WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Les enjeux de la sur liquidité bancaire au Cameroun.

( Télécharger le fichier original )
par Pierre Claude MBAMA
Université de Yaoudé II-Soa - Master comptabilité et finance 2012
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.2.2. Présentation du modèle statistique.

Nous avions précisé plus haut, que nous travaillons avec 6 banques des 12 banques dont le Cameroun comptait en fin 2010. Les 6 banques sont : L'Afriland First Bank (First Bank); la Banque Internationale du Cameroun pour l'Epargne et le Crédit (BICEC); la Commercial Bank of Cameroon (CBC) ; l'Ecobank Cameroun (Ecobank) ; la Société Générale de Banques au Cameroun (SGBC) et la National Financial Credit Bank (NFC Bank).

MASTER II RECHERCHE EN COMPTABILITE ET FINANCE 2012-2013 Page 83

LES ENJEUX DE LA SURLIQUIDITE BANCAIRE AU CAMEROUN.

Les données utilisées en économétrie sont le plus souvent des séries chronologiques, telles que le nombre d'entrées de marchandises par mois, la croissance annuelle du chiffre d'affaire, d'une entreprise etc. Par ailleurs, on peut disposer de données en coupe instantanée concernant une période donnée, telle que la valeur ajoutée des entreprises du secteur agricole pour l'exercice 2007. Les données de panel, ou données longitudinales possèdent deux dimensions (individuelle et temporelle) et rapportent les valeurs des variables considérées relevées pour un ensemble, ou panel, d'individus sur une période donnée. C'est ainsi que nous pouvons avoir pour ce qui est des données de panel les modèles à effets fixes.

Le modèle à effets fixes suppose que les relations entre la variable dépendante et les variables explicatives sont identiques pour tous les individus. Vu nos données, le modèle à effets fixes est impossible, alors nous avions été obligé d'utiliser le modèle dynamique.

Un modèle dynamique est un modèle dans lequel un ou plusieurs retards de la variable dépendante figurent comme variables explicatives. A l'inverse des GMM (méthode des moments généralisés) en panel dynamique, les techniques économétriques standards comme les MCO ne permettent pas d'obtenir des estimations sans biais d'un tel modèle, à cause de la présence de la variable dépendante retardée à droite de l'équation. Il s'en suit des estimations biaisées. La méthode GMM repose sur les conditions d'orthogonalité entre les variables retardées et le terme d'erreur, aussi bien en différences premières qu'en niveau. Lorsque le modèle dynamique est exprimé en différences premières, les instruments sont en niveau, et vice versa. Dans le modèle à estimer, l'utilisation des variables retardées comme instruments diffère selon la nature des variables explicatives:

(a) Pour les variables exogènes, leurs valeurs courantes sont utilisées comme instruments.

(b) Pour les variables prédéterminées ou faiblement exogènes (des variables qui peuvent être influencées par les valeurs passées de la variable dépendante, mais qui restent non corrélées aux réalisations futures du terme d'erreur), leurs valeurs retardées d'au moins une période peuvent être utilisées comme instruments.

(c) Pour les variables endogènes, leurs valeurs retardées de deux périodes et plus peuvent être des instruments valides.

La validité des instruments retenus peut être confirmée ou infirmée, à partir des tests de Hansen et de Sargan. Il existe deux variantes d'estimateur des GMM en panel dynamique: L'estimateur GMM en différences premières et l'estimateur GMM en système.

MASTER II RECHERCHE EN COMPTABILITE ET FINANCE 2012-2013 Page 84

LES ENJEUX DE LA SURLIQUIDITE BANCAIRE AU CAMEROUN.

L'estimateur GMM en différences premières d'Arellano et Bond (1991) consiste à prendre pour chaque période la première différence de l'équation à estimer pour éliminer les effets spécifiques individuels. On obtient :

Ayi,t = âA yi,t-1 +ö AXi,t + A åi,t

Il s'agit ensuite d'instrumenter la variable endogène retardée par ses valeurs passés de 2 périodes et plus. Cependant, cette méthode ne permet pas d'identifier l'effet des facteurs invariants dans le temps. De plus, Blundel et Bond (1998) ont montré à l'aide des simulations de Monte Carlo que l'estimateur GMM en système est plus performant que celui en différences premières, ce dernier donne des résultats biaisés dans des échantillons finis lorsque les instruments sont faibles.

L'estimateur GMM en système de Blundel et Bond (1998), combine les équations en différences premières avec les équations en niveau. Les instruments dans l'équation en différences premières sont exprimés en niveau, et vice versa.

Au regard de la petite taille de notre population qui est de 6 banques, les tests multidimensionnels sont moins pertinents. Ainsi, nous avons trouvé favorable d'utiliser la régression des données de panel par le modèle dynamique parce que le nombre d'observations est le produit de la taille et du nombre d'années d'étude, soit 6 x 5 = 30 observations. Ici en fonction des données qui étaient à notre disposition, nous avions considéré que la surliquidité est expliquée par des comportements liés au temps ou temporels et de la surliquidité retardée. Cela veut dire que ces comportements varient en fonction des dates d'observation. Alors les données sont organisées en panneaux (panel) comme suit : les données temporelles sont indicées par i,t, telles que le modèle d'analyse s'écrit :

Yi,t = constante +Yit-1+ aX1i,t+ bX2i,t+cX3i,t+dX4i,t+eX5i,t+fX6i,t + €it t=1,2,3,4,5

(2006, 2007, 2008, 2009 et 2010) et i=1,2,....,6.

Avec Yi,t, la variable de surliquidité ; Yi,t-1, la variable de surliquidité retardée d'une période et X1 ; X2 ; X3 ; X4 ; X5 ; et X6 les variables exogènes telles que :

X1 : Mesure le risque de crédit (créances compromise, douteuses et impayées/ total des crédits). Il s'agit d'une variable continue donc la hausse traduit celle du risque de crédit.

X2 : apprécie la volatilité des ressources bancaires (DAV/total dépôts). Il s'agit d'une variable continue donc la hausse traduit la forte fragilité des ressources pour les crédits à long terme.

MASTER II RECHERCHE EN COMPTABILITE ET FINANCE 2012-2013 Page 85

LES ENJEUX DE LA SURLIQUIDITE BANCAIRE AU CAMEROUN.

X3 : Mesure la structure des crédits octroyés par les banques. Quel est le type de crédit (court terme ou long terme) qui favorise la surliquidité bancaire au Cameroun ? Cette variable est mesurée par le rapport crédits à CT/ total crédits

X4 : Représente la proportion de prêts concentrée aux particuliers pour une année. Cela détermine le degré d'exclusion des particuliers par les banques. C'est le rapport entre le prêt aux particuliers sur le total de dépôts.

X5 : Représente le nombre d'agences bancaires pour 100 000Km2. Sa diminution représente l'exclusion bancaire des particuliers par les banques. Il représente la pénétration démographique des agences.au Cameroun.

X6 : représente le nombre d'agences bancaires sur 1000Km2. Cela détermine la pénétration géographique des agences.au Cameroun.

Après avoir présenté la méthodologie à utiliser pour notre étude empirique, il est opportun pour nous de passer à la présentation des résultats ainsi qu'à leur interprétation pour pouvoir la répondre à notre question qui nous préoccupe.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il y a des temps ou l'on doit dispenser son mépris qu'avec économie à cause du grand nombre de nécessiteux"   Chateaubriand