Université de Tunis [615625]

Université de Tunis
Ecole Supérieure des Sciences Economiques et Commerciales de Tunis

Mémoire de fin d’étude pour l’obtention du diplôme :
« Mastère de recherche : Macroéconomie et Finance Internationale »

Sujet :

Impact de la réglementation prudenti elle
bancaire sur la prise de risque bancaire
pendant et après la crise des subprimes

Elaboré par : M. Marwen Mannai

Encadré par : Mme. Feryel Ouerghi

Année universi taire : 2016 -2017

Dédicaces

Je dédié ce travail,

À mes parents pour leur affection et tous les sacrifices qu’ils ont
consentis afin que je puisse parvenir à la réussite,
que Dieu les garde en bonne santé.

À ma chère sœur et mes beaux -frères avec
leurs enfants pour leur affection et leur soutien.

À mes ami(e)s pour leur encouragement
et leur support moral.

Marwen Mannai

Remerciements

Je remerc ie tout d’abord mon encadreur, Madame Feryel Ouerghi,
d’avoir accepté de m’encadrer tout au long de mon travail de
recherche. Je la re mercie pour son soutien, sa disponibilité, ses
précieux conseils et son encouragement.

Je tiens à remercier les membres de jury pour leur acceptation de
participer à l’évaluation de ma mémoire de recherche.

J’exprime mes remerciements à tous mes ens eignants pour la qualité
des enseignements reçus tout au long de mon parcours universitaire
au sein de l’Ecole Supérieure des Sciences Economique et
Commerciales de Tunis et également à l’administration.

Finalement, j’adresse mes remerciements à toutes l es personnes qui
m’ont soutenu durant la période de mon travail de recherche dans
cette mémoire.

Marwen Mannai

LISTE DES TABLEAUX

TABLEAU 1. ECHELLE DE PONDERATIONS DES ENGAGEMENTS BANCAIRES ………………………….. ……………. 26
TABLEAU 2. LE PLAN DE LA MISE EN ŒUVRE DES REFORMES DE BALE 3 ………………………….. …………………….. 38
TABLEAU 3. LA DEFINITION DES VARIABLES ………………………….. ………………………….. ………………………….. ……………. 74
TABLEAU 4. DISTR IBUTION DES BANQUES PAR PAYS ………………………….. ………………………….. ………………………… 80
TABLEAU 5. STATISTIQUES DESCRIPTIVES ………………………….. ………………………….. ………………………….. ………………… 82
TABLEAU 6. MATRICE DE CORRELATION ………………………….. ………………………….. ………………………….. ………………… 84
TABLEAU 7. RESULTATS DU TEST DE PRESENCE D’EFFETS INDIVIDUELS ………………………….. …………………….. 85
TABLEAU 8. RESULTATS DU TEST D’HAUSMAN ………………………….. ………………………….. ………………………….. ………. 86
TABLEAU 9. RESU LTAT DU TEST DE BREUSH – PAGAN LM ………………………….. ………………………….. …………………. 87
TABLEAU 10. RESULTAT DU TEST DE WALD MODIFIE ………………………….. ………………………….. ……………………….. 88
TABLEAU 11. RESULTATS DES REGRESSIONS LINEAIRES EN DONNEES DE PANEL POUR LE MODELE 1
DE LA PERIODE 2008 -2009 ………………………….. ………………………….. ………………………….. ………………………….. ……………….. 89
TABLEAU 12. RESULTATS DES REGRESSIONS LINEAIRES EN DONNEES DE P ANEL POUR LE MODELE 1
DE LA PERIODE 2013 -2014 ………………………….. ………………………….. ………………………….. ………………………….. ……………….. 90
TABLEAU 13. RESULTATS DES REGRESSIONS LINEAIRES EN DONNEES DE PANEL POUR LE MODELE 2
DE LA PERIODE 2008 -2009 ………………………….. ………………………….. ………………………….. ………………………….. ……………….. 94
TABLEAU 14. RESULTATS DES REGRESSIONS LINEAIRES EN DONNEES DE PANEL POUR LE MODELE 2
DE LA PERIOD E 2013 -2014 ………………………….. ………………………….. ………………………….. ………………………….. ……………….. 95
TABLEAU 15. RESULTATS DES REGRESSIONS LINEAIRES EN DONNEES DE PANEL POUR LE MODELE 3
DE LA PERIODE 2008 -2009 ………………………….. ………………………….. ………………………….. ………………………….. ……………….. 99
TABLEAU 16. RESULTATS DES REGRESSIONS LINEAIRES EN DONNEES DE PANEL POUR LE MODELE 3
DE LA PERIODE 2013 -2014 ………………………….. ………………………….. ………………………….. ………………………….. ……………… 100

LISTE DES FIGURES

FIGURE 1. COMPARAISON ENTRE LE RATIO COOKE ET LE RATIO MC DONOUGH ………………………….. … 32
FIGURE 2. LE TAUX D’INTERET DE LA RESERVE FEDERALE ………………………….. ………………………….. ………………… 43
FIGURE 3. L’EVOLUTION DES PRIX DE L’IMMOBILIER SUR LE MARCHE AMERICAIN ………………………….. ….. 44
FIGURE 4. CRISE FINANCIERE : ORIGINES ET EXPLICATION. ………………………….. ………………………….. …………….. 46

Sommaire
INTRODUCTION GENERALE ………………………….. ………………………….. ………………………….. ……………….. 1
CHAPITRE 1 : LES RISQUES ET LA GOUVERNANCE BANCAIRE ………………………….. ………………………….. . 4
SECTION 1 : LES RISQUES BANCAIRES ………………………….. ………………………….. ………………………….. ….. 5
SECTION 2 : LA GOUVERNANCE BANCAIRE ………………………….. ………………………….. …………………….. 14
CHAPITRE 2 : LA CRISE DES SUBPRIMES ………………………….. ………………………….. …………………………. 41
SECTION 1 : APERÇU GENERALE SUR LA CRISE ………………………….. ………………………….. ………………… 42
SECTION 2 : CAUSES DE DECLENCHEMENT DE LA CRISE ………………………….. ………………………….. ……. 47
SECTION 3 : DEROULEMENT ET EFFETS DE LA CRISE ………………………….. ………………………….. ………… 55
SECTION 4 : PROPAGATION DE LA CRISE ………………………….. ………………………….. ………………………… 61
SECTION 5 : LIEN ENTRE LE DISPOSITIF DE BALE 2 ET LA CRISE FINANCIERE ………………………….. …….. 63
CHAPITRE 3 : IMPACT DU DISPOSITIF REGLEMENTAIRE PRUDENTIEL SUR LA PRISE DE RISQUE
BANCAIRE PEND ANT ET APRES LA CRISE DES SUBPRIMES. ………………………….. ………………………….. .. 67
SECTION 1 : REVUE DE LA LITTERATURE EMPIRIQUE ………………………….. ………………………….. ……….. 68
SECTION 2 : SPECIFICATION DU MODELE ………………………….. ………………………….. ……………………….. 71
SECTION 3 : PRESENTATION DE L’ECHANTILLON, STATISTIQUES DESCRIPTIVES ET MATRICE DE
CORRELATION ………………………….. ………………………….. ………………………….. ………………………….. …… 80
SECTION 4 : LES TESTS ECONOMETRIQU ES ………………………….. ………………………….. …………………….. 85
SECTION 5 : RESULTATS ET INTERPRETATIONS DES ESTIMATIONS ………………………….. ………………….. 88
CONCLUSION GENERALE ………………………….. ………………………….. ………………………….. ……………….. 104
BIBLIOGRAPHIE ………………………….. ………………………….. ………………………….. ………………………….. ……..
ANNEXES ………………………….. ………………………….. ………………………….. ………………………….. ………………

INTRODUCTION GENERALE

Introduction générale

Page 1
Introduction générale

Le système bancaire est considéré comme un moteur indispensable de la croissance
économique d’un pays vue son rôle crucial dans le financement de l’économie et il
repré sente ainsi un indicateur fiable sur la santé d’ une économie, d’où provient l’importance
de ce secteur et l’intérêt majeur que les pouvoirs public s attribuent aux institutions
bancaires. En fait, la position centrale de ces derniers et le risque qu’ils soi ent en difficulté
incite nt les autorités publiques à organiser ce système via la fondation d’un cadre
réglementaire visant la stabilité et la sécurité du secteur bancaire.
Cette réglementation s’est développée au cours du temps face aux évolutions marquée s
dans un environnement financier en pleine mutation qui s’est caractérisé par l’innovation
technologique, l’apparition des nouveaux produits financier s, la mondialisation et la
déréglementation, ce qui entraine le développement de l’activité bancaire. De ce fait,
l’environnement bancaire est caractérisé par des activités risquées et par une diversité de
risques, ce qui produit la hausse de l’éventualité de la défaillance bancaire.
Face à cette vulnérabilité financière , la banque des règlements internation aux (BRI) a
instauré une réglementation prudentielle plus stricte avec une dimension internationale, via
ses accords de Bâle qui s’appliquent aux institutions bancaires, pour bien encadrer leur
activité ainsi qu’ harmonis er des normes prudentielles afin d’a ssurer la solidité du système
bancaire et financier à l’échelle mondiale.
En effet, le premier accord international en matière de la réglementation prudentielle est
celui de Bâle 1 qui a instauré un ratio de solvabilité sous le nom de ratio Cooke en 1988 et
qui est entré en vigueur en 1993. Ce ratio a été crée principalement pour assurer la
solvabilité des établissements bancaires. En fait, à travers cet accord, le comité de Bâle a mis
en place une obligation en capital qui exige la détention par les banq ues d’un niveau de
capital réglementaire1 supérieur ou égale à 8 % de la valeur du risque inhérent de ses
activités. Ce ratio a subi une réforme en 1995 qui consiste à prendre en considération le
risque de marché.
Bien que le ratio Cooke a participé à la stabilité du système bancaire en influant le
comportement des institutions bancaires, il a été critiqué par le fait qu’il n’a pas pris en
considération certains types de risques comme le risque opérationnel ainsi qu’il a négligé
l’interdépendance entre les actifs dans le calcul du risque des institutions bancaires, ce qui a
incité le comité de Bâle à s’orienter vers l’élaboration de nouvelles normes prudentielles afin
de surmonter les faiblesses de cet accord de Bâle 1.

1 Le capital réglementaire est formé par le capital Tier1, qui est composé par les fonds propres et les réserves
déclarés, et par le capital Tier 2 qui est constitué par les capitaux hybrides et les dettes subordonnés.

Introduction générale

Page 2
C’est ainsi que l’accord de Bâle 2 a été élaboré en 1998 en instaurant un nouveau ratio sous
le nom de ratio Mc Donough qui est entré en vigueur en 2004. En effet, cet accord est fondé
sur trois piliers à savoir, le premier pilier se rapporte au calcul du ratio de solvabilité qui
présente la même définition du capital que le ratio Cooke alors qu’il a introduit le risque
opérationnel et il a renforcé le système de contrôle inter ne des établissements bancaires. Le
deuxième pilier concerne la surveillance prudentielle par les autorités publiques suite à
l’instauration des procédures de mesure interne du risque afin d’évaluer l’adéquation des
fonds propres aux risques encourus. Le troisième pilier vise le renforcement de la discipline
de marché, du fait que ce pilier exige aux institutions bancai res à divulguer de façon
réguliè re les informations qui renseigne sur leurs situations financières afin d’aider les
acteurs de marché à les évaluer.
Malgré, les avancements et le développement de la réglementation prudentielle, une crise
au sein du système bancaire s’est déclenché à savoir la crise des subprimes qui a prouvé
l’incapacité des normes réglementaires à gér er la prise de risques excessif s par les
établissements bancaires ainsi qu’à prévenir la crise, c'est -à-dire ce dispositif prudentiel n’a
pas pu atténuer ni le risque individuel ni le risque systémique.
En fait, cette crise financière a mis en évidence les insuffisances de l’accord de Bâle 2 qui n’a
pas préservé la qualité du capital réglementaire ainsi qu’il n’a pas pris en compte la
technique de la titrisation et qui est marqué par le problème de la pro -cyclicité ainsi qu’il est
fondé sur une optique micro -prudentielle.
Pour pallier les lacunes du dispositif réglementaire Bâl e 2, le comité de Bâle a établi des
réformes prudentielles dans le c adre du nouvel accord à savoir Bâle 3 qui vise le
renforcement de la capacité de la banque à absorber les pertes occasionnées par les risques
associés à leurs activités ainsi que la résilience de tout le système bancaire face aux chocs
financiers. En fait, l’accord de Bâle 3 a établi l’amélioration de la qualité et du niveau de
capital réglementaire aussi il a instauré des mesures macro -prudentielles pour gérer le
risque systémique ainsi que le coussin contra -cyclicité afin d’assurer la stabilité du système
bancaire.
Dans cette perspective, notre travail de recherche vise à étudier l’impact du dispositif
réglementaire prudentiel sur la prise des risques par les banques pendant et après la crise
des subprimes, afin de détecter la défaillance de ces normes et de proposer des
recommandations. En fait, l’objectif de notre étude est de répondre à la problématique
suivante : quel est l’effet des normes prudentielles bancaires sur le niveau du risque pris
par les banques pendant la crise des subprimes durant l’a pplication de l’accord de Bâle 2
et après cette crise suite à la mise en place de l’accord de Bâle 3 ?
Dans le but de répondre à notre question de recherche, nous organisons notre travail en
trois chapitres.

Introduction générale

Page 3
Le premier chapitre est sacrifié à la présentat ion, en premier lieu, des différents types des
risques inhérents de l’activité bancaire avec ses spécificités et en deuxième lieu, de la
gouvernance bancaire avec ses deux aspects à savoir l’interne en présentant leurs mesures
de contrôle et l’externe en t raitant le cadre conceptuel de la réglementation bancaire ainsi
que la présentation des normes prudentielles.
Le deuxième chapitre est consacré au traitement de la crise des subprimes en examinant les
facteurs qui ont mené à son déclenchement ainsi que se s effets sur la sphère financière et
économique. En plus, nous exposons la propagation de cette crise en présentant ainsi sa
liaison avec les normes de la réglementation prudentielle bancaire.
Le troisième chapitre portera sur une étude empirique de notr e problématique, en se basant
sur un échantillon de 75 banques les plus touchées par la crise des subprimes de différents
pays pendant deux sous -périodes à savoir 2008 -2009 et 2013 -2014. Nous commençons par
une revue de la littérature empirique en exposant les différents travaux précédents qui
s’articulent au tour de notre sujet, pour essayer de produire un apport. Ensuite, nous
présentons les hypothèses à tester et le modèle de notre étude ainsi que les variables qui le
composent. Puis, nous exposons l’éch antillon de notre analyse empirique et la statistique
descriptive ainsi que la corrélation entre les différentes variables de notre modèle. Nous
effectuons ensuite les tests économétriques pour déterminer les problèmes de notre
modèle et les corriger afin d’avoir des résultats robustes. Finalement, nous exposons les
résultats de notre validation empirique ainsi que leurs interprétations.

CHAPITRE 1 : LES RISQUES
ET LA GOUVERNANCE
BANCAIRE

Chapitre 1 : Les risques et la gouvernance bancaire

Page 4
Chapitre 1 : Les risques et la gouvernance ban caire
Introduction

Les banques sont un moteur essentiel et fondamental du développement économique des
pays (Beck et Levine , 2004). Étant donnée la nature de l’activité des banques, ces dernières
sont obligées de prendre un certain risque qui doit être r aisonnable.
L’environnement bancaire est devenu de plus en plus instable avec les transformations et les
changements qui ont affecté le système financier, ainsi, l’activité bancaire s’est développée
et s’est évoluée. Face à ces perturbations, les b anques sont devenues plus menacées par une
pluralité de risques les rendant plus vulnérables.
L’évaluation du risque apparait comme un élément essentiel de prise de décision, ce qui
rend l’un des défis des managers s’articule au tour du risque afin de le définir, le calculer et
le gérer pour renforcer la performance de la banque.
Puisque « la préservation de la stabilité financière est un bien public »2 (Scialom 2011), les
régulateurs internationaux ont focalisés leur vision sur la prévention des crises bancaires qui
est devenue une priorité car les pertes financières qu’entrainent les faillites bancaires ne se
limitent pas aux agents économiques uniquement mais toute la sphère financière sera
affectée via les processus de contagion.
La stabilité et la so lidité financière exige la mise en œuvre d’une bonne gouvernance à
travers l’instauration des dispositifs de régulation et de contrôle efficaces dans le système
bancaire.
La notion de gouvernance a concerné au début les entreprises mais les dysfonctionneme nts
du système bancaire ont mené à l’élaboration d’une gouvernance propre à la l’industrie
bancaire.
Les particularités des institutions bancaires rendent leur gouvernance distincte à celle des
autres établissements. En fait, les banques sont marquées par une forte réglementation
(Prowse , 1997) ainsi qu’une forte opacité produite par une asymétrie d’information entre les
différents intervenants dans le secteur bancaire (Caprio et Levine , 2002).
En fait, la gouvernance peut être définie comme étant l’ensem ble des processus et des
réglementations par lequel une institution est gérée et contrôlée (Zingales , 2000).

2 Scialom 2011, ‘Stratégies et instruments d’une régulation macroprudentielle’, Revue d’économie financière,
2011/3 (N° 103 ), p 171 -186.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 5
Le secteur bancaire est soumis à des contraintes d’ordre interne et aussi externe dans le
cadre de l’exécution de son activité à cause de l’import ance des risques inhérents ainsi que
la gravité des dégâts qui peuvent être engendré par ces risques dans la sphère aussi bien
financière qu’économique.
Dans ce chapitre, nous présenterons dans une première section les différents types de
risque inhérent d e l’activité bancaire après un traitement du cadre conceptuel des risques
bancaires à travers l’instabilité bancaire, ensuite nous aborderons dans une deuxième
section la gouvernance bancaire avec ses deux aspects, l’interne avec ses mécanismes de
contrôl e puis l’externe en procédant à une présentation du cadre réglementaire et à
l’exposition des normes prudentielles internationales.
Section 1 : Les risques bancaires
Le risque est une notion difficile à cerner, mais de façon générale on peut dire que le risque
est un danger éventuel, plus ou moins prévisible, inhérent à une situation ou à une activité,
associé à l’occurrence d’un événement dont on ne sait pas s’il se produira mais dont on sait
qu’il est susceptible de se produire dans une situation ex posante. Le risque est une
contingence peu probable, ce qui constitue une différence par rapport au danger. On parle
en fait du danger lorsque la probabilité d’occurrence et les conséquences sont importantes,
tandis que le risque existe dès que sa probabil ité d’occurrence n’est pas nulle.
Le risque est un événement indésirable dont l’apparition n’est pas certaine. Il peut être
associé au fait de s’engager dans une action qui pourrait apporter un avantage mais qui
comporte l’éventualité d’un danger. Le risq ue est connue au préalable, l’exposition au risque
résulte donc souvent d’une démarche consciente appelée prise de risque.
1.1. Instabilité bancaire :
Depuis 1970 le système bancaire et financier n’a pas cessé de progresser et de subir
différents chocs que ce soit micro ou macroéconomique. Ce système était marqué en
général par une instabilité, les principaux déterminants qui expliquent cette instabilité
bancaire sont les suivants :
1.1.1. La libéralisation financière :
A partir des années quatre -vingt, le phénomè ne de la libéralisation financière a dépassé les
frontières des pays industrialisés afin de devenir un phénomène mondial frappant aussi les
pays en voie de développement.
Ce phénomène est fondé sur trois principes, l’un correspond à une libre circulation des
capitaux, l’autre est présenté par la libéralisation de marché de change ce qui précise que la
valeur de la monnaie n’est pas contrôlée par l’Etat, le dernier est lié au phénomène de 3D
(déréglementation, décloisonnement et désintermédiation) dont l’ob jectif correspond à

Chapitre 1 : Les risques et la gouvernance bancaire

Page 6
l’approchement des activités bancaires de chaque pays à l’économie mondiale. La
libéralisation financière avec sa triple dimension a visée le passage d’une économie
contrôlée et réglementée à une autre plus libéralisée.
Cependant, l’in stabilité bancaire et financière était aggravée par le déclenchement de la
libéralisation financière qui devient un sujet critique qui fait apparaitre ses faiblesses malgré
ses avantages en matière de rénovation et de réformes bancaires et financières.
Plusieurs travaux se sont réunit pour exposer les mauvais effets de la libéralisation
financière. En fait, Demirgùc -Kunt A. et Detragiache E. (1998) ont menés une étude sur 53
pays pour une période de 1980 -1995 qui montre que les crises bancaires sont déclenc hées
dans un environnement libéralisé, tandis que ce dernier a des conséquences négatifs qui se
matérialisent par une fragilité financière.
De même, l’analyse de Motti et Plihon (2001) prouve qu’il existe une relation de causalité
entre la libéralisation f inancière et l’apparition des crises bancaires, ce qui implique que la
monté de l’instabilité est associée au lancement de la libéralisation financière.
En fait , la libéralisation financière représente l’une des facteurs qui fragilisent le système
bancair e, ainsi, elle a aggravé l’exposition des pays émergents aux perturbations externes
(faillite, crise).
Mais l’instabilité bancaire n’est pas attachée seulement à la libéralisation financière, en fait,
il existe d’autres facteurs qui l’explique.
1.1.2. L’environne ment macroéconomique :
L’instabilité bancaire peut être associée à la présence des facteurs macro -économique qui
ont généralement une implication importante dans le déclenchement des crises bancaires et
financières notamment dans les pays émergents comme la volatilité du taux d’intérêt, le
régime du taux de change, la fluctuation des flux des capitaux étrangers et la variation des
taux de croissance et d’inflation domestique.
En effet, un régime du taux de change libéralisé entraine l’apparition des bull es financières
aboutissant ainsi au déclenchement des crises particulièrement au Japon, Norvège et
Finlande. Aussi, l’application d’un régime du taux de change fixe rende le système bancaire
plus sensible aux chocs externes, ce type de régime aboutit à un déficit de la balance des
paiements, à une dégradation de l’offre de monnaie ce qui implique une augmentation des
taux d’intérêts domestiques.
En outre, les banques sont sensibles aux fluctuations des taux d’intérêts internationaux
puisqu’elles empruntent à court terme et prêtent à plus et long terme, en plus la collecte
des dépôts peut créer des turbulences dans le système bancaire lorsqu’il se produit une

Chapitre 1 : Les risques et la gouvernance bancaire

Page 7
course aux dépôts suite à une perte de confiance sur le marché bancaire ce qui entraine une
panique b ancaire résultant d’un problème de liquidité.
De plus, les variations des taux d’intérêt internationaux affectent les flux de capitaux vers les
pays émergents et la capacité d’emprunter en monnaie étrangère, cet intervenant a joué un
rôle important dans l a fluctuation du volume des crédits dans certains pays asiatiques dans
les années 90.
Ainsi, une volatilité de taux de croissance et d’inflation pouvant influencer l’activité bancaire,
citant l’exemple de la crise qui a été déclenchée dans l’Argentine en 1990, dans un
environnement macro -économique caractérisé par une croissance favorable et une
accentuation de la concurrence bancaire, ce qui entraine la création des bulles spéculatives
qui se caractérisent par des retraits du dépôts de la part les épargna nts en aboutissant à une
faillite bancaire.
De façon général, l’activité bancaire est sensible aux changements des variables macro –
économiques qui sont associés généralement aux vulnérabilités et chocs financiers comme
les défaillances et les faillite s bancaires.
1.1.3. L'environnement institutionnel, réglementaire et légal :
Le système bancaire devient plus sensible au déclenchement des crises dans un
environnement réglementaire et institutionnel marqué par des faiblesses, surtout dans les
pays ou il existe une bureaucratie lente et un respect et une application faible des lois.
La déficience du cadre institutionnel peut engendrer la hausse de l’instabilité bancaire, du
fait que le manque de transparence dans les informations financières qui concernent la
situation effective des banques aboutit à une mauvaise détection des institutions bancaires
en difficulté, en plus la fiabilité des informations sur les clients est importante puisqu’elle
permet d’apprécier les mauvais clients ainsi que le niveau de provisio n nécessaire à faire
face aux engagements.
L’étude menée par Hussain et Wihlborg (2004) est parmi les travaux qui ont analysés
l’impact du cadre institutionnel sur l’amplification de la crise Asiatique de 1997.
Les insuffisances de la régulation prudentie lle ont été apparues pendant les crises des
années 90 aux pays émergents. Cette réglementation est accompagnée par une déficience
des procédures de supervision et de contrôle bancaire, ce qui entraine la monté de
l’instabilité bancaire. Du fait que les aut orités prudentielles ne possédant pas des moyens
adéquats de surveillance, ainsi que l’application de la réglementation, particulièrement dans
le système bancaire des pays émergents qui ont marqués par une faiblesse liée à la
défaillance dans la supervisio n.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 8
Vu que le cadre légale semble encore insuffisant, cette incomplétude découle de
l’incohérence et le non conformité des textes juridiques et comptable avec l’évolution des
besoins à la fois des banques et des superviseurs dans un cadre de libéralisation du système
financier l’absence du contrôle.
Selon Godlewiski. C. J (2004) plusieurs travaux prouvent que l’efficacité juridique représente
un déterminant primordial des taux d’intérêt bancaires, de plus l’amélioration du cadre
juridique constitue un param ètre critique pour la baisse des couts de l’intermédiation
bancaire.
1.1.4. L'intervention des autorités gouvernementales :
Il existe une influence importante des autorités gouvernementales sur les décisions
bancaires qui peut toucher la solidité et le gain des é tablissements bancaires. En fait, dans
divers pays émergent le fonctionnement du système bancaire est attaché à la conduite et à
la politique des autorités publiques, ces derniers peuvent intervenir sous plusieurs formes
comme la participation de l’Etat da ns le capital des banques et dans la décision d’octroi des
crédits.
Ainsi, les banques publiques sont les plus soumises à ce type d’intervention
gouvernementale, cette intervention se traduit par la facilité d’accès aux crédits pour des
secteurs spécifique s dans l’économie ainsi que l’octroi des crédits à des secteurs moins
profitable, du fait une part importante des prêts non performants dans le total des prêts
bancaires a été une caractéristique de certaines crises bancaires.
Ainsi, en Argentine en 1994 l es créances douteuses accaparent le 1/3 des prêts totaux des
banques publiques et le 10 % dans le secteur privé, alors les créances douteuses sont plus
condensées dans le secteur public mais le secteur privé aussi peut être influencé par
l’intervention go uvernementale, ce qui peut l’obliger des fois à participer à des projets non
performants et à accorder des crédits à des clients de mauvaise qualité.
Tous ces éléments, macro -économiques, gouvernementaux, institutionnels, légaux et
réglementaires ainsi que la libéralisation financière ont une influence sur la solidité du
secteur bancaire en favorisant la montée du risque.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 9
1.2. Typologies du risque bancaire :
Les établissements bancaires sont exposés à plusieurs types de risques :
1.2.1. Le risque de crédit :
C’est l e majeur risque qui menace la stabilité des établissements bancaires. Selon Godlewiski
C. J. (2003) « le risque de crédit peut être définit comme une non performance de la
contrepartie engendrant une perte probable au niveau de la banque »3.
En fait, ce ri sque correspond au risque de perte auquel la banque est confrontée en cas de
détérioration de la situation financière de contrepartie. Il découle d’un modèle qui se
compose par 3 facteurs : le risque de contrepartie, le risque d’exposition et le risque de
récupération.
1.2.1.1. Le risque de contre partie :
Le risque de contre partie est tributaire de la probabilité de défaillance du client tel qu’un
particulier, un pays, une entreprise ou une banque avec laquelle la banque est engagée, d’où
il correspond au défaut d e l’emprunteur face à ses obligations.
1.2.1.2. Le risque d’exposition :
Ce risque correspond à l’appréciation du montant de l’obligati on au moment de la
défaillance. Ce montant dépend de la durée de l’engagement et de sa forme
d’amortissement (linéaire ou dégress if).
1.2.1.3. Le risque de récupération :
Ce risque correspond à la valeur espérée de la concrétisation de garantie et de la liquidation
des actifs non gagé de la contre partie. La valorisation des garanties prises par la banque
dépende de la valeur d’exposition au ssi elle est fonction de la valeur initiale du garant, de sa
durée de vie et du marché d’occasion.
1.2.2. Le risque de liquidité :
Les établissements bancaires doivent disposer de la liquidité afin de faire face aux
changements attendus et non attendus du bilan. En fait, la liquidité des banques représente
ses capacités à faire face à ses engagements de remboursement en honorant l’échéance
contractuelle, qu’elle soit identifiée ou non (remboursement à vue). Alors, le risque de
liquidité se manifeste par l’insuffi sance de liquidité bancaire pour assumer les obligations de
la banque.

3 Godlewiski C. J., 2003, ‘modélisation d e la prévision de la défaillance bancaire une application aux banques
des pays émergents’, WP 70, LARGE, université Robert schuman.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 10
En outre, ce risque peut aboutir à la demande des dépôts en même temps par les
épargnants déposants ce qui se traduit par une panique bancaire en entrainant ainsi une
faillite bancaire, du fait qu’un recours massif aux dépôts par les déposants peut empirer la
situation de la banque et engendre ainsi une crise de liquidité.
1.2.3. Le risque de marché :
Ce risque se manifeste par une évolution défavorable des cours sur un marché telle que la
variation des cours de la monnaie, des devises étrangères et des instruments financiers. En
fait, le risque de marché est composé par le risque de change, le risque du taux d’intérêt et
le risque boursier.
1.2.3.1. Le risque de change :
Ce type de risque est lié à une fluctuation défavorable du cours des devises étrangères par
rapport à la monnaie domestique. Il se manifeste dans les établissements bancaires à partir
du moment où la banque s’engage dans des opérations d’emprunts et des prêts en devises
étrangère. En fai t, ce risque est associé à la sensibilité des cash -flows de la banque au
mouvement du taux de change ainsi qu’à la sensibilité des gains des actions à la modification
du taux de change (Martin et Mauer 2005).
Cet effet peut être direct lorsque la banque di spose des dettes ou des créances en monnaie
étrangère et indirect en cas ou les cash -flows des partenaires sont touchés.
1.2.3.1.1. Le risque de transaction :
Ce risque résulte de la variation de la valeur des créances et des dettes confrontée à une
fluctuation du ta ux de change. Il est qualifié comme un risque technique qui demande
l’usage des instruments du marché de change et celui de la monnaie.
1.2.3.1.2. Le risque de consolidation :
Ce risque provient d’une fluctuation éventuelle de la valeur des actions qui est provoquée
par la transformation des états financiers des filiales implantées dans des pays tiers, avec
une monnaie unique. Cette conversion est procédée pour produire des états financiers
consolidés pour l’ensemble des filiales, ainsi ce risque est appelé aussi un r isque comptable.
1.2.3.1.3. Le risque économique :
Ce risque découle de la modification de la valeur présente de l’entreprise après un
changement de ses flux de trésorerie, en fait cette modification issue d’une variation du taux
de change.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 11
1.2.3.2. Le risque du taux d’inté rêt :
Ce risque se matérialise par une évolution défavorable du taux d’intérêt. En fait, la banque
subit un risque d’accroissement du taux lorsqu’elle prête à taux fixe et se refinance avec un
taux variable, du fait que la banque soumis à un risque d’avoir un coût des ressources plus
élevé que les gains des emplois , et inversement dans le cas d’une diminution du taux.
En outre, un changement imprévu du taux d’intérêt peut affecter négativement la situation
de la banque en influençant sa crédibilité ce qui entraine un recours aux dépôts par les
épargnants.
1.2.3.3. Le risque boursier :
Cette catégorie de risque est associée à une variation défavorable du cours d’une action ou
d’un indice boursier. En fait, la banque est confrontée à ce risque lorsqu’elle dispose des
titres comme garantie des crédits aussi en cas ou elle possède des participations dans des
filiales (Stephano 1996).
L’étude menée par Markowitz (1952) a été développée par Sharpe (1964) et Lintner (1965),
qui ont prouvé que ce risque est formé par une co mposante liée aux mouvements du
marché (risque systémique) et une composante propre à l’émetteur du titre ( risque
spécifique) qui peut être réduit par la diversification.
1.2.4. Le risque opérationnel :
Ce risque a été défini par le comité de Bâle comme le risqu e de perte découlant de la
défaillance ou de l’inadéquation des procédures internes, des personnes, des systèmes ou
résultant d’événements externes. En fait, le risque opérationnel peut être déclenché par le
personnel à travers les fraudes et les erreurs, par un événement extérieur tel que les
événements naturels et politiques ou un changement de loi et de réglementation, par les
procédures suite à une erreur de comptabilisation et par le système en cas de problèmes
techniques ou informatiques, ainsi ce ri sque est spécifié par le caractère involontaire.
Jusqu’aux années 90, ce type de risque était évalué comme un risque minime et difficile à
apprécier parce qu’il est associé à des événements extrêmes mais il a attiré l’attention de
plusieurs chercheurs tels que Fontnouvelle et al. (2005) et Dutta and Perry (2007) suite aux
développements technologiques et aux montes des investissements dans les systèmes
d’informations.
1.2.5. Le risque de solvabilité :
Ce risque indique l’insuffisance des fonds propres pour faire face aux risques éventuels
associés à l’activité de la banque, ainsi l’incapacité d’absorber les pertes potentiels comme le
non remboursement de crédit ou une perte de valeur d’un actif. En fait, le risque de

Chapitre 1 : Les risques et la gouvernance bancaire

Page 12
solvabilité ne résulte pas seulement de l’abse nce de fond propre mais il découle aussi de
différents risques bancaires comme le risque de crédit et de marché.
1.2.6. Le risque systémique :
Ce risque est se définie comme un événement particulier qui se traduit par des effets
négatifs sur le système financier dans son ensemble. En fait, une diffusion des mauvaises
informations sur l’état de certains établissements financiers entraine des réactions en chaine
qui peut provoquer une crise générale, du fait que ces mauvaises nouvelles ont une
influence sur les autr es établissements qui sont liés directement ou indirectement avec celui
risqué.
En effet, l’un des principaux facteurs du risque systémique correspond à la panique bancaire,
en fait lorsqu’une banque annonce sa faillite les déposants des autres établisseme nts
bancaires vont retirer leurs dépôts, ainsi la course aux dépôts peut amener à la faillite
d’autres banques, d’où l’effet domino qui peut danger l’ensemble du système bancaire local
et même international.
Cet effet est causé par l’interconnexion des ét ablissements financiers entre eux et avec
d’autres secteurs aussi avec des pays tiers grâce à la libéralisation et l’endettement externe,
ce qui entraine la transformation d’un événement soudain à un choc systémique induisant
des pertes économiques graves.
1.2.7. Le risque de contagion :
Ce risque correspond à la probabilité de déclenchement d’une crise dans un pays, produite
par un événement similaire particulier dans un pays. En fait, la propagation des chocs
externes vers les pays émergents se manifeste par div ers mécanismes notamment le fait que
les flux des capitaux vers les pays émergents sont influencés par les variations des taux
d’intérêts adaptés dans les marchés financiers mondiales.
En outre, l’endettement privé à court terme en devise représente un fac teur important
d’exposition au risque des chocs externes, ainsi l’ouverture financière constitue un
déterminant crucial du déclenchement des crises par l’effet de propagation.
1.2.8. Le risque d'atteinte à la réputation :
Ce type de risque se manifeste lorsque l’ opinion publique prend une image négative sur une
banque, ce qui peut engendrer la perte des clients ainsi que des sources de financement.
En fait, l’accroissement de l’exposition à d’autres types de risque peut amener à la
détérioration de la réputation, en plus, une impression négative se produit lorsque les clients
sont confrontés à des difficultés dans l’usage de certains services de la banque et cette

Chapitre 1 : Les risques et la gouvernance bancaire

Page 13
dernière ne procure pas convenablement les indications nécessaires pour l’usage de ses
services.
Dans des cas extrêmes, le risque d’atteinte à la réputation peut engendrer une perturbation
dans l’ensemble du système bancaire, par exemple, l’image de plusieurs banques peut être
touchée lorsque une grandes banque subit une dégradation de son image.
1.2.9. Le risque pays :
Ce risque correspond à l’insolvabilité de l’emprunteur à cause de sa localisation
géographique, ce qui signifie que le client ne peut pas payer sa dette parce qu’il exerce son
activité dans un pays donné. En fait, ce risque se manifeste suite au no n remboursement de
la créance étrangère.
Le risque pays devient plus important avec l’accentuation de l‘internationalisation des
opérations bancaires et de la libéralisation.
Le risque pays englobe 2 composantes : le risque politique et le risque économiqu e.
1.2.9.1. Le risque politique :
Les pays politiquement instable se caractérisent par un accroissement du risque des
créances qu’elles possèdent. En outre, l’instabilité politique d’un pays engendre des
problèmes pour les créanciers comme la renégociation des cont rats, l’interdiction ou la
limitation des IDE et de sortie des capitaux, etc.
1.2.9.2. Le risque économique :
Ce risque dépend de la situation économique et monétaire du pays qui est incapable de
garantir le service de la dette à ses créanciers. En fait, il découle de l’incapacité des autorités
publiques d’un pays à rembourser les intérêts et le capital des crédits aux créanciers.
1.2.10. Le risque juridique :
Ce risque se manifeste par le non-respect ou la violation des règles, des lois ou des
règlements, en plus lorsque l es obligations et les droits des parties pour une opération ne
sont pas clairement précisés. Ainsi, une banque peut être affectée par ce type de risque
lorsqu’elle diffuse des informations sur sa clientèle.
1.2.11. Le risque stratégique :
Ce type de risque est lié aux divers événements qui peuvent menacer l’atteinte des objectifs
stratégiques. En fait, le risque stratégique est associé aux décisions prises par les organes
décisionnels de la banque. Ces décisions stratégiques ont plusieurs formes tel que les
décisi ons d’implantation régionale (fermeture ou ouverture des filiales bancaires), de fusion,

Chapitre 1 : Les risques et la gouvernance bancaire

Page 14
de partenariat, d’internationalisation, de diversification (l’investissement dans des nouveaux
produits bancaires, marchés…), etc.
1.2.12. Le risque de signature :
Ce risque p eut être défini comme le risque que le débiteur n’honore pas tous ses
engagements (Lobez, 1997)
1.2.13. Le risque de concurrence :
Ce risque désigne la perte découlant d’une baisse de rendement des opérations bancaires
traditionnelles suite à l’intensification de la concurrence. En outre, une banque peut être
incitée à prendre plus de risque dans un environnement marqué par une forte concurrence.
Section 2 : La gouvernance bancaire
L’importance des externalités des activités bancaires sur la sphère réelle ainsi q ue la
participation croissante des institutions bancaires et financières au fonctionnement de
l’économie constituent les raisons d’émergence d’une approche industrielle pour les
banques. C’est ainsi que la notion de gouvernance d’entreprise a été propagée aux
établissements bancaires d’où la nécessité d’élaborer une gouvernance propre aux
banques.
Un consensus a été apparait sur le fait que l’usine bancaire doit être organisée par des
règlements qui ont pour objectif la réduction des risques bancaires par ce que la banque
constitue l’essentielle source de financement de l’économie (Anderson et Campbell 2004).

Mehram (2004) stipule que la bonne gouvernance des établissements bancaires engendre
une croissance durable et une bonne santé de l’économie ainsi q u’une meilleure allocation
de l’épargne selon Caprio et al (2004).

Stuart et Gillan (2006) précisent que la gouvernance d’entreprise comporte deux
dimensions, l’une interne et l’autre externe. En particulier dans l’industrie bancaire, la
dimension intern e est associée à la manière d’administrer la banque tandis que la dimension
externe est représentée par la réglementation prudentielle bancaire.

1. La gouvernance interne :
La gouvernance interne est définie selon Charreaux (1997) comme « un en semble de
mécanismes ayant comme effet de délimiter le pouvoir et d’influencer les décisions des

Chapitre 1 : Les risques et la gouvernance bancaire

Page 15
dirigeants, autrement dit, qui ‘gouvernent’ leur conduite et définissent leur espace
discrétionnaire »4.
En fait, les mécanismes internes de gouvernance ont po ur objet de contrôler le
comportement des dirigeants afin de protéger les actionnaires, ainsi pour empêcher le fait
que le conseil d’administration diverge des intérêts des associés.
L’Organisation de Coopération et de Développement Economique (OCDE 2004) a indiquée
qu’ « un gouvernement d’entreprise de qualité doit inciter le conseil d’administration et la
direction à poursuivre des objectifs conformes aux intérêts de la société et de ses
actionnaires et faciliter une surveillance effective des résultats obtenus »5.
Le dispositif de gouvernance interne est formé principalement par la structure de propriété
et le conseil d’administration.
1.1. Structure de propriété :
Le mécanisme de structure de propriété est considéré comme un outil i nterne essentiel de
gouvernance bancaire car il gère les problèmes d’agence entre les parties prenantes telles
que les actionnaires et les dirigeants afin de converger leurs intérêts.
L’efficacité de ce mécanisme est attachée aux objectifs et aux différen tes catégories des
propriétaires ainsi qu’au poids de leurs décisions.
Selon Brook et al (2000) la structure de propriété vise la séparation de la propriété du capital
et du contrôle de la firme. Cette séparation peut être expliquée par le fait que les pet its
propriétaires sont intéressés par la rentabilité de leurs actions beaucoup plus que par la
surveillance de la banque.
On distingue trois catégories d’actionnariat :
1.1.1. La propriété étatique :
La Porta et al (2002) prouvent que lorsque l’Etat accapare une part des actions des banques
le système bancaire est caractérisé par une faible efficience.
Ainsi, les banques étatiques financent les projets peu productifs et présentant des niveaux
de risque élevés pour contribuer au développent économique en encourage ant les
investissements. En fait, ce genre de propriété vise l’amélioration de l’utilité collective.
Le propriétaire public peut représenter le pouvoir politique dans une banque en asseyant de
satisfaire les intérêts de quelques agents politiques.

4 Charreaux G., 1997, ‘le gouvernement des entreprises, corporate governance’, Théorie et Faits, Economica.
5 Rapport de l’OCDE sur les principes de la gouvernance d’entreprise, 2004.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 16
1.1.2. La propriété institutionnelle :
La propriété institutionnelle accapare une position importante dans le mécanisme de
contrôle. En fait, ce genre de propriété représente un moyen de surveillance efficace des
dirigeants (Jensen 1993).
L’actionnariat instit utionnel6 a un avantage informationnel par rapport aux autres
propriétaires concernant les particularités du secteur et l’environnement bancaire qui leur
permet de mieux contrôler la banque.
Hudson, Parrino et Starks (1998) ont prouvé que d’actionna riat institutionnel représente un
palier important dans la discipline des hauts dirigeants.
1.1.3. La propriété étrangère :
Vu la libéralisation des marchés des capitaux, les investisseurs étrangers ont participés au
capital des banques. Choi et Hasan (2005) stip ulent que les propriétaires étrangers sont plus
indépendants des managers que les autres actionnaires. En outre, ce type de propriété
permet le transfert de nouvelles technologies et des techniques plus efficaces de gestion de
risques (Claessens et al 2001 ).
En outre, une autre nature de propriété a été évoquée à savoir la propriété managériale.
Ainsi, Slutz (1988) stipule que cette dernière constitue un élément important dans le
mécanisme de gestion des problèmes existant entre les actionnaires et les mana gers.
Ainsi, Berle et Means (1932) constatent que les managers sont incités à employer les actifs
de la banque dans leurs intérêts personnels lorsque la firme est caractérisée par faiblesse de
la propriété managériale et une dispersion actionnariale élevée . Ce qui génère plus de coûts
et entraine la détérioration de l’efficacité de la banque.
1.2. Le conseil d’administration :
Jensen et Mechning (1976) considèrent que le conseil d’administration est responsable à la
résolution des conflits entre les dirigeants e t les actionnaires afin d’atténuer les coûts
d’agence.
Ainsi, selon Charreaux (2000) le conseil d’administration doit équilibrer et protéger les
intérêts de diverses parties prenantes.
Les missions principales du conseil d’administration sont les suivant s :
 La spécification des objectifs et des stratégies de la banque.
 L’appréciation de la performance de la banque.

6 Les actionnaires institutionnels peuvent être des établissements d’assurance, des institutions bancaires ou
des organisations de placements collectifs.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 17
 Le contrôle des actions des dirigeants.
 Le mode de rémunération des dirigeants.
 La diffusion des informations relatives aux différentes opérat ions de la banque.
Afin d’assurer une supervision efficace du conseil d’administration, divers comités ont été
mis en place touchant plusieurs divisions de la banque telles que le risque, l’audit, la
rémunération et la nomination.
 Le comité d’audit : ce c omité présente divers misions notamment :
– Le contrôle des audits internes ainsi qu’externes de la banque.
– Le contrôle de la fourniture des recommandations au conseil
d’administration concernant les rémunérations et les nominations.
– La mise en place des act ions correctrices des faiblesses du contrôle interne
– L’assurance de bonne application des lois et des règlements.
 Le comité de risque : ce comité est responsable de la surveillance des différents
risques auxquels la banque est exposée, ainsi que les risque s qui sont mal estimés par
la direction générale.
 Le comité des rémunérations : ce comité est composé par les administrateurs non
salariés. Il représente le collaborateur du conseil d’administration en ce qui concerne
l’évaluation de la performance de la banque et des conditions de rémunération des
agents de la direction générale.
 Le comité de nomination : son rôle est de s’assurer que la désignation d’un membre
suit un processus formel et transparent ainsi que la fourniture des recommandations
de nominati on des agents.
Parmi les caractéristiques du conseil d’administration, nous présentons celle les importantes
à savoir la dualité et la taille.
1.2.1. La dualité :
Plusieurs auteurs comme Fama et Jensen (1983) ont opté pour la séparation entre la
fonction d e dirigeant et du président de conseil d’administration.

La dualité 7permet la condensation de pouvoir décisionnel en un seul agent, c'est -à-dire le
même individu est responsable sur les deux fonctions : décision et contrôle.
Jensen (1993) stipule que l orsque le dirigeant occupe le poste de président du conseil
d’administration l’efficacité des mécanismes de contrôle sera détériorée.
Cependant, Brickley, Coles et Jarrel (1997) stipulent que la séparation entre le président de
conseil d’administration et le manager n’entraine pas forcément une amélioration de la

7 La dualité désigne que le poste d e président du conseil d’administration et le poste de président directeur
générale sont occupés par le même individu.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 18
performance de la banque. Selon ces auteurs, la séparation présente un coût qui est lié à
une mauvaise communication entre le président du conseil et le manager.

1.2.2. La taille :
L’efficacité du conseil d’administration comme un outil de supervision dépend de sa taille
qui peut influencer la prise de risque bancaire. Selon Jensen (1993) la fonction de contrôle
est mieux performante avec un conseil d’administration caractérisé par une taille rest reinte
de sept ou huit administrateurs. Ainsi, une taille élargie peut empêcher le bon
fonctionnement du conseil d’administration (Changanti et al . 1985).

En fait, une taille réduite du conseil d’administration assure une bonne communication et
collabora tion des administrateurs ainsi une facilité de coordination de leurs opinions, ce qui
entraine un contrôle des décisions des dirigeants.
Cependant, d’autres auteurs considèrent que plus la taille du conseil d’administration
s’élargie plus il est doué de co mpétences et d’expérience, et ainsi assurer une meilleure
contrôle de prise de risque.

2. La gouvernance externe :
Il parait nécessaire que le contrôle bancaire soit effectuer par des organismes de régulation
responsables sur la stabilité financière (Stigl itz 2003).
En fait, La dimension externe de la gouvernance bancaire est représentée par la
réglementation prudentielle qu’elle est composée par l’ensemble des normes qui
permettent d’atténuer les divers risques auxquels les banques sont exposées (Pfister 1997).
Soubeyran (2004) stipule qu’on entend par supervision bancaire l’ensemble des mesures
mis en œuvre par les autorités de contrôle du système bancaire et financier afin de soutenir
la stabilité de ce dernier.
2.1. Justification de la réglementation banca ire internationale :
L’établissement de la réglementation prudentielle internationale a été argumenté par divers
raisons qui sont principalement de deux natures :
 Assurer la protection des déposants en garantissant que l’activité bancaire
se réalise d’une manière prudente et sécurisée.

