EXEMPLE D’APPLICATION

EVALUATION DU RISQUE DE CRÉDIT PAR LA méthode DES SCORES :

CAS ATTIJARIWAFA BANK
Problématique de recherche

La méthode des scores « crédit scoring » :

- une technique d’évaluation du risque.

- un outil d’aide à la prise de décision en matière de

gestion du risque.
 Méthodologie de recherche

• Constitution de l’échantillon
1

• Sélection des variables

2

• Analyse statistique
3
 Méthodologie de recherche - Suite

1. Constitution de l’échantillon

Définir Construction de
Définir l’horizon
l’événement l’échantillon

• Ets Saines
• Le défaut • Deux exercices
• Ets Défaillantes
 Méthodologie de recherche - Suite
2. Sélection des variables
BATTERIE DES RATIOS
CODE INTITULE COMPOSANTES
Les Ratios De Gestion
R1 Délai de paiement clients (Clients / chiffre d’affaires) * 360
R2 Délai de paiement fournisseurs (Fournisseurs / achats) * 360
R3 Rotation de stock (Stocks / chiffre d’affaires) * 360
Les Ratios De Structure
R4 Rotation de Fonds De Roulement (F.D.R / CHIFFRE D’AFFAIRES) * 360
Les Ratios D'activité
R5 Ratio de marge bénéficiaire Résultat net / productions
R6 Marge brut d’autofinancement C.A.F / productions
R7 Taux de valeur ajoutée Valeur ajoutée / productions
Les Ratios De Rentabilité
R8 Rentabilité financière Résultat net / fonds propres
Les Ratios De Financement
R9 Solvabilité Fonds propres nets / total bilan
R10 Dépendance financière D.L.M.T / capitaux permanents
R11 Capacité de remboursement D.L.M.T / autofinancement
Les Ratios D’endettement
R12 Capacité d’endettement Endettement bancaire / total bilan
R13 Part frais financiers dans la production Charges financières / productions
Autres
R14 Taux d’utilisation des immobilisations Immobilisation nette/ immobilisation brut
 Méthodologie de recherche - Suite
3. Analyse Statistique

L’analyse discriminante est définit comme « Une méthode statistique qui

permet à partir d’un ensemble d’information caractérisant chaque élément
d’une population, de distinguer plusieurs classes homogènes vis-à-vis d’un
critère préétabli et d’affecter tout nouvel élément à la classe à laquelle il
appartient * ».

 Analyse discriminante de Fisher;

 Régression logistique.

* Sylvie DE COUSSERGUES & Gautier BOURDEAUX, Gestion de la banque, 7e édition, Dunod, Paris, 2013
 Résultats de recherche
 Présentation des données
 Répartition de l’échantillon

ECHANTILLON SAINES DEFAILLANTES TOTAL

Effectif 15 13 28
Pourcentage 53,57% 46,43% 100%

 Répartition de l’échantillon
FORME JURIDIQUE EFFECTIF
Société Anonyme S.A 8
Société à Responsabilité Limitée S.A.R.L 17
Société à Responsabilité Limitée Associé Unique S.A.R.L AU 3

 Répartition de l’échantillon
SECTEUR D’ACTIVITE EFFECTIF
Agricole 2
Industriel 17
Service 9
 Résultats de recherche – Suite

 Elimination des variables

Test de Corrélation

BATTERIE DES RATIOS

CODE INTITULE COMPOSANTES

R5 Ratio de marge bénéficiaire Résultat net / productions

R8 Rentabilité financière Résultat net / fonds propres

R9 Solvabilité Fonds propres nets / total bilan

R10 Dépendance financière D.L.M.T / capitaux permanents

R11 Capacité de remboursement D.L.M.T / autofinancement

R12 Capacité d’endettement Endettement bancaire / total bilan

R14 Taux d’utilisation des immobilisations Immobilisation nette/ immobilisation brute

 Résultats de recherche - Suite

 Multi-normalité & Homoscédasticité

Test de Kolmogorov- Test de Bartlett :

