊=𝟏
𝒑 𝒑 𝒑

+ ∑ 𝜷𝟕 𝒋 ∆𝑹𝑶𝑨𝒊,𝒕−𝒋 + ∑ 𝜷 𝟖 𝒋 ∆𝑰𝑹 𝒕−𝒋 + ∑ 𝜷 𝟗 𝒋 ∆𝑻𝑼𝑵𝑿 𝒕−𝒋


𝒊=𝟏 𝒋=𝟏 𝒋=𝟏
𝒑 𝒑

+ ∑ 𝜷 𝟏𝟎 𝒋 ∆𝑴𝟐 𝒕−𝒋 + ∑ 𝜷 𝟏𝟏 𝒋 ∆𝑭𝑶𝑹𝑬𝑿𝑹 𝒕−𝒋 + +𝝋 𝝁 𝒊,𝒕−𝟏 + 𝜺𝒊,𝒕


𝒋=𝟏 𝒋=𝟏

71
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Avec
- i : Les banques i = [1…10] ;
- t : mois t = [1…66] pour le premier modèle et t = [1…24] pour le deuxième modèle ;
- P le retard optimal du modèle (à déterminer) ;
- 𝑳𝑰𝑸𝑹𝒊 ,𝒕 : - Ratio de liquidité LCR de la banque i au mois t (modèle 1)
- Ratio du risque de liquidité LTD de la banque i au mois t (modèle 2) ;
- 𝑺𝑰𝒁𝑬𝒊 𝒕 : Taille de la banque i au mois t ; 𝑵𝑷𝑳𝒊,𝒕 : Ratio des Prêts Non Performants de la
banque i au mois t ; 𝑫𝑬𝑷𝑪𝒊 ,𝒕 : Ratio de Concentration des Dépôts de la banque i au mois t ;
𝑹𝑬𝑭𝒊,𝒕 : Refinancement mensuel de la banque i au mois t ; 𝑶𝑺𝑩𝒊,𝒕 : Engagement Hors bilan
donnés de la banque i au mois t ; 𝑹𝑶𝑨𝒊,𝒕 : Rentabilité économique de la banque i au mois t ;
𝑰𝑹𝒕 : TMM du mois t ; 𝑻𝑼𝑵𝑿𝑹𝒕 : Taux de Rendement de l’indice Tunindex pour le mois t ;
𝑴𝟐𝒕 : Masse Monétaire au sens de M2 pour le mois t ; 𝑭𝑶𝑹𝑬𝑿𝑹𝒕 : Réserves de Changes pour
le mois t ;
- 𝜷 Vecteur des coefficients à estimer

- 𝝁𝒕−𝟏 = 𝑬𝑪𝑻𝒕−𝟏: Terme de correction d’erreur , la relation linéaire entre la variable dépendante
et les variables indépendantes qui correspond à la relation de cointégration de long terme.

- 𝝋 : Force de Rappel ou coefficient d’ajustement à l’équilibre

- 𝜺𝒊,𝒕 : Résidu

La procédure de la mise en place du test de cointégration et d’estimation du Panel VECM


nécessite au préalable le passage par des étapes et des tests fondamentaux. Avant d'appliquer
une quelconque méthode d'estimation, une analyse approfondie des propriétés des séries est
indispensable.

L’estimation des différents paramètres de nos modèles de régressions a été effectuée à l’aide
du logiciel E-views 11.

72
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Section 3 : Analyse descriptive et résultats empiriques

I. Analyse descriptive

L’analyse descriptive est menée par une dimension microprudentielle, c'est-à-dire une analyse
par banque étant donné que les 10 banques constituant l’échantillon sont hétérogènes et elles
ne disposent pas le même niveau de liquidité. Donc une analyse unidimensionnelle est menée
pour mieux saisir l’évolution de la liquidité ainsi que les variables d’intérêt spécifiques à chaque
banque pour pouvoir les comparer avec les résultats de l’estimation, en associant un indicatif
aux banques de l’échantillon pour garder qu’elles restent anonymes. Désormais, les 10 banques
sont notées B1, B2…… B10.

Le tableau ci-dessous présente les statistiques descriptives relatives aux deux ratios prudentiels
pour chaque banque de l’échantillon.

Tableau : Statistiques descriptives du ratio LCR et LTD


Banque B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 Échantillon
Liquidity Coverage Ratio_LCR (en%)
Obs 66 66 66 66 66 66 66 66 66 66 660
Mean 86.90 149.88 162.34 97.55 217.90 135.37 162.50 224.35 74.35 87.06 139.8
S.Dev 17.87 75.20 92.17 64.18 49.95 26.44 141.15 106.30 44.64 14.79 89.59
Max 124.20 384.67 553.47 315.58 245.33 183.58 656.27 491.31 195.31 116.06 656.27
Min 30.97 35.71 61.56 42.93 46.84 59.75 58.41 74.88 27.27 46.81 27.27
Loan To Deposit_LTD (en%)
Obs 24 24 24 24 24 24 24 24 24 24 240
Mean 135.63 121.49 119.45 142.58 114.77 122.73 114.87 107.57 146.34 124.43 124.99
S.Dev 5.75 8.73 6.47 4.49 6.59 13.17 7.99 8.88 5.62 9.70 2.53
Max 142.11 127.05 120.43 152.08 135.64 133.81 123.38 114.54 155.07 140.84 155.07
Min 127.58 110.91 107.95 125.28 101.26 111.06 105.46 90.59 135.30 113.26 90.59
Source : Auteur
Pour bien saisir les évolutions des ratios des 10 grandes banques, nous allons analyser les
figures 6 et 7 ci-dessous.
Figure 6 : LCR moyens (2015-2020) Figure 7: LTD moyens (2018-2020)
300 135%
250 130%
125%
200
120%
150
115%
100 110%
50 105%

0 100%

Source : Auteur
73
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Le ratio LCR moyen pour les 10 grandes banques tunisiennes affiche une tendance haussière
dès son entrée en vigueur en vertu de la circulaire aux banques en novembre 2014 jusqu'à fin
2016. À partir de l’année 2017, le ratio de liquidité moyen a enregistré une tendance à la baisse
conjuguée à l’asséchement de la liquidité bancaire et le recours en permanence au
refinancement pendant les années 2017 et 2018, d’où l’instauration du ratio LTD en novembre
2018 qui a également contribué à améliorer la liquidité bancaire et à freiner l’évolution des
emplois bancaires notamment, en terme d’octroi de crédits marquée par la tendance baissière
du ratio moyen de 134% en septembre 2018 vers 112% en juin 2020. Donc, nous pouvons
constater que les efforts de la réduction du ratio LTD par les banques se sont poursuivis.
Les classements de LCR et LTD moyens par banque sont représentés par les figures ci-dessous.

Figure 8: Classement des ratios LCR et LTD moyens par banque


B8 224,4% B 9 146%
B5 217,9% B 4 143%
B7 162,5% B 1 136%
B3 162,3% B10 124%
B2 149,9% B 6 123%
B6 135,4% B 2 121%
B10 97,6% B 5 119%
B4 87,1% B 7 115%
B1 86,9% B 3 115%
B9 74,4% B 8 108%

0% 50% 100% 150% 200% 250% 0% 50% 100% 150%


Source : Auteur

L’analyse en niveau du ratio de liquidité LCR, révèle que les 10 banques respectent la norme
minimale réglementaire de 100% exigée par le comité de Bâle et par la BCT en juin 2020. Il
est à signaler que B8, B5, B7 et B3 sont les banques les plus liquides disposant ainsi un stock
important d’Actifs Liquides (Bons de Trésors) et de trésorerie excédentaires pour faire faire à
un éventuel risque de liquidité. En revanche, les banques B9, B1, B4 et B10 sont les moins
liquides. L’analyse du ratio LTD, permet de dévoiler que les banques B9, B4 et B1 ne respectent
pas le maximum réglementaire de 120% en décembre 2019 disposant ainsi les niveaux du ratio
les plus élevés comme le montre la figure ci-dessus. A l’inverse, les banques B8, B3, B7 et B5
disposent les LTD moyens les flux faibles.

Il est bien clair que les banques (B9, B4, B1 et B10) ayant des ratios LTD les plus élevés, sont
celles qui disposent les ratios LCR les plus faibles et inversement pour les banques (B8, B5, B7
et B3). A priori, en raisonnant selon une approche LCR-LTD, nous pouvons prédire que les
banques B9, B4, B1 et B10 sont les plus exposées au risque de liquidité.

74
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Tableau 9 : Statistiques descriptives des variables spécifiques aux banques


Banque B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 Échantillon
Total Assets_SIZE (mDT)
Obs 66 66 66 66 66 66 66 66 66 66 660
Mean 11 794 299 5 815 612 3 942 477 12 176 462 13 992 578 9 581 673 5 832 059 8 091 715 13 429 330 6 484 102 9 114 031
St.Dev 2 534 114 1 011 923 338 461 1 179 015 2 809 989 454 906 805 612 1 356 780 2 215 322 869 512 3 749 648
Max 15 084 233 7 363 104 4 483 858 13 977 128 17 990 945 10 512 683 6 953 265 10 102 432 17 137 217 8 453 302 17 990 945
Min 7 885 552 4 414 381 3 213 670 10 164 219 9 716 867 8 877 811 4 528 346 5 811 640 10 067 479 5 294 965 3 213 670
% Déc 2019 12.9% 6.4% 4.3% 13.4% 15.4% 10.5% 6.4% 8.9% 14.7% 7.1% 100%
Non Performing Loans Ratio_NPL (%)
Mean 15.38 9.03 6.28 19.85 6.75 14.06 8.47 6.96 24.82 9.76 12.14
St.Dev 0.88 1.09 0.19 2.99 0.89 2.44 0.96 0.86 4.63 1.86 0.06
Max 16.86 10.92 6.86 25.37 8.57 18.68 10.35 8.64 30.38 12.54 30.38
Min 13.29 7.65 6.00 16.35 5.19 11.38 6.83 5.60 16.41 7.03 5.19
Deposits Concentration Ratio_DEPC (%)
Mean 25.39 12.58 14.05 17.91 12.36 24.08 21.85 10.01 33.75 24.10 19.61
St.Dev 6.38 0.79 1.93 4.02 1.78 3.01 6.14 1.03 13.85 3.51 9.05
Max 35.11 14.17 18.79 23.86 15.16 30.69 31.64 12.22 54.84 30.75 54.84
Min 14.87 11.29 11.38 11.52 8.51 20.53 16.80 8.45 20.63 18.92 8.45
Refinancing_REF (mDT)
Mean 1 086 485 70 062 95 531 1 057 561 1 052 394 910 939 434 667 625 905 1 215 882 695 712 724 514
St.Dev 514 048 66 196 77 948 462 724 713 572 239 955 158 402 258 192 512 402 127 587 543 583
Max 2 082 000 243 000 264 000 1 810 000 2 765 000 1 396 000 725 000 1 086 000 2 264 000 991 000 2 765 000
Min 307 000 0 0 245 000 0 470 000 127 000 30 000 323 000 470 000 0
Off-Sheet Balance_ OSB (mDT)
Mean 1 549 724 934 546 556 795 1 125 169 2 132 403 755 883 824 346 511 993 1 924 988 761 934 1 107 778
St.Dev 184 136 191 992 69 731 184 982 723 866 99 923 134 098 83 530 271 791 109 803 192 316
Max 1 828 404 1 188 287 736 673 1 364 022 3 300 391 978 664 1 046 352 695 173 2 475 439 1 219 971 3 300 391
Min 1 050 370 619 352 449 090 812 925 1 134 880 514 525 576 396 349 379 1 315 279 605 248 349 379
Return On Assets_ ROA(%)
Mean 0.43 0.27 0.28 0.44 0.44 0.30 0.30 0.42 0.39 0.30 0.36
St.Dev 0.08 0.03 0.08 0.06 0.03 0.04 0.04 0.03 0.10 0.02 0.03
Max 0.52 0.36 0.50 0.56 0.51 0.36 0.36 0.81 0.45 0.34 0.81
Min 0.11 0.22 0.18 0.35 0.39 0.19 0.23 0.31 0.34 0.25 0.11
Source : Auteur

75
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

D’après le total des actifs, le secteur bancaire tunisien demeure au même titre que les années
précédentes accaparé par les 4 banques B5, B9, B4 et B1 qui accaparent 56.4% du total actifs
de 10 banques de l’échantillon et 49.9% du total des actifs de tous le secteur en décembre 2019.
Il s’agit des 4 banques systémiques.
L’analyse des prêts non performants des banques mesurées par la part des créances classées
(2,3 et 4) par rapport au total engagements, fait ressortir que les banques B9, B1 et B4 ont la
part des créances douteuses les plus importantes pour achever respectivement 26.45%, 22.15%
et 15.22%, ce qui traduit l’inefficacité des pratiques de ces banques en matière de recouvrement.
En revanche, l’évolution de la qualité d’actif montre une amélioration du taux des créances
classées des banques B8, B5 et B3 en 2019.

L’analyse du ratio de concentration des dépôts fait ressortir que les 3 banques B9, B1, B10 sont
les plus dépendantes des 50 premiers déposants, ces derniers détiennent respectivement
33.75%, 25.39% et 24.10% du total des dépôts. La banque B6 et B7 sont dépendantes d’un
nombre restreint de déposants malgré le respect des contraintes réglementaires en terme de
ratios LCR et LTD contrairement à B9 et B1, donc une volatilité accrue des ratios de risque de
liquidité auquel s’exposent les deux banque B6 et B7 qu’il doivent, ainsi, diversifier leurs
portefeuilles de financement, à défaut elles s’exposent une détresse du niveau de ses ratios.

L’analyse de refinancement mensuel indique que les 4 banques systémiques sont les plus
dépendantes du marché financier. Il s’agit d’une source de risque de transformation lorsque les
fonds empruntés à court terme sont destinés à l’octroi de crédits à long terme ce qui prouve le
dépassement réglementaire des ratios de liquidité pour les banques B1, B4 et B9. Tandis que la
banque B5 essaye de trouver un compromis entre les ressources et les niveaux de ses ratios.