 Assurer la stabilité du système bancaire qui aboutie à la sécurité financière
afin de prévenir le risque systémique.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 19
Elle s’additionne à ces deux justifications essentielles, une autre motivation de l’instauration
du système réglementaire à savoir l’imperfection du marché.
2.1.1. Protection des déposons :
Chaque banque doit disposer suffisamment du capital afin d’absorber les pertes imprévues
sur les actifs ou sur le portefeuille des prêts. En fait, ce capital assure une cer taine sécurité
qui engendre une confiance des clients à l’égard de la solvabilité de la banque, ainsi cette
dernière bénéficie d’une bonne image. Cependant, lorsque le capital est insuffisant les
déposants perdraient une part de leurs avoirs financiers.
Ainsi, la protection des déposants et des épargnants représente la première justification de
l’établissement d’un cadre réglementé de l’activité bancaire. En fait, le système
réglementaire vient à définir le ratio du capital adéquat afin de garantir la sécu rité des
dépôts qui constitue un argument important en faveur de la réglementation prudentielle
bancaire.
2.1.2. Prévenir la contagion des faillites bancaires :
La nécessité d’assurer la stabilité du système bancaire et prévenir le risque systémique
constitue un e seconde justification qui s’ajoute à la protection des déposants.
En fait, une faillite bancaire peut se propager d’une institution à une autre à cause de la
présence des liens entre les banques et l’internationalisation des activités bancaires ainsi,
l’effet d’une faillite ne se limite pas à l’institution qui a été initialement affectée, d’où le
concept de risque systémique qu’il faut réduire. Ainsi, la nécessité de surveillance des
régulateurs internationaux pour qu’une faillite limitée à une banque ne se transforme pas à
une crise étalée dans l’ensemble du système bancaire internation al.
2.1.3. Imperfection du marché :
Le comité de Bâle considère que la transparence et la qualité de l’information financière
constituent un facteur essentiel de la solidité d u système bancaire qui subit à un contrôle
efficace.
En effet, l’évaluation des activités des institutions bancaires ainsi que des risques encourus
représente un défi important pour les autorités de contrôle et les intervenants sur le marché
bancaire et f inancier.
Ce défi devient difficile à réaliser à cause du développement et de la sophistication des
activités bancaires, ce qui incite les régulateurs internationaux à préciser certaines
informations que les banques sont obligées de publier, concernant la composition et
l’allocation des fonds propres ainsi que la nature des risques auxquelles la banque est
exposés.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 20
Donc, il devient nécessaire d’établir une réglementation qui favorise la transparence dans le
système bancaire aboutissant à une meilleure sol idité financière des banques puisque
l’imperfection de marché est une source d’instabilité bancaire.
En outre, la réglementation prudentielle bancaire est justifiée par la présence d’asymétrie
d’information qui subsiste entre les préteurs et les emprunteu rs. En fait, plusieurs auteurs
ont indiqué que cette asymétrie d’information est à l’origine de la sélection adverse
(asymétrie ex -ante) qui se manifeste lorsque le préteur ne connait pas certaines
informations sur l’emprunteur ainsi que de l’aléa morale ( asymétrie ex -poste) qui provient
de l’insuffisance de l’information sur le comportement de l’emprunteur après la signature du
contrat du crédit.
2.2. Les objectifs de la réglementation bancaire :
La réglementation prudentielle appliquée aux banques à l’échell e mondiale vise plusieurs
objectifs dont les principales sont les suivants :
2.2.1. L'harmonisation internationale des conditions de la
concurrence :
Une harmonisation mondiale des normes applicables aux activités des établissements
bancaires doit être accomplie afin de pouvoir mis en évidence les règles de contrôle
prudentiel, en fait cette harmonisation internationale aboutie à « un terrain de jeux
concurrentiel »8, comme le note Bessis (1995).
Le dispositif réglementaire vise ainsi à élaborer un environnement concurrentiel qui se
caractérise par des conditions équitables pour toutes les institutions bancaires.
2.2.2. La modernisation du fonctionnement des banques :
La réglementation prudentielle bancaire internationale doit tenir compte des changements
qui se sont p roduit dans l’environnement bancaire. En fait, pour actualiser l’activité bancaire
le dispositif réglementaire est obligé de s’adapter aux nouveaux phénomènes tel que la
globalisation des services bancaires et financiers ainsi que l’implication importante de la
discipline de marché dans la régulation des banques.
Les régulateurs ont le but de moderniser le fonctionnement du système bancaire en suivant
la transformation des pratiques et des techniques bancaires.
2.2.3. Le renfor cement de la sécurité bancaire :
Ce but peut être qualifié comme le produit de ceux étudiés auparavant, du fait que lorsque
les conditions de la concurrence sont harmonisées au niveau international ainsi que le

8 Bessis J., 1995, ‘Gestion des risques et gestion actif -passif des banques’, Edition Dalloz, p 52.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 21
fonctionnement des banques sera plus moderne , nous pouvons nous assurer d’une certaine
sécurité du système bancaire.
Ainsi, les réglementations visent à favoriser la stabilité et la solidité bancaire source de la
sécurité financière en menant des normes qui permettent de limiter les risques bancair es
ainsi que des règles de prévention du risque systémique.
2.2.4. L'amélioration des relations avec la clientèle :
Vu que la pérennité de toute banque est conditionnée par l’amélioration permanente de la
relation avec sa clientèle, les régulateurs ont touché p ar ses règles les relations qui existent
entre les banques et leurs clients afin de préserver le respect des intérêts des clients ainsi
que leurs satisfactions et de garantir la sécurité des opérations bancaires, ainsi la bonne
réalisation de ces actions p eut assurer la survie de la banque.
2.3. Les mécanismes de la réglementation bancaire :
Divers mécanismes ont été élaborés par les différents théoriciens de la réglementation
bancaire telle que le préteur de dernier ressort, l’assurance des dépôts, les restric tions à
l’entrée au secteur bancaire et le capital minimum, en fait, ces mécanismes sont utilisés par
les superviseurs nationaux.
2.3.1. Le préteur du dernier ressort :
Bahegot (1873) a élaboré un mécanisme de réglementation qui est assuré par la banque
centr ale à savoir le préteur du dernier ressort.
L’instauration de ce mécanisme exige que la banque centrale doive être engagée à prêter
chaque banque qui soufre de difficulté de liquidité, quel que soit le montant demandé sauf
dans le cas ou la banque n’est p as solvable.
En fait, la banque sera pénalisée par un taux sur le prêt et elle doive disposer de bonnes
garanties qui conditionnent ce prêt. D’autre part, Flannery (1996) affirme qu’une banque ne
peut pas bénéficier de la liquidité dans le marché interban caire lorsqu’elle est marquée par
des conditions financières incertaines, par conséquent l’utilité du préteur du dernier ressort
est mise en cause puisque une banque qui possède de bonnes garanties peut procurer la
liquidité sur le marché interbancaire. Ce qui incite la banque centrale à élargir son
engagement en alimentant chaque banque de la liquidité nécessaire. Cependant un coût
d’alea morale de la banque se produit par cette garantie illimitée.
2.3.2. L’assurance dépôt :
La présence de mécanisme d’assuranc e dépôt permet d’éviter les paniques bancaires
puisque les déposants ne font pas recours aux banques pour retirer leurs dépôts lorsqu’il se

Chapitre 1 : Les risques et la gouvernance bancaire

Page 22
produit un comportement moutonnier de retrait. Cependant, ce mécanisme comporte un
coût d’aléa morale, en fait lorsq ue la banque est assurée, elle n’assume pas tout le risque qui
découle de ses actifs et donc elle va prendre plus de risque.
Merton (1977) a prouvé que l’assurance dépôt peut être approximé à une option de vente
sur le montant des actifs de la banque. En f ait, lorsque la prime d’assurance n’est pas
affectée par le risque, la banque peut accroitre le montant de l’option en prenant plus de
risque.
En outre, cet auteur a indiqué que l’appréciation du juste prix de l’assurance dépôt nécessite
l’existence d’un marché complet ainsi qu’une information parfaite sur le niveau du risque
que comportent les actifs de la banque. Or, lorsque l’assurance dépôt est à son juste prix la
possibilité d’alea morale sera inexistante et donc l’utilité de ce mécanisme devienne
négligeable par ce que le risque de panique bancaire est limité.
Demirgüç -kunt et Detragiache (2002) ont démontrés dans leur étude que les schémas
explicites d’assurance dépôt favorisent l’émergence des crises bancaires.
2.3.3. Les restrictions à l’entrée:
L’établissement des barrières à l’entrée au système bancaire constitue un autre mécanisme
de réglementation. En effet, plusieurs restrictions ont été instaurées telle que les règles
d’octroi des crédits, les conditions d’acquisition d’agrément de banque, les marges des taux
d’intérêt créditeur et débiteur… et ainsi que les restrictions contestées telle que
l’établissement des banques de petite taille qui ont le droit d’investir seulement dans les
titres non risqués notamment les titres de l’Etat.
Kashyap, Raj an et Stein (2002) ont élaboré une étude qui prouve que cette restriction
engendre un coût de non création de la liquidité par ces petites banques.
Ainsi, Wallace (1996) prouve que les nouvelles institutions qui vont accaparer une certaine
partie abandonn ée par les banques vont être touchées par le danger de la ruée.

2.3.4. Le capital minimum :

La fixation d’un capital minimum que doit détenir la banque est un mécanisme présenté par
le comité de bale (1988), il a été répondu à l’échelle internationale.

2.4. L’évo lution de la réglementation bancaire internationale :

Les mutations du système financier international ont conduit à une transformation
indispensable du système bancaire. Cette transformation a été mise en évidence par une

Chapitre 1 : Les risques et la gouvernance bancaire

Page 23
évolution de la réglementation prudentielle internationale. Ainsi, une dialectique
réglementaire a été manifestée avec cette évolution :

Réglementation Déréglementation Ré-réglementation

2.4.1. Historique de la réglementation b ancaire internationale :

Dès la fin de la deuxième guerre mondiale, la plus part des grands pays développés qui ont
des systèmes bancaires encadrés de façon limité, ont été touchés par de graves crises
bancaires notamment la grande dépression des années 1 930.
En outre, certains facteurs importants ont contribué à la mutation du système bancaire et
financier notamment l’internationalisation et la déréglementation des activités du secteur
bancaire dès le début des années 1980.

Ainsi, plusieurs crises financ ières importantes telles que la crise de la dette en Mexique en
1982, la faillite des caisses d’épargne en Amérique et particulièrement le crach boursier de
1987, ont prouvé le besoin des règles qui protègent le système bancaire des faillites et des
crises marquant des conséquences graves dans l’ensemble des économies du monde.

A cet égard, une harmonisation des règles prudentielles a été nécessaire pour suivre une
voie de sécurité bancaire, ainsi le responsable de cette harmonisation est un comité attach é
à la banque des règlements internationaux (BRI) dont le siège est à Bâle (Suisse).

En effet, le comité de Bâ le a été créé à la fin de 1974 par les gouverneurs des banques
centrales de groupe des dix (G10)9, sous le nom de comité de Bâle pour la supervis ion
bancaire (CBSB), après quelques mois de la faillite de la banque allemande Herstatt et la
banque Franklin Nationale aux Etats Unis qui ont entrainé la faillite des autres banques et
ainsi de grandes pertes dans le système bancaire.

Ce comité représen te le principal organe international qui vise la stabilité du système
bancaire en menant des recommandations aux superviseurs bancaires afin de renforcer le
contrôle bancaire ainsi que l’instauration des normes applicables au niveau mondial qui
assurent la sécurité du système bancaire.

Les règles issues du comité de Bâle sont basées sur les fonds propres. L’importance de ces
fonds provient du fait qu’ils permettent aux banques la formation d’un coussin de sécurité
avec lequel une banque faite face aux tro ubles financiers qu’ils peuvent l’affecter. Ainsi, les
fonds propres accroissent la confiance des créanciers et celle des actionnaires.

9 Le groupe des dix (G 10) est form é par l’Allemagne, la Belgique, la France, le Canada, les Etats Unis, l’Italie, le
Japon, les Pays -Bas, la Royaume -Unis, la Suède et la Suisse.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 24
2.4.2. Les normes prudentielles bancaires :

La solidité financière du système bancaire est un facteur indispensable étant do nnée les
conséquences d’une faillite potentielle d’une banque sur l’ensemble du système financier et
encore sur la sphère économique. En fait, la robustesse des banques est évaluée
principalement par la valeur des fonds propres qui renseignent sur la capac ité d’absorber les
pertes éventuels associées aux risques bancaires, ainsi le montant des fonds propres
détermine la solvabilité de la banque que doit à tout moment répondre à ses engagements.

Pour cela, la banque des règlements internationaux a instaurée des normes bancaires basées
sur des ratios de solvabilité que chaque banque est tenue de les respecter.

Le premier ratio de ces normes est dit ratio Cooke (Bâle 1) qui a été remplacé par un autre
ratio sous l’appellation Mc Donough (Bâle 2) et celui auss i a été suivit par un nouvel accord
nommé Bâle 3.

2.4.2.1. Bâle 1 :

2.4.2.1.1. Origine :

Le ratio Cooke a été l’initiative de Paul Volker qui gouvernait la banque centrale américaine
(la Réserve Fédéral). En fait, ce dirigeant a proposé en 1984 aux gouverneurs des ban ques
centrales membres du comité de Bâle, une orientation vers une réglementation qui vise les
niveaux de fonds propres des banques en réponse à la monté des risques particulièrement
dans le secteur bancaire américain.

Or, la constitution des fonds prop res supplémentaires pour faire face aux difficultés que
connait le système bancaire et financier américain, engendre une perte de compétitivité des
banques américaines face aux banques concurrentes étrangères qui n’ont pas soumis à cette
obligation. En plu s, cette réforme affaiblie la capacité des banques américaines à répartir les
dividendes sur ses actionnaires.

Ce qui pousse les autorités américaines à proposer une convergence internationales des
règles de fonds propres, en procédant à une négociation bilatérale avec la Grande -Bretagne
sur cette réforme bancaire. Ainsi, les autorités britanniques acceptaient ce standard
prudentiel, c’est ainsi que des négociations multilatérales ont été déclenchées au sein du
comité de Bâle. Ces discussions ont abouties à un accord officiel en juillet 1988 sous le nom
accord de Bâle 1.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 25
2.4.2.1.2. Principe :
Cet accord a été signé en 1988 au sein de la Banque des Règlements Internationaux (BRI) en
définissant un niveau de fonds propres minimum que chaque banque doi t détenir en
fonction des risques encourus.

Arnaud De Servigny (2001) a indiqué que l’accord de Bâle 1 qui a été entrée en vigueur en
1992 marque une grande mutation en termes de réglementation prudentielle
internationale.

Bâle 1 présente un double obj ectif, le premier consiste à consolider la sécurité et la solidité
du système bancaire international à travers une exigence minimale de fonds propres et le
second vise le renforcement de la santé bancaire internationale en favorisant un
environnement de co ncurrence équitable grâce à une cohérence plus grande entre les
banques de l’ensemble des pays.

Ainsi, les différents pays désiraient d’être partie dans l’orientation de l’harmonisation
internationale de la réglementation de l’activité bancaire à travers l’adaptation des autorités
réglementaires nationales aux règles internationales en application.

Cet accord est fondé sur un ratio minimum nommé le ratio Cooke qui met en relation les
fonds propres et les engagements de la banque. En fait, cette dernière doit respecter les
exigences minimales de fonds propres qui couvrent au moins les 8 % des engagements de
crédits qu’elle accorde.

Le comité de bale présente deux composantes qui constitues les fonds propres d’une
banque pour le calcul des ratios régleme ntaires :

 Tier 1 : appelé encore les fonds propres de base, il est composé par le
capital sociale et les réserves publiés. Cette composante est qualifiée
comme un noyau dur qui représente la capacité d’absorption des pertes la
plus élevée.

 Tier 2 : appel é aussi les fonds propres complémentaires, il est formé par les
dettes subordonnées, les provisions non déclarées (non affectées aux
risques), les réserves de réévaluations, les instruments hybrides (comme
titre de participation intermédiaire entre action et obligation).

En fait, le numérateur du ratio Cooke est formé par les fonds propres de la banque dont les
fonds propres durs et les fonds propres complémentaires représentent chacun au moins 4 %
des engagements pondérés, a lors que ces derniers constituent le dénominateur ou certains

Chapitre 1 : Les risques et la gouvernance bancaire

Page 26
engagements sont tenus totalement dans le calcul car ils sont associés à un niveau de risque
élevé, d’autre sont pris partiellement puisqu’ils présentent un risque plus faible, et lorsque
les e ngagements sont considérés comme non risqués alors ils ne sont pas pris en compte, du
fait que les engagements de la banque sont associés à des pondérations qui dépendent du
niveau de risque.

Les pondérations des engagements bancaires sont présentées d ans le tableau n°1 en allant
du moins risqué au plus risqué :

Tableau 1. Echelle de pondérations des engagements bancaires

Pondérations Types d’engagements
0 % Encaisse, réserve obligat oire et engagement sur les Etats de l’OCDE
20 % Créances sur les collectivités locales de l’OCDE et sur les banques à moins d’un an
50 % Crédits hypothécaires
100 % Crédits aux entreprises, aux particuliers et dettes souverains hors l’OCDE
Source : Bessis J. (1995) avec transformation.

Chaque banque doit respecter le ratio de solvabilité de 8 % pour être considérée comme
solvable.
( )

Cela signifie que lorsqu’une banque accorde 100 millions de dinars tunisien en totale
comme des crédits, elle doit détenir 8 millions de dinars tunisien de fonds propres au
minimum pour être évaluée comme une banque solvable.
A l’origine, le ratio de Bâle 1 s’intéresse uniquement au risque associé aux crédits bancaires.
Cependant, en s’adaptant à l’évolution de la nature des risques bancaires, le ratio Cooke a
touché ainsi le risque de marché.

En fait, une amélioration de ce ratio a été établie depuis 1996 visant l’intégration de risque
de perte lié à une évolution défavorable des cours sur un marché. Ainsi, des fonds propres
sur-réglementaires ont été définis pour couvrir spéciale ment le risque de marché.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 27
Alors le ratio de solvabilité devient comme suit :

( )

En mois de décembre de chaque année le calcul du ratio Cooke est obligatoire et ainsi
chaque banque est censée déclarer ce ratio.
2.4.2.1.3. Les limites :
En dépit des apports importants de la réglementation prudentielle bancaire internationale à
travers le ratio Cooke que présente divers points positifs, plusieurs critiques sont adressées à
ce ratio par les acteurs bancaires et financiers.
En fait, divers auteurs ont manifesté les faiblesses suivantes :
 L’incorporation des risques est insuffisante car la banque est exposée au d’autres
risques que le ris que de crédit et de marché comme le risque opérationnel.
 L’imposition d’une exigence en fonds propres peut influencer négativement la
rentabilité des banques.
 La rigidité de la pondération des risques ne donne pas une image réelle sur la qualité
des actifs du bilan (Blanc et Narbonne 2003) .
 Les nouveaux instruments de réduction de risque de crédit ne sont pas tenus en
compte (comme la titrisation du crédit).
 La diversification de portefeuille n’est pas prise en considération.
 La prise en compte étroite d es garanties.
 Un tel ratio peut engendrer des effets pervers, c'est -à-dire il peut inciter la banque à
prendre d’autres types de risque.
Ces faiblesses ont poussées le comité de Bâle à entamer une révision de l’accord de Bâle
initial. Ainsi, l’élaboration d’un nouvel accord pour remédier aux insuffisances du ratio
Cooke.
2.4.2.2. Bâle 2 :
Ce nouvel accord de bale représente une réforme profonde de la réglementation
internationale bancaire.
2.4.2.2.1. Principe :
Dés la mise en œuvre de Bâle 1, une intense évolution a été in tervenue dans les marchés
financiers et dans les instruments de gestion de risque ainsi l’activité bancaire a subie des
transformations importantes.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 28
En tenant compte de ces mutations, le comité de Bâle a présenté en 2004 un nouveau
dispositif d’adéquation des fonds propres sous le nom de l’accord de Bâle 2 afin de combler
les insuffisances et les lacunes ainsi que l’ensemble des critiques adressés à l’accord de
Bâle 1.
L’objectif principal de l’accord de Bâle 2 demeure l’amélioration de la sécu rité et la solidité
du système bancaire. En fait, le nouveau ratio qui est appelé Mc Donough n’a pas dévié de
l’idée du ratio initial mais il l’a développé.
En effet, la définition des fonds propres réglementaires que se soit de base ou
complémentaires r este inchangé, aussi le niveau d’exigence de 8 % n’a fait pas l’objet d’une
modification. Cependant le dénominateur du ratio a été modifié en tenant mieux compte
des risques bancaires, en fait, les risques ciblés par le comité de Bâle sont de trois natures :
le risque de crédit, le risque de marché et le risque opérationnel.
Ainsi, le comité de Bâle a défini des pourcentages d’affectation de fonds propres aux
différents risques, soit 75 % pour le risque de crédit, 20 % pour le risque opérationnel et 5 %
pour le risque de marché.
Donc le ratio Mc Donough qui a été entré en vigueur en 31 décembre 2006 et se définie de
la façon suivante :
( )

Les objets essentiels de Bâle 2 sont les suivants :
 Une allocation de f onds propres plus adaptée aux risques bancaires.
 Amélioration des conditions de concurrence au niveau mondial.
 L’abondance de l’approche de couverture forfaitaire exigée aux établissements
bancaires.
 Elaboration d’une méthode qui tient compte du nive au réel des risques encourus par
chaque banque.
 L’instauration des règles qui prennent d’avantage en considération les risques
associés à l’activité de crédit.
2.4.2.2.2. Les piliers :
Les objectifs déjà désignés, afin de garantir la sécurité bancaire, ne pouvant p as être
accomplis grâce à l’adoption d’une exigence en fonds propres seulement, ce qui justifie
l’instauration de trois piliers complémentaires par le comité de Bâle.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 29
En fait, l’accord bale 2 repose sur un premier pilier concerne les exigences minimales de
fonds propres et sur un deuxième pilier qui se rapporte à un processus de surveillance
prudentielle ainsi que sur un troisième pilier qui touche la discipline de marché.
a. Pilier1 : Les exigences minimales en fonds propres :
Le niveau d’exigence minimale e n capital réglementaire demeure 8 %. En fait, le ratio de
solvabilité était décomposé en deux éléments :
 Un ratio Tier 1 de 4 % au minimum qui comporte un capital sans risque, lui -même a
été décomposé en deux sous parties à savoir le Core Tier 1 de 2 % au minimum qui
englobe les actions et les bénéfices réinvestis et le reste de Tier 1 qui inclus les titres
hybrides représente ainsi 2 % au minimum des actifs pondérés.

 Un ratio Tier 2 aussi de 4 % au minimum qui englobe les éléments de fonds propres
comp lémentaires qualifiés de moindre qualité.
L’accord de Bâle 2 inclus une modification de la définition des actifs pondérés en fonction du
risque. En fait, le dispositif de pondération associé au risque de crédit a été changé, par
contre l’évaluation de risque de marché restait la même comme elle est définie dans le
dispositif de 1996 et puisque le nouvel accord a intégré un autre type de risque qui est le
risque opérationnel, une mesure de ce risque a été créée. L’objet de cette modification est
de perf ectionner le calcul et la pondération en fonction de risques.
Dans le cadre de l’accord du ratio Cooke, le comité de Bâle a mis divers méthodes de mesure
des risques à la disposition des banques qu’elles peuvent choisir la mesure préférable.
Il existe tro is méthodes de mesure de risque de crédit :
 Approche standard : cette approche consiste à calculer les fonds propres nécessaire
pour la couverture de risque de crédit selon les agences de notation externe
internationales (Standard & Poor’s, Fitch Ratings , Moody’s) en classant les
emprunteurs selon leurs types ainsi que leurs probabilités de défaut. Ce qui permet
la transition vers une mesure quantitative et qualitative en même temps.
 Approche de notation interne simple (fondation) : selon cette approche l a banque
estime la probabilité de défaut associée à chaque emprunteur en utilisant ses
propres moyens ainsi que ses informations internes et pour le calcul des autres
paramètres de risque telle que la perte en cas de défaut et l’exposition au défaut, la
banque utilise les éléments livrés par les autorités de contrôle.
 Approche de notation interne complexe (avancée) : cette méthode découle de
l’approche précédente dont tous les paramètres de risque sont calculés par la
banque toute seule sans recours aux au torités de contrôle.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 30
Pour le risque opérationnel, différentes approches ont été mises en place :
 Approche d’indicateur de base : cette méthode est considérée comme la plus simple
pour évaluer le risque opérationnel. Ce dernier doit être couvet par un nive au de
capital égale à la multiplication du produit net bancaire par un coefficient α définie
par le régulateur, qui peut prendre une valeur entre 15 % et 20 %.
 Approche standard : pour chaque type d’activité (i), dont le régulateur a définie huit
métiers, un produit net bancaire (PNBi) est multiplié par une pondération traduit le
risque associé au métier (i).
 Approche avancée : cette approche est basée sur des modèles internes des banques
comme le modèle, ou la banque définie sept types d’événements i qui peuvent
survenir et huit classes de métiers j, qui dégage le niveau de fonds propres couvrant
le risque opérationnel à partir de la multiplication de trois éléments à savoir la
probabilité de l’événements i pour l’activité j , l’indicateur d’exposition lié à l’activité j
et la perte moyenne en cas de la réalisation de l’événements i.
Concernant le risque de marché plusieurs mesures ont été développées selon la nature de ce
risque, c'est -à-dire risque du taux, de change ou boursier. Parmi ces approches, nous citons
la méthode de mesure de marge, la méthode de mesure de valeur et la méthode de mesure
de volume.
b. Pilier2 : La surveillance prudentielle :
Ce pilier consiste à s’assurer que chaque banque a bien évaluée l’adéquation des fonds
propres à l’ensemble d es risques encourus. En fait, cette évaluation nécessite que toute
banque doit instaurer une procédure interne de mesure de risque ainsi que de calcul du
niveau de fonds propres nécessaire. Ensuite, l’autorité de contrôle examine l’appréciation
effectuée p ar la banque en évaluant les méthodes internes d’affectation de capital
réglementaire.
Ainsi, le pilier 2 intègre la possibilité d’intervention des autorités de supervision sur les
exigences de fonds propres ainsi que sur les procédures de gestion de risqu e et
d’entreprendre l’action appropriée pour assurer le respect des règles comme le fait d’exiger
à la banque d’accroitre ses fonds propres au -delà du niveau minimum défini par le pilier 1.
Le superviseur bancaire agit en amont c'est -à-dire de façon préve ntive pour que les fonds
propres de la banque ne soient pas en dessous du niveau minimal exigé par le ratio Mc
Donough.
Ce pilier repose sur un processus de surveillance strict qui comporte plusieurs principes à
savoir :

Chapitre 1 : Les risques et la gouvernance bancaire

Page 31
– La surveillance de la dire ction générale qui est responsable de définir les objectifs
ainsi que les limites de la banque en termes de risque en établissant un processus de
calcul de divers types de risques.
– Le système de détermination de fonds propres nécessaire doit être associé à la
mesure des risques.
– La mise en place d’un processus d’adéquation et de suivie afin de modifier
l’affectation des fonds propres selon le changement du profil de risque.

c. Pilier 3 : La discipline de marché :
Ce pilier vise le renforcement de la disci pline de marché en termes de transparence
(vaillant 2004).
En fait, le pilier 3 est fondé sur l’introduction des normes de transparence qui améliorent la
communication financière avec les acteurs du marché. Ces derniers ont toujours besoin des
information s pertinentes et fiables sur les banques pour pouvoir les évaluées correctement.
Le comité de Bâle a indiqué plusieurs informations que chaque banque devrait annoncer
chaque semestre, ces exigences en informations diffusées concernent le niveau et la
structure des fonds propres ainsi que le profil de risque de la banque ainsi que les méthodes
de mesure et de gestion de ces risques.
Ainsi, l’unification des informations communiquées fait l’objet de ce pilier afin de faciliter la
lecture pour le public. La publication des informations définies par la le comité de bale
constitue une incitation à mieux rationaliser la gestion des risques et l’affectation des fonds
propres.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 32
Une comparaison entre le ratio Cooke et le ratio Mc Donough peut être représentée pa r la
figure n°1 :
Figure 1. Comparaison entre le ratio Cooke et le ratio Mc Donough
Ratio Cooke Ratio Mc Donough

 Exigences en fonds
propres
 Exigences en fonds
propres
 Supervision bancaire
 Transparence financière

 Risque de crédit
 Risque de marché
 Risque de crédit
 Risque de marché
 Risque opérationnel

 Une approche unique
pour l’estimation de
risque de crédit
(pondération
forfaitaire)

 Trois approches
possibles pour
l’évaluation de risque
de crédit et de risque
opérationnel

Source : Sylvie (2008) avec transformation .
2.4.2.2.3. Limite :
Plusieurs critiques ont été adressées à l’accord de Bâle 2 tel que :
 La complexité du dispositif ratio Mc Donough car plusieurs banques n’ont pas pu
appliquer les nouveaux approches de mesure de risques.
 Le dispositif réglementaire Bâle 2 jugé inutile pour les banques qui n’exercent pas
des activités int ernationales.
 La réglementation a été marquée par le phénomène de pro -cyclicité, en fait elle
accentuée l’effet de la conjoncture sur la politique des crédits.
 Bâle 2 n’encadrait pas de manière claire les mécanismes de titrisation qui a été
utilisée par le s banques pour faire face aux exigences accrues sur les fonds propres.
 Bâle 2 n’a pas défini des exigences seuils en matière de risque de liquidité.
Périmètre de
surveillance
élargie
Périmètre de
risque élargi
Flexibilité et
précision de
mesure des risques

Chapitre 1 : Les risques et la gouvernance bancaire

Page 33
 Le dispositif Bâle 2 a été fondé sur une optique micro -prudentielle visant le contrôle
du risque spécifiq ue à un établissement.
 Une sous pondération dans la mesure de risque de marché qui s’est traduit par
l’inadéquation du capital réglementaire avec les risques encourus.
 Bâle 2 engendre un conflit d’intérêt pour la banque car le régulateur contrôle le
respe ct des exigences minimales et les actionnaires demandent le rendement du
capital.
La réglementation prudentielle a été marquée par une évolution profonde avec l’accord de
Bâle 2, toutefois, ce dernier devra poursuivre l’adaptation aux mutations qui affecte nt
l’activité bancaire.
2.4.2.3. Bâle 3 :
Le déclenchement de la crise financière de 2007 a mis en évidence les insuffisances et les
faiblesses du dispositif réglementaire Bâle 2. Ce qui a incité le comité de Bâle à commencer à
établir une révision de cet accord. A insi, les réformes de la réglementation internationale
ont été établies dans le cadre d’un nouvel accord, à savoir Bâle 3.
2.4.2.3.1. Principe :
L’accord de bale 3 a été validé à la fin de 2010 lors du sommet de G 10 à Séoul dont l’objectif
de combler les lacunes d e Bâle 2 afin de renforcer les règles de capital réglementaire et de
liquidité dans le système bancaire internationale.
La réglementation Bâle 3 vise le renforcement de la résilience des banques afin consolider
leur capacité d’absorber les pertes occasion nées par les risques associés à leurs activités. A
cet égard, le comité de Bâle a introduit plusieurs règles telles que l’accroissement de la
qualité et du niveau de fonds propres de la banque, l’instauration d’un ratio visant à limiter
le recours excessif à l’effet de levier ainsi qu’afin de maitriser le risque systémique des
normes macro prudentiels ont été mise en place, en plus un autre ratio a été établi
favorisant la résistance des banques à des problèmes de liquidité, en outre l’introduction
d’un vol ant de capital contra -cyclique pour faire face à la pro -cyclicité.
En outre, cette nouvelle réglementation vise l’amélioration de la discipline de marché en
renforçant l’obligation de divulgation d’information sur les propriétés de fonds propres et
sur la mesure des ratios de solvabilités.
2.4.2.3.2. Réformes :
Le comité de Bâle a élaboré cette nouvelle réglementation afin de renforcer les normes
internationale s selon deux dimensions : micro -prudentiel (au niveau des éta blissements
bancaires) et macro -prudentiel (visant l’ensemble du système bancaire).

Chapitre 1 : Les risques et la gouvernance bancaire

Page 34
Les réformes introduites dans l’accord de Bâle 3 sont les suivantes :
a. Améliorer la qualité et le niveau des fonds propres :
La détention des fonds propres de haute qualité est indispensable pour que la banque soit
capable de faire face aux risques. En fait, la crise de 2007 a montré qu’il existe certains
fonds propres plus durs en termes d’absorption des pertes engendrées par les risques que
d’autres éléments. Donc, il est nécessaire d’améliorer la qualité des fonds propres afin de
renforcer la solvabilité de la banque en associant le capital réglementaire de meilleur
qualité aux activités liées à un niveau de risque plus élevé.
Le comité de Bâle a annoncé une réforme qui consiste à renforcer les fonds propre s de la
banque en termes de qualité et de quantité à travers l’instauration de Bâle 3 qui intègre une
nouvelle structure du capital réglementaire. En effet, les novations touchent les ratios de
solvabilité qui ont été évolués comme suit :
 Les exigences en fonds propres Tier 1 qui sont formées par composante les plus durs
passent de 4 % à 6 %.
 Le ratio core Tier 1 qui se compose principalement par les actions ordinaires passe de
2 % à 4.5 %. Ce capital est disponible à tout moment pour éponger les pertes
survenues et garant la solvabilité ainsi que la pérennité de la banque.
 Un matelas de sécurité supplémentaire de 2.5 % a été instauré. Ce volant de
conservation doit être progressivement constitué par la mise en réserve des
bénéfices.
En outre, la crise fi nancière de 2007 a révélée que les bénéfices non distribués ont
joué un rôle important dans la couverture des dépréciations et les pertes sur les
crédits.
En fait, ce coussin de sécurité servira à renforcer la résilience des banques ainsi qu’à
freiner la distribution des bénéfices dans une circonstance de détérioration de la
situation financière de l’institution bancaire.
 Les fonds propres solides représentent 7 % des actifs pondérés, découlant du ratio
core Tier 1 et du coussin de sécurité.
 Le ratio Tier 2 ne représente que 2 % des actifs pondérés des risques au lieu de 4 %,
en fait ce type de fonds propres servira à absorber les pertes en cas de liquidation
ainsi qu’à rembourser les créanciers en cas de liquidation.

b. L’introduction d’un ratio de levier :
Un effet de levier excessif a été marqué dans la crise de 2007. Ce qui incite le comité de Bâle
à introduire un ratio de levier qui ne dépond pas du risque de manière à faire une
complémentarité avec le dispositif de fonds propres basé sur le risque.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 35
En fait, ce ratio vise à limiter le recours abusif à l’effet de levier dans le secteur bancaire afin
d’atténuer le risque de son inversement qui entraine des troubles importantes dans le
système financier. Particulièrement, pendant une crise l’effet de levi er va être réduit en
renforçant ainsi la dégradation des prix des actifs sur les marchés, ce qui entraine une
détérioration des fonds propres des banques qui résulte la contraction des crédits bancaires
et ainsi l’amplification de la crise.
Le ratio de le vier est mesuré par le rapport de fonds propres sur l’actif total en prenant une
valeur de 3 % pour Tier 1 que fait l’objet d’un test réalisé par le comité de Bâle pendant la
période d’évaluation qui s’étale du janvier 2013 au janvier 2017, et l’instaurati on d’un ratio
minimal en janvier 2018.
Plusieurs insuffisances ont été marquées pour la technique de calcul du ratio de levier. Parmi
ces défauts :
 Elle ne pend pas en considération les engagements hors bilan.
 Elle ne tient pas compte des niveaux de risque s associés aux actifs de la banque
puisqu’elle ne considère pas la qualité de ces actifs.
 Elle peut inciter les banques à recourir à la titrisation afin d’extraire leurs
engagements de crédits du bilan.

c. L’instauration d’un ratio liquidité :
Malgré la co nstitution du niveau minimum de fonds propres pendant la crise, les banques
ont été confrontées à des problèmes de liquidité. Ce qui montre que la réglementation
n’encadrait pas le facteur liquidité.
Dans l’accord de bale 3 le régulateur à procéder à une harmonisation internationale de la
liquidité. En fait le comité de bale propose des recommandations de surveillance et de
gestion de risque de liquidité en établissant deux ratios de liquidités qui sont :
 Un ratio de court terme qui exige aux banques de c onserver en permanence une
quantité d’actifs liquides de haute qualité permettant d’absorber une crise sur une
période de 30 jours.
 Un ratio de long terme qui représente un complément structurel du ratio de court
terme afin d’assurer un financement de bes oins de liquidité sur une période d’une
année.
Ces ratios visent la résilience des banques face à un problème éventuel de liquidité. Les
banques devront respecter le ratio de court terme à partir de 2015 et le ratio de long terme
à partir de 2018.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 36
Les act ifs liquides sont pondérés selon leur qualité en allant d’une pondération maximale de
100 % affectée au titre d’Etat à une pondération plus faible dans l’intervalle (0 %, 50%) pour
les dettes privés.
d. Etendre la couverture des risques (risque systémique) :
L’objet de cet accord est de s’assurer que les risques graves sont bien saisies par la
réglementation et que les fonds propres sont mieux affectés à ces risques. Pendant la crise
le système d’évaluation des risques ait privé de certains éléments de risque. En fait, les
portefeuilles de diverses banques ont été marqués par une part importante des éléments
complexes et sophistiquées qui sont caractérisées par une faible liquidité, ainsi que le risque
lié aux opérations sur les produits dérivés n’a pas été pri s en considération.
Ainsi, plusieurs rectifications ont été développées par le comité de Bâle afin de remédier aux
carences que la crise a mis en exergue en matière de gestion de risque tel que l’élévation du
pondération liée aux opérations de titrisation, ainsi que le renforcement des exigences en
fonds propres qui sont affectés aux risques associés à la structure de hors -bilan. La forte
interdépendance des établissements bancaires et financiers a favorisée la propagation des
chocs dans l’ensemble du systè me bancaire ainsi que dans la sphère économique.
Pour apprécier le niveau de risque systémique à l’échelle international, le comité de Bâle a
instauré une approche fondée sur des indicateurs qualitatifs et quantitatifs afin d’évaluer la
capacité de faire face aux problèmes d’interdépendance.
Face au risque systémique découlant de l’interdépendance entre les différentes institutions
sur le marché financier, le comité de Bâle avec le conseil de stabilité financière a développé
certaines exigences com me :
– Une exigence de liquidité qui pénalise le recours excessif au financement de court
terme sur le marché interbancaire pour financer des actifs de long terme.
– Une exigence de capital pour les expositions aux risques qui découlent des
opérations comple xes sur dérivés et du portefeuille de négociations.

e. L’introduction d’un coussin contra -cyclique :
Pendant la crise de 2007, le phénomène de pro -cyclicité a trop participé dans la vulnérabilité
du système financier et de la sphère réelle.
Le comi té de Bâle a instauré un volant contra -cyclique qui est fixé entre 0 % et 2.5 % des
actifs pondérés des risque qui est fondé sur un aspect préventif. Il est constitué en période
de croissance par les bénéfices mis en réserve. L’objet de ce volant de fonds propres contre –
cyclique est de protéger le système bancaire contre les pertes potentielles et d’absorber les
chocs d’ampleur systémique.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 37
Ce coussin contra -cyclique peut être imposé par les autorités de régulation nationales
lorsqu’elles anticipent qu’un changement macro -économique peut entrainer un
accroissement de risque de choc systémique. En fait, dans une phase de retournement de la
conjoncture particulièrement après une phase d’expansion excessive de crédit, le système
bancair e peut subir de grandes pertes.
Le processus d’application progressif des nouvelles réformes de Bâle 3 a été adopté depuis
01/01/2013 et il va être achevé en 01/01/2019.
Le tableau n° 2 représente le calendrier de la mise en œuvre des réformes de Bâle 3.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 38
Tableau 2. Le plan de la mise en œuvre des réformes de Bâle 3
2011 2012 2013 2014 2015 2016 2017 2018 2019
Ratio Tier 1 4.5% 5.5% 6% 6% 6% 6% 6%
Ratio CoreTier1 3.5% 4% 4.5% 4.5% 4.5% 4.5% 4.5%
Ratio de solvabilité 8% 8% 8% 8% 8% 8% 8%
Volant de conservation 0.625% 1.25% 1.875% 2.5%
Ratio Core Tier 1+ Volant de
conservation
3.5% 4% 4.5% 5.125% 5.75% 6.375% 7%
Ratio de solvabilité + Volant de
conservation 8% 8% 8% 8.625% 9.25% 9.875% 10.5%
Ratio de levier Période de surveilla nce Période d’évaluation du ratio Instauration
du ratio
Déduction sur la composante
actions ordinaire du Tier 1 20% 40% 60% 80% 100% 100%
Eléments de fonds propres
n’étant plus imputés en Tier 1
hors Core Tier 1 ou Tier 2 Elimination progressive sur une période de 10 ans à partir de 2013
Ratio de liquidité à court terme Période
d’observation Instauration
du ratio
Ratio de liquidité à long terme Période
d’observation Instauration
du ratio

Source : Banque des règlements internationaux (2010) .

Chapitre 1 : Les risques et la gouvernance bancaire

Page 39
2.4.2.3.3. Impact des nouvelles normes :
Le principal effet considéré avec la mise en œuvre de Bâle 3 est que l’accroissement des
fonds propres exigés par le comité de B âle pèse sur le financement de l’économie en
influençant négativement le prix et la quantité des crédits consentis, par conséquent la
détérioration de la croissance économique.
En fait, le comité de Bâle avec le conseil de la stabilité financière a publié en aout 2010 un
rapport sur les coûts pendant la période de transition du nouveau dispositif réglementaire
en concluant que l’instauration des règles de fonds propres et de liquidité plus
contraignantes engendrerait des conséquences négatives sur la crois sance économique à
coût terme mais l’avantage à long terme de ce renforcement des exigences dépasse ses
couts éventuels.
En effet, selon le comité de Bâle (2010) « si la nouvelle réglementation est instaurée
progressivement sur une période de quatre ans, le PIB reculera d’environ 0.19 % sur chaque
augmentation de 1 point de pourcentage du ratio de fonds propres des banques une fois les
nouvelles règles en vigueur,…, chaque réduction de 1 point de pourcentage de l’éventualité
de crise financière en cours d’ une années se traduit par un gain annuel de production
compris entre 0.2 % et 0.6 % »10.

10 BRI, 2010, Rapport du comité de Bâle ‘Réponse du comité de Bâle à la crise financière’.

Chapitre 1 : Les risques et la gouvernance bancaire

Page 40
Conclusion
La mondialisation des marchés financiers ainsi que l’augmentation importante des flux de
capitaux dans le monde ont produit un environnement fina ncier caractérisé par une grande
diversité de risques qui menace le fonctionnement des banques. Suite à ce phénomène de
mondialisation et de libéralisation financière une restructuration du système bancaire est
devenue nécessaire pour faire face aux change ments intervenus dans un environnement en
pleine mutation.
C’est dans ce contexte qu’un débat sur la gouvernance bancaire n’a cessé de prendre
ampleur notamment sur la réglementation prudentielle du système bancaire. Cette dernière
a été établie par l es régulateurs internationaux via l’instauration des normes et des règles
que les banques doivent respecter afin d’assurer la stabilité et renforcer la solidité des
banques.
Malgré la mise en place des normes adoptées par banques concernant principalement les
ratios de solvabilité et les fonds propres qui ont un rôle central dans la solidité des banques,
une grande crise financière a été survenue à la fin de 2007.
Cette crise a montré les insuffisances de la réglementation prudentielle internationale en
vigueur au moment de la dépression à savoir Bâle 2 qu i n’a pas pu ni de protéger les
banques ni de limiter la propagation de l a crise des Subprimes.

CHAPITRE 2 : LA CRISE
DES SUB PRIMES

Chapitre 2 : La crise des Subprimes

Page 41
Chapitre 2 : La crise des Sub primes
Introduction
Le secteur bancair e est considéré comme un indicateur de la solidité du système financier et
économique dans tous les pays, et suite la crise financière de 2007, les établissements
bancaires faisant l’objet des grandes discussions au niveau international.
Cette crise a mis en question plusieurs aspects tels que le rôle des opérations de la titrisation
des crédits, l’implication de nouveaux produits financiers dans le partage du risque, le
contrôle prudentiel ainsi que le dispositif réglementaire du secteur bancaire.
La crise des subprimes, qui a été déclenchée à l’été de l’année 2007, a affecté non
seulement le marché américain des prêts hypothécaires mais elle a frappé l’ensemble du
système bancaire et financier en passant par les marchés boursiers et le marché monétaire
avec une crise de liquidités ainsi qu’une crise de confiance installée dans l’environnement
financier en arrivant à la contagion de la sphère réelle de l’économie, en plus cette crise
débute avec une caractéristique locale et finie avec un aspect mondial.
En fait, la libéralisation financière et l’intégration des économies ont une implication dans la
crise des subprimes car ils étaient un milieu favorable d’interconnexion et de prise de risque
excessif, ce qui aboutit à l’instabilité financière à l’échelle mo ndiale.
La gouvernance bancaire est considérée comme un facteur important des turbulences
financières où elle représente une source de risque qui a été pris d’une manière excessive
avec l’accroissement des innovations financières particulièrement la techn ique de titrisation
qui est considérée comme le principal facteur de déclenchement de la crise financière
mondiale.
Le développement et la complication des marchés financiers ont affaibli la capacité du
dispositif réglementaire Bâle 2 à bien évaluer et sp écifier le profil et le volume des risques
encourus par les établissements bancaires.
En fait, la réglementation prudentielle bancaire a fait l’objet d’un débat où des
recommandations de renforcement de ce dispositif ont été manifestées. En fait, cette
réglementation est nécessaire mais elle est insuffisante pour prévenir ou éviter la
survenance des crises potentielles. En outre, le dispositif réglementaire n’est pas arrivé à
empêcher le déclenchement de la crise mais il possède une implication importante d ans la
réduction des effets néfastes de cette dépression financière, du fait ce dispositif doit
s’adapter aux changements et aux innovations financières et tirer des leçons de la crise des
subprimes pour établir des normes plus strictes et rigoureuses.

Chapitre 2 : La crise des Subprimes

Page 42
Le risque constitue un grand centre d’intérêt pour les autorités de régulation et de
supervision bancaires et financière internationales vu qu’il constitue une forte menace de la
stabilité du système financier.
La crise financière a démontré l’affirmation de Kindleberger (1994) concernant l’implication
centrale de l’activité de crédits dans l’éclatement des crises bancaires et de Miotti et Plihon
(2001) en ce qui concerne les impacts du comportement spéculatif des institutions bancaires
dans un environneme nt caractérisé par une libéralisation des marchés financiers.
L’intensification de la mondialisation a été traduite par la forte intégration des
établissements bancaires internationaux dans diverses nations, ce qui a facilité la
propagation de la crise de s subprimes au reste du monde. Ceci a introduit la nécessité d’une
approche macro prudentielle qui tient compte du système bancaire dans son ensemble à
coté de celle micro qui vise la situation d’une banque isolée en tenir compte du risque
systémique qui c aractérise la crise financière de 2007 déclenchée aux Etats Unis et qui s’était
étalée ensuite aux autres pays du monde via divers canaux particulièrement les produits
financiers.
Dans ce chapitre nous al lons procédées à l’explication de la crise des subprimes à travers
une première section qui présente l’enchainement de cette crise de façon générale, une
deuxième section qui expose les différentes causes de son déclenchement, une troisième
section présent e son déroulement et ses effets, une quatrième section qui expose sa
contagion et une dernière section qui présente sa liaison avec la Bâle 2.
Section 1 : Aperçu générale sur la crise
Dans un environnement caractérisé par des taux d’intérêt f aibles, certaines institutions
bancaires américaines ont commencé à financer des prêts subprimes11 qui sont des crédits
hypothécaires à risque élevé accordé à des ménages les plus défavorisés possédants des
revenus modestes, qui ne remplissent pas les condi tions ordinaires d’octroi de crédits c'est –
à-dire qui n’auraient pas eu accès à un crédit hypothécaire classique. En fait, les conditions
associées à ce genre d’allocation de crédit engendraient un risque de solvabilité de cette
catégorie d’individus qui s e trouve notamment dans cinq Etats américains : Floride, Ohio,
Georgie, Californie et Michigan. Ce risque a été manifesté car les banques prêtent les
ménages sans un véritable examen de leur situation financière ainsi qu’en l’absence d’une
forte exigence c oncernant la solvabilité.
Le concept de crédit hypothécaire spécifie que le bien acquis par le crédit est hypothéqué
auprès du préteur comme une garantie de paiement, ce qui signifie que lorsque
l’emprunteur est en situation de défaut, la banque peut se r embourser à travers la vente de

11 Crédit subp rime correspond à un prêt hypothécaire octroyé à un client à risque élevé, ce qui est contraire à
l’emprunt prime qui est consenti à une clientèle de meilleure qualité.

