Elaboration d’un modèle de crédit scoring

Section 2 : Méthodologie de la construction d’un modèle de scores

Chapitre II : Méthodes de construction et de validation des modèles de scoring

Section 1 : Méthodes de classification des entreprises

Section 2 : Validation des modèles de crédit scoring

Chapitre III : Cas pratique : Elaboration d’un modèle de crédit scoring

- Section 1 : Etudes descriptive et statistique des données

Section 2 : Les méthodes paramétriques

Section 3 : Les réseaux de neurones

Conclusion ………………………………………………………………………….122 Bibliographie………………………………………………………………………..124

Liste des figures…………………………………………………………………….129

Liste des tableaux…………………………………………………………………..130

Liste des annexes…………………………………………………………………...132

INTRODUCTION

Une entreprise ne possède pas toujours les capitaux suffisants pour atteindre ses objectifs. Ses résultats commerciaux et financiers ainsi que l’intégrité des dirigeants et les garanties offertes peuvent lui permettre de demander un crédit auprès d’une banque. D’une façon générale, le crédit résulte de la combinaison de trois éléments : Le temps ou le délai pendant lequel le bénéficiaire dispose des fonds prêtés, la confiance faite par le créancier au débiteur, la promesse de restitution des fonds prêtés. Au total, une opération de crédit, considérée du point de vue du prêteur, est une opération risquée qui suppose que certaines mesures destinées à réduire le risque couru soient prises. Il n’y a donc pas de crédit totalement exempt de risques, quelles que soient les garanties dont il est assorti. Le risque est pratiquement inséparable du crédit. Il n’est donc pas question dans l’absolu d’éliminer le risque de crédit mais de tenter de le réduire. Historiquement, le crédit a toujours été le principal risque pris en compte par les banques. C’était par conséquent le risque le plus connu. Avec la montée des marchés financiers et la libéralisation par le désencadrement du crédit du début des années 80, le risque de crédit s’est intensifié. La gestion et l’analyse du risque de crédit ne peuvent pas être appréhendés de manière correcte si l’on ne connaît pas préalablement l’environnement autour du crédit. Plusieurs facteurs touchant au secteur bancaire peuvent influencer ce risque. Dans le nouvel environnement financier, la maîtrise de ces risques devient un enjeu important : il s’agit du thème central des nouveaux accords de Bâle II. Les instances réglementaires internationales ont compris la nécessité de renforcer les procédures de gestion et de contrôle car la négligence ou la non maîtrise de ces risques peut mettre en péril la banque. De ce fait, les banques et les autorités s’efforcent de mettre au point des méthodes sophistiquées et les moyens adéquats pour une gestion optimale et une maîtrise de ces risques en ayant recours aux différents outils d’analyse, de mesure et de prévision du risque de défaillance. Hormis l’analyse financière classique qui, souvent, ne répond pas aux attentes des institutions financières, Rosenberg & Gleit (1994) ont recensé plusieurs méthodes de gestion du risque de crédit. La technique la plus utilisée semble être le score et ce score reposerait souvent sur les informations traditionnelles (ratios financiers). Aussi, les réseaux de neurones sont parmi les outils les plus récents évoqués par les chercheurs en décision. Il s’agit d’outils visant à reproduire le raisonnement humain. Le besoin d’un meilleur contrôle du risque de crédit par les banques a accéléré les recherches concernant le Credit Scoring en anticipation du nouvel accord de Bâle portant sur l’allocation des fonds propres aux risques. L’accord a mis l’accent sur l’importance de la gestion du risque et encourage les institutions de crédits à développer leurs propres outils d’appréciation des risques notamment le risque de crédit.

Notre mémoire de fin d’étude s’inscrit dans le contexte du développement des méthodes destinées à la réduction du risque de crédit et du taux de défaut de remboursement, le Crédit Scoring. Cela nous ramène à poser la problématique suivante : Dans quelle mesure le banquier peut prévoir les incidents de paiement ainsi que la solvabilité des entreprises emprunteuses afin d’éclairer les décisions à prendre dans le cadre du processus d’octroi des crédits ? Dans le souci d’apporter des éléments de réponse, notre raisonnement répond progressivement aux questions suivantes : - En quoi consiste un modèle de Credit Scoring ? - Quelle est la méthodologie de l’élaboration d’un modèle de Credit Scoring ? - Quelles sont les méthodes les plus utilisées dans la construction d’un système de scores, et selon quels critères choisit-on celle qui donne de meilleurs résultats en matière de performance ? - Quel est le mode de fonctionnement des réseaux de neurones qui imitent le traitement de l’information par le cerveau humain ? et comment arrivent-ils à prédire le risque de non remboursement ? Nous allons procéder au traitement de notre problématique par une méthode descriptive analytique et structurer la réponse en quatre (4) chapitres : - Un chapitre préliminaire, qui nous permettra d’aborder des éléments liés au risque de crédit et à la défaillance des entreprises ; - Dans un premier chapitre, nous allons présenter le Credit Scoring avec ses avantages et ses limites et détailler la méthodologie de la construction d’un modèle de Credit Scoring pour la prévision de la défaillance ; - Dans un second chapitre, nous présenterons trois méthodes de classification, leurs structures ainsi que les méthodes de leur validation et - Un dernier chapitre qui, constituera notre cas pratique, mettra en application les différentes méthodes traitées dans la partie théorique. Cela aboutira à la construction d’une règle de classification des entreprises basée sur les scores.

CHAPITRE PRELIMINAIRE RISQUE DE CREDIT & DEFAILLANCE DES ENTREPRISES

...