L’étude des engagements hors bilan des 10 banques, permet de dénoter que les 4 grandes
banques accordent les plus des engagements en faveur de leurs clientèles. La dégradation des
niveaux des ratios de liquidité des banques B1, B4 et B9 peut être à l’origine de la mobilisation
effective qui se matérialisent par des écritures bilancielles. Les banques B8, B7 et B3 sont plus
réticentes pour accorder des engagements en faveur de ses clients.

L’analyse de la rentabilité mensuelle, permet de poser une certaine ambiguïté. En effet, Les
banques B1, B4, B5, B8 et B9 sont les plus rentables, mais elles ne présentent pas le même
niveau de liquidité bancaire. Certainement, il existe d’autre facteurs bien contrôlés qui
l’emportent permettant aux banques B5 et B8 de maitriser ses niveaux de ratios réglementaires.

Il est primordial s’interroger sur la nature des relations qui régissent les facteurs de risque et de
liquidité des banques tunisiennes et leur ratios LCR et LTD, ainsi que les facteurs qui
l’emportent via la modélisation économétrique.

76
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

II. Les tests statistiques préliminaires

Avant d'appliquer une quelconque méthode d'estimation, une analyse approfondie des
propriétés des séries est indispensable. Il est important de se rappeler qu'une analyse de la
stationnarité des ensembles de données proposés est un préalable à toute analyse
économétrique, notamment lorsqu'il s'agit de données macroéconomiques ou de données
financières. Il convient d’en étudier ses caractéristiques stochastiques notamment le
comportement de son espérance et sa variance dans le temps. Ensuite, il est nécessaire de
déterminer l'ordre d'intégration avant d'utiliser les techniques de cointégration. Cette analyse
est fortement recommandée en raison des problèmes de régressions fallacieuses qui peuvent
survenir si les variables ne sont pas stationnaires.

1. Les tests de stationnarité des séries

Une série statistique est considérées comme stationnaire si elle ne comporte ni tendance
(haussière ou baissière), ni saisonnalité, ni effets accidents. C’est une série horizontale qui
fluctue légèrement autour de sa moyenne. Depuis de plusieurs d'années, de nombreux articles
révèlent que la majorité des séries sont non stationnaires.

Cependant, dans la présente investigation, la non stationnarité des variables est requise pour
que nous puissions vérifier qu’il existe une relation stable de long terme de cointégration entre
les séries étudiées et par la suite l’estimation de la dynamique de long et court terme à travers
la modélisation VECM. Plus généralement, la cointégration nécessite que l’ensemble des
variables soient intégrées de même ordre. Une variable est dite « intégrée d’ordre d » I(d) s’il
va falloir la différencier « d » fois pour la rendre stationnaire.

Ainsi la non stationnarité peut être appréhendée soit par un graphique n'ayant pas une direction
d'attraction, soit par des coefficients d'autocorrélation assez élevé et lentement décroissants.
Cependant, aucun de ces aspects ne présente une base fiable pour s’assurer de la non
stationnarité en présence des données hétérogènes. Cependant, l’analyse des corrélogrammes
et des graphiques doit être complétée par des tests statistiques.
Les tests de stationnarités, permettant de détecter la présence d'une racine unitaire dans un
processus autorégressif avec ou sans constante et avec ou sans un terme tendanciel déterministe.

Pour des raisons de cohérence et de comparaison, nous avons utilisé trois approches pour tester
la racine de données de panel : le test ADF « Augmented Dickey Fuller » et IMP « Im, Pesaran
& Shin, 2003 » qui supposent l'indépendance entre les unités de la coupe transversale

77
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

« Indiviual Unit Root Test » et le test LLC « Levin, Lin and Chu,2002 » qui prend en
considération l’effet commun du Panel « Commun Unit Root Test »

Nous posons le test suivant :


H0 : « Panel Data has unit root » ; Présence d'une racine unité ===> la série n'est pas
stationnaire
H1 : « Panel Data has unit root » ; Absence d'une racine unité ===> la série est stationnaire

Règle de décision :
- Si Prob. ** ≤ 5% ===> On rejette H0 et on accepte H1
- Si Prob. ** > 5% ===> On accepte H0 et on rejette H1
Les résultats du test ADF, LLC et IMP (en niveau et en différence première) pour l’ensemble
variables sont présentés dans les tableaux de l’annexe A. Les résultats des tests sont résumés
dans le tableau n° 10 ci-dessous :

Tableau 10 : Résultats des tests ADF, IPS et LLC en niveau et en différence première
Stationnarité en niveau Stationnarité en différence première
« At level » « First difference »
Test ADF « Augmented Dickey Fuller »
Variables - LCR LTD NPL DEPC REF OSB
ROA IR TUNX M2 FOREXR
Ordre d’intégration I(d) I(0) I(1)
Test IMP« Im, Pesaran & Shin, 2003 »
Variables - LCR LTD NPL DEPC REF OSB
ROA IR TUNXR M2 FOREXR
Ordre d’intégration I(d) I(0) I(1)
Test LLC « Levin, Lin and Chu,2002 »
Variables - LCR LTD NPL DEPC REF OSB
ROA IR TUNX M2 FOREXR
Ordre d’intégration I(d) I(0) I(1)
Source : Auteur

2. La détermination du nombre de retard optimal

Le nombre de retards peut avoir une influence majeure sur la performance des tests de
cointégration. Comme pour tout modèle dynamique, l’on se servira des critères d’information
critères d’information d’Akaike (AIC), de Schwarz (SIC) et Hannan-Quinn (HQ). Pour
déterminer le décalage optimal (p*) ; un décalage optimal est celui dont le modèle estimé offre
la valeur minimale d’un des critères énoncés.
La minimisation des critères d’information d’Akaike et de Schwarz dont les valeurs sont
directement fournies par le logiciel Eviews.11 et présentées dans l’annexe B.
Pour les deux modèles, le retard optimal P* = 2.

78
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

3. Test de cointégration en données de Panel « Panel Cointegration Test »


Lorsque le test de racine unitaire donne des variables qui sont d'intégration d'ordre un I (1),
alors l'analyse de cointégration sera appliquée pour déterminer la présence d'une relation à long
terme entre les variables pour identifier le nombre de relations de cointégration entre l’ensemble
des variables de l'étude.
En présence de données de panel, les tests de Johansen-Fisher Panel Cointegration ont proposé
deux statistiques : la statistique de Fisher du test de trace et la statistique de Fisher du test des
valeurs propres maximales pour tester l’existence de relations de cointégration entre les
variables étudiées dans un panel complet.
Pour déterminer le nombre de relation de cointégration, nous faisons appel au test de Fisher
basé du la statistique de trace de Khi (2).

Pour r étant le nombre de relation de cointégration et n : le nombre de variables pour chaque


modèle (n = 11 variables), les résultats du test de cointégration de Johansen Fisher Panel
Cointegration figurent au niveau de l’annexe C et nous soutenons les preuves suggérant
l'existence des relations de cointégration entre les variables comme suit

Relations / variables r
LCR SIZE NPL DEPC REF OSB ROA IR TUNXR M2 FOREXR 6
LTD SIZE NPL DEPC REF OSB ROA IR TUNXR M2 FOREXR 6

Pour s’assurer de la fiabilité de l’existence de relation de cointégration et que cette relation n’est
pas factice, nous vérifions la stationnarité des résidus issus de cette équation. Pour ce faire, nous
allons appliquer le test ADF sur la série des résidus.
Les résultats de ce test sur Eviews sont repris en annexe D, on peut affirmer d’après la
probabilité du test qui est inférieure à 0,05 que les résidus de cette équation sont bien
stationnaires, et donc que la relation de cointégration est bien fiable.

Ces résultats nous offrent la possibilité d’étudier la dynamique de court terme et le mécanisme
d’ajustement de long terme grâce au modèle à correction d’erreur.

III. Estimation du modèle à correction d’erreur

Les estimations des deux modèles à Correction d’Erreur indépendamment, avec à chaque fois
11 variables (Variables dépendantes sont le ratio de liquidité de court terme LCR et le ratio du
risque de liquidité LTD) sur Eviews 11 fournissent les résultats repris dans l’annexe E et qui
sont résumées dans le tableau suivant :

79
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Tableau 11 : Résultats de l’estimation du Panel - VECM pour LCR et LTD


Variables ∆ 𝑳𝑪𝑹𝒊 ,𝒕 ∆ 𝑳𝑻𝑫𝒊 ,𝒕
Dépendantes Coefficient t-Statistic Coefficient t-Statistic
Relation de long terme (Cointegration) , ECT
𝐿𝐶𝑅𝑖,𝑡−1 1.0000 -
𝐿𝑇𝐷𝑖,𝑡−1 1.0000 -
𝑆𝐼𝑍𝐸𝑖,𝑡−1 -0.503292** -3.25697 0.985497** 1.99517
𝑁𝑃𝐿𝑖,𝑡−1 4.218531** 4.56988 -2.487022** -4.77451
𝐷𝐸𝑃𝐶𝑖,𝑡−1 6.482144** 4.89266 -5.441844** -6.82719
𝑅𝐸𝐹𝑖,𝑡−1 0.354787** 1.98929 -0.094878** -1.97041
𝑂𝑆𝐵𝑖,𝑡−1 0.948957** 2.02657 -1.045949** -2.84516
𝑅𝑂𝐴𝑖,𝑡−1 10.77361** 2.12498 -21.27148** -3.46892
𝐼𝑅𝑖,𝑡−1 -20.82564** -3.12654 14.58412** 1.97465
𝑇𝑈𝑁𝑋𝑖,𝑡−1 4.658948** 6.59749 2.478529 0.915854
𝑀2𝑖,𝑡−1 0.569532** 5.23563 -1.112488** -2.43581
𝐹𝑂𝑅𝐸𝑋𝑅𝑖,𝑡−1 -0.914976** -1.98439 -0.125474 1.03892
𝐶 23.14245 0.83714 14.712051 0.91816
𝑪𝒐𝒊𝒏𝒕𝑬𝒒𝟏 -0.156956** -2.89351 -0.077612 -1.97411**
Relation de Court Terme
∆ 𝐿𝐶𝑅𝑖 ,𝑡−1 0.373369** 9.41478
∆ 𝐿𝐶𝑅𝑖 ,𝑡−2 0.789124** 2.92571
∆ 𝐿𝑇𝐷𝑖 ,𝑡−1 0.183547** 5.12471
∆ 𝐿𝑇𝐷𝑖 ,𝑡−2 0.217192** 6.34561
∆ 𝑆𝐼𝑍𝐸𝑖 ,𝑡−1 0.651634 0.57691 -0.99812** -2.41327
∆ 𝑆𝐼𝑍𝐸𝑖 ,𝑡−2 2.766495** 2.47992 -0.77342** -1.99787
∆ 𝑁𝑃𝐿𝑖 ,𝑡−1 -2.485791** -2.93183 0.58471 0.64521
∆ 𝑁𝑃𝐿𝑖 𝑡,−2 -3.593064** -2.43086 6.11374 1.87662
∆ 𝐷𝐸𝑃𝐶𝑖 ,𝑡−1 -1.412968** -2.10827 3.94812** 2.56915
∆ 𝐷𝐸𝑃𝐶𝑖 ,𝑡−2 0.093012 0.77881 1.15142 1.43289
∆ 𝑅𝐸𝐹𝑖 ,𝑡−1 -0.030438** -2.62095 0.45128** 3.48493
∆ 𝑅𝐸𝐹𝑖 ,𝑡−2 0.001271 0.91330 1.16693** 2.22446
∆ 𝑂𝑆𝐵𝑖 ,𝑡−1 -0.313048** -2.36205 1.82456** 5.19637
∆ 𝑂𝑆𝐵𝑖 ,𝑡−2 -0.022701** -2.09989 1.32317** 2.87193
∆ 𝑅𝑂𝐴𝑖 ,𝑡−1 -52.90423 -0.98445 21.5617 -1.03492
∆ 𝑅𝑂𝐴𝑖 ,𝑡−2 -27.11851** -4.24302 -1.48134 -0.69415
∆ 𝐼𝑅𝑖 ,𝑡−1 -9.554904 -0.85755 10.81493** 4.89526
∆ 𝐼𝑅𝑖 ,𝑡−2 -28.91647** -2.30384 26.04568 -0.99783
∆ 𝑇𝑈𝑁𝑋𝑖 ,𝑡−1 -4.219959** -2.39207 -8.12562 1.41408
∆ 𝑇𝑈𝑁𝑋𝑖 ,𝑡−2 -0.258186 -0.45316 3.49617 -1.23504
∆ 𝑀2𝑖 ,𝑡−1 3.838086 1.71260 1.09285** 1.96260
∆ 𝑀2𝑖 ,𝑡−2 -5.312819** -2.34422 2.47391 1.73112
∆ 𝐹𝑂𝑅𝐸𝑋𝑅𝑖 ,𝑡−1 0.623573** 2.56776 0.22493 0.68489
∆ 𝐹𝑂𝑅𝐸𝑋𝑅𝑖 ,𝑡−2 0.319009 0.84246 -0.56197 -0.07982
Notes : Résultats obtenus à partir du logiciel Eviews 11
- CoinEq : terme de rappel vers l’équilibre de LT
- t-statistic fait référence à une t de Student égale à 1.96
- ** La variable est significative au seuil de 5%.

80
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

1. Interprétations des résultats

L’analyse d’un modèle VECM se base sur trois éléments, dont deux concernent la partie de
long terme, à savoir le coefficient d’ajustement (CointEq) et les effets des facteurs
macroéconomiques et des facteurs spécifiques aux banques constituant la relation de long terme
de cointegration. Ces effets de long terme se caractérisent par un caractère graduel et persistant
dans le temps.