Chapitre 2 : La crise des Subprimes

Page 43
l’hypothèque. En fait, à l’égard de ce principe le pouvoir d’achat des individus est fortement
lié à la valeur du bien hypothéqué, ce qui fait naitre le concept de l’hypothèque rechargeable
qui met à la disposition des ménag es déjà endettés la possibilité d’avoir un autre crédit en
bénéficiant de la surévaluat ion de leur bien immobilier. En effet, les crédits hypothécaires
sont consentis à un taux d’intérêt faible environ de 1.5% pendant deux années après à un
taux variable l ié principalement au taux directeur de la Réserve Fédérale pour le reste de la
période de remboursement.
A partir de l’année 2004, les prêts hypothécaires « subprimes » ont été largement
commercialisés, tandis qu’ils ne s’articulent pas au tour de l’intérê t de l’emprunteur et celui
du préteur. En effet, de point de vue de préteur, l’octroi de crédits à des clients risqués sur
de longues périodes (près de 30 ans) peut se traduit par une rentabilité plus élevée car de
larges marges sont exigées afin de compen ser le coût de risque pris par la banque, ainsi que
le risque de défaillance est gérable lorsque la valeur de l’hypothèque suffit de payer la dette.
En ce qui concerne le client, le seul avantage de ce type de crédit hypothécaire réside dans
la facil ité de l’accès à la propriété immobilière ce qui a conduit à la réalisation d’une fortune
immobilière fictive pour chaque ménage induisant par conséquent une bulle spéculative
dans le secteur de l’immobilier.
Quand la Réserve Fédérale (Fed) a augmenté son taux d’intérêt directeur, les établissements
bancaires se sont confrontés à un coût de financement plus élevé, ce qui répercute sur la
clientèle à travers l’augmentation du taux des crédits immobiliers vue que ces derniers sont
à taux variable.
L’évoluti on de taux d’intérêt directeur de la Fed est représentée dans la figure n°2.
Figure 2. Le taux d’intérêt de la réserve fédérale

Source : Hoffmeister P. (2007)

Chapitre 2 : La crise des Subprimes

Page 44
Suite à la montée des taux des prêts hypothécaires, les emprunteurs les plus fragiles ne
peuvent plus faire face à leur obligation de remboursement des charges de leur dette par
conséquent la clientèle se trouve en défaut de paiement ce qui incite les banques à vendre
les hypothèques immobilières afin de se payer. Ainsi, la vente et la diminution de la
demande des biens immobiliers ont abouti à la baisse des prix sur le marché de l’immobilier,
alors la valeur des hypothèques détenues par les banques devient insuffisante pou r le
remboursement des emprunts.
La figure n°3 montre l’évolution des prix de l’immobilier au sein du marché amé ricain.
Figure 3. L’évolution des prix de l’immobilier sur le marché américain

Source: Center of Responsible Lending
La combinaison de ces deux changements désavantageux entraîne l’accroissement de défaut
de paiement des ménages. En fait, suite à l’augmentation des taux d’intérêt et la chute de la
valeur des maisons, les ménages considèrent que leur revenu est en baisse puisqu’ils sont
obligés à payer plus, ce qui les incite à procéder à la vente en accélérant par conséquent la
diminution des valeurs de l’immobilier, provoquant ainsi une cris e de marché immobilier qui
a été propagée au marché des prêts subprimes.
En fait, le véhicule de diffusion de la crise aux marchés financiers est la titrisation qui a été
adoptée par les préteurs pour répartir les risques sur d’autres acteurs. La titrisat ion est une
technique financière par laquelle des créances sont transformé en titres négociables sur un
marché financier, alors les banques ainsi proposent aux investisseurs l’achat des prêts
qu’elles ont consentis à leur clientèle à travers des produits s tructurés. Il existe deux modes

Chapitre 2 : La crise des Subprimes

Page 45
de titrisation à savoir la titrisation cash où les créances sont transférées à un fond commun
de créances et la titrisation synthétique où les créances ne sont pas transférées mais
uniquement le risque de crédit encouru. Le deuxième type de titrisation est le plus répondu
car il est moins couteux et plus rapide à mettre en place que le premier.
On parle ainsi de la marchéi sation des risques bancaires. Diamond D. (1984) a évoqué très
tôt le risque que la cession des crédits a ffaiblit l’incitation des établissements bancaires à
sélectionner convenablement les emprunteurs.
Au cours de la crise des subprimes, un nouvel instrument a été largement pratiqué qui
permet de convertir les crédits en obligations réservées aux investisse urs institutionnels des
Etats Unis et à l’étranger, il s’agit des obligations de dette collatéralisées (CDO). En fait, les
crédits de haut risque sont regroupés avec d’autres crédits qualifiés comme moins risqués
dans un portefeuille financier qui sera ven du aux demandeurs des titres de créances
hypothécaires.
La notation du portefeuille dans sa globalité est la responsabilité des agences de notation
telle que Standard and Poor’s, Moody’s et Fitch, ce qui traduit en moyenne la notation de
chaque prêt conse nti. Pour attirer les investisseurs, les banques d’affaires ont élaboré une
modalité de CDO qui offre quatre tranches de profil rendement – risque associé à un même
portefeuille de crédits qui est noté entièrement BB. Ces tranches sont les suivantes :
 La pr emière tranche désignée par « Equity » ne représente que 3 % du portefeuille,
elle sert à absorber les pertes potentielles. Cette tranche n’est pas notée par les
agences de notation.
 La deuxième tranche nommée par « Mezzanine » représ ente 7 % du véhicule
financier, elle est caractérisée par une notation de BBB.
 La troisième tranche appelée « Senior » représente 20 % du portefeuille en
bénéficiant d’une notation AA.
 La quatrième tranche nommée « Super -senior » représente 70 % du véhicul e
financier et elle est notée par les agences de notation par AAA.
On peut noter que les crédits à haut risque sont convertis en obligation appartenant à la
première classe de notation (AAA).
Ce dispositif de notation a stimulé les banques à commercialis er plus les crédits aux
ménages modestes puisqu’il permet de vendre plus facilement les nouveaux produits
bancaires, avec la promotion de l’hypothèque rechargeable sans étudier la capacité réelle de
remboursement des clients.
Les origines, le dérouleme nt et les conséquences de la crise des subprimes sont récapitulés
dans la figure n°4 :

Chapitre 2 : La crise des Subprimes

Page 46
Figure 4. Crise financière : origines et explication.

Source : Fekir H. (2010)12

12 Hamza Fekir, ‘La crise financière et l’application des accords de Bâle : est ce le meilleur remède ?’, Mai 2010,
Université Ibn Tofail Maroc.

Chapitre 2 : La crise des Subprimes

Page 47
Section 2 : Causes de déclenchement de la crise
Pendant les mois qui précèdent l’éclatem ent de la crise de 2007 les marchés ont indiqué
l’éventualité d’un affaiblissement de l’activité économique aux Etat Unis mais sans annoncer
la possibilité de propagation de ce ralentissement à l’économie mondiale, cette notion
découle de la théorie de déc ouplage.
La conjoncture dans le secteur bancaire et financier a été caractérisée par un renversement
plus brutal et plus global que celui attendu. En effet, l’interrogation qui se manifeste ainsi
concerne les causes de la grande ampleur qu’a prise cette cr ise financière qui débute par
une crise des prêts subprimes. En fait, le marché de ces derniers a été caractérisé par un
développement majeur au sein de l’économie américaine pendant les dernières années qui
précèdent le déclenchement de la crise mais la d imension de ce marché reste relativement
médiocre puisqu’il représente seulement 1000 milliards de dollars en comparant aux 20000
milliards de dollars qui représentent la capitalisation boursière au niveau des Etats Unis.
Il existe une approche qui consid ère que les circonstances de la crise sont manifestées dans
un environnement fragile caractérisé par des dysfonctionnements financiers internationaux.
1. Déséquilibres macroéconomiques :
La fragilité de l’économie à l’échelle internationale a été considérée comme une base
favorable au déclenchement de la crise, en fait cette fragilité a été voilée par des
avancements mondiaux comme l’intégration financière et commerciale des économies et le
renforcement des mesures de la lutte contre l’inflation par les banq ues centrales, c’est ainsi
que Minsky H. (1970) développe le concept de « paradoxe de la tranquillité » qui désigne le
fait que les crises de surendettement se manifestent dans une période de croissance
économique qui se caractérise par des faibles taux d’ intérêt duquel les agents économiques
profitent en effectuant des crédits même de façon irrationnelle, mais au moment
d’élévation des taux, l’endettement sera insoutenable et on parle dans ce cas d’une situation
de surendettement qui a été traitée par Boye r (1988).
Ce dernier a expliqué la notion de surendettement comme suit «traditionnellement, tout
parti d’un choc de productivité qui a une incidence positive sur la croissance, qui elle -même
nourrit les anticipations de profits et se traduit par une augme ntation des investissements et
donc des crédits. Cette dynamique porte toutefois en elle plusieurs mécanismes de
stabilisation. En effet, l’expansion du crédit est, normalement, limitée par une hausse de
l’inflation qui a pour conséquence un durcissement d e la politique monétaire et une
remontée des taux d’intérêt. En outre, les banques se voient contraintes dans leur offre de
crédits par leurs besoins en fonds propres »13.

13 Boyer R., 1988, ‘D'un krach boursier à l'autre, Irving Fisher rev isité’, Revue française d'économie.

Chapitre 2 : La crise des Subprimes

Page 48
Selon Borio et Shim (2007), concernant la crise des subprimes, il s’ad ditionne « un paradoxe
de la crédibilité » au « paradoxe de la tranquillité ». En fait, ces auteurs ont développé l’idée
qu’une application rigoureuse des normes de lutte contre l’inflation faite accroitre la
crédibilité des banques centrales en participan t ainsi à une amplification de volume de
liquidité dans l’économie ce qui traduit à la fois par une baisse de la rentabilité des titres et
des primes de risques. En fait, les circonstances de déclenchement de la crise financière ont
été marquées par la com binaison de divers mouvements qui renforcent les uns les autres.
1.1. Un accroissement du volume de la liquidité mondiale :
L’initialisation de la crise des subprimes a été une surabondance de la liquidité au niveau
mondial.
En effet, les déterminants de l’ac croissement de la liquidité peuvent être exogènes comme
l’accélération du volume de réserves de change détenues par les banques centrales des
nations qui enregistrent une croissance élevée grâce aux surplus commerciaux, ces pays sont
principalement celles qui exportent les matières premières et celles émergents, ainsi
qu’endogène comme l’accroissement du niveau de crédits accordés grâce principalement à
une application des taux d’intérêt réels faibles.
La surliquidité mondiale peut se traduire par une élév ation du risque d’inflation, néanmoins
ce risque paraît gérable grâce à la crédibilité que les banques centrales obtenues à travers
l’application des normes renforcées pour la lutte contre l’inflation.
1.2. Une réduction de l’inflation :
Le niveau de liquidi té élevé manifeste une baisse de l’inflation des biens et services ce qui
apparut comme opposé à la prévu. Cette diminution généralisée du niveau d’inflation peut
être associée en grande partie aux progrès des pays émergents qui ont affecté les niveaux
des prix surtout des matières premières et des biens manufacturiers.
En fait, les fluctuations du PIB ont été influencées par la diminution inflationniste, cette
circonstance est nommée par la « grande modération » car elle est jointe avec une
amélioration de la conjoncture macroéconomique, une rénovation financière et un
renforcement de la confiance.
1.3. Une diminution de l’aversion et des primes de risque :
Avec l’ampleur de liquidité généralisée, l’aversion ainsi que les primes de risque ont
enregistré un e forte baisse. Mais, dès août 2007 l’évolution de cette aversion a été
renversée de façon brutale en arrivant à des hauts niveaux.
En effet, l’excès de liquidité a incité les acteurs financiers à investir dans des actifs plus
risqués en cherchant plus de pro fit, mais les niveaux des risques pris ne sont pas rémunérés

Chapitre 2 : La crise des Subprimes

Page 49
convenablement et les investisseurs n’ont pas pris en considération ce déséquilibre en
partant de la vision que les banques centrales veillent toujours l’équilibre.
1.4. Une chute des niveaux des ta ux d’intérêt de long terme :
Le conjointement de la diminution du niveau de l’inflation et celui des primes de risque
abouties à une réduction des taux d’intérêt de long terme qui a été intensifiée par la baisse
de l’émission des emprunts par les différent s Etats ainsi que par le renforcement des
mesures de surveillance du déficit publique.
La faiblesse des taux d’intérêt a abouti à une expansion de la quantité des crédits accordés à
l’économie sans effet inflationniste ainsi qu’elle a facilité le recours au levier d’endettement
qui n’était pas utilisé uniquement par les établissements bancaires et les entreprises mais
aussi par les fonds de spéculation.
1.5. Une hausse des prix d’actifs :
L’ampleur de liquidités, qui n’a pas affecté les prix des biens et serv ices, a influencé les
niveaux d’appréciation des actifs étant donné que leur offre est restreinte. De ce fait, les
acteurs économiques ont été incités à accroitre leurs émissions des titres partant de l’idée
de l’augmentation des rendements, ce qui entrain e bien évidemment une hausse dans les
bourses internationales notamment au niveau des prix de l’immobilier. En fait,
l’accroissement des prix des actifs surtout du type immobilier fait augmenter davantage le
volume des prêts hypothécaires vu que ces crédit s sont garantis en fonction de l’hypothèque
immobilière.
En outre, l’évolution favorable des valeurs des actifs a influencé positivement le niveau de
consommation, ce qui a comme conséquence la croissance économique, cette situation est
qualifiée par « l’effet richesse » qui peut être renforcé par le mécanisme de refinancement
hypothécaire. Ce mécanisme consiste en fait qu’un ménage peut profiter d’une diminution
du taux d’intérêt pour refinancer son prêt déjà contracté à un taux fixe afin de bénéficier des
conditions de crédit plus favorables ou il peut exploiter la sur -appréciation de la valeur de
l’hypothèque immobilière sur le marché pour demander un montant de crédit plus élevé
puisque ce dernier est fixé selon l’évaluation du gage immobilier faisant l’ objet du prêt
hypothécaire.
Depuis 2003, divers économistes tels que Case et Shiller (2003) ont annoncé une alerte
d’une survenance d’une bulle spéculative.
2. Instabilité micro économique :
Des dysfonctionnements au niveau microéconomie ont contribué au déclenchement des
turbulences financières, parmi lesquels on peut citer l’exigence de profitabilité et
l’affaiblissement des contraintes au niveau d’attribution des crédits.

Chapitre 2 : La crise des Subprimes

Page 50
2.1. Une obligation de rentabilité :
A la suite de l’effondrement des valeurs des actifs au niveau des bourses dès l’année 2000,
les négociateurs financiers sur le marché ont incité à chercher des placements qui procurent
des rendements satisfaisants pour les clients. Les établissements bancaires ont procédé à
l’application d’une polit ique plus souple d’octroi des crédits pour accroitre leur activité et
utiliser des nouveaux outils financiers, ces stratégies sont employées afin de s’adapter à
l’exigence de profits accentuée par l’intensification de la concurrence financière.
2.2. Un assoupl issement des critères d’octroi des crédits :
La profession des établissements de crédit a un caractère pro -cyclique c'est -à-dire les
banques ont tendance à amplifier le cycle économique, du fait que durant d’une période
caractérisée par des circonstances a vantageuses une politique de relâchement des
conditions d’attribution des crédits est adoptée et dans le cas d’une conjoncture défavorable
la conduite bancaire sera changée en visant la sévérité des critères. Le phénomène de pro –
cyclicité est qualifié comm e une caractéristique de la crise des prêts hypothécaires à haut
risque.
En effet, Demyanyak et Van Hemert (2008) ont prouvé que, durant la période de 2002 à
2006, la qualité des crédits a été détériorée, du fait que l’assouplissement des critères
d’octro i des crédits peut être expliqué par l’intensification de la rivalité entre les
établissements financiers, le développement de l’opération de la titrisation, la hausse des
prix de l’immobilier dont les banques supposent que les clients peuvent payer leur c rédit en
vendant leur actif immobilier ainsi que par la politique de la banque centrale en ce qui
concerne le taux directeur.
3. Des pratiques financières à risque élevé :
L’activité bancaire est régie par plusieurs normes comme l’exigence d’accroitre l e niveau de
fonds propres des établissements de crédit lorsqu’elles procèdent à un accroissement des
prêts. En fait, cette contrainte pèse sur la quantité des crédits offerte par les banques ainsi la
rentabilité sera affaiblie, ce qui incite les établissem ents bancaires à trouver une solution qui
leur permet la compensation de la réduction de la rentabilité en respectant l’exigence du
capital réglementaire, cette solution a été la technique de titrisation.
3.1. La promotion des crédits à haut risque :
La tit risation est une technique ancienne mais il a été très développé pendant quelques
années avant le déclenchement de la crise des subprimes où les produits de crédit ont été
fortement commercialisés.

Chapitre 2 : La crise des Subprimes

Page 51
3.1.1. Le concept de la titrisation :
La titrisation est consid érée comme une opération financière permettant la transformation
des crédits généralement illiquides en titres liquides négociables sur le marché financier. En
fait, l’établissement bancaire transmet leurs crédits effectués à un véhicule spécifique de
financement (SPV) qui a pour mission d’offrir les fonds nécessaires à travers l’émission des
titres sur le marché. Concernant les acquéreurs de ces titres encaissent en contrepartie le
montant de l’emprunt avec l’intérêt. En fait, les banques peuvent se débarr asser du risque
inhérent des prêts consentis à travers la technique de titrisation. Cette dernière a commencé
d’être appliquée dés les années 70 aux Etats Unis par trois agences qui sont assurées de la
part de l’Etat.
Les innovations au niveau des instrum ents financiers n’ont pas cessé de se développer en
offrant divers produits plus complexes comme :
 Des titres adossés à des hypothèques (ABS) : titre représentatif d’un portefeuille de
crédits hypothécaires.
 Des titres adossés à des actifs (MBS) : titre re présentatif d’un portefeuille de
créances sauf les crédits hypothécaires c'est -à-dire concerne d’autres types de crédit
comme prêt auto mobile, crédit de consommation .
 Des titres garantis par des créances (CDO) : titre représentatif d’un portefeuille
combin é des crédits bancaires (CLO) ou des obligations (CBO) ou des dérivés de
crédit (CSO).

3.1.2. Des produits financiers arrangés par portion de risque :
Ces produits financiers visent les instruments négociables et les dérivés des emprunts, en
fait, ce mécanisme consiste à classer les différents crédits selon un échelon de risques puis
regrouper les prêts de même catégorie de risques pour être financé.
Selon Cousseran et Rahmouni (2005), les CDO sont constitués selon 3 éléments :
 L’objectif de l’opération qui pe ut être le fait de retirer certains actifs du bilan afin de
relâcher la pression sur les fonds propres ou profiter de la supériorité de rendement
présenté par les détenteurs des tranches par rapport à celui portefeuille ou gérer le
véhicule des risques.
 La manière de transfert de risque des prêts qui peut être soit une cession soit selon
une forme synthétique.
 La constitution du portefeuille par des combinaisons de produits financiers en
prenant en compte les innovations et la concurrence dans le marché.

Chapitre 2 : La crise des Subprimes

Page 52
3.1.3. Des institutions d’assurances spécialisées :
Le système de titrisation est garanti en matière de liquidité par :
 Les assurances monolines qui sont spécialisées dans l’évaluation de risques, elles
sont bénéficiées d’une bonne notation à cause de la qualité de leur analyse de risque.

 Les banques qui utilisent la technique de la titrisation effectuent une assurance de
liquidité afin de garantir la bonne fin des opérations.

3.1.4. Le CDO synthétique :
L’instrument de CDO synthétique est q ualifié comme un titre négociable sur le marché
regroupant des crédits bancaires en le transfert du risque de ces derniers sans procéder à
leur cession toute en gardant le lien entre l’établissement bancaire et les emprunteurs.
Le CDO synthétique peut avo ir plusieurs tranches de notation comme ‘senior’ , ‘mezzanine’
et ‘equity’ ou une seule tranche souscrite par un investisseur unique. En outre, les banques
acquièrent des CDS14 afin de garantir le portefeuille contre le risque de défaut ainsi que le
risque d’une fluctuation défavorable des titres d’actifs (de crédit) sur le marché.
3.2. La sophistication des produits financiers :
Selon les économistes Slutz (2004) et Rajan (2005), les innovations financières présentent
plusieurs avantages pour les acteurs du marc hé financier tel que :
 La diminution des coûts de transaction.
 La facilité de l’exécution des opérations financières.
 L’amélioration de l’allocation des risques.
Cependant, la crise des subprimes a exposé les difficultés de l’excès de la complexité des
nouveaux produits financiers.
3.2.1. La complication de nouveaux instruments :
Cette complication a touché aussi bien les agents qui ont contracté des crédits hypothécaires
que les épargnants. Outre que les prêts hypothécaires sont accordés à des ménages de
mauvai se qualité en matière de solvabilité, les contrats de crédits n’ont pas cessés d’être

14 Le CDS désigne un swap de défaut de crédit, il est souscrit par un établissement bancaire afin de se protéger
contre le risque de non rembours ement de l’emprunt accordé.

Chapitre 2 : La crise des Subprimes

Page 53
plus sophistiqués où le volume des crédits à taux variable ainsi que des emprunts hybrides15
a enregistré un accroissement important.
Diverses règles ont été mis en pla ce dont le but est de restreindre l’accéssibité aux
instruments financiers qualifiés comme très compliqués et des risques élevés bien qu’elles
offrent aux acteurs la capacité de mieux répartir les risques encourus via une meilleure
diversification du porte feuille des actifs.
3.2.2. Implication de risque opérationnel et de risque de modèle :
La complexité de nouveaux produits financiers introduit deux catégories de risques à savoir :
 Le risque opérationnel qui est apprécié par le comité de Bâle comme « le risque de
pertes provenant de processus internes inadéquats ou défaillants, de personnes et
systèmes ou d’événements externes », en fait plus les innovations financières sont
sophistiquées plus le risque d’erreur en général ( comme les fautes humaines, les
fraude s…) est grave.
 Le risque de modèle qui désigne les pertes éventuelles provenant de l’usage d’un
modèle inapproprié ou mal défini. Les modèles concernés ont pour mission par
exemple l’évaluation du prix des produits dérivés, la réalisation des prévisi ons sur le
défaut de paiement des créanciers… Le risque de modèle est associé au problème
de compétence pour quelques analystes financiers. En fait, ce risque est présent aux
différents niveaux, premièrement au stade des agences bancaires qui ont attribué
des crédits à des agents caractérisés par une faible solvabilité (Demyanyk et Van
Hemert, 2008), deuxièmement au stade des ingénieurs financiers qui ont sous –
évalués le risque inhérent de la technique de titrisation et troisièmement au stade
des contrôleur s qui sont censés d’intervenir avec leurs actions correctrices afin
d’assurer le bonne fin des opérations.

3.2.3. La différence entre risque et incertitude :
Knight F. (1921) a traité les notions de risque et de l’incertitude en appréciant la distinction
entre eux. En fait, le risque correspond aux positions quantifiables par contre l’incertitude
correspond aux positions non quantifiables.
Caballero et Krishnamurthy (2008) ont considéré que l’incertitude a joué un rôle important
dans la crise financière. En fait, ils ont annoncé que « les instruments financiers et les
structures de produits dérivés qui ont soutenu la croissance récente des marchés de crédits
sont complexes (…). En raison de la prolifération rapide de ces instruments les opérate urs de
marché ne disposent pas de données sur longue période pour évaluer le comportement

15 Un emprunt hybride désigne un prêt à taux d’intérêt fixe pour les deux premières années de la période de
remboursement puis le taux sera variable pour le reste de la durée.

Chapitre 2 : La crise des Subprimes

Page 54
futur de ces structures financières en période de tension. Ces deux facteurs complexité et
absence de données historiques sont les conditions préalables à une incerti tude de grande
ampleur »16.
3.2.4. Une difficulté des incitations et des rémunérations :
La complication de nouvelles structures financières a engendré plusieurs effets pervers. Ces
derniers peuvent être réduits sans bloquer le développement financier.
Selon Nic holson et al. (2004) la protection des crises financières peut être procédée par une
sensibilisation des intervenants financiers sur les effets de la prise de risque excessive en
plaçant des techniques de rémunération afin de restreindre les récompenses in dividuelles
ainsi qu’en améliorant la culture de travail en groupe.
Stiglitz (2008) a annoncé « Quand les choses tournent bien, les financiers partent avec des
bonus énormes. Quand les choses vont mal – comme c’est le cas maintenant – ils ne
subissent pas les pertes »17. En fait, Stiglitz stipule que le système des bonus a joué un rôle
marquant dans la survenance de la crise financière de 2007 puisqu’il favorise la prise de
risque excessive. Pour faire face à l’aléa moral, cet auteur recommande l’applicatio n de la
logique qui exige le blocage des bonus pendant une durée de 10 ans pour que les pertes
potentielles soient compensées par le profit déjà réalisé.
3.3. Le risque et la novation financière :
3.3.1. Le problème d’asymétrie d’information et le transfert du risque :
La théorie indique que la marchéisation des crédits a pour objectif l’allocation optimale des
risques afin d’assurer une meilleure efficacité du système financier, mais le praticable est
différent du fait que lorsque l’originateur effectue une opération de transfert de risque
devient moins rigoureux dans l’évaluation et le suivi du risque. Ce qui entraine la
détérioration de la qualité des prêts et ainsi la quantité de risques dans le secteur bancaire
et financier sera caractérisé par une tendance à la h ausse.
En fait, ce problème se manifeste avec les opérations de titrisation des crédits devenant de
plus en plus sophistiqués qui ont comme conséquence l’accroissement de l’asymétrie
d’information. Cette dernière se manifeste particulièrement entre le céd ant et les
investisseurs, du fait que ces derniers possèdent moins d’informations sur la qualité des
crédits.

16 Caballero R. and Krishnamurthy A., 2008, ‘C ollective risk management in a flight to quality episo de’, Journal
of Finance, No. 5.
17 Stiglitz, 2008, ‘La crise des subprimes ‘, The Independant.

Chapitre 2 : La crise des Subprimes

Page 55
Les deux analystes financiers Franke et Krahnen (2006) ont indiqué que la technique de
titrisation encourage les établissements bancaires à prend re plus de risque puisqu’elle offre
la possibilité de transfert d’un part de ce dernier.
3.3.2. La concentration des risques :
Les différents risques sont attribués d’une façon optimale aux acteurs qui acceptent de se
charger des résultats, ceci dans le cadre d’ un système financier qui remplit sa fonction
convenablement. En fait, la concentration est qualifiée comme un problème qui peut
entrainer le dysfonctionnement du système dans son ensemble.
Selon Slutz (2004), la concentration des risques peut m anifester le risque de système
puisque tous les pays vont préserver la stabilité de leur système bancaire en amenant les
actions nécessaires au soutien des banques.
Section 3 : Déroulement et effets de la crise
La crise financière de 2007 a été déclenchée dans des circonstances qui s’alourdies de plus
en plus au cours du temps, ce qui a engendré des effets néfastes.
1. Chronologie de déclenchement de la crise :
La BRI a indiqué dans son rapport de septembre 2007 les circonstances de dé clenchement
de la crise en quelques dates.
 Le 15 juin : l’agence de notation Moody’s déclasse le rating de 131 TAA liés à des
crédits immobiliers de qualité faible et place 250 obligations sous contrôle dont la
potentialité d’un déclassement.
 Le 20 j uin : près de fermeture de deux fonds spéculatifs guidés par Bear Stearns à
cause de diffusion des informations qui indiquent l’investissement de ces fonds dans
des actifs adossés à des crédits de logement de basse qualité.
 Le 22 juin : un des grands fond s spéculatifs est bénéficié par une aide de 3.2 milliards
de dollars parce qu’il passe par des situations difficiles.
 Le 10 juillet : Moody’s déclasse la notation des obligations garanties par hypothèques
de faible qualité pour un montant de cinq milliards de dollars ainsi que l’agence de
notation Standards and Poor’s met sous contrôle des opérations de TGC liées à des
garanties immobilières et des TAA à hauteur de 7.3 milliards de dollars assurées par
des crédits immobiliers.
 Le 11 juillet : l’agence Mood y’s met sous surveillance 184 tranches de TGC exposés à
des suretés immobilières dans le cadre d’un déclassement potentiel. Les grandes
agences de rating déclarent les jours d’après une série de déclassements et des mises
sous surveillance négative.

Chapitre 2 : La crise des Subprimes

Page 56
 Le 24 juillet : Countrywide Financial Corp qui est l’organe des emprunts de logement
aux Etat Unis enregistre un forte baisse de son profit en déclarant le début des
problèmes.
 Le 26 juillet : le principal promoteur de l’immobilier aux Etat Unis déclare perte
pendant le deuxième trimestre de l’année 2007 ainsi que l’indice de NAHB indique un
recul de 6.6 % des ventes des appartements neufs en juin.
 Le 30 juillet : la banque allemande IKB a annoncé les pertes subies suite aux
problèmes au sein du marché hypoth écaire des Etats Unis de qualité faible et elle a
annoncée que son pus grand actionnaire (KFW) a déchargé de ses obligations
financières en liaison avec des emprunts de faible qualité.
 Le 31 juillet : l’incapacité d’American Home Mortgage Investment Cor p à faire face à
ses engagements de prêts.
 Le 1 août : un ensemble de banques publiques et privées et KFT ont formé un fond
d’aide de 3.5 milliards d’euros suite à l’aggravation des pertes de la banque IKB en
Allemagne.
 Le 6 août : American Home Mortgage Investment réclame d’être traité selon la loi
des faillites.
 Le 9 août : la banque centrale européenne (BCE) a apporté au système bancaire une
liquidité de 95 milliards d’euros, cette action a été procédée par plusieurs banques
centrales.BNP Paribas a blo qué les rachats de 3 fonds de spéculation en indiquant
l’instabilité de l’environnement et du marché financier.
 Le 17 août : l’accroissement du risque de ralentissement de l’activité financière et
économique sont annoncés par le comité fédéral d’open mar ket. La réserve fédérale
signale que le financement à terme devient pour une période maximale de trente
jours.

2. Les effets de la crise :
La crise des subprimes a divers conséquences à court terme ainsi qu’à moyen terme
touchant les différents acteurs e t intervenants telles que les banques, les ménages ainsi que
le système financier et la croissance économique.
2.1. Les effets de court terme :

2.1.1. Le manque de liquidité :
Pendant la crise financière de 2007, plusieurs marchés telles que interbancaire et bo ursier
sont caractérisés par un assèchement de la liquidité, mais cette dernière poursuit son
accroissement au niveau macroéconomique globale.
Le président de la Fed a annoncé le 5 juin que « le retournement du marché immobilier a été
brusque (…). Cependan t, les facteurs fondamentaux – incluant une croissance solide des

Chapitre 2 : La crise des Subprimes

Page 57
revenus et des taux d’intérêt hypothécaires relativement bas – devraient maintenir la
demande immobilière et, au point où nous en sommes, il est peu vraisemblable que les
difficultés du marc hé des subprimes se propagent au reste de l’économie ou au système
financier ».
Les déclassements des notes procédés par les agences de notation ont affectés les
anticipations et le comportement des différents acteurs, du fait que les taux et le prix du
risque ont été augmentés de façon brusque, ainsi que les banques sont incitées à relancer
des catégories de crédits limités tandis que les investisseurs n’acceptent plus d’intervenir
dans le financement des structures de titrisation.
Les établissements banca ires américains sont affectés par le détournement de la
conjoncture de façon direct puisqu’ils sont participés fortement au secteur de l’immobilier et
de façon indirect car ils sont intervenus aux marchés des produits dérivés dans le but de
diversifier leu r portefeuille d’actifs et de générer plus de rentabilité. En fait, suite à ces
perturbations les banques ne peuvent plus se financer entre eux, alors elles font recours au
refinancement de la banque centrale.
L’augmentation importante de l’aversion au ris que ainsi que l’assèchement de la liquidité
ont abouti à la rupture de la demande de certains produits financiers, ce qui entraine encore
l’illiquidité de plusieurs marchés d’actifs financiers.
Le manque de liquidité a un effet double sur le financement d e l’économie, en fait les
établissements bancaires procèdent à la réduction des prêts accordés vue les difficultés de
l’accessibilité au financement et à la titrisation d’où l’effet quantité, ainsi que les taux
d’intérêt s’accroit vue l’augmentation des co uts de financement d’où l’effet prix.
2.1.2. Des pertes au niveau du système bancaire et financier :
La crise des subprimes a impactée les résultats bancaires avec divers facteurs :
 L’accroissement du volume de défauts des ménages qui ont souscrits des prêts de
logement, ce volume est plus élevé aux Etats Unis s uivis par le Royaume –Unis et
l’Espagne avec un degré plus faibles.
 L’effondrement de la valeur de marché des prêts subprimes titrisés entrainant des
pertes en capital.
 La sous -évaluation des CDO que les i nvestisseurs ne participe plus à leur
financement ce qui engendre des pertes en capital.
Les banques les plus touchées par la crise financière sont situées aux Etats Unis, ce qui fait
que la Fed est amenée à intervenir afin de soutenir son systèm e bancaire via l’application de
politique de réduction des taux d’intérêt.

Chapitre 2 : La crise des Subprimes

Page 58
Cependant, le manque de confiance a été généralisé dans l’environnement financier surtout
en matière de titrisation, ainsi que l’incertitude a été renforcée concernant la capacité des
institutions bancaires à absorber les pertes subies. La solution trouvée pour améliorer la
confiance a été le fait de libérer une partie des actifs non performants et réinsérer une
tranche des actifs hors bilan, mais cette solution n’a été réussie à ca use de l’effondrement
des prix des actifs sur le marché. Même les injections de fonds souverains n’ont pas pu
maitrisées les tensions et la volatilité caractérisant l’environnement financier. Dès ces
circonstances défavorables, la crise dépasse le cadre si mple des subprimes.
Les prévisions de volume des pertes subies suite à la crise financière ont été réalisées par
plusieurs acteurs tels que le président de la Fed, les institutions bancaires et le FMI qui a
estimé le montant de perte pour le système banca ire à environ de 565 milliards de dollars et
pour le système financier dans son ensemble une perte de 1000 milliards de dollars.
Les pertes subies par les établissements bancaires concernent essentiellement leurs fonds
propres ce qui manifeste l’accroisse ment à court terme du risque de contraction des prêts
accordés, cela s’intensifie avec le renforcement des niveaux des ratios réglementaires de
capital. Ceci se traduit par la hausse des couts de financement de l’économie.
2.1.3. Des pertes subies par les ménag es :
La crise de 2007, outre son impact sur l’offre de financement, a touchée la demande de
crédit par les ménages ainsi que la capacité de remboursement de ces derniers vue les
pertes patrimoniales enregistrées principalement sur les logements.
Spécifiq uement aux Etats Unis l’excédant de l’offre des maisons et la forte baisse de la
demande de ces dernières au sein de la majorité des pays du monde conduisant à une
diminution des valeurs des logements. Schiller (2007) a réalisé une prévision de chute des
prix sur le marché américain de l’immobilier de près de 50 %.
Plusieurs pays particulièrement les Etats Unis et le Royaume Unis sont caractérisés par une
forte relation entre la valeur de l’immobilier et l’accès aux emprunts, ces pays ont fortement
affecté s par la réduction des prix des logements au niveau de l’activité de crédits qui a
enregistrée un fort recul et du volume des défauts qui évolue à la hausse.
2.1.4. Une diminution du levier d’endettement :
Le levier d’endettement, avant la crise, a fait l’objet d’un recours massif par divers acteurs
tels que les ménages qui souscrivent des emprunts pour financer les achats de logements et
les établissements bancaires qui sont participées à un usage excessif de la technique de
titrisation afin de diminuer leur be soin en fonds propres ainsi que le levier des fonds de
spéculation.

Chapitre 2 : La crise des Subprimes

Page 59
Mais, pendant la crise le levier d’endettement a enregistré un retournement en
conséquence de divers motifs tels que l’excès d’endettement, les problèmes attachées à
l’opération de titris ation, le refus de la complication qui caractérise les produits financiers et
l’augmentation de degrés d’aversion pour le risque.
2.1.5. Des effets négatifs sur la croissance de court terme :
La crise financière a impactée négativement la croissance économique par l’intermédiaire de
la consommation et de l’emploi. En fait, le FMI a estimait un taux de croissance de 0.5 %
pour l’année 2008 et de prés 0.6 % pour l’année 2009, en plus le président du National
Bureau of Economic Research, Feldstein (2007), a réalis é une prévision qui indique que les
ménages aux Etats Unis vont subir une perte patrimoniale à hauteur de 4000 milliards de
dollars conduisant ainsi à une baisse de la consommation de 200 milliards dollars, ce qui
aboutie à une diminution de 1.5 point de P IB américain.
La dépression économique a incitée la Réserve Fédérale à introduire une politique
monétaire expansionniste qui a comme conséquences la baisse du taux d’intérêt et
l’accroissement du déficit budgétaire. Cependant, Garber et al (2008) ont indi qués que les
politiques amenées aux Etats Unis vont empêcher la baisse du déficit externe malgré la
chute de la demande intérieure et participent au déclin de la valeur du dollar, ce qui met les
banques centrales dans l’obligation de détenir encore des rés erves afin d’assurer une même
stabilisation du dollar en aboutissant ainsi à un accroissement de la liquidité au niveau
mondial.
2.2. Les effets de moyen terme :

2.2.1. Un accroissement du coût de financement de l’économie :
Outre les impacts de cout terme, l’élévation du degré du risque au niveau du secteur
bancaire a entrainée l’augmentation des coûts de financement en favorisant la hausse des
niveaux de prime de risque pour les ménages et les entreprises et l’accroissement des
marges des taux d’intérêt associées aux emprunts offertes. En France, par exemple, ce
mécanisme a été amplifié du fait que le taux d’intérêt des prêts hypothécaires est très
proche au taux d’intérêt sans risque.
2.2.2. Des impa cts de l’usage de la technique de la titrisation :
L’opération de titrisation a aboutie à une augmentation du niveau de taux d’endettement
au cours d’une période de 10 ans, permettant aux établissements bancaires d’offrir plus de
crédits sur le marché et au même temps de respecter les exigences réglementaires en
matière du niveau de fonds propres ainsi que de restreindre le niveau de risque de défaut.

Chapitre 2 : La crise des Subprimes

Page 60
En fait, suite l’éclatement de la crise de 2007, il se manifeste la baisse de l’utilisation de la
technique de titrisation qui se traduite par :
 Un accroissement du volume de risque bancaire.
 Une détention d’un niveau de fonds propres plus élevé car les crédits accordés
seront gardés au bilan bancaire.
 Un rationnement des prêts car la possibilité de transfert de risque sera éliminée.

2.2.3. Une nécessité de capital supplémentaire :
Certaines économies comme les Etats Unis, l’Europe et le Japon sont caractérisés par un
besoin de plus en plus important en fonds propres. Cependant, l’usage de levier
d’ende ttement s’est affaibli puisque le coût de financement est élevé et la demande des
actions aux pays occidentaux est très faible à cause de la hausse du risque associé à ces titres
ce qui décourage les investisseurs à effectuer des participations supplémenta ire à des
actions même ils s’orientent à la réduction du volume de leurs portefeuilles d’action.
Ces économies sont orientées aux pays émergents où il existe une épargne importante en
action qui provient de l’accumulation des réserves de change. En fait, l es pays émergents
possèdent des excédents extérieurs qui servent à effectuer des investissements dans des
titres financiers des pays qui sont caractérisés par des faibles taux d’épargne.
2.2.4. Les conséquences de l’exigence de liquidité :
Au cours de la crise f inancière des exigences de liquidité ont été manifestées par deux
acteurs à savoir l’emprunteur qui préfère d’accéder à tout moment aux marchés de fonds
liquides afin de satisfaire leur besoin de financement et les investisseurs qui n’accepte pas
de dispos er d’actifs présentant la possibilité de baisse de leur prix au moment de
l’assèchement de la liquidité sur les marchés concernés.
Cette forte exigence de la liquidité engendre des mauvais effets tels que le fait que les
petites et moyennes entreprises ne peuvent plus satisfaire facilement leurs besoins de
financement vu qu’elles offrent des titres peu liquides.
2.2.5. La situation du système bancaire :
Suite le déclenchement de la crise des subprimes, la situation du secteur bancaire a été
détériorée sur plusieur s niveaux. En effet, les prêts accordés par chaque banque devrait
persister dans son bilan ce qui entraine la hausse des risques bancaires ainsi l’élévation des
coûts de financement et l’accroissement de besoin en fonds propres.
En fait, les banques de gr ande taille ont la capacité d’offrir des titres de dette plus liquides ce
qui leurs permet de bénéficier des coûts de financement moins élevés et d’acquérir du

Chapitre 2 : La crise des Subprimes

Page 61
capital auprès des investisseurs des pays émergents, alors la taille de ces banques devient de
plus en plus fort ce qui renforce la concentration du système bancaire.
2.2.6. La possibilité de formation d’une nouvelle bulle spéculative :
Dès l’éclatement de la crise financière, un comportement de manque de confiance a été
manifesté envers les actifs et les marchés financiers de façon générale où les investisseurs
deviennent très peur même des titres non contaminés. Ce qui fait l’abondance de la liquidité
mondiale, incitant ainsi les banques centrales à mener des politiques monétaires
expansionnistes, en plus l’accroissement continue du niveau des réserves de change au
niveau mondial vu l’instabilité du dollar.
En fait, une situation de déflation peut être matérialisée dans un environnement caractérisé
par un déclin du niveau des crédits accordés au secte ur privé et une diminution des prix des
actifs puisque la liquidité est investie dans des structures non risqués. Cependant, cette
situation ne peut pas durer longtemps à cause du comportement des investisseurs qui
s’associe généralement à la recherche d’u n rendement élevé.
La surliquidité se traduit par l’augmentation des prix sur les marchés des actifs car le volume
de la liquidité est plus élevé que la taille de ces marchés. L’investissement massif dans les
actifs à prix élevés avec l’accroissement des exigences de rendement des investisseurs
conduisent à la remonté de plus en plus des prix des actifs.
Dans cet environnement caractérisé par l’excès de liquidité et la hausse très élevé des actifs,
la formation d’une bulle spéculative est fort probable .
Section 4 : Propagation de la crise
La crise déclenchée dans le marché immobilier a été propagée au marché monétaire à
travers la crainte de manque de liquidité, ensuite elle a affecté la sphère financière, puis
cette crise a été transmise à la sphère réelle et par la suite à l’économie mondiale.
1. Crise de liquidité dans le marché monétaire :
Pendant la crise, les banques ont perdu la confiance sur le marché bancaire en abandonnant
la modalité de financement entre eux cela veut dir e qu’elles ne se prêtent plus
réciproquement, ainsi les banques s’orientent vers le refinancement auprès de la banque
centrale.
Lacoue -Labarthe (2005) stipule que pour engendrer des difficultés de liquidité il suffit que les
banques refusent le renouvèlem ent des certificats de dépôt à titre d’exemple à une
institution critiquée comme suspect.

Chapitre 2 : La crise des Subprimes

Page 62
Les banques ont procédé à une réduction de volume des crédits consentis suite la période
d’expansion des prêts qui s’est caractérisé par l’accroissement des clients de mauvaise
qualité. En fait, les banques ont adopté un comportement visant la recherche de profits
associable à des ratios d’endettement raisonnable en ce concerne le risque, dans le cas où ce
ratio rejoint son niveau seuil les établissements bancaires so nt obligées de réduire le volume
des crédits consentis ce qui a comme conséquence l’affaiblissement de la liquidité dans
l’économie ou d’accroitre les taux des prêts afin de veiller leur rentabilité et solvabilité. Artus
(2002) stipule que les banques peuv ent effectuer un rationnement des prêts octroyés
lorsqu’elles n’ont pas la capacité d’honorer les ratios de solvabilité suite à une insuffisance
de fonds propres.
La Réserve Fédérale américaine s’est intervenue aux Etats Unis en injectant 88 milliards de
dollars afin de faire face à la pénurie de liquidité, ensuite un deuxième montant de 41
milliards de dollars a été injecté par la Fed pour freiner les tensions de panique bancaire. En
outre la somme injectée en Europe par la BCE est de 275 milliards d’euro pour aider les
banques à respecter ses obligations, en plus le Japon a injecté 1.6 milliards de Yens dans
l’objet est de palier l’assèchement de la liquidité à court terme.
L’assèchement de la liquidité dans le système bancaire peut engendrer une crise de défiance
étendu qui renforce les craintes que d’autres institutions financières soient en difficultés.
2. Effet domino dans la sphère financière :
Grace à un effet domino la crise a touché la totalité de marché de crédit et de titrisation de
façon progressive, en affectant en plus les produits financiers qui n’ont aucune relation avec
la subprime. En fait, l’effet de contagion de la crise des subprimes se matérialise à travers les
banques qui ont été très actives sur le marché des crédits hypothéca ires à risque et qui ont
effectuées des investissements dans des produits structurés.
L’industrie financière américaine a été caractérisée par une forte dévaluation des actifs qui
a affaiblie les bénéfices des institutions bancaires ayant intervenues dan s le secteur des
prêts immobiliers. En fait, les différentes banques ayant des titres adossés à des créances de
mauvaise qualité, leur valeur boursière a chuté au cours de la crise via la dépréciation des
actifs incluent dans leur portefeuilles des prêts h ypothécaires, ce qui engendre des pertes
graves dans le secteur bancaire et financier.
La contamination a touchée le marché boursier bien évidement au niveau des titres
bancaires ainsi qu’au niveau d’autre type de titres financiers grâce au comportement d es
investisseurs. En fait, ces derniers afin de compenser les pertes de engendrées par la crise
subprime ont procédés à la vente d’autres titres en manifestant par conséquent la
dépréciation de la valeur de ces titres.

Chapitre 2 : La crise des Subprimes

Page 63
La crise des prêts immobiliers a été transmise à l’industrie financière dans son ensemble,
ainsi que la chute des valeurs des titres bancaires sur la bourse américaine se reproduit dans
les marchés bousiers internationaux sous l’effet de la réaction des investisseurs qui sont
craint de l’éte ndue de la crise.
3. Propagation à l’économie réelle :
La crise financière a affectée la sphère de l’économie sur plusieurs niveaux. En fait, les cours
du pétrole ont été subies des changements suite à la crainte de la baisse du volume des
crédits octroyés, en plus plusieurs acteurs comme les fonds d’investissement ont liquidé
leurs positions sur le marché des matières premières et de l’énergie suite à l’assèchement de
la liquidité causé par les problèmes au niveau du marché des capitaux.
En outre, le volume de vente des logements et de mise en œuvre des chantiers aux Etats
Unis a été chuté suite au renforcement des conditions d’accès aux prêts immobiliers. Cette
crise a entrainée la défaillance des ménages emprunteurs qui ont perdu leur logement ainsi
que l es pertes importantes qu’ont subis les investisseurs via la dépréciation de leurs actifs.
En plus, un licenciement massif a été marqué dans le secteur financier, du fait que près de
35000 employés ont perdus leurs postes suite à la faillite de 84 institut ions de prêts
hypothécaires.
Tous ces effets ont amené à la baisse de la richesse des ménages américains, ce qui affecte
négativement leurs demandes. Ainsi, les marchés des autres pays qui dépendent de la
demande américaine ont été marqué s par une volatilité et une instabilité, d’où la contagion
de l’économie mondiale.
Section 5 : Lien entre le dispositif de Bâle 2 et la crise financière
La crise financière de 2007 a dégagé de grandes discussions entre les souteneurs et les
opposants de l a réglementation prudentielle bancaire concernant les avantages et les
insuffisances de cette dernière.
En fait, pour plusieurs spécialistes financiers, l’accord de Bâle 2 a joué un rôle dans
l’atténuation des conséquences de la crise, cependant le renforc ement des mesures
réglementaires a été manifesté afin d’assurer la stabilité du système bancaire et financier.
Mais pour les autres spécialistes, le dispositif de Bâle 2 n’a pas arrivé ni à prévoir la crise ni à
prendre les actions correctrices nécessaire pour éviter la propagation de cette dépression.
1. Avantages du dispositif réglementaire :
Le problème de la crise bancaire ne réside pas seulement dans l’inefficacité des normes
réglementaires mais aussi il provient d’une mauvaise application de ces directives. Alors, une
application rigoureuse des mesures par les établissements bancaires aussi bien que par les

Chapitre 2 : La crise des Subprimes

Page 64
autorités de contrôle permettant le renforcement de la solidité du système bancaire et
financier face aux perturbations éventuelles.
L’accord de Bâle 2 a remédié les faiblesses de Bâle 1 dans ses 3 piliers. En effet, le premier
pilier présente des méthodes de mesure de la quantité des fonds propres réglementaires
obligatoires pour faire face aux opérations de titrisations et de dérivés de crédi ts qui ont
utilisé par les banques afin de transférer le risque de crédit, en prenant en considération les
innovations financières afin de mieux mesurer le risque découlant des activités bancaires.
L’opération de titrisation qui s’est considérée comme le facteur majeur des troubles
financiers aboutissant à la crise a été traitée par l’accord de Bâle 2 comme une réalité
économique cela veut dire comme une opération ayant une contrepartie réelle plutôt que
considérée comme une simple écriture dans le hors bi lans des établissements bancaires. Ce
traitement s’applique aux institutions bancaires en tant qu’un cédant aussi bien qu’un
investisseur.
Cette réglementation encourage les banques à améliorer leurs méthodes de calcul et leurs
processus de gestion des ris ques en assurant ainsi une meilleure adéquation des fonds
propres aux risques effectivement issus des opérations bancaires.
Le pilier 2 offre aux autorités de supervision un appareil de contrôle lui permettant d’évaluer
les différents risques associés à c haque institution bancaire, en prenant en considération
quelques risques qui ne sont pas faciles à mesurer mais ils peuvent affecter la liquidité et la
solvabilité d’une banque.
L’accord de Bâle 2 propose aussi un instrument d’évaluation de risques à savo ir le stress
teste dont le but est de s’assurer que les établissements de crédit détiennent le niveau des
fonds propres nécessaire pour faire face aux troubles financiers.
Le troisième pilier concerne l’exigence de publication de plusieurs informations en matière
de la structure des fonds propres ainsi que le profil des risques encourus de toutes activités
bancaires incluant les opérations de titrisation. Cette exigence permettant le renforcement
de la transparence et de la discipline de marché afin d’avoir une image réelle sur la situation
financière de chaque établissement bancaire en évitant ainsi le problème d’asymétrie
d’information qui peut aboutir à des turbulences dans le système financier.
2. Faiblesses de la réglementation prudentielle :
Cependant, la crise de 2007 a prouvé l’inefficacité des normes réglementaires déjà mises en
œuvre. En fait, les analystes ont critiqué la manière arbitraire de fixation du niveau minimal
de capital réglementaire à 8 % en indiquant que chaqu e banque doit détenir un niveau des
fonds propres plus élevé que celui exigé pour être capable d’absorber les chocs et les pertes
produites par les crises financières.

