Mise en place d'un modèle scoring pour contreparties bancaires

ROYAUME DU MAROC[pic 1][pic 2]

*-*-*-*-*

HAUT COMMISSARIAT AU PLAN

*-*-*-*-*-*-*-*

INSTITUT NATIONAL

 DE STATISTIQUE ET D’ECONOMIE APPLIQUEE

[pic 3]

Projet de Fin d’Etudes

*****

[pic 4]

[pic 5]

Préparé par :         Mme Meryem El Ouazzani

                Sous la direction de :          Mme  Maroua Zouigui  (EHTP)

                                        Mme  Roukia Lahlou  (BP-Shore Consulting)

Soutenu publiquement comme exigence partielle en vue de l’obtention du[pic 6]

Diplôme d’Ingénieur d’Etat

Filière : Statistique-Economie

Devant le jury composé de :

1. Mme  Maroua Zouigui  (EHTP)
2. M.  Touhami Abdelkhalek  (INSEA)
3. Mme  Roukia Lahlou  (BP-Shore Consulting)[pic 7]

Résumé :[pic 8]

Comment les banques sont-elles censées évaluer, prévoir et gérer efficacement le risque crédit, face à l’incroyable diversité des dangers et menaces qui pèsent désormais sur leur activité ? Comment peuvent-elles répondre avec succès aux nouvelles contraintes qui émanent de la clientèle tout en préservant leur rentabilité future ?

Ces deux questions sont au cœur des enjeux liés à la mesure du risque de crédit, et impactent significativement la capacité des banques à gérer ce type de risque. En effet, les régulateurs essaient de plus en plus d’inciter les institutions financières à quantifier leur risque de crédit elles-mêmes via l’instauration de modèles internes. C’est sur ce point que portera ce rapport : notre travail consiste donc à la mesure du risque de crédit par une notation statistique des contreparties bancaires internationales. Dans ce cadre, nous allons spécifier des modèles de risque plus robustes que les méthodes traditionnelles et décrire pas à pas les étapes qui nous ont permis de les développer.

Nous avons d’abord fait un tour d’horizon de la littérature financière à ce sujet et défini soigneusement notre vision du risque de crédit, Ensuite, après une large revue de la littérature portant sur l'analyse discriminante, sur le modèle de régression logistique et sur le modèle de Cox, nous avons procédé à l'application de ces derniers au calcul des probabilités de défaut. Après cela, notre nouvel objectif a donc été de comparer les modèles et de montrer celui qui estime mieux la probabilité de défaut et donc de justifier sa future application sur la base des contreparties bancaires. En effet, nous avons opté pour le modèle de Cox dont l'estimation a donné des résultats satisfaisants tant du point de vue de l'adéquation du modèle que de la performance.

La dernière partie a consisté en la construction des classes de risques, sachant les probabilités de défaut individuelles. Nous avons appliqué l'algorithme EM qui permet d’estimer des classes latentes de risque.

Mots-clés : Risque de crédit, scoring, probabilité de défaut, analyse discriminante, modele logistique, modele de Cox, Algorithme EM.

Abstract[pic 9]

How banks are supposed to evaluate, forecast and manage efficiently credit risk, given the multiple dangers and threats they have to face now ? How can they answer successfully to the new constraints arising from supervisors while preserving their future profitability ?

 These two questions are the most challenging issues related to credit risk, and they can impact on the future banks’ ability to manage this type of risk. In fact, regulators are trying to encourage financial institutions to quantify their credit risk through the introduction of internal models. Our application was made on the data base of international banking counterparties. In this context, we will specify more robust credit risk models than traditioal methods and describe all the steps that allowed us to develop them.

After a wide review of the literature concerning the discriminnant analysis, logistic model and the Cox Model, we proceeded in their application to probability of default. After that, our new objective was to compare the models  and choose the one that estimates better the probability of default and thus to justify his future application on banking counterparties data base. We chose Cox model which the estimation gave satisfying results both from the point of view of the adequacy of the model and its performance.

The last part consisted of the construction of risk classes, knowing the individual probabilities of default. By assuming that the distribution of the probabilities of default is a Gaussian mixture, we applied the EM algorithm for the latent classes estimation.

Dédicace [pic 10]

Je dédie ce modeste travail à :

Mes chers parents,

Aucun hommage ne pourrait être à la hauteur de l’amour dont ils ne cessent de me combler.

Rien au monde ne vaut les efforts fournis jour et nuit pour mon éducation et mon bien être. Ce travail est le fruit des sacrifices que vous avez consentis pour mon éducation et ma formation. Que dieu vous procure bonne santé et longue vie.

A mes chers frères,

Les mots ne suffisent guère pour exprimer l’attachement, l’amour et l’affection que je porte pour vous. Je vous dédie ce travail avec tous mes vœux de bonheur, de santé et de réussite.

A mes amies Leila, Marwa, Wiam, Amal, Loubna

En témoignage de l’amitié qui nous unit et des souvenirs de tous les moments que nous avons passés ensemble, je vous dédie ce travail et je vous souhaite une vie pleine de santé et de bonheur.

Meryem

[pic 11]

Remerciements :

La réalisation de ce travail n’aurait été possible sans l’appui stratégique, les conseils avisés et le soutien des membres de l’équipe de BP-Shore Consulting, que j’ai eu l’honneur et le plaisir de côtoyer durant ces quelques mois de stage.

...