Les résultats issus des estimations de la dynamique de court et de long terme du ratio LCR et
LTD via le Panel-VECM des 10 grandes banques tunisiennes ci-dessus, montrent que les termes
de rappel vers l’équilibre de long terme issus de la relation de cointegration, sont négatifs et
significatifs :
- t-statistics associé au coefficient de l’équation de cointégration du ratio LCR
= |-2.89351| > 1.96 ;
- t-statistics associé au coefficient de l’équation de cointégration du ratio LTD
= |-1.97411 | > 1.96 ;

Ces résultats confirment la présence d’une relation de cointegration et donc l’existence d’une
relation d’équilibre de long terme entre les ratios LCR et LTD pour les dix banques tunisiennes,
et les variables considérées comme des déterminants du risque de liquidité.
Cela démontre qu’en cas de déséquilibre de court terme, les ratios et LTD semblent revenir vers
leurs valeurs d’équilibre de long terme, c'est-à-dire un ajustement mensuel effectué par les
banques existe vers une relation d’équilibre. S’il y a un écart du ratio LCR ou LTD pour une
banque est observé pendant un mois, c’est la force de rappel qui le ramène à sa valeur
d’équilibre grâce son signe négatif. Elle joue le rôle d’un mécanisme de correction du risque de
liquidité à court terme pour maintenir la dynamique de long terme des ratios LCR et LTD afin
de se conformer aux normes exigées par la réglementation baloises et par la BCT.

L’analyse des résultats du tableau ci-dessus nous permet de juger sur la significativité globale
de notre modèle en fonction de leur retard optimal (2) dans l’explication de la dynamique de la
liquidité et du risque de liquidité.

1.1.Variables spécifiques aux banques

Avant d’entamer l’analyse individuelle de chaque déterminant, nous allons nous pencher sur
les variables LCR et LTD retardées. En effet, les deux modèles montrent clairement que les
changements du LCR (dans le premier modèle) du LTD (dans le deuxième modèle) ainsi que

81
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

dépendent des variations passées de LCR et LTD. Ce constat rejoint de celui de Wójcik-Mazur
et Szajt (2015) et Gockov et Hristovski (2019). Ceci montre la dynamique persistance des ratios
LCR et LTD par les banques au cours de la période d’étude, surtout quand nous somme devant
une dimension mensuelle, où les changements importants n’apparaissent que dans plusieurs
mois.
Par ailleurs, l’analyse de l’impact des variables spécifiques aux banques qui montrent des
relations significatives communes aussi bien avec le ratio de liquidité et le ratio de
transformation à court et à long terme, fait apparaitre des sens inverses sur le ratio LCR et le
ratio LTD. Ceci s’avère cohérent avec les résultats de Ben Moussa (2015) et Wójcik-Mazur et
Szajt (2015) qui ont prédit que les facteurs déterminants de la liquidité bancaire sont les facteurs
du risque de liquidité, mais de sens inverse.
Dans ce qui suit nous allons détailler l’impact de chaque déterminant sur les deux ratios.

1.1.1. La taille de la Banque

Il est à rappeler que la taille de banque (SIZE) est mesurée par le Logarithme Népérien du total
des actifs des 10 grandes banques. D’après les deux modèles, l'impact sur le court et le long
terme de la taille de la banque est positif sur le ratio LCR et négatif sur le ratio LTD, de sorte
que la liquidité bancaire croit avec l’augmentation de la taille de la banque diminuant ainsi
l’exposition de la banque à un éventuel risque de liquidité et de transformation.
Ce lien inverse entre la taille et le risque de liquidité a également été corroboré empiriquement
dans les études de Zaghdoudi et Hakimi (2017) ; Khan (2017) ; Vodovà (2011).

Les grandes banques comptent davantage sur des ressources stables de long terme,
principalement les dépôts(↘LTD), pour financer l’octroi des crédits, gardant ainsi un stock
important d’actifs liquides (BTA) et des trésoreries excédentaires pour faire face aux chocs
éventuels de liquidité (↗LCR), et disposant ainsi des capacités commerciales puissantes
traduisant une volatilité faible de ses actifs moins axés sur les crédits bancaires non garantis.
De même, les grandes sont également confrontées à une surveillance prudentielle très
rapprochée et à des contraintes réglementaires plus strictes par les autorités de supervisions
compte tenu de leur importance systémique dans le secteur bancaire.

En comparant les résultats avec l’analyse descriptive, B5 la plus grande banque compte tenu de
sa taille, est une banque ayant un niveau de liquidité robuste qui se matérialise par le respect
des contraintes réglementaires des ratios LCR et LTD. Pareil pour les autres banques, B2, B3,
B6, B7, B8 et B10, un arbitrage harmonieux entre la taille et les niveaux de deux ratios.

82
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Le problème se pose par rapport aux banques B1, B4 et B9, malgré leur taille systémique dans
le secteur, elles présentent les niveaux des deux ratios les plus critiques. Il reste à s’interroger
de sources de défaillances de ces 3 banques ainsi que les effets des autres facteurs qui
l’emportent pour rendre les ratios LCR et LTD à ses niveaux planchers.

1.1.2. Les prêts non performants

Les prêts non performants (NPL) mesurent la part des créances classées des banques à partir de
la classe 2, par rapport aux total des engagements de la banque. Il s’agit comme une mesure du
risque de crédit des banques. D’après les estimations, une relation négative de long terme existe
entre NPL et le ratio de liquidité LCR et positive avec le ratio LTD, donc les prêts non
performants impactent négativement la liquidité des banques tunisiennes. La logique qui sous-
tend de cette relation est simple. Un taux élevé des prêts non performants résultant de
l’insolvabilité d’un emprunteur, entraîne une perte totale ou partielle de la créance, ainsi que
les revenus qui s’y attachent ; d’où une absence de la liquidité initialement prévue.
Cette association positive entre la qualité des actifs et le risque de liquidité, a été démontré par
Akhtar, (2007) ;Roman et Sargu (2015) Hugonnier et Morellec (2017).

Un ajustement cohérant entre ces constations et l’analyse descriptive des banques. Les 3
banques ayant une situation critiques des deux ratios LCR et LTD sont les mêmes qui présentent
NPL les plus élevés et inversement pour les banques B5, B8 et B7.

1.1.3. La concentration des dépôts

D’après les estimations, une relations positive et significative entre la variable DEPC et le
risque de liquidité mesuré par le ratio LTD, tandis une association négative entre la variable
DEPC et LCR. Donc, la concentration des dépôts est un élément générateur du risque de
liquidité. Ce résultat a été approuvé par Kimball, R. C. (1997) ; Dinger (2009).
Lorsque la partie majeure des ressources bancaires sont obtenues auprès d’un nombre limité de
sources de financement, la liquidité d’une banque peut être mise en alerte en fonction de toute
vague de retrait massive de fonds considérée comme une principale source de financement
impactant le dénominateur du LCR vers la hausse et donc LCR ↘, et le dénominateur du ratio
LTD vers la baisse, exposant ainsi la banque à un aléa risque de liquidité (LTD↗).

A l’instar des NPL, les banques dépendantes d’un nombre limité de déposants (B1, B9 et B10
et B4) qui se matérialisent par des ratio DEPC élevés, sont les plus exposées au risque de
liquidité (LCR faibles et LTD élevés).

83
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

1.1.4. Refinancement auprès du marché monétaire

Une relation négative de long terme entre le refinancement (REF) et le ratio LCR, et relation
positive du refinancement avec le ratio LTD. Cette même relation est approuvée par De Hann
(2019).
Pour accéder aux opérations de refinancement, la BCT mène une politique de collatéral
prudente sur la base d’une sûreté appropriée. Elle exige en contrepartie des opérations de
refinancement des garanties, de qualité, matérialisées par des titres négociables publics (BTA)
pour un minimum de de 40% du montant de refinancement, et titres privés (créances bancaires
saines) à hauteur de 60%. La présentation des Bons de Trésor traduit une baisse des actifs
liquides des banques traduisant une baisse su ratio LCR.
Les opérations de refinancement à court terme constituent une source de l’exposition des
banques au risque de transformation des échéances lorsqu’ils constituent des ressources
destinées à l’octroi de crédits à long terme d’où l’instauration du ratio LTD, comme une
contrainte réglementaire par la BCT, auquel les banques tunisiennes sont tenues de respecter
une limite de 120% pour alléger le recours aux refinancements.

Une analyse entre les niveaux des ratios LCR et LTD des banques B9, B1 et B9 et ses niveaux
de refinancements mensuels révèle que ces 3 banques sont les plus dépendantes de la BCT. Par
ailleurs, B5, B8, B7 et B3 même s’ils font recours au marché monétaire, elles ont poursuivi ses
efforts pour trouver un compromis crédible entre les niveaux de refinancement et les ratios de
liquidité.

1.1.5. Les engagements hors bilan

Un lien positif de long terme persiste entre les engagements hors bilan (OSB) d’une banque et
le risque de liquidité marquée par un effet positif sur les ratios LTD et un effet négatif sur le
ratio LCR. Cette relation a été traitée auparavant par Cornett et al.(2011) et Karim el al.(2013).
Les engagements hors bilan d’une banque représentent les engagements accordés par la banque
à ses clients qui ne sont pas matérialisées par une mobilisation immédiate flux monétaires. Il
s’agit d’une sortie potentielle de liquidité. En cas d’un décaissement effectif de fonds et
lorsqu’un retrait massif de liquidité n’était pas prévu par la banque, elle subit un aléa de liquidité
marqué par une sortie effective de fonds (↘LCR) et une écriture bilancielle au niveau des
emplois (↗LTD). Ceci peut freiner la capacité d’octroi de nouveaux prêts et de faire face aux
demandes massives de retrait. C’est le cas des banques B9 et B4, qui ne cessent de consentir
des crédits à leurs clients malgré la situation délicate de la liquidité.

84
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

1.1.6. La rentabilité des banques

Un lien positif entre la rentabilité des banques, mesurée par le ROA, et le risque de liquidité a
été révélé. Ce même résultat a été démontré par Anam et al. (2012) et Muharam et Kurnia
(2013) contrairement aux résultats de Chen et al. (2017).
L’explication sous-jacente de cette relation vérifiée par les banques tunisiennes c’est de
bénéficier d’une marge d’intérêt. En particulier, la sagesse conventionnelle veut que les banques
bénéficient de la pentification de la structure par terme des taux d’intérêt parce qu'elles
empruntent « court » et prêtent « long » et par conséquent, dans une logique de maximisation
de la marge d’intermédiation, la banque qui décide d’allonger la maturité de ses emplois
augmente son taux de transformation (LTD) et donc son risque de liquidité. Ceci caractérise le
comportement des banques tunisienne surtout dans les années 2017 et 2018 et recours massif
au refinancement auprès de la BCT. Ceci peut être appréhender aussi par la rentabilité élevée
dégagée les banques B9, B1 et B4 conjuguée à un niveau de PNB élevé

1.2.Les variables macro-financières

1.2.1. Taux d’intérêt

L’impact du taux d’intérêt sur le risque de liquidité étant négatif pour les banques tunisiennes.
Une augmentation du TMM, comme un proxy du taux d’intérêt, traduit une augmentation des
ratios de liquidité des banques LCR et une baisse du ratio de transformation LTD. Ce lien rejoint
les constatations de Baldan et Zen (2012) ; Di Tella et Kurlat (2017) ; Drechsler et al. (2018).
Les fluctuations des taux d’intérêt orientent les préférences des agents économiques. En
présence de taux d’intérêt élevés, les déposants auront une préférence à placer leurs fonds aux
conditions les plus favorables. Donc, les sources de financement bancaire peuvent être attirées
par un taux de rémunération attrayant ce qui affectera positivement la liquidité traduisant une
baisse du ratio LTD, et les banques se trouvent dans la capacité de lever des capitaux à des
coûts raisonnable.

Un autre raisonnement peut être à l’origine de cette relation : c’est la marge d’intérêt (NIM).
Selon la théorie de l’intermédiation financière, un passif est réindexé plus rapidement que
l’actif, une hausse de taux aura un impact négatif sur la marge d’intérêt à court terme, ce qui
implique une augmentation des sources de financement pour les banque. Des études antérieures
ont montré que les banques à forte liquidité ont des marges d'intérêt nettes (NIM) plus faibles
(par exemple, Demirgüç-Kunt et Huizinga, (1999) ; Shen et al., 2001; Demirgüç-Kunt et al.,
(2003) ; Naceur et Kandil (2009) ; Sharma et coll. (2015).

85
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

1.2.2. Le taux de rendement du Marché Financier

Une association positive entre le taux de rendement du marché financier tunisien « Tunindex »
et le risque de liquidité marquée par un effet négatif sur le ratio LCR et un effet positif sur le
ratio LTD.

La théorie financière moderne postule que, sur un marché boursier efficient, les cours des
actions reflètent des informations relatives à la situation des entreprises. Une augmentation du
taux de rendement des actifs financiers, implique une fuite des capitaux des agents économiques
du secteur bancaire vers les places boursières pour en profiter des opportunités offertes. Ceci
peut être justifiée par l’activité admissible du marché financier pendant les années 2017 et 2018
marqués par des pressions sur la liquidité bancaire. En revanche, lorsque le marché n’est pas
liquide ou pendant des périodes de nervosité traduisant une volatilité accrue, les investisseurs
« rationnels » orientent leurs préférences vers les placements bancaires les plus sûres traduisant
en ce sens des niveaux appréciables des deux ratios.

1.2.3. La Masse Monétaire

À long terme, le premier modèle fait apparaitre une relation négative et significative de Masse
Monétaire au sens M2 et le ratio de liquidité LCR et une relation positive entre M2 et le risque
de liquidité mesuré par LTD. Cette relation entre le risque de liquidité bancaire et la création
monétaire a été témoignée par Li et al. (2017).

En effet, une augmentation de la masse monétaire traduit une augmentation des Billets et
Monnaies en Circulation (BMC), incitant les agents économiques soit à une consommation
excessive, soit à s’engager dans des investissements. Autrement dit, une masse monétaire
importante, est la résultante d’une croissance économique dilatante. À ce stade, les banques
interviennent afin de financer ces investissements et la consommation des ménages, en
octroyant les crédits bancaires dans toute ses formes, ce qui a donc pour impact de réduire les
liquidités disponibles au niveau de la banque, et par extension accroit le risque de liquidité
(LCR ↘ et LTD ↗).

Il est à signaler que l’augmentation de la masse monétaire en Tunisie, principalement en 2017-


2018, est la résultante d’une consommation accrue et non pas des investissements qui encore
en passivité insoutenable, ce qui a contribué à alimenter les tensions inflationnistes.