Chapitre 2 : La crise des Subprimes

Page 65
En outre, cette crise a mis en évidence une spécificité du dispositif réglementaire à s avoir la
pro-cyclicité qui a fait l’objet d’une critique puisqu’elle entraine l’amplification des cycles
économiques. En fait, la situation d’une conjoncture économique qui se caractérise par une
phase de récession manifeste la contraction des prêts consen tis par les établissements de
crédit ce qui freine la relance de l’économie. Cette critique amène à la nécessité d’une
réserve en capital plus renforcée qui a un effet contra -cyclique sur les changements
conjoncturels dans le sens où elle permette d’alimen ter l’économie durant une période de
récession.
En plus, certains analystes ont mis en cause les pondérations de risques ainsi que les
méthodes d’évaluation interne sur tous les modèles de mesure de risque de marché qui sont
devenus obsolètes vues les inno vations et le développement des instruments financiers.
Une autre critique a été adressée à cette réglementation prudentielle concernant le rôle des
agences de notation qui ont réalisé des erreurs d’appréciation des risques supporté s par les
banques. Ces dernières sont victimes des mauvaises notations qui ne reflètent pas le profil
réel des risques associés à chaque établissement ce qui contribue à l’accroissement du
volume de créances douteuses dans le bilan bancaire ce qui peut pro voquer des faillites des
établissements de crédit.
L’application du pilier trois qui concerne la discipline de marché n’était pas rigoureuse
puisque les informations divulguées aux différents acteurs financiers sont de mauvaise
qualité et elles ne traduise nt pas la situation financière réelle des institutions bancaires.

Chapitre 2 : La crise des Subprimes

Page 66
Conclusion
Les causes de la crise, qui a été déclenchée à l’été de 2007, sont multiples, en fait ils relèvent
de différents niveaux à savoir macro et micro économique. En effet , le comportement des
institutions bancaires qui ont pris des risques excessifs à cause de la course au profit élevé et
du développement des nouveaux instruments financiers permettant le transfert du risque,
ce qui traduit par une expansion des crédits hyp othécaires à haut risque, en fait cette
liquidité abondante engendre un accroissement excessif des prix des actifs sur les marchés,
ce qui aboutit à la formation d’une bulle spéculative où son éclatement traduit par une crise
financière qui a été propagée à la sphère économique, ainsi les investisseurs ont joué un rôle
important dans l’aggravation de cette crise et dans sa contagion avec leur comportement sur
les marchés financiers internationaux qui ont subi des forts effondrements de leur valeur
avec un a ssèchement de la liquidité suite à la retrait des fonds et des pertes financières.
La crise des subprimes a engendré des pertes graves pour les différents acteurs tels que les
banques qui font faillite, les investisseurs qui ont perdu leur capital et les ménages qui ont
perdu leur patrimoine. En fait cette crise a abouti à un déséquilibre général de l’économie
mondiale au niveau de différents marchés comme le marché bancaire, le marché monétaire
et le marché boursier qui ont connu une forte perturbation e t volatilité.
Plusieurs débats ont été déclenchés à la suite de la crise dans le but de remédier à cette
dernière et de trouver des solutions pour sortir de la dépression en tirant les leçons pour
faire les réformes nécessaires au niveau du dispo sitif de la réglementation prudentielle
bancaires afin d’assurer la stabilité et la solidité du système bancaire et financier et
renforcer la capacité des établissements bancaires à absorber les chocs éventuels.
Cette crise a notamment signalé un lien important entre le dispositif réglementaire
prudentiel et la prise de risque par les institutions bancaires, ce qui nous incitons à examiner
empiriquement cette relation afin de trouver des résultats explicatifs et des réponses
empiriques à cette pro blématique.

CHAPITRE 3 : IMPACT DU
DISPOSITIF REGLEMENTAIRE
PRUDENTIEL SUR LA PRISE
DE RISQUE BANCAIRE
PENDANT ET APRES LA CRISE
DES SUBPRIMES.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 67
Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la
prise de risque bancaire pendant et après la crise des subprimes.
Introduction

L’impact de la réglementation prudentielle sur le niveau de la prise de risque des
établissements bancaires est d’un intérêt considérable étant donné son importance sur la
stab ilité financière .

En se basant sur la revue de la littérature thé orique que nous avons présenté dans les deux
chapitres précédents et celle empirique que nous allons exposer dans la première section de
ce chapitre, nous avons observé que plusieurs études, soit théoriques soit empiriques tels
que celle de Ganiolu (2007), Caprio et Levine (2008), Barth et al. (2013 ) et Idi Cheffou et al.
(2014), ont prouvé le rôle important joué par le dispositif de la réglementation prudentielle
au niveau de la gestion des risques au sein des institutions bancaires.
Cependant , ces études ont négligé l’implication des mécanismes réglementaires (Bâle 2)
dans le déclenchement et l’amplifica tion de la crise des subprimes. De même , l’impact de la
mise en place de l’accord de Bâl e 3 sur la prise des risques bancaires n’a pas fait l’objet
d’investigation empirique, à notre connaissance.
Pour cette raison, nous all ons étudier l’impact du dispositif réglementaire prudentiel sur la
prise de risque bancaire pendant et après la crise des subprimes, dont le but est d’identifier
les lacunes de ces mécanismes réglementaires et de donner ainsi des suggestions de
rectification.
En fait, nous allons analyser exactement l’effet des ratios réglementaires de l’accord de Bâle
2, qui a été appli qué par les institutions bancaires avant et pendant la crise de 2007, et de
l’accord de Bâle 3, qui a été mis en place après cette crise, sur la prise de risque par les
banques pendant et après la crise de subprimes.
Pour répondre à cette problématique, n ous nous basons sur une analyse multivarié e en
données de panel, à partir d’un échantillon de 75 banques les plus touchées par la crise des
subprimes, pendant deux sous -périodes à savoir 2008 -2009 et 2013 -2014.
Dans le présent chapitre, nous a llons expose r dans la première section une revue de la
littérature empirique, en exposant les études qui sont intéressé es au cadre des normes
réglementaires prudentielles en re lation avec le risque bancaire. La deuxième section sera
consacrée à la présentation des hyp othèses et du modèle de notre étude empirique ainsi
qu’à la définition des variables qui le composent . L’objet de la troisième section est la

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 68
présentation de notre échantillon et l’analyse statistique des variables de notre modèle ainsi
que l’examen de la corrélation dans ce dernier. Puis, nous a llons exposer les différents tests
économétriques dans la section quatre. Enfin, les résultats et les interprétations des
estimations de notre modèle sont présentés dans la sixième section.
Section 1 : Revue de la littérature empirique
L’activité bancaire est souvent attachée au comportement de prise de risque qui peut
aboutir à l’accroissement du risque de fai llite dans le système bancaire. Le dispositif
réglementaire a été instauré afin de réduire la prise de r isque des institutions bancaires via
des exigences en fonds propres des banques. En fait, la réglementation bancaire est qualifiée
comme prudentie lle au niveau international puisqu’elle vise à protéger le système financier
dans son ensemble.
Dans ce contex te, diverses recherches ont été réalisées sur des banques de différents pays
pour plusieurs périodes afin d’examiner la relation qui existe entre le risque pris par les
banques et les normes réglementaires qui encadrent l’activité bancaire.
Les recherches pionnières, qui portent sur l’impact de la régulation de l’activité bancaire sur
l’attitude de prise de risque par les établissements de crédit, ont été accomplies par Pelzman
(1970) et Mayne (1972) au niveau du système bancaire américain. En effet, ces é tudes ont
touché l’efficacité de la réglementation du capital et elles ont procédé à vérifier si les
institutions bancaires peuvent être encouragées à prendre plus de risque lorsqu’il existe un
dispositif d’assurance des dépôts caractérisé e par une prime à taux fixe. Les résultats issus
de ces études consistent à mettre en cause l’efficacité du dispositif réglementaire, la
nécessité de renforcement des ratios de capital et à contrôler l’impact de l’assurance des
dépôts sur le comportement en matière de risq ue au sein du secteur bancaire.
Koehn et Santomero (1980) ont examiné dans leur étude l’effet de la régulation du fonds
propres sur la prise de risque des banques à travers l’analyse de l’influence d’un
accroissement du niveau minimum du ratio réglementair e sur le risque de portefeuille, le
résultat trouvé est que pas forcément le renforcement des exigences minimales en capital se
traduit par une réduction de risque de faillite bancaire.
Dahl et Shrives (1991) ont détecté un lien positif entre le changemen t du niveau de capital et
la modification du volume de risque en se basant sur de s données de 1800 banques
américaines dans une période qui s’étale de 1983 à 1987. Ce résultat a été prou vé aussi par
Bichsel et Blum (2004) à travers leur étude qui est basée sur un échantillon de 19 banques
suisses observables sur la période 1990 -2002.
Pi et Timme (1993) ont remarqué, via l’élaboration d’une étude sur un panel de banques
américaines pendant la période 1988 -1990, que la présence de la dualité pèse sur la

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 69
renta bilité et l’efficience des actifs bancaires car le conflit d’agent sera renforcé lorsque le
contrôle et la prise de décision sont assurés par la même personne.
La relation entre les normes de la réglementation prudentielle et le comportement à risque
a été étudiée par Gonzàlez (2004) en utilisant un échantillon composé par 251
établissements bancaires de 36 pays. En plus une étude a été réalisée dans la même année
par Bichsel et Blum en considérant un échantillon de 19 banques suisses sur une période de
1990 à 2002 pour étudier l’effet des décisions concernant le capital sur le volume de risque
pris par les banques, le résultat obtenu par ce travail est que les établissements bancaires
s’orientent vers l’accroissement de la quantité du risque au moment où el les augmentent
leur capital.
Ganiolu (2007) a effectué une étude pour analyser la relation entre les faiblesses du
dispositif réglementaire et du processus de supervision bancaire et l’apparition des crises au
niveau du système bancaire. Le résultat sugg ère que les normes de fonds propres
correspondent à un facteur essentiel de prévention des crises bancaires éventuelles, dans ce
cadre l’auteur supporte l’idée de renforcement des exigences minimales de fonds propres
afin de renforcer la capacité des banqu es à faire face aux crises éventuelles et ainsi assurer
la solidité et la stabilité du système bancaire et financier dans son ensemble.
Une étude a été menée par Altunbas et al. (2007) pour mettre en relation le capital, le risque
et l’efficience sur la période 1992 -2002 pour un échantillon des banques européennes. Ils
ont trouvé un lien positif entre le risque et le capital mais pour les établissements bancaires
caractérisés par une forte efficience, ce lien est négatif.
Le travail de Roy (20 08) s’intéresse à l’analyse de la manière d’adaptation des banques du
groupe des dix pays (G -10) suite l’instauration de l’accord de Bâle 1 à l’année 1992 en
matière des ratios de fonds propres réglementaires et les actifs pondérés du risque. Les
résultat s empiriques de cette étude prouvent que les établissements bancaires qui ne sont
pas fortemen t capitalisé s ont procédé à un accroissement de leur niveau de fonds propres et
ils n’ont pas révisé leurs actifs pondérés du risque alors que les banques caracté risées par
une forte capitalisation n’ont pas réalisé les ajustements nécessaires.
Brewer et al. (2008) utilisent dans leur recherche un panel de 78 institutions bancaires de 12
pays développés pour la période de 1992 à 2005 pour étudier leur comportement
décisionnel en ce qui concerne le capital. Dans ce travail, les auteurs considèrent deux ratios
pour mesurer le capital à savoir le ratio de fonds propres Tier 1 sur le total des actifs
pondérés du risque et le ratio de fonds propres sur l’actif total. Les résultats empiriques
mènent à une conclusion qui prouve une relation négative entre le risque et le premier ratio
alors qu’une relation positive entre le risque et le deuxième ratio. La corrélation négative
peut être expliquée par le fait qu’il existe un indicateur d’évaluation de risque à savoir les
actifs pondérés du risque dans le dénominateur du ratio Tier 1 pondéré du risque.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 70
La recherche de Ben Naceur et omran (2011) concerne un échantillon de 173 banques de
dix pays de la région MENA pendant la pé riode qui s’étale de 1989 à 2005 dont l’objectif est
d’examiner l’influence de la réglementation prudentielle et des facteurs institutionnels sur la
performance bancaire dans cette région. Le principal résultat décrit un impact positif du
capital et du ris que de crédit sur la marge nette d’intérêt et la rentabilité des établissements
bancaires.
Erkens et al (2012) s’intéressent à l’impact du gouvernance d’entreprise sur la performance
des institutions financières pendant la crise des subprimes en menant un e étude basée sur
un échantillon composé par 296 entreprises financières de 30 pays les plus touchés par cette
crise. Ces auteurs trouvent que les établissements de crédit possédant un conseil
d’administration plus indépendant ont été caractérisés par un r endement des actions plus
faible pendant la période de la crise financière de 2007 -2008.
El Gaied et al. (2012) ont essayé de tester l’hypothèse qui prédit que la technique de la
titrisation a un rôle important dans la prise de risque excessive au sein d u système bancaire
américain en utilisant un panel de 6775 banques américaines pendant la période qui s’étale
de 2003 à 2007. Ils ont trouvé que les établissements bancaires qui ont utilisé l’opération de
titrisation des crédits sont caractérisés par un ni veau de risque plus élevé que la moyenne et
la chute des valeurs de l’immobilier dans le marché à partir de l’année 2006 aboutit à une
dégradation de la performance financière des banques américaines.
Barth et al. (2013) ont prouvé que l’instauration des r estrictions plus sévèr es au sein du
secteur bancaire ne se traduisait pas par une amélioration de l’efficacité bancaire à travers
un travail empirique basé sur un échantillon de 4050 banques de 72 pays observables
pendant la période qui s’étale de 1999 à 2 007.
Klomp et Haan (2013) ont employé une base de données d’un échantillon de 400 institu tions
bancaires situées dans 70 pays non industrialisés sur la période 2002 -2008 dont l’objectif est
d’étudier l’effet de la réglementation prudentielle sur le risque inhérent de l’activité
bancaire. Ils ont trouvé que l’instauration d’un dispositif de régulation rigoureux se traduit
par la baisse du risque dans le système bancaire.
Ndiaye M. P. (2014) s’intéresse à l’étude de la nature du lien entre la défaillance bancaire et
les variables réglementaires. En fait, il a pris un panel de 98 établissements bancaires de la
zone UEMOA pour la période 2001 -2011 pour étudier cette relation, en utilisant l’indicateur
z-score de mesure de la défaillance bancaire. Le résult at de ce travail prouve que le risque de
faillite des établissements bancaires dans la zone UEMOA peut être réduit à travers les fonds
propres exigés par le comité de bale.
L’étude de Ben Bouheni et al. (2014) s’intéresse à l’influence des politiques de r égulation et
de surveillance prudentielle sur la prise de risque et la profitabilité des banques à partir d’un

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 71
échantillon de banques situées dans l’Europe sur la période 2005 -2011. Le principal résultat
de ce travail suggère que le renforcement de la supe rvision bancaire et du dispositif
réglementaire favorise la solidité du système bancaire européen et améliore la rentabilité
des banques.
Zheng et al. (2015) ont travaillé sur un échantillon de 30 banques situées au Bangladesh
pendant la période de 2008 à 2012 pour étudier le lien entre les ratios de capital
réglementaire et le comportement des banques en ce qui concerne le risque en relation avec
la taille de la banque. Cette analyse empirique prouve que les établissements bancaires qui
conservent plus de capital réglementaire sont caractérisés par un niveau de risque plus
faible, c'est -à-dire il existe une corrélation négative entre le niveau de risque d’une banque
et la quantité de fonds propres réglementaires, aussi les résultats de cette étude montrent
que les banques de grande taille optent pour un comportement plus risqué que les autres.
Section 2 : Spécification du modèle
Dans cette section, nous allons exposer les hypothèses du modèle en présentant ce dernier
avec les variables qui le constitue nt.
1. Les hypothèses du modèle :
Puisque notre travail empirique vise à examiner l’impact du dispositif réglementaire
prudentiel sur la prise de risque bancaire pendant et après la crise des subprimes, nos
hypothèses à tester sont lié es aux variables réglemen taires qui sont de trois niveaux :
– Le ratio Tier 1 qui représente les fonds propres de base des établissements bancaires,
cette variable permet d’évaluer la solidité des banques, alors la première hypothèse
est la suivante :

H1 : le ratio Tier 1 a un effe t négatif sur la prise de risque bancaire.

– Le ratio Tier 2 qui comporte les fonds propres complémentaires des banques, il
permet d’apprécier la santé financière d’une institution bancaire, alors la deuxième
hypothèse est présentée comme suit :

H2 : Le ra tio Tier 2 a un effet négatif sur la prise de risque bancaire.

– Le ratio Core Tier 1 qui incorpore les fonds propres de base en excluant les capitaux
hybrides, il permet de mieux apprécier la solidité des établissements bancaires, alors
la troisième hypoth èse est formulée comme suit :

H3 : Le ratio Core Tier 1 a un effet négatif sur la prise de risque bancaire.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 72
2. La présentation du modèle :
Nous avons spécifié un modèle pour étudier notre problématique qui consiste à apprécier
l’impact des variables de la r églementation prudentielle des banques sur la prise de risque et
la défaillance des institutions bancaires pendant et après la crise des subprimes, en tenant
compte d’une variable de gouvernance interne et plusieurs variables de contrôle de l’activité
banc aire ainsi que quelques variables macroéconomiques qui peuvent influencer les
opérations bancaires.
Le modèle de notre étude empirique est le suivant :
Le risque bancaire it = α + ∑ β it Gouv it + ∑ γ it Contrôle it + ∑ δ jt Macro jt + Ɛit
Où :
 i : désigne les institutions bancaires et qui varie de 1 à 75.
 t : désigne la période d’examen empirique et qui prend l’une des quatre années
suivantes 2008 -2009 -2013 -2014.
 j : désigne les pays de localisation de s banques et qui varie de 1 à 19 .

 Le risque bancaire it : c’est la matrice des variables qui évaluent la prise de risque et la
défaillance associée à la banque i pendant l’année t, il est mesuré par trois ratios qui
sont le ratio des actifs pondérés aux risques, le ratio des prêts non performants et le
ratio z -score.
 Gouv it : c’est la matrice des variables qui apprécient la gouvernance au sein de la
banque i pendant l’année t, en fait la gouvernance interne est touchée via la variable
dualité ainsi que la gouvernance externe est affectée par les variables d e la
réglementation prudentielle bancaire à savoir le ratio Tier 1, le ratio Tier 2 et le ratio
core Tier 1.
 Contrôle it : c’est la matrice des variables qui contrôlent l’activité de la banque i
pendant l’année t, en fait les mesures de contrôle prise s dans notre modèle sont les
suivantes : le rendement des actifs (ROA), la rentabilité des capitaux propres (ROE),
ratio de liquidité, ratio de dépôt, ratio de crédit, ratio de solvabilité, taille, ratio de
levier, marge nette d’intérêt.
 Macro jt : c’est la matrice des variables macroéconomiques associées au pays j
pendant l’année t, elle est présentée par l’inflation et le crédit domestique/PIB.

– Ɛit : représente le terme d’erreur.
– α, β it, γit, δjt : représente les vecteurs des coefficients estimés.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 73
3. La définition des variables du modèle :
Le choix des variables de notre modèle est fondé sur les travaux empiriques que comporte la
littérature de notre problématique, à titre d’exemple, Tung (2011) a employé le ratio Tier 1
comme une évaluation du capital réglementaire d’une banque ainsi qu’il a introduit le
rendement des actifs (ROA), la taille de la banque et le ratio de levier afin de contrôl er
l’activité bancaire, en plus ZHENG (2015) a utilisé l’inflation et la croissance du PIB afin de
contrôler l’environnement macroéconomique des banques, aussi NDIAYE M. P. (2014) a
introduit le ratio z -score dans son étude pour apprécier le risque de défa illance des banques.

L’ensemble des variables de notre modèle empirique son t décrites dans le tableau n°3.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 74
Tableau 3. La définition des variables
Catégorie des variables Désignation des variables Définition des variables Mesure des variables Signe prévu
variable dépendante :
la défaillance bancaire Actifs pondérés des risques Une mesure de risque bancaire Les actifs pondérés des
risques divisés par le total
des actifs
Prêts non performants Une mesure de prise de risque
bancaire en matière de crédits
accordés Les prêts échus depuis 90
jours divisés par l’actif total
z-score Une mesure de défaillance
bancaire Log z -score = ln
((ROA+R.SOLV)/ σ(ROA))
variables de
gouvernance externe
bancaire (variables de
la réglementation
prudentielles) Ratio Tier 1 Représente les fonds propres de
base qui sont constitués par le
capital social et les réserves Le capital Tier 1 divisé par
les actifs pondérés des
risques Le signe prévu pour les trois ratios
de la réglement ation prudentielle
bancaire est négatif ( -) parce qu’ils
sont établis par le régulateur pour
réduire la prise de risque par les
banques. Alors, plus ces ratios
augmentent plus le risque de
défaillance bancaire s’affaiblit. Ratio Tier 2 Représente les f onds propres
complémentaires qui sont
constitués par des capitaux
hybrides, des dettes
subordonnés, des réserves non
déclarées et celles de
réévaluation Le capital Tier 2 divisé par
les actifs pondérés des
risques
Ratio core Tier 1 Représente les fonds propres du
type Tier 1 hors les capitaux
hybrides La différence entre le
capital Tier 1 et les
capitaux hybrides divisés
par les actifs pondérés des
risques
Variable de
gouvernance interne
bancaire Dualité La même personne occupe le
poste de directeur général et le
poste du président du conseil
d’administration Cette variable prend la
valeur 1 si le président du
conseil d’administration est
le directeur général et
prend la valeur 0 si non Le signe prévu est négatif ( -) parce
que la dualité fait éla rgir le pouvoir
du dirigeant au sein de la banque ce
qui affaiblit la performance bancaire
et accroitre alors le risque de
défaillance.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 75
Variables de contrôle
de l’activité bancaire Ratio de liquidités Une mesure de la liquidité
bancaire Le total des prêts divisé par
le dépôt total Le signe prévu est négatif ( -)
puisque plus la banque est liquide
plus sa capacité à faire face aux
retraits massifs des dépôts se
renforce ce qui affaiblit le risque de
défaillance
Ratio de solvabilité Une mesure de la solvabilité de la
banque et donc de la solidité
financière bancaire Le total des fonds propres
divisé par le total des actifs Le signe prévu est négatif ( -)
puisque plus la banque est solvable
plus elle est capable de faire face à
leurs engagements à tout moment
et donc minimiser le risque de
défaillance
Ratio de levier Une mesure du pouvoir de
financement des obligations
financières de la banque Le total passif divisé par le
total actif Le signe prévu est négatif ( -) car plus
ce ratio est é levé plus la banque
possède le pouvoir à respecter ses
obligations et donc la probabilité de
défaillance diminue
Rendement des actifs (ROA) Une mesure de la rentabilité
d’une banque Le bénéfice net divisé par
le total des actifs Le signe prévu est négatif ( -)
puisque plus le bénéfice net de
l’actif total est élevé plus la banque
est rentable et donc le risque de
défaillance diminue
Rendement des capitaux
propres (ROE) Une mesure du profit que peut
générer la banque à partir de
leurs capitaux Le résultat net divisé par
les capitaux propres Le signe prévu est négatif ( -) car plus
le bénéfice net des capitaux propres
augmente plus l’efficacité de la
banque augmente et donc son
exposition au risque de défaillance
va diminuer
Marge nette d’int érêt Ce ratio permet d’apprécier la
profitabilité du taux d’intérêt fixé
par la banque via la différence
entre le taux auquel la banque Le revenu net d’intérêt
divisé par le total actif Le signe p révu est négatif ( -) car plus
la marge nette d’intérêt est élevée
plus la probabilité de défaut
diminue et donc le risque de

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 76
accorde les crédits et le taux
auquel elle se refinance défaillance s’affaiblit
Ratio de dépôt Ce ratio permet d’apprécier les
ressources financières de la
banque qui assurent l’activ ité
d’octroi des crédits Le total des dépôts divisé
par le total des actifs Le signe prévu est positif (+)
puisqu’un niveau élevé des dépôts
renforce l’aléa moral de la banque
pour financer des investissements
risqués, ce qui augmente le risque
de déf aillance bancaire
Ratio de crédit Une mesure du volume des
crédits accordés Le total des prêts divisé par
le total d’actif Le signe prévu est positif (+) car
plus le niveau d’octroi des crédits
est élevé plus le risque de défaut
augmente et donc l a probabilité de
défaillance s’élève
Taille Une mesure de la taille d’une
banque selon le logarithme de
son actif total Log (total actif) Le signe prévu est négatif ( -) car plus
que la taille de la banque est grande
plus elle possède des fonds pour
faire face à ses obligations
Variables
macroéconomiques Inflation Représente le taux d’inflation
annuel C’est l’indice des prix à la
consommation Le signe prévu est positif (+) parce
qu’un niveau élevé du taux
d’inflation représente un indicateur
de la survenance d’une crise
bancaire
Crédits domestiques/PIB C’est une mesure du niveau de
levier financier global dans une
économie Le total des crédits
domestiques divisé par le
PIB Le signe prévu est positif (+) car
lorsque le levier financier est
important dans le système financier
la probabilité de défaut augmente

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 77
3.1. La variable à expliquer :
La défaillance bancaire est la variable dépendante de notre modèle, elle est mesurée par
trois indicateurs à savoir :
 Le ratio des actifs pondérés aux ri sques (RWA) : c’est le rapport entre les actifs
pondérés aux risques et l’actif total, cet indicateur est c onsidéré selon les accords
de Bâ le comme une définition du risque bancaire. Cette mesure spécifie le niveau
du risque supporté par la banque, en fait , pour chaque actif les banques
attribuent le degré du risque qui lui correspond. Ce ratio a été utilisé par
plusieurs chercheurs tels que Shrieves et Dahl (1992), Aggarwal et Jacques (2001),
Roy (2005) et Jokipii et Milne (2010).
 Le ratio des prêts non p erformants : ce ratio correspond au total des prêts non
performants divisés par le total des prêts accordés par la banque, cette mesure
est considérée comme un indicateur de la qualité du portefeuille des crédits. Cet
indicateur est considéré comme une éva luation ex post du niveau de risque à
l’inverse du ratio de s actifs pondérés aux risques. C e ratio a été utilisé par divers
auteurs comme Meeker et Gray (1987), Nejezchleb et Morgan (1990) et Aggarwal
et Jacques (2001).
 Log z -score : c’est une mesure de ri sque de défaillance des banques telle que
proposée par Roy (1952), il est égal au total du ratio des rendements des actifs et
du ratio d’immobilisations divisé par l’écart types des rendements des actifs. Cet
indice apprécie la distance de l’insolvabilité bancaire, en fait, un niveau élevé de
z-score indique un niveau faible de risque d’insolvabilité bancaire ainsi un haut
niveau de stabilité financière de la banque. Nous appliquons le logarithme au
ratio z -score car ce dernier est fortement biaisé.

3.2. Les variables explicatives :
Les variables explicatives de notre modèle sont classées en trois catégories.
a. Les variables de la gouvernance bancaire :
La gouvernance bancaire représente l’ensemble des normes qui régulent l’activité bancaire
sur deux nive aux, l’un externe via des ratios de la réglementation prudentielle bancaire et
l’autre interne via des mécanismes spécifiques.
 Les variables de la réglementation prudentielle bancaire :
 Le ratio Tier 1 : ce ratio correspond au rapport entre le capital Ti er
1 et les actifs pondérés aux risques. ce type de capital correspond
aux fonds propres de base , il est constitué par le capital social et
les réserves. Cette composante est qualifiée comme un noyau dur

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 78
qui représente la capacité d’absorption la plus impo rtante des
pertes. L’accord de Bâ le 2 a indiqué que le ratio Tier 1 doit être
égal au minimum à 4 %.
 Le ratio Tier 2 : ce ratio correspond au rapport entre le capital Tier
2 et les actifs pondérés aux risques, ce capital est considéré
comme les fonds p ropres complémentaires, il est formé par les
dettes subordonnées, les provisions non déclarées, les réserves de
réévaluations, les instruments hybrides. Le régulateur fixe un taux
de 4 % au minimum pour le ratio Tier 2.
 Le ratio core Tier 1 : c’est l’éc art entre le capital Tier 1 et les
capitaux hybrides divisés par les actifs pondérés des risques, le
capital core Tier 1 est composé par les actions et les bénéfices
réinvestis qui sont considérés comme un capital qualifié par un
niveau de qualité élevé. C e ratio doit être égal au mi nimum à 2 %
selon l’accord de Bâ le 2.
 Les variables de la gouvernance interne bancaire :
 La dualité : elle désigne que la même personne occupe le poste de
directeur général et le poste du président du conseil
d’administration. Cette variable prend la valeur 1 si le président du
conseil d’administration est le directeur général et elle prend la
valeur 0 si non. C ette mesure a été utilisée par Gary et Gleason
(1999) qui ont décrit que la dualité peut élargir le pouvoir du
dirige ant au sein de la banque.

b. Les variables de contrôle de l’activité bancaire :
Nous incluons dans notre modèle les différentes variables de contrôle de l’activité
bancaire pour examiner les autres particularités des institutions bancaires qui
influencent la prise de risque.
 Le ratio de liquidités : ce ratio est un indicateur de la liquidité bancaire et
indique la capacité des banques à résister aux chocs, il est égal au total des
prêts divisés par le dépôt total. Lorsque la banque présente un ratio de
liquidité élevé, cela implique qu’elle peut avoir un problème d’insuffisance de
liquidité pour faire face aux exigences éventuelles de fonds.
 Le ratio de solvabilité : ce ratio représente une mesure de la solvabilité de la
banque qui reflète sa solidit é financière, il est obtenu en divisant le total des
fonds propres par l’actif total. Un niveau de solvabilité élevé indique une
capacité renforcée de la banque à rembourser ses engagements.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 79
 Le ratio de levier : ce ratio correspond au rapport entre l e total passif et le
total actif, il renseigne sur la capacité de la banque à financer ses obligations
financières par ses endettements.
 Le ratio crédit : ce ratio correspond au rapport entre le total des crédits
accordés et le total des actifs, il r enseigne sur le volume de l’activité d’octroi
de crédits de la banque par rapport à son actif total.
 Le ratio dépôt : ce ratio correspond au rapport entre le total des dépôts et le
total d’actifs, il indique les ressources non marchéisées de la banque qui
servent à financer l’activité d’octroi de crédits. Un ratio de dépôt élevé est
favorable en matière de liquidité bancaire.
 Taille : il est mesuré par le logarithme du total des actifs. La taille de la
banque est appréciée comme un déterminant considé rable de la prise de
risque bancaire. En fait, cet indicateur a une influence sur la diversification du
portefeuille, l’accès au capital (Zhang et al. 2008) et l’adoption du savoir faire
concernant la gestion des risques. Cependant, les banques de grande t aille
peuvent être stimulé à adopter un niveau de risque plus élevé en tenant
compte du sauvetage des autorités dans une circonstance de défaillance.
 Marge nette d’intérêt : ce ratio permet d’apprécier la profitabilité du taux
d’intérêt fixé par la banque via la différence entre le taux auquel la banque
accorde les crédits et le taux auquel elle se refinance. Il correspond au
rapport entre le revenu net d’intérêt et le total des actifs.
 Le rendement des actifs (ROA): c’est un indicateur de profit e t de la
rentabilité de la banque, ce rendement égal au bénéfice net divisé par le total
des actifs. Cette mesure renseigne sur le degré d’efficacité de génération de
revenus à partir des actifs. Cet indicateur est considéré comme un ratio
important pour év aluer la performance globale des banques (FMI, 2002).
 Le rendement des capitaux propres (ROE): cet indicateur donne une idée sur
la performance de la banque (Beck et al. 2005), il correspond au rapport
entre le résultat net et les capitaux propres. Ce ra tio renseigne sur le degré
d’efficacité de génération de revenus à partir des capitaux propres.

c. Les variables macroéconomiques :
Divers travaux ont signalé que les facteurs macroéconomiques ont une incidence sur
les pratiques bancaires comme Houston et al. (2010). Nous introduisons deux
variables macroéconomiques dans notre modèle afin de contrôler l’environnement
macroéconomique du pays où se situe la banque.
 Inflation : cet indicateur est évalué par le taux d’inflation annuelle qui
correspond à l’i ndice des prix à la consommation. Il influence la décision des

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 80
agents économiques en matière de demande de crédit ce qui affecte l’activité
bancaire en matière de performance.
 Crédits domestiques/PIB : C’est une mesure du niveau de levier financier
global dans une économie. Ce ratio permet d’apprécier la demande de prêt
globale de l’économie par rapport au niveau du PIB du pays (Jiménez et
Saurina 2006).
Section 3 : Présentation de l’échantillon, statistiques descriptives et matrice
de corrélation
Dans cette section, nous allons présenter l’échantillon de notre travail et nous allons exposer
les statistiques descriptives et la matrice de corrélation des différentes variables de notre
modèle.
1. Présentation de l’échantillon :
L’échantillon de notre étu de empirique se compose de 75 banques qui sont situées dans 19
pays différents. Le tableau n° 4 expose la distribution des banques par pays.
Tableau 4. Distribution des banques par pays
Banques Pays Banques Pays
Société géné rale France STORE BRAND Norvége
Itaú Unibanco Brésil DNB Norvége
US BANK CORP Etats Unis HSBC Royaume -Uni
TD BANK Etats Unis Barclays Royaume -Uni
M&T Bank Etats Unis BANK OF IRELAND Royaume -Uni
SUNTRUST Etats Unis DEPFA BANK Royaume -Uni
BancorpSo uth Etats Unis Investec Royaume -Uni
BOK Etats Unis RBS Royaume -Uni
CAPITAL ONE Etats Unis bank of scotland Royaume -Uni
CITIZENS BANK Etats Unis loyeld banking group Royaume -Uni
CITY NATIONAL Etats Unis NATIONAL BANK CANADA
CULLEN FROST Etats Unis bank of montreal CANADA
fifth Etats Unis SCOTIA BANK CANADA
first citzen bank Etats Unis CIBC CANADA
HUNTINGTON Etats Unis royal bank of canada CANADA
IBC Etats Unis Banque Toronto –
Dominion CANADA
Associated Banc -Corp Etats Unis KBC Belgique
bankun ited Etats Unis BANCO BPI Portugal
Huntington Bancshares Etats Unis BPS Portugal
BOH Etats Unis ATE BANK Grèc e
BNY Etats Unis ALPHA BANK Grèc e
Zions Bancorporation Etats Unis eurobank Gréc e

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 81
BANCO POPULAR Espagne ABN Pays -Bas
BANCO DE SABADELL Espagne ING bank Pays -Bas
BBVA Espagne SNS Bank Pays -Bas
BANKINTER Espagne Commonwealth Bank Australie
SEB Suéde WESTPAC Australie
handelsbanken Suéde bank of quennsland Australie
NORDEA Suéde BANK OF CYPRUS CHYPRE
SWEDBANK Suéde BANCA MPS Italie
UBS Suisse Mediobanca Italie
BCGE SUISSE BPM Italie
EFG SUISSE Commerzbank Allemagne
VONTOBEL SUISSE DEUTSCHE POSTBANK Allemagne
Jyske Bank DANEMARK Eurohypo Allemagne
Sydbank DANEMARK IKB Allemagne
DANSKE BANK DANEMARK ICICI BANK INDE
AXIS BANK INDE

En fait, le choix de notre échantillon est fondé sur deux critères. Premièrement, nous nous
intéressons aux banques les plus touchées par la crise des subprimes. Deuxièmement, nous
retenons les banques de grande taille dont l’actif total ex cède 10 milliards de dollars
puisqu’ elles ont subi des pertes énormes pendant la crise financière de 2007.
La période d’estimation se compose de deux sous -périodes à savoir 2008 -2009 visant
l’analyse de l’impact de Bâle 2 sur la défaillance bancaire penda nt la crise des subprimes et
2013 -2014 visant l’étude le début de l’effet de Bâle 3 sur la prise de risque bancaire. En fait,
la sélection de ces périodes est expliquée par le fait que la cri se des subprimes a été
commencé à la fin de dernier trimestre de l’année 2007, alors ses répercussions se
manifestent à partir le début de l’année 2008 dans les bilans des institutions bancaires. Les
années 2010, 2011 et 2012 ont été exclues de notre période d’étude puisque le nouvel
accord Bâle 3 a été élaboré en 2010 et son application effective commence à partir de
l’année 2013.
Les données de notre étude empirique ont été collectées à partir des rapports annuels
publiés des banques de notre échantillon et elles sont traitées manuellement puisque les
bases des do nnées mondiales incluant les données financières des banques sont
inaccessibles, ainsi les données macroéconomiques ont été recueillit à partir de la base de
données de la Banque Mondiale.
2. Statistiques descriptives :
Les statistiques descriptives de tout es les variables de notre modèle sont présentées dans le
tableau n° 5 qui expose le nombre d’observation s, les moyennes, les écarts types ainsi que
les valeurs minimum s et maximum s des différentes variables.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 82
Tableau 5. Statistiqu es descriptives
Variables
Nombre
d’observations Moyenne
Ecart type
Minimum
Maximum

Actifs pondérés aux risques
Prêts non performants
Log z -score
Tier 1
Tier 2
Core tier 1
Dualité
Ratio de liquidité
Ratio de solvabilité
Ration de levier
Dépôts
Crédi ts
Taille
ROA
ROE
Marge nette D’intérêt
Inflation
Crédits internes/PIB
Id 300
300
300
300
300
300
300
300
300
300
300
300
298
300
300
300
300
286
300
0.4367993
0.0375847
2.276933
0.1398446
0.0577321
0.129516
0.43
0.998418
0.1854487
0.902252
0.596 8125
0.5728555
6.12453
0.009233
0.0753593
0.0208663
0.02151
1.508406
38 0.2597464
0.0572108
1.029072
0.0678231
0.0894922
0.0807629
0.4959029
0.2876884
0.0967392
0.077235
0.1770229
0.1813998
0.9616144
0.0139573
0.0697584
0.0152725
0.0618662
0.4747628
21.684 88
0.0005
0.0001
0.16
0.0589
0
0.0567
0
0.1574
0.0811
0.2785
0.0288
0.0045
3.05
-0.085
-0.2551
0.0004
-0.052
0.475
1 0.9873
0.309
6.74
0.4828
0.889
0.984
1
2.7965
0.7599
1.0234
0.917
0.8914
8.2
0.106
0.3492
0.142
0.6
2.536
75

L’analyse statistique des variables de notre modèle indique que les banques de notre
échantillon sont différentes en termes des caractéristiques réglementaires et financières qui
font l’objet de notre analyse empirique.
La première observation qui attire l’attention, est que les banques de notre échantillon ont
respecté les normes prudentielles parvenues par l’accord de Bâle 2, pendant la période de la
crise des subprimes, en ce qui concerne surtout l’exigence du niveau des ratios du capital
réglementaire, en fait, la valeur mini male du ratio Tier1 correspond à 5.8 %, tandis que le
minimum exigé de ce ratio est 4 %, alors que la valeur maximale du ratio de capital
réglementaire de type Tier1 atteint 48.28 %, ceci s’explique par la mise en place des normes
de l’accord Bâle 3. En pl us, nous avons constaté que le niveau de liquidité de ces banques est
élevé, en fait, la moyenne du ratio de liquidité atteint 99 %, alors les institutions bancaires
de notre étude ont suffisamment de liquidité pour faire face à leurs engagements pendant
et après la crise des subprimes. Aussi, nous avons remarqué que le niveau des actifs
pondérés aux risques de certaines banques de notre échant illon est très élevé puisque sa
valeur maximale correspond à 98.73 %.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 83
3. Matrice de corrélation :
Avant d e commence r l’examen multivarié , il est indispensable d’analyser la multicolinéarité
possible entre les variables expl icatives de notre modèle puisqu’ elle peut fausser la précision
de l’estimation des coefficients de régression (Bourbonnais, 2009).
Les résultats de corrélation entre les différentes variable s indépendantes de notre modèle
sont exposés dans le tableau n°6.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 84
Tableau 6. Matrice de corrélation
Actifs Prêts non Log z -score Tier1 Tier2 Coretie r1 Dualité Ratio de Ratio de Ratio de Dépôts Crédits Taille ROA ROE Marg e nette Inflation crédits internes
pondérés performants liquidité solvabilité levier d’int érêt sur PIB

Actifs pondérés
aux risques
Prêts non
performants
Log z-score

Tier1

Tier2

Core tier 1

Dualité

Ratio de
liquidité
Ratio de
solvabilité
Ratio de levier

Dépôts

Crédits

Taille

ROA

ROE

Marge nette
d’intérêt
Inflation

Crédits
internes sur PIB
1

-0.2470 1

0.0045 -0.0702 1

-0.1582 0.0667 0.7402 1

-0.0514 -0.0034 0.1994 0.2069 1

-0.0808 0.0773 0.5501 0.7238 0.3263 1

0.2266 -0.1879 -0.0261 -0.0373 0.1188 0.0386 1

-0.1545 -0.1017 -0.1477 0.0128 0.0662 -0.1455 -0.1373 1

-0.1567 0.0760 0.7704 0.9435 0.3420 0.6510 -0.0500 0.0902 1

-0.0593 0.0984 0.0134 -0.0231 0.0193 – 0.0280 -0.0565 0.0445 -0.0079 1

0.2432 -0.3411 -0.0123 -0.1714 -0.1759 -0.0740 0.0735 -0.3203 -0.2005 -0.1156 1

0.0689 -0.2210 -0.2430 -0.2397 -0.0542 -0.1804 -0.0357 0.1004 -0.2084 -0.1433 0.5087 1

0.0315 -0.0315 0.2569 0.1911 0.0172 0.2134 0.0632 -0.2317 0.1501 0.0642 0.3764 0.1127 1

0.1884 -0.2197 0.4590 0.1600 -0.0299 0.1449 0.1330 -0.2598 0.1181 0.0077 0.1279 -0.1367 0.1616 1

0.0686 -0.0800 0.2223 -0.0011 -0.0494 -0.0195 -0.0564 -0.2666 0.0121 -0.0256 0.1427 -0.0467 -0.0443 0.3229 1

0.1685 0.1673 0.1613 0.0619 -0.0614 0.1124 0.1403 -0.1423 0.0338 -0.2728 0.1216 0.0983 0.0888 0.1306 0.0876 1

-0.0778 0.1478 -0.0623 -0.0057 -0.0326 0.0004 -0.1067 -0.0098 -0.0196 -0.1956 0.0027 0.0129 -0.0658 -0.0356 0.0251 -0.0207 1

0.2289 -0.2157 0.0736 – 0.0146 -0.0701 -0.0274 0.1556 -0.1202 -0.0139 -0.0405 0.1842 -0.0542 0.0969 0.0941 0.0561 0.0728 -0.1732 1

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 85
À partir de cette matrice de corrélation, nous observons que tous les coefficients de
corrélation entre les différentes variables du modèle ne dépassent pas la valeur limite à
savoir 0.8 (Kennedy, 2003) à partir de laquelle nous approuvons la présence d’un problème
de multicolinéarité. Donc, selon nos résultats, nous pouvons déduire l’a bsence d’une
multicolinéarité entre toutes les variables explicatives, alors chacune de ces dernières va
être informatives et utile pour expliquer les variations de la variable dépendante.
Section 4 : Les tests économétriques
à fin de d’identifier la méthode d’estimation appropriée de nos modèles, nous allons
effectuer certains tests sur les estimations de ces modèles en appliquant en premier lieu la
méthode des moindres carrés ordinaires (MCO), vu que c’est la méthode employée pour
estimer une séri e en données de panel en cas d ’absence des problèmes de certains tests à
savoir le test de présence d‘effets individuels, le test d’Hausman et le test
d‘hétéroscédasticité.
1.1. Le test de présence d‘effets individuels :
Ce test sert à examiner le caractère du modèle étudié qui peut être soit hétérogène
(présence des effets spécifiques pour chaque individu) ou homogène (absence des effets
spécifiques pour chaque individu c'est -à-dire le modèle est identique pour tou s les
individus).
Les hypothèses de ce test so nt les suivantes :
H0 : ui = 0
H1: ui ≠ 0
Sous l’hypothèse nulle, il existe une constante commune, alors, il n‘y a pas des effets
individuels, donc, le modèle est de nature homogène (Crépon, 2005).
Sous l’hypothèse alternative, il n’existe pas une constante commune, ce qui prouve qu’il y a
des effets individuels, alors, le modèle est qualifié comme hétérogène.
Tableau 7. Résultats du test de présence d’effets individuels
Les Modèles P- VALUE
1 0.0000
2 0.0000
3 0.0000

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 86
Les valeurs du test ne dépassent pas le seuil de 5% pour les trois modèles18, ce qui nous
ramène à rejeter l’hypothèse nulle alors nous concluons que nos modèles contiennent des
effets spécifiques individuels. Donc, ces modèles ont un cara ctère hétérogène.
1.2. Le test d‘Hausman :
Ce test sert à examiner la présence d’une différence statistique entre les coefficients des
estimateurs aléatoires et fixes.
Les hypothèses de ce test sont présentées comme suit :
H0 : Estimation en effets aléatoi re E (Xi/ ɛi) = 0
Cette hypothèse suppose que le lien entre la variable dépendante et les variables
explicatives soi ent aléatoire s, donc le modèle est à effet aléatoire, (Bourbonnais, 2009).
Dans ce cas l’estimateur qui doit être retenu c’est celle des MCG (BLUE), (Hurlin 2004).
H0 : Estimation en effets fixe E (Xi/ ɛi) ǂ 0
Cette hypothèse suppose que le lien entre la variable dépendante et les variables
explicatives soit le même pour tous les individus et ce quelle que soit période en question,
donc le m odèle est à effet fixe, (Sevestre, 2002). Dans ce cas l’estimateur qui doit être
retenu c’est celle Within (non biaisé).
Tableau 8. Résultats du test d’Hausman
Les Modèles P-VALUE
1 0.0324
2 0.0000
3 0.7887

Nous observons q ue pour le modèle 1 et le modèle 2 le p-value du test d’Hausman ne
dépasse pas le seuil de 5%, donc nous rejetons l’hypothèse nulle selon laquelle nous
admettons les effets individuels fixes et nous adoptons l‘estimateur Within, donc, dans ce
cas le modèle à effet fixe est le plus approprié , alors que nous remarquons que dans le
modèle 3, le p -valu du test d’Hausman dépasse le seuil de 5%, donc nous acceptons
l’hypothèse nulle selon laquelle nous admettons les effets individuels aléatoires et nous
adoptons l‘estimateur MCG (BLUE), donc, dans ce cas le modèle des effets aléatoires est le
plus approprié .

