Risques de credit dans une institution de micro finance en ville de Butembo, cas de crédit congolais pour la reconstruction

III.2. ETUDE DES RISQUES

En ce point, notre souhait est de faire les différents calculs qui nous permettrons de déterminer les risques et d'en chercher les causes.

III.2.1. Calcul des écarts entre les crédits octroyés et crédits remboursés

Par ce calcul, nous voulons vérifier si les débiteurs remboursent la totalité de leurs dettes. Par la différence entre ces deux variables nous permettra de dégager aussi la moyenne pour une bonne interprétation de nos résultats.

Ainsi pour calculer la moyenne, nous utilisons la formule ci-après :

Moyenne :

Pour le calcul de ces écarts et moyenne nous nous servons du tableau annexe I nous présente les différents résultats suivants :

Par la moyenne de nos écarts, nous avons une somme de 136384,583$ soit 19,27% des dettes restant à payer. De ce résultat nous constatons qu'au moment de remboursement il y a un écart moyen de 136384,583$ qui est un risque en prendre en compte entant que analyste financier. L'écart que présente ce résultat montre le non remboursement de la totalité de la dette. Ainsi, notre première hypothèse est confirmée.

L'écart moyen de 136384,583$ prouve que l'institution (CCR) ne se fait pas rembourser tout ce qu'elle a prêté à ses membres. Sur 100% du montant prêté, il se fait remboursé seulement 80,73% pour dire que cet écart moyen (la différence) qui est de 19,27% pousse l'institution (CCR) de ne plus satisfaire d'autres clients qui ont des comptes à vue. Donc, le CCR court ici le risque de crédit car ses débiteurs n'ont pas remboursés la totalité de leurs dettes. A cet effet, notre deuxième hypothèse est confirmée partiellement.

Avec ce calcul de la moyenne, le taux d'insolvabilité est de 19,27%. Enfin, ce résultat nous permet encore de confirmer partiellement notre deuxième hypothèse par le fait d'octroyer le crédit aux membres et la différence qui est l'écart prouve que CCR a des risques. Le premier risque dit de crédit engendre d'autres risques comme celui d'insolvabilité car cette IMF ne parvient plus à satisfaire toute sa clientèle. Cette insolvabilité s'explique aussi par l'illiquidité que connait le coopec CCR. A ce niveau, notre deuxième hypothèse est confirmée.

Cet écart moyen qui montre le non remboursement de la totalité des prêts, pouvait aussi entrainer le CCR à la chute.

Par les histogrammes, cette situation se présente de la manière suivante :

Graphique 10. Histogramme crédits octroyés, crédits remboursés et écarts.

Au vu de ce graphique, les écarts entre les crédits octroyés et les crédits remboursés ont évolué dans le même sens que les crédits octroyés de 2005 à 2007. Mais en 2008, les crédits octroyés ont diminués alors que les écarts ont continués à augmenter. Les membres sont devenus réticents à s'acquitter de leurs dettes.

Après ces calculs, nous tentons de vérifier à combien le taux d'insolvabilité s'est élevé. Nous calculons la moyenne arithmétique, la variance et l'écart type des écarts entre les crédits octroyés et les crédits remboursés : calculs intermédiaires du tableau annexe II.

La moyenne arithmétique étant calculée, nous calculons la variance.

La variance est :

Nous avons alors : 1,54

L'écart type se calcul de la manière suivante :

= 124074,4438

En comparant cet écart type de 124074,4438$ par rapport à la moyenne qui est de 136384,5833$, nous comprendrons qu'il existe une grande dispersion des écarts entre les crédits octroyés et les crédits remboursés autour de la moyenne.

Par cette valeur de l'écart type, nous pouvons encore dire qu'il n'y a pas des comportements homogènes dans la gestion de crédits ; ce qui augmente le risque. Cela devient plus visible par le calcul du coefficient de variation qui se détermine comme suit :

CV=

CV= 90,97%

Le coefficient de variation est de 90,97%. Il est très grand. Ceci confirme encore plus que des valeurs sont trop dispersées par rapport à la moyenne. Il y a donc hétérogénéité. Car, le coefficient de variation est supérieur à 30%.

Par ces résultats de l'écart type et du coefficient de variation, cette institution CCR court un risque du crédit. Le graphique ci haut nous montre aussi que l'institution a un risque d'insolvabilité de la part des membres, et que ces derniers l'on affecté. Ce qui reconfirme encore notre deuxième hypothèse.

III.2.3. Etude du degré de dépendance entre les dépôts et les crédits

Notre souci est d'établir une liaison entre les dépôts et les crédits pour dégager la dépendance entre ces deux variables. Ceci nous est présenté par le graphique suivant.