86
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

1.2.4. Les Réserves de Change

Il existe une relation de long terme négative entre les réserves de change et le risque de liquidité.
Le raisonnement suivant est effectué par l’absurde. La période de notre étude est caractérisée
par l’atonie du niveau des réserves de changes, due à l’accroissement continu du déficit
commercial, la dépréciation du dinar face aux principales devises, une aggravation de l’inflation
et un fléchissement des investissements. En effet, tous ces facteurs ont engendré la contraction
les dépôts des exportations ainsi que les produits qui s’y rattachent réduisant ainsi la liquidité
au niveau des banques et par extension, augmentant en conséquence les besoins en liquidité du
système bancaire. Cela explique la relation négative existant entre les réserves de change et le
risque de liquidité.

2. Validation du modèle Panel VECM


Pour la validation du modèle Panel VECM, on va d’abord se baser le coefficient de l’équation
de cointégration, qui, afin d’assurer la stabilité du modèle, doit être négatif et significatif. C’est
justement le cas pour notre modèle, on peut donc affirmer dans un premier temps que le modèle
est bien stable.
Pour confirmer ce constat, nous allons tester la normalité des résidus et leur autocorrélation.

2.1.Test de la normalité des résidus

Nous testerons désormais la normalité des résidus à l'aide du test Jarque-Bera. Ce test est fondé
sur les coefficients d'asymétrie et d'aplatissement (kurtosis et skewness respectivement).
Selon l’annexe F et l’équation 01, qui concerne respectivement les séries ∆LCR et ∆LTD, il
apparaît clairement que les probabilités associées à la statistique du test de Jarque Bera
concernant les résidus de ∆LCR et ∆LTD est largement supérieure à 5%, ce qui nous amène à
accepter l’hypothèse nulle de normalité des résidus.

2.2.Test d’autocorrélation des résidus

Le test d’autocorrélation LM des résidus (Annexe G) nous permet d’affirmer l’absence


d’autocorrélation entre les résidus de nos modèles. En effet, toutes les corrélations rentrent dans
l’intervalle de confiance et toutes les probabilités sont supérieures à 5%, ce qui signifie
qu’aucune autocorrélation n’est significative.

87
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Section 4 : Application du stress test

Les estimations effectuées ci-dessus visaient à déterminer les facteurs déterminants du


risque de liquidité des grandes banques tunisiennes qui seront utilisés à ce stade pour la mise
en œuvre des stress tests sur le risque de liquidité mesuré par les deux ratios prudentiels et le
modèle VECM obtenu lors de la modélisation du LCR et LTD dans la section précédente.

I. Description de la conjoncture actuelle et choix de la variable à stresser

Pour l’année 2020, la propagation rapide de la pandémie de la Covid- 19 et les mesures


drastiques de confinement qui s’en ont suivies ont durement secoué les marchés et affecté les
comportements des agents économiques, annonçant l’entrée de plusieurs pays dans le monde,
à l’instar la Tunisie, dans une situation récession économique et dont les effets ne peuvent être
évalués pour l’instant Étant donné que la crise persiste jusqu'à présent. Dans cet environnement
turbulent, la BCT a privilégié les considérations de stabilité financière en s’engageant dans une
logique privilégiant le sauvetage des entités productives et les emplois, tout en gardant à l’esprit
la nécessité de préparer l’après-Covid 19 et de veiller à ce que les entreprises préservent leur
pérennité et soient prêtes pour tirer profit des nouvelles opportunités qui s’offrent à elles, aussi
bien sur le plan national qu’international.

À cet égard, les efforts portant sur la lutte contre le coronavirus ont poussé la Banque Centrale
de Tunisie a prendre une série de mesures 46 visant à atténuer les répercussions sociales,
économiques et financières de la pandémie et ce, pour préserver la stabilité du secteur financier.
En ce sens, parmi les mesures les plus importante, la BCT a publié la circulaire n°2020-06 du
19 mars 2020, permettant aux professionnels et particuliers le report, sous certaines conditions,
des échéances de crédits accordés.
Cependant, les banques et institutions financières doivent reporter le paiement des échéances
de crédits accordés aux entreprises professionnelles et aux particuliers 47 dont l’exigibilité
(principal et intérêts) se situe durant la période allant du 1er mars à fin septembre 2020 et de
procéder aux rééchelonnement du remboursement et ce, au titre des crédits des banques et des
institutions financières.

46
Circulaire aux banques n°2020-06 du 19 mars 2020 relative aux mesures exceptionnelles de soutien en faveur
des entreprises et des professionnels et la circulaire aux banques n°2020-07 du 25 mars 2020 relative aux
mesures exceptionnelles de soutien en faveur des particuliers telle que complétée par la circulaire aux banques
n°2020-08 du 1er avril 2020.
47
Dont le revenu mensuel net est inférieur à 1 000 DT. Pour les crédits non professionnels dont le revenu
dépasse 1000 DT, possibilité de reporter les mensualités échues durant la période allant de 1 er Avril 2020 jusqu'à
fin juin 2020 en vertu de la circulaire 2020-08 du 01/04/2020.

88
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

L’objectif principal de la mesure étant d’alléger les tensions de trésorerie et de liquidité des
entreprises et des professionnels. Il convient de noter également qu’outre le report d’échéances,
la circulaire de la BCT exige des banques et des établissements financiers de continuer à
financer les entreprises et les professionnels. Les échéances reportées ainsi que les nouveaux
financements accordés donnent lieu au refinancement de la BCT selon les conditions en
vigueur.
Les reports d’échéances ainsi que les arrangements, rééchelonnements et consolidations en
découlant, tels que prévus par la circulaire de la BCT n°2020-06 ne seront pas pris en compte
parmi les critères d’aggravation de la classification des bénéficiaires.

Toutefois et en l’absence totale de visibilité sur les retentissements économiques et financiers


de la crise COVID-19 et son prolongement dans le temps ainsi qu’en l’absence de connaissance
parfaite des clients (KYC48), de données financières actualisées fiables fournies par ces derniers
et de données prévisionnelles pertinentes établies à cet effet, toute décision d’octroi de
nouveaux crédits pourrait relever, dans certaines mesures, de l’arbitraire !

Malheureusement, cette situation pourrait affecter significativement la qualité d’exposition aux


risques des banques et des établissements financiers qui serait aggravée davantage par un effet
de contagion ravageur et aurait, par la même, des conséquences dommageables sans précédent
sur l’ensemble du secteur.
C’est pour cette raison, il est primordial de connaitre la situation de liquidité des banques en
cas de la dégradation de la qualité de ses actifs, pour qu’elles soient en mesure de prendre les
actions préventives nécessaires pour faire face à une éventuelle crise de liquidité. Pour ce faire
nous allons appliquer des tests de résistance sur la variable des Prêts Non Performants (NPL).

II. Application du stress test

1. Choix des scénarios

Nous allons mettre en place deux tests de sensibilité afin de stresser la variable NPL.
L’amplitude des chocs à appliquer, en s’inspirant de la littérature économique et financière en
la matière, en effet, littérature varie de 3 à 6 écarts types49.
En pratique, l'écart-type d'une variable incarne la variation d’une variable autour de la moyenne,
c'est ce qui explique que ce paramètre soit généralement choisi dans les simulations de crise

48
« Know Your Costumer »
49
Modelling the distribution of credit losses with observable and latent factors, Gabriel Jiménez, Javier Mencía,
Journal of Empirical Finance 16 (2009) 235–253.

89
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

pour la conception des scénarios. En effet, un choc qui inclut une variation de six écarts types,
par exemple, est considéré comme un choc de grande ampleur, puisque la variation autour de
la moyenne dans le contexte normal est d'un écart type environ autour de la moyenne dans le
contexte normal est d'un écart type environ.
Dans la présente étude, nous allons appliquer deux chocs sur la variable NPL : un choc de 3
écarts-types et un choc de 6 écarts-types.

2. Résultats des tests de sensibilité


La relation qui régit la qualité des actifs (NPL) avec le ratio LCR est négative, ce qui signifie
qu’une augmentation des prêts non performants d’une banque traduit une baisse du ratio LCR.
Donc la variation que nous allons effectuer qui traduit le scénario défavorable sera dans le sens
de la hausse des prêts non performants de chaque banque. Cette hausse va survenir en Décembre
2020, puisque la reprise de remboursement étant en octobre 2020. Étant donné que le calcul des
prêts non performant est indexé sur les créances classées à partir de classe 2 dont le retard de
paiement est de 90 jours, la dégradation de la qualité des actifs sera comptabilisée en décembre
2020.
Le tableau suivant reprend les données nécessaires pour l’application des deux tests sur les
NPL, à savoir, l’écart-type, les valeurs initiales des NPL et la valeur après choc pour les 10
banques.
Tableau 12 : scénarios appliqués sur NPL
Banque B1 B2 B3 B4 B5 B6 B7 B8 B9 B10
Ecart-type (σ) de NPL
0.88 1.09 0.19 2.99 0.89 2.44 0.96 0.86 4.63 1.86
(en %)
Scénario 01 :
2.65 3.27 0.57 8.97 2.68 7.32 2.88 2.57 13.88 5.58
↗ NPL de 3*σ (%)
Scénario 02 :
5.29 6.54 1.14 17.94 5.36 14.63 5.76 5.13 27.77 11.15
↗ NPL de 6*σ (%)
NPL en % (Sep-2020)
15.97 8.15 6.65 24.95 6.18 12.06 11.35 5.51 27.77 12.71
Situation initiale
NPL en % (Déc - 2020)
18.61 11.42 7.22 33.92 8.86 19.37 14.23 8.07 41.65 18.29
Selon le Scénario 01
NPL en %(Déc - 2020)
21.26 14.69 7.79 42.89 11.54 26.69 17.12 10.64 55.53 23.86
Selon le Scénario 02
Source : Auteur
Une fois les valeurs des prêts non performant des 10 banques sont déterminées, pour le mois de
décembre 2020, il convient de chercher les valeurs des variables exogènes pour la même
période et ce à partir du modèle Panel VECM obtenu précédemment. Ensuite, nous allons
effectuer nos prévisions afin de déterminer les valeurs des ratios LCR et LTD pour le mois de

90
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

décembre 2020. Enfin, ces prévisions seront comparées à celle retrouvées en situation normale
(Scénario de base).
Le tableau suivant reprend les valeurs des ratios LCR calculés pour l’ensemble des scénarios :

Tableau 13: Valeurs des LCR avant et après les tests appliqués sur NPL
Banque B1 B2 B3 B4 B5 B6 B7 B8 B9 B10
Scénario de base 109.9 294.9 368.5 187.7 218.9 169.9 418.8 509.8 109.5 103.1
Scénario 1 (en%) 94.4 189.5 335.2 149.2 200.6 142.6 379.2 432.2 88.0 75.8
Variation 1 (en%) -15.5 -105.4 -33.3 -38.5 -18.3 -27.3 -39.6 -77.6 -21.5 -27.4
Scénario 2 (en%) 81.2 155.3 291.7 99.6 182.5 122.7 347.5 403.5 64.5 59.4
Variation 2 (en%) -28.7 -139.6 -76.8 -88.1 -36.3 -47.2 -71.3 -106.3 -44.9 -43.7
Source : Auteur
Pour plus de visibilité, nous avons représenté les résultats obtenus des ratios LCR dans la figure
suivante :
Figure 9: Valeurs des LCR avant et après les tests appliqués sur NPL
600

500

400

300

200

100

0
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10
Scénario de base Scénario 1 (en%) Scénario 2 (en%)

Source : Auteur

Le même travail est refait pour le ratio de transformation en se basant sur le modèle VECM du
ratio LTD en reprenant seulement les variables significatives du deuxième modèle. Le tableau
suivant reprend les valeurs des ratios LCR calculés pour l’ensemble des scénarios :

Tableau 14 : Valeurs des LTD avant et après les tests appliqués sur NPL

Banque B1 B2 B3 B4 B5 B6 B7 B8 B9 B10
Scénario de base 126.58 109.89 110.26 122.69 105.69 111.63 106.59 91.26 141.29 118.26
Scénario 1 (en%) 129.36 112.45 112.56 125.96 108.45 115.20 110.78 96.58 145.36 121.43
Variation 1 (en%) 2.78 2.56 2.30 3.27 2.76 3.57 4.19 5.32 4.07 3.17
Scénario 2 (en%) 135.69 116.73 117.21 130.72 111.25 119.36 115.23 101.69 150.23 126.89
Variation 2 (en%) 9.11 6.84 6.95 8.03 5.56 7.73 8.64 10.43 8.94 8.63
Source : Auteur

91
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

Figure 10 : Valeurs des LTD avant et après les tests appliqués sur NPL

180
160
140
120
100
80
60
40
20
0
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10

Scénario de base Scénario 1 (en%) Scénario 2 (en%)

Source : Auteur
3. Analyse des résultats et recommandation

Pour les deux tests de sensibilité de chaque ratio, il est bien clair que l’impact de la dégradation
de la qualité des actifs sur les ratios LCR et LTD des banques de l’échantillon est plus prononcée
pour le deuxième scénario. Cette dégradation est plus nuisible pour les banques B1, B4, B9 et
B10. En effet, En cas de détérioration de la qualité de ses actifs selon les scénarios choisis, les
banques B1, B4, B9 et B10 risquent d’un dépassement des normes réglementaires exigées par
la BCT aussi bien pour le ratio LCR (inférieur à 100%) que le ratio LTD (supérieur à 120%).
Donc, des pressions sur la liquidité conjuguées à un climat d’incertitude lié aux échéances
électorales, sont attendues en décembre 2020. En effet, ces quatre banques peuvent s’exposer à
un éventuel risque de liquidité inhérent à la qualité des actifs et dont les conséquences peuvent
être néfastes, pour les banques en question et pour le système bancaire dans sa globalité étant
donné que les banques B1, B4 et B9 sont des banques systémiques.
Cependant, les raisons pour lesquelles le LCR sera sous le seuil des 100 % : incapacité à
reconduire un financement stable (dépôts ↘) ou de lever des fonds, utilisation de l’encours de
HQLA pour accéder au marché monétaire ou importants tirages imprévus sur les obligations
conditionnelles. En outre, les raisons peuvent être liées aux conditions générales de crédits,
puisque malgré les retards de paiements et des impayés enregistrés, les banques continuent en
permanence au financement de l’économie dans le cadre de son activité d’intermédiation,
traduisant ainsi une augmentation du risque de transformation (LTD↗).