18 Modèle 1 : Prêts non performants = α + βit ∑ Réglementaire it + γit ∑ Contrôle it + δjt ∑ Macro jt + Ɛit.
Modèle 2 : Log Z -Score = α + βit ∑ Réglementaire it + γit ∑ Contrôle it + δjt ∑ Macro jt + Ɛit.
Modèle 3 : Actifs pondérés aux risques =α + βit ∑ Réglementaire it + γit ∑ Contrôle it + δjt ∑ Macro jt + Ɛit.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 87
1.3. Le test d‘hétéroscédasticité :
Nous concluons l’existence de l’hétéroscédasticité entre les erreurs en cas où ces dernie rs
n’ont pas la même variance. En fai t, pour tester la présence d’hétéroscédasticité intra et
inter -individus nous adoptons deux tests à savoir le test de Breush -Pagan LM et le test de
Wald modifié.
1.3.1. Le test d’hétéroscédasticité intra -individus : le test de Breush -Pagan LM
L’hétéroscédasticit é intra -individus est détecté e à travers le test de Br eush -Pagan LM qui est
un test du type Lagrange Multiplier.
Les hypothèses de ce test sont les suivantes :
H0 : σit² = σ²
H1 : σit² ≠ σ²
En effet, sous l’hypothèse nulle, le modèle est qualifié homoscédastique parce que la
variance des erreurs est identique pour tous les individus au cours du temps, ce qui indique
alors l’absence d‘hétéroscédasticité (Leblond e t Belley -Ferris, 2004).
Tableau 9. Résultat du test de Breush – Pagan LM
Les Modèles P- VALUE
1 0.0000
2 0.0000
3 0.0000

Les résultats du test de Breush -Pagan LM montrent l’existence d’un problème
d‘hétéroscédasticité intr a-individus entre les e rreurs puisque les p -value s du test ne
dépassent pas le seuil de 5% pour les tr ois modèles ce qui nous ramène à rejeter l’hypothèse
nulle.
1.3.2. Le test d‘hétéroscédasticité inter -individus : test de Wald modifié
Nous employons le test de Wald modifié pour tester l‘hétéroscédasticité inter -individus.
Les hypothèses de ce test sont les suivants :
H0: σi²=σ² ∀ i = 1,…, N
H1: σi² ≠ σ²

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 88
En fait, sous l’hypothèse nulle, les variances des erreurs ont la même valeur pour tous les
individus, alors il y absence d’hétéroscédasticité. Du fait que si la valeur obtenue du test est
inférieure au seuil de 5 %, nous rejetons l’hypothèse nulle et nous concluons par conséquent
que la variance des erreurs n’est pas la même pour tous les indivi dus.
Tableau 10. Résultat du test de Wald modifié
Les Modèles P- VALUE
1 0.0000
2 0.0000
3 0.0000

Les pl us-values des modèles sont tout inférieures à 5% alors nous rejetons l’hypothèse nulle,
ce qui nous ramènent à conclu re l’existence d’un problème d’hétéroscédasticité inter –
individus.
Section 5 : Résultats et interprétations des estimations
À la suite de l’effectuation les testes nécessaire pour la détermination des problèmes
contenus dan s notre modèle, nous choisissons la méthode d’estimation la plus app roprié à
notre modèle pour l’estimer afin d’obtenir des résultats robustes et de pouvoir les
interpréter convenablement.
Selon les résultats des tests réalisés sur nos trois modèles, nous avons détecté un problème
d’hété roscédasticité, alors la méthode des moindres carrés ordinaires n’est pas une
méthode efficace pour estimer notre modèle. Donc, nous sommes obligés de passer à une
autre méthode d’estimation pour corriger le problème d’hétéroscédasticité à savoir la
méthod e des moindres carrés généralisés afin d’avoir des résultats fiables.
1. Résultats et interprétations du modèle 1 :
Les résultats des régressions du modèle 1 pour la période 2008 -2009 sont présentés dans le
tableau n°11 et ceux de la période 2013 -2014 sont exposés dans le tableau n°12 :
Prêts non performants = α + βit ∑ Réglementaire it + γit ∑ Contrôle it + δjt ∑ Macro jt + Ɛit

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 89
Tableau 11. Résultats des régressions linéaires en données de panel pour le modèle 1 de la pério de 2008 -2009
Variable dépendante : prêts non
performants Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5 Modèle 6 Modèle 7 Modèle 8 Modèle 9 Modèle 10
Tier1 -0.358078
(0.058)* -0.339535
(0.064)* -0.3205588
(0.084)* -0.4212035
(0.013)** -0.4295988
(0.01 2)** -0.4367746
(0.010)** -0.4392388
(0.010)** -0.4806925
(0.005)*** -0.4289833
(0.012)** -0.5107802
(0.002)***

Dualité -0.020859
(0.008)*** -0.0184238
(0.016)** -0.0178565
(0.021)** -0.0195137
(0.005)*** -0.0196876
(0.005)*** -0.0189028
(0.007)*** -0.01 86868
(0.008)*** -0.0169165
(0.017)** -0.0153465
(0.030)** -0.0095631
(0.165)
Liquidité -0.0381493
(0.006)*** -0.0424432
(0.002)*** -0.0441238
(0.001)*** -0.0544212
(0.000)*** -0.0524876
(0.000)*** -0.0531115
(0.000)*** -0.053458
(0.000)*** -0.055312
(0.000)*** -0.0572865
(0.000)*** -0.0661612
(0.000)***
Solvabilité 0.2532664
(0.051)* 0.2517339
(0.046)** 0.2456588
(0.052)* 0.2523355
(0.028)** 0.2543553
(0.027)** 0.2617777
(0.022)** 0.2640679
(0.021)** 0.2889227
(0.012)** 0.2619414
(0.022)** 0.3461332
(0.002)***
ROE -0.1563107
(0.016)** -0.1678452
(0.008)*** -0.1682559
(0.008)*** -0.1197962
(0.040)** -0.1210869
(0.038)** -0.1239192
(0.033)** -0.1261672
(0.031)** -0.1280418
(0.027)** -0.1003577
(0.091)* -0.0413239
(0.484)
Marge nette d’intérêt 0.4881318
(0.041)** 0.400579
(0.085)* 0.4138132
(0.076)* 0.534837
(0.012)** 0.548506
(0.011)** 0.6738934
(0.005)*** 0.6785109
(0.004)*** 0.6403656
(0.007)*** 0.666652
(0.005)*** 0.6462331
(0.004)***
Inflation 0.534707
(0.002)*** 0.5286693
(0.003)*** 0.4214822
(0.00 9)*** 0.4197224
(0.009)*** 0.390637
(0.016)** 0.3901964
(0.016)** 0.3760993
(0.019)** 0.3754601
(0.018)** 0.2594792
(0.165)
Taille -0.0026926
(0.514) 0.0062542
(0.126) 0.0062821
(0.124) 0.0056966
(0.164) 0.0056969
(0.164) 0.0062681
(0.125) 0.0077446
(0.060)** 0.0043105
(0.301)
Dépôts -0.1310288
(0.000)*** -0.1242696
(0.000)*** -0.1237687
(0.000)*** -0.1235483
(0.000)*** -0.1325798
(0.000)*** -0.1326796
(0.000)*** -0.1120716
(0.000)***
Crédits -0.0125554
(0.583) -0.0100211
(0.661) -0.0102471
(0.653) -0.0070602
(0.756) -0.0090704
(0.687) -0.0189759
(0.383)
Levier 0.0651432
(0.223) 0.0662009
(0.216) 0.0625125
(0.239) 0.0660638
(0.209) 0.0843007
(0.095)*
Core tier1 -0.0015932
(0.715) 0.0011991
(0.799) 0.0011289
(0.808) 0.0014542
(0.742 )
Tier2 -0.0050679
(0.128) -0.005296
(0.108) -0.0062201
(0.051)*
ROA -0.5423124
(0.070)* -0.5068302
(0.076)*
Crédits domestiques/PIB -0.0209154
(0.009)***
Constant 0.0825863
(0.000)*** 0.0752294
(0.000)*** 0.091442
(0.005)*** 0.1319738
(0.000)*** 0.1336671
(0.000)*** 0.0748935
(0.189) 0.0744603
(0.191) 0.081761
(0.150) 0.0728649
(0.196) 0.1019121
(0.068)*
Nombre d’observation 150 150 149 149 149 149 149 149 149 145
Test de Wald
Prob > chi (2) 22.49
(0.0010) 33.47
(0.0000) 33.91
(0.0000) 71.46
(0.0000) 71.90
(0.0000) 74.11
(0.0000) 74.31
(0.0000) 77.78
(0.0000) 82.78
(0.0000) 96.44
(0.0000)
Les coefficients sont estimés par la méthode des MCG. ***, **, * indiquent la significativité des coefficients respectivement au seuil de 1% , 5%,
10%. Les chiffres entre parenthèses représentent les p -value.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 90
Tableau 12. Résultats des régressions linéaires en données de panel pour le modèle 1 de la période 2013 -2014
Variable dépendante : prêts
non performants Modè le 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5 Modèle 6 Modèle 7 Modèle 8 Modèle 9 Modèle 10
Tier1 0.1195105
(0.078)* 0.1313231
(0.057)* 0.1170244
(0.096)* 0.1237202
(0.071)* 0.1112765
(0.094)* 0.0940795
(0.241) 0.1512616
(0.635) -0.1314846
(0.667) -0.716781 3
(0.095)* -0.5302388
(0.200)
ROA -1.503145
(0.000)*** -1.5003
(0.000)*** -1.452518
(0.000)*** -1.48858
(0.000)*** -1.326568
(0.000)*** -1.324187
(0.000)*** -1.324006
(0.000)*** -1.448614
(0.000)*** -1.440217
(0.000)*** -1.222673
(0.000)***
Marge nette d ’intérêt 1.01422
(0.003)*** 1.035207
(0.003)*** 1.178264
(0.001)*** 1.257227
(0.000)*** 1.486337
(0.000)*** 1.488253
(0.000)*** 1.486046
(0.000)*** 1.677869
(0.000)*** 1.57715
(0.000)*** 1.482299
(0.000)***
Inflation 0.1041239
(0.057)* 0.1002781
(0.068) * 0.084983
(0.124) 0.1326431
(0.019)** 0.1131673
(0.040)** 0.1140285
(0.039)** 0.1136801
(0.040)** 0.1103335
(0.033)** 0.1129645
(0.027)** 0.1214347
(0.013)**
ROE 0.0116321
(0.860) 0.0015874
(0.981) 0.0087476
(0.902) 0.0169154
(0.808) -0.0492455
(0.486) -0.0510504
(0.471) -0.0488677
(0.496) -0.0721874
(0.285) -0.0570912
(0.395) -0.0389231
(0.545)
Liquidité -0.0251943
(0.162) -0.0312027
(0.100)* -0.0274128
(0.169) -0.028947
(0.136) -0.0444012
(0.023)** -0.0457926
(0.021)** -0.0447006
(0.031)** -0.0398502
(0.040)** -0.0211401
(0.326) -0.0424049
(0.047)**
Taille -0.0054227
(0.301) -0.0051573
(0.334) -0.0066968
(0.201) -0.0081673
(0.109) -0.0081758
(0.108) -0.0081588
(0.109) -0.0035875
(0.462) -0.0039198
(0.416) 0.0025959
(0.599)
Crédits domestiques/PIB -0.022672
(0.036)** -0.0193893
(0.068)* -0.0153
(0.140) -0.0147888
(0.157) -0.014872
(0.155) -0.0173509
(0.077)* -0.0145126
(0.138) -0.0086827
(0.360)
Levier 0.1633251
(0.006)*** 0.1579649
(0.006)*** 0.1560233
(0.007)*** 0.1565242
(0.007)*** 0.104854
(0.060)* 0.1064548
(0.053)* 0.093567
(0.076)*
Dualité -0.0317289
(0.002)*** -0.032028
(0.002)*** -0.0322056
(0.002)*** -0.0351689
(0.000)*** -0.0343233
(0.000)*** -0.0329022
(0.000)***
Tier2 0.0489021
(0.702) 0.0756196
(0.695) 0.0818191
(0.650) 0.122649
(0.494) 0.1250076
(0.466)
Solvabilité -0.0490505
(0.853) 0.0844936
(0.735) 0.1727747
(0.491) 0.0801305
(0.739)
Crédits -0.114734
(0.000)*** -0.1211994
(0.000)*** -0.0537272
(0.082)*
Core tier1 0.4953087
(0.056)* 0.3754519
(0.133)
Dépôts -0.1250818
(0.000)***
Constant 0.0377581
(0.117) 0.0757018
(0.084)* 0.1024613
(0.029)** -0.0426764
(0.542) -0.0065477
(0.924) -0.0032721
(0.962) -0.005323
(0.940) 0.096365
(0.167) 0.079902
(0.249) 0.10512
(0.115)
Nombre d’observat ion 150 150 139 139 139 139 139 139 139 139
Test de Wald
Prob > chi (2) 33.47
(0.0000) 33.47
(0.0000) 37.90
(0.0000) 47.40
(0.0000) 59.68
(0.0000) 59.89
(0.0000) 59.94
(0.0000) 87.72
(0.0000) 93.66
(0.0000) 116.06
(0.0000)
Les coefficients sont estimés p ar la méthode des MCG. ***, **, * indiquent la significativité des coefficients respectivement au seuil de 1%, 5%,
10%. Les chiffres entre parenthèses représentent les p -value.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 91
Nous commençons l’analyse économétrique de notre modèle par l’étude de sa si gnificativité
globale. En fait, à partir du résultat du test de ratio de maximum de vraisemblance, nous
pouvons conclure que toutes les régressions sont globalement significatives au seuil de 1 %
pour les deux périodes puisque probabilité chi(2) < 0.01.
À partir des tableaux n°11 et n°12, nous pouvons tirer certaines constatations et
enseignements concernant le modèle 1.
La première variable qui représente la réglementation prudentielle bancaire est le ratio
Tier1, est statistiquement significatif au seu il de 5 % dans la plupart des régressions avec un
coefficient négatif pour la période 2008 -2009, c'est -à-dire que ce ratio engendre la baisse du
niveau des prêts non performants, en fait le ratio Tier1 est mis par le régulateur pour bien
encadrer l’activit é bancaire en matière de capital de la banque afin de diminuer les activités
risqué es comme celle de l’octroi des crédits non performants et risqués. En fait, Saurina et
Salas (2002) ont détecté que le ratio du capital a un impact sur la variation du volum e des
créances douteuses au niveau des banques. Par contre, pour la période de 2013 -2014 le
ratio Tier1 est statistiquement significatif au seuil de 10 % avec une relation positive avec les
prêts non performants dans la plupart des régressions, c'est -à-dire que ce ratio permet la
hausse du volume des prêts non performants, en fait, quand le régulateur renforce la
réglementation du capital, les crédits bancaires vont diminuer, ce qui engendre une baisse
du rendement de la banque, alors cette dernière s’orien te vers l’octroi des crédits les plus
générateurs des bénéfices à savoir ceux les plus risqués afin d’améliorer ses gains.
Nous trouvons que la variable ratio de liquidité est statistiquem ent significative au seuil de
1% dans toutes les régressions pour l a période 2008 -2009 et au seuil de 5 % dans la plupart
des régressions pour la période 2013 -2014 et elle affecte négativement le niveau des prêts
non performants, c'est -à-dire plus la banque possède des fonds liquides plus son niveau du
risque représenté p ar les crédits non performants baisse. Ce résultat confirme celui de
Pasiouras et Kosmidou (2007) qui ont montré un lien négatif entre le ratio de liquidité et le
niveau du risque bancaire.
La variable ratio de solvabilité est statistiquement significa tive au seuil de 5 % pour la
période 2008 -2009 avec un signe positif en relation avec la variable dépendante du risque
bancaire, en fait, plus le ratio de solvabilité s’accroit plus le niveau du risque bancaire s’élève
parce que si les institutions bancair es disposent des ressources de financement de leurs
engagements, elles peuvent s’orienter plus vers l’investissement dans des actifs risqués en
accordant des prêts risqués afin de tirer plus de bénéfices. La conclusion issue de l’étude
d’Athanasoglou et al. (2006) est contradictoire à notre résultat car ils ont affirmé qu’en
existence de problème d’asymétrie d’information, les banques qui disposent suffisamment
de capital ont un accès plus facile aux sources des fonds en considérant qu’elles présentent

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 92
un n iveau de risque moins élevé. Par contre ce ratio est statistiquement non significatif pour
la période 2013 -2014.
Le ratio ROE est statistiquement significatif au seuil de 5 % pour la période 2008 -2009 et il
admet un coefficient négatif, c'est -à-dire que l orsque le rendement des capitaux propres
augmente le niveau des prêts non performants diminue ce qui est contradictoire avec le
résultat de Demirguc -Kunt et al. (2012) qui ont détecté une liaison positive entre ce ratio et
le niveau du risque bancaire. Tan t dis que le ratio ROE est statistiquement non significatif
pour la période 2013 -2014.
La variable marge nette d’intérêt est statistiquement significative au seuil de 1 % et elle a un
coefficient positif pour les deux périodes, ce qui est en concordance a vec le résultat de
Bofondi et Ropele (2011) qui ont trouvé qu’un niveau du taux d’intérêt élevé produit un
accroissement des prêts non performants.
La variable inflation est statistiquement significative au seuil de 5 % et elle affecte
positivement le nive au des prêts non performants pour les deux périodes d’étude, en fait,
lorsque le taux d’inflation augmente la détermination du niveau du risque attaché aux prêts
bancaires deviennent plus difficile. La conclusion issue de notre résultat est celle trouvée p ar
Huybens et Smith (1999) qui affirment que l’inflation favorise l’asymétrie d’information ce
qui entraine la hausse du risque au niveau de la banque.
Aussi, la variable dépôts est statistiquement significative au seuil de 1 % avec un signe
négatif en re lation avec la variable dépendante en toutes les régressions pour les deux
périodes d’étude, c'est -à-dire lorsque la banque accumule plus de dépôts, son risque de
défaillance s’affaibli, ce qui est confirmé par El Gaied et al. (2012) qui ont conclue d’aprè s
leur résultat que le volume de dépôt a un impact négatif sur la défaillance bancaire.
Concernant la variable crédits, elle statistiquement significative au seuil de 1 % et elle admet
des coefficients négatif s pour la deuxième période, ce qui est en concordance de Ben Naceur
(2003) qui a conclu à partir de son étude que plus la banque accorde des crédits, plus ses
bénéfices s’accroissent, ce qui engendre la baisse de son niveau du risque. Tant dis que,
cette variable est non significative pour la première période de notre étude.
La variable ROA est statistiquement significative au seuil de 10 % pour la période de 2008 –
2009 et au seuil de 1 % pour la période 2013 -2014 et elle a un coefficient négatif plus
intense dans la deuxième période. En fait, la mesure de la profitabilité des banques à savoir
le ROA affecte de façon négative le niveau des prêts non performants, ce qui a été prouvé
par Godlewski (2004).
La variable crédits domestiques/PIB est statistiquement significative au seuil de 1 % pour l a
première période et au seuil de 10 % pour la deuxième période dans quelques régressions et

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 93
elle admet un signe négatif en liaison avec la variable dépendante, c'est -à-dire cette variable
contribue à réduire le niveau des prêts non performants au bilan ba ncaire, en fait, ce
résultat est confirmé par Cleassens et al. (2013).
La variable levier est statistiquement significative au seuil de 1 % pour la période 2013 -2014
dans la plus part des régressions avec un coefficient positif, c'est -à-dire lorsque le le vier
bancaire est élevé le niveau des prêts non performants augmente, ce qui est contradictoire
avec le résultat de Kim et Santomero (1988) qui ont trouvé que la banque préfère un
portefeuille plus risqué pour combler la perte engendrer par la diminution d u levier
d’endettement. Par contre, ce dernier est non significatif dans la période de 2008 -2009.
Pour la variable de gouvernance interne, nous constatons que la dualité est statistiquement
significative au seuil de 1 % avec un signe négatif dans la majori té des régressions pour les
deux périodes. En fait, notre résultat contredit celui de Ferreira et Adams (2007) qui
trouvent que lorsque le président du conseil d’administration en étant aussi le président
directeur général peut influencer la politique des crédits en accordant plus des prêts pour
tirer plus de gains sans s’assurer que ces prêts sont performant s ou non.
La variable taille est non significative dans toutes les régressions pour les deux périodes
d’étude. Donc la variation de cette variable n’a pas un impact sur la variation du niveau des
prêts non performants. Ce qui est opposé aux résultats de Hu et al. (2006) qui ont trouvé
que la taille de la banque a un effet négatif sur le volume des prêts non performants.
Les variables réglementaires Tie r2 et Core Tier1 sont non significatives pour toutes les
régressions et pour les deux périodes d’étude, donc la variation de ces variables n’a pas
d’effet sur la variation du niveau des prêts non performants.
Pour la variable Core Tier1 , notre résultat est contradictoire avec celui de Berger et Deyoung
(1997), qui ont trouvé une relation négative significative entre le ratio de capital et les prêts
non performants.
2. Résultats et interprétations du modèle 2 :
Les résultats des régressions du modèle 2 pour l a période 2008 -2009 sont présentés dans le
tableau n°13 et ceux de la période 2013 -2014 sont exposés dans le tableau n°14 :
Log Z -Score = α + βit ∑ Réglementaire it + γit ∑ Contrôle it + δjt ∑ Macro jt + Ɛit

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 94
Tableau 13. Résultats des régressions linéaires en données de panel pour le modèle 2 de la période 2008 -2009
Variable dépendante : log z -score Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5 Modèle 6 Modèle 7 Modèle 8 Modèle 9 Modèle 10
Tier1 12.34249
(0.000)*** 12.33946
(0.000)*** 12.35465
(0.000)*** 11.85557
(0.000)*** 11.87712
(0.000)*** 11.66657
(0.000)*** 11.14274
(0.000)*** 11.09292
(0.000)*** 10.9162
(0.000)*** -3.424184
(0.080)*
Liquidité -0.3345535
(0.063)* -0.3357614
(0.062)* -0.3384007
(0.060)* -0.299001
(0.097)* -0.3013798
(0.094)* -0.2542041
(0.189) -0.1574892
(0.377) -0.1400711
(0.431) -0.0725931
(0.688) -0.3340421
(0.031)**
Dépôts 0.5763364
(0.067)* 0.577832
(0.066)* 0.5905501
(0.061)* 0.3156245
(0.363) 0.3269624
(0.349) 0.2477816
(0.502) 0.3324982
(0.327) 0.3046272
(0.367) 0.6070953
(0.111) 0.6945686
(0.030)**
ROE 2.821821
(0.001)*** 2.816994
(0.001)*** 2.810135
(0.001)*** 3.032621
(0.000)*** 3.01825
(0.000)*** 2.833132
(0.002)*** 1.740257
(0.041)** 1.72241
(0.042)** 1.706674
(0.042)** 1.348482
(0.055)*
Core tier1 0.0076399
(0.912) 0.0077391
(0.911) 0.0064194
(0.926) 0.0106915
(0.876) 0.0100739
(0.883) 0.0110568
(0.873) 0.0092504
(0.884) 0.00 22269
(0.972) -0.0038655
(0.951) -0.0008058
(0.988)
Tier2 -0.0124182
(0.792) -0.0113353
(0.813) -0.0109954
(0.818) -0.0184988
(0.698) -0.0174426
(0.715) -0.0202089
(0.680) -0.0011176
(0.980) 0.0043234
(0.923) 0.0099554
(0.824) -0.0324276
(0.392)
Dualité -0.0136792
(0.894) -0.0080594
(0.938) -0.0189062
(0.855) -0.0166303
(0.872) -0.0305317
(0.776) -0.1005595
(0.311) -0.1034895
(0.294) -0.1116366
(0.254) -0.08746
(0.287)
Levier 0.3404674
(0.623) 0.2071402
(0.765) 0.1920931
(0.782) 0.1243622
(0.860) 0.04 84132
(0.940) 0.4844809
(0.501) 0.3927803
(0.583) 0.6382717
(0.289)
Taille 0.1110048
(0.061)* 0.1121454
(0.059)* 0.1322675
(0.038)** 0.0634695
(0.291) 0.0611742
(0.306) 0.0603718
(0.308) 0.0572849
(0.249)
Inflation 0.663273
(0.774) 0.7135425
(0.80 5) 0.8334296
(0.753) 0.1824456
(0.946) -0.1280181
(0.961) -1.249804
(0.575)
Crédits domestiques/PIB 0.0168319
(0.890) 0.0354253
(0.752) 0.0342517
(0.758) 0.0042585
(0.970) -0.1088551
(0.251)
ROA 21.34083
(0.000)*** 20.96657
(0.000)*** 20.6253 2
(0.000)*** 24.22963
(0.000)***
Marge nette d’intérêt 4.330787
(0.177) 4.72754
(0.138) 5.271153
(0.049)**
Crédits -0.513176
(0.096)* -0.5938799
(0.022)**
Solvabilité 10.34923
(0.000)***
Constant 0.4716209
(0.153) 0.4784331
(0.152) 0.1631367
(0.822) -0.2192071
(0.769) -0.2336288
(0.755) -0.2703413
(0.713) 0.0141185
(0.984) -0.4274502
(0.588) -0.219711
(0.781) -0.0358753
(0.957)
Nombre d’observation 150 150 150 149 149 145 145 145 145 145
Test de Wald
Prob > chi (2) 266.01
(0.0000) 266.06
(0.0000) 266.73
(0.0000) 272.62
(0.0000) 272.86
(0.0000) 256.24
(0.0000) 332.46
(0.000) 338.45
(0.0000) 347.67
(0.0000) 554.97
(0.0000)
Les coefficients sont estimés par la méthode des MCG. ***, **, * indiquent la significativité des coeffici ents respectivement au seuil de 1%, 5%,
10%. Les chiffres entre parenthès es représentent les p -value.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 95
Tableau 14. Résultats des régressions linéaires en données de panel pour le modèle 2 de la période 2013 -2014
Variable dépendan te : log z -score Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5 Modèle 6 Modèle 7 Modèle 8 Modèle 9 Modèle 10
Tier1 11.34682
(0.000)*** 11.23232
(0.000)*** 11.28501
(0.000)*** 11.29216
(0.000)*** 11.20665
(0.000)*** 11.01417
(0.000)*** 10.96166
(0.000)** * 10.66895
(0.000)*** 6.219426
(0.025)** -7.74511
(0.076)*
ROA 19.96566
(0.000)*** 19.67148
(0.000)*** 19.64795
(0.000)*** 20.16199
(0.000)*** 20.10781
(0.000)*** 19.42834
(0.000)*** 19.30941
(0.000)*** 19.73651
(0.000)*** 19.64549
(0.000)*** 19.24447
(0.000)***
Marge nette d’intérêt 6.790448
(0.044)** 6.983758
(0.039)** 6.978503
(0.040)** 7.811528
(0.024)** 8.081129
(0.019)** 8.231056
(0.017)** 7.896215
(0.021)** 7.6954
(0.034)** 7.46549
(0.033)** 7.822967
(0.019)**
ROE 1.7226
(0.006)*** 1.7083
(0.007)* ** 1.70024
(0.010)** 1.541571
(0.021)** 1.562932
(0.019)** 1.523701
(0.022)** 1.515485
(0.022)** 1.460496
(0.034)** 1.410985
(0.046)** 0.9964701
(0.142)
Taille 0.0939296
(0.059)* 0.0983514
(0.051)* 0.0978061
(0.059)* 0.0970458
(0.060)* 0.088871
(0.087)* 0.0671235
(0.225) 0.0644182
(0.242) 0.048484
(0.395) 0.0443179
(0.420) 0.0366894
(0.481)
Core tier1 -1.276609
(0.568) -1.28651
(0.564) -1.34094
(0.599) -1.422297
(0.576) -1.244067
(0.624) -0.8731741
(0.732) -0.806286
(0.750) -0.69654
(0.792) 2.451677
(0.37 0) 4.521362
(0.087)*
Crédits -0.1602619
(0.556) -0.1587801
(0.563) -0.1801735
(0.510) -0.1289924
(0.642) -0.3437147
(0.308) -0.3531894
(0.292) -0.3130247
(0.363) -0.5262975
(0.120) -0.7566733
(0.020)**
Liquidité
-0.0093118
(0.965)) -0.0550602
(0.797) -0.0625732
(0.770) 0.0274475
(0.904) 0.0118435
(0.958) 0.0284008
(0.907) 0.0796029
(0.736) -0.0297948
(0.895)
Dualité -0.1138085
(0.243) -0.1145464
(0.238) -0.1223701
(0.207) -0.1381463
(0.155) -0.1887093
(0.079)* -0.2130167
(0.040)** -0.1799786
(0.06 8)*
levier 0.5855257
(0.301) 0.6678747
(0.241) 0.4521139
(0.444) 0.4284116
(0.478) 0.26202
(0.655) 0.1306466
(0.814)
Dépôts 0.411217
(0.266) 0.4190741
(0.255) 0.3555655
(0.363) 0.4734466
(0.212) 0.625545
(0.083)*
Inflation -0.7039404
(0.204) -0.6985542
(0.215) -0.6340163
(0.244) -0.5697088
(0.270)
crédits domestiques/PIB 0.0576734
(0.595) 0.1044838
(0.323) 0.1220088
(0.223)
Tier2 4.35579
(0.001)*** -0.6964319
(0.700)
Solvabilité 10.17245
(0.000)***
Constant -0.2905813
(0.357) -0.2059048
(0.552) -0.1936711
(0.663) -0.0833508
(0.854) -0.6027562
(0.372) -0.77344051
(0.262) -0.5161772
(0.470) -0.4371673
(0.564) -0.2487455
(0.735) 0.1661176
(0.813)
Nombre d’observation 149 149 149 149 149 149 149 139 139 139
Test de Wald
Prob > chi (2) 376
(0.0000) 377.87
(0.0000) 377.88
(0.0000) 382.70
(0.0000) 386.51
(0.0000) 390.95
(0.0000) 396.81
(0.0000) 367.75
(0.0000) 404.68
(0.0000) 467.43
(0.0000)
Les coefficients sont estimés par la méthode des MCG. ***, **, * indiquent l a significativité des coefficients respectivement au seuil de 1%, 5%,
10%. Les chiffres entre parenthèses représentent les p -value.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 96
Nous entamons l’analyse économétrique de notre modèle par l’étude de sa significativité
globale. En fait, à partir du rés ultat du test de ratio de maximum de vraisemblance, nous
pouvons prouver que toutes les régressions sont globalement significatives au seuil de 1 %
pour les deux périodes puisque probabilité > chi(2) < 0.01.
À partir des tableaux n°13 et n°14, nous pouvons déduire certaines constatations et
conclusions concernant le modèle 2.
La variable de la réglementation prudentielle Tier1 est statistiquement significative au seuil
de 1 % avec un signe positif pendant et après la crise, c'est -à-dire l’augmentation du r atio de
capital Tier1 entraine l’augmentation du risque de défaillance de la banque, ce qui est
contredit par les normes prudentielles puisque le régu lateur a mis le ratio Tier1 dans le but
de baisser le risque, alors il faut examiner les éléments de ce ra tio de capital afin de
détecter la source de sa défaillance.
En fait, le ratio réglementaire Tier1 est combiné par deux éléments à savoir le ratio core
Tier1 et le ratio des actifs hybrides, et selon Mehran et Thakor (2011), qui ont travaillé sur la
période de la crise des subprimes et qui ont obtenu que le ratio core Tier1 permet de
diminuer la prise de risque excessive par les institutions bancaires, nous pouvons conclure
que la difficulté se manifeste au niveau de l’élément actifs hyb rides qui sont des titres
risqué s avec un taux de bénéfice élevé, ce qui favorise l’investissement dans ces titres afin
de tirer plus de profits, ce qui entraine par conséquent l’accroissement du risque au niveau
de la banque.
La première variable de rentabilité bancaire e st celle ROA, elle est statistiquement
significative au seuil de 1 % avec un coefficient positif pendant les deux périodes d’étude, ce
résultat contredit celui de Roy et al. (2004) qui ont trouvé que la rentabilité des actifs ROA
fait accroitre la performa nce de la banque, ce qui entraine par conséquent la baisse du
risque bancaire.
La deuxième variable de rentabilité bancaire est celle ROE, cette variable est statistiquement
significative au seuil de 1 % pour la période 2008 -2009 et au seuil de 5 % pour l a période
2013 -2014, elle admet un coefficient positif dans les deux sous -périodes d’étude , ce résultat
est affirmé par Marco et Fernandez (2007) qui affirment que l’augmentation du ROE
entraine l’augmentation du niveau du risque, ce qui prouve que la poli tique de maximisation
de gain possède une conséquence de hausse du risque au niveau de s établissements
bancaires .
La variable marge nette d’intérêt est statistiquement significative au seuil de 5 % dans toutes
les régressions pour la période de 2013 -2014 et dans quelques régressions pour la période
2008 -2009 avec un signe positif, en fait, quand la marge nette d’intérêt est élevé e, la

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 97
banque s’expose à un risque élevé dans le sens où l’intérêt va récompenser le risque pris
comme l’a noté Barth et al. (20 06) dans son travail .
La variable solvabilité est statistiquement significative au seuil de 1 % avec un coefficient
positif pour les deux périodes d’étude, c'est -à-dire le risque bancaire s’accroit davantage
lorsque le ratio de solvabilité est important, ceci est expliqué par le fait que lorsque la
banque détienne des moyens de financement de leur obligations, elle va accorder des
crédits risqués afin d’avoir plus de grain, comme l’a trouvé Flannery et al. (2004) dans leur
étude.
La variable liquidité est statistiquement significative au seuil au seuil de 5 % dans la première
période avec un signe négatif, c'est -à-dire que plus la banque détienne des fonds liquides,
plus elle peut faire face à ses obligations financières, ce qui a comme conséquence la bais se
de son ni veau du risque. Ce résultat corrobore avec celui de White (2011) qui a trouvé que
plus le ratio de liquidité augmente plus le risque de défaillance de l’institution bancaire
diminue.
La variable crédit est statistiquement significative au seui l de 5 % dans quelques régressions
pour la période 2008 -2009 avec un signe négatif, ce résultat est contradictoire à celui de
Bashir (2000) qui stipule que lorsque la politique de crédit est expansionniste, le niveau du
risque s’élève. Par contre, pour la période 2013 -2014 nous ne pouvons pas conclure car le
résultat de cette variable est instable.
La variable dépôt bancaire est statistiquement significative au seuil de 10 % dans quelques
régressions avec un signe positif et dans les autres régressions elle n’est pas significative
pour la période 2008 -2009, alors nous ne pouvons pas conclure car le résultat de cette
variable est instable. Par contre cette variable est non significative pour la période 2013 –
2014. En fait, Guru et al. (2002) ont trouvé une re lation significative positive puisque leur
étude montre que la détention des dépôts au niveau de la banque ren d cette dernière moins
rentable et par conséquent la probabilité du risque bancaire augmente.
La variable taille est statistiquement significativ e au seuil de 10 % avec un signe positif dans
quelques régressions et elle n’est pas significative dans les autres régressions pour les deux
périodes d’étude, alors nous ne pouvons pas conclure car le résultat de cette variable est
instable. En fait, Beck man (2007) a trouvé un effet significatif positif de la taille de la banque
par rapport à son niveau du risque, c'est -à-dire lorsque l’institution bancaire est de grande
taille, elle est plus exposée aux risques et la probabilité de sa défaillance est élev ée.
Les variables Tier2, core Tier1, dualité, levier, inflation et crédits domestiques/PIB sont non
significatives dans toutes les régressions pour les deux périodes d’études, donc la variation
de ces variables n’a pas d’impact sur la variation du niveau d u risque bancaire.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 98
3. Résultats et interprétations du modèle 3 :
Les résultats des régressions du modèle 3 pour la période 2008 -2009 sont présentés dans le
tableau n°15 et ceux de la période 2013 -2014 sont exposés dans le tableau n°16 :
Actifs pondérés a ux risques =α + βit ∑ Réglementaire it + γit ∑ Contrôle it + δjt ∑ Macro jt +
Ɛit

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 99
Tableau 15. Résultats des régressions linéaires en données de panel pour le modèle 3 de la période 2008 -2009
Variable dépendante : actifs
pondérés aux risq ues Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5 Modèle 6 Modèle 7 Modèle 8 Modèle 9 Modèle 10
Tier1 -0.5588809
(0.084)* -0.6511809
(0.044)** -0.6649626
(0.040)** -0.6586926
(0.042)** -0.6562561
(0.043)** -0.6443882
(0.047)** -0.6294151
(0.053)* -0.5765276
(0.097)* -0.6141335
(0.079)*
Dépôts 0.3803017
(0.002)*** 0.3464252
(0.006)*** 0.335601
(0.008)*** 0.338735
(0.007)*** 0.3418218
(0.007)*** 0.3484515
(0.006)*** 0.3385447
(0.009)** 0.3693386
(0.012)** 0.4337059
(0.009*** 0.437591
(0.008)***
ROA 2.81639
(0.099)* 2.908697
(0.085)* 2.779894
(0.100)* 2.796262
(0.099)* 2.810778
(0.097)* 2.808456
(0.097)* 2.669983
(0.118) 2.841793
(0.105) 2.769172
(0.114) 2.594553
(0.137)
Dualité 0.0675192
(0.100)* 0.0442059
(0.290) 0.0439732
(0.291) 0.0445129
(0.286) 0.0429945
(0.313) 0.043184
(0.310) 0.0424566
(0.318) 0.0430607
(0.313) 0.0413269
(0.333) 0.0410901
(0.336)
Levier -0.1613357
(0.561) -0.2196571
(0.427) -0.1040834
(0.733) -0.1167371
(0.706) -0.1163245
(0.707) -0.1044024
(0.736) -0.1065006
(0.730) -0.0909 018
(0.771) -0.1104164
(0.724) -0.1166533
(0.709)
ROE -0.0808129
(0.812) -0.3568845
(0.315) -0.3705987
(0.296) -0.381712
(0.285) -0.3808381
(0.286) -0.3979246
(0.266) -0.4262768
(0.238) -0.4485279
(0.221) -0.4518767
(0.216) -0.438315
(0.231)
Crédits dome stiques/PIB 0.0739553
(0.084)* 0.0761518
(0.075)* 0.0809064
(0.085)* 0.0820097
(0.083)* 0.0833065
(0.079)* 0.0802806
(0.092)* 0.0792126
(0.100)* 0.0728298
(0.135) 0.076799
(0.117)
Marge nette d’intérêt 1.195954
(0.376) 1.130336
(0.412) 1.143169
(0.407 ) 1.213278
(0.380) 1.150874
(0.406) 1.169851
(0.400) 1.254283
(0.367) 1.219129
(0.381)
Inflation 0.276455
(0.806) 0.3005268
(0.791) 0.3236864
(0.776) 0.3373612
(0.766) 0.2972079
(0.797) 0.2311391
(0.842) 0.2891494
(0.803)
Tier2 0.0030913
(0.862) 0.0076111
(0.693) 0.0070412
(0.715) 0.0080702
(0.679) 0.0092687
(0.635) 0.0112016
(0.565)
Core tier1 -0.0162768
(0.551) -0.0170339
(0.533) -0.0175429
(0.522) -0.0188394
(0.492) -0.0192968
(0.482)
Liquidité -0.0432005
(0.568) -0.0493221
(0.522) -0.0349623
(0.658) -0.0272581
(0.733)
Taille -0.0116414
(0.653) -0.0118121
(0.647) -0.0132567
(0.606)
Crédits -0.1092075
(0.417) -0.1027973
(0.444)
Solvabilité -0.3963504
(0.095)*
Constant 0.3990117
(0.148) 0.401906
(0.148) 0.2802532
(0.365) 0.277738
(0.370) 0.2723748
(0.381) 0.2552131
(0.413) 0.313835
(0.339) 0.3532283
(0.653) 0.3974366
(0.250) 0.3853885
(0.265)
Nombre d’observation 150 146 146 146 146 146 146 145 145 145
Test de Wald
Prob > chi (2) 23.40
(0.0007) 26.18
(0.00 05) 27.11
(0.0007) 27.18
(0.0013) 27.21
(0.0024) 27.36
(0.0037) 28.02
(0.0055) 27.74
(0.0098) 28.53
(0.0121) 28.18
(0.0135)
Les coefficients sont estimés par la méthode des MCG. ***, **, * indiquent la significativité des coefficients respectivement au se uil de 1%, 5%,
10%. Les chiffres entre parenthèses représentent les p -value.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et après la crise des s ubprimes

Page 100
Tableau 16. Résultats des régressions linéaires en données de panel pour le modèle 3 de la période 2013 -2014
Variable dépendante : actifs
pondérés aux risques Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5 Modèle 6 Modèle 7 Modèle 8 Modèle 9 Modèle 10
Tier1 -1.772876
(0.044)** -1.938988
(0.051)* -1.966259
(0.050)** -2.123943
(0.038)** -2.131121
(0.037)** -2.027086
(0.047)** -1.987174
(0.053)* -2.403 06
(0.043)** -2.396957
(0.044)** -5.428484
(0.005)***
Dualité 0.1084011
(0.006)*** 0.1103772
(0.006)*** 0.1122084
(0.006)*** 0.1265124
(0.004)*** 0.1238012
(0.005)*** 0.1235582
(0.005)*** 0.1245188
(0.005)*** 0.1223769
(0.006)*** 0.1232493
(0.006)*** 0.13 04215
(0.003)***
ROA 3.25367
(0.012)** 3.381574
(0.011)** 3.285064
(0.019)** 2.735596
(0.052)* 2.717864
(0.053)* 2.538907
(0.071)* 2.619679
(0.067)* 2.607725
(0.068)* 2.585392
(0.071)* 2.498337
(0.077)*
Marge nette d’intérêt 2.674141
(0.063)* 2.680199
(0.063)* 2.651997
(0.066)* 1.176571
(0.432) 1.153085
(0.441) 1.133594
(0.446) 1.069401
(0.477) 1.051698
(0.484) 1.078482
(0.473) 1.156819
(0.435)
Taille -0.0109902
(0.598) -0.009529
(0.653) -0.0088993
(0.677) -0.0096694
(0.653) -0.0104679
(0.627) -0.021925 7
(0.345) -0.021447
(0.357) -0.0220709
(0.342) -0.0235788
(0.317) -0.0252349
(0.278)
Core tier1 1.249978
(0.183) 1.424879
(0.178) 1.457379
(0.173) 1.693939
(0.121) 1.704556
(0.118) 1.73917
(0.109) 1.708072
(0.117) 2.005627
(0.086)* 2.022597
(0.084)* 2.471 9
(0.036)**
liquidité 0.0304016
(0.722) 0.0365204
(0.684) 0.0496171
(0.607) 0.0454886
(0.638) 0.0649253
(0.505) 0.0568881
(0.574) 0.0617853
(0.541) 0.062434
(0.537) 0.0386851
(0.700)
ROE 0.061995
(0.825) 0.2720195
(0.372) 0.2704262
(0.374) 0.2563476
(0.397) 0.261818
(0.388) 0.2584036
(0.393) 0.2663195
(0.380) 0.1763335
(0.560)
Crédits domestiques/PIB 0.1112622
(0.011)** 0.1086822
(0.013)** 0.1013256
(0.021)** 0.1034517
(0.020)** 0.1081021
(0.016)** 0.1098133
(0.015)** 0.1136178
(0.011)**
Inflation -0.1217906
(0.585) -0.1469317
(0.509) -0.1454845
(0.513) -0.1351345
(0.544) -0.1073623
(0.645) -0.0934019
(0.685)
Dépôts 0.1645024
(0.202) 0.1361299
(0.399) 0.1479157
(0.361) 0.1527073
(0.346) 0.185726
(0.248)
Crédits 0.0415619
(0.769) 0.0226368
(0.875) 0.0294401
(0.839) -0.0205716
(0.887)
Tier2 0.4048025
(0.488) 0.3838392
(0.512) -0.7129354
(0.377)
Levier 0.1005808
(0.688) 0.0720613
(0.771)
Solvabilité 2.208312
(0.051)*
Constant 0.4525495
(0.001)*** 0.4121782
(0.017)** 0.3978577
(0.031)** 0.2403134
(0.223) 0.2573212
(0.197) 0.2015445
(0.321) 0.1947352
(0.341) 0.1975312
(0.333) 0.1016752
(0.746) 0.1917369
(0.541)
Nombre d’observation 149 149 149 139 139 139 139 139 139 139
Test de Wald
Prob > chi (2) 33.85
(0.0000) 34.01
(0.0000) 34.07
(0.0000) 43.41
(0.0000) 43.80
(0.0000) 45.94
(0.0000) 46.06
(0.0000) 46.70
(0.0000) 46.91
(0.0000) 51.99
(0.0000)
Les coefficients sont estimés par la méthode des MCG. ***, **, * indiquent la significativité des coefficients r espectivement au seuil de 1%, 5%,
10%. Les chiffres entre parenthèses représentent les p -value.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 101
Nous débutons l’analyse économétrique de notre modèle par l’étude de sa significativité
globale. En fait, à partir du résultat du test de ratio de maximum d e vraisemblance, nous
pouvons affirmer que toutes les régressions sont globalement significatives au seuil de 1 %
pour les deux période s d’étude puisque probabilité chi(2) < 0.01.
À partir des tableaux n°13 et n°14, nous pouvons tirer certaines constatatio ns et conclusions
concernant le modèle 3.
La variable réglementaire Tier1 est statistiquement significative au seuil de 5 % avec un
coefficient négatif dans les deux périodes d’étude, c'est -à-dire que la banque détienne
moins des actifs pondérés aux risqu es lorsque le ratio Tier1 augmente, ce qui est logique
puisque ce ratio a pour but d’atténuer la prise de risque par les banques. Notre résultat est
conforme à celui de Brewer et al. (2008) qui ont trouvé une relation négative entre le ratio
de capital Tie r1 et le niveau du risque bancaire.
Le ratio réglementaire core Tier1 est statistiquement significatif au seuil de 10 % dans
quelques régressions pour la période 2013 -2014 avec un signe positif, ce qui est
contradictoire au résultat d’Aggarwal et Jacques (1998), qui ont trouvé que lorsque le ratio
core Tier1 augmente le volume des actifs pondérés aux risques baisse et ils ont prouvé par
conséquent que la pression réglementaire force les institutions bancaires à diminuer leur
prise de risque. Par contre, il est non significatif dans toutes les régressions pour la période
2008 -2009.
La variable dépôts est statistiquement significative au seuil de 1 % pour la période 2008 –
2009, et elle affecte positivement les actifs pondérés aux risques, cette relation est
expliqué e par le fait que plus le niveau du dépôt augmente au niveau de la banque plus cette
dernière investie dans des activités risqués à savoir l’octroi des crédits risqués dans le but
d’avoir plus de profits, ce résultat est comme celui trouvé par Demir guc-Kunt et Huizinga
(1999). Par contre cette variable est non significative pour la deuxième période.
La variable ROA est statistiquement significative au seuil de 10% avec un signe positif pour
les deux périodes d’étude, c'est -à-dire lorsque la rentabil ité des actifs augmente le volume
des actifs pondérés aux risques augmente.
La variable crédits domestiques/PIB est statistiquement significative au seuil de 10% pour la
période 2008 -2009 et au seuil de 5 % pour la période 2013 -2014, et elle affecte posit ivement
le niveau des actifs pondérés aux risques, donc l’accroissement du volume du crédit
domestique entraine l’augmentation du risque de défaillance bancaire.
La variable qui représente la gouvernance interne dans notre étude est celle de la dualité,
elle est statistiquement significative au seuil de 1 % dans la période de 2013 -2014 avec un
coefficient positif, c'est -à-dire que la présence de la dualité au niveau de la banque, du fait

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 102
que le président directeur général occupe le poste du président du co nseil d’administration,
entraine l’augmentation du niveau du risque. Par contre, dans la période 2008 -2009, cette
variable est non significative.
Les variables ROE, levier, marge nette d’intérêt, inflation, Tier2, liquidité, taille, crédits et
solvabilité sont non significatives dans toutes les régressions pour les deux périodes
d’études, alors la variation de ces variables n’a pas d’effet sur la variation du niveau des
actifs pondérés aux risques.

Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des s ubprimes

Page 103
Conclusion
À partir de la revue de la littérature, nous avons remarqué que l’impact du dispositif de la
réglementation prudentielle bancaire sur le niveau du risque au sein des banques fait l’objet
d’un débat, pour cette raison nous avons voulu participer à enrichir le débat sur ce sujet de
recherche via notre étude.
En fait, dans ce chapitre, nous avons examiné l’effet des normes réglementaires
prudentielles sur la prise du risque par les institutions bancaires pendant et après la crise des
subprimes, à travers une étude empirique basée sur un échantillo n de 75 banques les plus
touchées par la crise de différents pays, sur deux sous -périodes : 2008 -2009 et 2013 -2014.
D’après nos résultats, nous pouvons conclure que, le ratio réglementaire de capital Tier1
permet d’atténuer le niveau du risque bancaire pe ndant la période de la crise des subprimes
où le système de réglementaire de Bâle 2 est en application ainsi qu’après cette crise où le
dispositif de Bâle 3 est en vigueur . En fait, nous pouvons déduire qu’il existe des éléments du
capital Tier1 qui ont co ntribué à la défailance des banques au cours de la crise des subprimes
puisque selon plusieurs auteurs la réglementation du capital a joué prépondérant un rôle
dans la situation néfaste des institutions bancaires pendant cette crise, alors que les autres
ratios réglementaires à savoir Core Tier1 et Tier2 ont un effet peu significatif sur le niveau du
risque bancaire soit au cours de l’application des normes de Bâle 2 ou celles de Bâle 3 . En
définitive , nos résultats prouvent que la réglementation prudentiel le bancaire a un effet sur
la prise du risque au niveau des banques et que le régulateur doit analyser et prendre en
considération chaque élément du capital réglementaire pour bien l’encadrer afin d’avoir un
effet plus efficace en matière d’atténuation du niveau du risque bancaire, c’est dans ce
cadre que l’accord de Bâle 3 a été élaboré.
En plus, nos résultats montrent que, plusieurs variables de contrôle de l’activité bancaire ont
une influence sur la situation des institutions bancaires et par conséque nt sur la prise de
risque bancaire pendant la crise des subprimes, ce qui a incité le régulateur à prendre en
considération dans les normes réglementaires Bâle 3 certaines variables comme le levier
bancaire qui a joué un rôle dans cette crise, de même pour la variable macroéconomique
crédits domestiques/PIB qui représente l’effet de pro -cyclicité qui avait un impact sur la
situation bancaire pendant la crise.
En définitive , la réglementation prudentielle bancaire avait dans le cadre de l’accord de Bâle
2 des mesures non efficaces qui ont été améliorées dans le cadre de l’accord de Bâle 3 suite
à la crise des subprimes dans le but d’assurer la stabilité du système bancaire en réduisant la
prise du risque par les banques.

