1.2- Les modèles logit et probit, binomial et multinomial

Pour la construction des systèmes d’alertes précoces, on peut faire appel à une régression de type logit ou probit, qui donne la possibilité d’établir une relation entre les différents indicateurs choisis et la solidité d’une banque. Martin (1977) et Demirguc-Kunt et Detragiache (1998) sont parmi les premiers auteurs ayant utilisé les modèles logit dans le domaine financier. Selon les modalités que prennent les variables à expliquer, le modèle peut être spécifié en logit binaire ou logit multinomial.

Il existe deux groupes pour ce type de modèles. Il y a d’une part, le modèle exploratoire et explicatif, et d’autre part, le modèle prédictif. Le modèle exploratoire et explicatif cherche à déterminer les facteurs responsables des défaillances bancaires, tandis que le modèle prédictif a pour objectif la prédiction et la surveillance de la fragilité des banques et du système bancaire. Par rapport à la méthode des signaux, les modèles logit et probit présentent plusieurs avantages (Albulescu, 2009). En effet, il est facile d’interpréter la capacité prédictive et de déterminer la probabilité d’apparition de la crise. De plus, les informations fournies par une nouvelle variable peuvent être repérées facilement.

La méthode des signaux présente l’inconvénient de perdre de la qualité des informations, en transformant les variables exogènes en variables binaires. Or, les modèles logit et probit ont pour avantage l’utilisation des variables dépendantes discrètes et l’association des variables exogènes continues à la probabilité d’une situation de vulnérabilité des banques. Certes, la variable dépendante reste aussi une variable binaire ou multinomiale, mais les variables indépendantes sont continues. Ces variables diffèrent d’un modèle à un autre, elles peuvent être : macroéconomiques ; macromonétaires et institutionnelles. C’est ainsi que pour analyser les principaux déterminants de la dégradation financière des banques de l’UEMOA, Powo (2000) utilise les données comptables issues des bilans de ces banques. Tandis que Angora et Tarazi (2011) emploient les variables macroéconomiques et trouvent qu’elles sont les principaux facteurs qui ont fragilisés le système bancaire ouest-africain dans les années 1980.

En résumé, il existe plusieurs techniques disponibles et deux possibilités pour construire un système d’alerte précoce. Même si la littérature sur l’anticipation des crises à l’aide des systèmes d’alertes précoces est très développée, dans la pratique, l’usage de ces systèmes est réduit (Albulescu, 2009). En outre, leur capacité prédictive est assez faible, car un nombre important de signaux s’avère faux (Angora, 2009). Par conséquent, il est très important d’utiliser cette méthode en parallèle avec d’autres techniques de quantification de la solidité financière comme les stress-tests.

II.2- Les stress-tests

Les stress-tests sont développés à l’origine par le FMI pour étudier la stabilité macroéconomique et évaluer la capacité des pays émergents à résister principalement à des crises de change. Ces tests ont été étendus au secteur bancaire dans le cadre du Programme d’Evaluation du Secteur Financier (PESF) des institutions de Bretton-Woods. L’objectif étant de mesurer la résilience des institutions financières en cas de très fortes tensions macro-financières, à travers des scénarios extrêmes et peu probables (Gammadigbe, 2012). Cette préoccupation a retenu l’attention du Comité de Bâle qui l’a intégrée dans l’accord de Bâle II, puisque les stress-tests font partie de cet accord à travers son second pilier dédié à la supervision du système bancaire. Les stress-tests ou test de résistance aux chocs permettent de répondre à la question de savoir qu’est-ce qui se passerait s’il arrivait un tel choc ? Ces tests qui représentent différentes techniques utilisées par les institutions financières pour mesurer leur vulnérabilité potentielle face aux risques, ont aussi pour but d’évaluer les effets de certains chocs sur le système financier (Albulescu, 2009). On peut illustrer cela par le stress-test des banques européennes, mené par la Banque Centrale Européenne (BCE) en 2014. Selon cette étude, vingt-cinq banques sur cent trente ont échoué (BCE, 2014). Ceci témoigne de la présence du risque systémique dans le secteur bancaire européen. Il faut aussi souligner la nature macroéconomique et microéconomique des stress-tests, en compte tenu de la possibilité de distinguer les tests de résistance macro-financiers des tests de résistance menés par les institutions individuelles (micro stress-tests).

Dans la mise en œuvre des stress-tests, deux grandes approches sont mobilisées : l’approche « bottom up » et l’approche « top down ». Selon la première approche, les banques sont chargées de simuler, chacune de leur côté, les scénarios de référence et d’en mesurer l’impact sur les différentes variables d’intérêt (rentabilité, risques et solvabilité), sur la base de

leurs comptes consolidés (De Bandt et Oung, 2004). Ces micros tests ont comme objectif l’identification des vulnérabilités qui menacent les institutions individuelles. Ce sont les grandes banques internationales qui ont construit pour la première fois ces tests dans le but d’évaluer les réactions potentielles de leur portefeuille à un choc externe. La deuxième approche, c’est-à-dire les stress-tests systémiques se proposent d’évaluer la solidité financière du système dans son ensemble. Les tests systémiques peuvent avoir pour objectif l’étude des effets de certaines variables macroéconomiques sur les variables bancaires (la rentabilité, la marge d’intérêt bancaire, la liquidité, etc.) par des simulations de chocs adverses mais vraisemblables (Gammadigbe, 2012). Ils permettent d’apprécier la vulnérabilité des banques aux chocs de l’activité réelle (récession prononcée), aux relèvements des taux du marché monétaire. Les macros stress-tests offrent une gamme d’application plus large, prennent en compte le risque de contagion. Les risques individuels, tels le risque opérationnel ou la qualité des actifs, ne sont pas pris en compte. Selon Albulescu (2009), ces tests au niveau agrégé fournissent des résultats approximatifs, qui simplifient la réalité, du fait de la complexité du système financier.

Les objectifs de ces deux catégories de stress-tests sont donc différents. Les macros stress-tests aident les autorités de régulation et de surveillance à identifier les vulnérabilités structurelles de l’ensemble du système, vulnérabilités qui peuvent mener à une situation d’instabilité généralisée. Les stress-tests individuels analysent quant à eux la solidité de chaque institution.

Une limite des stress-tests réalisés au niveau individuel réside dans la sous-estimation de la liquidité, lorsque les institutions réduisent leurs expositions simultanément. Une autre limite est la difficulté d’agréger les résultats des tests effectués par les banques et la difficulté d’interpréter et de comparer ces résultats, car les institutions recourent à des techniques différentes (Anand et al. 2014). De plus, les liens interbancaires peuvent être plus insuffisamment pris en compte dans les tests effectués à l’interne par les banques. Anand et al. (2014) considèrent que la simulation d’un choc commun par un test systémique réduit les problèmes liés à l’interprétation des résultats. Malgré cet effort des stress-tests systémiques pour évaluer la solidité des systèmes financiers, ils fournissent moins de précisions sur les caractéristiques de chaque établissement. L’expérience montre que les stress-tests n’ont pas un rôle décisif dans les discussions sur la santé du système financier. Ceci nous amène à nous intéresser aux autres modèles quantitatifs permettant d’analyser la solidité des banques.

II.3- Les autres méthodes quantitatives d’analyse de la solidité financière

Les techniques d’analyse de la solidité présentées dans cette sous-section sont plutôt destinées au secteur bancaire et donnent la possibilité d’évaluer la solidité des institutions individuelles et de classer les banques en fonction d’indicateurs de solidité bancaire. Les techniques d’analyse de la solidité du secteur bancaire les plus connues sont les analyses discriminantes et les Z-scores.