C’est pour cette raison des mesures préventives doivent être prises par les banques
Dans cette veine, les banques, même si elles sont liquides, doivent consolider les pratiques en
matière de recouvrement et de résolution de l’ancien stock des créances classées, accumulé
depuis plusieurs années, Ces efforts doivent aboutir à l’assainissement du portefeuille des

92
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES

crédits et au maintien d’un niveau faible des créances classées comparable à la moyenne du
secteur bancaire tunisien, à défaut une crise de liquidité peut subvenir et dont les conséquences
seront hostiles pour tout le système financier.

Toutefois, dans une situation de tensions suffisamment fortes à l’échelle du système, il faudrait
tenir compte des effets sur le système financier tout entier. Il conviendrait d’examiner les
mesures susceptibles de rétablir les niveaux de liquidité et les appliquer pendant une période de
temps jugée appropriée pour éviter d’exercer des tensions supplémentaires sur la banque et sur
l’ensemble du système financier. Le cas échéant, l’autorité de contrôle pourrait aussi demander
à une banque de prendre des mesures visant à réduire son exposition au risque de liquidité, à
renforcer sa gestion globale du risque de liquidité ou à améliorer son plan de financement
d’urgence.

93
CONCLUSION GÉNÉRALE

CONCLUSION GÉNÉRALE

La dynamisation de la cartographie des risques bancaire s’avère une préoccupation


centrale des autorités monétaires soucieuses de s’avérer d’une infrastructure macro-financière
robuste face aux risques bancaires qui en découlent. En effet, l’implantation d’un dispositif de
la supervision bancaire basé sur les risque, contribue à l’évaluation et l'adéquation des systèmes
de gestion des risques mis en place par les banques pour identifier, mesurer, contrôler et agir
en temps opportun. Dans le même ordre d’idée, la Banque Centrale de Tunisie assure une
surveillance continue des situations financières et opérationnelles des banques Tunisiennes et
de la façon dont les risques sont gérés et le capital est réparti, afin d’atténuer la nervosité des
marchés en cas d'imprévus et rendre le financier plus efficients et plus résistants aux crises.

Cependant, les régulateurs du marché ont été toujours focalisé sur le risque de crédit et le
problème de solvabilité des banques, et même c’est le risque le plus abordé par la littérature
économique et financière jusqu’à la survenance de la crise financière de 2007 qui a perturbé le
système financier mondial. Après, plusieurs chercheurs ont commencé à s’interroger sur les
déterminants qui sont à l’origine du risque de liquidité des banques. Il s’agit d’un risque proactif
dont plusieurs facteurs peuvent jouer des catalyseurs de la survenance d’une crise systémique.

À cet effet, par le biais de la présente étude, nous avons caractérisé les facteurs explicatifs de la
dynamique du risque de liquidité des banques tunisiennes sur le court et le long terme, en
utilisant des variables spécifiques aux banques et macroéconomiques et financières sur la base
de dix banques représentative de l’économie tunisiennes. Ces facteurs intègrent des
informations sur le niveau du risque spécifique aux banques selon l’activité et la stratégie
adoptée, la conjoncture macroéconomique du pays et les perspectives des marchés boursiers.

Ainsi l'apparition de nouveau contexte réglementaire relatif au ratio LTD et la survenance des
chocs économiques, tel que la pandémie du covid -19 ainsi que les mesures préventives prises
par la BCT, nécessitent en permanence une actualisation de la théorie de l'intermédiation
financière et une révision permanente de la position bilancielle des banques en matière prise
des risques et en montrant leurs capacités à assurer une gestion plus dynamique en essayant de
trouver un compromis entre la double fonction d’octroi de crédit et la collecte des dépôts tout
en préservant la protection des déposants. À cet égard nous avons procéder à une simulation
via le stress testing de l’exposition des banques au risque de liquidité en cas de la dégradation
de la qualité des actifs de la banque.

94
CONCLUSION GÉNÉRALE

Les résultats de l’étude qui découlent de l’estimation du modèle Vectoriel à Correction d’Erreur
(VECM), montrent qu’il existe une relation dynamique de court et de long terme entre le risque
de liquidité auquel s’exposent les banques tunisiennes, mesurés par les deux ratios prudentiels
instaurés par la Banque Centrale de Tunisie, et les déterminants spécifiques et
macroéconomiques sélectionnés à savoir : la taille, le risque de crédit ou les prêts non
performants, le risque de concentration des dépôts, le refinancement, les engagements hors
bilan, la rentabilité, le taux d’intérêt, le taux de rendement du marché financier, la masse
monétaire et les réserves de change. Nous avons trouvé un coefficient de correction d'erreur ou
un coefficient d’ajustement vers l’équilibre négatif et statistiquement significatif pour les deux
modèles. Ce résultat prouve qu'en cas de déviation de court terme, les deux ratios semblent
retrouver leur valeur d’équilibre de long terme. S’il y a un écart du ratio LCR ou LTD pour une
banque est observé, c’est la force de rappel qui le ramène à sa valeur d’équilibre grâce son signe
négatif et ceci dans l’intention de trouver un compromis entre l’activité d’intermédiation
bancaire et la prise de risque de liquidité afin de maintenir les normes exigées par la
réglementation baloises et par la BCT.

Les résultats empiriques présentés dans cette étude ont des implications pertinentes pour les
banques et pour l’autorité monétaire. Les banques, peuvent utiliser leur meilleure
compréhension de l'existence des relations dynamiques entre l’exposition au risque de liquidité
et un certain nombre de facteurs spécifiques et macro-financières influentes pour améliorer leur
allocation d'actifs, la diversification de leur portefeuille, la gestion du risque de crédit et les
décisions de négociation avec les clients en fonction des perspectives et les attentes sur le
marché et la conjoncture afin de concevoir la position concurrentielle sur le marché. Du coté de
l’autorité monétaire, c’est pour préserver l’équilibre financier des banques pendant les périodes
de récession économique et prévenir une éventuelle crise systémique.

En revanche, la crise financière mondiale de la période 2008-2009 a déclenché un débat


intéressant sur les asymétries possibles dans les relations le risque de liquidité et ses principaux
déterminants, en particulier en période de troubles financiers majeurs.
En ce sens, la modélisation linéaire n'est pas appropriée pour saisir adéquatement les asymétries
à court et à long terme dans le processus d'ajustement du risque de liquidité et son adaptation
aux changements de plusieurs indicateurs économiques et financiers majeurs. Ceci peut
conduire à des résultats mal spécifiés et biaisés.
Dans cette veine, l’une des hypothèses restrictives de la cointégration c’est qu’elle permet de
modéliser une combinaison linéaire entre les variables qui entrent en jeu. De plus, la

95
CONCLUSION GÉNÉRALE

modélisation VECM, présente l’inconvénient qu’elle estime le modèle avec un retard optimal
commun à l’ensemble des variables. Pour répondre aux limites que présentent la méthode de
cointégration et l’approche VECM, il est nécessaire d’intégrer la non linéarité entre les variables
pour juger les effets asymétriques de chaque déterminant du risque de liquidité pour chaque
banque et d’accorder à chaque variable explicative un retard optimal spécifique à elle.

Comme perspectives de recherche, nous proposons le modèle NARDL « Non linear


Autoregressive Distributed Lag » comme une méthode d’estimation adéquate pour répondre
aux deux inconvénients présentés ci-dessus.
L’approche NARDL développé par Shin et al. (2014), fournit un cadre flexible et efficace qui
permet de quantifier la transmission des chocs positifs et négatifs dans chacune des variables
étudiées aux risques de liquidité des banques, en tenant compte des asymétries à la fois à court
et à long terme.Ce cadre permet de modéliser conjointement la cointégration et la non-linéarité
asymétrique dans une seule équation. De plus, cette méthode donne des résultats valides, que
les variables impliquées soient I (0), I (1) ou une combinaison des deux (Nusair, 2016). Une
future recherche des déterminants du risque de liquidité pourrait apporter des résultats plus
significatifs et plus réalistes.

96
RÉFÉRENCES BIBLIOGRAPHIQUES

RÉFÉRENCES BIBLIOGRAPHIQUES

Articles
Agénor, P.-R., Aynaoui, K. E. (2010). Excess liquidity, bank pricing rules, and monetary
policy. Journal of Banking & Finance, 34(5), pp. 923–933.

Al-Khouri, R., (2012). Bank Characteristics and Liquidity Transformation: The Case of GCC
Banks. International Journal of Economics and Finance, 4(12), pp. 114-120.

Arif, A., Nauman Anees, A. (2012). Liquidity risk and performance of banking system. Journal
of Financial Regulation and Compliance, 20(2), pp. 182–195.

Bai, J., Krishnamurthy, A., Weymuller, C.-H. (2017). Measuring Liquidity Mismatch in the
Banking Sector. The Journal of Finance, 73(1), pp. 51–93.

Ben Moussa , M. A., (2015).The Determinants of Bank Liquidity: Case of Tunisia.


International Journal of Economics and Financial Issues. 5(1), pp.249-259.

Bennani, H., Fanta, N., Gertler, P., Horvath, R.(2014) .Does central bank communication signal
future monetary policy in a (post)-crisis era? The case of the ECB. Journal of International
Money and Finance, 57(2), pp. 1021-1067.

Bonfim, D., Kim, M. (2012). Liquidity risk in banking: is there herding. European Banking
Center Working papers, no. 3664/83, pp. 1-31.

Bonner, C., van Lelyveld, I., Zymek, R. 2013.Banks’ Liquidity Buffers and the Role of
Liquidity Regulation », DNB Working Paper No. 393

Carpinelli, L., Crosignani, M. (2017). The Effect of Central Bank Liquidity Injections on Bank
Credit Supply. Finance and Economics Discussion Series, 38, pp 1-58

Christaria, F., Kurnia, R., (2016). The Impact of Financial Ratios, Operational Efficiency and
NonPerforming Loan Towards Commercial Bank Profitability. Accounting and Finance
Review,1(1), pp 43 – 50.

Cihak, M. (2005). Stress Testing of Banking Systems (in English) Czech .Journal of Economics
and Finance, 55(9), pp. 418-440.

97
RÉFÉRENCES BIBLIOGRAPHIQUES

Cornett, M. M., McNutt, J. J., Strahan, P. E., Tehranian, H. (2011). Liquidity risk management
and credit supply in the financial crisis. Journal of Financial Economics, 101(2), pp. 297–312.

De Haan, L., Holton, S., Van den End, JW., (2019). The impact of central bank liquidity support
on banks’ balance sheets, European Central Bank Working Paper Series ,No 2326.

Deep, A., & Schaefer, G. (2004). Are Banks Liquidity Transformers? SSRN Electronic Journal
KSG Faculty Research Working Papers Series, No 04-22.

Delgado, J., Salas, V., Saurina, J. (2007). Joint size and ownership specialization in bank
lending. Journal of Banking & Finance, 31(12), pp. 3563–3583.

Diamond, D. W., Rajan, R. G. (2001). Liquidity Risk, Liquidity Creation, and Financial
Fragility: A Theory of Banking. Journal of Political Economy, 109(2), pp. 287–327.

Drechsler, I., Savov, A., Schnabl, P, (2018). Banking On Deposits: Maturity Transformation
Without Interest Rate Risk. NBER Working Paper, No. 24582.

Drehmann, M., Nikolaou, K. (2013). Funding liquidity risk: Definition and measurement.
Journal of Banking & Finance, 37(7), pp. 2173–2182.

El Khoury, R. (2015). Liquidity in Lebanese commercial banks and its determinants. Academy
of Accounting and Financial studies journal, 19(3), pp.114-120.

Ferrouhi, M., (2014). Bank Liquidity and Financial Performance: Evidence from Moroccan
Banking Industry. Verslas: teorija ir praktika.10(4), pp 351-361.

Ferrouhi, M., Lehadiri, A. (2014). Savings Determinants of Moroccan banks: A cointegration


modeling approach. International Journal of Innovation and Applied Studies, 9(2), pp.968-973.

Giannotti, C., Gibilaro, L., Mattarocci, G. (2011). Liquidity risk exposure for specialised and
unspecialised real estate banks. Journal of Property Investment & Finance, 29(2), pp. 98–114.

Hakimi, A., Zaghdoudi, K. (2017). Liquidity Risk and Bank Performance: An Empirical Test
for Tunisian Banks. Business and Economic Research, 7(1), pp.46-57.

Hanson, S G., Kashyap, A K., Stein, J C., (2011). A Macroprudential Approach to Financial
Regulation. Journal of Economic Perspectives, 25(1), pp. 3-28.

98
RÉFÉRENCES BIBLIOGRAPHIQUES

Hugonnier, J., Morellec, E. (2017). Bank capital, liquid reserves, and insolvency risk. Journal
of Financial Economics, 125(2), pp. 266–285.

Karim, D., Liadze, I., Barrell, R., Davis, E. P. (2013). Off-balance sheet exposures and banking
crises in OECD countries. Journal of Financial Stability, 9(4),pp. 673–681.

Kashyap, A. K., Rajan, R., Stein, J. C. (2002). Banks as Liquidity Providers: An Explanation
for the Coexistence of Lending and Deposit-taking. The Journal of Finance, 57(1), pp. 33–73.

Khan, M. S., Scheule, H., Wu, E. (2017). Funding liquidity and bank risk taking. Journal of
Banking & Finance, 82, pp. 203–216.

Masciandaro, D., Peia, O., Romelli, D. (2020). Banking supervision and external auditors:
Theory and empirics. Journal of Financial Stability, 46, pp. 1007-1022

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, 1(2), pp. 359–368.

Munteanu, I. (2012). Bank Liquidity and its Determinants in Romania. Procedia Economics
and Finance, 3, pp. 993–998.

Naceur, S. B., Goaied, M. (2001). The determinants of the Tunisian deposit banks’
performance. Applied Financial Economics, 11(3), pp. 317–319.