CONCLUSION GENERALE

Conclusion générale

Page 104
Conclusion générale

Le système bancaire possède une place centrale dans l’économie du pays parce qu’il est
considéré comme une source importante de financement, alors les activités de ce système
ont une influence considérable sur la sphère financière et économique. Pour cela, les
autorités de régulation ont mis en place des normes visant la réglementation des activités
des institutions bancaires en procédant à des améliorations au niveau de ces règles afin
d’assurer une solidité du système bancaire qui préserve une s tabilité financière et
économique. Cependant, l’éclatement de la crise des subprimes a mis en question les
normes de la réglementation prudentielle qui ont favorisé la prise de risque excessives
puisqu’elles n’ont pas bien encadré l’activité bancaire.
Dans ce contexte, notre étude vise à examiner l’effet du dispositif réglementaire prudentiel
sur la défaillance bancaire pendant et après la crise des subprimes en utilisant les mesures
de la gouvernance externe notamment celle du capital réglementair e afin d’analyser ses
répercutions sur le niveau du risques pris par les institutions bancaire.
L’originalité de notre travail de recherche se manifeste dans l’idée de l’étude de l’impact de
la réglementation prudentielle bancaire sur la prise de risq ue par les banques pendant deux
sous -périodes : la première est celle pendant la crise des subprimes d urant l’application de
l’accord de Bâle 2 et la deuxième est celle après cette crise suite à la mise en place de
l’accord de Bâle 3. Le but étant d’analys er le rôle de Bâle 2 dans le déclenchement de la
crise des subprimes et d’identifier l’effet de Bâle 3 qui a été mis en place en réponse à cette
crise.
Dans le premier chapitre, nous avons présenté les différentes catégories de risques
inhérents de l’ac tivité bancaire en passant par le concept de l’instabilité bancaire, ensuite
nous avons traité la gouvernance bancaire sur ses deux aspects à savoir l’interne en
exposant ses mesures de contrôle et l’externe en présentant le cadre réglementaire ainsi
que l es différentes normes réglementaires prudentielles bancaires.
La crise des subprimes a été étudiée dans le deuxième chapitre sur plusieurs niveaux. En fait,
nous avons exposé en premier lieu les causes de déclenchement de cette crise, ensuite, nous
avons examiné le déroulement ainsi que les effets de cette crise. Puis, nous avons étudié la
propagation de cette crise du secteur bancaire jusqu’à l’ensemble de l’économie et le fait
qu’elle a été transmise au reste du monde. À la fin de ce chapitre, nous avons présenté le
lien entre les normes réglementaires prudentielles et cette crise.
Le troisième chapitre a été consacré à l’étude empirique de l’impact des mesures de la
réglementation prudentielle sur la prise du risque et la défaillance banca ire pendant et après

Conclusion générale

Page 105
la crise des subprimes. Nous avons débuté ce chapitre par une présentation d’une revue de
la littérature empirique, ensuite, nous avons passé à la spécification de notre modèle
empirique, en exposant les variables de notre analyse qui est fondé sur un échantillon de 75
banques les plus touchées par la crise des subprimes de plusieurs pays, durant la 2008 -2009
qui est la période de la crise durant l’application de l’accord de Bâle 2 et la période 2013 –
2014 qui est la période après cette crise suite à la mise en place de l’accord de Bâle 3. Aussi,
nous avons analysé la statistique descriptive et la corrélation de nos mesures . De même
nous avons effectué les tests économétriques pour voir s’il existe des problèmes entre nos
variables et les corriger afin d’avoir des résultats robuste s. Finalement, nous avons réalisé
des régressions en données de panel de notre modèle qui a été décrit par trois sous -modèles
car nous avons spécifié la variable à expliqué par trois mesures différentes dans l’ob jectif
d’avoir des résultats plus pertinents.
D’après nos résultats, le dispositif réglementaire Bâle 2 a été marqué par des insuffisances
qui sont traitées au niveau de l’accord de Bâle 3 visant l’amélioration de la réglementation
prudentielle afin d’ assurer la solidité des institutions bancaires après la crise des subprimes.
En effet, les établissements bancaires pendant cette crise ont des ratios de capital pondéré
aux risques au-dessus de la valeur minimale exigée par le régulateur, ce qui oblige ce dernier
après la crise à améliorer la qualité du capital réglementaire car il se compose de différents
éléments qui n’ont pas le même degré d’absorption des pertes de la banque. En plus, afin
d’assurer une bonne résistance du système bancaire devant les c hocs qui peuvent être
financier ou économique, les superviseurs réglementaires ont obligé les banques à conserver
suffisamment de liquidité. En outre, suite à la crise des subprimes le régulateur a introduit la
nécessité d’atténuer la corrélation entre l’a ctivité de crédit et la conjoncture économique
afin de limiter l’effet de pro -cyclicité, ainsi qu’il a établi une exigence en capital sur le levier
d’endettement des institutions bancaires afin d’assurer la stabilité du secteur bancaire.
Ces no rmes et ces mesures prudentielles ne suffiront pas à préserver définitivement la
stabilité du système bancaire. En effet, grâce aux innovations financières, les institutions
bancaires peuvent contourner le système réglementa ire s’il leur fait subir des coû ts élevés,
mais vu le rythme accéléré auquel se produisent les novations, il est difficile pour le
régulateur de s’adapter rapidement à ces évolutions, alors les superviseurs bancaires
doivent améliorer la qualité de la supervision et l’efficacité de la di scipline de marché afin de
contraindre les banques à ne pas prendre des risques excessifs.
Cependant, et malgré les résultats assez satisfaisants que nous avons réussi à dégager, notre
travail présente certaines limites. En fait, l a période d’étude e st assez restreinte, cela dû à
notre inaccessibité à des données mensuelles ou trimestrielles, or les répercussions de la
crise des subprimes ont commencé à partir du dernier trimestre de l’année 2007 jusqu’au
premier trimestre de l’année 2010, et puisque nous avons collecté les données à partir des
rapports annuels des banques alors nos données ne peuvent être que annuelles. Donc, pour
cela nous avons choisi pour la première période les années 2008 et 2009 seulement afin

Conclusion générale

Page 106
d’avoir des données correspondantes à la phase de la crise des subprimes, et pour la
deuxième période les années 2013 et 2014 pour avoir des données relatives à la période de
l’application des normes de l’ accord de Bâle 3 qui commence dè s l’année 2013.
En fait, l’inaccessibité à une base d e données crédible telle que celle de ‘BANK SCOPE’,
représente une contrainte cruciale, or cette base inclus les valeurs des variables que nous
avons employé dans notre modèle empirique avec plus d’exactitude et sans les traiter
manuellement, ainsi que, ce tte base de données inclus d’autres variables qui servent aussi à
l’examen de notre problématique mais qui ne sont pas incorporées dans notre modèle
puisque elles ne sont pas présentées dans les rapports annuels des banques telles que la
mesure relative à la technique de la titrisation et celle relative à la discipline de marché.
Nous pouvons enrichir notre travail à travers certaines pistes de recherche. En effet, la
gouvernance bancaire externe décrite par les mécanismes de la ré glementation prudentielle
ne peut pas expliquer seule la prise de risque par les banques parce qu’il existe un autre
aspect considérable de la gouvernance bancaire qui encadre l’activité bancaire dans son
niveau interne via plusieurs mesure s comme le conse il d’administration et la structur e de
propriété, alors il appara ît pertinent d’introduire les deux aspects de la gouvernance
bancaire dans une étude dont le but d’examiner leurs effets sur la prise de risque dans le
système bancaire. En plus, puisque notr e étude de recherche est basée sur un échantillon
composé par des banques les plus touchées par la crise des subprimes, nous pouvons
procéder à une étude comparative entre les banques de notre échantillon et les banques qui
ont résisté pendant la crise afi n de détecter l’efficacité des mesures réglementaires en
termes d’atténuation du niveau du risque bancaire.

Bibliographie

Bibliographie

A
Aboub E., Rachdi H. et Elghaib M., 2008, ‘L’apport de la gouvernance à l’explication des
crises bancaires : Une analyse en données de panel’ .
Ackermann J., 2008, ‘The subprime crisis and its consequences ’, journal of financial stability,
vol 4, issue 4, Pages 329 –337.
Adina A., 2015, ‘The performance, banking risks and their regulation’, Procedia Economics
and Finance, p 35 – 43.
Allen F. and Carletti E., 2006, ‘Credit risk transfer and contagion’, Journal of Monetary
Economics, vol 53, fevrier, pp 89 -111.
Aka B. E., 2006, ‘On the duration of financial system stability under liberalization’, Emerging
Markets Review, avril, vol 7, pp 147 -161.
Aggarwal R. and Jacques K. T., 2001, ‘The impact of FDICIA and Prompt Corrective Action
on bank capital and risk: Estimates using a simultaneous equations model’, Journal of Banking
and Finance, Vol. 25, pp. 1139 -1160.
Aglietta M., 1998, ‘La maîtrise du risque systémique international’, Économie Internationale,
Revue du CEPII, n° 76, 4e trimestre .
Aglietta, M., 2008, ‘La crise, Pourquoi en est -on arrivé là ? Comment en sortir ?’, Paris,
Michalon, coll.
AGLIETTA M., 2010, ‘ La crise des subprimes : origines et solutions’, Michalon Éditions,
124p.
Altunbas Y., Santiago C., Edward P. M. and Philip M., 2007, ‘Examining the Relationships
between Capital, Risk and Efficiency in European Banking’, European Financial Management,
Vol. 13, No. 1, 49 –70.
Anderson, C W. and Campbell T L., 2004, ‘Corporate governance of Japanese banks’,
Journal of Corporate Governance, vol 10, p 327 -354.

Bibliographie

Angkinand A. P., 2007, ‘Banking regulation and the output cost of banking crises’, Journal of
International Markets, Institutions and Money, December, pp 1 -17.
Artus P., 1990, ‘Le ratio Cooke et le comportement des banque s’, Revue française
d'économie, Vol.5, n°1, pp. 59 -73.
Ayachi J. S., 2006, ‘Environnement réglementaire, risque et rentabilité des banques : cas des
payes émergents’, Economix's, Working Paper Series, Université Paris10, Nanterre.
Ayachi J. S., 2008 , ‘Efficacité des règles prudentielles et performance des banques : le cas des
pays émergents’. Thèse de Doctorat en Sciences Economiques soutenue publiquement en
décembre 2008, Université Paris Ouest Nanterre la Défense, 378 p.
B
Bahegot W., 1873, ‘Bageho t on Government, the banking system, and moral hazard’, The
Works and Life of Walter Bagehot, vol. 6.
Banque des Règlements Internationaux, 2006, ‘Converge nce internationale de la mesure et
des normes de fonds propres’.
Banque des Règlements Internationaux, 2010, ‘Réponse du Comité de Bâle à la crise
financière : Rapport au Groupe des Vingt’.
BANQUE DE FRANCE, 2010, ‘Crise financière: origines et dynamiq ues’, Documents et
Débats, Chapitre 1, n° 3, janvier, p. 9.
Banque des Règlements Internationaux, 2011, ‘Bâle III : dispositif réglementaire mondial
visant à renforcer la résilience des établi ssements et systèmes bancaires’,
ISBN 92 -9131-234-7.
Banque des Règlements Internationaux, 2012, ‘principes fondamentaux pour un contrôle
bancaire efficace’, ISBN 92 -9131-257-6.
Banque des Règlements Internationaux, 2013, ‘Bâle III : Ratio de liquidité à court terme et
outils de suivi du risque de liquidité’.
Banque d es Règlements Internationaux, 2014, ‘Rapport aux dirigeants du G 20 sur la mise en
oeuvre des réformes réglementaires Bâle III’.

Bibliographie

Barakat A. and Hussainey K., 2013, ‘Bank governance, regulation, supervision, and risk
reporting: Evidence from operational ri sk disclosures in European banks’, International
Review of Financial Analysis.
Barth J.R., Caprio G. and Levine R., 1998, ‘Financial regulation and performance: Cross
country evidence’, Policy Resaerch Working Paper, N° 2037.
Barth A., James R., Chen L in B., Frank M. S., Jesús S. D. and Yue M. c., 2013, ‘Do bank
regulation, supervision and monitoring enhance or impede bank efficiency?’, Journal of
Banking & Finance, vol 37, p. 2879 –2892.
Basel Committee on Banking Supervision, 2009 , ‘Strengthening the resilience of the banking
sector’, Bank for International Settlements.
Battaglia F. and Gallo A., 2015, ‘Risk Governance and Asian Bank Performance: An empirical
investigation over the financial crisis’, Emerging Markets Review,
10.1016 /j.ememar.2015.04.004 .
Beck T. and Levine R., 2004, ‘Stock markets, banks, and growth: Panel evidence Thorsten
Beck’, Journal of Banking & Finance, 28, 423 –442
Ben Bouheni F. and Rachdi H., 2014, ‘The Clute Institute Bank Capital Adequacy
Requirements And Risk -Taking Behavior In Tunisia: A Simultaneous Equations Framework’,
The Journal of Applied Business Research, Volume 31, Number 1.
BEN HMIDA A. and BOURI A., 2006, ‘Capital and risk taking of banks under regulation’,
Corporate Finance and Financial Theory (COFFIT).
BEN JELLOUL M., 2011, ‘Réforme financière de Bâle III: chemin parcouru et enjeux futurs’,
Centre d’analyse stratégique, La Note d’Analyse, n° 209, Janvier.
Ben Naceur, S. and Omran, M., 2011, ‘ The effects of bank regulations, competition, and
financial reforms on banks' performance ’. Emerging Markets Review , Elsevier, vol. 12(1),
pages 1 -20.
Beltratti A. and Stultz R. M., 2009, ‘Why Did Some Banks Perform Better During the Credit
Crisis? A Cross -country Study of the Impact of Gov ernance and Regulation’, Journal of
Financial Economics, forthcoming.
Blair R. D. and Heggestad A. A., 1978, ‘Bank portfolio regulation and the probability of bank
Failure’, Journal of Money, Credit and Banking, vol 10, p 88 -93.

Bibliographie

Bliss R. R. and Flannery M. J., 2002, ‘Market Discipline in the Governance of U.S. Bank
holdings Companies: Monitoring vs. Influencing’, European Finance Review, vol 6, p 361 -395.
Blundell -Wignall A. and Atkinson P. 2009, ‘ The Subprime Crisis: Causal Distortions and
Regulatory Re form’, Working Paper 15180.
Blum J.M., 2008, ‘Why Basel II may need a leverage ratio restriction’, Journal of Banking and
Finance, 32, 1699 -1707.
Blum J.M., 1999, ‘Do capital adequacy requirements reduce risks in banking?’, Journal of
Banking and Finance, vol 23, p 755 -771.
Berger A. N. and Christa H. S. Bouwman, 2013, ‘How Does Capital Affect Bank
Performance: During Financial Crises?’, Journal of Financial Economics, forthcoming .
Berger A. and B ouwman C., 2010, ‘How Does Capital Affect Bank Performance During
Financial Crises?’, Wharton Financial Institutions Center Working Paper pp. 11 -22.
Berle A. and Means G., 1932, ‘The modern corporation and private property, Macmillan,
New York.
Bertrand R. et Masmoudi I., 2010, ‘CRISE FINANCIERE ET GOUVERNANCE DES
BANQUES’, Vie et sciences de l'entreprise, N° 185 -186, pages 172 à 186.
Blanc J . Y. et Narbonne L . M., 2003, ‘Bâle II et l’allocation des fonds propres’, Revue Banques
et Informatique, n°140, septembre, pp 45 -48.
Bennett R., Güntay, L. and Unal, H., 2012, ‘Inside Debt, Bank Default Risk and Performance
during the Crisis’.
BERNARD V., 2010, ‘Bâle III ou l’impossible surveillance des banques’, abc bourse analyses –
chronique, 13 septembre.
Bertrand R., 2001, ’Capital requirements and bank behavior: Empirical evidence for
Switzerland’, Journal of Banking and Finance, Vol 25, pp.789 -805.
Bessis J., 1995, ‘Gestion des risques et gestion actif -passif des banques ‘, Edition Dalloz, p 52.
Bessis J., 1995, ‘Gestion des risques et gestion actif -passif des banques ‘, Edition Dalloz, p 52.
Bichsel R. and Blum J., 2004, ‘The relationship between risk and capital i n Swiss commercial
Banks: a panel study’, Applied Financial Economics, vol 14, p 591 -597.

Bibliographie

Bihi A. A, 2007, ‘Le niveau des fonds propres bancaires entre la théorie financière et la
réglementation prudentielle: une revue de la littérature’, Working Paper, Pô le Universitaire
de Science de Gestion, Université Montesquieu, Bordeaux.
Brewer E., Kaufman G. G. and Wall L. D., 2008, ‘Bank capital ratios across countries: why do
they vary?’, Journal of Financial Service Research, 34, 177 -201.
Brickley A, Coles H. and Jarrel L., 1997, ‘Leadership structure: Separating the CEO and
Chairman of the Board’, Journal of Corporate Finance, Vol 3, p. 189 -220.
Bricongne J. CH., Lapègue V. and Monso O., 2009, ‘La crise des «subprimes»: de la crise
financière à la crise économiqu e’, Note de conjoncture.
Brook, Y., Henderschott, R J. and Lee, D., 2000, ‘Corporate governance and ²recent
consolidation in the banking industry’, Journal of Corporate Finance, vol 6, p 141 -164.
BORDO M., 1995, ‘Regulation and Bank Stability: Canada and the United States, 1870 -1980’,
The World Bank, Working paper n°1532.
Borio C. and Shim I., 2007, ‘What can (macro) -prudential policy do to support monetary
policy? , in Bank of Thailand (ed), Inflation targeting in emerging market countries’, Bank of
Thailand, 13 –14, Forthcoming in BIS Working Papers.
Borio C., 2002, ‘Towards a macroprudentiel framework for financial regulation and
supervision?’, Workshop Regulation Bancaire et Stability Financiere, Juillet.
Bouaiss K., 2010, ’Réglementation Bâle II et ar chitecture organisationnelle : le cas du groupe
banque populaire’, Vie et sciences de l'entreprise, N° 183 -184, p. 9 -32.
Boubacar N. C., 2010, Thèse, ‘REGLEMENTATION PRUDENTIELLE ET RISQUE
BANCAIRE : INCIDENCE DE LA STRUCTURE ET DU NIVEAU DU CAPITAL
REGLEMENTAIRE ‘.
Boudriga A., Boulila T. N. and Jellouli S., 2009, ‘Banking supervision and nonperforming loans:
a cross -country analysis’, Journal of Financial Economic Policy, Vol. 1 No. 4, pp. 286 -318.
Boudriga A. and Ghardallou W., 2010, ‘The Determinants of Banking Crises: The Case of the
2008 Worldwide Financial Crisis’, In 29th International Conference of the French Finance
Association (AFFI).

Bibliographie

BOUSSAADA R., 2012, thèse ‘L’IMPACT DE LA GOUVERNANCE BANCAIRE ET DE LA
RELATION BA NCAIRE SUR LE RISQUE DE CRÉDIT : CAS DES BANQUES
TUNISIENNES’ .
Boyer R., 1988, ‘D'un krach boursier à l'autre, Irving Fisher revisité’, Revue française
d'économie.
Butaci C. et Badea M., 2008, ‘ORIGINES ET IMPACT DE LA CRISE DES SUBPRIMES’.
C
Caballero R. and Krishnamurthy A., 2008, ‘Collective risk management in a flight to quality
episode’, Journal of Finance, No. 5.
Calem P. and R. Rob, 1999, ’The impact of capital -based reg ulation on bank risk -taking’,
Journal of Financial Intermediation, 8, 317 -352.
Camara B., 2010, ‘Impact des ratios de capital pondérés et non pondérés du risque sur le
risque de défaillance des banques européennes’, Document de travail, LAPE.
Cannata F. and Quagliariello, M., 2009, ‘The role of Basel II in the subprime financial crisis:
guilty or not guilty? ’, Carefin, Università Bocconi n. 3/09, Electronic copy available at:
http://ssrn.com/abstract=13 30417 .
Claessens S., Demirgüç -Kunt A., and Huizinga H., 2001, ‘How Does Foreign Entry Affect the
Domestic Banking Market? Journal of Banking & Finance, 25, 891 -911.
Clerc L., Drumetz F. et Jaudoin O., 2001, ‘Dans quelles mesure les normes prudentielles et
comptables sont -elles pro ou contra -cycliques ?’, Bulletin de la banque de France N°87,
mars, pp 45 -62.
Clovis R. et al. , 2012, ‘Bâle 3 et la réhabilitation du ratio de levier des banques : Pourquoi et
comment ? ‘, Revue économique, Vol. 63, p 809 -820.
Caprio G., Laeven L. and Levine R., 2004, ‘Governance and bank valuation’, World Bank
Policy Research, WP n° 3202, fevrier, p 1 -47.
Capiro G. and Levine R., 2002, ‘Corporate Governance of Banks: Concepts and International
Observations’, paper presented i n the Global Corporate Governance Forum research
Network Meeting, April 5.

Bibliographie

Caprio G. and Levine, R., 2008, ‘Bank Regulations are Changing: For Better or Worse?’,
Comparative Economic Studies, Palgrave Macmillan, vol. 50(4), pages 537 -563, December.
CARDON A M., 2011, ‘Bâle III et nouvelles règles prudentielles Processus du G20’, Banque
de France, Sommet bancaire francophone 2011 , Autorité de contrôle prudentiel, 4 mars.
Cousseran O. and Rahmouni I., 2005, ‘Le marché des CDO Modalités de fonctionnement et
implications en termes de stabilit é financière’, Banque de France, Revue de la stabilité
financière, N°6, Juin 2005.
Cartapanis, A., 2003, ‘Vers une prévention macro -prudentielle des crises financières
internationales ’. Revue d'Économie Financière , Programme National Persée, vol. 70(1), pages
89-100.
Catherine K. and Eric F., 2011, ‘LA TITRISATION: DISPOSIT IF EMBLÉMATIQUE DE LA
FINANCIARISATION IRRESPONSABLE ET FACTEUR DE RISQUES SOCIÉTAUX
INÉDITS, Management Prospective Ed. Management & Avenir, n° 48, pages 289 à 308.
CARUANA J., 2010, ‘Bâle III : vers un système financier plus sûr’, Banque des Règlements
Internationaux, 3ème conférence bancaire internationale Santander, 15 septembre.
Case K. E. and Shiller R. J., 2003, ‘Is There a Bubble in the Housing Market?’, Brookings
Papers on Economic Activity , No. 2.
Centre d’analyse stratégique, 2011, ‘Réforme financière de Bâle III : chemin parcouru et
enjeux futurs’, www.strategie.gouv.fr .
Chaganti R. S., Mahajan V., and Sharma S., 1985, ‘Corporate Board Size, Compositi on and
Corporate Failures in the Retailing Industry’, Journal of Management Studies, Vol 22 (4), p.
400-417.
Charreaux G., 1997, ‘Le gouvernement des entreprises : Corporate Governance, théories et
faits’, Économica, Paris.
Charreaux G., 2000, ‘Le conseil d’administration dans les théories de la gouvernance’,
Working paper, Université de Bourgogne.
Cheffou A. I., Ben Bouheni F., Ben Ameur H., Jawadi J., 2014, ‘The Effects Of Regulation And
Supervision On European Banking Profitability And Risk: A Panel Data Investigation’, The
Journal of Applied Business Research, Volume 30, Number 6.

Bibliographie

Choi S., and Hasan I., 2005, ‘Ownership, governance, and bank performance: Korean
experience’, Financial Markets, Institutions & Instruments, 14(4), 215 -242.
Chouinard E . et Paulin G., 2014, ‘La mise en oeuvre de Bâle III : vers un secteur bancaire plus
sûr’, Revue du système financier, Juin.
Conseil D’analyse Economiques, 2008, ‘La crise des subprimes ’, La Documentation française,
n° 78, septembre.
Cosimano T. and Hakura, D., 2010, ‘Bank Behavior in Response to Basel III: A Cross –
Country Analysis’, IMF Working Paper, WP/11/119.
Couppey -Soubeyran J., 2010, ‘contrôle interne et règlementation bancaire : un lien éprouvé
par la crise’, Revue D'économie Financière.
D
Dam K., 2007, ‘The Subprime Crisis and Financial Regulation: International and Comparative
Perspectives’, Chicago Journal of International Law.
Decamps J-P., Rochet J -C. and Roger B., 2004, ‘The three pillars of Basel II: optimizing
themix’, Journal of Financial Intermediation, vol 13, p 132 -155.
Demirguc -Kunt A., Detragiache E. and Merrouche O., 2010, ‘Bank Capital: Les sons from the
Financial Crisis’, The World Bank Policy Research Working Paper Series 5473.
Demirgüç -Kunt A. and De tragiache E., 1998, ‘The Determinants of Banking Crises in
Developed Countries’, IMF Staff Papers, vol 45, No. 1.
Demirgüç -kunt A. and Detragiache E., 2002, ‘Does deposit insurance increase banking
system stability? An empirical investigation , Journal of Monetary Economics , Volume 49,
Issue 7, October 2002, Pages 1373 –1406.
Demyanyk Y. and Van Hemert, O., 2008, ‘Understanding the subprime mortgage crisis’, Social
Science Research Network, August 2008.
DENAYER L., 2010, ‘Les impacts indirects de Bâle III sur l’économie’, Ernst & Young
Luxembourg, L’AGEFI Luxembourg, septembre.
Didelle D., 2010, ‘Sensibilité des banques aux chocs macroéconomiques : La diversification
apporte -t-elle toujours des gains? Ca s des banques canadiennes’, L'Actualité économique,
vol. 86, n° 1, p. 79 -107.

Bibliographie

Duchateau A. et Thoraval P.Y., 2003, ‘Stabilité financière et nouvel accord de Bâle ’, Banque
de France, Revue de la Stabilité Financière, n°3, Novembre.
Dooley M. P. and Hutchison M., 2009, ‘Transmission of the U.S. subprimes crisis to emerging
markets: Evidence on the de coupling -recoupling hypothesis’, Journal of International Money
and Finance, 28(8), 1331 -1349.
De Vincentiis P., 2010, ‘Banking Risk Perception a nd After the Subprimes Crisis: A
comparison Between Europe and the US’, DOI: 10.5176/2010 -4804_2.1.150.
Dutta K. and Perry J., 2007, ‘A Tale of Tails: An Empirical Analysis of Loss Distribution
Models for Estimating Operational Risk Capital, Research Department Working Papers , No.
06–13.
Diamond D. W., 1984, ‘Financial Intermediation and Delegated Monitoring’, The Review of
Economic Studies, Vol. 51, No. 3, Jul., p. 393 -414.
Dewantripont, M. and Tirole J., 1994, ‘The Prudential Regulation of Banks’, Cambridge, MA,
MIT Press.
Dahl D. and Shrieves E., 1992, ‘The relationship between risk and capital in commercial
banks’, Journal of Banking and Finance, 16, 439 -457.
Duchateau A. et Thoraval P. Y., 2003, ‘Stabilité financière et nouvel accord de Bâle’ , Banque
de France, Revue de la Stabilité Financière, n°3, Novembre.
E
Engel K. and McCoy P., 2011, ‘The Subprime Virus: Reckless Credit, Regulatory Failure, and
Next Steps’, Legal Studies Research Paper Series Research Paper 11 -13.
Fromlet H., 2009, ‘The American Subprime Crisis –Lessons for the Future in a European
Perspective’, Presented at the Tenth European Inte gration Conference (SNEE).
Editz T., Michael I. and Perraudin W., 1998, ‘The impact of capital requirements on U.K.
bank behavior’, Federal Reserve Bank of New York, Economic Policy Review, October.
Erkens D., Hung M. and Matos P., 2012, ‘ Corporate Gover nance in the 2007 -2008 Financial
Crisis: Evidence from Financial Institutions Worldwide’, Journal of Corporate Finance, vol 18,
p. 389 -411.

Bibliographie

El Gaied O., Aloui CH., Ben Salha O. and Nguyen D., 2012, ‘Did the Securitization
Contribute to the Release of the Subprime Crisis? Empirical Investigation of American Banks’,
International Journal of Business, 17(1), 2012 ISSN: 1083 -4346.
Eichengreen B., Mody A., Nedeljkovic, M. and Sarno L., 2009, ‘How the Subprime Crisis went
global: Evidence from bank credit def ault swap spreads’, Journal of International Money and
Finance Volume 31, Issue 5, September 2012, Pages 1299 –1318.
F
Fama E. and Jensen M., 1983, ‘Separation of Ownership and Control’, Journal of Law and
Economics, Vol.26, p.301 -325.
Fekir H., 2005, ‘Présentation du nouvel accord de Bâle sur les fonds propres’, Revue
Management -Information -Finance, n°5.
Fekir H., 2010, ‘La crise financière et l'application des accords de Bâle : est-ce le meilleur
remède?’, POLITIQUES ET STRATEGIES DE GESTION DES CRIS ES, May 2010, Université
Ibn Tofail, La Faculté des Sciences Juridiques, Economiques et Sociales de Kenitra, Maroc.
Feldstein M., 2007, ‘ Why is the Dollar So High? ’, NBER Working Papers 13114, Nati onal
Bureau of Economic Research, Inc.
Fimbel E. et Karyotis C ., 2011, ‘La titrisation: dispositif emblématique de la financiarisation
irresponsable et facteur de risques sociétaux inédits ‘, Management & Avenir n° 48,
p. 289 -308.
Financial Services Authority (FSA), 2009, ‘A regulatory response to the global banking Crisis’,
The Turner review and Discussion Paper 2009/2.
Flannery M. J. and Sorescu S. M., 1996, ‘Evidence of Bank Market Discipline in Subordinated
Debentures Yields: 1983 -1991’, Journal of Finance, vol 4, p 1347 -1377.
Figuet J. M, 2003, ‘Le traitement du risque crédit dans l'accord de Bâle II: une évaluation’,
Revue d’économie financière, n° 71, 2 -2003, p 277 -293.
Fiordelisi F., Marques -Ibanez D. and Molyneux P., 2010, ‘Efficiency and ri sk in European
banking’, Journal of Banking and Finance.

Bibliographie

Franke G. and Krahnen J. P., 2006, ‘Default risk sharing between banks and markets: The
contribution of collateralized debt obligations’, University of Chicago Press: Chicago,
603-631.
Fontnouvelle P ., Jordan J., and Rosengren E., 2005,’Implications of alternative operational risk
modeling techniques’, Working Paper 11103, National Bureau of Economic Research.
Fulbert T. T., 2008, ‘Regulation and Banking Stability: A Survey of Empirical Studies’, Scho ol
of Economics, University of Cape Town.
Furlong F. T. and Keeley M. C, 1989, ‘capital regulation and bank risk -taking, Journal of
Banking and Finance, Vol 13, P 883 -891.
G
Ganioglu A., 2007, ‘Prudential Regulation and Supervision of the Banking Sector and Banking
Crises: A Cross Country Empiricial Investigation’, BDDK Bankac›l›k ve Finansal Piyasalar
Cilt: 1, Say›: 2, 2007.
Godlewski C.J., 2004, ‘Modélisation de la prévision de défaillance de la banque : Une
application aux banques des pays émergents’, Working Papers, n°70, LARGE, Université
Louis Pasteur Strasbourg.
Godlewski CH., 2004, ‘Capital Regulation and Credit Risk Taking: Empirical Evidence from
Banks in Emerging Market Economies’, Finance 0409030, EconWPA.
Godlewski CH., 2004, ‘ le rôle de l‘e nvironnement réglementaire, légal et institutionnel dans
la défaillance des banques : le cas des pays émmergents’, Working paper la RGE n° 64.
Guillaume P., 2015, ‘Régulation ou supervision : quels nouveaux risques ?’, Revue
d'économienfinancière, n° 118, p. 67-75.
Goldstein M. and Turner P., 1996, ‘Banking Crises in Emerging Economies: Origins and Policy
Options’, BIS Economic Papers 46, Bank for International Settlements.
Gonzàlez P., 2004, ‘Investment and Screening under Asymmetric Endogenous
Information’, RAND Journal of Economics , vol. 35, no 3, pp. 502 -519.
Georgina O. U., 2005, ‘Regulation of Bank Capital Requirements and Bank Risk -Taking
Behaviour: Evidence from the Nigerian Banking Industry’, International Journal of Economics
and Financ e; Vol. 7, No. 8.

Bibliographie

Gordon J., Alexandre M., Baptista and Shu Yan, 2014, ‘Bank regulation and international
financial stability: Acase against the 2006 Basel framework for controlling tail risk in trading
books’, Journal of International Money and Finance 4 3,p 107 –130.
Goux J. F., 2013, ‘La réforme bancaire de 2013 analyse et insuffisances’.
GOYEAU D. et TARAZI A., 1992, ‘Évaluation du risque de défaillance bancaire en Europe’,
Revue d’économie politique, 102(2) : 249 -279.
H
Hanson S., Kashyap A. and Stein J., 2010, ‘A Macro -prudential Approach to Financial
Regulation’, Journal of Economic Perspectives, Vol 25, n° 1, pp 3 -28.
Haouat A. M., 2011, ‘Risque opérationnel bancaire : le point sur la réglementation
prudentielle’, Management & Avenir, n° 48, p . 225-238.
Hellwig M., 2009, ‘ Systemic risk in the financial sector: an analysis of the subprime mortgage
financial crisis ’, De Economist, 157:129 -207.
HENNANI R., 2015, ‘De Bâle I à Bâle III: les principales avancées des accords prudentiels
pour un système financier plus résilient’, LAMETA Université de Montpellier.
Hoffmeister P., 2007, ‘The Supply -Side Conundrum: Rising Gold and Higher Interest Rates’,
Real clear politics.
Hudson M. R., Parrino R. and Starks L., 1998, ‘International monitoring mechanisms and
CEO turnover: A long term perspective’, Unpublished manuscript (University of
Pennsylvania).
Hussain Q. and Wihlborg C., 1999, ‘Corporate Insolvency Procedures and Bank Behavior: A
Study of Selected Asian Economies’, Working Paper 135, International Monetary Fund.
I
Icard A., 2002, ‘Stabilité Financière et Control Prudentiel ‖. Colloque BEAC ―Rôle et
fonction d ‘une banque centrale à l‘ère de la globalisation ’, Libreville, 1 -11.
Idi Cheffou A., 2014, ‘Composition du conseil d’adm inistration et rémunérations incitatives
des dirigeants’, Management & Avenir, CNRS, n° 71 Juillet -Août 2014, p.15 – 32.
Inside Mortgage Finance, 2007, ‘The 2007 Mortgage Market Statistical Annual, Top Subprime ’,
Mortgage Market Players and Key Data. Bethes da, MD: Inside Mortgage Finance Publications

Bibliographie

J
Jaeger M., 1996, ‘Les effets de la réglementation sur la valorisation des banques et leur
incitation à la prise de risque’, Revue française d'économie, volume 11, n°4, pp. 37 -82.
Jean-Charles B., Vincent L. et Olivier M., ‘La crise des « subprimes » : de la crise financière à
la crise économique ’.
Jean-Marc F., Delphine L., 2007, ‘Les Accords de Bâle II : quelles conséquences pour le
financement bancaire extérieur des pays émergents ?’, Revue d'économie du développement,
Vol. 15, p. 45 -66.
Jensen M. C. and Meckling W., 1976, ‘Theory of the Firm: Managerial Behaviour, Agency
Costs and Capital Structure’, Journal of Financial Economics, Vol.3, p 305 -360.
Jensen M. C., 1993, ‘The Modern Industrial Revolution , Exit, and the Failure of Internal
Control Systems’, The Journal of Finance, Vol. 48, No. 3, p. 831 -880.
Jeroen K., Jakob D. H., 2012, ‘Banking risk and regulation: Does one size fit all?’, Journal of
Banking and Finance 36, p 3197 –3212.
Jeroen K. and Jak ob de Haan, 2013, ‘Bank regulation, the quality of institutions and banking
risk in emerging and developing countries: An empirical analysis’, Wageningen University,
Social Sciences Group.
John T., 2014, ‘Bank pay caps, bank risk, and macroprudential regu lation’, Journal of Banking
and Finance.
Jeung S. D., 2003, ‘Theoritical and empirical investigation on banks’s risk -taking behavior’,
Ph.D. Thesis, Michigan State University.
K
Kashyap A. K., Rajan R. and Stein J. C., 2002, ‘Bank as Liquidity Providers: An Explanation for
the Coexistence of Lending and Deposit -Taking’, the Journal of Finance, No. 1, FEB.
Kefi K. et Maraghni H., 2011, ‘Respect des normes prudentielles et solvabi lité des banques
commerciales : étude empirique des banques tunisiennes’, Management & Avenir 2011/8 (n°
48), p. 382 -403.
Kim D. and Santomero A.M., 1988, ‘Risk in banking and capital regulation’, Journal of Finance,
vol 43, p 1219 -1233.

Bibliographie

Kindleberger C., 1994, ‘Histoire mondiale de la spéculation financière’, Editions PAU.
Klomp J. and Haan J., 2013, ‘Do Political Budget Cycles Really Exist?’, Applied Economics 45
(3), 329 –341.
Knight F., 1921, ‘RISK, UNCERTAINTY AND PROFIT REPRINTS OF ECONOMIC
CLASSICS’, Library of Congress Catalogue Card Number 64 – I7623.
Koehn M. and Santomero A.M., 1980, ‘Regulation of bank capital and portfolio risk’, Journal
of Finance, vol 35, p 1235 -1244.
KPMG, 2011, ‘Bâle III: Les impacts à anticiper ‘, Financial Services, mars.
L
Lacina D., 2013, ‘ Analyse de l'impact de la régulation sur la prise de risque par les banques’,
Economies and finances, dumas -00879876.
Lacoue -Labarthe, 2005, ‘La France a -t-elle connu des paniques bancaires inefficientes ?’,
Revue d'économie politiqu e, 2005/5 (Vol. 115), p. 158.
Laeven L. and Levine R., 2009, ‘Bank governance, regulation and risk taking’, Journal of
Financial Economics, vol 93, p 259 -75.
Leland, H. and Pyle D., 1977, ‘Informational Asymmetries, Financial Structure, and Financial
Intermediation’, Journal of Finance, vol 32, p 371 -388.
Levent G., Haluk U. and Rosalind L. B., 2014, ‘Inside Debt, Bank Default Risk, and
Performance during the Crisis’, Forthcoming in the Journal of Financial Intermediation .
Levine R., 2004, ‘The Corporate Governance of Banks – a concise discussion of concepts and
evidence’, Policy Research Working Paper Series 3404, The World Bank .
Lintner J., 1965, ‘The Valuation of Risk Assets and the Selection of Risky Investments in
Stock Port folios and Capital Budgets’, The Review of Economics and Statistics, Vol. 47, No.
1, p. 13 -37.-
LOBEZ F., 1997, ‘Intermédiation financière et théorie des contrats’, Banques et Marchés
(26).
La Porta R., Lopez -de-Silanes F., Shleifer A. and Vishny R., 2000, ‘Investor protection and
corporate governance’, Journal of Financial Economics, 58, 3 -27.

Bibliographie

M
Manthos D. Delis, Philip M. and Fotios P., 2008, ‘Regulations and productivity growth in
banking’, University of Bath, School of Management, Working Paper Series.
Maraghni M. and Ben Bouheni F., 2015, ‘Bank Capital Ratio, Prudential Regulation and
Liquid ity Risk Taking: Behavior of Tunisian Banks in a Simultaneous Approach’, International
Journal of Economics and Finance; Vol. 7, No. 6.
Mathieu P. et Georges P., 2009, ‘LES BANQUES DANS LA CRISE’, Presses de Sciences Po
Revue de l'OFCE, n° 110, pages 179 à 219.
Mayne L. S., Chase S. B., Golembe C. H., Clifton H., Wacht H.K., Goodman O.R. and
Schotta CH., 1971, ‘Trends in banking structure and regulation’, The journal of finance : the
journal of the American Finance Association. – Hoboken, NJ [u .a.]: Wiley, ISSN 0022 -1082,
ZDB-ID 2181915. – Vol. 26.1971, 2, p. 585 -651.
Meeker L. G. and Gray L., 1987, ‘A note on non -performing loans as an indicator of asset
quality’, Journal of Banking and Finance, vol 11, p 161 -168.
Mehram H., 2004, ‘Corporate governance in the banking and financial services industries’,
Journal of Financial Intermediation, vol 13, p 1 -5.
Merton R. C., 1977, ‘AN ANALYTIC DERIVATION OF THE COST OF DEPOSIT
INSURANCE AND LOAN GUARANTEES An application of modern option pricing th eory’,
Journal of Banking and Finance, vol 1, p. 3 -11.
Minsky H., 1970, ‘Financial Instability Revisited: The Economics of Disaster ’, Hyman P. Minsky
Archive, Paper 80.
Miotti L. et Plihon D. 2001, ‘Libéralisation financière, spéculation et crises bancaires’,
Économie internationale 2001/1, n° 85, p. 3 -36.
Morgan, 2002, ‘Risk analysis ‖. Categorizing Risks for Risk Ranking ’, An International journal.
An Official Publication of the Society for Risk analysis .
Murinde V. and Yaseen H., 2004, ‘The impact of Basle Accord Regulations on bank capital
and risk behaviour: 3D Evidence from the Middle East and North Africa (MENA) Region’,
Third International Conference of the Centre for Regulation and Competition, Working
Paper.

Bibliographie

N
Nafis A., 2012, ‘The Impact of Regulatory and Supervisory Structures on Bank Risk and
Efficiency: Evidence from Dual Banking System’, Asian Journal of Finance and Accounting,
Vol. 4, No. 1.
NDIAYE M. P., 2014, ‘Prévention du risque de défaillance des banques de l’UEMOA : impa ct
des fonds propres sur le risque de défaillance’, CERDI Université d'Auvergne.
Neville A., 2009, ‘La procyclicité et les fonds propres bancaires’, revue du système financier.
Nicholson et al., 2004, ‘Strategic Asset Management’, Inc. v.
Nkusu M., 2011, ‘Nonperforming Loans and Macrofinancial Vulnerabilities in Advanced
Economies’, IMF Working Paper. Strategy, Policy, and Review Department. WP/11/161.
Nouy D., 2003, ‘L'économie du nouveau dispositif et les conséquences de la nouvelle
réglementation’, Revue d'économie financière, Décembre.
O
Obasi U. and Davis P. E., 2009, ‘The Effectiveness of Banking Supervision’, Economics and
Finance Working Paper Series, No. 09 -27.
Ojo M., 2011, ‘Basel III and Responding to the Recent Financial Crisis: Progress made by the
Basel Committee in relation to the Need for Increased Bank Capital and Increased Quality
of Loss Absorbing Capital’, Electronic copy available at: http://ssrn.com/abstract=1680886 .
Olivier K., 2015, ’LA CRISE FINANCIÈRE : ENSEIGNEMENTS ET PERSPECTIVES’,
Association d'économie financière, Revue d'économie financière, N° 117, pages 277 à 293.
Olivier B. et Alexandra G., 2008, ‘BÂLE II, RÉALLOCATION DES PORTEFEUILLES DE
CRÉDITS ET INCITATION À LA PRISE DE RISQUE’, Presses de Sciences Po (P.F.N.S.P.),
Revue économique, Vol. 59, pages 1193 à 1213.
ONDO N. S., 2011, thèse ‘ESSAIS SUR LES RÉFORMES DE LA RÉGULATION BANCAIRE –
QUELQUES LEÇONS DE LA CRISE FINANCIÈRE’.

Bibliographie

P
Pfister C., 1997, ‘Financial monétaire et aspects prudentiels’, Bulletin de la Banque de
France, 43, juillet, p. 101 -117.
Philip D. E. and Ugochi O., 2009, ‘The Effectiveness of Banking Supervision’, Workin g Paper
No. 09 -27.
Peltzman S., 1970, ‘ Capital Investment in Commercial Banking and Its Relationship to
Portfolio Regulation ’, Journal of Political Economy , University of Chicago Press, vol. 78(1),
pages 1 -26, Jan. -Feb.
Peneveyre M., 1997, ‘La réglementation prudentielle des banques dans l’Union Européenne,
Institut Européen de l’Université de Bale, n°29.
Perez R., 2010, ‘ANALYSE DE LA CRISE FINANCIÈRE OU CRISE DE L'ANALYSE
FINANCIÈRE?’, Management Prospective Ed. Management & Avenir, 2010/5 n° 35, pages 168
à 192.
Pessarossi P., W eill L., 2015, ‘Les exigences de fonds pro pres influencent -elles l’efficience des
banques ? Leçons d’une expérience naturelle en Chine’, Revue économique 2015/3 (Vol. 66),
p. 505 -520.
Pi L. and Timme S. G., 1993, ‘Corporate Control and Bank Efficiency’, Journal of Banking and
Finance 17, p. 515 -530.
Prowse S., 1997, ‘CORPORATE CONTROL IN COMMERCIAL BANKS’, The Journal of
Financial Research.
R
RACHDI R., 2008, ‘LA GOUVERNANCE BANCAIRE: UN SURVEY DE LITTERATURE’,
Laboratory of Research in Finance, Accounting and Financial Intermediation.
RAHMAN M., ZHENG, ASHRAF N., 2015, “Bank Size, Risk -taking and Capital Regulation in
Bangladesh”, Eurasian Journal of Business and Economics 2015, 8 (15), 95 -114.
Rajan R. G., 2005, ‘Has Financial Development Made the World Riskier?’, NBER Working
Paper No. 11728 .
Rochet J. C., 2008, ‘Procyclicité des systèmes financiers : est -il nécessaire de modifier les
règles comptables et la réglementation actuelles ?’, Revue de la stabilité financière, N° 12.

Bibliographie

Rochet, J. C., 1999, ‘Solvency regulations and the management of ban king risks’, European
Economic Review, vol 43, p 981 -990.
Rochet, J. C., 2004, ‘Rebalancing the three pillars of Basel II’, Economic Policy Review,
Federal Reserve Bank of New York, 7 -21.
Rochet, J.C., 2008, ‘Le future de la réglementation bancaire’, Not es TSE, No.2, Décembre.
Rochet J.C., 2003, ‘Réglementation prudentielle et discipline de marche’, Revue d’Economie
financiere, n°73.
Roy V. P., 2003, ‘The Impact of the 1988 Basle Accord on bank’s capital ratios and credit
risk-taking: an international s tudy’, Working Paper, European Center for Advanced Research
in Economics and Statitics (ECARES).
Roy V. P., 2008, ‘Réglementation prudentielle des banques et notation bancaires non
sollicité’, Reflets et perspectives de la vie économique, Tome XLVII 2008/ 3, P. 79 -86.
S
Saadaoui Z., 2009, ‘Les accords de Bâle dans les pays émergents: étude et recommandations’,
Proposition de communication pour le 1er Forum des Economistes Tunisiens, Décembre.
Saadaoui Z., 2011, ‘Convergence internationale des normes de fond s propres. Quels effets
sur les banques des pays émergents ?’, Revue économique , Vol. 62, p. 687 -715.
Salin P., 2009, ‘La crise financière : causes, conséquences, solution’, l’Institut Libéral.
Scialom L., 2011, ‘ Stratégies et instruments d’une régulation macroprudentielle’, Revue
d'économie financière, 2011/3 (N° 103), p. 322.
Servigny A. D., 2001, ‘le risque de crédit : nouveaux enjeux bancaires’, Edition Dunod, p 190.
Shrieves R. E., Dahl D., 1992, ‘The rela tionship between risk and capital in commercial
banks’, Journal of Banking and Finance, n°16, 439 -457.
Stiglitz, 2008, ‘La crise des subprimes ‘, The Independant.
Stuart L. and Gillan S. L., 2006, Recent Developments in Corporate Governance: An
Overview’ , Journal of Corporate Finance, vol, p 12 381 -402, janvier.
Stulz R. M., 2004, ‘Should We Fear Derivatives?’, Journal of Economic. Perspectives Volume
18, Number 3, Summer 2004. P 173 –192.

Bibliographie

Stulz R. M., 2014, ‘GOVERNANCE, RISK MANAGEMENT, AND RISK -TAKING IN
BANKS’, NBER Working Paper No. 20274.
Sylvie T. L., 2007, ‘LA CRISE DU SUBPRIME’, Région et Développement n° 26 -2007.
Sylvie T. L., 2008, ‘Le dispositif prudentiel Bâle II, auto -évaluation et contrôle interne : une
application au cas français’, Economies and Finances. Université du Sud Toulon Var.
Suk-Joong K., Eliza W., Iftekhar H., 2015, ‘The effects of ratings -conting ent regulation on
international bank lending behavior: Evidence from the Basel 2 Accord’, Journal of Banking &
Finance.
T
TAKTAK S., 2010, ‘GOUVERNANCE ET EFFIC IENCE DES BANQUES
TUNISIENNES :ETUDE PAR L’APPROCHE DE FRONTIERE STOCHASTIQUE’, Revue
Libana ise de Gestion et d’Economie, No 5.
Tung A. C., 2011, ‘Consumption over the lifecycle: an international comparison’, Population
Aging and the Generational Economy: A Global Perspective, Edward Elgar, Northampton,
Massachusetts, pp. 136 -160.
Tung F. and Wang X ., 2011, ‘BANK CEOS, INSIDE DEBT COMPENSATION, AND THE
GLOBAL FINANCIAL CRISIS’, Boston University School of Law Working Paper No. 11 -49.
V
Vaillan N. G., 2004, ‘ Estimatin g the time elapsed between ending a relationship and joining a
matchmaking agency: Evidence from a French marriage bureau ’, Journal of Economic
Psychology , Elsevier, vol. 25(6), pages 789 -802, Decem ber.
Venard N., 1994, ‘Gestion des risques bancaires et réglementation prudentielle’, Revue
d'économie financière, n°28, pp. 49 -62.
W
Whalen R.C., 2008, ‘The Subprime Crisis – Cause, Effect and Consequences’, Networks
Financial Institute, Electronic copy available at: http://ssrn.com/abstract=1113888 .
White M., 2011, ‘Bâle III: l‘équilibre entre le risque et la réglementation’, Bureau du
surintendant des institutions financières (BSIF), 11 janvier.

Bibliographie

Z
Zingales L., 2000, ‘IN SEARCH OF NEW FOUNDATIONS’, Working Paper 7706
Cambridge, MA 02138 May 2000 NBER WORKING PAPER SERIES.