Smirnov
 Résultats de recherche - Suite

1. Vérification de l’existence de différences entre les sous-groupes

Statistiques de groupe
N valide (liste)
Ets Moyenne Ecart-type Non pondérées Pondérées
Défaillante R05 -1,373455 5,2822594 22 22,000
R08 ,903682 2,5897913 22 22,000
R09 -,314045 ,2990006 22 22,000
R10 ,122273 ,1866609 22 22,000
R11 -1,181455 2,5852015 22 22,000
R12 ,132409 ,1460886 22 22,000
R14 ,618227 ,3162767 22 22,000
Saine R05 11,336280 56,5600794 25 25,000
R08 ,172160 ,2297832 25 25,000
R09 ,399560 ,1992737 25 25,000
R10 ,275720 1,0376303 25 25,000
R11 -,874720 5,6823367 25 25,000
R12 ,080000 ,1252843 25 25,000
R14 ,474280 ,1720321 25 25,000
 Résultats de recherche - Suite
2. Vérification de la validité de l’étude
Résultats du test
M de Box 284,186
F Approximative 8,434 Test M de Box
ment
ddl1 28
ddl2 6805,12
4
Signification ,000
Teste l'hypothèse nulle d'égalité de matrices
de covariance des populations.
Corrélation
Canonique
Valeurs propres
Fonction Valeur propre % de la variance % cumulé Corrélation canonique
1 2,846a 100,0 100,0 ,860
a. Les 1 premières fonctions discriminantes canoniques ont été utilisées pour l'analyse.

S. Lambda de
Wilks
Lambda de Wilks

Test de la ou des fonctions Lambda de Wilks Khi-deux ddl Signification

1 ,260 55,898 7 ,000
 Résultats de recherche - Suite
3. Estimation des coefficients de la fonction discriminante

 Fonction score :
Coefficients des fonctions
discriminantes
canoniques
Fonction
1
R05 ,009
R08 -,066
R09 4,562
R10 ,418
R11 ,006
R12 2,535
R14 ,260
(Constante) -,796
Coefficients non standardisés

Zscore : 0,009 R05 – 0,066 R08 + 4,562 R09 + 0,418 R10 + 0,006 R11 + 2,535 R12 + 0,260 R14 - 0,796
 Résultats de recherche - Suite
3. Estimation des coefficients de la fonction discriminante

 Score critique :
Fonctions aux barycentres des groupes
Fonction
Ets Scores moyens
Défaillante -1,760
Saine 1,548
Fonctions discriminantes canoniques non
standardisées évaluées aux moyennes des groupes

Sc = = -0,106

 Règle de décision :

INTERVALLES DES SCORES CLASSE D’AFFECTATION

Z ≤ -0,106 Entreprises défaillantes
Z ≥ -0,106 Entreprises saines
 Résultats de recherche - Suite
3. Estimation des coefficients de la fonction discriminante
 Fonction de classement de Fisher :
Coefficients des fonctions de classement
Ets
Défaillante Saine
R05 -0,002 ,028
R08 ,157 -,061
R09 -1,380 13,711
R10 ,077 1,458
R11 -,208 -,189
R12 9,418 17,803
R14 10,711 11,570
(Constante) -5,043 -7,327
Fonctions discriminantes linéaires de Fisher

Z Défaillante : – 0,002 R05 + 0,157 R08 -1,380 R09 + 0,077 R10 -0,208 R11 + 9,418 R12 + 10,711 R14 – 5,043

Z Saines : 0,028 R05 – 0,061 R08 + 13,711 R09 + 1,458 R10 - 0,189 R11 + 17,803 R12 + 11,570 R14 – 7,327
 Résultats de recherche - Suite
4. Qualité de la représentation
 Matrice de confusion :
Résultats du classementa

Classe(s) d'affectation prévue(s)

Ets Défaillante Saine Total

Original Effectif Défaillante 25 1 26
Saine 0 30 30
% Défaillante 96,2 3,8 100,0
Saine ,0 100,0 100,0
a. 98,2% des observations originales classées correctement.

 Qualité de l’analyse :
Test de Q press
 Résultats de recherche - Suite
5. Présentation graphique des scores des entreprises des sous-groupes
 Scores des entreprises saines :

Z_Score_Saine
Score Critique

 Scores des entreprises défaillantes :

Z_Score_Défaillantes
Score Critique
 Synthèse de recherche

Le comportement de reclassement de la fonction discriminante est justifié:

La mauvaise identification de l’événement du modèle ;

 L’information comptable et financière ne reflète pas l’exactitude.

La pertinence et la fiabilité du modèle prédictif de défaillance repose sur :

 Le choix des entreprises qui communiquent des états de synthèse certifiés;

 La prise en considération seulement des entreprises qui ont une seule banque.
 Conclusion

 Une gestion efficace du risque de crédit n’est pas une mission aisée.

 Evaluer, gérer de risque de crédit est une obligation, plus qu’une nécessité.

 L’application de la méthode des scores par notre système bancaire.