Naceur, S. B., Kandil, M. (2009). The impact of capital requirements on banks' cost of
intermediation and performance: The case of Egypt, Journal of Economics and Business, 61(8),
pp. 70-89.

Nikolaou, K., (2009). Liquidity (risk) concepts, definitions and interactions. European Central
Bank Working Paper Series, No 1008

Prasad, K., Suprabha, K. R. (2014). Anomalies in maturity GAP: evidence from scheduled
commercial banks in India. Procedia Economics and Finance, 11, pp. 423-430.

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, pp.
571–579.

99
RÉFÉRENCES BIBLIOGRAPHIQUES

Saeed, M S., (2014). Using Loan-to-Deposit Ratio to Avert Liquidity Risk: A Case of 2008
Liquidity Crisis. Research Journal of Finance and Accounting, 5(3), pp 75-80.

Shen, C., Chen, Y., Kao, L., Yeh, C.,(2013). Bank Liquidity Risk and Performance.
International Monetary Fund, Working Paper.

Stiroh, K. J., Rumble, A. (2006). The dark side of diversification: The case of US financial
holding companies. Journal of Banking & Finance, 30(8), pp. 2131–2161.

Trenca, I., Petria, N., Corovei, E. A. (2015). Impact of Macroeconomic Variables upon the
Banking System Liquidity. Procedia Economics and Finance, 32, pp. 1170–1177.

Umar, M., Sun, G. (2016). Non-performing loans (NPLs), liquidity creation, and moral hazard:
Case of Chinese banks. China Finance and Economic Review, 4(1), pp. 1-23.

Van den End, J. W. (2014). A macroprudential approach to address liquidity risk with the loan-
to-deposit ratio. The European Journal of Finance, 22(3), pp. 237–253.

Vodová, P. (2011). Determinants of commercial bank’s liquidity in Slovakia. International


Journal Of Mathematical Models And Methods In Applied Sciences. Proceedings of 13th
International Conference on Finance and Banking. 5(6), pp. 740-747.

Vodova, P. (2011). Determinants of commercial banks' liquidity in Poland. Proceedings of 30th


International Conference Mathematical Methods in Economics, pp. 962–967.

Vodová, P. (2013). Determinants of Commercial Bank Liquidity In Hungary. Finansowy


Kwartalnik Internetowy e-Finanse, 9(4), pp. 64-71.

Wójcik-Mazur, A., Szajt,M. (2015). Determinants of liquidity risk in commercial banks in the
European Union. Argumenta Oeconomica, 2(35), pp. 25-47.

Zaghdoudi, K., Hakimi, A. (2017). The determinants of liquidity risk: Evidence from Tunisian
banks. Journal of Applied Finance & Banking, 7(2), pp. 71-81.

100
RÉFÉRENCES BIBLIOGRAPHIQUES

Ouvrages
Anand. K, Bédard-Pagé. G , Traclet.V, (2014). Stress Testing the Canadian Banking System:
A System-Wide Approach. Financial System Review , Bank of Canada ,pp. 61-68.

Benati, A. (2014). La Gestion Actif-Passif (ALM) du risque de liquidité bancaire. Éditions


universitaires européennes.

Bouguerra, R. (2020). Cours de gestion actif-passif bancaire, IFID.

Callon, M., Lascoumes, P ., Barthe Y .(2001). Agir dans un monde incertain : essai sur la
démocratie technique.

Cohen, E. (1997), « Dictionnaire de gestion », Edition la découverte, Paris 1997

Comité de Bâle sur le Contrôle Bancaire, Principes de saine gestion et de surveillance du risque
de liquidité. Banque De Règlements Internationaux, septembre 2008.

Crockett, A. (2008). Market liquidity and financial stability. Financial Stability Review,
Banque de France.

De Coussergués, S., & Bourdeaux, G. (2010). Gestion de la banque : du diagnostic à la stratégie.


Dunod, pp. 182-183.

Hicks., J. (1967). Critical essays in monetary theory.

Hull, J. C. (2012). Risk Management and Financial Institutions. 3rd ed. New York :

Matz, L., & Neu, P. (Eds.). (2006). Liquidity Risk Measurement and Management: A
practitioner's guide to global best practices, John Wiley & Sons, 408,

Sardi, A ., Henri,J.(2001).« Management des risques bancaires », édition Afgee.Paris.

Valla, N., Saes-Escorbiac, B et Tiest, M. (2006). Bank liquidity and Financial Stability. Revue
de la stabilité financière, Banque de France.

Site Web
https://www.bct.gov.tn/

http://www.bvmt.com.tn/

101
RÉFÉRENCES BIBLIOGRAPHIQUES

Rapports

Rapport Annuel de la Banque Centrale de Tunisie – 2015.

Rapport Annuel de la Banque Centrale de Tunisie – 2016.

Rapport Annuel de la Banque Centrale de Tunisie – 2017.

Rapport Annuel de la Banque Centrale de Tunisie – 2018.

Rapport Annuel de la Banque Centrale de Tunisie – 2019.

Rapport Annuel sur la Supervision Bancaire, Banque Centrale de Tunisie – 2016.

Rapport Annuel sur la Supervision Bancaire, Banque Centrale de Tunisie - 2017.

Rapport Annuel sur la Supervision Bancaire, Banque Centrale de Tunisie – 2018.

Textes règlementaires et prudentiels

Circulaire aux établissements de crédit N°91-24 du 17 décembre 1991 relative à la division,


couverture des risques et suivi des engagements.

Circulaire aux Banques N°2014-14 relative au ratio de liquidité du 10 novembre 2014 de la


Banque Centrale de Tunisie.

Circulaire aux Banques N°2017-02 de la mise en œuvre de la Politique Monétaire par la


Banque Centrale de Tunisie du 17 mars 2017.

Circulaire aux Banques et aux Établissements Financiers N° 2017-06 relative au Reporting


comptable, prudentiel et statistique à la Banque Centrale de Tunisie du 31 juillet 2017.

Circulaire aux Banques et aux Établissements Financiers N°2018-06 relative au norme


d’adéquation des Fonds propres du 05 juin 2018 de la Banque Centrale de Tunisie.

Circulaire aux Banques N°2018-10 relative aux ratio « Crédits/Dépôts » du 01 novembre


2018 de la Banque Centrale de Tunisie.

Circulaire aux Banques et aux Établissements Financiers n°2020-06 du 19 Mars 2020 de la


Banque Centrale de Tunisie relative au reporting des échéance

102
ANNEXES

ANNEXES
Annexes A : Tests de la racine unitaire (stationnarité)

Annexe A.1 : Tests de la racine unitaire des variables en niveau

103
ANNEXES

104
ANNEXES

105
ANNEXES

106
ANNEXES

Annexe A.2 : Tests de la racine unitaire des variables en différence première

107
ANNEXES

108
ANNEXES

109
ANNEXES

110
ANNEXES

Annexe B : Détermination du nombre de retards optimal

Annexe B.1 : Détermination du nombre de retards optimal : Lag (P) pour le modèle (1)

VAR Lag Order Selection Criteria


Endogenous variables: LCR SIZE NPL DEPC REF OBS ROA IR TUNX M2 FOREXR
Exogenous variables: C
Date: 10/25/20 Time: 05:37
Sample: 2015M01 2020M06
Included observations: 540

Lag LogL LR FPE AIC SC HQ

0 -99838.68 NA 2.54e+25 89.71220 89.74041 89.72250


1 -50023.21 99093.86 1031403. 45.06308 45.40155 45.18669
2 -49538.74 958.9259 744055.6 44.62431 45.38526* 44.97343*
3 -49348.51 374.6413 699199.4 44.59651* 45.63333 45.02454
4 -49213.65 264.2682 690569.9 44.66186 45.93115 45.12540
5 -49068.59 282.8206 675840.1 44.68024 46.21980 45.21709
6 -48899.55 327.9055 647343.2* 44.70708 46.48691 45.28723
7 -48787.92 215.4311 652893.3 44.72550 46.80560 45.40896
8 -48711.36 147.0093 679590.1 44.74542 47.15580 45.56220

* indicates lag order selected by the criterion


LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion

Annexe B.1 : Détermination du nombre de retards optimal : Lag (P) pour le modèle (2)

VAR Lag Order Selection Criteria


Endogenous variables: LTD SIZE NPL DEPC REF OSB ROA IR TUNX M2 FOREXR
Exogenous variables: C
Date: 10/25/20 Time: 06:54
Sample: 2018M07 2020M06
Included observations: 160

Lag LogL LR FPE AIC SC HQ

0 -1257.303 NA 0.017226 15.80378 15.93832 15.85841


1 -425.9763 1579.520 9.76e-07 6.024704 7.320122 6.461757
2 -319.1632 193.5988 4.75e-07 5.302040 7.101015* 6.121513*
3 -278.8573 69.52765 5.34e-07 5.410716 8.370571 6.612611
4 -236.1063 70.00468 5.87e-07 5.488829 9.390456 7.073145
5 -159.0692 119.4075 4.25e-07 5.138366 9.981764 7.105102
6 -131.7554 39.94654 5.80e-07 5.409442 11.19461 7.758600
7 -85.37832 63.76844 6.34e-07 5.442229 12.16917 8.173807
8 13.62007 127.4604* 3.67e-07* 4.817249* 12.48596 7.931248

* indicates lag order selected by the criterion


LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion

111
ANNEXES

Annexe C : Johansen Fisher Panel Cointegration Test

Annexe C.1 : Johansen Fisher Panel Cointegration Test pour le modèle (1)

Johansen Fisher Panel Cointegration Test


Series: LCR SIZE NPL DEPC REF OSB ROA IR TUNX M2 FOREXR
Date: 10/25/20 Time: 07:20
Sample: 2015M01 2020M06
Included observations: 660
Trend assumption: Linear deterministic trend
Lags interval (in first differences): 1 1

Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)

Hypothesized Fisher Stat.* Fisher Stat.*


No. of CE(s) (from trace test) Prob. (from max-eigen test) Prob.

None 500.7 0.0000 111.8 0.0000


At most 1 191.3 0.0000 75.15 0.0000
At most 2 116.0 0.0000 43.08 0.0020
At most 3 71.65 0.0000 27.32 0.1266
At most 4 45.22 0.0010 15.72 0.7336
At most 5 31.72 0.0464 16.53 0.6830
At most 6 20.71 0.4141 8.387 0.9890
At most 7 16.97 0.6546 10.03 0.9676
At most 8 13.23 0.8674 9.929 0.9694
At most 9 12.86 0.8833 12.27 0.9064
At most 10 15.01 0.7759 15.01 0.7759

* Probabilities are computed using asymptotic Chi-square distribution.

Annexe C.2 : Johansen Fisher Panel Cointegration Test pour le modèle (2)

Johansen Fisher Panel Cointegration Test


Series: LTD SIZE NPL DEPC REF OSB ROA IR TUNX M2 FOREXR
Date: 10/25/20 Time: 07:23
Sample: 2018M07 2020M06
Included observations: 240
Trend assumption: Linear deterministic trend
Lags interval (in first differences): 1 1

Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)

Hypothesized Fisher Stat.* Fisher Stat.*


No. of CE(s) (from trace test) Prob. (from max-eigen test) Prob.

None 564.8 0.0000 122.1 0.0000


At most 1 233.9 0.0000 72.36 0.0000
At most 2 153.2 0.0000 54.73 0.0000
At most 3 99.44 0.0000 47.79 0.0005
At most 4 57.49 0.0000 23.46 0.2670
At most 5 36.12 0.0149 15.70 0.7349
At most 6 24.05 0.2404 10.95 0.9476
At most 7 18.45 0.5575 10.71 0.9534
At most 8 14.28 0.8162 10.76 0.9522
At most 9 13.18 0.8696 13.79 0.8411
At most 10 15.47 0.7489 15.47 0.7489

* Probabilities are computed using asymptotic Chi-square distribution.

112
ANNEXES

Annexe D : Tests de stationnarité des résidus de l’existence de relations de cointégration


Annexe D.1 : Test de stationnarité des résidus de l’existence de relations de cointégration
pour le modèle (1)
Kao Residual Cointegration Test
Series: LCR SIZE NPL DEPC REF OSB ROA IR TUNX M2 FOREXR
Date: 10/25/20 Time: 16:56
Sample: 2015M01 2020M06
Included observations: 660
Null Hypothesis: No cointegration
Trend assumption: No deterministic trend
User-specified lag length: 2
Newey-West automatic bandwidth selection and Bartlett kernel

t-Statistic Prob.
ADF -2.051294 0.0201

Residual variance 0.000231


HAC variance 0.000191

Annexe D.1 : Test de stationnarité des résidus de l’existence de relations de cointegration


pour le modèle (2)

Kao Residual Cointegration Test


Series: LTD SIZE NPL DEPC REF OSB ROA IR TUNX M2 FOREXR
Date: 10/25/20 Time: 17:00
Sample: 2018M07 2020M06
Included observations: 240
Null Hypothesis: No cointegration
Trend assumption: No deterministic trend
User-specified lag length: 2
Newey-West automatic bandwidth selection and Bartlett kernel

t-Statistic Prob.
ADF -6.697841 0.0000

Residual variance 0.170259


HAC variance 0.058654

Annexe E : Estimation du VECM

Annexe E.1 : Estimation du VECM du modèle (1)

113
ANNEXES

Vector Error Correction Estimates


Date: 10/27/20 Time: 17:12
Sample (adjusted): 2015M04 2020M06
Included observations: 630 after adjustments
Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1

LCR(-1) 1.000000

SIZE(-1) -0.503292
(0.15453)
[-3.25697]

NPL(-1) 4.218531
(0.92311)
[ 4.56988]

DEPC(-1) 6.482144
(1.32487)
[ 4.89266]

REF(-1) 0.354787
(0.17835)
[1.98929]

OSB(-1) 0.948957
(0.46825)
[ 2.02657]

ROA(-1) 10.77361
(5.06998)
[ 2.12498]

114
ANNEXES

IR(-1) -20.82564
(6.66092)
[-3.12654]

TUNX(-1) 4.658948
(0.70616)
[ 6.59749]

M2(-1) 0.569532
(0.10878)
[ 5.23563]

FOREXR(-1) -0.914976
(0.46108)
[-1.98439]