Annexes

Annexes

Annexe 1 : Test de présence d’effets individuels
Modèle 1

Modèle 2

F test that all u_i=0: F(73, 195) = 30.45 Prob > F = 0.0000 rho .93027789 (fraction of variance due to u_i) sigma_e .01540228 sigma_u .05626083 _cons -.1755697 .0767349 -2.29 0.023 -.3269066 -.0242328crditsinte~b -.0012094 .0138754 -0.09 0.931 -.0285745 .0261556 inflation .013023 .0183204 0.71 0.478 -.0231085 .0491546margenette~t -.004665 .139913 -0.03 0.973 -.2806019 .2712719 roe .0502099 .0356204 1.41 0.160 -.0200409 .1204606 roa -.7364967 .1257373 -5.86 0.000 -.9844762 -.4885171 taille .0137365 .0060225 2.28 0.024 .0018588 .0256142 credit .0022407 .0364509 0.06 0.951 -.0696479 .0741294 depot -.0075222 .0324448 -0.23 0.817 -.0715099 .0564655 levier .1390798 .0597973 2.33 0.021 .0211472 .2570124 solv -.2189606 .0880005 -2.49 0.014 -.3925155 -.0454057 liqui .0065455 .0103675 0.63 0.529 -.0139014 .0269924 dualite -.0029781 .0040156 -0.74 0.459 -.0108977 .0049414 coretier1 -.013699 .0203084 -0.67 0.501 -.0537512 .0263532 tier2 .0081734 .0156003 0.52 0.601 -.0225936 .0389405 tier1 .3457794 .1048047 3.30 0.001 .1390832 .5524756 prtsnonper~s Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.2004 Prob > F = 0.0000 F(15,195) = 4.14 overall = 0.0240 max = 4 between = 0.0271 avg = 3.8R-sq: within = 0.2416 Obs per group: min = 2Group variable: id Number of groups = 74Fixed-effects (within) regression Number of obs = 284> sinternessurpib, fe. xtreg prtsnonperformants tier1 tier2 coretier1 dualite liqui solv levier depot credit taille roa roe margenettedint inflation crdit
F test that all u_i=0: F(73, 195) = 41.99 Prob > F = 0.0000 rho .96419789 (fraction of variance due to u_i) sigma_e .14384592 sigma_u .74649404 _cons .6117585 .7166474 0.85 0.394 -.8016165 2.025133crditsinte~b .0358286 .1295856 0.28 0.782 -.2197406 .2913979 inflation -.3966926 .1710988 -2.32 0.021 -.7341343 -.0592509margenette~t .0640681 1.306684 0.05 0.961 -2.512979 2.641115 roe .6462307 .3326683 1.94 0.054 -.0098592 1.302321 roa 7.55176 1.174293 6.43 0.000 5.235814 9.867706 taille .0937771 .0562461 1.67 0.097 -.0171517 .2047058 credit .7693976 .3404249 2.26 0.025 .0980103 1.440785 depot .3908198 .3030101 1.29 0.199 -.206778 .9884176 levier -.7239563 .558463 -1.30 0.196 -1.825359 .3774467 solv 4.301343 .8218595 5.23 0.000 2.680468 5.922217 liqui .1259262 .0968251 1.30 0.195 -.0650326 .3168851 dualite .0920619 .0375026 2.45 0.015 .018099 .1660248 coretier1 .1016046 .1896651 0.54 0.593 -.2724536 .4756628 tier2 -.0450794 .1456955 -0.31 0.757 -.3324206 .2422619 tier1 -.4656901 .9787983 -0.48 0.635 -2.39608 1.4647 logzscore Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = 0.3975 Prob > F = 0.0000 F(15,195) = 13.56 overall = 0.5461 max = 4 between = 0.5569 avg = 3.8R-sq: within = 0.5105 Obs per group: min = 2Group variable: id Number of groups = 74Fixed-effects (within) regression Number of obs = 284> nessurpib, fe. xtreg logzscore tier1 tier2 coretier1 dualite liqui solv levier depot credit taille roa roe margenettedint inflation crditsinter

Annexes

Modèle 3

Modèle 1

. F test that all u_i=0: F(73, 195) = 92.86 Prob > F = 0.0000 rho .96688682 (fraction of variance due to u_i) sigma_e .0476593 sigma_u .25753431 _cons .7540623 .237441 3.18 0.002 .2857802 1.222344crditsinte~b -.0032222 .0429345 -0.08 0.940 -.0878979 .0814535 inflation .0447893 .0566888 0.79 0.430 -.0670126 .1565911margenette~t -.1566505 .432933 -0.36 0.718 -1.010483 .6971817 roe .0580768 .1102203 0.53 0.599 -.1593001 .2754538 roa -.005123 .3890691 -0.01 0.990 -.7724466 .7622007 taille -.0194756 .0186356 -1.05 0.297 -.0562287 .0172775 credit -.0036565 .1127902 -0.03 0.974 -.2261018 .2187888 depot .0345012 .1003939 0.34 0.731 -.1634961 .2324984 levier -.1927281 .185031 -1.04 0.299 -.5576471 .1721908 solv .6578909 .2723 2.42 0.017 .1208597 1.194922 liqui -.0101333 .0320803 -0.32 0.752 -.0734021 .0531356 dualite .0139879 .0124254 1.13 0.262 -.0105176 .0384934 coretier1 -.0112733 .0628402 -0.18 0.858 -.135207 .1126604 tier2 -.0083143 .0482721 -0.17 0.863 -.1035167 .0868881 tier1 -1.069097 .3242973 -3.30 0.001 -1.708678 -.4295169 actifspond~s Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.0241 Prob > F = 0.0606 F(15,195) = 1.67 overall = 0.0147 max = 4 between = 0.0144 avg = 3.8R-sq: within = 0.1136 Obs per group: min = 2Group variable: id Number of groups = 74Fixed-effects (within) regression Number of obs = 284> crditsinternessurpib, fe. xtreg actifspondrsrisques tier1 tier2 coretier1 dualite liqui solv levier depot credit taille roa roe margenettedint inflation
rho .88245239 (fraction of variance due to u_i) sigma_e .01540228 sigma_u .0422011 _cons -.0322565 .0550251 -0.59 0.558 -.1401037 .0755908crditsinte~b -.0117642 .0087319 -1.35 0.178 -.0288784 .0053499 inflation .0244319 .0186995 1.31 0.191 -.0122183 .0610822margenette~t .1655077 .1373577 1.20 0.228 -.1037085 .4347239 roe .0567219 .0343336 1.65 0.099 -.0105706 .1240145 roa -.8020037 .1270596 -6.31 0.000 -1.051036 -.5529716 taille .0082667 .0043705 1.89 0.059 -.0002993 .0168328 credit -.0264927 .0244916 -1.08 0.279 -.0744953 .0215099 depot -.06492 .025298 -2.57 0.010 -.1145031 -.0153368 levier .097482 .0468554 2.08 0.037 .0056471 .1893169 solv -.2355651 .0775856 -3.04 0.002 -.38763 -.0835002 liqui -.0028035 .0096379 -0.29 0.771 -.0216933 .0160864 dualite -.0040895 .0039754 -1.03 0.304 -.0118811 .003702 coretier1 -.007497 .0212873 -0.35 0.725 -.0492192 .0342253 tier2 .0014078 .0160392 0.09 0.930 -.0300284 .032844 tier1 .3721901 .0959216 3.88 0.000 .1841872 .560193 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000Random effects u_i ~ Gaussian Wald chi2(15) = 72.38 overall = 0.2113 max = 4 between = 0.2259 avg = 3.8R-sq: within = 0.2118 Obs per group: min = 2Group variable: id Number of groups = 74Random-effects GLS regression Number of obs = 284> itsinternessurpib, re. xtreg prtsnonperformants tier1 tier2 coretier1 dualite liqui solv levier depot credit taille roa roe margenettedint inflation crd

Annexes

Modèle 2

Modèle 3

rho .91590214 (fraction of variance due to u_i) sigma_e .14384592 sigma_u .47471136 _cons .5316727 .5844244 0.91 0.363 -.6137781 1.677124crditsinte~b .0379626 .0948621 0.40 0.689 -.1479636 .2238888 inflation -.274295 .1838333 -1.49 0.136 -.6346016 .0860117margenette~t .9842894 1.369104 0.72 0.472 -1.699104 3.667683 roe .8633549 .3437062 2.51 0.012 .1897031 1.537007 roa 8.296347 1.256074 6.60 0.000 5.834487 10.75821 taille .1233409 .046336 2.66 0.008 .0325241 .2141577 credit -.187393 .2611131 -0.72 0.473 -.6991653 .3243793 depot .2447114 .2631837 0.93 0.352 -.2711191 .7605419 levier -.4119829 .4918402 -0.84 0.402 -1.375972 .5520062 solv 5.640792 .7901297 7.14 0.000 4.092166 7.189417 liqui .0867774 .0972687 0.89 0.372 -.1038657 .2774205 dualite .0726063 .0395184 1.84 0.066 -.0048483 .1500609 coretier1 .1029195 .2084856 0.49 0.622 -.3057048 .5115437 tier2 -.0740969 .157621 -0.47 0.638 -.3830284 .2348347 tier1 -.4169249 .9623229 -0.43 0.665 -2.303043 1.469193 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000Random effects u_i ~ Gaussian Wald chi2(15) = 325.27 overall = 0.7195 max = 4 between = 0.7396 avg = 3.8R-sq: within = 0.4831 Obs per group: min = 2Group variable: id Number of groups = 74Random-effects GLS regression Number of obs = 284> nessurpib, re. xtreg logzscore tier1 tier2 coretier1 dualite liqui solv levier depot credit taille roa roe margenettedint inflation crditsinter
rho .96635785 (fraction of variance due to u_i) sigma_e .0476593 sigma_u .2554317 _cons .6412801 .2049638 3.13 0.002 .2395584 1.043002crditsinte~b .0237922 .0348257 0.68 0.494 -.0444649 .0920492 inflation .0275382 .055511 0.50 0.620 -.0812615 .1363379margenette~t -.0632666 .4211462 -0.15 0.881 -.888698 .7621648 roe .0593351 .1065209 0.56 0.578 -.149442 .2681122 roa .1184027 .3814232 0.31 0.756 -.629173 .8659784 taille -.0136165 .0160907 -0.85 0.397 -.0451537 .0179207 credit .0120838 .092818 0.13 0.896 -.1698362 .1940038 depot .1166216 .0883449 1.32 0.187 -.0565312 .2897745 levier -.2002145 .1662575 -1.20 0.228 -.5260733 .1256443 solv .6364304 .253771 2.51 0.012 .1390483 1.133812 liqui -.022772 .0306103 -0.74 0.457 -.0827672 .0372232 dualite .0164234 .012108 1.36 0.175 -.0073078 .0401547 coretier1 -.0116308 .0623697 -0.19 0.852 -.1338731 .1106114 tier2 -.009144 .0475091 -0.19 0.847 -.1022602 .0839721 tier1 -1.136666 .3026867 -3.76 0.000 -1.729921 -.5434114 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0164Random effects u_i ~ Gaussian Wald chi2(15) = 28.93 overall = 0.0897 max = 4 between = 0.0877 avg = 3.8R-sq: within = 0.1059 Obs per group: min = 2Group variable: id Number of groups = 74Random-effects GLS regression Number of obs = 284> crditsinternessurpib, re. xtreg actifspondrsrisques tier1 tier2 coretier1 dualite liqui solv levier depot credit taille roa roe margenettedint inflation

Annexes

Annexe 2 : Test d’Hausman
Modèle 1

Modèle 2

(V_b-V_B is not positive definite) Prob>chi2 = 0.0324 = 25.23 chi2(14) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg crditsinte~b .0140958 -.0048857 .0189815 .0077182 inflation .0138236 -.0179531 .0317768 .margenette~t -.0283196 .006935 -.0352545 . roe .0144714 .0159025 -.0014311 .0141202 roa -.0817274 -.1012104 .0194829 . taille .0041227 .0010814 .0030413 .0201705 credit .0063178 -.022118 .0284358 .0265441 depot -.0331336 -.0541064 .0209729 .0117439 levier -.1198411 -.0453898 -.0744512 .0518929 solv -.2266179 -.1292006 -.0974173 .0652862 liqui .0021429 -.0016456 .0037885 . coretier1 -.0002237 4.05e-06 -.0002278 . tier2 .0001516 .0000958 .0000558 . tier1 .3818301 .2436799 .1381502 .0545472 fe re Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients . hausman fe re
(V_b-V_B is not positive definite) Prob>chi2 = 0.0000 = 47.50 chi2(15) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg crditsinte~b .0358286 .0379626 -.002134 .0882815 inflation -.3966926 -.274295 -.1223976 .margenette~t .0640681 .9842894 -.9202213 . roe .6462307 .8633549 -.2171242 . roa 7.55176 8.296347 -.7445869 . taille .0937771 .1233409 -.0295638 .0318842 credit .7693976 -.187393 .9567906 .218424 depot .3908198 .2447114 .1461084 .1501649 levier -.7239563 -.4119829 -.3119734 .2645261 solv 4.301343 5.640792 -1.339449 .2261593 liqui .1259262 .0867774 .0391489 . dualite .0920619 .0726063 .0194556 . coretier1 .1016046 .1029195 -.0013149 . tier2 -.0450794 -.0740969 .0290175 . tier1 -.4656901 -.4169249 -.0487651 .1788321 fe re Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients . hausman fe re

Annexes

Modèle 3

Annexe 3 : Test des Breush -Pagan LM
Modèle 1

Modèle 2

Modèle 3

Prob>chi2 = 0.7887 = 10.48 chi2(15) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg crditsinte~b -.0032222 .0237922 -.0270144 .0251107 inflation .0447893 .0275382 .0172511 .0114953margenette~t -.1566505 -.0632666 -.0933839 .1003335 roe .0580768 .0593351 -.0012583 .0283163 roa -.005123 .1184027 -.1235257 .0767537 taille -.0194756 -.0136165 -.0058591 .0094007 credit -.0036565 .0120838 -.0157403 .0640816 depot .0345012 .1166216 -.0821205 .0476876 levier -.1927281 -.2002145 .0074864 .081209 solv .6578909 .6364304 .0214605 .0987298 liqui -.0101333 -.022772 .0126387 .0095995 dualite .0139879 .0164234 -.0024355 .0027907 coretier1 -.0112733 -.0116308 .0003576 .0076756 tier2 -.0083143 -.009144 .0008297 .0085487 tier1 -1.069097 -1.136666 .067569 .1164025 fe re Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients . hausman fe re
Prob > chi2 = 0.0000 chi2(1) = 234.06 Test: Var(u) = 0 u .0017809 .0422011 e .0002372 .0154023 prtsnon~s .0032989 .0574362 Var sd = sqrt(Var) Estimated results: prtsnonperformants[id,t] = Xb + u[id] + e[id,t]Breusch and Pagan Lagrangian multiplier test for random effects. xttest0
Prob > chi2 = 0.0000 chi2(1) = 239.24 Test: Var(u) = 0 u .2253509 .4747114 e .0206916 .1438459 logzscore 1.055722 1.027483 Var sd = sqrt(Var) Estimated results: logzscore[id,t] = Xb + u[id] + e[id,t]Breusch and Pagan Lagrangian multiplier test for random effects. xttest0
Prob > chi2 = 0.0000 chi2(1) = 359.59 Test: Var(u) = 0 u .0652454 .2554317 e .0022714 .0476593 actifsp~s .0686663 .2620426 Var sd = sqrt(Var) Estimated results: actifspondrsrisques[id,t] = Xb + u[id] + e[id,t]Breusch and Pagan Lagrangian multiplier test for random effects. xttest0

Annexes

Annexe 4 : Test de Wald modifié
Modéle1

Modèle 2

Modè le 3

Annexe 5 : Régressions linéaires pour le modèle 1 en 2008 -2009
Régression 1

Prob>chi2 = 0.0000chi2 (74) = 1.5e+05H0: sigma(i)^2 = sigma^2 for all iin fixed effect regression modelModified Wald test for groupwise heteroskedasticity. xttest3
Prob>chi2 = 0.0000chi2 (74) = 2.9e+30H0: sigma(i)^2 = sigma^2 for all iin fixed effect regression modelModified Wald test for groupwise heteroskedasticity. xttest3
Prob>chi2 = 0.0000chi2 (74) = 1.2e+32H0: sigma(i)^2 = sigma^2 for all iin fixed effect regression modelModified Wald test for groupwise heteroskedasticity. xttest3
_cons .0825863 .0191369 4.32 0.000 .0450786 .1200939margenette~t .4881318 .2384358 2.05 0.041 .0208062 .9554574 roe -.1563107 .0648639 -2.41 0.016 -.2834416 -.0291798 solv .2532664 .1298237 1.95 0.051 -.0011833 .5077162 liqui -.0381493 .0139044 -2.74 0.006 -.0654015 -.010897 dualite -.020859 .0078697 -2.65 0.008 -.0362833 -.0054346 tier1 -.358078 .1891209 -1.89 0.058 -.7287483 .0125922 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 244.0485 Prob > chi2 = 0.0010 Wald chi2(6) = 22.49Estimated coefficients = 7 Time periods = 2Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 150Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint

Annexes

Régression 2

Régression 3

Régression 4

_cons .0752294 .0187076 4.02 0.000 .0385631 .1118956 inflation .534707 .1730475 3.09 0.002 .1955402 .8738739margenette~t .400579 .2329213 1.72 0.085 -.0559385 .8570964 roe -.1678452 .0630038 -2.66 0.008 -.2913304 -.0443599 solv .2517339 .1258803 2.00 0.046 .0050131 .4984547 liqui -.0424432 .0135534 -3.13 0.002 -.0690074 -.015879 dualite -.0184238 .0076712 -2.40 0.016 -.0334591 -.0033886 tier1 -.339535 .1834731 -1.85 0.064 -.6991356 .0200656 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 248.6766 Prob > chi2 = 0.0000 Wald chi2(7) = 33.47Estimated coefficients = 8 Time periods = 2Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 150Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation
_cons .091442 .0324234 2.82 0.005 .0278934 .1549907 taille -.0026926 .0041273 -0.65 0.514 -.010782 .0053968 inflation .5286693 .17505 3.02 0.003 .1855775 .8717611margenette~t .4138132 .2335734 1.77 0.076 -.0439823 .8716087 roe -.1682559 .0634622 -2.65 0.008 -.2926396 -.0438722 solv .2456588 .1262832 1.95 0.052 -.0018518 .4931694 liqui -.0441238 .0137711 -3.20 0.001 -.0711146 -.017133 dualite -.0178565 .0077083 -2.32 0.021 -.0329644 -.0027485 tier1 -.3205588 .1853762 -1.73 0.084 -.6838894 .0427718 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 246.911 Prob > chi2 = 0.0000 Wald chi2(8) = 33.91 max = 2 avg = 1.986667Estimated coefficients = 9 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille
_cons .1319738 .0304293 4.34 0.000 .0723335 .1916141 depot -.1310288 .0236923 -5.53 0.000 -.177465 -.0845927 taille .0062542 .0040927 1.53 0.126 -.0017675 .0142758 inflation .4214822 .1606218 2.62 0.009 .1066693 .7362951margenette~t .534837 .2138779 2.50 0.012 .115644 .95403 roe -.1197962 .0584663 -2.05 0.040 -.2343881 -.0052043 solv .2523355 .1150342 2.19 0.028 .0268727 .4777984 liqui -.0544212 .0126811 -4.29 0.000 -.0792758 -.0295667 dualite -.0195137 .0070276 -2.78 0.005 -.0332876 -.0057397 tier1 -.4212035 .1698318 -2.48 0.013 -.7540676 -.0883393 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 260.8206 Prob > chi2 = 0.0000 Wald chi2(9) = 71.46 max = 2 avg = 1.986667Estimated coefficients = 10 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille depot

Annexes

Régression 5

Régression 6

Régression 7

_cons .1336671 .0305542 4.37 0.000 .073782 .1935522 credit -.0125554 .0228411 -0.55 0.583 -.0573231 .0322124 depot -.1242696 .0266721 -4.66 0.000 -.1765459 -.0719933 taille .0062821 .0040889 1.54 0.124 -.001732 .0142963 inflation .4197224 .1604911 2.62 0.009 .1051656 .7342792margenette~t .548506 .2151036 2.55 0.011 .1269107 .9701013 roe -.1210869 .0584543 -2.07 0.038 -.2356553 -.0065186 solv .2543553 .1149765 2.21 0.027 .0290056 .479705 liqui -.0524878 .0131475 -3.99 0.000 -.0782565 -.026719 dualite -.0196876 .0070277 -2.80 0.005 -.0334616 -.0059137 tier1 -.4295988 .1703459 -2.52 0.012 -.7634707 -.095727 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 260.9715 Prob > chi2 = 0.0000 Wald chi2(10) = 71.90 max = 2 avg = 1.986667Estimated coefficients = 11 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille depot credit
_cons .0748935 .0570005 1.31 0.189 -.0368254 .1866125 levier .0651432 .0534407 1.22 0.223 -.0395987 .1698851 credit -.0100211 .022823 -0.44 0.661 -.0547532 .0347111 depot -.1237687 .0265433 -4.66 0.000 -.1757925 -.0717449 taille .0056966 .0040969 1.39 0.164 -.0023333 .0137264 inflation .390637 .1614695 2.42 0.016 .0741626 .7071113margenette~t .6738934 .2374729 2.84 0.005 .208455 1.139332 roe -.1239192 .0582114 -2.13 0.033 -.2380114 -.0098269 solv .2617777 .1145693 2.28 0.022 .0372259 .4863294 liqui -.0531115 .0130925 -4.06 0.000 -.0787723 -.0274507 dualite -.0189028 .0070225 -2.69 0.007 -.0326666 -.005139 tier1 -.4367746 .169605 -2.58 0.010 -.7691943 -.1043549 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 261.7108 Prob > chi2 = 0.0000 Wald chi2(11) = 74.11 max = 2 avg = 1.986667Estimated coefficients = 12 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille depot credit levier
_cons .0744603 .0569874 1.31 0.191 -.0372329 .1861535 coretier1 -.0015932 .0043626 -0.37 0.715 -.0101438 .0069574 levier .0662009 .0534953 1.24 0.216 -.0386479 .1710498 credit -.0102471 .0228211 -0.45 0.653 -.0549757 .0344815 depot -.1235483 .0265382 -4.66 0.000 -.1755623 -.0715343 taille .0056969 .0040951 1.39 0.164 -.0023294 .0137231 inflation .3901964 .1614018 2.42 0.016 .0738548 .706538margenette~t .6785109 .2377033 2.85 0.004 .2126211 1.144401 roe -.1261672 .0585101 -2.16 0.031 -.2408449 -.0114895 solv .2640679 .1146897 2.30 0.021 .0392803 .4888556 liqui -.053458 .013121 -4.07 0.000 -.0791746 -.0277414 dualite -.0186868 .0070442 -2.65 0.008 -.0324932 -.0048805 tier1 -.4392388 .1696634 -2.59 0.010 -.771773 -.1067046 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 261.7774 Prob > chi2 = 0.0000 Wald chi2(12) = 74.31 max = 2 avg = 1.986667Estimated coefficients = 13 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille depot credit levier coretier1

Annexes

Régression 8

Régression 9

_cons .081761 .0567529 1.44 0.150 -.0294726 .1929946 tier2 -.0050679 .0033306 -1.52 0.128 -.0115958 .00146 coretier1 .0011991 .004702 0.26 0.799 -.0080167 .0104148 levier .0625125 .0531398 1.18 0.239 -.0416395 .1666646 credit -.0070602 .0227425 -0.31 0.756 -.0516347 .0375143 depot -.1325798 .026995 -4.91 0.000 -.1854891 -.0796705 taille .0062681 .004081 1.54 0.125 -.0017304 .0142667 inflation .3760993 .1604299 2.34 0.019 .0616624 .6905361margenette~t .6403656 .2372061 2.70 0.007 .1754502 1.105281 roe -.1280418 .0580738 -2.20 0.027 -.2418644 -.0142193 solv .2889227 .1149751 2.51 0.012 .0635757 .5142698 liqui -.055312 .0130771 -4.23 0.000 -.0809426 -.0296814 dualite -.0169165 .0070862 -2.39 0.017 -.0308053 -.0030278 tier1 -.4806925 .1705503 -2.82 0.005 -.814965 -.14642 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 262.9262 Prob > chi2 = 0.0000 Wald chi2(13) = 77.78 max = 2 avg = 1.986667Estimated coefficients = 14 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille depot credit levier coretier1 tier2
_cons .0728649 .0563506 1.29 0.196 -.0375802 .1833099 roa -.5423124 .2990242 -1.81 0.070 -1.128389 .0437643 tier2 -.005296 .0032969 -1.61 0.108 -.0117577 .0011658 coretier1 .0011289 .0046511 0.24 0.808 -.0079871 .0102449 levier .0660638 .0525993 1.26 0.209 -.0370288 .1691564 credit -.0090704 .0225229 -0.40 0.687 -.0532144 .0350736 depot -.1326796 .026702 -4.97 0.000 -.1850145 -.0803447 taille .0077446 .0041179 1.88 0.060 -.0003264 .0158155 inflation .3754601 .1586883 2.37 0.018 .0644367 .6864836margenette~t .666652 .2350778 2.84 0.005 .205908 1.127396 roe -.1003577 .0594368 -1.69 0.091 -.2168517 .0161364 solv .2619414 .1146956 2.28 0.022 .037142 .4867407 liqui -.0572865 .0129808 -4.41 0.000 -.0827284 -.0318445 dualite -.0153465 .0070626 -2.17 0.030 -.0291889 -.0015042 tier1 -.4289833 .1710909 -2.51 0.012 -.7643153 -.0936512 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 264.5529 Prob > chi2 = 0.0000 Wald chi2(14) = 82.78 max = 2 avg = 1.986667Estimated coefficients = 15 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> oa. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille depot credit levier coretier1 tier2 r

Annexes

Régression 10

Annexe 6 : Régressions li néaires pour le modèle 2 en 2008 -2009
Régression 1

Régression 2

_cons .1019121 .0557872 1.83 0.068 -.0074289 .2112531crditsinte~b -.0209154 .0079572 -2.63 0.009 -.0365112 -.0053196 roa -.5068302 .2855008 -1.78 0.076 -1.066402 .0527411 tier2 -.0062201 .0031814 -1.96 0.051 -.0124554 .0000153 coretier1 .0014542 .0044232 0.33 0.742 -.0072151 .0101235 levier .0843007 .0504684 1.67 0.095 -.0146155 .1832169 credit -.0189759 .0217453 -0.87 0.383 -.0615958 .023644 depot -.1120716 .0268205 -4.18 0.000 -.1646389 -.0595043 taille .0043105 .0041679 1.03 0.301 -.0038584 .0124794 inflation .2594792 .1871006 1.39 0.165 -.1072313 .6261897margenette~t .6462331 .2245252 2.88 0.004 .2061718 1.086294 roe -.0413239 .0590843 -0.70 0.484 -.157127 .0744793 solv .3461332 .1111889 3.11 0.002 .128207 .5640594 liqui -.0661612 .0130315 -5.08 0.000 -.0917024 -.0406201 dualite -.0095631 .006891 -1.39 0.165 -.0230693 .003943 tier1 -.5107802 .1640647 -3.11 0.002 -.832341 -.1892194 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 264.9324 Prob > chi2 = 0.0000 Wald chi2(15) = 96.44 max = 2 avg = 1.986301Estimated coefficients = 16 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> oa crditsinternessurpib. xtgls prtsnonperformants tier1 dualite liqui solv roe margenettedint inflation taille depot credit levier coretier1 tier2 r
_cons .4716209 .3300996 1.43 0.153 -.1753624 1.118604 tier2 -.0124182 .0471965 -0.26 0.792 -.1049217 .0800853 coretier1 .0076399 .0689836 0.11 0.912 -.1275656 .1428453 roe 2.821821 .8418538 3.35 0.001 1.171817 4.471824 depot .5763364 .3144394 1.83 0.067 -.0399534 1.192626 liqui -.3345535 .1799695 -1.86 0.063 -.6872873 .0181803 tier1 12.34249 .7911775 15.60 0.000 10.79181 13.89317 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -139.3129 Prob > chi2 = 0.0000 Wald chi2(6) = 266.01Estimated coefficients = 7 Time periods = 2Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 150Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 liqui depot roe coretier1 tier2
_cons .4784331 .3340452 1.43 0.152 -.1762834 1.13315 dualite -.0136792 .1030428 -0.13 0.894 -.2156394 .1882811 tier2 -.0113353 .0478935 -0.24 0.813 -.1052048 .0825342 coretier1 .0077391 .0689836 0.11 0.911 -.1274663 .1429445 roe 2.816994 .842589 3.34 0.001 1.16555 4.468438 depot .577832 .3146227 1.84 0.066 -.0388171 1.194481 liqui -.3357614 .1801888 -1.86 0.062 -.6889251 .0174022 tier1 12.33946 .7914607 15.59 0.000 10.78822 13.89069 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -139.3041 Prob > chi2 = 0.0000 Wald chi2(7) = 266.06Estimated coefficients = 8 Time periods = 2Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 150Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite

Annexes

Régression 3

Régression 4

Régression 5

_cons .1631367 .7237833 0.23 0.822 -1.255453 1.581726 levier .3404674 .6934973 0.49 0.623 -1.018762 1.699697 dualite -.0080594 .1035945 -0.08 0.938 -.2111009 .1949821 tier2 -.0109954 .0478601 -0.23 0.818 -.1047994 .0828086 coretier1 .0064194 .0689807 0.09 0.926 -.1287802 .141619 roe 2.810135 .8420288 3.34 0.001 1.159789 4.460481 depot .5905501 .3154358 1.87 0.061 -.0276927 1.208793 liqui -.3384007 .1801245 -1.88 0.060 -.6914382 .0146368 tier1 12.35465 .7914305 15.61 0.000 10.80347 13.90582 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -139.1837 Prob > chi2 = 0.0000 Wald chi2(8) = 266.73Estimated coefficients = 9 Time periods = 2Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 150Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier
_cons -.2192071 .7470166 -0.29 0.769 -1.683333 1.244919 taille .1110048 .0593561 1.87 0.061 -.005331 .2273405 levier .2071402 .6917122 0.30 0.765 -1.148591 1.562871 dualite -.0189062 .1031351 -0.18 0.855 -.2210473 .1832348 tier2 -.0184988 .0476552 -0.39 0.698 -.1119013 .0749037 coretier1 .0106915 .0684522 0.16 0.876 -.1234723 .1448553 roe 3.032621 .8460526 3.58 0.000 1.374389 4.690854 depot .3156245 .3472935 0.91 0.363 -.3650582 .9963072 liqui -.299001 .1799057 -1.66 0.097 -.6516096 .0536077 tier1 11.85557 .8308502 14.27 0.000 10.22713 13.48401 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -137.0252 Prob > chi2 = 0.0000 Wald chi2(9) = 272.62 max = 2 avg = 1.986667Estimated coefficients = 10 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier taille
_cons -.2336288 .7485008 -0.31 0.755 -1.700663 1.233406 inflation .663273 2.312226 0.29 0.774 -3.868607 5.195153 taille .1121454 .0594728 1.89 0.059 -.004419 .2287099 levier .1920931 .6935079 0.28 0.782 -1.167157 1.551344 dualite -.0166303 .1034114 -0.16 0.872 -.2193129 .1860524 tier2 -.0174426 .0477841 -0.37 0.715 -.1110978 .0762125 coretier1 .0100739 .0684671 0.15 0.883 -.1241192 .144267 roe 3.01825 .8473016 3.56 0.000 1.357569 4.67893 depot .3269624 .3494401 0.94 0.349 -.3579276 1.011852 liqui -.3013798 .1800471 -1.67 0.094 -.6542656 .051506 tier1 11.87712 .8340093 14.24 0.000 10.24249 13.51174 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -136.9841 Prob > chi2 = 0.0000 Wald chi2(10) = 272.86 max = 2 avg = 1.986667Estimated coefficients = 11 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier taille inflation

Annexes

Régression 6

Régression 7

Régression 8

_cons -.2703413 .7863346 -0.34 0.731 -1.811529 1.270846crditsinte~b .0168319 .1220805 0.14 0.890 -.2224414 .2561052 inflation .7135425 2.883062 0.25 0.805 -4.937155 6.36424 taille .1326275 .0639725 2.07 0.038 .0072436 .2580114 levier .1243622 .706707 0.18 0.860 -1.260758 1.509483 dualite -.0305317 .107236 -0.28 0.776 -.2407104 .179647 tier2 -.0202089 .0490552 -0.41 0.680 -.1163553 .0759376 coretier1 .0110568 .0692604 0.16 0.873 -.1246911 .1468046 roe 2.833132 .8995498 3.15 0.002 1.070047 4.596217 depot .2477816 .3694921 0.67 0.502 -.4764096 .9719727 liqui -.2542041 .1936132 -1.31 0.189 -.6336791 .1252708 tier1 11.66657 .8720066 13.38 0.000 9.957465 13.37567 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -134.7093 Prob > chi2 = 0.0000 Wald chi2(11) = 256.24 max = 2 avg = 1.986301Estimated coefficients = 12 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier taille inflation crditsinternessurpib
_cons .0141185 .7228806 0.02 0.984 -1.402702 1.430939 roa 21.34083 4.066336 5.25 0.000 13.37095 29.3107crditsinte~b .0354253 .1119692 0.32 0.752 -.1840304 .2548809 inflation .8334296 2.643048 0.32 0.753 -4.34685 6.013709 taille .0634695 .0601069 1.06 0.291 -.054338 .1812769 levier .0484132 .6480115 0.07 0.940 -1.221666 1.318492 dualite -.1005595 .0992064 -1.01 0.311 -.2950005 .0938816 tier2 -.0011176 .0451166 -0.02 0.980 -.0895445 .0873093 coretier1 .0092504 .0634931 0.15 0.884 -.1151937 .1336945 roe 1.740257 .8505184 2.05 0.041 .0732712 3.407242 depot .3324982 .3391038 0.98 0.327 -.3321331 .9971295 liqui -.1574892 .1784425 -0.88 0.377 -.5072301 .1922517 tier1 11.14274 .8055897 13.83 0.000 9.563817 12.72167 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -122.1005 Prob > chi2 = 0.0000 Wald chi2(12) = 332.46 max = 2 avg = 1.986301Estimated coefficients = 13 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier taille inflation crditsinternessurpib roa
_cons -.4274502 .7893957 -0.54 0.588 -1.974637 1.119737margenette~t 4.330787 3.209251 1.35 0.177 -1.959229 10.6208 roa 20.96657 4.050544 5.18 0.000 13.02765 28.90549crditsinte~b .0342517 .1112761 0.31 0.758 -.1838453 .2523488 inflation .1824456 2.670537 0.07 0.946 -5.051711 5.416602 taille .0611742 .0597572 1.02 0.306 -.0559478 .1782962 levier .4844809 .7205067 0.67 0.501 -.9276863 1.896648 dualite -.1034895 .0986132 -1.05 0.294 -.2967678 .0897887 tier2 .0043234 .0450168 0.10 0.923 -.083908 .0925548 coretier1 .0022269 .0633124 0.04 0.972 -.121863 .1263169 roe 1.72241 .8453307 2.04 0.042 .0655927 3.379228 depot .3046272 .3376266 0.90 0.367 -.3571086 .9663631 liqui -.1400711 .1778015 -0.79 0.431 -.4885557 .2084135 tier1 11.09292 .801429 13.84 0.000 9.522147 12.66369 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -121.1956 Prob > chi2 = 0.0000 Wald chi2(13) = 338.45 max = 2 avg = 1.986301Estimated coefficients = 14 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> ttedint. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier taille inflation crditsinternessurpib roa margene

Annexes

Régression 9

Régression 10

_cons -.219711 .7918923 -0.28 0.781 -1.771791 1.332369 credit -.513176 .3086189 -1.66 0.096 -1.118058 .091706margenette~t 4.72754 3.188025 1.48 0.138 -1.520874 10.97595 roa 20.62532 4.017714 5.13 0.000 12.75075 28.4999crditsinte~b .0042585 .1116961 0.04 0.970 -.2146618 .2231788 inflation -.1280181 2.652015 -0.05 0.961 -5.325871 5.069835 taille .0603718 .0591975 1.02 0.308 -.0556531 .1763967 levier .3927803 .7158613 0.55 0.583 -1.010282 1.795843 dualite -.1116366 .097809 -1.14 0.254 -.3033387 .0800655 tier2 .0099554 .0447221 0.22 0.824 -.0776984 .0976092 coretier1 -.0038655 .0628241 -0.06 0.951 -.1269985 .1192676 roe 1.706674 .837438 2.04 0.042 .0653262 3.348023 depot .6070953 .3807187 1.59 0.111 -.1390998 1.35329 liqui -.0725931 .1807446 -0.40 0.688 -.4268461 .2816599 tier1 10.9162 .8009771 13.63 0.000 9.346319 12.48609 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -119.8261 Prob > chi2 = 0.0000 Wald chi2(14) = 347.67 max = 2 avg = 1.986301Estimated coefficients = 15 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> ttedint credit. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier taille inflation crditsinternessurpib roa margene
_cons -.0358753 .6647789 -0.05 0.957 -1.338818 1.267067 solv 10.34923 1.324963 7.81 0.000 7.752346 12.94611 credit -.5938799 .2591235 -2.29 0.022 -1.101753 -.0860071margenette~t 5.271153 2.675515 1.97 0.049 .0272391 10.51507 roa 24.22963 3.402121 7.12 0.000 17.56159 30.89766crditsinte~b -.1088551 .0948204 -1.15 0.251 -.2946997 .0769894 inflation -1.249804 2.229552 -0.56 0.575 -5.619646 3.120037 taille .0572849 .0496656 1.15 0.249 -.0400579 .1546277 levier .6382717 .6013973 1.06 0.289 -.5404454 1.816989 dualite -.08746 .0821157 -1.07 0.287 -.2484039 .0734838 tier2 -.0324276 .0379102 -0.86 0.392 -.1067302 .041875 coretier1 -.0008058 .0527081 -0.02 0.988 -.1041118 .1025002 roe 1.348482 .704068 1.92 0.055 -.0314657 2.72843 depot .6945686 .3196022 2.17 0.030 .0681598 1.320977 liqui -.3340421 .155287 -2.15 0.031 -.638399 -.0296851 tier1 -3.424184 1.955048 -1.75 0.080 -7.256007 .407639 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -94.36443 Prob > chi2 = 0.0000 Wald chi2(15) = 554.97 max = 2 avg = 1.986301Estimated coefficients = 16 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> ttedint credit solv. xtgls logzscore tier1 liqui depot roe coretier1 tier2 dualite levier taille inflation crditsinternessurpib roa margene

Annexes

Annexe 7 : Régressions linéaire s pour le modèle 3 en 2008 -2009
Régression 1

Régression 2

Régression 3

_cons .3990117 .2755054 1.45 0.148 -.140969 .9389925 roe -.0808129 .340258 -0.24 0.812 -.7477064 .5860805 levier -.1613357 .2774583 -0.58 0.561 -.7051439 .3824725 dualite .0675192 .0410447 1.65 0.100 -.0129269 .1479653 roa 2.81639 1.704892 1.65 0.099 -.5251356 6.157916 depot .3803017 .1216589 3.13 0.002 .1418546 .6187487 tier1 -.5588809 .3235047 -1.73 0.084 -1.192938 .0751766 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -1.830869 Prob > chi2 = 0.0007 Wald chi2(6) = 23.40Estimated coefficients = 7 Time periods = 2Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 150Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 depot roa dualite levier roe
_cons .401906 .2778911 1.45 0.148 -.1427505 .9465625crditsinte~b .0739553 .0428165 1.73 0.084 -.0099634 .1578741 roe -.3568845 .35507 -1.01 0.315 -1.052809 .3390399 levier -.2196571 .2762514 -0.80 0.427 -.7610999 .3217858 dualite .0442059 .0417445 1.06 0.290 -.0376119 .1260237 roa 2.908697 1.690303 1.72 0.085 -.4042352 6.221629 depot .3464252 .1253815 2.76 0.006 .100682 .5921685 tier1 -.6511809 .3240601 -2.01 0.044 -1.286327 -.0160348 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -.2694373 Prob > chi2 = 0.0005 Wald chi2(7) = 26.18Estimated coefficients = 8 Time periods = 2Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 146Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib
_cons .2802532 .3093827 0.91 0.365 -.3261257 .8866321margenette~t 1.195954 1.351738 0.88 0.376 -1.453403 3.845311crditsinte~b .0761518 .0427742 1.78 0.075 -.0076842 .1599878 roe -.3705987 .354461 -1.05 0.296 -1.065329 .3241321 levier -.1040834 .3049125 -0.34 0.733 -.7017008 .4935341 dualite .0439732 .0416339 1.06 0.291 -.0376277 .1255742 roa 2.779894 1.692064 1.64 0.100 -.5364894 6.096278 depot .335601 .1256438 2.67 0.008 .0893437 .5818583 tier1 -.6649626 .32357 -2.06 0.040 -1.299148 -.030777 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .120911 Prob > chi2 = 0.0007 Wald chi2(8) = 27.11Estimated coefficients = 9 Time periods = 2Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 146Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib margenettedint

Annexes

Régression 4

Régression 5

Régression 6

_cons .277738 .3094895 0.90 0.370 -.3288503 .8843262 inflation .276455 1.128475 0.24 0.806 -1.935314 2.488224margenette~t 1.130336 1.377747 0.82 0.412 -1.57 3.830671crditsinte~b .0809064 .0469633 1.72 0.085 -.0111401 .1729528 roe -.381712 .3572798 -1.07 0.285 -1.081968 .3185436 levier -.1167371 .3091946 -0.38 0.706 -.7227474 .4892732 dualite .0445129 .0416836 1.07 0.286 -.0371855 .1262112 roa 2.796262 1.693035 1.65 0.099 -.5220253 6.114549 depot .338735 .1262677 2.68 0.007 .0912548 .5862151 tier1 -.6586926 .3245143 -2.03 0.042 -1.294729 -.0226561 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .1509127 Prob > chi2 = 0.0013 Wald chi2(9) = 27.18Estimated coefficients = 10 Time periods = 2Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 146Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib margenettedint inflation
_cons .2723748 .3109863 0.88 0.381 -.3371473 .8818968 tier2 .0030913 .0177531 0.17 0.862 -.0317041 .0378867 inflation .3005268 1.136794 0.26 0.791 -1.927549 2.528602margenette~t 1.143169 1.379574 0.83 0.407 -1.560747 3.847085crditsinte~b .0820097 .047384 1.73 0.083 -.0108613 .1748807 roe -.3808381 .357278 -1.07 0.286 -1.08109 .3194139 levier -.1163245 .3091716 -0.38 0.707 -.7222897 .4896407 dualite .0429945 .0425817 1.01 0.313 -.0404641 .126453 roa 2.810778 1.69491 1.66 0.097 -.5111853 6.132741 depot .3418218 .127493 2.68 0.007 .09194 .5917036 tier1 -.6562561 .3247822 -2.02 0.043 -1.292818 -.0196947 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .1660716 Prob > chi2 = 0.0024 Wald chi2(10) = 27.21Estimated coefficients = 11 Time periods = 2Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 146Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib margenettedint inflation tier2
_cons .2552131 .3119424 0.82 0.413 -.3561828 .8666091 coretier1 -.0162768 .0273251 -0.60 0.551 -.069833 .0372795 tier2 .0076111 .0192868 0.39 0.693 -.0301904 .0454125 inflation .3236864 1.136081 0.28 0.776 -1.902991 2.550364margenette~t 1.213278 1.382919 0.88 0.380 -1.497193 3.923749crditsinte~b .0833065 .0473766 1.76 0.079 -.0095499 .1761629 roe -.3979246 .3579957 -1.11 0.266 -1.099583 .303734 levier -.1044024 .3094445 -0.34 0.736 -.7109025 .5020977 dualite .043184 .0425312 1.02 0.310 -.0401757 .1265436 roa 2.808456 1.692859 1.66 0.097 -.5094864 6.126399 depot .3484515 .1278239 2.73 0.006 .0979213 .5989817 tier1 -.6443882 .3249995 -1.98 0.047 -1.281376 -.0074009 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .3432678 Prob > chi2 = 0.0037 Wald chi2(11) = 27.63Estimated coefficients = 12 Time periods = 2Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 146Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib margenettedint inflation tier2 coretier1

Annexes

Régression 7

Régression 8

_cons .313835 .3280404 0.96 0.339 -.3291123 .9567824 liqui -.0432005 .0755839 -0.57 0.568 -.1913421 .1049412 coretier1 -.0170339 .0273267 -0.62 0.533 -.0705933 .0365255 tier2 .0070412 .019291 0.36 0.715 -.0307685 .044851 inflation .3373612 1.135064 0.30 0.766 -1.887324 2.562046margenette~t 1.150874 1.385682 0.83 0.406 -1.565013 3.866762crditsinte~b .0802806 .0476189 1.69 0.092 -.0130508 .1736119 roe -.4262768 .36102 -1.18 0.238 -1.133863 .2813094 levier -.1065006 .3091207 -0.34 0.730 -.712366 .4993649 dualite .0424566 .0425028 1.00 0.318 -.0408473 .1257605 roa 2.669983 1.708236 1.56 0.118 -.6780978 6.018064 depot .3385447 .1288522 2.63 0.009 .085999 .5910905 tier1 -.6294151 .3256918 -1.93 0.053 -1.267759 .0089292 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .5064237 Prob > chi2 = 0.0055 Wald chi2(12) = 28.02Estimated coefficients = 13 Time periods = 2Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 146Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> qui. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib margenettedint inflation tier2 coretier1 li
_cons .3532283 .3419614 1.03 0.302 -.3170038 1.02346 taille -.0116414 .0258865 -0.45 0.653 -.0623779 .0390952 liqui -.0493221 .0770225 -0.64 0.522 -.2002836 .1016393 coretier1 -.0175429 .0274265 -0.64 0.522 -.0712979 .0362121 tier2 .0080702 .019501 0.41 0.679 -.0301511 .0462915 inflation .2972079 1.156861 0.26 0.797 -1.970197 2.564613margenette~t 1.169851 1.390228 0.84 0.400 -1.554946 3.894648crditsinte~b .0792126 .0482041 1.64 0.100 -.0152657 .1736909 roe -.4485279 .3661922 -1.22 0.221 -1.166251 .2691955 levier -.0909018 .3121192 -0.29 0.771 -.7026441 .5208405 dualite .0430607 .0427186 1.01 0.313 -.0406663 .1267877 roa 2.841793 1.754671 1.62 0.105 -.5973001 6.280885 depot .3693386 .1462578 2.53 0.012 .0826786 .6559986 tier1 -.5765276 .3471742 -1.66 0.097 -1.256977 .1039214 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .1070153 Prob > chi2 = 0.0098 Wald chi2(13) = 27.74 max = 2 avg = 1.986301Estimated coefficients = 14 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> qui taille. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib margenettedint inflation tier2 coretier1 li

Annexes

Régression 9

Régression 10

_cons .3974366 .3455154 1.15 0.250 -.2797611 1.074634 credit -.1092075 .1346554 -0.81 0.417 -.3731273 .1547123 taille -.0118121 .0258288 -0.46 0.647 -.0624357 .0388114 liqui -.0349623 .0788618 -0.44 0.658 -.1895287 .119604 coretier1 -.0188394 .0274112 -0.69 0.492 -.0725643 .0348856 tier2 .0092687 .019513 0.48 0.635 -.0289761 .0475135 inflation .2311391 1.157117 0.20 0.842 -2.036768 2.499046margenette~t 1.254283 1.390987 0.90 0.367 -1.472001 3.980567crditsinte~b .0728298 .0487348 1.49 0.135 -.0226887 .1683483 roe -.4518767 .3653877 -1.24 0.216 -1.168023 .2642702 levier -.1104164 .3123418 -0.35 0.724 -.7225951 .5017624 dualite .0413269 .0426756 0.97 0.333 -.0423158 .1249697 roa 2.769172 1.752993 1.58 0.114 -.6666316 6.204977 depot .4337059 .1661137 2.61 0.009 .108129 .7592829 tier1 -.6141335 .3494793 -1.76 0.079 -1.2991 .0708332 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .4351439 Prob > chi2 = 0.0121 Wald chi2(14) = 28.53 max = 2 avg = 1.986301Estimated coefficients = 15 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> qui taille credit. xtgls actifspondrsrisques tier1 depot roa dualite levier roe crditsinternessurpib margenettedint inflation tier2 coretier1 li
_cons .3853885 .3454505 1.12 0.265 -.2916821 1.062459 solv -.3963504 .2370817 -1.67 0.095 -.861022 .0683212 credit -.1027973 .1344306 -0.76 0.444 -.3662765 .1606818 taille -.0132567 .0257138 -0.52 0.606 -.0636548 .0371414 liqui -.0272581 .0799314 -0.34 0.733 -.1839208 .1294046 coretier1 -.0192968 .0274268 -0.70 0.482 -.0730524 .0344588 tier2 .0112016 .0194701 0.58 0.565 -.0269591 .0493622 inflation .2891494 1.156523 0.25 0.803 -1.977594 2.555893margenette~t 1.219129 1.391519 0.88 0.381 -1.508199 3.946457crditsinte~b .076799 .0489445 1.57 0.117 -.0191305 .1727286 roe -.438315 .3658596 -1.20 0.231 -1.155387 .2787566 levier -.1166533 .312935 -0.37 0.709 -.7299946 .4966881 dualite .0410901 .0427477 0.96 0.336 -.0426938 .124874 roa 2.594553 1.746638 1.49 0.137 -.828795 6.0179 depot .437591 .1661918 2.63 0.008 .111861 .7633209 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = .2914766 Prob > chi2 = 0.0135 Wald chi2(14) = 28.18 max = 2 avg = 1.986301Estimated coefficients = 15 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 73Estimated covariances = 1 Number of obs = 145Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> aille credit solv. xtgls actifspondrsrisques depot roa dualite levier roe crditsinternessurpib margenettedint inflation tier2 coretier1 liqui t

Annexes

Annexe 8 : Régressions linéaires pour le modèle 1 en 2013 -2014
Régression 1

Régression 2

Régre ssion 3

_cons .0377581 .0240964 1.57 0.117 -.0094699 .0849861 liqui -.0251943 .018037 -1.40 0.162 -.0605462 .0101577 roe .0116321 .0661792 0.18 0.860 -.1180767 .1413409 inflation .1041239 .0547801 1.90 0.057 -.003243 .2114909margenette~t 1.01422 .34014 2.98 0.003 .3475581 1.680883 roa -1.503145 .3403686 -4.42 0.000 -2.170256 -.8360352 tier1 .1195105 .0678724 1.76 0.078 -.0135169 .252538 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 218.5167 Prob > chi2 = 0.0000 Wald chi2(6) = 33.47Estimated coefficients = 7 Time periods = 2Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 150Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui
_cons .0757018 .0438347 1.73 0.084 -.0102127 .1616163 taille -.0054227 .005243 -1.03 0.301 -.0156989 .0048535 liqui -.0312027 .0189695 -1.64 0.100 -.0683822 .0059767 roe .0015874 .0669378 0.02 0.981 -.1296084 .1327831 inflation .1002781 .0549059 1.83 0.068 -.0073355 .2078917margenette~t 1.035207 .3430191 3.02 0.003 .3629023 1.707512 roa -1.5003 .3418046 -4.39 0.000 -2.170224 -.8303749 tier1 .1313231 .0688669 1.91 0.057 -.0036536 .2662998 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 217.0966 Prob > chi2 = 0.0000 Wald chi2(7) = 34.01 max = 2 avg = 1.986667Estimated coefficients = 8 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille
_cons .1024613 .0468624 2.19 0.029 .0106127 .1943098crditsinte~b -.022672 .0108162 -2.10 0.036 -.0438714 -.0014726 taille -.0051573 .0053436 -0.97 0.334 -.0156306 .0053159 liqui -.0274128 .0199417 -1.37 0.169 -.0664979 .0116723 roe .0087476 .0712544 0.12 0.902 -.1309085 .1484036 inflation .084983 .0553188 1.54 0.124 -.0234399 .193406margenette~t 1.178264 .3583575 3.29 0.001 .4758966 1.880632 roa -1.452518 .3464363 -4.19 0.000 -2.13152 -.7735149 tier1 .1170244 .070325 1.66 0.096 -.0208101 .2548589 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 202.8322 Prob > chi2 = 0.0000 Wald chi2(8) = 37.90 max = 2 avg = 1.985714Estimated coefficients = 9 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib

Annexes

Régression 4

Régression 5

Régression 6

_cons -.0426764 .0700282 -0.61 0.542 -.1799291 .0945763 levier .1633251 .0597568 2.73 0.006 .046204 .2804462crditsinte~b -.0193893 .010605 -1.83 0.068 -.0401748 .0013962 taille -.0066968 .0052359 -1.28 0.201 -.016959 .0035655 liqui -.028947 .0194347 -1.49 0.136 -.0670382 .0091443 roe .0169154 .0694779 0.24 0.808 -.1192588 .1530895 inflation .1326431 .0566407 2.34 0.019 .0216293 .2436569margenette~t 1.257227 .3502929 3.59 0.000 .5706657 1.943789 roa -1.48858 .3377441 -4.41 0.000 -2.150547 -.8266141 tier1 .1237202 .068552 1.80 0.071 -.0106393 .2580796 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 206.4704 Prob > chi2 = 0.0000 Wald chi2(9) = 47.40 max = 2 avg = 1.985714Estimated coefficients = 10 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib levier
_cons -.0065477 .0688736 -0.10 0.924 -.1415374 .1284421 dualite -.0317289 .0104874 -3.03 0.002 -.0522839 -.011174 levier .1579649 .0579085 2.73 0.006 .0444663 .2714635crditsinte~b -.0153 .0103608 -1.48 0.140 -.0356067 .0050067 taille -.0081673 .0050948 -1.60 0.109 -.0181531 .0018184 liqui -.0444012 .0195055 -2.28 0.023 -.0826312 -.0061712 roe -.0492455 .0707613 -0.70 0.486 -.1879351 .0894441 inflation .1131673 .0552395 2.05 0.040 .0048998 .2214348margenette~t 1.486337 .3476477 4.28 0.000 .8049603 2.167714 roa -1.326568 .3314984 -4.00 0.000 -1.976293 -.6768433 tier1 .1112765 .0665279 1.67 0.094 -.0191157 .2416687 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 210.9026 Prob > chi2 = 0.0000 Wald chi2(10) = 59.68 max = 2 avg = 1.985714Estimated coefficients = 11 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib levier dualite
_cons -.0230879 .0705012 -0.33 0.743 -.1612677 .1150919 coretier1 .2623502 .2568296 1.02 0.307 -.2410266 .765727 dualite -.0310739 .0104679 -2.97 0.003 -.0515906 -.0105571 levier .1625683 .0578681 2.81 0.005 .0491489 .2759877crditsinte~b -.014263 .0103719 -1.38 0.169 -.0345915 .0060656 taille -.0084572 .0050838 -1.66 0.096 -.0184212 .0015067 liqui -.0324105 .0227028 -1.43 0.153 -.0769072 .0120862 roe -.0369987 .0715094 -0.52 0.605 -.1771545 .1031572 inflation .1135691 .0550348 2.06 0.039 .005703 .2214353margenette~t 1.423587 .3517556 4.05 0.000 .7341584 2.113015 roa -1.320422 .3303159 -4.00 0.000 -1.967829 -.6730149 tier1 -.1246999 .2403309 -0.52 0.604 -.5957398 .3463401 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 211.4224 Prob > chi2 = 0.0000 Wald chi2(11) = 61.17 max = 2 avg = 1.985714Estimated coefficients = 12 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> retier1. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib levier dualite co

Annexes

Régression 7

Régression 8

_cons -.005323 .0702358 -0.08 0.940 -.1429826 .1323367 solv -.0490505 .2643625 -0.19 0.853 -.5671914 .4690905 tier2 .0756196 .1926438 0.39 0.695 -.3019553 .4531946 dualite -.0322056 .0105533 -3.05 0.002 -.0528897 -.0115215 levier .1565242 .0581563 2.69 0.007 .04254 .2705084crditsinte~b -.014872 .0104497 -1.42 0.155 -.0353532 .0056091 taille -.0081588 .0050924 -1.60 0.109 -.0181397 .0018222 liqui -.0447006 .020685 -2.16 0.031 -.0852424 -.0041587 roe -.0488677 .0718427 -0.68 0.496 -.1896768 .0919414 inflation .1136801 .0552816 2.06 0.040 .0053302 .22203margenette~t 1.486046 .3476619 4.27 0.000 .8046411 2.167451 roa -1.324006 .3313434 -4.00 0.000 -1.973428 -.6745853 tier1 .1512616 .3184743 0.47 0.635 -.4729364 .7754597 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 210.9928 Prob > chi2 = 0.0000 Wald chi2(12) = 59.94 max = 2 avg = 1.985714Estimated coefficients = 13 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib levier dualite tier2 solv
_cons .096365 .0697222 1.38 0.167 -.040288 .233018 credit -.114734 .0260402 -4.41 0.000 -.1657719 -.063696 solv .0844936 .2494828 0.34 0.735 -.4044838 .5734709 tier2 .0818191 .1804597 0.45 0.650 -.2718754 .4355136 dualite -.0351689 .0099084 -3.55 0.000 -.054589 -.0157488 levier .104854 .0557244 1.88 0.060 -.0043639 .2140718crditsinte~b -.0173509 .0098047 -1.77 0.077 -.0365677 .001866 taille -.0035875 .0048817 -0.73 0.462 -.0131554 .0059805 liqui -.0398502 .0194074 -2.05 0.040 -.077888 -.0018124 roe -.0721874 .0675046 -1.07 0.285 -.2044941 .0601192 inflation .1103335 .0517892 2.13 0.033 .0088285 .2118384margenette~t 1.677869 .3285607 5.11 0.000 1.033902 2.321836 roa -1.448614 .3116633 -4.65 0.000 -2.059463 -.8377651 tier1 -.1314846 .3051468 -0.43 0.667 -.7295612 .4665921 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 220.0787 Prob > chi2 = 0.0000 Wald chi2(13) = 87.72 max = 2 avg = 1.985714Estimated coefficients = 14 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> t. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib levier dualite tier2 solv credi

Annexes

Régression 9

Régression 10

_cons .079902 .0693653 1.15 0.249 -.0560514 .2158554 coretier1 .4953087 .2595744 1.91 0.056 -.0134478 1.004065 credit -.1211994 .0259281 -4.67 0.000 -.1720175 -.0703813 solv .1727747 .250586 0.69 0.491 -.3183648 .6639143 tier2 .122649 .1794221 0.68 0.494 -.2290118 .4743098 dualite -.0343233 .0097911 -3.51 0.000 -.0535136 -.0151331 levier .1064548 .055015 1.94 0.053 -.0013726 .2142822crditsinte~b -.0145126 .0097924 -1.48 0.138 -.0337053 .0046801 taille -.0039198 .0048222 -0.81 0.416 -.013371 .0055315 liqui -.0211401 .0215216 -0.98 0.326 -.0633216 .0210413 roe -.0570912 .0671055 -0.85 0.395 -.1886155 .0744332 inflation .1129645 .0511425 2.21 0.027 .0127271 .213202margenette~t 1.57715 .3286071 4.80 0.000 .9330921 2.221208 roa -1.440217 .3076913 -4.68 0.000 -2.043281 -.8371534 tier1 -.7167813 .429911 -1.67 0.095 -1.559391 .1258288 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 221.8758 Prob > chi2 = 0.0000 Wald chi2(14) = 93.66 max = 2 avg = 1.985714Estimated coefficients = 15 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> coretier1. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib levier dualite tier2 solv credit
_cons .10512 .0666075 1.58 0.115 -.0254283 .2356684 depot -.1250818 .0341944 -3.66 0.000 -.1921016 -.058062 coretier1 .3754519 .2500718 1.50 0.133 -.1146798 .8655835 credit -.0537272 .0308782 -1.74 0.082 -.1142474 .0067929 solv .0801305 .2406675 0.33 0.739 -.3915691 .5518302 tier2 .1250076 .1713647 0.73 0.466 -.2108611 .4608762 dualite -.0329022 .0093594 -3.52 0.000 -.0512464 -.014558 levier .093567 .052662 1.78 0.076 -.0096487 .1967827crditsinte~b -.0086827 .0094874 -0.92 0.360 -.0272777 .0099122 taille .0025959 .004938 0.53 0.599 -.0070825 .0122742 liqui -.0424049 .0213612 -1.99 0.047 -.084272 -.0005378 roe -.0389231 .0642837 -0.61 0.545 -.1649168 .0870706 inflation .1214347 .0489003 2.48 0.013 .0255918 .2172776margenette~t 1.482299 .3149173 4.71 0.000 .8650727 2.099526 roa -1.222673 .299829 -4.08 0.000 -1.810327 -.6350189 tier1 -.5302388 .4137567 -1.28 0.200 -1.341187 .2807094 prtsnonper~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 228.2634 Prob > chi2 = 0.0000 Wald chi2(15) = 116.06 max = 2 avg = 1.985714Estimated coefficients = 16 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> t coretier1 depot. xtgls prtsnonperformants tier1 roa margenettedint inflation roe liqui taille crditsinternessurpib levier dualite tier2 solv credi

Annexes

Annexe 9 : Régressions linéaires pour le modèle 2 en 2013 -2014
Régression 1

Régression 2

Régression 3

_cons -.2905813 .31573 -0.92 0.357 -.9094006 .3282381 coretier1 -1.276609 2.233278 -0.57 0.568 -5.653753 3.100535 taille .0939296 .049786 1.89 0.059 -.0036491 .1915084 roe 1.7226 .6307755 2.73 0.006 .4863027 2.958897margenette~t 6.790448 3.378332 2.01 0.044 .1690386 13.41186 roa 19.96566 3.270669 6.10 0.000 13.55527 26.37606 tier1 11.34682 2.091372 5.43 0.000 7.247806 15.44583 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -121.9546 Prob > chi2 = 0.0000 Wald chi2(6) = 376.65 max = 2 avg = 1.986667Estimated coefficients = 7 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1
_cons -.2059048 .3466154 -0.59 0.552 -.8852585 .473449 credit -.1602619 .2722251 -0.59 0.556 -.6938134 .3732896 coretier1 -1.28651 2.230748 -0.58 0.564 -5.658697 3.085676 taille .0983514 .0502922 1.96 0.051 -.0002195 .1969223 roe 1.7083 .6305112 2.71 0.007 .4725207 2.944079margenette~t 6.983758 3.390349 2.06 0.039 .338797 13.62872 roa 19.67148 3.304868 5.95 0.000 13.19406 26.14891 tier1 11.23232 2.097978 5.35 0.000 7.120358 15.34428 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -121.7815 Prob > chi2 = 0.0000 Wald chi2(7) = 377.87 max = 2 avg = 1.986667Estimated coefficients = 8 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit
_cons -.1936711 .4443207 -0.44 0.663 -1.064524 .6771815 liqui -.0093118 .2115977 -0.04 0.965 -.4240356 .405412 credit -.1587801 .2742979 -0.58 0.563 -.6963941 .3788338 coretier1 -1.34094 2.550672 -0.53 0.599 -6.340165 3.658285 taille .0978061 .0517963 1.89 0.059 -.0037128 .1993249 roe 1.70024 .6565731 2.59 0.010 .41338 2.987099margenette~t 6.978503 3.392428 2.06 0.040 .329466 13.62754 roa 19.64795 3.347845 5.87 0.000 13.08629 26.2096 tier1 11.28501 2.415623 4.67 0.000 6.550479 16.01955 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -121.7805 Prob > chi2 = 0.0000 Wald chi2(8) = 377.88 max = 2 avg = 1.986667Estimated coefficients = 9 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui

Annexes

Régression 4

Régression 5

Régression 6

_cons -.0833508 .4522663 -0.18 0.854 -.9697765 .803075 dualite -.1138085 .0974109 -1.17 0.243 -.3047303 .0771133 liqui -.0550602 .2142438 -0.26 0.797 -.4749702 .3648499 credit -.1801735 .2736633 -0.66 0.510 -.7165437 .3561967 coretier1 -1.422297 2.540023 -0.56 0.576 -6.40065 3.556056 taille .0970458 .0515647 1.88 0.060 -.0040193 .1981108 roe 1.541571 .6675466 2.31 0.021 .2332038 2.849938margenette~t 7.811528 3.451444 2.26 0.024 1.046822 14.57623 roa 20.16199 3.361533 6.00 0.000 13.5735 26.75047 tier1 11.29216 2.404641 4.70 0.000 6.579147 16.00517 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -121.1011 Prob > chi2 = 0.0000 Wald chi2(9) = 382.70 max = 2 avg = 1.986667Estimated coefficients = 10 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui dualite
_cons -.6027562 .675073 -0.89 0.372 -1.925875 .7203626 levier .5855257 .5666118 1.03 0.301 -.525013 1.696064 dualite -.1145464 .0970663 -1.18 0.238 -.3047928 .0757 liqui -.0625732 .2136039 -0.29 0.770 -.4812291 .3560827 credit -.1289924 .2771492 -0.47 0.642 -.6721949 .41421 coretier1 -1.244067 2.536839 -0.49 0.624 -6.21618 3.728046 taille .0888871 .051984 1.71 0.087 -.0129996 .1907738 roe 1.562932 .6654883 2.35 0.019 .2585985 2.867265margenette~t 8.081129 3.449024 2.34 0.019 1.321167 14.84109 roa 20.10781 3.349961 6.00 0.000 13.542 26.67361 tier1 11.20665 2.397499 4.67 0.000 6.507639 15.90566 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -120.5691 Prob > chi2 = 0.0000 Wald chi2(10) = 386.51 max = 2 avg = 1.986667Estimated coefficients = 11 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui dualite levier
_cons -.7734051 .6896039 -1.12 0.262 -2.125004 .5781937 depot .411217 .3700062 1.11 0.266 -.3139818 1.136416 levier .6678747 .5691219 1.17 0.241 -.4475837 1.783333 dualite -.1223701 .0969224 -1.26 0.207 -.3123346 .0675944 liqui .0274475 .2276233 0.12 0.904 -.4186859 .473581 credit -.3437147 .3369091 -1.02 0.308 -1.004044 .3166151 coretier1 -.8731741 2.548335 -0.34 0.732 -5.86782 4.121472 taille .0671235 .0553497 1.21 0.225 -.04136 .175607 roe 1.523701 .6636864 2.30 0.022 .2229001 2.824503margenette~t 8.231056 3.437464 2.39 0.017 1.49375 14.96836 roa 19.42834 3.391718 5.73 0.000 12.7807 26.07599 tier1 11.01417 2.393896 4.60 0.000 6.322222 15.70612 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -119.9541 Prob > chi2 = 0.0000 Wald chi2(11) = 390.95 max = 2 avg = 1.986667Estimated coefficients = 12 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui dualite levier depot

Annexes

Régression 7

Régression 8

_cons -.5161772 .7151028 -0.72 0.470 -1.917753 .8853985 inflation -.7039404 .5536104 -1.27 0.204 -1.788997 .381116 depot .4190741 .3680667 1.14 0.255 -.3023234 1.140472 levier .4521139 .5909445 0.77 0.444 -.7061159 1.610344 dualite -.1381463 .097196 -1.42 0.155 -.3286469 .0523542 liqui .0118435 .2267306 0.05 0.958 -.4325403 .4562273 credit -.3531894 .3351788 -1.05 0.292 -1.010128 .3037489 coretier1 -.806286 2.535167 -0.32 0.750 -5.775121 4.162549 taille .0644182 .0550929 1.17 0.242 -.043562 .1723984 roe 1.515485 .6601461 2.30 0.022 .2216221 2.809347margenette~t 7.896215 3.429091 2.30 0.021 1.175321 14.61711 roa 19.30941 3.374761 5.72 0.000 12.695 25.92382 tier1 10.96166 2.38137 4.60 0.000 6.294263 15.62906 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -119.15 Prob > chi2 = 0.0000 Wald chi2(12) = 396.81 max = 2 avg = 1.986667Estimated coefficients = 13 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui dualite levier depot inflation
_cons -.4371673 .7580647 -0.58 0.564 -1.922947 1.048612crditsinte~b .0576734 .1083545 0.53 0.595 -.1546975 .2700444 inflation -.6985542 .5638545 -1.24 0.215 -1.803689 .4065802 depot .3555655 .3906783 0.91 0.363 -.41015 1.121281 levier .4284116 .604464 0.71 0.478 -.7563161 1.613139 dualite -.1887093 .1073796 -1.76 0.079 -.3991694 .0217507 liqui .0284008 .2442144 0.12 0.907 -.4502506 .5070522 credit -.3130247 .3439353 -0.91 0.363 -.9871256 .3610761 coretier1 -.69654 2.639104 -0.26 0.792 -5.869089 4.476009 taille .048484 .0569517 0.85 0.395 -.0631391 .1601072 roe 1.460496 .7332445 1.99 0.046 .0233628 2.897628margenette~t 7.6954 3.633361 2.12 0.034 .5741425 14.81666 roa 19.73615 3.459447 5.71 0.000 12.95576 26.51654 tier1 10.66895 2.484212 4.29 0.000 5.799983 15.53791 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -111.7569 Prob > chi2 = 0.0000 Wald chi2(13) = 367.75 max = 2 avg = 1.985714Estimated coefficients = 14 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui dualite levier depot inflation crditsinternessurpib

Annexes

Régression 9

Régression 10

_cons -.2487455 .7342571 -0.34 0.735 -1.687863 1.190372 tier2 4.35579 1.368588 3.18 0.001 1.673407 7.038173crditsinte~b .1044838 .1056387 0.99 0.323 -.1025644 .3115319 inflation -.6340163 .5447456 -1.16 0.244 -1.701698 .4336654 depot .4734466 .378991 1.25 0.212 -.269362 1.216255 levier .26202 .5859113 0.45 0.655 -.886345 1.410385 dualite -.2130167 .1039495 -2.05 0.040 -.4167541 -.0092794 liqui .0796029 .2363227 0.34 0.736 -.3835811 .5427869 credit -.5262975 .3387433 -1.55 0.120 -1.190222 .1376272 coretier1 2.451677 2.733174 0.90 0.370 -2.905246 7.8086 taille .0443179 .054999 0.81 0.420 -.0634782 .152114 roe 1.410985 .708075 1.99 0.046 .0231838 2.798787margenette~t 7.462114 3.50856 2.13 0.033 .5854618 14.33877 roa 19.64549 3.340013 5.88 0.000 13.09918 26.19179 tier1 6.219426 2.776083 2.24 0.025 .778403 11.66045 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -106.8682 Prob > chi2 = 0.0000 Wald chi2(14) = 404.68 max = 2 avg = 1.985714Estimated coefficients = 15 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> er2. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui dualite levier depot inflation crditsinternessurpib ti
_cons .1661176 .7029065 0.24 0.813 -1.211554 1.543789 solv 10.17245 2.539755 4.01 0.000 5.194621 15.15028 tier2 -.6964319 1.808405 -0.39 0.700 -4.240841 2.847977crditsinte~b .1220088 .1001199 1.22 0.223 -.0742227 .3182403 inflation -.5697088 .5160435 -1.10 0.270 -1.581135 .4417178 depot .625545 .3608522 1.73 0.083 -.0817122 1.332802 levier .1306466 .5557403 0.24 0.814 -.9585843 1.219877 dualite -.1799786 .0987699 -1.82 0.068 -.3735641 .0136068 liqui -.0297948 .2254235 -0.13 0.895 -.4716168 .4120272 credit -.7566733 .3258564 -2.32 0.020 -1.39534 -.1180066 coretier1 4.521362 2.638998 1.71 0.087 -.6509788 9.693702 taille .0366894 .0521108 0.70 0.481 -.0654459 .1388246 roe .9964701 .6783831 1.47 0.142 -.3331363 2.326077margenette~t 7.822967 3.32331 2.35 0.019 1.309399 14.33654 roa 19.24447 3.164083 6.08 0.000 13.04298 25.44596 tier1 -7.74511 4.366358 -1.77 0.076 -16.30301 .8127947 logzscore Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -99.27712 Prob > chi2 = 0.0000 Wald chi2(15) = 467.43 max = 2 avg = 1.985714Estimated coefficients = 16 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> er2 solv. xtgls logzscore tier1 roa margenettedint roe taille coretier1 credit liqui dualite levier depot inflation crditsinternessurpib ti

Annexes

Annexe 10 : Régressions linéaires pour le modèle 3 en 2013 -2014
Régression 1

Régression 2

Régression 3

_cons .4525495 .1301679 3.48 0.001 .1974252 .7076738 coretier1 1.249978 .9381255 1.33 0.183 -.5887141 3.08867 taille -.0109902 .0208162 -0.53 0.598 -.0517892 .0298087margenette~t 2.674141 1.439728 1.86 0.063 -.1476739 5.495956 roa 3.25367 1.287735 2.53 0.012 .7297554 5.777584 dualite .1084011 .039725 2.73 0.006 .0305415 .1862606 tier1 -1.772876 .879781 -2.02 0.044 -3.497216 -.0485374 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 7.641388 Prob > chi2 = 0.0000 Wald chi2(6) = 33.85 max = 2 avg = 1.986667Estimated coefficients = 7 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1
_cons .4121782 .1725332 2.39 0.017 .0740193 .7503371 liqui .0304016 .0853258 0.36 0.722 -.136834 .1976372 coretier1 1.424879 1.05844 1.35 0.178 -.6496247 3.499382 taille -.009529 .0212076 -0.45 0.653 -.0510952 .0320372margenette~t 2.680199 1.439215 1.86 0.063 -.1406117 5.501009 roa 3.381574 1.336307 2.53 0.011 .7624609 6.000686 dualite .1103772 .0400935 2.75 0.006 .0317953 .1889591 tier1 -1.938988 .995344 -1.95 0.051 -3.889826 .0118505 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 7.704836 Prob > chi2 = 0.0000 Wald chi2(7) = 34.01 max = 2 avg = 1.986667Estimated coefficients = 8 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui
_cons .3978577 .1843242 2.16 0.031 .0365889 .7591265 roe .061995 .2811386 0.22 0.825 -.4890266 .6130166 liqui .0365204 .0897111 0.41 0.684 -.1393101 .212351 coretier1 1.457379 1.068481 1.36 0.173 -.6368046 3.551563 taille -.0088993 .0213956 -0.42 0.677 -.0508339 .0330352margenette~t 2.651997 1.444653 1.84 0.066 -.1794706 5.483464 roa 3.285064 1.405944 2.34 0.019 .5294646 6.040663 dualite .1122084 .0409381 2.74 0.006 .0319712 .1924456 tier1 -1.966259 1.002836 -1.96 0.050 -3.931782 -.0007357 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 7.729145 Prob > chi2 = 0.0000 Wald chi2(8) = 34.07 max = 2 avg = 1.986667Estimated coefficients = 9 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 75Estimated covariances = 1 Number of obs = 149Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe

Annexes

Régression 4

Régression 5

Régression 6

_cons .2403134 .1973987 1.22 0.223 -.1465809 .6272078crditsinte~b .1112622 .0436997 2.55 0.011 .0256123 .1969121 roe .2720195 .3044633 0.89 0.372 -.3247177 .8687566 liqui .0496171 .0965324 0.51 0.607 -.1395829 .2388172 coretier1 1.693939 1.092189 1.55 0.121 -.4467125 3.83459 taille -.0096694 .0215118 -0.45 0.653 -.0518318 .032493margenette~t 1.176571 1.497446 0.79 0.432 -1.75837 4.111511 roa 2.735596 1.407584 1.94 0.052 -.0232188 5.49441 dualite .1265124 .044353 2.85 0.004 .0395821 .2134427 tier1 -2.123943 1.023081 -2.08 0.038 -4.129146 -.1187402 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 9.771379 Prob > chi2 = 0.0000 Wald chi2(9) = 43.41 max = 2 avg = 1.985714Estimated coefficients = 10 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe crditsinternessurpib
_cons .2573212 .199633 1.29 0.197 -.1339522 .6485946 inflation -.1217906 .2230762 -0.55 0.585 -.559012 .3154307crditsinte~b .1086822 .043908 2.48 0.013 .0226241 .1947403 roe .2704262 .3041514 0.89 0.374 -.3256996 .866552 liqui .0454886 .0967251 0.47 0.638 -.1440891 .2350663 coretier1 1.704556 1.091193 1.56 0.118 -.4341432 3.843256 taille -.0104679 .0215385 -0.49 0.627 -.0526826 .0317468margenette~t 1.153085 1.496462 0.77 0.441 -1.779926 4.086096 roa 2.717864 1.406452 1.93 0.053 -.0387324 5.47446 dualite .1238012 .044583 2.78 0.005 .0364202 .2111822 tier1 -2.131121 1.022071 -2.09 0.037 -4.134343 -.1278989 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 9.920256 Prob > chi2 = 0.0000 Wald chi2(10) = 43.80 max = 2 avg = 1.985714Estimated coefficients = 11 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe crditsinternessurpib inflation
_cons .2015445 .2032417 0.99 0.321 -.1968018 .5998909 depot .1645024 .1290435 1.27 0.202 -.0884182 .4174231 inflation -.1469317 .2226587 -0.66 0.509 -.5833347 .2894712crditsinte~b .1013256 .0440334 2.30 0.021 .0150218 .1876294 roe .2563476 .3025905 0.85 0.397 -.3367189 .8494141 liqui .0649253 .0973658 0.67 0.505 -.1259082 .2557589 coretier1 1.73917 1.08521 1.60 0.109 -.3878022 3.866142 taille -.0219257 .0232235 -0.94 0.345 -.067443 .0235915margenette~t 1.133594 1.487868 0.76 0.446 -1.782574 4.049762 roa 2.538907 1.405332 1.81 0.071 -.2154926 5.293306 dualite .1235582 .044325 2.79 0.005 .0366827 .2104337 tier1 -2.027086 1.01942 -1.99 0.047 -4.025113 -.0290598 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 10.72808 Prob > chi2 = 0.0000 Wald chi2(11) = 45.94 max = 2 avg = 1.985714Estimated coefficients = 12 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe crditsinternessurpib inflation depot

Annexes

Régression 7

Régressi on 8

_cons .1947352 .2045009 0.95 0.341 -.2060793 .5955497 credit .0415619 .1417059 0.29 0.769 -.2361765 .3193003 depot .1361299 .1612448 0.84 0.399 -.179904 .4521639 inflation -.1454845 .2226445 -0.65 0.513 -.5818597 .2908907crditsinte~b .1034517 .0446126 2.32 0.020 .0160126 .1908908 roe .261818 .3030714 0.86 0.388 -.332191 .855827 liqui .0568881 .1011196 0.56 0.574 -.1413026 .2550788 coretier1 1.708072 1.090043 1.57 0.117 -.4283738 3.844517 taille -.021447 .0232736 -0.92 0.357 -.0670625 .0241685margenette~t 1.069401 1.503425 0.71 0.477 -1.877257 4.016059 roa 2.619679 1.431635 1.83 0.067 -.1862733 5.425632 dualite .1245188 .0444322 2.80 0.005 .0374333 .2116044 tier1 -1.987174 1.02815 -1.93 0.053 -4.002311 .0279642 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 10.77108 Prob > chi2 = 0.0000 Wald chi2(12) = 46.06 max = 2 avg = 1.985714Estimated coefficients = 13 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> dit. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe crditsinternessurpib inflation depot cre
_cons .1975312 .2041879 0.97 0.333 -.2026698 .5977322 tier2 .4048025 .5837574 0.69 0.488 -.7393409 1.548946 credit .0226368 .1440699 0.16 0.875 -.2597351 .3050087 depot .1479157 .1618614 0.91 0.361 -.1693268 .4651581 inflation -.1351345 .222761 -0.61 0.544 -.571738 .301469crditsinte~b .1081021 .0450377 2.40 0.016 .0198298 .1963744 roe .2584063 .3025885 0.85 0.393 -.3346563 .8514689 liqui .0617853 .1011918 0.61 0.541 -.136547 .2601176 coretier1 2.005627 1.169711 1.71 0.086 -.286964 4.298219 taille -.0220709 .0232509 -0.95 0.342 -.0676419 .0235margenette~t 1.051698 1.501048 0.70 0.484 -1.890302 3.993698 roa 2.607725 1.429269 1.82 0.068 -.1935906 5.40904 dualite .1223769 .044463 2.75 0.006 .0352311 .2095227 tier1 -2.40306 1.188755 -2.02 0.043 -4.732977 -.0731431 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 11.01109 Prob > chi2 = 0.0000 Wald chi2(13) = 46.70 max = 2 avg = 1.985714Estimated coefficients = 14 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> dit tier2. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe crditsinternessurpib inflation depot cre

Annexes

Régression 9

Régression 10

_cons .1016752 .3142624 0.32 0.746 -.5142678 .7176182 levier .1005808 .2507704 0.40 0.688 -.39092 .5920817 tier2 .3838392 .5857563 0.66 0.512 -.7642222 1.5319 credit .0294401 .1449823 0.20 0.839 -.25472 .3136002 depot .1527073 .1622083 0.94 0.346 -.1652152 .4706298 inflation -.1073623 .2331514 -0.46 0.645 -.5643307 .3496061crditsinte~b .1098133 .0452134 2.43 0.015 .0211966 .19843 roe .2663195 .3030565 0.88 0.380 -.3276602 .8602993 liqui .062434 .1011463 0.62 0.537 -.135809 .260677 coretier1 2.022597 1.1698 1.73 0.084 -.2701686 4.315363 taille -.0235788 .0235396 -1.00 0.317 -.0697156 .022558margenette~t 1.078482 1.501666 0.72 0.473 -1.864729 4.021693 roa 2.585392 1.429527 1.81 0.071 -.2164295 5.387214 dualite .1232493 .0444905 2.77 0.006 .0360496 .210449 tier1 -2.396957 1.188165 -2.02 0.044 -4.725718 -.0681961 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 11.09148 Prob > chi2 = 0.0000 Wald chi2(14) = 46.91 max = 2 avg = 1.985714Estimated coefficients = 15 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> dit tier2 levier. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe crditsinternessurpib inflation depot cre
_cons .1917369 .3134736 0.61 0.541 -.4226601 .8061338 solv 2.208312 1.132649 1.95 0.051 -.0116383 4.428263 levier .0720613 .2478422 0.29 0.771 -.4137005 .5578231 tier2 -.7129354 .8064902 -0.88 0.377 -2.293627 .8677563 credit -.0205716 .1453214 -0.14 0.887 -.3053964 .2642531 depot .185726 .1609284 1.15 0.248 -.1296879 .5011399 inflation -.0934019 .2301387 -0.41 0.685 -.5444655 .3576617crditsinte~b .1136178 .0446503 2.54 0.011 .0261049 .2011307 roe .1763335 .302537 0.58 0.560 -.4166281 .769295 liqui .0386851 .1005316 0.38 0.700 -.1583532 .2357235 coretier1 2.4719 1.176908 2.10 0.036 .1652034 4.778597 taille -.0252349 .0232397 -1.09 0.278 -.0707839 .0203141margenette~t 1.156819 1.482089 0.78 0.435 -1.748022 4.06166 roa 2.498337 1.411079 1.77 0.077 -.2673266 5.264001 dualite .1304215 .0440482 2.96 0.003 .0440886 .2167543 tier1 -5.428484 1.947255 -2.79 0.005 -9.245033 -1.611935 actifspond~s Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = 12.9666 Prob > chi2 = 0.0000 Wald chi2(15) = 51.99 max = 2 avg = 1.985714Estimated coefficients = 16 Obs per group: min = 1Estimated autocorrelations = 0 Number of groups = 70Estimated covariances = 1 Number of obs = 139Correlation: no autocorrelationPanels: homoskedasticCoefficients: generalized least squaresCross-sectional time-series FGLS regression> dit tier2 levier solv. xtgls actifspondrsrisques tier1 dualite roa margenettedint taille coretier1 liqui roe crditsinternessurpib inflation depot cre

Table des matières

Table des matières

Introduction générale ………………………….. ………………………….. ………………………….. ………………………. 1
Chapitre 1 : Les risques et la gouvernance bancaire ………………………….. ………………………….. ………….. 4
Introduction ………………………….. ………………………….. ………………………….. ………………………….. ……. 4
Section 1 : Les risques bancaires ………………………….. ………………………….. ………………………….. ………… 5
1.1. Instabilité bancaire : ………………………….. ………………………….. ………………………….. …………… 5
1.1.1. La libéralisation financière : ………………………….. ………………………….. ………………………. 5
1.1.2. L’environnement macroéconomique :………………………….. ………………………….. ……….. 6
1.1.3. L'environnement institutionnel, réglementaire et légal : ………………………….. …………… 7
1.1.4. L'intervention des autorités gouvernementales : ………………………….. ……………………… 8
1.2. Typologies du risque bancaire : ………………………….. ………………………….. ………………………… 9
1.2.1. Le risque de crédit : ………………………….. ………………………….. ………………………….. …….. 9
1.2.1.1. Le risque de contre partie : ………………………….. ………………………….. ……………………. 9
1.2.1.2. Le risque d’exposition : ………………………….. ………………………….. ………………………… 9
1.2.1.3. Le risque de récupération : ………………………….. ………………………….. ……………………. 9
1.2.2. Le risq ue de liquidité : ………………………….. ………………………….. ………………………….. …. 9
1.2.3. Le risque de marché : ………………………….. ………………………….. ………………………….. … 10
1.2.3.1. Le risque de change : ………………………….. ………………………….. ………………………….. 10
1.2.3.1.1. Le risque de transaction :………………………….. ………………………….. …………………….. 10
1.2.3.1.2. Le risque de consolidation : ………………………….. ………………………….. …………………. 10
1.2.3.1.3. Le risque économique : ………………………….. ………………………….. ……………………….. 10
1.2.3.2. Le risque du taux d’intérêt : ………………………….. ………………………….. …………………. 11
1.2.3.3. Le risque boursier : ………………………….. ………………………….. ………………………….. … 11
1.2.4. Le risque opérationnel : ………………………….. ………………………….. ………………………….. 11
1.2.5. Le risque de solvabilité : ………………………….. ………………………….. …………………………. 11
1.2.6. Le risque s ystémique : ………………………….. ………………………….. ………………………….. .. 12
1.2.7. Le risque de contagion : ………………………….. ………………………….. ………………………….. 12
1.2.8. Le risque d'atteinte à la réputation : ………………………….. ………………………….. ………… 12
1.2.9. Le risque pays : ………………………….. ………………………….. ………………………….. …………. 13
1.2.9.1. Le risque politique : ………………………….. ………………………….. ………………………….. .. 13

Table des matières

1.2.9.2. Le risque économique : ………………………….. ………………………….. ……………………….. 13
1.2.10. Le risque juridique : ………………………….. ………………………….. ………………………….. …… 13
1.2.11. Le risque stratégique : ………………………….. ………………………….. ………………………….. .. 13
1.2.12. Le risque de signature : ………………………….. ………………………….. ………………………….. . 14
1.2.13. Le risque de concurrence : ………………………….. ………………………….. ………………………. 14
Section 2 : La gouvernance bancaire ………………………….. ………………………….. ………………………….. …. 14
1. La gouvernance interne : ………………………….. ………………………….. ………………………….. ………. 14
1.1. Structure de propriété : ………………………….. ………………………….. ………………………….. …….. 15
1.1.1. La propriété étatique : ………………………….. ………………………….. ………………………….. .. 15
1.1.2. La propriété institutionnelle : ………………………….. ………………………….. ………………….. 16
1.1.3. La propriété étrangère : ………………………….. ………………………….. ………………………….. 16
1.2. Le conseil d’administration : ………………………….. ………………………….. ………………………….. . 16
1.2.1. La dualité : ………………………….. ………………………….. ………………………….. ……………….. 17
1.2.2. La taille : ………………………….. ………………………….. ………………………….. ………………….. 18
2. La gouvernance externe : ………………………….. ………………………….. ………………………….. ……… 18
2.1. Justification de la réglementation bancaire internationale : ………………………….. ……………. 18
2.1.1. Protection des déposons : ………………………….. ………………………….. ………………………. 19
2.1.2. Prévenir la contagion des faillites bancaires : ………………………….. …………………………. 19
2.1.3. Imperfection du marché : ………………………….. ………………………….. ……………………….. 19
2.2. Les objectifs d e la réglementation bancaire : ………………………….. ………………………….. ……. 20
2.2.1. L'harmonisation internationale des conditions de la concurrence : ……………………….. 20
2.2.2. La modernisation du fonctionnement des banques : ………………………….. ………………. 20
2.2.3. Le renforcement de la sécurité bancaire : ………………………….. ………………………….. …. 20
2.2.4. L'amélioration des relations avec la clientèle : ………………………….. ……………………….. 21
2.3. Les mécanismes de la réglementation bancaire : ………………………….. ………………………….. . 21
2.3.1. Le préteur du dernier ressort :………………………….. ………………………….. …………………. 21
2.3.2. L’assurance dépôt : ………………………….. ………………………….. ………………………….. ……. 21
2.3.3. Les restrictions à l’entrée: ………………………….. ………………………….. ………………………. 22
2.3.4. Le capital minimum : ………………………….. ………………………….. ………………………….. …. 22
2.4. L’évolution de la réglementation bancaire internationale : ………………………….. …………….. 22
2.4.1. Historique de la réglementation bancaire internationale : ………………………….. ……….. 23
2.4.2. Les normes prudentielles bancaires : ………………………….. ………………………….. ……….. 24
2.4.2.1. Bâle 1 : ………………………….. ………………………….. ………………………….. …………………. 24
2.4.2.1.1. Origine : ………………………….. ………………………….. ………………………….. ……………….. 24

Table des matières

2.4.2.1.2. Principe : ………………………….. ………………………….. ………………………….. ………………. 25
2.4.2.1.3. Les limites : ………………………….. ………………………….. ………………………….. …………… 27
2.4.2.2. Bâle 2 : ………………………….. ………………………….. ………………………….. …………………. 27
2.4.2.2.1. Principe : ………………………….. ………………………….. ………………………….. ………………. 27
2.4.2.2.2. Les piliers : ………………………….. ………………………….. ………………………….. ……………. 28
a. Pilier1 : Les exigences minimales en fonds propres : ………………………….. ………………………. 29
b. Pilier2 : La surveillance prudentielle : ………………………….. ………………………….. ………………. 30
c. Pilier 3 : La discipline de marché : ………………………….. ………………………….. ……………………. 31
2.4.2.2.3. Limite : ………………………….. ………………………….. ………………………….. …………………. 32
2.4.2.3. Bâle 3 : ………………………….. ………………………….. ………………………….. …………………. 33
2.4.2.3.1. Principe : ………………………….. ………………………….. ………………………….. ………………. 33
2.4.2.3.2. Réformes : ………………………….. ………………………….. ………………………….. ……………. 33
a. Améliorer la qualité et le niveau des fonds propres : ………………………….. ……………………… 34
b. L’introduction d’un ratio de levier : ………………………….. ………………………….. …………………. 34
c. L’instauration d’un ratio liquidité : ………………………….. ………………………….. ………………….. 35
d. Etendre la couverture des risques (risque systémique) : ………………………….. …………………. 36
e. L’introduction d’un coussin contra -cyclique : ………………………….. ………………………….. ……. 36
2.4.2.3.3. Impact des nouvelles normes : ………………………….. ………………………….. …………….. 39
Conclusion ………………………….. ………………………….. ………………………….. ………………………….. …….. 40
Chapitre 2 : La crise des Subprimes ………………………….. ………………………….. ………………………….. …… 41
Introduction ………………………….. ………………………….. ………………………….. ………………………….. ….. 41
Section 1 : Aperçu générale sur la crise ………………………….. ………………………….. ………………………….. 42
Section 2 : Causes de déclenchement de la crise ………………………….. ………………………….. …………….. 47
1. Déséquilibres macroéconomiques : ………………………….. ………………………….. ……………………. 47
1.1. Un accroissement du volume de la liquidité mondiale : ………………………….. ………………….. 48
1.2. Une réduction de l’inflation : ………………………….. ………………………….. ………………………….. 48
1.3. Une diminution de l’aversion et des primes de risque : ………………………….. ………………….. 48
1.4. Une chute des niveaux des taux d’intérêt de long terme : ………………………….. ………………. 49
1.5. Une hausse des prix d’actifs : ………………………….. ………………………….. …………………………. 49
2. Instabilité m icro économique : ………………………….. ………………………….. ………………………….. . 49
2.1. Une obligation de rentabilité : ………………………….. ………………………….. ………………………… 50
2.2. Un assouplissement des critères d’octroi des crédits : ………………………….. ……………………. 50
3. Des pratiques financières à risque élevé : ………………………….. ………………………….. ……………. 50
3.1. La promotion des crédits à haut risque : ………………………….. ………………………….. ………….. 50

Table des matières

3.1.1. Le concept de la titrisation : ………………………….. ………………………….. ……………………. 51
3.1.2. Des produits financiers arrangés par portion de risque : ………………………….. ………….. 51
3.1.3. Des institutions d’assurances spécialisées : ………………………….. ………………………….. .. 52
3.1.4. Le CDO synthétique : ………………………….. ………………………….. ………………………….. …. 52
3.2. La sophistication d es produits financiers : ………………………….. ………………………….. ………… 52
3.2.1. La complication de nouveaux instruments : ………………………….. ………………………….. . 52
3.2.2. Implication de risque opérationnel et de risque de modèle : ………………………….. ……. 53
3.2.3. La différence entre risque et incertitude : ………………………….. ………………………….. …. 53
3.2.4. Une difficulté des incitations et des rémunérations : ………………………….. ………………. 54
3.3. Le risque et la novation financière :………………………….. ………………………….. …………………. 54
3.3.1. Le problème d’asymétrie d’information et le transfert du risque : ………………………… 54
3.3.2. La concentration des risques : ………………………….. ………………………….. …………………. 55
Section 3 : Déroulement et effets de la crise ………………………….. ………………………….. ………………….. 55
1. Chronologie de déclenchement de la crise : ………………………….. ………………………….. …………. 55
2. Les effets de la crise : ………………………….. ………………………….. ………………………….. …………… 56
2.1. Les effets de court terme :………………………….. ………………………….. ………………………….. …. 56
2.1.1. Le manque de liquidité : ………………………….. ………………………….. …………………………. 56
2.1.2. Des pertes au niveau du système bancaire et financier :………………………….. ………….. 57
2.1.3. Des pertes subies par les ménages : ………………………….. ………………………….. …………. 58
2.1.4. Une diminution du levier d’endettement : ………………………….. ………………………….. … 58
2.1.5. Des effets négatifs sur la croissance de court terme : ………………………….. ……………… 59
2.2. Les effets de moyen terme : ………………………….. ………………………….. ………………………….. . 59
2.2.1. Un accroissement du coût de financement de l’économie : ………………………….. ……… 59
2.2.2. Des impacts de l’usage de la technique de la titrisation : ………………………….. …………. 59
2.2.3. Une nécessité de capital supplémentaire : ………………………….. ………………………….. … 60
2.2.4. Les conséquences de l’exigence de liquidité :………………………….. …………………………. 60
2.2.5. La situation du système bancaire : ………………………….. ………………………….. …………… 60
2.2.6. La possibilité de formation d’une nouvelle bulle spéculative : ………………………….. ….. 61
Section 4 : Propagation de la crise ………………………….. ………………………….. ………………………….. ……. 61
1. Crise de liquidité dans le marché monétaire : ………………………….. ………………………….. ………. 61
2. Effet domino dans la sphère financière : ………………………….. ………………………….. ……………… 62
3. Propagation à l’économie réelle : ………………………….. ………………………….. ……………………….. 63
Section 5 : Lien entre le dispositif de Bâle 2 et la crise financière ………………………….. …………………… 63
1. Avantages du dispositif réglementaire : ………………………….. ………………………….. ………………. 63

Table des matières

2. Faiblesses de la réglementation prudentielle : ………………………….. ………………………….. ……… 64
Conclusion ………………………….. ………………………….. ………………………….. ………………………….. …….. 66
Chapitre 3 : Impact du dispositif réglementaire prudentiel sur la prise de risque bancaire pendant et
après la crise des subprimes. ………………………….. ………………………….. ………………………….. ……………. 67
Introduction ………………………….. ………………………….. ………………………….. ………………………….. ….. 67
Section 1 : Revue de la littérature empir ique ………………………….. ………………………….. ………………….. 68
Section 2 : Spécification du modèle ………………………….. ………………………….. ………………………….. ….. 71
1. Les hypothèses du modèle : ………………………….. ………………………….. ………………………….. ….. 71
2. La présentation du modèle : ………………………….. ………………………….. ………………………….. ….. 72
3. La définition des variables du modèle : ………………………….. ………………………….. ……………….. 73
3.1. La variable à expliquer : ………………………….. ………………………….. ………………………….. …….. 77
3.2. Les variables explicatives : ………………………….. ………………………….. ………………………….. …. 77
a. Les variables d e la gouvernance bancaire : ………………………….. ………………………….. ………. 77
b. Les variables de contrôle de l’activité bancaire : ………………………….. ………………………….. .. 78
c. Les variables macroéconomiques : ………………………….. ………………………….. ………………….. 79
Section 3 : Présentation de l’échantillon, statistiques descriptives et matrice de corrélation …………. 80
1. Présentation de l ’échantillon : ………………………….. ………………………….. ………………………….. .. 80
2. Statistiques descriptives : ………………………….. ………………………….. ………………………….. ……… 81
3. Matrice de corrélation : ………………………….. ………………………….. ………………………….. ………… 83
Section 4 : Les tests économétriques ………………………….. ………………………….. ………………………….. … 85
1.1. Le test de présence d‘effets individuels :………………………….. ………………………….. ………….. 85
1.2. Le test d‘Hausman : ………………………….. ………………………….. ………………………….. ………….. 86
1.3. Le test d‘hétéroscédasticité : ………………………….. ………………………….. ………………………….. 87
1.3.1. Le test d’hétéroscédasticité intra -individus : le test de Breush -Pagan LM ………………. 87
1.3.2. Le test d‘hétéroscédasticité inter -individus : test de Wald modifié ………………………… 87
Section 5 : Résultats et interprétations des estimations ………………………….. ………………………….. …… 88
1. Résultats et interprétations du modèle 1 : ………………………….. ………………………….. …………… 88
2. Résultats et interprétations du modèle 2 : ………………………….. ………………………….. …………… 93
3. Résultats et interprétations du modèle 3 : ………………………….. ………………………….. …………… 98
Concl usion ………………………….. ………………………….. ………………………….. ………………………….. …… 103
Conclusion générale ………………………….. ………………………….. ………………………….. ……………………… 104
Bibliographie ………………………….. ………………………….. ………………………….. ………………………….. …………
Annexes ………………………….. ………………………….. ………………………….. ………………………….. ………………..

SUJET: IMPACT DE LA REGLEMENTATION PRUDENTIELLE
BANCAIRE SUR LA PRISE DE RISQUE BANCAIRE PENDANT ET
APRES LA CRISE DES SUBPRIMES.

Résumé
Ce mémoire s’articule sur l’étude de l’effet de la réglementation prudentielle bancaire sur le
risque encouru par les banques pendant deux sous -périodes, à savoir la période de la crise
des subprimes durant l ’appl ication de l’accord de Bâle 2 et la période après cette crise suite
à la mise en place de l’accord de Bâle 3 . À partir d’un échantillon de 75 banques les plus
touchées par la crise des subprimes sur la période de 2008 -2009 et celle de 2013 -2014, nous
essayons d’étudier l’impact des mesures du dispositif réglementaire sur la prise de risque
bancaire. Les résultats de notre étude empirique montent que les normes prudentielles de
Bâle 2 ne sont pas arrivées à atténuer le niveau du risque bancaire pe ndant la crise des
subprimes et celles de Bâle 3, qui sont en cours de mise en application, présentent un d ébut
d’effet qui est en concordance avec les conséquences prévues des réformes instaurées par
le régulateur.

SUBJECT: IMPACT OF PRUDENTIAL BANKING REGULATION ON
BANK RISK TAKING DURING AND AFTER THE SUBPRIME CRISIS.

Sammury
This research articulat es on the study of the effect of the banking prudent ial regulations on
the risk incurred by banks during two sub-periods , worth knowing the period of the
subprime crises during the application of the Basel 2 agreement and the period after this
crisis follo wing the implementation of the Basel 3 agreement . From a sample of 75 banks the
most affected by the subprime crisis over the period of 2008 -2009 and that of the 2013 –
2014, we try to study the impact of the measures of the statutory device on the banking r isk
taking. The results of our empirical study take up that the prudent standards of Basel 2 did
not manage to limit the level of the banking risk during the subprime crisis and those of
Basel 3, who are in the course of application, present the beginning of effect which is in
accordance with the consequence planned by the reforms established by the regulator.