Graphique 11. Evolution des dépôts et crédits

Evolution des dépôts

Evolution des crédits

De ce graphique, notre constant est que les épargnes et les crédits évoluent dans le même sens de façon linéaire. Pour dire qu'à une augmentation des dépôts correspond une augmentation des crédits. Cela prouve que les crédits dépendent des dépôts. Notre équation de la tendance qui est de 0,719X+31563 prouve cette dépendance.

Avant de tout dire sur ces deux variables qui sont en vedette dans les présentes analyses, déterminons le coefficient de corrélation. Il est égal à la racine carrée du coefficient de détermination.

Il vient : 0,751664819

On peut alors comprendre que dans la coopec CCR, on prête 0,785 UM pour chaque unité monétaire déposé par les épargnants. Nous estimons que ce taux est vraiment élevé car il y a probabilité de retrait d'argent tant qu'ils font des dépôts à vue. A ce point, notre troisième hypothèse, selon laquelle l'octroi de crédit dépend de l'importance des opérations effectuées avec les clients, est confirmée.

En ce qui concerne R^2, , la différence entre 100 pourcents-56,50 pourcents qui est égale à 43,5 % est due au taux d× intérêt et d'autres facteurs du circuit monétaire.

Après ce qui précède, nous essayons de tester nos différents résultats à partir du tableau annexe III. Cela nous permet de vérifier la validité de notre modèle.

Test global du modèle

1°) Hypothèse : H₀ : r² = 0 l'allure croissante de la courbe de tendance n'est pas significative

H₁ : r² 0 l'allure croissante de la courbe est significative.

2°) Seuil de signification : = 5% = 0,05

3°) Comme il s'agit du test de coefficient de détermination : Loi du Fisher Snedecor

4°) Règle de décision : Rejeter H₀ si F_cal est supérieur à F_th (k-1, nk F(0,05)1;48

La table de fisher dont nous disposons ne donne pas directement les résultats de cette statistique pour ces degrés de liberté. Toutefois, elle nous donne :

F(0,05)1 ;40 = 4,08 et F(0,05)1 ;60 = 4,00

Il nous revient alors d'extrapoler pour trouver cette valeur. Nous avons

5°) Calcul : F_cal =

6°) Conclusion : comme Fcal = 59,7471264 est supérieur à Fth=4,048 ; nous rejetons H₀ au seuil de 5% et nous sommes confiant à 95% que le modèle est globalement valide

Test des paramètres du modèle

Test de la pente :

1°) Hypothèse :

H₀ : a = 0, la pente de notre courbe n'est pas significative

H₁ : a 0, la pente de notre modèle est significative.

2°) risque d'erreur : = 5% = 0,05

3°) Comme il s'agit du test du coefficient angulaire et notre échantillon est de taille supérieure à 30, nous appliquons la loi normale de LAPLACE GAUSS

4°) Règle de décision : Rejeter H₀ si z_cal est supérieur à z_0,05/2

La table de la loi normale nous donne z_0,05/2 =1,96

5°) Calcul : z_cal =

Avec =

104811628054,6

Nous avons alors : = = 0,015580254

On peut alors calculer aisément l'écart type de l'estimateur qui n'est autre chose que la racine carrée de sa variance. Il est égal à 0,124820888.

Et finalement nous avons :

zcal = = 6,289011495

6°) Conclusion : comme z_cal = 6,289011495 est supérieur à Zth=1,96 ; nous rejetons H₀ au seuil de 5% et nous sommes confiant à 95% que la pente du modèle est significativement différent de zéro.

Test du terme indépendant :

1°) Hypothèse :

H₀ : a = 0, le terme indépendant de notre courbe n'est pas significatif

H₁ : a 0, le terme indépendant de notre modèle est significatif.

2°) Seuil de signification : = 5% = 0,05

3°) Comme il s'agit du test du terme indépendant et notre échantillon est de taille supérieure à 30, nous appliquons la loi normale de LAPLACE GAUSS

4°) Règle de décision : Rejeter H₀ si z_cal est supérieur à z_0,05/2

La table de la loi normale nous donne z_0,05/2 =1,96

5°) Calcul : z_cal =

Avec =

104811628054,6

Et

681 002 935 450,16000000

Nous avons alors : =

= 12 793 774 362,55670000

On peut alors calculer aisément l'écart type de l'estimateur qui n'est autre chose que la racine carrée de sa variance. Il est égal à 113 109,56795319

Et finalement nous avons :

zcal = = 0,27904801

6°) Conclusion : comme z_cal = 0,2790 est inférieur à Zth=1,96 ; nous acceptons H₀ au seuil de 5% et nous sommes confiant à 95% que le terme indépendant de notre modèle n'est pas significatif.

Mais comme le modèle s'est révélé globalement valide, c'est sur lui que porterons nos résultats.