C -1801.018

Error Correction: D(LCR) D(SIZE) D(NPL) D(DEPC) D(REF) D(OSB) D(ROA) D(IR) D(TUNX) D(M2) D(FOREXR)

CointEq1 -0.156956 -9.09E-06 -4.75E-06 8.10E-06 0.000323 -0.000127 -2.98E-07 -1.54E-05 0.000138 -2.91E-05 -0.000488
(0.05424) (1.5E-05) (6.8E-06) (1.3E-05) (0.00123) (7.1E-05) (3.0E-07) (1.3E-06) (2.7E-05) (7.8E-06) (3.8E-05)
[-2.89351] [-0.61674] [-0.69431] [ 0.60313] [ 0.26206] [-1.80244] [-0.98644] [-11.4213] [ 5.03081] [-3.74388] [-12.7735]

D(LCR(-1)) 0.373369 0.000495 1.62E-05 -0.000537 -0.046982 -0.010807 5.33E-05 -7.07E-05 0.002002 0.000671 -0.001255
(0.03965) (0.00150) (0.00069) (0.00136) (0.12509) (0.00716) (3.1E-05) (0.00014) (0.00278) (0.00079) (0.00388)
[ 9.41478] [ 0.33104] [ 0.02337] [-0.39405] [-0.37558] [-1.50940] [ 1.73779] [-0.51795] [ 0.71894] [ 0.85116] [-0.32331]

D(LCR(-2)) 0.789124 0.000481 -0.000922 -0.000581 -0.171664 0.005931 4.02E-05 -0.000133 -0.000604 0.001523 0.002656
(0.26972) (0.00151) (0.00070) (0.00137) (0.12600) (0.00721) (3.1E-05) (0.00014) (0.00280) (0.00079) (0.00391)
[ 2.92571] [ 0.31923] [-1.31751] [-0.42300] [-1.36242] [ 0.82243] [ 1.29876] [-0.96673] [-0.21543] [ 1.91965] [ 0.67922]

D(SIZE(-1)) 0.651634 -0.180813 -0.035773 -0.020826 9.399314 0.076000 0.000555 0.000473 -0.025686 0.001876 0.066476
(1.12953) (0.04303) (0.01999) (0.03921) (3.59939) (0.20603) (0.00088) (0.00393) (0.08012) (0.02267) (0.11170)
[ 0.57691] [-4.20177] [-1.78909] [-0.53116] [ 2.61136] [ 0.36889] [ 0.62891] [ 0.12050] [-0.32060] [ 0.08273] [ 0.59511]

D(SIZE(-2)) 2.766495 -0.002606 -0.037299 0.005032 6.924827 0.194456 -0.002005 0.004025 0.193125 0.027755 0.102688
(1.11556) (0.04227) (0.01964) (0.03851) (3.53559) (0.20237) (0.00087) (0.00386) (0.07870) (0.02227) (0.10972)
[ 2.47992] [-0.06166] [-1.89911] [ 0.13065] [ 1.95861] [ 0.96088] [-2.31148] [ 1.04349] [ 2.45395] [ 1.24638] [ 0.93587]

115
ANNEXES

D(NPL(-1)) -2.485791 -0.153841 -0.314922 -0.093060 -1.497870 0.421423 0.000412 -0.003251 -0.051688 -0.032701 -0.293008
(0.84786) (0.09068) (0.04213) (0.08262) (7.58442) (0.43413) (0.00186) (0.00827) (0.16882) (0.04777) (0.23538)
[-2.93183] [-1.69661] [-7.47465] [-1.12638] [-0.19749] [ 0.97074] [ 0.22133] [-0.39286] [-0.30617] [-0.68455] [-1.24485]

D(NPL(-2)) -3.593064 -0.038582 -0.084574 -0.115432 3.182824 -0.644084 -0.001951 0.011117 0.234475 0.042302 0.215809
(1.47811) (0.09649) (0.04483) (0.08791) (8.07060) (0.46196) (0.00198) (0.00881) (0.17965) (0.05083) (0.25046)
[-2.43086] [-0.39986] [-1.88643] [-1.31300] [ 0.39437] [-1.39426] [-0.98505] [ 1.26259] [ 1.30521] [ 0.83219] [ 0.86163]

D(DEPC(-1)) -1.412968 0.101072 0.028267 -0.039204 1.013518 -0.069293 -0.000553 0.000271 -0.067954 0.009852 -0.258989
(0.67020) (0.04506) (0.02094) (0.04106) (3.76933) (0.21575) (0.00092) (0.00411) (0.08390) (0.02374) (0.11698)
[-2.10827] [ 2.24284] [ 1.34996] [-0.95479] [ 0.26889] [-0.32117] [-0.59745] [ 0.06597] [-0.80991] [ 0.41498] [-2.21399]

D(DEPC(-2)) 0.093012 0.029301 0.006434 0.013615 -0.989936 -0.303109 -0.000377 0.007468 0.014949 0.021202 0.025469
(0.11942) (0.04555) (0.02117) (0.04150) (3.81015) (0.21809) (0.00093) (0.00416) (0.08481) (0.02400) (0.11825)
[ 0.77881] [ 0.64324] [ 0.30397] [ 0.32804] [-0.25982] [-1.38983] [-0.40360] [ 1.79648] [ 0.17627] [ 0.88350] [ 0.21539]

D(REF(-1)) -0.030438 0.000421 9.27E-05 2.67E-05 -0.231109 0.001836 -5.75E-06 3.25E-06 0.001414 -0.000128 0.000621
(0.01161) (0.00044) (0.00020) (0.00040) (0.03654) (0.00209) (9.0E-06) (4.0E-05) (0.00081) (0.00023) (0.00113)
[-2.62095] [ 0.96313] [ 0.45647] [ 0.06714] [-6.32443] [ 0.87765] [-0.64160] [ 0.08140] [ 1.73800] [-0.55648] [ 0.54721]

D(REF(-2)) 0.001271 -9.47E-05 -1.83E-05 -8.78E-05 -0.291352 0.000909 -1.46E-06 1.79E-05 -0.000728 0.000192 0.001039
(0.00139) (0.00042) (0.00020) (0.00038) (0.03529) (0.00202) (8.7E-06) (3.9E-05) (0.00079) (0.00022) (0.00110)
[ 0.91330] [-0.22446] [-0.09340] [-0.22844] [-8.25486] [ 0.44999] [-0.16907] [ 0.46460] [-0.92640] [ 0.86277] [ 0.94870]

D(OSB(-1)) -0.313048 0.006785 -0.005145 0.003053 -0.313468 -0.337867 0.000235 0.000731 -0.005316 -0.002531 -0.006093
(0.13253) (0.00864) (0.00402) (0.00788) (0.72302) (0.04138) (0.00018) (0.00079) (0.01609) (0.00455) (0.02244)
[-2.36205] [ 0.78491] [-1.28105] [ 0.38770] [-0.43356] [-8.16401] [ 1.32304] [ 0.92618] [-0.33034] [-0.55587] [-0.27155]

D(OSB(-2)) -0.022701 -0.000802 -0.009626 0.005475 -0.283502 -0.123352 0.000442 -5.59E-05 -0.011315 -0.011369 -0.030486
(0.01081) (0.00855) (0.00397) (0.00779) (0.71541) (0.04095) (0.00018) (0.00078) (0.01592) (0.00451) (0.02220)
[-2.09989] [-0.09380] [-2.42220] [ 0.70251] [-0.39628] [-3.01230] [ 2.51548] [-0.07164] [-0.71053] [-2.52320] [-1.37309]

D(ROA(-1)) -52.90423 0.107855 2.139237 -0.005967 -59.23150 -3.298915 -0.038519 -0.226922 9.798024 -2.143573 -8.015239
(53.7399) (2.04892) (0.95202) (1.86686) (171.379) (9.80960) (0.04205) (0.18698) (3.81477) (1.07942) (5.31861)
[-0.98445] [ 0.05264] [ 2.24705] [-0.00320] [-0.34562] [-0.33629] [-0.91595] [-1.21362] [ 2.56845] [-1.98586] [-1.50702]

D(ROA(-2)) -27.11851 5.627163 -1.480049 -1.808105 189.0505 -6.384982 -0.033320 -0.177794 16.93657 6.824322 14.76261
(6.39132) (2.02184) (0.93944) (1.84219) (169.114) (9.67995) (0.04150) (0.18451) (3.76435) (1.06515) (5.24832)
[-4.24302] [ 2.78318] [-1.57546] [-0.98150] [ 1.11789] [-0.65961] [-0.80293] [-0.96360] [ 4.49920] [ 6.40690] [ 2.81283]

116
ANNEXES

D(IR(-1)) -9.554904 0.686964 0.266221 0.077290 61.43705 -1.816674 0.017318 0.000876 0.770877 -1.663976 -17.98519
(11.1421) (0.46975) (0.21827) (0.42801) (39.2916) (2.24902) (0.00964) (0.04287) (0.87460) (0.24748) (1.21938)
[-0.85755] [ 1.46240] [ 1.21970] [ 0.18058] [ 1.56362] [-0.80776] [ 1.79622] [ 0.02043] [ 0.88140] [-6.72380] [-14.7494]

D(IR(-2)) -28.91647 -0.142569 -0.147873 0.510011 -38.97807 -4.005723 -0.021815 -0.262172 -3.324393 0.089438 -6.573703
(12.5514) (0.53661) (0.24933) (0.48893) (44.8840) (2.56913) (0.01101) (0.04897) (0.99908) (0.28270) (1.39294)
[-2.30384] [-0.26568] [-0.59307] [ 1.04312] [-0.86842] [-1.55918] [-1.98070] [-5.35371] [-3.32744] [ 0.31637] [-4.71930]

D(TUNX(-1)) -4.219959 0.022636 -0.008525 0.034742 0.389680 -0.290006 -0.002003 -0.005780 -0.371304 -0.015786 -0.801548
(1.76414) (0.02590) (0.01203) (0.02359) (2.16602) (0.12398) (0.00053) (0.00236) (0.04821) (0.01364) (0.06722)
[-2.39207] [ 0.87410] [-0.70849] [ 1.47244] [ 0.17991] [-2.33911] [-3.76771] [-2.44597] [-7.70116] [-1.15708] [-11.9241]

D(TUNX(-2)) -0.258186 0.046203 -0.009176 0.038294 -2.325427 -0.272709 -0.001826 7.63E-05 -0.116699 0.011645 -0.180728
(0.56975) (0.02302) (0.01070) (0.02098) (1.92576) (0.11023) (0.00047) (0.00210) (0.04287) (0.01213) (0.05976)
[-0.45316] [ 2.00679] [-0.85771] [ 1.82546] [-1.20753] [-2.47402] [-3.86369] [ 0.03631] [-2.72241] [ 0.96008] [-3.02400]

D(M2(-1)) 3.838086 -0.096389 -0.020756 -0.035522 -4.799871 -0.671694 -0.004971 0.008703 0.430175 -0.252574 -0.987237
(2.24109) (0.08275) (0.03845) (0.07540) (6.92164) (0.39619) (0.00170) (0.00755) (0.15407) (0.04360) (0.21481)
[1.71260] [-1.16479] [-0.53982] [-0.47113] [-0.69346] [-1.69538] [-2.92662] [ 1.15240] [ 2.79206] [-5.79357] [-4.59591]

D(M2(-2)) -5.312819 -0.394084 0.059840 0.043855 -17.43640 -0.995199 -0.001292 -0.027293 0.374429 -0.236233 -0.089735
(2.26635) (0.08419) (0.03912) (0.07671) (7.04201) (0.40308) (0.00173) (0.00768) (0.15675) (0.04435) (0.21854)
[-2.34422] [-4.68083] [ 1.52969] [ 0.57170] [-2.47605] [-2.46899] [-0.74780] [-3.55240] [ 2.38870] [-5.32613] [-0.41060]

D(FOREXR(-1)) 0.623573 -0.016508 0.003663 0.019176 0.622975 -0.029171 -0.000161 -0.001258 -0.105324 -0.019809 -0.057717
(0.24285) (0.01498) (0.00696) (0.01365) (1.25310) (0.07173) (0.00031) (0.00137) (0.02789) (0.00789) (0.03889)
[ 2.56776] [-1.10186] [ 0.52626] [ 1.40483] [ 0.49715] [-0.40670] [-0.52513] [-0.92051] [-3.77600] [-2.50980] [-1.48414]

D(FOREXR(-2)) 0.319009 0.023621 -0.007234 0.000224 0.615431 0.006703 0.000467 0.002884 -0.024508 0.023760 0.253516
(0.37866) (0.01436) (0.00667) (0.01309) (1.20144) (0.06877) (0.00029) (0.00131) (0.02674) (0.00757) (0.03729)
[ 0.84246] [ 1.64447] [-1.08382] [ 0.01711] [ 0.51224] [ 0.09747] [ 1.58539] [ 2.20037] [-0.91640] [ 3.13981] [ 6.79926]

C -0.023175 0.011056 0.000407 -0.001488 0.084744 0.016329 5.46E-05 0.000497 -0.004924 0.010906 0.017986
(0.03124) (0.00117) (0.00055) (0.00107) (0.09812) (0.00562) (2.4E-05) (0.00011) (0.00218) (0.00062) (0.00305)
[-0.74181] [ 9.42457] [ 0.74681] [-1.39177] [ 0.86367] [ 2.90748] [ 2.26939] [ 4.64003] [-2.25442] [ 17.6466] [ 5.90642]

R-squared 0.884143 0.116001 0.141728 0.018407 0.153748 0.142293 0.105317 0.330524 0.353965 0.287987 0.425397
Adj. R-squared 0.731213 0.082449 0.109153 -0.018849 0.121630 0.109739 0.071361 0.305114 0.329446 0.260963 0.403589
Sum sq. resids 0.000245 0.183010 0.039511 0.151932 1280.379 4.194950 7.71E-05 0.001524 0.634396 0.050793 1.233163

117
ANNEXES

S.E. equation 0.003133 0.017378 0.008075 0.015834 1.453560 0.083201 0.000357 0.001586 0.032355 0.009155 0.045110
F-statistic 1.781334 3.457428 4.350857 0.494070 4.786906 4.371074 3.101523 13.00804 14.43609 10.65686 19.50616
Log likelihood 281.7926 1671.407 2154.291 1730.033 -1117.327 684.7978 4119.663 3179.669 1279.821 2075.169 1070.452
Akaike AIC 1.334330 -5.229865 -6.762829 -5.415977 3.623259 -2.097771 -13.00210 -10.01800 -3.986734 -6.511649 -3.322070
Schwarz SC 1.503691 -5.060504 -6.593469 -5.246617 3.792620 -1.928410 -12.83274 -9.848636 -3.817373 -6.342288 -3.152709
Mean dependent 0.009446 0.006506 9.16E-05 -0.001260 0.024356 0.003476 7.78E-06 0.000314 0.000719 0.007143 0.005265
S.D. dependent 0.509800 0.018142 0.008555 0.015687 1.550937 0.088180 0.000370 0.001902 0.039512 0.010650 0.058412

Annexe E.2 : Estimation du VECM du modèle (2) : Il s’agit du méme principe de lecture du modèle dont les résultats sont repris au
niveau du tableau 11.

118
ANNEXES

Annexe F : Tests de normalité des erreurs

Annexe F.1 : Tests de normalité des erreurs pour le modèle (1)

VAR Residual Normality Tests


Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: Residuals are multivariate normal
Date: 10/29/20 Time: 17:24
Sample: 2015M01 2020M06
Included observations: 640

Component Jarque-Bera df Prob.

1 0.300594 2 0.4428
2 0.179097 2 0.9143
3 5.101595 2 0.0780
4 56761.57 2 0.0000
5 1.022725 2 0.5997
6 907.1573 2 0.0000
7 96.34305 2 0.0000
8 11246.96 2 0.0000
9 48.61294 2 0.0000
10 1089.598 2 0.0000
11 0.005577 2 0.0000

Joint 220.1870 22 0.0000

*Approximate p-values do not account for coefficient


estimation

Annexe F.1 : Tests de normalité des erreurs pour le modèle (1)

VAR Residual Normality Tests


Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: Residuals are multivariate normal
Date: 10/29/20 Time: 17:38
Sample: 2018M07 2020M06
Included observations: 220

Component Jarque-Bera df Prob.

1 0.958009 2 0.6194
2 1.190022 2 0.5516
3 11.19182 2 0.0037
4 449.1569 2 0.0000
5 70.28084 2 0.0000
6 2.255960 2 0.3237
7 32857.14 2 0.0000
8 10.34507 2 0.0057
9 19.11561 2 0.0001
10 1.291544 2 0.5243
11 857.3739 2 0.0000

Joint 194673.7 22 0.0000

*Approximate p-values do not account for coefficient


estimation

119
ANNEXES

Annexe G : Tests d’autocorrélation des résidus

Annexe G.1 : Test d’autocorrélation des résidus pour le modèle (1)

VEC Residual Serial Correlation LM Tests


Date: 10/29/20 Time: 18:34
Sample: 2015M01 2020M06
Included observations: 630

Null hypothesis: No serial correlation at lag h

Lag LRE* stat df Prob. Rao F-stat df Prob.

1 44.97929 121 0.9659 0.605797 (121, 4612.5) 0.9766


2 66.74303 121 0.3829 1.019078 (121, 4612.5) 0.4699

Annexe G.2 : Test d’autocorrélation des résidus pour le modèle (2)

VEC Residual Serial Correlation LM Tests


Date: 10/29/20 Time: 18:41
Sample: 2018M07 2020M06
Included observations: 210

Null hypothesis: No serial correlation at lag h

Lag LRE* stat df Prob. Rao F-stat df Prob.

1 35.78404 36 0.4788 0.994933 (36, 815.2) 0.4790


2 62.81666 36 0.0037 1.775428 (36, 815.2) 0.0037

120
Table des Matières

INTRODUCTION GÉNÉRALE ............................................................................................ 1


CHAPITRE 1 : LA LIQUIDITÉ BANCAIRE ET LE RISQUE DE LIQUIDITÉ ............ 1
Section 1 : La liquidité bancaire et la Politique Monétaire .................................................... 2
I. La liquidité bancaire .................................................................................................... 2
1. Notions de la liquidité .............................................................................................. 2
1.1. Liquidité de la Banque Centrale « Central Bank Liquidity » ........................... 2
1.2. Liquidité de financement « Funding liquidity » ............................................... 3
1.3. Liquidité de marché « Market liquidity » ......................................................... 3
2. Les sources de la liquidité bancaire ......................................................................... 4
2.1. Les actifs liquides ou quasi-liquides ................................................................. 4
2.2. La capacité de la banque à drainer une nouvelle épargne ................................ 5
3. Les facteurs autonomes de la liquidité bancaire ...................................................... 5
3.1. Les opérations en billets de banque .................................................................. 6
3.2. Les opérations nettes en devises ....................................................................... 6
3.3. Les opérations de la clientèle avec le circuit du Trésor .................................... 7
II. Interaction entre la liquidité bancaire et la Politique Monétaire ................................. 7
1. Définition et objectifs de la Politique Monétaire ..................................................... 7
2. Instruments de la Politique Monétaire en Tunisie ................................................... 8
2.1. Opérations à l’initiative de la Banque Centrale de Tunisie .............................. 9
2.1.1. Opérations principales de refinancement ..................................................... 9
2.1.2. Opérations de refinancement à plus long terme ........................................... 9
2.1.3. Opérations de réglage fin ............................................................................. 9
2.1.4. Opérations structurelles ............................................................................. 10
2.2. Opérations à l’initiative des banques .............................................................. 10
2.3. Les réserves obligatoires ................................................................................ 11
Section 2 : Le risque de liquidité : Déterminants et Revue de la littérature ........................ 12
I. Notions et typologies des risques bancaires .............................................................. 12
1. Définition ............................................................................................................... 12
2. Typologie des risques bancaires ............................................................................ 13
3. Risque de liquidité ................................................................................................. 15
3.1. Risque de liquidité de la Banque Centrale...................................................... 15
3.2. Risque de liquidité de financement ................................................................ 15
3.3. Risque de liquidité de marché ........................................................................ 16
4. Risque de transformation des échéances................................................................ 16
II. Les déterminants du risque de liquidité : Revue de la littérature .............................. 18
1. Facteurs endogènes ................................................................................................ 18
1.1. La taille de la banque ...................................................................................... 18
1.2. La valeur ou la capitalisation d’une banque ................................................... 19
1.3. La qualité des actifs ........................................................................................ 20
1.4. La rentabilité des banques .............................................................................. 21
1.5. Les engagements hors bilan ............................................................................ 21
1.6. La concentration des dépôts ........................................................................... 22
1.7. Le refinancement auprès du marché monétaire .............................................. 22
2. Les facteurs macroéconomiques ............................................................................ 23
2.1. Le taux d’intérêt.............................................................................................. 23
2.2. Le taux de croissance du PIB ......................................................................... 23
2.3. Masse Monétaire............................................................................................. 24
2.4. Taux d’inflation .............................................................................................. 24
2.5. La crise systémique (phénomènes de contagion) ........................................... 24
CHAPITRE 2 : LA SUPERVISION BANCAIRE ET LA GESTION DU RISQUE DE
LIQUIDITÉ ............................................................................................................................ 28
Section 1 : La Supervision Bancaire et la gestion du risque de liquidité ............................. 29
I. La Supervision Bancaire et la gestion des risques ..................................................... 29
1. Définition et objectifs de la supervision bancaire .................................................. 29
2. La supervision bancaire en Tunisie........................................................................ 30
2.1. Le rôle de la surveillance permanente ............................................................ 30
2.2. Réglementation bancaire nationale ................................................................. 31
II. La gestion du risque de liquidité................................................................................ 33
1. Réglementation prudentielle lié au risque de liquidité .......................................... 33
1.1. Le ratio de liquidité à court terme LCR .......................................................... 34
1.1.1. Les Actifs Liquides de Haute Qualité (ALHQ ou HQLA) ........................ 35
1.1.2. Sorties nettes de trésorerie « net cash outflows » ...................................... 36
1.2. Le ratio de liquidité à long terme « Net Stable Funding Ratio – NSFR » ...... 36
2. La gestion du risque de liquidité par l’approche ALM .......................................... 37
2.1. Impasses (Gap) de liquidité ............................................................................ 37
2.2. Ratios de transformation des échéances ......................................................... 38
2.3. Indice de transformation ................................................................................. 39
3. Ratio Crédits/Dépôts « Loan-To-Deposit Ratio ».................................................. 39
3.1. Instauration du ratio LTD par la BCT ............................................................ 40
3.2. Les composantes du ratio LTD ....................................................................... 41
3.3. Revue de la littérature ..................................................................................... 41
3.3.1. Ratio LTD et refinancements auprès du marché monétaire....................... 42
3.3.2. Ratio LTD et croissance économique ........................................................ 42
3.3.3. Ratio LTD et crise financière ..................................................................... 43
3.3.4. Ratio LTD et rentabilité bancaire .............................................................. 43
Section 2 : Le stress test comme dispositif de la supervision bancaire et de gestion des
risques ................................................................................................................................... 44
I. Le dispositif du Stress Test : Définitions, évolutions et méthodes ............................ 44
1. Définition et utilité du stress test ........................................................................... 44
2. Émergence et évolution du dispositif du stress test ............................................... 45
3. Approches, typologies et méthodes de stress tests ................................................. 47
3.1. Les approches de stress test ............................................................................ 47
3.1.1. L’approche Bottom-Up .............................................................................. 47
3.1.2. L’approche Top-Down............................................................................... 47
3.2. Les typologies des stress tests ........................................................................ 48
3.2.1. Analyse de sensibilité ................................................................................ 48
3.2.2. Analyse de scénarios .................................................................................. 49
3.3. Les méthodes du stress testing........................................................................ 49
3.3.1. La méthode historique................................................................................ 49
3.3.2. La méthode hypothétique ........................................................................... 50
3.3.3. Les stress tests inversés .............................................................................. 50
4. Les stress tests et le processus d’évaluation de l’adéquation du niveau de liquidité
……………………………………………………………………………………51
5. Le stress testing dans le cadre de la supervision bancaire de la BCT .................... 51
II. La démarche de conduite d’un stress test .................................................................. 52
1. Définition des événements et la conception des scénarios .................................... 52
2. Définition des variables d’intérêt et les périmètres des tests ................................. 53
3. Analyse des résultats et implémentation des plans d’action .................................. 54
4. Évaluation de l’analyse et recommandations ......................................................... 55
CHAPITRE 3 : DÉTERMINANTS ET DYNAMIQUE DU RISQUE DE LIQUIDITÉ
DES BANQUES TUNISIENNES .......................................................................................... 57
Section 1 : Le secteur bancaire Tunisien : Panorama et conjoncture actuelle ...................... 58
I. Structure et physionomie du secteur bancaire tunisien ............................................. 58
II. La liquidité du secteur bancaire tunisien : états des lieux ......................................... 60
Section 2 : Échantillon, Variables et Méthodologie de recherche ........................................ 63
I. Présentation de l’échantillon et des données ............................................................. 63
II. Présentation des variables .......................................................................................... 64
1. Variables à expliquer (variables dépendantes) ...................................................... 65
1.1. Le ratio de liquidité de court terme ................................................................ 65
1.2. Ratio de risque de liquidité (Ratio de transformation) ................................... 65
2. Variables explicatives ............................................................................................ 65
2.1. Variables spécifiques aux banques ................................................................. 66
2.1.1. Taille de la banque ..................................................................................... 66
2.1.2. La qualité des actifs ................................................................................... 66
2.1.3. La concentration des dépôts ....................................................................... 66
2.1.4. Le refinancement auprès du marché monétaire ......................................... 66
2.1.5. Les engagements hors bilan ....................................................................... 67
2.1.6. La rentabilité des banques .......................................................................... 67
2.2. Variables macroéconomiques et financières .................................................. 67
2.2.1. Taux d’intérêt ............................................................................................. 67
2.2.2. Le Taux de Rendement du Marché Financier ............................................ 67
2.2.3. La Masse Monétaire ................................................................................... 68
2.2.4. Les réserves de change............................................................................... 68
III. Méthodologie ......................................................................................................... 70
Section 3 : Analyse descriptive et résultats empiriques ....................................................... 73
I. Analyse descriptive ....................................................................................................... 73
II. Les tests statistiques préliminaires ................................................................................ 77
1. Les tests de stationnarité des séries ........................................................................ 77
2. La détermination du nombre de retard optimal ...................................................... 78
3. Test de cointégration en données de Panel « Panel Cointegration Test » ............. 79
III. Estimation du modèle à correction d’erreur ............................................................................. 79
1. Interprétations des résultats.................................................................................... 81
1.1. Variables spécifiques aux banques ................................................................. 81
1.1.1. La taille de la Banque ................................................................................ 82
1.1.2. Les prêts non performants ........................................................................... 83
1.1.3. La concentration des dépôts ....................................................................... 83
1.1.4. Refinancement auprès du marché monétaire ............................................. 84
1.1.5. Les engagements hors bilan ....................................................................... 84
1.1.6. La rentabilité des banques .......................................................................... 85
1.2. Les variables macro-financières ..................................................................... 85
1.2.1. Taux d’intérêt ............................................................................................. 85
1.2.2. Le taux de rendement du Marché Financier .............................................. 86
1.2.4. Les Réserves de Change ............................................................................ 87
2. Validation du modèle Panel VECM ...................................................................... 87
2.1. Test de la normalité des résidus ...................................................................... 87
2.2. Test d’autocorrélation des résidus .................................................................. 87
Section 4 : Application du stress test .................................................................................... 88
I. Description de la conjoncture actuelle et choix de la variable à stresser .................. 88
II. Application du stress test ........................................................................................... 89
1. Choix des scénarios................................................................................................ 89
2. Résultats des tests de sensibilité ............................................................................ 90
3. Analyse des résultats et recommandation .............................................................. 92
CONCLUSION GÉNÉRALE ............................................................................................... 94
RÉFÉRENCES BIBLIOGRAPHIQUES ............................................................................. 97
ANNEXES ............................................................................................................................. 103

Vous aimerez peut-être aussi